LovesTheTeam.com

инструкция

1

За да се отговори на въпроса, е случаеннормалната стойност, е възможно да се изготви концепция ентропията Н (х), възниква в теорията на информацията. Фактът, че всяка отделна връзка, образувана от N символа X = {X,, x₂, ... Xn}, може да се разбира като дискретна случайна променлива, предварително определен до вероятности. Ако вероятността от използването на символи, като h₅ е R ^, след това така е вероятността на събитие X = h₅. Условия за теорията на информацията, които вземаме друга концепция количеството информация (или по-скоро със собствена информация) I (XI) = ℓog (1 / P (XI)) = - ℓogP (XI). За краткост място P (XI) = Pi. Логаритми се вземат на основата на 2 такива основания не са написани по конкретен начин. От тук, между другото, двоична единица (двоична цифра) - малко.

2

Ентропията е средният брой наинформация в една стойност на случайна променлива Н (х) = М [-ℓogPi] = - ΣPi ∙ ℓogPi (сумиране над и vedetcya от 1 до п). И има непрекъснато разпределение. За да се изчисли ентропията на непрекъсната случайна променлива, представете си, че в дискретна форма. Пробив стойности част площ на малки интервали делтан (стъпка квантуване). Като възможно вземат стойности, съответстващи на средна ьН, а вместо това се използва неговата вероятност Pi≈w елемент площ (XI) Δx. Ситуацията е илюстрирана на фиг. 1. На нея, до малки детайли, показва кривата на Гаус, което е графично представяне на плътността на вероятността на нормалното разпределение. Тук е дадена формулата за вероятната плътност на това разпределение. Внимателно обмислете тази крива, сравнете я с данните, които имате. Може би отговорът на въпроса вече е изяснен? Ако не, струва си да продължите.

3

Използвайте предложената в предишната методологиястъпка. Направете редица вероятности на сега дискретна случайна променлива. Намерете неговата ентропия и преминете към непрекъснатото разпределение като n → ∞ (Δx → 0). Всички изчисления са показани на фиг. 2.

4

Човек може да докаже, че нормалното (Gaussian)разпределенията притежават максимална ентропия в сравнение с всички останали. Един прост изчисляване на крайната формула на предишния етап Н (х) = М [-ℓogw (х)], се получи това ентропията. Не се изисква интеграция. Свойствата на математическото очакване са достатъчни. Получаване на Н (х) = ℓog₂ (σh√ (2πe)) = ℓog₂ (σh) + ℓog₂ (√ (2πe)) ≈ℓog₂ (σx) 2045. Това е максимално възможното. Сега, като се използват всички налични за вашата дистрибуция на данни (в диапазона от обикновен статистически агрегат), за да намери своето противоречие Dx = (σx) ². Заместете изчисленото σx в израза за максималната ентропия. Изчислете ентропията на случайната променлива H (x), която проучвате.

5

Направете съотношението H (x) / Hmax (x) = ε. Независимо избирайте вероятността εο, която може да се счита за почти равна на единството при вземането на решение за близостта на разпределението и нормалното. Обадете го, да речем, вероятността вероятност. Препоръчват се стойности, по-големи от 0,95. Ако се окаже, че ε> εo, то вие (с вероятност най-малко ε0) се справяте с Gaussian разпределението.