Beruflich Dokumente
Kultur Dokumente
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Nk
fk =
P (k )
N
ATTENZIONE:
2
NA
fA =
P ( A)
N
NB
fB =
P (B )
N
0 fA 1
0 P ( A) 1
...
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
6
20 40 60 80 100 120 140 160 180 200
# prove
Assiomi
Assiomidella
dellateoria
teoriadella
dellaprobabilit
probabilit(propriet
(proprietdelle
delleprobabilit):
probabilit):
1.
1.Per
Perogni
ogniAAesiste
esiste(cio
(ciodefinita)
definita)P ( A) 0
2.
2.P(S)=1
P(S)=1
3.
3.Se
SeAAeeBBsono
sonomutuamente
mutuamenteesclusivi
esclusivi(hanno
(hannointersezione
intersezionenulla)
nulla)P(A+B)=P(A)+P(B)
P(A+B)=P(A)+P(B)
Nota:
nonsono
sonoaltro
altroche
chelelepropriet
proprietelementari
elementaridella
dellafrequenza
frequenzarelativa
relativa
Nota:non
Conseguenza
(facilmentedimostrabile):
dimostrabile):P(A+B)=P(A)+P(B)-P(A,B)
P(A+B)=P(A)+P(B)-P(A,B)
Conseguenza(facilmente
bisogna
bisognacontare
contaresolo
solouna
unavolta
voltalintersezione
lintersezionedidiAAeeB!
B!
Si
Siattribuiscono
attribuisconoalla
allaprobabilit
probabilitlelepropriet
proprietdella
dellafrequenza
frequenzarelativa,
relativa,perch
perchi irisultati
risultati
del
calcolo
delle
probabilit
siano
a
loro
volta
interpretabili
come
frequenze
relative.
del calcolo delle probabilit siano a loro volta interpretabili come frequenze relative.
4
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
contenuto
A={1,2,3} (levento A si verifica se il risultato elementare contenutoininA)
A)
B={2,4,6}
B={2,4,6}(levento
(leventoBBsisiverifica
verificase
seililrisultato
risultatoun
unnumero
numeropari)
pari)
Per
Percalcolare
calcolarelalaprobabilit
probabilitdidiun
unevento
eventobasta
bastacontare
contarei irisultati
risultatiche
chelolocompongono!
compongono!
P(A)=n
P(A)=nA/n
/n dove
dovennA ililnumero
numerodidirisultati
risultaticontenuti
contenutiininAAeennililnumero
numerototale
totaledidirisultati.
risultati.
A
P(A)=P(B)=3/6
P(A)=P(B)=3/6
P(A+B)=P({1,2,3,4,6})=5/6
P(A+B)=P({1,2,3,4,6})=5/6
(o
(oanche
ancheP(A+B)=P(A)+P(B)-P(A,B)=3/6+3/6-1/6=5/6,
P(A+B)=P(A)+P(B)-P(A,B)=3/6+3/6-1/6=5/6,ma
maininquesto
questocaso
casonon
nonconviene)
conviene)
P(A)=n
P(A)=nAA/n
/npu
puessere
essereuna
unadefinizione
definizionegenerale
generaledidiprobabilit?
probabilit?NO
NOperch
perchesistono
esistonoanche
anche
i idadi
(intenzionalmenteoono);
no);potrebbe
potrebbeessere
essereP(1)=0.5
P(1)=0.5eeP(2)=...=P(6)=0.1.
P(2)=...=P(6)=0.1.
daditruccati
truccati(intenzionalmente
In
questo
caso
si
avrebbe
P(A)=0.7,
P(B)=0.3
e
P(A+B)=0.9.
In questo caso si avrebbe P(A)=0.7, P(B)=0.3 e P(A+B)=0.9.
Regola
Regolagenerale:
generale:nel
nelcaso
casodei
deirisultati
risultatiequiprobabili,
equiprobabili,ililcalcolo
calcolodelle
delleprobabilit
probabilitrichiede
richiede
solo
solodidisaper
sapercontare;
contare;se
sei irisultati
risultatinon
nonsono
sonoequiprobabili
equiprobabilioccorre
occorresaper
sapersommare.
sommare.
