Documente Academic
Documente Profesional
Documente Cultură
[1]
a*(u(2)-u(1))+u(2)*u(3) x1 = a ( x2 − x1 ) + x2 x3
x = a( x + x ) − x x
b*(u(1)+u(2))-u(1)*u(3) 2 1 2 1 3
(1)
x3 = −cx3 − ex4 + x1 x2
-c*u(3)-e*u(4)+u(1)*u(2) x4 = −dx4 + fx3 + x1 x2
-d*u(4)+f*u(3)+u(1)*u(2)
1
Procese aleatoare. Studiu de caz. [2]
New Model save as Qi.
Click dreapta
Add to Qi
4 stări add
4 blocuri fcn
2
Procese aleatoare. Studiu de caz. [3]
4
Procese aleatoare. Studiu de caz. [5]
6
Procese aleatoare. Studiu de caz. [7]
Ts=0.001;
%pasul, in timp, de lucru al metodei folosite de catre integratoare,
LS=3;
%lungimea simularii
sim('Qi')
%simularea modelului sistemului haotic
Alternativ, sistemul mai poate fi simulat direct din Qi.mdl run (săgeata verde).
7
Procese aleatoare. Studiu de caz. [8]
Obținem 10 realizări particulare ale procesului aleator generat de sistemul lui Qi.
Considerăm doar starea x1.
for k=1:10
x1_0=rand(); x2_0=rand(); x3_0=rand(); x4_0=rand();
%conditiile initiale ale modelului, alese uniform in [0,1]
sim('Qi')
%simularea modelului sistemului haotic
X1(k)=x1_0;X2(k)=x2_0;X3(k)=x3_0;X4(k)=x4_0;
X(:,k)=x1';
plot3(t,k*ones(1,length(t)),X(:,k))
hold on
end
grid
xlabel('t[s]')
ylabel('k')
zlabel('X(t,k)')
view(-32,76) 8
Procese aleatoare. Studiu de caz. [9]
11
Considerăm N=1000 de seturi de condiții initiale N curbe.
Procese aleatoare. Studiu de caz. [12]
Specificarea unui proces aleator
for k=980:10:1000
figure
cdfplot(X(k,:))
nume=strcat('X(',num2str(k),',t)');
xlabel(nume)
nume=strcat('F_{',nume,'}')
ylabel(nume)
end
12
Procese aleatoare. Studiu de caz. [13]
Specificarea unui proces aleator
xy(:,2)=y;
xy(:,1)=x;
x=X(1,:); hist(xy)
y=X(1,:); hist3(xy)
scatterhist(x,y) xlabel('x')
xlabel('x') ylabel('y')
ylabel('y') zlabel('p_{xy}')
13
Procese aleatoare. Studiu de caz. [14]
Specificarea unui proces aleator
xy(:,2)=y;
xy(:,1)=x;
x=X(1,:); hist(xy)
y=X(500,:); hist3(xy)
scatterhist(x,y) xlabel('x')
xlabel('x') ylabel('y')
ylabel('y') zlabel('p_{xy}')
14
Procese aleatoare. Studiu de caz. [15]
Specificarea unui proces aleator
xy(:,2)=y;
xy(:,1)=x;
x=X(1500,:); hist(xy)
y=X(500,:); hist3(xy)
scatterhist(x,y, 100) xlabel('x')
xlabel('x') ylabel('y')
ylabel('y') zlabel('p_{xy}')
15
Procese aleatoare. Studiu de caz. [16]
Specificarea unui proces aleator
xy(:,2)=y;
xy(:,1)=x;
x=X(2900,:); hist(xy)
y=X(3000,:); hist3(xy)
scatterhist(x,y, 100) xlabel('x')
xlabel('x') ylabel('y')
ylabel('y') zlabel('p_{xy}')
16
Procese aleatoare. Studiu de caz. [17]
Specificarea unui proces aleator
for k=700:50:950
[h1,h2]=hist(X(k,:),100);
figure
bar(h2,h1/N,'histc')
nume=strcat('X(',num2str(k)
,',t)');
xlabel(nume)
nume=strcat('p_{',nume,'}')
ylabel(nume)
end
17
Considerăm N=1000 de seturi de condiții initiale N curbe.
