Funct ii de o variabil a aleatoare

Constantin VERTAN
Dup a cum s-a ar atat, orice variabil a aleatoare este o funct ie, : R;
acesta funct ie se poate compune cu orice funct ie reala de argument real (g :
R R), rezultand o alt a variabil a aleatoare, notata de exemplu , care
este:
= g = g(), : R.
Problema de interes este caracterizarea noii variabile aleatoare (deci a
funct iei de densitate de probabilitate a variabilei ) n funct ie de variabila
aleatoare , ale carei propriet at i (si n particular funct ie de densitate de prob-
abilitate) se presupun cunoscute.
Fie o valoare oarecare x (xat a). Probabilitatea ca valoarea unei realizari
particulare a variabilei aleatoare sa e egala cu x este egala cu probabil-
itatea ca valoarea respectivei realizari particulare a variabilei aleatoare sa
e cuprins a n intervalul innitezimal mic [x, x +dx] (dx 0). Acesta este
nsa:
Prob{ [x; x+dx]} = F

(x+dx) F

(x) =
_
x+dx
x
f

(t)dt = f

(x) |dx| . (1)

Daca funct ia g este bijectiv a, valorii x i corespunde n mod unic o valoare
y = g(x).

In mod analog deducerii lui (1), putem scrie ca:
Prob{ [y; y + dy]} = f

(y) |dy| . (2)

Dar, cum y se obt ine n mod unic din x, rezulta ca probabilit at ile date de (1)
si (2) sunt egale, si deci:
f

(x) |dx| = f

(y) |dy| .
Ceea ce ne intereseaza este f

(y), si atunci putem scrie:

f

(y) = f

(x)

dx
dy

= f

(x)
1
|g

(x)|

x=g
1
(y)
= f

_
g
1
(y)
_ 1
|g

(g
1
(y))|
. (3)
Acesta formula (3) este deci valabil a doar n cazul n care funct ia g este
bijectiv a pe ntreg domeniul sau de denit ie, sau, reformulat, daca ecuat ia
y = g(x), cu necunoscuta x si parametrul y, are o unic a solut ie. Daca funct ia
g nu este bijectiv a, domeniul sau de denit ie trebuie descompus n intervale de
bijectivitate. Pe ecare asemenea interval ecuat ia y = g(x), cu necunoscuta x
si parametrul y, va avea o unica solut ie (sa o numim x
k
).

In acest caz formula
(3) se transform a n:
f

(y) =

k
f

(x
k
)
1
|g

(x
k
)|

g(xk)=y
. (4)
Condit ia esent ial a este ca num arul de intervale sa e nit sau cel mult
numarabil.
Pentru perechea de variabile aleatoare si se verica teorema de medie:
=
_

yf

(y)dy =
_

yf

(x)dx =
_

g(x)f

(x)dx. (5)
Ex. 1 Fie o variabil a aleatoare distribuit a uniformn intervalul
_

2
,

2
_
si e funct ia g :
_

2
,

2
_
(1; 1), cu g(x) = sin(x). Variabila aleatoare
este data de = g(

). Sa se determine funct ia de densitate de probabilitate

a variabilei aleatoare .

In primul rand trebuie vericat a bijectivitatea funct iei g(x) pe intervalul

de denit ie, si, daca acesta nu este vericat a, trebuie divizat acest interval
n subintervale pe care funct ia este bijectiva. Bijectivitatea se poate studia
simplu, prin rezolvarea ecuat iei y = g(x), cu x necunoscuta si y parametru.

In acest caz, ecuat ia y = sin(x) are o solut ie unica pentru x

_

2
,

2
_
, si
anume x = arcsin(y). Deci g
1
(y) = arcsin(y), g
1
: (1; 1)
_

2
,

2
_
.
Derivata funct iei g(x) este g

(x) = cos(x).
Conform formulei de calcul a noii funct ii de densitate de probabilitate (3)
avem:
f

(y) =
f

_
g
1
(y)
_
|g

(g
1
(y))|
=
f

(arcsin(y))
|cos(arcsin(y))|
=
f

(arcsin(y))
_
1 y
2
.
1
Variabila aleatoare este distribuit a uniformn intervalul
_