N.B.:
N.B.:ililnumero
numerodiditermini
terminida
dasommare
sommarepu
puessere
essereenorme,
enorme,ooaddirittura
addiritturainfinito!
infinito!
5
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Indipendenza statistica
Esempio:
Esempio:lancio
lanciodididue
duedadi
dadi(non
(nontruccati)
truccati)
A={1
A={1nel
nelprimo
primolancio
lancio(e
(erisultato
risultatoqualsiasi
qualsiasinel
nelsecondo
secondolancio)}
lancio)}
B={3
o
4
nel
secondo
lancio
(e
risultato
qualsiasi
nel
primo
B={3 o 4 nel secondo lancio (e risultato qualsiasi nel primolancio)}
lancio)}
P(A,B)=P({1
P(A,B)=P({1nel
nelprimo
primolancio,
lancio,33oo44nel
nelsecondo
secondolancio})=2/36
lancio})=2/36
(infatti
(infattivivisono
sono36
36coppie
coppiedidirisultati
risultatiequiprobabili:
equiprobabili:lelecoppie
coppie(1,3)
(1,3)ee(1,4)
(1,4)costituiscono
costituiscono
levento
leventocongiunto)
congiunto)
In
Inquesto
questocaso
casorisulta
risultaP(A,B)
P(A,B)=P(A)P(B),
=P(A)P(B),cio
ciolalaprobabilit
probabilitcongiunta
congiuntauguale
ugualealal
prodotto
diceche
chegli
glieventi
eventiAAeeBBsono
sonostatisticamente
statisticamenteindipendenti
indipendenti
prodottodelle
delleprobabilit:
probabilit:sisidice
(o
(oindipendenti).
indipendenti).Effettivamente
Effettivamentei ilanci
lancisono
sonoindipendenti,
indipendenti,aameno
menoche
chesisivoglia
vogliacredere
credere
che
cheilildado
dadoha
hamemoria!!
memoria!!
Si
Siassume
assumeaapriori
priori lindipendenza
lindipendenzastatistica,
statistica,eequindi
quindisisiusa
usalalaregola
regolaP(A,B)=P(A)P(B),
P(A,B)=P(A)P(B),
quando
sonoeventi
eventirelativi
relativiaaesperimenti
esperimentiindipendenti.
indipendenti.Esempio
Esempiotipico:
tipico:ripetizione
ripetizione
quandoAAeeBBsono
didiuno
unostesso
stessoesperimento,
esperimento,cio
cioprove
proveripetute
ripetute(dette
(detteanche
ancheprove
provedidiBernoulli).
Bernoulli).
N.B.:
N.B.:nel
nelcaso
casodidiesperimenti
esperimentiindipendenti
indipendentivale
valelalaregola
regolaP(A,B)=P(A)P(B)
P(A,B)=P(A)P(B)anche
anchese
sei i
risultati
risultatielementari
elementarinon
nonsono
sonoequiprobabili
equiprobabili(dado
(dadotruccato).
truccato).
6
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Si
Sidice
dicedistribuzione
distribuzionedidiprobabilit
probabilit(o
(otalvolta
talvoltadensit
densitdiscreta
discretadidiprobabilit)
probabilit)della
della
variabile
variabilecasuale
casualexxlalafunzione
funzioneP(a)
P(a)(o
(otalvolta
talvoltap(a)),
p(a)),che
cherappresenta
rappresentacon
conquale
quale
probabilit
probabilitlalavariabile
variabilecasuale
casualexxassume
assumeililvalore
valorea.
a.
Se
Sei irisultati
risultatisono
sonoininnumero
numerofinito
finitosisitratta
trattadidiuna
unarappresentazione
rappresentazionedel
deltutto
tutto
equivalente
equivalentead
aduna
unatabella
tabellacontenente
contenenteleleprobabilit
probabilitP(a).
P(a).
Distribuzione di probabilit della variabile casuale x
Nellesperimento lancio del
dado la distribuzione di
probabilit della variabile
casuale x vale 1/6 per i valori
di a interi compresi tra 1 e 6, e
zero altrove.
