Stochastic Signals Class Estimation Theory. Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory

Σχετικά έγγραφα
Εισόδημα Κατανάλωση

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

Χ. Εμμανουηλίδης, 1

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

HMY 799 1: Αναγνώριση Συστημάτων

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

ΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ

Απλή Παλινδρόμηση και Συσχέτιση

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Ψηφιακές Τηλεπικοινωνίες. Βέλτιστος Δέκτης

Εφαρμοσμένη Στατιστική

Οικονομετρία. Απλή Παλινδρόμηση. Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

Παραβιάσεις των κλασσικών υποθέσεων. ο εκτιμητής LS είναι: Οι βασικές ιδιότητες του εκτιμητή είναι:

Πίνακας 4.4 Διαστήματα Εμπιστοσύνης. Τιμές που Επίπεδο εμπιστοσύνης. Διάστημα εμπιστοσύνης

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

HMY 795: Αναγνώριση Προτύπων

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 4, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 2

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Στατιστική Συμπερασματολογία

ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ 5 ο εξάμηνο

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

Στοχαστικά Σήματα και Τηλεπικοινωνιές

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Το μοντέλο Perceptron

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)

HMY 795: Αναγνώριση Προτύπων

Στατιστική Ι (ΨΥΧ-1202) ιάλεξη 3

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

Το στατιστικό κριτήριο που μας επιτρέπει να. μιας ή πολλών άλλων γνωστών μεταβλητών. Η σχέση ανάμεσα στις μεταβλητές που μελετώνται

Στοχαστικά Σήματα και Τηλεπικοινωνιές

HMY 799 1: Αναγνώριση Συστημάτων

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

HMY 799 1: Αναγνώριση Συστημάτων

Στατιστική. Εκτιμητική

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Συνολοκλήρωση και VAR υποδείγματα

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις

Αναγνώριση Προτύπων Ι

n + 1 X(1 + X). ) = X i i=1 i=1

Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...

Στατιστική Συμπερασματολογία

Τμήμα Μηχανικών Η/Υ και Πληροφορικής

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Η αβεβαιότητα στη μέτρηση.

ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

Μια εισαγωγή στο φίλτρο Kalman

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ 5 ο εξάμηνο

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Κεφάλαιο 4 Εισαγωγή στη στατιστική ανάλυση μετρήσεων

Προσαρμογή καμπύλης με τη μέθοδο των ελαχίστων τετραγώνων

Διαχείριση Υδατικών Πόρων

27-Ιαν-2009 ΗΜΥ (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

E [ -x ^2 z] = E[x z]

Στατιστική, Άσκηση 2. (Κανονική κατανομή)

Οικονομικές εφαρμογές υπολογιστικών πακέτων. Στοχαστικά υποδείγματα

9. Παλινδρόμηση και Συσχέτιση

5269: Υπολογιστικές Μέθοδοι για Μηχανικούς. ρ ρμ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις στο μάθημα ΠΙΘΑΝΟΤΗΤΕΣ Ι

TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III

Μοντέλο Perceptron πολλών στρωμάτων Multi Layer Perceptron (MLP)

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

Εισαγωγή. Προχωρημένα Θέματα Τηλεπικοινωνιών. Ανάκτηση Χρονισμού. Τρόποι Συγχρονισμού Συμβόλων. Συγχρονισμός Συμβόλων. t mt

Εφαρμοσμένη Στατιστική

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Transcript:

Stochastic Signals Class Estimation Theory Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory 1

Τι ειναι «Εκτιμηση» (Estimation)? Γενικο Πλαισιο: Θεωρια και Πραξη Συμπερασματων (Inference) ΘΕΩΡΙΑ ΣΥΜΠΕΡΑΣΜΑΤΩΝ ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ ΘΕΩΡΙΑ ΕΚΤΙΜΗΣΗΣ Αποφαση: διαλεγω μια απο συγκεκριμμενο αριθμο περιπτωσεων Εκτιμηση: διαλεγω μια απο απειρο αριθμο περιπτωσεων Παραδειγματα: κρινω αν ερχεται αεροπλανο η οχι βασει radar κρινω αν το bit που εστειλε ενας πομπος ειναι +1 η -1 αποφασιζω με τι βαθμο θα βαθμολογισω καποιον Παραδειγματα: μετρω («εκτιμω») απο ποια γωνια ερχεται το αεροπλανο εκτιμω ποση ειναι η ισχυς ενος πομπου μετρω το βαρος ενος ανθρωπου, η ενα ηλεκτρικο δυναμικο, η μια οποιαδηποτε αλλη μετρηση που δεν ειναι «τελεια» Αυτο που κανει το προβλημα ενδιαφερον ειναι η αβεβαιοτητα στα δεδομενα βασει των οποιων λαμβανεται μια αποφαση η γινεται μια εκτιμηση 2

Γιατι αβεβαιοτητα? Ολες οι μετρησεις (measurement), παρατηρησεις (observation), καταγραφη δεδομενων (data record) εμπεριεχουν αβεβαιοτητα, αρα πρεπει να προσεγγιστουν πιθανολογικα (στοχαστικα). Η πηγη της αβεβαιοτητας μπορει να ειναι θορυβος μετρησης, παρεμβολη, παραμορφωση σηματος, κλπ. Αρα, αυτο που θελουμε να εκτιμησουμε (Ζ) συνδεεται μεν, αλλα δεν ταυτιζεται με αυτο που μετραμε, την παρατηρηση (Χ) Airport Z( u ) X ( u) 3

