Capitolul 1 Depi

Capitolul 1.
Procese aleatoare
Capitolul 1.
PROCESE ALEATOARE
Obiective
Lecturnd acest capitol vei dobndi cunotine despre:
Definirea proceselor aleatoare
Clasificarea proceselor aleatoare
Caracterizarea statistic a proceselor aleatoare
Procese aleatoare periodice
Eantionarea proceselor aleatoare
Caracterizarea statistic a seriilor aleatoare
Valori medii statistice pentru perechi de procese (serii) aleatoare
Staionaritate n sens larg i n sens strict
Valori medii statistice pentru procese staionare n sens larg
Independen statistic, necorelare, ortogonalitate
Caracterizarea temporal a proceselor (seriilor) aleatoare
Ergodicitate
Proprietile funciei de autocorelaie pentru procese staionare i ergodice
Teoria Transmisiunii Informaiei 2: Semnale aleatoare
1.1
Definirea proceselor aleatoare
Def Ludeman
Un proces aleator X (t , ) , sau prescurtat X(t), este o funcie de dou variabile, t i , unde t este
variabila timp, iar ia valori n spaiul eantioanelor (vezi figura 1.1).
Dac = i, atunci X (t , i ) este o funcie de timp particular, denumit traiectorie, realizare
particular sau funcie eantion a p.a.1 i este notat cu xi (t ) .
Pentru un moment de timp particular, t
alfabet X i .
ti , X (ti , )
X (ti )
X i este o variabil aleatoare de
Procesul aleator poate fi definit de:

ansamblul realizrilor particulare reprezentate de funciile de timp xi (t ) :
X (t )
X (t , 1 ), X (t , 1 ),
, X (t ,
),
x1 (t ), x2 (t ),..., xn (t ),
(1.1)
secvena de v.a.2 X (ti , ) , definite la momente de observare, ti , poate defini p.a.:

X (t )
X (t1 , ), X (t2 , ),
, X (tn , ),
X (t1 ), X (t2 ),
V.a.
i
V.a.
X(t1)=X1
1
, X (tn ),
X 1, X 2 ,
, X n,
V.a.
X(t2)=X2
x1(t)
t
-1
1
P.a.
X(t)=X(t,)
x2(t)
t
2
-1
.
.
.
1
xn(t)
t
n
-1
t1
t2
Figura 1.1 Ilustrarea unui p.a. ca un ansamblu de traiectorii sau ca un ansamblu de v.a..
1
2
Vom prescurta expresia proces aleator prin p.a..

Vom prescurta expresia variabil aleatoare prin v.a..
(1.2)
Capitolul 1. Procese aleatoare
1.2 Clasificarea proceselor aleatoare

Dup caracterul continuu sau discret al domeniului de definiie al variabilei timp t, un proces
X (t , ) poate aparine uneia din urmtoarele categorii:
proces aleator (p.a.), dac t aparine unui domeniu continuu de valori, ti
.
serie aleatoare (s.a.3), dac t aparine unui domeniu discret de valori: T , 2T ,
.
n
,T
, nT ,
Dup alfabetul X i al v.a. X i , obinut prin observarea procesului la momentul ti , avem:

proces aleator continuu (p.a.c.) sau serie aleatoare continu (s.a.c.), dac alfabetul X i
este infinit, | X i |
;
proces aleator discret (p.a.d.) sau serie aleatoare discret (s.a.d.), dac alfabetul X i este
finit, | X i |
Tabel 1.1 Clasificarea proceselor aleatoare.
Timp
Proces
continuu
discret
Alfabet X i
continuu
discret
Proces aleator
(P.a.)
P.a. continuu
P.a. discret
Serie aleatoare
(S.a.)
S.a. continu
S.a. discret
xk(t)
Notaie
X (t )
X (ti , )
Xi ,
t , ti
X [ n]
X (nT , )
n
Xn ,
,T
xk(t)
t
a) p.a. continuu
b) p.a. discret
xk[n]
0
xk[n]
2
n
0
c) s.a. continu
d) s.a. discret
Figura 1.2 Ilustrarea unei realizri particulare pentru un: a) p.a. continuu, b) p.a discret,
c) s.a. continu, d) s.a. discret.
Vom prescurta expresia serie aleatoare prin s.a..

Staionaritate, secven i.d. , proces i.d.
Dac v.a. X i ,
i , au acelai alfabet i aceeai distribuie p( xi , ti ) p( x) care nu depinde de ti ,
atunci p ( x) reprezint f.d.p. de ordinul 1 a p.a. X(t). Altfel, procesul este caracterizat de o
familie de f.d.p. de ordinul 1, pX1 ( x1 ), pX 2 ( x2 ),
, pX i ( xi ),
Legea de distribuie a unei v.a. din secvena ce descrie irul este aceeai indiferent de momentul
de timp.
Dup valorile v.a. X i , un p.a. X (t ) , caracterizat de o secven de v.a. i.d., numit proces i.d., va
fi descris de:
un ir aleator dac valorile aleatoare ale irului sunt reale:
X (t ) ( X1, X 2 , , X i , ) ,
staionaritatea irului implicnd:
,
X i , pX i ( xi ) pX ( x), x
cu proprietile:
pX ( x) 0,
x,
p X ( x)dx 1 .
x X
un lan aleator dac v.a. sunt discrete i valorile acestora aparin unui alfabet finit X i ,
descris de o mulime numrabil, staionaritatea lanului implicnd:
X i , pX i ( xi ) P( X i xi ) pk , xi X , k 1, 2, ,| X |,
cu proprietile:
pk 0, k 1, 2, ,| X| ,
1.
pk
k
ntre v.a. X1 , X 2 ,
, Xi ,
poate s existe sau nu o dependen statistic. (Cap 2)
1.3 Caracterizarea statistic a proceselor aleatoare

Procesul reprezentat de secvena indexat de v.a. X 1 , X 2 ,
funcia de repartiie n-dimensional:
, Xi,
este statistic specificat de
Notam
FX1 X 2
Xn
x1 , x2 ,
, xn
P X1
x1 , X 2
x2 ,
, Xn
xn
F x1 , x2 ,
, xn ,
n , (1.3)
i de funcia densitate de probabilitate (f.d.p.) n-dimensional pentru un p.a.c. sau s.a.c.,

respectiv de funcia de mas a probabilitilor (f.m.p.) n-dimensional pentru un p.a.d. sau
s.a.d., dac aceasta exist:
n
p X1 X 2
X n ( x1 , x2 ,
, xn )
FX1 X 2
Xn
( x1 , x2 ,
x1 x2
xn
, xn ) Notam
p( x1 , x2 ,
, xn ) .
(1.4)

Aceast reprezentare a p.a. este similar cu cea a unui vector aleator de componente X (ti ) X i
i de dimensiune infinit, cu condiia esenial de ordonare n timp ( t1 t2
) a
ti
componentelor vectorului.
Valorile medii statistice ale p.a. X(t), numite i valori medii pe ansamblu, se calculeaz pe
ansamblul v.a. X1 , X 2 , , X i , ce rezult din observarea p.a. la momente de timp alese arbitrar
.
t1 , t2 , , ti , , ti
Caracterizarea procesului aleator n termenii distribuiei de ordinul 1
Dac alfabetul X i al v.a. X i este:
continuu, atunci X i este v.a. continu descris de f.d.p. p(x);
discret, atunci X i este v.a. discret, descris de f.m.p. p( x)
pk ( x xk ) , unde pk sunt
k
probabilitile elementare ale realizrilor particulare ale v.a..