1/6
0
7
6
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Esempio:
Esempio:lalatemperatura
temperaturadidiuna
unastanza
stanzamisurata
misurataad
adun
unistante
istantediditempo
tempocasuale
casuale(con
(con
precisione
infinita!
ottenendo
cio
un
numero
reale).
precisione infinita! ottenendo cio un numero reale).
IlIlconcetto
concettodidifrequenza
frequenzarelativa
relativaviene
viene
recuperato
recuperatoapprossimando
approssimandolinsieme
linsiemecontinuo
continuo
didivalori
valoricon
conun
unnumero
numerofinito
finitodidiintervallini
intervallinididi
misura
misura(discretizzazione).
(discretizzazione).
Temperatura misurata
30
28
Ad
Adesempio,
esempio,se
selalatemperatura
temperaturadella
dellastanza
stanza
pu
puvariare
variarecon
concontinuit
continuittra
tra20
20ee30
30gradi,
gradi,
non
commettiamo
un
grosso
errore
non commettiamo un grosso errore
approssimando
approssimandolintervallo
lintervallocontinuo
continuocon
con50
50
intervallini
intervallinicontigui
contiguididi0.2
0.2gradi
gradiciascuno.
ciascuno.
26
24
22
20
0
500
1000
1500
Numero di prove
8
2000
La
Lavariabile
variabilecasuale
casualediventata
diventatadiscreta
discreta(ci
(ci
sono
sono50
50possibili
possibilirisultati
risultatidellesperimento)
dellesperimento)ee
possiamo
possiamoapprossimare
approssimarelalaprobabilit
probabilitcome
come
limite
della
frequenza
relativa
per
N
elevato.
limite della frequenza relativa per N elevato.
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Istogramma
Anche
Ancheper
perlelevariabili
variabilicasuali
casualicontinue,
continue,una
unavolta
voltadiscretizzate,
discretizzate,possibile
possibiletracciare
tracciare
listogramma
listogrammacome
comegrafico
graficodella
dellafrequenza
frequenzarelativa
relativadei
deirisultati
risultatiininogni
ogniintervallino
intervallinoinincui
cui
sisisuddiviso
suddivisolinsieme
linsiemecontinuo
continuodei
deirisultati.
risultati.
30
30
28
28
26
26
24
24
22
22
20
0
500
1000
1500
Numero di prove
9
2000
20
ISTOGRAMMA
ddp
Temperatura misurata
ATTENZIONE:
ATTENZIONE:i ivalori
valoridellistogramma
dellistogramma per
perlelevariabili
variabilicasuali
casualicontinue,
continue,una
unavolta
volta
discretizzate,
discretizzate,dipendono
dipendonodalla
dalladimensione
dimensionedellintervallino
dellintervallinoscelto:
scelto:pi
pipiccolo
piccolo
lintervallo
lintervallopi
pisono
sonobassi
bassii ivalori
valoridellistogramma.
dellistogramma.
0.02
0.04
0.06
0.08
Frequenza relativa
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
0.1
Temperatura misurata
Per
Perintrodurre
introdurreililconcetto
concettodididensit
densitdidiprobabilit
probabilitp(a)
p(a)didiuna
unavariabile
variabilecasuale
casualecontinua
continuaaa
partire
partiredallistogramma
dallistogrammaoccorrono
occorronoi iseguenti
seguentipassi:
passi:
11--Utilizzare
Utilizzareintervallini
intervallinipiccoli,
piccoli,cos
cosda
dapoter
poterritenere
ritenerelaladdp
ddpcostante
costantealalloro
lorointerno
interno
22--Dividere
Dividereililvalore
valoredellistogramma
dellistogrammaper
perlaladimensione
dimensionedellintervallino
dellintervallino(in
(inmodo
modoche
cheilil
risultato
risultatosia
siaindipendente
indipendentedalla
dalladimensione
dimensionedellintervallino)
dellintervallino)
33--Utilizzare
Utilizzareun
unnumero
numeromolto
moltoelevato
elevatodidiprove
prove(tanto
(tantopi
pielevato
elevatoquanto
quantopi
pipiccolo
piccolo
lintervallino)
lintervallino)ininmodo
modoche
chefrequenze
frequenzerelative
relativeeeprobabilit
probabilitquasi
quasicoincidano
coincidano
30
30
28
28
26
26
24
24
22
22
20
0
500
1000
1500
2000
ddp
20
0
0.1
0.2
0.3
Numero di prove
10
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
0.4
P(a < x a + da )
p (a ) = lim
da 0
da
Dalla
Dalladensit
densitdidiprobabilit
probabilitp(a)
p(a)facile
facilecalcolare
calcolarelalaprobabilit
probabilitche
chelalavariabile
variabilecasuale
casualexx
assuma
assumaun
unvalore
valorecompreso
compresoininun
unintervallo
intervalloaa11, ,aa22. .Basta
Bastasommare!