2
,

2
_
. Atunci
f

(x) =
_
1

daca x
_

2
,

2
_
,
0 n rest
Atunci:
f

(y) =
1
_
1 y
2
_
1

daca arcsin(y)
_

2
,

2
_
0 n rest
=
_
1

1y
2
daca y (1, 1)
0 n rest
Ex. 2 O variabil a aleatoare este transformat a printr-o funct ie liniar a
g(x) = x + ( = 0), obt in and variabila aleatoare . Sa se determine
funct ia de densitate de probabilitate, media si variant a lui , n cazurile n
care ar distribuit a normal, respectiv uniform.
O funct ie liniar a este bijectiv a; ecuat ia y = g(x) cu necunoscuta x are
solut ia x =
y

, si deci g
1
(y) =
y

. Derivata funct iei liniare este g

(x) =
.

In aceste condit ii, densitatea de probabilitate a variabilei aleatoare este
dat a de formula (3) si este:
f

(y) =
f

_
g
1
(y)
_
|g

(g
1
(y))|
=
f

_
y

_
||
=
1
||
f

_
y

_
. (6)
Daca variabila aleatoare este distribuit a normal (cu media si variant a

2
) atunci:
f

(x) = N(,
2
) =
1

2
2
exp
_

(x )
2
2
2
_
.

Inlocuind n expresia (6) obt inem:

f

(y) =
1
||
1

2
2
exp
_
_
_
_
y

_
2
2
2
_
_
_ =
=
1

2
2

2
exp
_
(y ( + ))
2
2
2

2
_
= N
_
+ , ()
2
_
.
Aceasta nseamna ca distribut ia variabilei aleatoare obt inute prin transfor-
marea liniar a este tot normal a, avand media transformat a prin aceeasi funct ie
liniar a si variant a de
2
ori mai mare.
Daca variabila aleatoare este distribuit a uniform (n intervalul [a; b] de
exemplu), funct ia sa de densitate de probabilitate este:
f

(x) =
_
1
ba
daca x [a, b],
0 n rest
Atunci:
f

(y) =
1
||
f

_
y

_
=
1
||
_
1
ba
daca
y

[a, b]
0 n rest
.
Se disting dou a cazuri, date de semnul lui ; cazul 1, > 0:
f

(y) =
_
1
(ba)
daca y [a + , b + ]
0 n rest
.
cazul 2, < 0:
f

(y) =
_

1
(ba)
daca y [b + , a + ]
0 n rest
.

In ambele cazuri se remarca ca distribut ia este tot uniform a, si, conform

celor demonstrate anterior, media este mijlocul intervalului n care variabila
aleatoare ia valori, iar variant a va 1/12 din p atratul lungimii intervalului:
=
a + b
2
+ = +

si
2

=

2
(b a)
2
12
=
2

.
Aceasta nseamna ca distribut ia variabilei aleatoare obt inute prin trans-
formarea liniar a este tot uniform a, avand media transformat a prin aceeasi
funct ie liniar a si variant a de
2
ori mai mare.
Ex. 3 Se considera variabila aleatoare , uniform distribuit a n intervalul
[c, c]. Sa se determine densitatea de probabilitate si funct ia de repartit ie a
variabilei aleatoare = 1/
2
.
Funct ia de transformare este g(x) = 1/x
2
. Derivata este g

(x) = 2/x
3
.
Funct ia nu este nsa bijectiv a pe ntreaga ax a reala, n schimb este bijectiv a
pe intervalele (, 0) si (0, ). Solut iile ecuat iei y = g(x) sunt: x
1
= 1/

y
si x
2
= 1/

y, pentru y > 0. Daca y < 0 ecuat ia nu are solut ii si f

(y) = 0.
Atunci putem aplica formula (4) pentru y > 0:
f

(y) =

k
f

(x
k
)
|g

(x
k
)|

g(xk)=y
=
f

(x
1
)
|g

(x
1
)|
+
f

(x
2
)
|g

(x
2
)|
=
f

(1/

y)

2/
_
1/

y
_
3

+
+
f

(1/

y)