n cele dou cazuri de mai sus, operatorul de mediere statistic n termenii distribuiei de
ordinul 1, se noteaz
sau E
i este descris de relaiile:
E
p ( x) dx ,
(1.5)
pk .
(1.6)
E
k
Operatorul de mediere statistic este un operator linear:

X Y E[ X Y ] X Y E[ X ] E[Y ] ,
aX
aE[ X ] .
E[aX ] a X
Pentru un moment de timp fixat ti , se pot determina valorile medii statistice ale p.a. X(t), dac se
cunoate f.d.p. de ordinul 1, pX i ( xi ) p( xi , ti ) ce caracterizeaz v.a. X (ti ) X i .
Valoarea medie statistic (momentul de ordinul 1) a v.a. X i :
1, X
(ti )
Xi
E Xi .
(1.7)
Valoarea ptratic medie (momentul de ordinul 2) a v.a. X i :

2, X
X i2
(ti )
E X i2 .
(1.8)
Dispersia sau variana (momentul centrat de ordinul 2) v.a. X i :

c
2, X
(ti )
2
X
(ti )
Var X i
Xi
E
2, X
Xi
X i2
Xi
E Xi
(ti )
2
1, X
Xi
2
E X i2
E Xi
(1.9)
(ti ).

Caracterizarea procesului aleator n termenii distribuiei de ordinul 2
Un p.a. este o secven indexat de v.a.; n consecin, poate exista o dependen arbitrar ntre
oricare dou v.a. X (t1 ) X1 i X (t2 ) X 2 , definite la dou momente de timp t1 i t2, ceea ce
justific necesitatea definirii urmtoarelor valori medii statistice, pentru a cror evaluare este
necesar cunoaterea f.d.p. reunit de ordinul 2, pX1 X 2 ( x1 , x2 ) p( x1 , x2 ) .
Operatorul de mediere statistic n termenii distribuiei de ordinul 2, se noteaz
i este descris de relaiile:
pentru p.a. continuu:
E
sau E
p ( x1 , x2 ) dx1dx2 ,
(1.10)
pk1 pk2 .
(1.11)
pentru p.a. discret:
E
k1
k2
unde pk1 i pk2 sunt probabilitile elementare ale realizrilor particulare ale v.a. X 1 i X 2 .
Astfel, pentru cele dou v.a. X 1 i X 2 , vom defini:
Funcia de autocorelaie:
RX (t1 , t2 )
X1 X 2
E X1 X 2 .
(1.12)
Funcia de autocovarian:
C X (t1 , t2 )
X1
X1
RX (t1 , t2 )
X2
1, X
X2
(t1 )
E
1, X
X1 E X1
X2 E X2
(1.13)
(t2 ).
Coeficientul de corelaie (funcia de autocovarian normalizat):
Extinznd intervalul de timp dintre v.a. din secvena

X(t), de la
12
t2 t1 la
1n
X1, X 2 ,
, Xn
ce reprezint procesul
tn t1 ,
Extinznd intervalul de timp dintre momentele de observare t1 , t2

putem defini o matrice de funcii de autocorelaie ale v.a.
la ti , t j , i, j 1, 2,
X i , X j , rezultate prin observarea
p.a. X (t ) .
Matricea de autocorelaie a p.a. X(t):
RX (t1 , t2 )
RX (t1 , tn )
X1 X1
X1 X 2
X1 X n
RX (t2 , t1 ) RX (t2 , t2 )
RX (t2 , t n )
X 2 X1
X2X2
X2Xn
RX (tn , t1 ) RX (tn , t2 )
RX (tn , tn )
X n X1
XnX2
XnXn
RX (t1 , t1 )
RX
,n ,

Matricea de autocovarian a p.a. X(t):
C X (t1 , t1 )
CX
C X (t1 , t2 )
C X (t1 , tn )
C X (t2 , t1 ) C X (t2 , t2 )
C X (t2 , tn )
C X (tn , t1 ) C X (tn , t2 )
C X (tn , tn )
RX (t1 , t1 )
1, X
(t1 )
1, X
(t1 )
RX (t1 , t2 )
1, X
(t1 )
1, X
(t2 )
RX (t1 , tn )
1, X
(t1 )
1, X
(tn )
RX (t2 , t1 )
1, X
(t2 )
1, X
(t1 ) RX (t2 , t2 )
1, X
(t2 )
1, X
(t2 )
RX (t2 , tn )
1, X
(t2 )
1, X
(tn )
RX (tn , t1 )
1, X
(tn )
1, X
(t1 ) RX (tn , t2 )
1, X
(tn )
1, X
(t2 )
RX (tn , tn )
1, X
(tn )
1, X
(tn )
1, X
(tn )
RX
T
1, X
1, X
unde
1, X
1, X
(t1 ),
1, X
(t2 ),
X1, X 2 ,
, Xn .
Caracterizarea procesului aleator n termenii distribuiei de ordinul n

Valorile medii bazate pe cunoaterea f.d.p. de ordinul 1 i 2 asigur o cunoatere statistic
parial a p.a.
Dac vrem s realizm caracterizarea, din punct de vedere statistic, al ntregului p.a. X(t), trebuie
s precizm valorile medii pe ansamblul secvenei indexate de v.a. X 1 , X 2 , , X n , funcie de
f.d.p. n-dimensional n cazul unui p.a.c., respectiv f.m.p. n-dimensional n cazul unui p.a.d.
Secvene aleatoare i.i.d.
Dac p.a. este reprezentat de o secven de v.a. independent distribuite - i.d. (v.a. X i sunt mutual
independente pentru orice ti ), f.d.p. reunit de ordinul n poate fi exprimat n termenii f.d.p. de
ordinul 1:
p( x1, x2 , , xn ) p( x1 ) p( x2 ) p( xn ) .
Dac v.a. X i , independent distribuite, au acelai alfabet X i aceeai f.d.p. p ( x) , fiind identice i.i.d., atunci:
p( x1 , x2 , , xn ) p( x)n .
Caracterizarea procesului aleator n termenii distribuiei de ordinul n
Valorile medii bazate pe cunoaterea f.d.p. de ordinul 1 i 2 asigur o cunoatere statistic
parial a p.a. Dac vrem s realizm caracterizarea, din punct de vedere statistic, al ntregului
p.a. X(t), trebuie s precizm valorile medii pe ansamblul secvenei indexate de v.a.
X 1 , X 2 , , X n , funcie de f.d.p. n-dimensional n cazul unui p.a.c., respectiv f.m.p. ndimensional n cazul unui p.a.d.
secven i.d. , proces i.d.
Dac v.a. X i ,
i , au acelai alfabet i aceeai distribuie p( xi , ti ) p( x) care nu depinde de ti ,
atunci p ( x) reprezint f.d.p. de ordinul 1 a p.a. X(t). Altfel, procesul este caracterizat de o
familie de f.d.p. de ordinul 1,
pX1 ( x1 ), pX 2 ( x2 ),
, pX i ( xi ),
.Legea de distribuie a unei v.a.
din secvena ce descrie irul este aceeai indiferent de momentul de timp.