sommare!sisiottiene
ottienelarea
larea
sottesa
sottesadalla
dalladdp
ddpnellintervallo
nellintervallodinteresse.
dinteresse.
P (a1 < x a2 ) =
a2
p(a)da
0.5
0.4
a1
0.3
Si noti che
P( < x < ) =
p(a)da = 1
Dunque
Dunquelarea
lareasottesa
sottesadalla
dalladdp
ddpdidiuna
una
qualunque
qualunquevariabile
variabilecasuale
casualeunitaria.
unitaria.
11
0.2
0.1
-5
-4
-3
-2
-1
a1
a2
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
La
Ladensit
densitdidiprobabilit
probabilitcongiunta
congiuntappxyxy(a,b)
(a,b)utilizzata
utilizzataper
percalcolare
calcolarelalaprobabilit
probabilitche
chelele
variabili
variabilicasuali
casualixxeeyyassumano
assumano(congiuntamente)
(congiuntamente)valori
valoricompresi
compresiininuna
unaregione
regionedel
del
piano.
piano.Basta
Bastaintegrare
integrarenella
nellaregione
regionedinteresse
dinteresse(integrale
(integraledoppio).
doppio).
Le
Levariabili
variabilicasuali
casualixxeeyysono
sonodette
dettestatisticamente
statisticamenteindipendenti
indipendentise
se
p xy (a, b) = p x (a ) p y (b)
per ogni a e b
Si
Siassume
assumeaapriori
priori che
chelelevariabili
variabilicasuali
casualixxeeyysiano
sianostatisticamente
statisticamenteindipendenti
indipendentise
se
ottenute
(esempio:prove
proveripetute).
ripetute).
ottenuteda
daesperimenti
esperimentisvolti
svoltiinincondizioni
condizioniindipendenti
indipendenti(esempio:
12
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
1
m x = E [x ] = a p(a) da
N
x
i =1
Il valor medio di una variabile casuale lascissa del baricentro dellarea sottesa
dalla densit di probabilit.
p(a)
p(a)
13
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
E[ y ] =
f (a) p (a) da
x
Analogo
Analogorisultato
risultatovale
valeper
peruna
unafunzione
funzionedidipi
pivariabili
variabilicasuali.
casuali.La
Ladimostrazione
dimostrazionedidiquesta
questa
importante
importantepropriet
proprietnon
nonaffatto
affattobanale.
banale.Tuttavia
Tuttaviaililrisultato
risultatonon
nonsorprende,
sorprende,se
sesisipensa
pensa
allinterpretazione
allinterpretazionedel
delvalor
valormedio
mediocome
comemedia
mediaaritmetica
aritmeticadidiun
ungran
grannumero
numeroNNdidirisultati:
risultati:
1
E[ y ]
N
1
y
=
i
N
i =1
f (x )
i =1
Esempio:
Esempio:lalavariabile
variabilecasuale
casualexxha
haddp
ddpuniforme
uniforme(cio
(ciocostante)
costante)
nellintervallo
nellintervallo(0,1)
(0,1)eenulla
nullaaltrove.
altrove.La
Lavariabile
variabilecasuale
casualeyydefinita
definita
come
comey=cos(x).
y=cos(x).IlIlvalor
valormedio
mediodidiyy
1
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Variabili
Variabilicasuali
casualixxeeyytali
taliche
chesia
sia E[xy]
E[xy]==mmxxmmyysono
sonodette
detteincorrelate.
incorrelate.
N.B.:
duevariabili
variabilicasuali
casualipossono
possonoessere
essereincorrelate
incorrelateanche
anchesenza
senzaessere
essereindipendenti.
indipendenti.