2/
_
1/

y
_
3

=
1
2
y

3
2
(f

(1/

y) + f

(1/

y)) .
2
Variabila aleatoare este distribuit a uniform; atunci:
f

(x) =
_
1
2c
daca x [c, c],
0 n rest.
De aici rezulta ca:
f

(1/

y) =
_
1
2c
daca

y (, 1/c] [1/c, )
0 n rest
=
_
1
2c
daca y [1/c
2
, ),
0 n rest
f

(1/

y) =
_
1
2c
daca

y (, 1/c] [1/c, ),
0 n rest
=
_
1
2c
daca y [1/c
2
, ),
0 n rest
Atunci:
f

(y) =
_
1
2c
y

3
2 daca y [1/c
2
, )
0 n rest
Funct ia de repartit ie a variabilei aleatoare este:
F

(y) =
_
y

(t)dt =
_
0 daca y < 1/c
2
1
1
2
y

1
2 daca y [1/c
2
, ).
Ex. 4 Un semnal aleator cu distribut ie normala N(0,
2
), (de medie nul a
si variant a
2
) se redreseaza cu o dioda ideal a. Sa se calculeze densitatea de
probabilitate a semnalului redresat.
Funct ia de transformare realizata de circuitul redresor monoalternant a (o
dioda ideal a) este:
g(x) =
_
x daca x 0
0 daca x < 0
Funct ia g(x) nu este bijectiv a; n cazul acestei funct ii nu se poate aplica
formula (4) deoarece mut imea solut iilor ecuat iei y = g(x) pentru x < 0 nu
este numarabil a; mai precis {x R|g(x) = 0} = (, 0]. Problema se va
rezolva prin determinarea funct iei de repartit ie F

(y) = Prob{ y}.

Daca y < 0, F

(y) = Prob{ y} = Prob{ < 0} = 0.

Daca y = 0, F

(y) = Prob{ 0} = Prob{ = 0} = Prob{ 0} =

F

(0) = 0.5.
Daca y > 0, F

(y) = Prob{ y} = Prob{ x} = F

(x).

In concluzie,
F

(y) =
_
F

(y) daca y 0,
0 n rest
Funct ia de densitate de probabilitate cautat a va derivata lui F

(y), adica:
f

(y) =
dF

(y)
dy
=
_
0 daca y < 0
0.5(y) + N(0,
2
)U(y) n rest
,
unde U este funct ia treapt a unitate. Ceea ce se remarca este ca variabila
aleatoare are probabilitate concentrat a n origine - adica probabilitatea de
a obt ine valoarea 0 este nenul a:
P{ = 0} = lim
0
_

(y)dy =
1
2
lim
0
_

(y)dy + lim
0
_

0
f

(x)dx =
1
2
.
Ex. 5 Sa se determine funct ia de transformare a unei distribut ii uniforme
n intervalul [0; 1] ntr-o distribut ie Rayleigh.
Fie variabila aleatoare distribuit a uniform si variabila aleatoare dis-
tribuit a Rayleigh. Atunci:
f

(x) =
_
1 daca x [0, 1]
0 n rest
,
f

(y) =
_
y

2
e

y
2
2
2
daca y 0
0 n rest
Suporturile celor dou a funct ii de densitate de probabilitate sunt [0, 1], re-
spectiv [0, ), si atunci funct ia de transformare necunoscuta trebuie sa e
g : [0, 1] [0, ).
Sa presupunem ca funct ia g cautata este bijectiv a; atunci, conform (3)
avem:
f

(y) = f

_
g
1
(y)
_ 1
|g

(g
1
(y))|
.
Inversa funct iei de transformare exista si este g
1
: [0, ) [0, 1]. Acesta
nseamna ca f

_
g
1
(y)
_
= 1 si deci:

_
g
1
(y)
_

= f

(y).
Dar, deoarece g este bijectiva, atunci este strict monoton a. Impun and g(0) =
0, rezulta ca funct ia nu poate decat crescatoare, si atunci derivata sa este
pozitiva.
_
g
1
(y)
_

= f

(y),
g
1
(y) =
y
_

(t)dt =
y
_
0
t

2
e

t
2
2
2
dt = 1 e

y
2
2
2
= x.
3
De aici se evalueaza y n funct ie de x si atunci:
y =
_
2
2
ln(1 x).
Deci g(x) =
_
2
2
ln(1 x).
Ex. 6 Sa se arate ca daca este o variabil a aleatoare cu distribut ie
oarecare, funct ia ei de repartit ie o transform a ntr-o variabil a aleatoare
cu distribut ie uniform a n intervalul [0, 1].
Daca densitatea de probabilitate a variabilei aleatoare este f