7

Dup valorile v.a. X i , un p.a. X (t ) , caracterizat de o secven de v.a. i.d., numit proces i.d., va
fi descris de:
un ir aleator dac valorile aleatoare ale irului sunt reale:
,
X (t ) ( X1, X 2 , , X i , ) ,staionaritatea irului implicnd: X i , pX i ( xi ) pX ( x), x
cu proprietile: pX ( x) 0,
p X ( x)dx 1 .
x,
x X
un lan aleator dac v.a. sunt discrete i valorile acestora aparin unui alfabet finit X i ,
descris de o mulime numrabil, staionaritatea lanului implicnd:
X i , pX i ( xi ) P( X i xi ) pk , xi X , k 1, 2, ,| X |,
cu proprietile: pk
0, k 1, 2,
,| X| ,
pk
1.
ntre v.a. X1 , X 2 ,
, Xi ,
poate s existe sau nu o dependen statistic. (Cap 2)
Secvene aleatoare i.i.d.

Dac p.a. este reprezentat de o secven de v.a. independent distribuite - i.d. (v.a. X i sunt mutual
independente pentru orice ti ), f.d.p. reunit de ordinul n poate fi exprimat n termenii f.d.p. de
ordinul1:
p( x1, x2 , , xn ) p( x1 ) p( x2 ) p( xn ) .
Dac v.a. X i , independent distribuite, au acelai alfabet X i aceeai f.d.p. p ( x) , fiind identice i.i.d., atunci:
1.4 Caracterizarea statistic a seriilor aleatoare

Dac p.a. X(t) este observat la momente de timp discrete, arbitrare, ni iT , i 1, 2, , i
, spunem c avem o serie aleatoare (s.a.) X[n], de perioad T, ce este descris de
T
ansamblul v.a. ce rezult la aceste momente de timp:
X [ n]
X n1 ,
, X n2 ,
, X ni ,
X T,
, X 2T ,
, X iT ,
X (T ), X (2T ),
X1, X 2 ,
, Xi ,
,
,
(1.14)
, X (iT ),
.
Valorile medii statistice sunt obinute n urma aplicrii operatorului de mediere statistic asupra
v.a. X i , observat la momentul de timp fixat ni iT . Pentru simplificare, vom presupune c
T 1 , momentele discrete de timp la care se face observarea procesului fiind ni
i.
n cazul unei s.a. continu, operatorul de mediere statistic este descris de Ecuaia
Error! Reference source not found., iar n cazul unei s.a. discrete, de Ecuaia
Error! Reference source not found..
Caracterizarea seriei aleatoare n termenii distribuiei de ordinul 1

Pentru un moment de timp fixat ni , se pot determina valorile medii statistice ce caracterizeaz
s.a. X [n] , dac se cunoate f.d.p. de ordinul 1, pX i ( x, ni ) p( x, ni ) ce caracterizeaz v.a.
X (ni ) X (iT ) X i . Dac v.a. X i , i 1, 2, , au acelai alfabet i aceeai distribuie

p( x, ni ) p( x) , care nu depinde de ni , atunci p ( x) reprezint distribuia de ordinul 1 a s.a.
X [ n] .
Valoarea medie (momentul de ordinul 1) a v.a. X i :
1, X
[ni ]
E Xi .
Xi
(1.15)
Valoarea ptratic medie (momentul de ordinul 2) a v.a. X i :

2, X
X i2
[ni ]
E X i2 .
(1.16)
Dispersia sau variana (momentul centrat de ordinul 2) v.a. X i :

c
2, X
[ni ]
2
X
[ni ] Var X i
Xi
E
2, X
Xi
Xi
X i2
E Xi
2
1, X
[ni ]
Xi
2
E X i2
E2 Xi
(1.17)
[ ni ].
Caracterizarea seriei aleatoare n termenii distribuiei de ordinul 2

Dac se cunoate f.d.p. reunit de ordinul 2, p( x1 , x2 ) , a v.a. X (n1 ) X1 i X (n2 ) X 2
observate la momentele de timp n1 T i n2 2T , se pot calcula urmtoarele valori medii
statistice pentru s.a. X [n] :
RX [n1 , n2 ]
X1 X 2
E X1 X 2 .
(1.18)
C X [n1 , n2 ]
X1 X1 X 2
E
X1 E X1
RX [n1 , n2 ]
1, X
X2
X1 X 2
X2 E X2
[n1 ]
1, X
X1 X 2
E X1 X 2
E X1 E X 2 .
(1.19)
[n2 ].
Observaie: Dac ntr-o situaie practic avem un singur p.a. X(t), indicele X din relaiile
anterioare poate fi omis, deoarece se subnelege c se vorbete numai despre acel p.a.
i pentru o s.a. continu sau discret, vom defini:
Matricea de autocorelaie a s.a. X[n]:

RX [n1 , n2 ]
RX [n1 , nn ]
X1 X1
X1 X 2
X1 X n
RX [n2 , n1 ] RX [n2 , n2 ]
RX [n2 , nn ]
X 2 X1
X2X2
X2Xn
RX [nn , n1 ] RX [nn , n2 ]
RX [ nn , nn ]
X n X1
XnX2
XnXn
RX [n1 , n1 ]
RX
Matricea de autocovarian a s.a. X[n]:
CX
C X [n1 , n1 ] C X [n1 , n2 ]
C X [n1 , nn ]
C X [n2 , n1 ] C X [n2 , n2 ]
C X [n2 , nn ]
C X [nn , n1 ] C X [nn , n2 ]
RX
1, X
1, X
C X [nn , nn ]
unde:
1, X
1, X
[n1 ],
1, X
[n2 ],
1, X
[nn ] .
Caracterizarea seriei aleatoare n termenii distribuiei de ordinul n
1.5 Valori medii statistice pentru perechi de procese (serii)

aleatoare
Dac ne referim la dou procese definite pe acelai spaiu al eantioanelor x , X (x, t ) = X (t ) ,
respectiv Y (x, t ) = Y (t ) , ele sunt caracterizate de funcia de repartiie reunit:
F ( x, y)
P( X
x; Y
y) ,
(1.20)
i corespunztor f.d.p. reunit a celor dou p.a., respectiv f.m.p. reunit a celor dou s.a.:
2
p ( x, y )
F ( x, y )
.
x y
(1.21)
Funciile de corelaie mutual a celor dou p.a. X (t ) i Y (t ) , observate la momentele de

timp t1 i t2 , se definesc n termenii distribuiei reunite de ordin 2:
RXY (t1 , t2 )
X1Y2
E X1Y2 ,
(1.22)
RYX (t1 , t2 ) Y1 X 2
E Y1 X 2 .
(1.23)
Extinznd momentele de timp de observare, corelaiile celor dou p.a. X (t ) i Y (t ) pot fi

scrise convenabil sub forma unei matrici de corelaie mutual:
RXY (t1 , t2 )
RXY (t1 , tn )
X 1Y1
X 1Y2
X 1Yn
RXY (t2 , t1 ) RXY (t2 , t2 )
RXY (t2 , t n )
X 2Y1
X 2Y2
X 2Yn
RXY (tn , t1 ) RXY (tn , t2 )
RXY (tn , tn )
X nY1
X nY2
X nYn
RXY (t1 , t1 )
R XY
10
(1.24)

Pentru perechea de p.a. X (t ) , Y (t ) se definesc funciile de covarian mutual, evaluate la
momentele de timp t1 i t2 :
C XY (t1 , t2 )
X1
E
CYX (t1 , t2 )
X 1 Y2 Y2
X1 E X1
Y2
RXY (t1 , t2 )
1, X
Y1 Y1
X2
X2
E Y1 E Y1
RYX (t1 , t2 )
X 1Y2
(t1 )
1,Y
E Y2
1,Y
(t1 )
E X 1Y2
(1.25)
E Y1 E X 2
(1.26)
Y1 X 2
E X2
1, X
E X 1 E Y2
(t2 ).
Y1 X 2
X2
X1 Y2
E Y1 X 2
(t2 ).
Matricea de covarian asociat perechii de p.a. X (t ) i Y (t ) este:

C XY (t1 , t1 )
C XY
C XY (t1 , t2 )
C XY (t1 , tn )
C XY (t2 , t1 ) C XY (t2 , t2 )
C XY (t2 , tn )
C XY (tn , t1 ) C XY (tn , t2 )
R XY
1, X
1,Y
(1.27)
C XY (tn , tn )
Analog, se definesc matricea de corelaie mutual i matricea de covarian pentru dou

s.a. X[n] i Y[n]:
RXY [n1 , n1 ]
R XY
C XY
RXY [n1 , n2 ]
RXY [n1 , nn ]
RXX [n2 , n1 ] RXX [n2 , n2 ]
RXY [n2 , nn ]
RXY [nn , n1 ] RXY [nn , n2 ]
RXY [nn , nn ]
C XY [n1 , n1 ] C XY [n1 , n2 ]
C XY [n1 , nn ]
C XY [n2 , n1 ] C XY [n2 , n2 ]
C XY [n2 , nn ]
C XY [nn , n1 ] C XY [nn , n2 ]
R XY
(1.28)
T
1, X
1,Y
(1.29)
C XY [nn , nn ]
unde funciile de corelaie mutual i funciile de covarian mutual sunt definite mai jos:
X iY j
E X iY j .
(1.30)
RYX [ni , n j ] Yi X j
E Yi X j .
(1.31)
RXY [ni , n j ]
C XY [ni , n j ]
Xi
E
X i Yj Yj
Xi
E Xi
RXY [ni , n j ]
X iY j
Yj
1, X
[ni ]
X i Yj
E Yj
1,Y
E X iY j
E X i E Yj
(1.32)
[n j ].
11

CYX [ni , n j ]
Yi Yi
Xj
E Yi
E Yi
RYX [ni , n j ]
Xj
1,Y
Yi X j Yi X j
Xj
E Xj
[ni ]
1, X
E Yi X j
E Yi E X j
(1.33)
[n j ].
1.6 Staionaritate n sens larg i n sens strict

Un p.a. ale crui caracteristici statistice sunt invariante n raport cu schimbarea originii timpului
se numete p.a. staionar.
P.a. X(t) este denumit staionar n sens strict (s.s.) sau staionar tare dac seturile de v.a.
X (t1 ), X (t2 ),..., X (tn ) X1 , X 2 ,..., X n i X (t1 tl ), X (t2 tl ),..., X (tn tl ) = X1 l , X 2 l ,..., X n l au
aceeai f.d.p., pentru orice deplasare de timp tl, pentru orice ordin n i pentru toate posibilitile
de alegere ale momentelor de observare t1 , t2 ,..., tn :
p( x1, x2 ,..., xn ; t1 tl , t2 tl ,..., tn tl )
p( x1, x2 ,..., xn ; t1, t2 ,..., tn )
(1.34)
P.a. staionare caracterizate numai de momentele de ordinul unu i doi (respectiv de f.d.p. reunit
de ordin unu i doi) se numesc procese staionare n sens larg (s.l.) sau staionare slab sau
staionare pn la ordinul doi i formeaz o subclas a proceselor s.s.
Staionaritate n sens larg: funciile de repartiie i f.d.p de ordinul unu nu depind de timp, iar
funciile de repartiie i f.d.p. de ordinul 2 depind doar de diferena de timp
t2 t1 .
Consecin: media, media ptratic i variana sunt constante, iar autocorelaia este o funcie ce
depinde doar de diferena de timp
t2 t1 .
Staionaritate n sens strict: funciile de repartiie, respectiv de f.d.p. de orice ordin n sunt
invariante la o translaie n timp.
n general, procesele s.s. sunt s.l., dar reciproca nu este ntotdeauna adevrat. O excepie o
constituie p.a. caracterizat de distribuia Gaussian, care este un proces s.l. i este complet definit
de momentele de ordinul unu i doi; drept urmare este i s.s.
Ciclostaionare
Joint stationary
P.a nestaionare
1.7 Valori medii statistice pentru procese staionare n sens

larg
Fie un p.a. continuu i staionar n sens larg X(t), caracterizat de o f.d.p. de ordinul unu ce nu
depinde de timp p( x, t1 ) p( x, t2 ) p( x) i o f.d.p. de ordinul doi dependent numai de
diferena de timp p( x1 , x2 , t1, t2 ) p( x1, x2 , t2 t1 ) .
12

Valoarea medie statistic a v.a. X i este constant fa de momentul de timp ti :
1
(ti )
Xi
E Xi
ti
(1.35)
Dispersia este constant, oricare ar fi momentul de observare:

2
(ti )
Xi
Xi
Xi
E Xi
ti
(1.36)
Observnd p.a. staionar X(t) la dou momente de timp distincte t1 i t2 valoarea funciei de
autocorelaie, i a funciei de autocovarian, depind numai de diferena de timp
t2 t1 :
RX (t1 , t2 )
C X (t1 , t2 )
E X1 X 2
X1
X2
RX (t2 t1 )
RX ( ) ,
2
1
RX (t2 t1 )
(1.37)
2
1
RX ( )
(1.38)
matricile de corelaie i de covarian, ce caracterizeaz procesul, putnd fi scrise:
RX
RX (0)
RX (t2 t1 )
RX (tn t1 )
RX (t1 t2 )
RX (0)
RX (tn t2 )
RX (t1 tn ) RX (t2 tn )
CX
RX (0)
C X (0)
C X (t2 t1 )
C X (tn t1 )
C X (t1 t2 )
C X (0)
C X (tn t2 )
C X (t1 tn ) C X (t2 tn )
RX
T
1
C X (0)
unde:
1
Pentru un p.a. staionar mediile statistice sunt independente de momentul de timp la care se face
observarea. Reciproca este adevrat: dac mediile statistice sunt invariante la translaii n timp,
atunci procesul este staionar.
Analog, putem scrie i valorile medii statistice pentru o s.a. staionar:
Valoarea medie:
1
[ n]
X [ n]
, n
0,1, 2,
(1.39)
Dispersia:
2
[n]
X [n] X [n]
, n 0,1, 2,
(1.40)
RX [n1 , n2 ]
X [n1 ] X [n2 ]
X [ n ] X [ n m]
RX [m], cu m
n2 n1 ,
(1.41)
Notam
Notnd ni
iT
i
13

RX [0]
RX [ 1]
RX
RX [1]
RX [0]
RX [n 1]
RX [n 2]
RX [1 n] RX [2 n]
RX [0]
C X [n1 , n2 ]
X [n1 ]
X [n2 ]
C X [0]
C X [ 1]
CX
RX [n1 , n2 ]
C X [1]
C X [0]
2
1
C X [n 1]
C X [n 2]
C X [1 n] C X [2 n]
2
1
RX [m]
(1.42)
C X [0]
n aceste condiii, matricea de autocorelaie R X , a p.a. s.l. X (t ) are urmtoarele proprieti:

1. R X este hermitic:
R HX
R T*
X
R X , deoarece RX (ti t j )
i, j 1, n .
RX (t j ti ),
2. R X este o matrice Toeplitz.

3. R X este pozitiv semidefinit.
4. Fie p.a. X (t ) , definit pe baza p.a. X (t ) {X1 , X 2 , X 3 ,
, X n 1, X n , } , astfel:
, X 3 , X 2 , X 1} .
X (t ) { , X n , X n 1 ,
Matricea de autocorelaie a p.a. X (t ) , R X se poate obine prin transpunerea matricii de

autocorelaie a p.a. X (t ) , R X :
R TX .
RX
5. Matricea de autocorelaie R X , aa cum a fost definit, este de dimensiune n n i, n acest

caz, notm R(Xn ) . Dac extindem p.a. X (t ) {X1 , X 2 ,
, X n } cu o nou v.a. X n 1 , obinem
p.a. X (t ) {X1, X 2 , , X n , X n 1} , descris de matricea de autocorelaie R (Xn 1) , de dimensiune

(n 1) (n 1) . n aceste condiii, putem scrie relaia recursiv:
( n 1)
X
RX (0)
rX
R (Xn )
(rX )T
rXT
R (Xn )
rX
RX (0)
unde:
rX
rX
6. Valorile proprii
RX (1) RX (2)
RX ( n ) ,
RX ( 1) RX ( 2)
RX ( n) .
, i 1, n ale matricei de autocorelaie R X sunt reale i pozitive.
7. Dac valorile proprii
sunt distincte, atunci vectorii proprii
i1
i2
in
, i 1, n ,
ai matricei de autocorelaie R X , sunt liniar independeni.

8. Dac valorile proprii
sunt ortogonali:
, i, j 1, n, i
j sunt distincte, atunci vectorii proprii

T
i
0.
9. Urma matricei de autocorelaie R X este egal su suma valorilor proprii:

14

n
1
n
RX (0)
i , de unde
tr R X
i 1
n
i
i 1
10. Matricea de autocorelaie R X poate fi diagonalizat n cazul n care valorile proprii sunt
distincte:
T
,
RX
T
unde
este matricea vectorilor proprii, iar
diag
, i 1, n este
I.
matricea diagonal a valorilor proprii. Evident matricea
este unitar T
Din relaia de mai sus, putem scrie teorema lui Mercer sau teorema spectral:
n
T
RX
T
i
i 1
1.8 Independena statistic, necorelare, ortogonalitate

Analiznd posibila dependen statistic dintre dou p.a. X(t) i Y(t) pot fi puse n eviden
urmtoarele condiionri:
p.a. sunt independente statistic p( x, y) p( x) p( y) ;
p.a. sunt necorelate CXY (t1 , t2 ) 0 , pentru orice t1, t2, cu t2 t1;
p.a. sunt ortogonale dac corelaia lor este nul: RXY (t1 , t2 ) 0 .
Dac p( x, y)
p( x) p( y) , cele dou p.a. X(t) i Y(t) sunt statistic dependente.
Independena statistic dintre dou p.a. X(t) i Y(t) implic existena condiiei de necorelare, dar
reciproca nu este adevarat ntotdeauna (excepie o fac p.a. Gaussiene). Dac cel puin unul din
cele dou semnale are o valoare medie nul, necorelarea implic i proprietatea de
ortogonalitate:
C XY (t1 , t2 )
RXY (t1 , t2 )
1, X
(t1 )
1,Y
(t2 )
RXY (t1 , t2 )
1, X
(t1 )
1,Y
(t2 )
0.
(1.43)
1.9 Caracterizarea temporal a proceselor (seriilor)

aleatoare
Valorile medii statistice sunt calculate pe ansamblul realizrilor particulare ale procesului. Dei
sunt foarte utile, n multe aplicaii ele nu sunt cunoscute i vrem s le estimm pornind de la
cunoaterea unei singure realizri particulare a procesului.
Valorile medii temporale sunt evaluate
ce definesc p.a.
x1 (t ), x2 (t ), , xk (t ),
x1[n], x2[n], , xk [n], ce definesc s.a. X [n] .
pentru fiecare din realizrile

X (t ) sau pentru realizrile
particulare
particulare
Pentru un p.a. X (t ) , operatorul de mediere temporal pentru o traiectorie particular xk (t ) este

definit ca:
Et
1
lim
T
2T
dt .
(1.44)
15

Pentru o s.a.. dac se cunosc 2 N 1 eantioane ale unei realizri particulare xk [n] , se definete
operatorul de mediere prin:
Et
lim
1
2N 1 i
(1.45)
1.9.1 Valori medii temporale pentru p.a.

Pentru o realizare particular k, xk (t )
semnificaii:
x(t ) valorile medii temporale au urmtoarele
Momentul temporal de ordinul 1 este valoarea medie sau componenta continu a realizrii
particulare:
m1 (k )
x(t )
Et x(t ) .
(1.46)
Valoarea medie temporal m1 (k ) nu depinde de originea timpului t0 i este o v.a. a crei

valoare depinde de traiectoria particular x(t) pe care se face medierea. Dac p.a. X(t) este
presupus staionar, valoarea medie statistic a v.a. m1 (k ) va fi E m1 (k ) m1 , independent
de k, unde m1 este valoarea medie pe ansamblul tuturor realizrilor particulare.
Momentul temporal de ordinul 2 reprezint valoarea ptratic medie:
m2 (k )
x2 (t )
Et x 2 (t ) .
(1.47)
Valoarea ptratic medie, calculat ca medie temporal, reprezint puterea medie a

procesului pe sarcina unitate i nu depinde de originea timpului t0.
Funcia de autocorelaie temporal:
RX( k ) (t1 , t2 )
x(t t1 ) x(t t2 )
Et x(t t1 ) x (t t 2 ) .
(1.48)
Pentru un p.a. staionar X(t), oricare ar fi realizarea particular x(t) pe care se determin
funcia de autocorelaie n timp RX( k ) (t1 , t2 ) , valoarea rezultat nu depinde de originea
timpului, ci numai de diferena de timp = t2 - t1:
RX( k ) (t1 , t2 )
RX( k ) (t1 t2 )
RX( k ) ( ) .
(1.49)
Funcia de autocovarian temporal:
C X( k ) (t1 , t2 )
x(t t1 ) m1 (k ) x(t t2 ) m1 (k )
Et
(1.50)
x(t t1 ) m1 (k ) x(t t2 ) m1 (k ) .
Pentru dou p.a. X(t) i Y(t) definite pe acelai spaiu al eantioanelor, se definete
funcia de corelaie mutual temporal pentru dou realizri particulare xk (t ) x(t ) i
yk (t ) y(t ) :
16

(k )
RXY
(t1 , t2 )
x(t t1 ) y (t t2 )
Et x(t t1 ) y (t t2 ) .
(1.51)
Funciile de corelaie temporal depind de realizarea particular aleas prin parametrul k

ct i de variabilele 1 , 2 ,..., n 1 ce reprezint diferenele de timp considerate:
ti 1 ti , i .
i
Funcia de covarian mutual temporal:
(k )
C XY
(t1 , t2 )
x(t t1 ) m1 (k ) y (t t2 ) m1 (k )
Et
(1.52)
x(t t1 ) m1 (k ) y (t t2 ) m1 (k ) .
1.9.2 Valori medii temporale pentru s.a.