N.B.:due
Variabili
Variabilicasuali
casualiindipendenti
indipendentisono
sonoinvece
invecesempre
sempreincorrelate.
incorrelate.
15
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
IlIlvalor
EE[x[x22],],detto
anche
potenza statistica
valorquadratico
quadraticomedio
medio
detto
statisticaoomomento
momento(statistico)
(statistico)didi
2 anche potenza
2
2
(a ) daApprossimativamente,
X = Ecasuale
( X m Xxx) =definito
) f Xsegue.
=
ordine
xcome
(a mcome
ordine2,
2,didiuna
unavariabile
variabile
casuale
definito
segue.
Approssimativamente,lala
media
didirisultati
mediaaritmetica
aritmeticadidiun
unnumero
numeromolto
moltoelevato
elevato
risultatididialtrettanti
altrettantiesperimenti:
esperimenti:
2
2
2
2
2
2
= E X 2 m X E [ X ] + m X = E X 2 m X m X + m
=
E
X
m
X
X
N
[ ]
[ ]
[ ]
1
2
2
2
E [x ] = a p(a)da xi
N i =1
2
La
(dettaanche
anchemomento
momentocentrale
centraledidiordine
ordine2)
2)didiuna
unavariabile
variabilecasuale
casualexxilil
Lavarianza
varianzaxx2 (detta
valore
valorequadratico
quadraticomedio
mediodella
delladifferenza
differenzatra
traxxeeililsuo
suovalor
valormedio
mediommx
x
] [ ]
1
2
2
2
2
x = E ( x mx ) = E x mx
N
N.B.:
N.B.:dimostrare
dimostrareche
che
] [ ]
i
i
N
i =1
E ( x mx ) 2 = E x 2 mx
richiede
richiedeun
unpiccolo
piccolocalcolo.
calcolo.
16
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
Deviazione standard
La
Laradice
radicequadrata
quadratadella
dellavarianza
varianzadetta
dettadeviazione
deviazionestandard
standard(o
(oscarto
scartoquadratico
quadraticomedio)
medio)
della
variabile
casuale
x
della variabile casuale x
x = x2
La
Ladeviazione
deviazionestandard
standarduna
unamisura
misura
della
delladispersione,
dispersione,rispetto
rispettoalalvalor
valor
medio,
dei
valori
assunti
nei
vari
medio, dei valori assunti nei vari
esperimenti
esperimentidalla
dallavariabile
variabilecasuale
casualex.
x.
Pi
Pielevata
elevatalaladeviazione
deviazionestandard
standard
pi
pii irisultati
risultatisono
sonodispersi
dispersirispetto
rispettoalal
valor
valormedio
medioeelaladdp
ddplarga.
larga.
x >x >x
3
17
0.5
px1 (a)
0.4
p x2 ( a )
0.3
0.2
px3 (a)
0.1
-5
-4
-3
-2
-1
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
(a mx )2
p(a) =
exp
2
2
2
2 x
x
0 .606
2
2
x
0 .135
X X
2 X
2 X
2 x2
mX
P(mx x < x mx + x ) =
(a mx )2
da 0.683
exp
2
2
2 x
2 x
m x + x
mx
P(mx 2 x < x mx + 2 x ) =
m x + 2 x
mx 2
P(mx 3 x < x mx + 3 x ) =
m x + 3 x
mx 3
18
(a mx )2
da 0.954
exp
2
2 x2
x
(a mx )2
da 0.997
exp
2
2 x2
x
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
B=
0 .606
mx +
2 x2
x x
= Q = erfc
x 2
2 x
C=B
(a mx )2
da =
exp
2
2
2 x
2 x
mX
t
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,60
19
Q(t)
5,000E-01
4,801E-01
4,602E-01
4,404E-01
4,207E-01
4,013E-01
3,821E-01
3,622E-01
3,446E-01
3,264E-01
3,085E-01
2,743E-01
t
0,8
1,0
1,2
1,4
1,6
1,8
2,0
2,4
2,8
3,2
3,6
4,0
Q(t)
2,119E-01
1,587E-01
1,151E-01
8,080E-02
3,806E-01
3,590E-02
2,280E-02
8,200E-03
2,600E-03
6,871E-04
1,591E-04