(x) atunci
funct ia de repartit ie asociata este F

(x) =
x
_

(t)dt. Daca aceasta este

si funct ia de transformare a variabilei aleatoare, atunci g(x) = F

(x), cu
g : R [0, 1]. Derivata funct iei de transformare este:
g

(x) =
dF

(x)
dx
= f

(x),
iar |g

(x)| = |f

(x)| = f

(x) (pentru ca funct ia de densitate de probabilitate

este pozitiv a). Atunci, conform (3) avem:
f

(y) = f

(x)
1
|g

(x)|

x=g
1
(y)
= f

(x)
1
f

(x)

x=F
1

(y)
= 1 pentru y [0; 1].
Acesta este ntr-adevar o distribut ie uniform a n intervalul [0, 1].
Ex. 7 Puterea disipata ntr-o rezistent a R = 1k este modelata ca
o variabil a aleatoare, cu distribut ie uniform a n intervalul [P
min
, P
max
] =
[1W, 10W]. Care este distribut ia curentului prin rezistent a ?
Ex. 8 La bornele unui generator de curent se conecteaza o rezistent a
constanta R. Curentul generat este considerat o variabil a aleatoare, distribuit a
uniform n intervalul [I
min
, I
max
]. Sa se calculeze puterea medie disipata n
rezistent a si distribut ia puterii disipate.
Ex. 9 Sa se demonstreze (folosind teorema mediei (5)) ca pentru o funct ie
de transformare liniar a (g(x) = x + ) variant a variabilei aleatoare trans-
formate este de
2
mai mare ca variant a variabilei aleatoare init iale, iar me-
dia variabilei aleatoare transformate este media variabilei aleatoare init iale
trasnformate prin funct ia liniar a g(x).
Ex. 10 Sa se calculeze informat ia medie ce rezult a n urma realiz arii unui
eveniment, a carui probabilitate este distribuit a dupa legea 1/x n intervalul
[, 1] ?
Ex. 11 Masur and curentul anodic al unei diode cu vid, se constata
ca acesta are o distribut ie liniar a ntre 0 si

2 mA. Tensiunea anodica
a diodei cu vid provine de la un generator de tensiune ce trebuie testat
(dispersia tensiunii livrate nu trebuie sa e mai mare de 20 V ). Daca
A =

2/1000 mA/V
3/2
generatorul testat satisface criteriul de calitate ?
Ex. 12 Funct ia (caracteristica) de transfer a unui redresor bialternant a
ideal este descris a de funct ia g(x) = |x|. Sa se calculeze funct ia de densitate
de probabilitate, valoarea medie si puterea medie a semnalului aleator (t)
redresat, daca (t) este a) distribuit normal N(0,
2
), b) distribuit uniform n
[1; 1] si [0; 1].
Ex. 13 Un limitator neliniar are funct ia (caracteristica) de transfer:
y = g(x) =
_
_
_
0 daca x 0
x daca x (0, 1]
1 daca x > 1.
La intrarea circuitului se aplic a un semnal cu densitatea de probabilitate
f
X
(x) =
1
2
e
2|x|
+
1
2
(x). Sa se determine distribut ia semnalului de iesire.
Bibliograe
[1] Dict ionarul Explicativ al Limbii Romne, Ed. Univers Enciclopedic, Bu-
curesti, 1996.
[2] Al. Sp ataru: Teoria Transmisiunii Informat iei, Ed. Didactic a si Peda-
gogica, Bucuresti, 1983.
[3] A. T. Murgan, I. Sp anu, I. Gavat, I. Sztojanov, V. E. Neagoe, A.
Vlad: Teoria Transmisiunii Informat iei - probleme, Ed. Didactica si Ped-
agogica, Bucuresti, 1983.
[4] C. Vertan, I. Gavat, R. Stoian: Variabile si procese aleatoare: principii
si aplicat ii, Ed. Printech, Bucuresti, 1999.
4