Pentru o realizare particular oarecare x[n] a s.a. X[n], se definesc:
Momentul temporal de ordinul 1:
m1 (k )
x[n]
Et x[n] .
(1.53)
Momentul temporal de ordin 2:
m2 (k )
x2 [n] Et x2 [n] .
(1.54)
RX( k ) [n1 , n2 ]
x[n n1 ]x[n n2 ]
Et x[n n1 ]x[n n2 ] .
(1.55)
Et x[n n1 ] y[n n2 ] .
(1.56)
Funcia de corelaie mutual:

(k )
RXY
[n1 , n2 ]
x[n n1 ] y[n n2 ]
1.10 Ergodicitate
Un p.a. este ergodic de ordinul j dac valorile medii temporale pn la ordinul j sunt
independente de alegerea realizrilor particulare x1(t), x2(t), pe care se face medierea. Altfel
spus, un p.a. ergodic de ordin j are proprietatea c valorile medii statistice sunt egale cu valorile
medii temporale pn la ordinul j.
Spunem c procesul X (t ) este ergodic n medie dac dou condiii sunt satisfcute:
1. Media n timp m1 tinde la media pe ansamblu
la infinit:
1
(ti )
(ti )
E Xi
1
m1
Xi
x(t )
dac momentul de observare ti tinde
m1 (k ),
(1.57)
m1 (k ).
17

2. Egalitatea trebuie neleas n sensul convergenei n probabilitate:
lim P m1
0.
1,
(1.58)
n aceste condiii, tratnd valoarea medie 1 a procesului ca o v.a., variana acestei

v.a. tinde ctre 0 cnd timpul de observare t tinde la infinit:
lim Var
0.
(1.59)
Definind funcia de autocorelaie temporal pentru o realizare particular x(t ) a p.a.

X (t ) , observat n intervalul T t T :
RX
1
2T
,T
x t
x t dt ,
(1.60)
p.a. X (t ) este ergodic n funcia de autocorelaie dac urmtoarele dou condiii limit
sunt satisfcute:
lim RX
,T
lim Var RX
RX
,T
(1.61)
0.
(1.62)
Observaii:
n practic, ergodicitatea n medie i ergodicitatea n funcia de autocorelaie nu sunt
ntotdeauna suficiente.
Utilizarea ecuaiilor (1.57) i (1.60) pentru a calcula mediile n timp X t i RX , T
cer ca procesul X (t ) s fie staionar.
Deci, pentru ca un p.a. s fie ergodic, trebuie s fie staionar; reciproca nu este ntotdeauna
adevrat.
1.11 Proprietile funciei de autocorelaie pentru procese

ergodice
Pentru orice moment particular de timp t, redefinim funcia de autocorelaie a unui proces
ergodic X (t ) ca fiind:
RX ( )
RX (t , t
X (t ) X (t
E X (t ) X (t
) .
(1.63)
Pentru un proces aleator staionar n sens larg, funcia de autocorelaie statistic are
urmtoarele proprieti:
1. Este o funcie par:
RX ( )
X (t ) X (t
X (t
) X (t )
RX (
).
(1.64)
2. Valoarea din origine a funciei de autocorelaie reprezint puterea semnalului aleator:

18
RX (0)
X 2 (t )
X (t ) X (t )
PX .
(1.65)
Dac X (t ) reprezint tensiunea la bornele unui rezistor de 1 , atunci X 2 (t ) reprezint

puterea instantanee disipat de acel rezistor, iar X 2 (t )
disipat, exprimat n V2 sau n W-1.
RX (0) reprezint puterea medie
R 1
X (t )
3. valoarea din origine a funciei de autocorelaie este un maxim absolut:
RX (0)
RX ( ) ,
(1.66)
4. Pentru
are loc un proces de decorelare ntre X (t ) i X (t
de autocorelaie tinznd ctre ptratul componentei continue:
lim RX ( ) lim X (t ) X (t
X (t ) X (t
X (t )
) , valoarea funciei
2
1
(1.67)
5. Cu ct p.a. X(t) se schimb mai rapid n funcie de timp, cu att funcia de autocorelaie
RX
va descrete de la maximul su RX (0) , pe msur ce crete, dup cum este
ilustrat n Figura 1.3. Aceast descretere este caracterizat de timpul de decorelare 0,
pentru care > 0 amplitudinea funciei de autocorelaie va rmne sub anumite valori
prescrise.
Proces ce
variaz ncet
R()
Proces ce
variaz rapid
Figura 1.3 Ilustrarea funciei de autocorelaie pentru dou p.a. ce variaz diferit.
6. Pentru o pereche de p.a. X (t ) i Y (t ) , ergodice i staionare n sens strict, matricea de

corelaie dat de ecuaia (1.24), poate fi simplificat:
RX
RXY
RYX
RY
, unde
t2 t1 .
(1.68)
7. Funcia de corelaie mutual a dou p.a. X (t ) i Y (t ) nu este, n general, o funcie de , i

nici nu are un maxim n origine. Dar are proprietatea de simetrie:
RXY (t ) = RYX (- t ) .
(1.69)
19
Alte proprietati
20
1.12 Probleme rezolvate

1.1
Medii statistice, staionaritate. [VGS99] - Tema 6.2.

Fie p.a. X (t ) A cos(2 f t
) , unde A i sunt constante, iar f este o v.a. distribuit
uniform n intervalul [ f1 , f 2 ] .
a. S se calculeze urmtoarele momente statistice ale p.a. X(t): media, media ptratic,
dispersia i funcia de autocorelaie statistic;
b. Pe baza mediilor calculate la punctul a., s se indice staionaritatea semnalului.
Rezolvare
Funcia densitate de probabilitate a v.a. f, distribuit uniform, este:
1
p( f )
f2
f1
0
,
,
[ f1 , f 2 ]
in rest
Cteva realizri particulare ale p.a. X(t) sunt date n Figura 1.4 i sunt de form
sinusoidal, avnd amplitudinea A, faza 0 i frecven variabil dat de realizrile
particulare ale v.a. f.
X (t )
x1 (t ), x2 (t ), x3 (t )
A
t [s]
0
-A
x1 (t )
A cos(2 3 t )
x2 (t )
A cos(2 3.5 t )
x3 (t )
A cos(2 5 t )
Figura 1.4 Trei realizri particulare ale p.a. X(t), avnd frecvena aleatoare.
a. Momentele statistice ale p.a. X(t) se vor calcula pentru un moment de timp ti fixat. n
acest caz, valoarea semnalului va depinde de v.a. f.
Media statistic de ordin 1 este:
1
(ti )
X (ti )
Xi
A sin(2 f ti
A sin(2 f ti
A sin(2 f ti ) cos
cos(2 f ti ) sin
A sin(2 f ti ) cos
A cos(2 f ti ) sin .
Pentru a calcula cele dou medii statistice, aplicm teorema de medie:
21

f2
sin(2 f ti )
sin(2 f ti ) p( f )df
sin(2 f ti )
f1
1
f2
cos(2 f ti )
f1
2 ti
f2
1
f2
1
2 ( f2
f1
cos(2 f1 ti ) cos(2 f 2 ti ) ,
f1 )ti
f2
cos(2 f ti )
cos(2 f ti ) p ( f )df
cos(2 f ti )
f1
1
f2
sin(2 f ti )
f1
2 ti
f2
1
2 ( f2
f1
f1 )ti
df
f1
1
f2
df
f1
sin(2 f 2 ti ) sin(2 f1 ti ) .
n final, obinem:
1
A cos
cos(2 f1 ti ) cos(2 f 2 ti )
2 ( f 2 f1 )ti
(ti )
A sin
2 ( f 2 f1 )ti
Pentru valori date ale frecvenelor f1 i f2, rezult c media statistic de ordin 1 (valoarea
medie) va depinde de momentul de timp ti la care este evaluat.
Media ptratic a p.a. X(t) se calculeaz tot pentru un moment de timp particular ti :
2
(ti )
X 2 (ti )
X i2
A2 sin 2 (2 f ti
A2 sin 2 (2 f ti ) cos 2
A2 sin(2 f ti ) cos
cos(2 f ti )sin
2sin cos sin(2 f ti ) cos(2 f ti ) cos 2 (2 f ti )sin 2
Mediile ptratice ale sinusului i cosinusului se calculeaz tot cu teorema de medie:

f2
2
sin (2 f ti )
sin 2 (2 f ti )
sin (2 f ti ) p( f )df
f1
f2
1
2( f 2
f1 )
1
2
1 cos(4 f ti ) df
f1
1
f2
f1
df
f2
1
2( f 2
f1 )
cos(4 f ti ) df
f1
1
1
sin(4 f 2 ti ) sin(4 f1 ti ) ;
2 8 ( f 2 f1 )ti
1
1
sin(4 f 2 ti ) sin(4 f1 ti ) ;
2 8 ( f 2 f1 )ti
cos2 (2 f ti ) 1 sin 2 (2 f ti )
sin(2 f ti ) cos(2 f ti )
1
sin(4 f ti )
2
1
2
f2
sin(4 f ti )
f1
1
4 ( f2
Deci, media ptratic devine:
22
f1 )ti
sin(4 f ti ) p( f )df
1
f2
f1
df
1
f2
cos(4 f ti )
f1
4 ti
cos(4 f1 ti ) cos(4 f 2 ti ) ;
f2
f1

2 (ti )
A2 cos 2
2
A2 sin 2
2
A2 cos 2
sin(4 f 2 ti ) sin(4 f1 ti )
8 ( f 2 f1 )ti
A2 sin cos
2 ( f 2 f1 )ti
A2
2
A2 sin 2
8 ( f 2 f1 )t
A2 sin cos
2 ( f 2 f1 )ti
A2 cos 2
8 ( f 2 f1 )ti
Dispersia p.a. este:

2
(ti )
(ti )
A2
2
2
1
(ti )
A2 sin cos
2 ( f 2 f1 )ti
A cos
2 ( f 2 f1 )ti
A2 cos 2
8 ( f 2 f1 )ti
A sin
2 ( f 2 f1 )ti
Funcia de autocorelaie statistic se calculeaz pentru dou momente de timp oarecare t1

i t2:
RX (t1 , t2 )
X (t1 ) X (t2 )
A2 cos(2 f t1
) cos(2 f t2
A2
A2
cos 2 f (t1 t2 )
cos 2 f (t1 t2 )
2
2
A2 cos 2
A2 sin 2
cos 2 f (t1 t2 )
sin 2 f (t1 t2 )
2
2
A2
cos 2 f (t1 t2 ) ,
2
unde:
sin 2 f (t1 t2 )
sin 2 f (t1 t2 ) p( f )df
cos 2 f1 (t1 t2 ) cos 2 f 2 (t1 t2 )

,
2 ( f 2 f1 )(t1 t2 )
cos 2 f (t1 t2 )
cos 2 f (t1 t2 ) p( f )df
sin 2 f 2 (t1 t2 ) sin 2 f1 (t1 t2 )

,
2 ( f 2 f1 )(t1 t2 )
cos 2 f (t1 t2 )
cos 2 f (t1 t2 ) p( f )df
sin 2 f 2 (t1 t2 ) sin 2 f1 (t1 t2 )

.
2 ( f 2 f1 )(t1 t2 )
Deci:
RX (t1 , t2 ) A2
cos 2 f1 (t1 t2 ) 2
4 ( f2
A2
cos 2 f 2 (t1 t2 ) 2
f1 )(t1 t2 )
sin 2 f 2 (t1 t2 )
4 ( f2
sin 2 f1 (t1 t2 )
f1 )(t1 t2 )
b. Se observ c mediile statistice calculate la punctul a) depind de momentul de timp ti

ales. Din acest motiv, p.a. X(t) nu este staionar.
23

1.2
Medii statistice, staionaritate. [VGS99] - Tema 6.3.

Fie p.a. X (t ) A sin(2 f t
) , unde A i f sunt constante, iar este o v.a. distribuit
uniform n [0, 2 ] .
a. S se calculeze media, media ptratic, dispersia i funcia de autocorelaie statistic a
procesului aleator X(t);
b. S se indice staionaritatea semnalului;
c. S se reia problema pentru cazul n care este o v.a. distribuit uniform n 0, .
Rezolvare
Dac este o v.a. distribuit uniform n [0, 2 ] , atunci f.d.p. p() este:
1/ 2 ,
p( )
[0, 2 ]
0 ,
in rest
a. Pentru un moment de timp t fixat, media de ordin 1 este:

1
(t )
X (t )
A sin(2 f t
A sin(2 f t )cos
Asin(2 f t ) cos
cos(2 f t )sin
A cos(2 f t )sin .
unde:
2
cos
d
2
sin
d
2
cos
2
sin
sin
2
cos
2
0,
0
2
0,
0
adic:
1
(t )
A sin(2 f t ) 0 A cos(2 f t ) 0 0.
Media ptratic a p.a. X(t) este:

2
(t )
X 2 (t )
A sin(2 f t
A2 sin 2 (2 f t )cos 2
A2 sin(2 f t ) cos
cos(2 f t )sin
2 A2 sin(2 f t ) cos(2 f t )sin cos
A2 cos 2 (2 f t )sin 2 ,
unde:
2
sin 2
0
cos 2
sin cos
sin 2
d
2
1 sin 2
1
2
1 sin 2
1
sin 2
2
1 cos 2
d
2
1
4
1
sin 2
8
0
4
1 0.5 0.5 ,
sin 2
d
4
1
cos 2
8
0.
0
Deci:
2 (t )
A2
sin 2 (2 f t ) 0
2
A2
cos 2 (2 f t )
2
A2
.
2
Dispersia v.a. ce rezult din observarea p.a. la momentul de timp fixat t este:
24
0.5 ,

2
(t )
2
1
2 (t )
(t )
X 2 (t ) X (t )
A2
2
A2
.
2
Funcia de autocorelaie calculat la dou momente arbitrare de timp, t1 i t2, este:

RX (t1 , t2 )
X (t1 ) X (t2 )
A sin(2 f t1
A2 sin(2 f t1 ) cos
) A sin(2 f t2
cos(2 f t1 )sin
A2 sin(2 f t1 )sin(2 f t2 )cos 2
sin(2 f t2 ) cos
0 i sin 2
0.5 , sin cos
cos(2 f t1 ) cos(2 f t2 )sin 2

0.5 pentru
A2
sin(2 f t1 ) sin(2 f t2 )
2
A2
cos 2 f (t1 t2 ) .
2
RX (t1 , t2 )
cos(2 f t2 )sin
sin(2 f t1 ) cos(2 f t2 )sin cos
cos(2 f t1 )sin(2 f t2 )sin cos
Deoarece cos 2
[0, 2 ] , atunci:
A2
cos(2 f t1 ) cos(2 f t2 )
2
b. Pentru a observa staionaritatea p.a. X(t), trebuie s observm urmtoarele lucruri: media,
media ptratic i dispersia sunt independente de momentul de timp la care s-a fcut
observarea. Astfel, putem scrie:
1
(t )
2 (t )
(t )
t;
0,
A2
,
2
t;
A2
,
2
t.
De asemenea, se observ c i funcia de autocorelaie poate fi scris numai n funcie de

diferena de timp dintre momentele de observare:
RX (t1 , t2 )
RX ( )
A2
cos 2 f
2
, unde =t1 t2
ct,
t1 , t2 .
n concluzie, putem afirma c p.a. este staionar n sens larg.