3,167E-05
s
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
1,0
1,2
1,4
erfc(s)
1,000E+00
8,875E-01
7,730E-01
6,714E-01
5,716E-01
4,795E-01
3,961E-01
3,222E-01
2,579E-01
1,573E-01
9,700E-02
4,770E-02
s
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0
3,3
3,7
4,0
5,0
erfc(s)
2,370E-02
1,090E-02
4,700E-03
1,900E-03
6,885E-04
2,360E-04
7,502E-05
2,209E-05
3,057E-06
1,671E-07
1,542E-08
1,537E-12
exp t 2 / 2
per t > 3 Q (t )
2 t
( )
exp s 2
per s > 2 erfc( s)
s
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
N
Si
Sipossono
possonoottenere
ottenerekkteste
testeininNNprove
proveinin k modi
modidistinti,
distinti,ciascuno
ciascunoavente
aventeprobabilit
probabilit
N k
k
N k
N k
p (1 p )
(prodotto
(prodottodelle
delleprobabilit),
probabilit),eequindi
quindi P ( k )
p=0.3 N=10
p=0.3 N=100
= p (1 p )
k
..
p=0.3 N=1000
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
k2 = N p (1 p)
eequindi
p (1
quindilalavarianza
varianzadella
dellafrequenza
frequenzarelativa
relativafkf=k/N
k=k/N
tendente
tendenteaainfinito.
infinito.
Gli
Gliscarti
scartiquadratici
quadraticimedi
medisono
sonodati
datirispettivamente
rispettivamenteda
da
Esempio:
Esempio:pp==0.3.
0.3.
N=
p) / N
eetende
tendeaazero
zeroper
perNN
N p (1 p)
10
10
100
100
1000
1000
N p (1 p ) =
1.45
1.45
4.58
4.58
14.5
14.5
p (1 p) / N =
0.145
0.145
0.458
0.458
0.0145
0.0145
ee
p (1 p) / N . .
Come
Comesisivede
vedeloloscarto
scartoquadratico
quadraticomedio
mediodel
delnumero
numerodidisuccessi
successiaumenta
aumenta(ma
(mapi
pi
lentamente
lentamentedidiN),
N),mentre
mentreloloscarto
scartoquadratico
quadraticomedio
mediodella
dellafrequenza
frequenzarelativa
relativadiminuisce.
diminuisce.
evidente che
allaumentare
diinN
la
frequenza
relativa
siprobabilit,
discosta sempre
meno da p
Si
come
sia
misurare
una
eseguendo
SiEcomprende
comprende
come
siapossibile
possibile
inpratica
pratica
misurare
una
probabilit,
eseguendo
(legge
grandi
numeri)
lesperimento
dididei
volte
(secondo
lalaprecisione
lesperimentoun
unnumero
numerosufficiente
sufficiente
volte
(secondo
precisionedesiderata).
desiderata).
21
Fondamenti di segnali
Fondamenti
e trasmissione
TLC
p z (a ) = p x ( a ) p y ( a )
Se
Sexxeeyysono
sonovariabili
variabilicasuali
casualiindipendenti,
indipendenti,lalavariabile
variabilecasuale
casualez=x+y
z=x+yha
havarianza
varianzapari
pari
somma
delle
varianze:
alla
2
2
2
alla somma delle varianze:
z = x + y
La
Lasomma
sommadidiun
unnumero
numeroNNgrande
grandedidivariabili
variabilicasuali
casualiindipendenti
indipendentixxi iha
haddp
ddpprossima
prossimaalla
alla
gaussiana,
gaussiana,indipendentemente
indipendentementedalle
dallesingole
singoledensit!
densit!(teorema
(teoremalimite
limitecentrale)
centrale)
2
(
a
m
)
1
y
2 y2
y
La
Laddp
ddppu
puessere
essereprossima
prossimaalla
allagaussiana
gaussianaanche
ancheper
perNNrelativamente
relativamentepiccolo
piccolo(N=510).
(N=510).
22
Fondamenti di segnali
Fondamenti
e trasmissione
TLC