[¯|¯] Esperimenti computazionali con il white noise

giovedì, Giugno 21st, 2018

white noise,brown noise,distribuzione gaussiana

In un post precedente abbiamo visto che la funzione di autocorrelazione di una variabile aleaotoria gaussiana, è una funzione SINC.
In sostanza, la funzione di autocorrelazione ci dice come sono correlati a tempi diversi i valori di una assegnata grandezza (aleatoria o deterministica). È chiaro che se la predetta funzione è identicamente nulla o più precisamente, una funzione delta di Dirac, allora i valori della variabile aleatoria sono scorrelati al 100%. È proprio quello che succede in un white noise. Per verificarlo, utilizziamo Mathematica. Definiamo una funzione random[] che genera numeri reali pseudocasuali:

white noise,brown noise,distribuzione gaussians

Generiamo una lista di lunghezza n, di tali numeri:

white noise,brown noise,distribuzione gaussians

Utilizziamo l'istruzione ListLinePlot[] per plottare la lista:

white noise,brown noise,distribuzione gaussians

(altro…)

Posted in Mathematica, Teoria dei segnali | No Comments »

[¯|¯] Variabili aleatorie nell'ambiente di calcolo Mathematica

martedì, Marzo 14th, 2017

variabili aleatorie,variabili deterministiche,variabili ergodiche — **Fig. 2**

Variabili deterministiche e variabili aleatorie

Abbiamo appreso in maniera euristica la differenza tra variabili deterministiche e variabili aleatorie. Cerchiamo ora di assiomatizzare tali nozioni.

Le variabili deterministiche -- che denotiamo con y_det(t), dove t è il tempo -- sono soluzioni di un assegnato problema di Cauchy, per cui non sono altro che ordinarie funzioni dell'Analisi matematica. Quindi:

che si legge: il valore che y_det(t) assume all'istante t'>t è univocamente determinato dal valore all'istante t. Nel caso aleatorio:

dove P(y_al(t'),t') è la probabilità che al tempo t'>t la variabile aleatoria assuma il valore y_al(t'), per cui il valore di y_al al tempo t non determina univocamente il valore di y_al nel generico istante successivo t, ma determina il valore della probabilità. In altri termini, per definire una variabile aleatoria è necessario conoscere la probabilità