14.11.2014 Views

Appunti di Teoria dell'Informazione e Codici - Università di Palermo

Appunti di Teoria dell'Informazione e Codici - Università di Palermo

Appunti di Teoria dell'Informazione e Codici - Università di Palermo

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Il Teorema <strong>di</strong> Shannon sulla Co<strong>di</strong>fica <strong>di</strong> Canale 59<br />

Nel caso <strong>di</strong> funzioni definite su sottoinsiemi <strong>di</strong> la precedente caratterizza le<br />

funzioni con concavità rivolta verso il basso in tutti i punti <strong>di</strong> un intervallo che è un<br />

sottoinsieme convesso <strong>di</strong> , è noto che laddove esiste la derivata seconda <strong>di</strong> una<br />

funzione concava è non positiva.<br />

Osserviamo che la combinazione lineare <strong>di</strong> funzioni concave è concava lo è<br />

strettamente se anche una sola delle funzioni lo è. Per verificarlo è sufficiente sommare<br />

termine a termine le (6.2.2) scritte per ciascuno degli adden<strong>di</strong> della combinazione<br />

lineare.<br />

Osservando la (6.2.2) notiamo che se si interpretano ed come i valori che<br />

può assumere una V.A. generalmente multi<strong>di</strong>mensionali e con ed<br />

rispettivamente le probabilità che essa li assuma, potremo affermare che per una<br />

funzione concava su un convesso che contenga tutti i valori che la V.A. può assumere<br />

ed una V.A. del tipo citato vale la proprietà:<br />

( ) ( ) (6.2.4)<br />

Vogliamo mostrare che la precedente è valida in generale cioè per variabili aleatorie<br />

<strong>di</strong>screte generalmente multi<strong>di</strong>mensionali che possano assumere valori.<br />

Abbiamo mostrato che la (6.2.4) è vera per , per lo è banalmente<br />

supponiamo quin<strong>di</strong> che lo sia per e mostriamo che allora lo è anche per .<br />

Se la (6.2.4) è vera per n 1 quale che sia la dmp <strong>di</strong> X si ha:<br />

∑ ( ) (∑( )) (6.2.5)<br />

dove rappresenta la probabilità che la variabile aleatoria assuma il valore .<br />

Risulta:<br />

∑ ( ) ∑ (∑<br />

∑<br />

( )) ( ) (6.2.6)<br />

Osserviamo che ∑<br />

∑<br />

sod<strong>di</strong>sfa tutte le proprietà <strong>di</strong> una dmp quin<strong>di</strong> in virtù<br />

della (6.2.5) possiamo scrivere:<br />

∑ ( ) ∑ ( (∑<br />

∑<br />

)) ( )<br />

(6.2.7)<br />

∑ ( ( )) ( )<br />

dove<br />

è certamente un punto appartenente al convesso su cui è definita la funzione.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!