Μοντελλο συστηματος Z(u) (εκτιμητεο) Θορυβος, παραμορφωση, παρεμβολη, αβεβαιοτητα Χ(u) (μετρηση) Eu () = Zu () Zu ˆ() = Zu () gxu ( ()) g (.) (μετ/μος, επεξεργασια) Zˆ = g( X ) (εκτιμηση) Λογω των αβεβαιοτητων η εκτιμηση δεν θα ειναι συνηθως επακριβως σωστη, αρα θα εχουμε σφαλμα ισο με το οποιο σφαλμα: ειναι στατιστικο (δηλ. τυχαια μεταβλητη) αφου και το Ζ(u) και το Χ(u) ειναι τ.μ. εξαρταται απο την στατιστικη σχεση Ζ και Χ, δηλ. την απο κοινου σ.π.π. (pdf) εχει στατιστικες τιμες που μπορουν να υπολογιστουν, αλλα εν γενει μας αφορα κυριως η μεση τιμη E( u) = E { E( u) } και η δευτερη ροπη E Z -g(x) 2 {( ) } 4

Κριτηρια Το ποια ειναι η «σωστη» συναρτηση εκτιμησης ( ο μετ/μος g(.)) εξαρταται απο το λεγομενο κριτηριο που υιοθετουμε. Διαφορετικα κριτηρια οδηγουν σε διαφορετικες λυσεις. Σημειωση: -- καμια λυση δεν ειναι «καλυτερη» απο μια αλλη αν αντιστοιχουν σε διαφορετικα Κριτηρια -- Μπορουμε να συγκρινουμε μονον λυσεις για το ιδιο κριτηριο: η «βελτιστη» λυση για το κριτηριο Κ, μια κατωτερη λυση για το κριτηριο Κ, κλπ. -- Εμεις θα αναζητησουμε τις βελτιστες λυσεις για ενα συγκεκριμμενο κριτηριο, το Μεσο Τετραγωνικο Σφαλμα (mean square error) Μερικες άλλες υποψηφιες επιλογες για κριτηρια: Μεσο σφαλμα E {( Z -g(x))} μεσο απολυτο σφαλμα E { Z -g(x)} Μεσο τετραγωνικο σφαλμα (MSE) {( Z -g(x)) } 2 -- Εν γενει, θελουμε να ελαχιστοποιησουμε τη μεση τιμη μιας συναρτησης C(E) του σφαλματος Ε -- Η συναρτηση αυτή, C(E), λεγεται κοστος του σφαλματος -- Αρα διαλεγουμε τον εκτιμητη g(.) ετσι ώστε να ελαχιστοποιηθει το μεσο κοστος (η μεση τιμη λαμβανεται υπο την κοινη κατανομη των Ζ και Χ) E 5

Περι σφαλματων και κριτηριων = επιθυμητη πορεια = λαθος εκτιμητη Α = λαθος εκτιμητη Β pdf f(e) C=abs(E) Κοστος C(E) C=E Ερωτηση: ειναι καλο κριτηριο το μεσο σφαλμα? Ε C=E 2 Ε 6

Λυση για το ΜΤΣ Μαθηματικος Ορισμος: Να βρεθει η g(x) που ελαχιστοποιει την MSE = E { 2 ( ) } Z -g(x) Απαντηση: (α) Για g(x) = α (μια σταθερα, μη συναρτηση του x), α= Σημειωση: τι σημαινει «σταθερη απαντηση»? E { Z(u) } (β) Για την γενικη περιπτωση, g( X) = E { Z / X} Το εναπομειναν, ελαχιστο δυνατο σφαλμα ισουται με {( ) } Z { Z / X } 2 = { Z 2 } { Z 2 } E E E E ) (να δειχθει!) Ολοι οι αλλοι εκτιμητες θα εχουν σφαλμα μεγαλυτερο η ισο με αυτο. 7

Πως βρισκεται ο υπο-συνθηκη μεσος ορος? X = x f z x f z x Z, X 0 Z, X 0 0 f ( z x ) ZX 0 ( ) X 0 (, ) Z, X 0 (, ) (, ) = = f x f z x dz 8

Λυση για το ΜΤΣ υπο τον γραμμικο περιορισμο Εαν επιμενουμε σε μια απλη λυση, π.χ., γραμμικη της μορφης ) Ζ = g( X) = ax + b τοτε η βελτιστη λυση ειναι ) ρ σ Ζ= ( ) = ZX Z g X ( X m ) + m X Z σ και εξαρταται μονον απο τις μεσες τιμες και τυπικες αποκλισεις των Ζ και Χ, καθως και τον συντελεστη συσχετισης τους ρ ZX. Εαν οι Ζ και Χ ειναι ασυσχετιστες μεταξυ τους (ο συντελεστης ρ ειναι μηδεν), τοτε η εκτιμηση της Ζ ειναι η σταθερα μεση τιμη της, δηλ. αγνοουμε την μετρηση αφου δεν μας λεει τιποτα για την Ζ στα πλαισια της γραμμικης εκτιμησης. X 9

Ειδικη περιπτωση: προσθετικος θορυβος X=Z+N με Ζ(u), Ν(u) ανεξαρτητες τ.μ. Η γενικη λυση ειναι οπου f ZX E { } ( ) Z X = zf z x dz ZX f ( z, x) f ( x z) f ( z) ZX, XZ Z f ( x z) f ( z) N Z ( z x) = = = f ( x) f ( x) f f ( x) X X Z N Η γραμμικη λυση ειναι ) 2 Z Z = m + σ ( X m ) Z 2 2 x σ + σ Z N 10