- •Классификация задач оптимальных методов радиоприема.
- •Потенциальная помехоустойчивость
- •5.Оценка параметров сигнала, как и одна из задач оптимального приема.
- •7.Апостериорная плотность вероятности
- •8.Функция правдоподобия.
- •11.Вероятности правильных и ошибочных решений
- •12.Понятие допустимой и критической области
- •13. Ошибка первого рода
- •14. Ошибка второго рода.
- •15.Уровень значимости и мощности критерия принятия решения
- •16. Основные критерии принятия решения
- •17.Критерий максимума правдоподобия.
- •18. Критерий максимума апостериорной вероятности
- •19. Критерий идеального наблюдателя (критерий Котельникова).
- •20.Критерий Неймана—Пирсона
- •21.Критерий минимального риска (критерий Байеса)
- •22. Минимаксный критерий
- •23 Сравнение критериев принятия решения
- •24. В чем сущность задачи проверки гипотез?
- •Что понимается под выборкой и объемом выборки.
- •29. Как количественно оценивается полная ошибка принятия решения?
- •Как зависят ошибки первого и второго рода от порогового уровня?
- •31. В чем состоит сущность задачи обнаружения сигнала?
- •В чем заключается сущность критерия максимума правдоподобия и каковы его достоинства?
- •В чем заключается сущность критерия максимума апостериорной вероятности и
- •В чем заключается сущность критерия идеального наблюдателя?
- •В чем заключается отличие критерия идеального наблюдателя от критерия максимума апостериорной вероятности; что общего у этих критериев?
- •В чем заключается сущность критерия Неймана — Пирсона и в каких случаях целесообразно этот критерий применять?
- •Что понимается под риском?
- •В чем заключается сущность критерия минимального риска?
- •В чем заключается сущность минимаксного критерия?
- •Поясните термины «алгоритмы обнаружения» и «проверочная статистика».
- •Назовите и охарактеризуйте основные характеристики алгоритмов обнаружения сигналов.
- •Сформулируйте определение оптимального приемника
- •Что называется потенциальной помехоустойчивостью радиоприема?
- •С формулируйте задачу обнаружения сигнала
- •Раскройте содержание задачи оптимального радиоприема, связанную с оценкой параметров сигнала.
- •Охарактеризуйте задачу оптимальной фильтрации сообщения.
- •50. Что представляет собой апостериорная плотность вероятности?
- •.Дайте определение функции правдоподобия, сформулируйте се физическую сущность.
- •53. Приведите пример определения апостериорной плотности вероятности.
- •56. Определите отношение сигнал/шум на выходе линейного фильтра
- •54. Какова роль линейной фильтрации в задачах оптимального радиоприема?
11.Вероятности правильных и ошибочных решений
Переходим к простейшей задаче — проверке простых гипотез. Ситуация в этом случае такова. Имеется некоторое число наблюденных значений х1, х2, . . ., хn (выборка размера n) и известно, что эти значения принадлежат одному из двух распределений: f0(x1, x2, …, xn | s0) или f1(x1, x2, …, xn | s1), связанных с взаимоисключающими состояниями s0 и s1 изучаемого явления. Задача состоит в том, чтобы указать наилучший (в каком-нибудь смысле) алгоритм обработки наблюдаемых данных с целью решить, какому из указанных распределений принадлежит полученная выборка.
Обозначим через Н0 и Н1 — гипотезы о том, что выборочные значения принадлежат распределениям f0(x1, x2, …, xn | s0) и f1(x1, x2, …,xn | s1) соответственно, а через γ0 и γ1 — решения, состоящие в принятии или отклонении гипотезы Н0.
Гипотеза Н1 является простой альтернативой Н0, и поэтому может рассматриваться только одна гипотеза Н0. Ясно, что отклонение гипотезы Н0 означает принятие гипотезы Н1.
Для рассматриваемых здесь нерандомизированных процедур проверки гипотезы задача состоит в установлении до наблюдений правила, согласно которому каждой выборке х1,х2,…, хn приписывалось бы одно из решений γ0 или γ1, иначе говоря, в установлении правила, по которому можно было бы принять или отвергнуть гипотезу Н0 на основании данных, накопленных в процессе наблюдения изучаемого явления.
Установление указанного правила эквивалентно разделению n - мерного пространства выборок (х1,…, хn) на две непересекающиеся области v0 и v1.
Е сли данная конкретная выборка попадает в область v0, то гипотеза H0 принимается, а если она попадает в область v1, то она отвергается (т. е. принимается гипотеза H1). Таким образом,
12.Понятие допустимой и критической области
Переходим к простейшей задаче — проверке простых гипотез. Ситуация в этом случае такова. Имеется некоторое число наблюденных значений х1, х2, . . ., хn (выборка размера n) и известно, что эти значения принадлежат одному из двух распределений: f0(x1, x2, …, xn | s0) или f1(x1, x2, …, xn | s1), связанных с взаимоисключающими состояниями s0 и s1 изучаемого явления. Задача состоит в том, чтобы указать наилучший (в каком-нибудь смысле) алгоритм обработки наблюдаемых данных с целью решить, какому из указанных распределений принадлежит полученная выборка.
Обозначим через Н0 и Н1 — гипотезы о том, что выборочные значения принадлежат распределениям f0(x1, x2, …, xn | s0) и f1(x1, x2, …,xn | s1) соответственно, а через γ0 и γ1 — решения, состоящие в принятии или отклонении гипотезы Н0.
Гипотеза Н1 является простой альтернативой Н0, и поэтому может рассматриваться только одна гипотеза Н0. Ясно, что отклонение гипотезы Н0 означает принятие гипотезы Н1.
Для рассматриваемых здесь нерандомизированных процедур проверки гипотезы задача состоит в установлении до наблюдений правила, согласно которому каждой выборке х1,х2,…, хn приписывалось бы одно из решений γ0 или γ1, иначе говоря, в установлении правила, по которому можно было бы принять или отвергнуть гипотезу Н0 на основании данных, накопленных в процессе наблюдения изучаемого явления.
Установление указанного правила эквивалентно разделению n - мерного пространства выборок (х1,…, хn) на две непересекающиеся области v0 и v1.
Если данная конкретная выборка попадает в область v0, то гипотеза H0 принимается, а если она попадает в область v1, то она отвергается (т. е. принимается гипотеза H1). Таким образом,
Область v0 принятия гипотезы называют допустимой, а область v1 отклонения гипотезы — критической. Уравнение поверхности D (х1, . . ., хn) = const в n-мерном пространстве, разделяющей указанные области, является аналитическим выражением правила выбора решений.