Procese aleatoare. Studiu de caz. [18]
Specificarea unui proces aleator
18
Procese aleatoare. Studiu de caz. [19]
Specificarea unui proces aleator
19
Procese aleatoare. Studiu de caz. [20]
Specificarea unui proces aleator
20
Procese aleatoare. Studiu de caz. [21]
Specificarea unui proces aleator
x=X(81,:); x=X(81,:);
y=X(89,:); y=X(890,:);
scatterhist(x,y) scatterhist(x,y)
x=X(1,:);
y=X(2,:);
kstest2(x,y)
21
ans=0
Procese aleatoare. Studiu de caz. [22]
Specificarea unui proces aleator
x=X(891,:);
Y=X(900,:);
scatterhist(x,y)
22
Procese aleatoare. Studiu de caz. [23]
Specificarea unui proces aleator
Testul Kolmogorov-Smirnov
• test de concordanță între două eșantioane;
• h=0 ipoteza nulă (seturile analizate provin din aceeași populație) nu este respinsă
cu nivelul de semnificație statistică de 5%;
• h=1 ipoteza alternativă: ipoteza nulă este rejectată cu un nivel de semnificație (de
încredere) de 5%.
• Fie F1(x) și F2(x) funcțiile de repartiție (cumulative distribution function; CDF) ale
celor două populații testul K-S determină dacă F1(x)=F2(x) pentru oricare x (ipoteza
nulă);
help kstest2
23
Procese aleatoare. Studiu de caz. [24]
Specificarea unui proces aleator
Testul Kolmogorov-Smirnov
• decizia de a respinge ipoteza nulă are loc atunci când nivelul de smnificaței
egalează sau este mai mare decât valoarea P;
• Valoarea P asimptotică devine foarte precisă pentru dimensiuni mari ale setului d
edate. Este afirmat ca fiind suficient de mare pentru dimensiuni ale seturilor de
date astfel încât (N1*N2)/(N1+N2)>=4.
24
Procese aleatoare. Studiu de caz. [25]
Specificarea unui proces aleator
Testul Kolmogorov-Smirnov
[...] = kstest2(X,Y,'PARAM1',val1,'PARAM2',val2,...) specifică una sau mai multe
perechi nume/valoare:
Parameter Value
'alpha' A value ALPHA between 0 and 1 specifying the
significance level. Default is 0.05 for 5% significance.
For TYPE = 'unequal', 'larger', and 'smaller', the test statistics are max|S1(x) -
S2(x)|, max[S1(x) - S2(x)], and max[S2(x) - S1(x)], respectively.
25
Staționaritate. [26]
• Trecute prin sisteme LIT, intrările WSS conduc la ieșiri WSS. Dacă un proces WSS
cu densitatea spectrală de putere (PSD) Pxx(ω) este trecut printr-un filtru LIT cu răspun-
sul în frecvență H(w), atunci ieșirea filtrului este și ea un proces WSS cu densitatea spec
trală de putere |H(ω)|²Pxx(ω).
26
• Procesul Gaussian proces WSS; are numai momente de ordinul 2.
Ergodicitate [27]
Ergodicitate
• Mediile temporale =
= mediile ansamblului;
Mediile (averages) ansamblului,
precum media (mean)/autocorelația
pot fi calculate ca medii temporale
(time-averages) pe o singură realizare
a procesului aleator.
Media ansamblului
28
Densitatea spectrală de putere. Autocorelația. [29]
periodogram(X(1,:))
autocorr(X(1,:))
29
Densitatea spectrală de putere. Autocorelația. [30]
periodogram(X(1900,:))
autocorr(X(1900,:))
30
Zgomotul în sistemele de comunicație. [31]
* Zgomotul termic este descris de un process Gaussian de medie zero, w(t).
V=randn(1000,3000);
periodogram(V(1,:));
autocorr(V(1,:));
31
Câteva exemple de circuite determinist-haotice.
Semnale pseudo-aleatoare. [32]