Octave

[Star_Light]

Καλησπέρα! Κοιτάζω κατι κωδικες σε Octave τωρα τελευταια και έχω ορισμένες απορίες.

 

Καταρχην έχω το παρακατω αποσπασμα κωδικα

 

>

clear
N = 10^6; % δηλωση και αρχικοποιηση μεταβλητης για τον αριθμο των bits  ή symbols 
Eb_N0_dB = [0:25]; % multiple Eb/N0 values
nTx = 2;  %  δηλωση και αρχικοποιηση μεταβλητης για τις κεραίες εκπομπής
nRx = 2;  %  δηλωση και αρχικοποιηση μεταβλήτης για τις  κεραίες λήψης 
for ii = 1:length(Eb_N0_dB)    % In Octave you
                              % should try to use vector arithmetic rather than a for loop, if possible, since a for loop is
                              % about 40 times slower.21 . This does not mean that for loops are slow, just that Octave is highly optimised   for  matrix/vector calculations.



   % Πομπός
   ip = rand(1,N)>0.5; % Η συνάρτηση rand θα επιστρέψει έναν πίνακα/μήτρα 1 γραμμής και Ν στηλών με στοιχεία 0,1 ιδιας πιθανότητας.

 

 

Tι τρεχει με την rand(1,N)? εφοσον αρχικοποιει το Ν=10^6 τοτε πως γινεται να ειναι στήλες....

συμφωνα με την βασικη τεκμηριωση της rand (το εχω δει και μονος μου συντάσσοντας στα γρηγορα ενα απλο σκριπτ) αν έχω

 

> A=rand(2,2) 

 

τοτε αυτο δημιουργει μια μητρα 2x2 με τυχαια στοιχεια ομοιομορφα κατανεμημένα στο (0,1).

 

Ακομη και αν λυσουμε το παραπανω εχω ομως και μια 2η απορια.... σχετικα με την ανισοτητα... οπως τον πηρα τον κωδικα ελεγε για ιδιες πιθανοτητες αλλα αν τρεξω το σκριπτ ας πουμε με

 

> A=rand(2,2) < 0.5 

 

θα δωσει

 

> 
octave:1> test
A =

  1   1
  1   1

 

Υπάρχει μικροτερη απο 50% πιθανοτητα να εμφανιστει καποιο απο τα συμβολα? 0 ή 1 ?

 

Ευχαριστω εκ των προτερων.

[Επισκέπτης]

Καλησπέρα,

 

Η ανισότητά σου μπορεί να σου δώσει αυτόν τον πίνακα που έγραψες, αλλά μπορεί κάλλιστα να σου δώσει και τον [0 1;1 0] ή τον [0 0; 0 0](δοκίμασε να τρέξεις το rand(2,2) πολλές φορές). Οι αριθμοί που σου δίνει δεν είναι πάντα οι ίδιοι. Η μόνη εξασφάλιση που έχεις είναι αυτή της ομοιόμορφης κατανομής, βάσει της οποίας οι αριθμοί του διαστήματος έχουν ίδια πιθανότητα εμφάνισης, άρα δεδομένου ότι το 0,5 είναι ακριβώς στο μέσον, οι πιθανότητες των μικρότερων του 0,5 είναι ίδιες με τις πιθανότητες των μεγαλυτέρων του.

 

Δες λίγο και http://en.wikipedia.org/wiki/Uniform_distribution