c. Dac v.a. este distribuit n intervalul [0, ] , atunci f.d.p. p() este:
1
p( )
0,
[0, ]
in rest
Mediile statistice de ordin 1 i 2 ale sin i cos vor fi:

sin
; cos
0 ; sin cos
0 ; sin 2
1
; cos 2
2
1
.
2
n aceste condiii, recalculnd mediile statistice ale p.a. X(t), obinem:
25

1
(t )
A sin(2 f t )cos
A cos(2 f t )sin
2
A sin(2 f t ) 0 A cos(2 f t )
2
A2 sin 2 (2 f t )cos 2
(t )
2A
2 A2 sin(2 f t ) cos(2 f t )sin cos
A2 2
A2
sin (2 f t ) 0
cos 2 (2 f t )
2
2
2
(t )
2
1
2 (t )
(t )
A2
2
2A
A2 cos 2 (2 f t )sin 2
A2
;
2
cos(2 f t );
A2
sin(2 f t1 )sin(2 f t2 )
2
RX (t1 , t2 )
cos(2 f t );
A2
2
A2
cos 2 f (t1 t2 ) .
2
Deci p.a. X(t) nu este staionar deoarece media de ordin 1 i dispersia nu sunt constante
n timp, chiar dac media ptratic i funcia de autocorelaie ndeplinesc condiiile de
staionaritate.
1.3
a.
b.
c.
d.
e.
Realizri particulare, medii statistice, staionaritate. - Set 1, Pa, Ex 2.

Fie p.a. X (t ) A cos(2 f t
) , unde A este o v.a. distribuit Gaussian, de medie 2 i
2
dispersie A , iar este o v.a. uniform distribuit n intervalul [0, 4] i independent
statistic de v.a. A. Frecvena f a semnalului este un parametru determinist cunoscut.
Desenai o posibil realizarea a procesului X(t);
Desenai o funcie care nu poate fi realizare particular a p.a. X(t);
Determinai media i media ptratic a p.a. X(t);
Determinai funcia de autocorelaie a p.a. X(t);
Procesul este staionar n sens larg?
Rezolvare
Pentru v.a. A i putem scrie f.d.p.:
p(a)
A
exp
(a 2) 2
, respectiv p ( )
2 2A
1
,
4
0,
[0, 4 ]
in rest
ce sunt reprezentate n Figura 1.5.

p(a)
p()
1
A
2
1
4
a
0
2
Figura 1.5 F.d.p. ale v.a. A distribuit N (2,
26
2
A
) i a v.a. distribuit uniform n [0, 4].

a. O posibil realizare particular a p.a. X(t) este o form de und sinusoidal, avnd o
anumit amplitudine i o anumit faz, date de realizrile particulare ale v.a. A i (vezi
Figura 1.6.). Frecvena semnalului este constant, nevariind fa de valorile v.a. A i .
x(t)
A
-A
Figura 1.6 O realizarea particular x(t) a p.a. X(t), avnd o anumit amplitudine A i o anumit faz .
b. O form de und care nu poate fi o realizare particular a p.a. X(t) este cea din Figura 1.7,
deoarece o form de und triunghiular nu poate fi realizare particular a unui p.a. de tip
sinusoidal.
f(t)
A
t
-A
Figura 1.7 O form de und care nu poate fi realizare particular a p.a. X(t).
c. Pentru un moment de timp fixat t, media statistic a p.a. X(t) este:

1
(t )
X (t )
A cos(2 ft
).
Dac A i sunt independente statistic, putem scrie:

1
(t )
A cos(2 ft
2cos(2 ft
).
Cu ajutorul teoremei de medie, media statistic a cosinusului va fi:

4
cos(2 f t
cos(2 f t
) p( )d
0
cos(2 f t
4
sin(2 f t
4
0.
0
Deci:
1
(t ) 0,
t.
Media ptratic a p.a. X(t) este:

27

2 (t )
X 2 (t )
2
A
A2 cos 2 (2 f t
2
A
1 cos(4 f t 2 )
1 cos(4 f t 2 ) .
Deoarece:
4
cos(4 f t 2 )
0
cos(4 f t 2 )
d
4
sin(4 f t 2 )
8
0
0,
atunci:
2
A
2 (t )
2
A
1 0
t.
d. Funcia de autocorelaie statistic a p.a. X(t) este:

RX (t1 , t2 )
X (t1 ) X (t2 )
A2 cos(2 f t1
1 2
A cos 2 f (t1 t2 ) 2
2
1 2
A cos 2 f (t1 t2 ) 2
2
e. Deoarece:
1. A2
2, A
2
A
2
1, A
2. cos 2 f (t1 t2 ) 2
2
A
) cos(2 f t2
cos 2 f (t1 t2 )
1 2
A cos 2 f (t1 t2 ) .
2
4;
0 , pentru
[0, 4 ] ;
3. cos 2 f (t1 t2 ) cos(2 f ) cos(2 f ) , unde

funcia de autocorelaie va putea fi scris:
RX (t1 , t2 )
RX ( )
2
A
t1 t2 ,
cos(2 f ), unde
t1 t2 .
Deoarece media, media ptratic sunt independente de momentul de timp de observare,

iar funcia de autocorelaie depinde doar de diferena dintre momentele de timp, atunci
procesul este staionar n sens larg.
1.4
Medii statistice, staionaritate. [VGS99] - Ex 6.2.

Fie p.a. Z (t ) X cos(2 f t ) Y sin(2 f t ) , unde X i Y sunt dou v.a. independente,
normal distribuite N (0, 2X ) , respectiv N (0,
a. S se calculeze media i dispersia p.a. Z(t);
b. S se determine funcia de autocorelaie;
c. S se discute staionaritatea procesului.
2
Y
) , cu
2
X
2
Y
cunoscute.
Rezolvare
a. Media procesului aleator, pentru un moment de timp t fixat, este :
1, Z
28
(t ) Z (t )
X cos(2 f t ) Y sin(2 f t )
X cos(2 f t ) Y sin(2 f t ) 0,
t.

La acelai moment de timp t, media ptratic este:
2, Z
(t )
Z 2 (t )
X cos(2 f t ) Y sin(2 f t )
X 2 cos 2 (2 f t ) 2 XY cos(2 f t )sin(2 f t ) Y 2 sin 2 (2 f t )

2
X
cos 2 (2 f t ) 2 XY cos(2 f t )sin(2 f t )
Din condiia de independen, rezult c XY

2, Z
Z 2 (t )
(t )
2
X
2
Y
sin(2 f t ).
0 , iar media ptratic va fi:
XY
cos 2 (2 f t )
2
Y
sin 2 (2 f t ).
Dispersia va fi:
2
Z
(t )
2, Z
2
1, Z
(t )
Z 2 (t ) Z (t )
(t )
2
X
cos 2 (2 f t )
2
Y
sin 2 (2 f t ) .
b. Funcia de autocorelaie statistic este:
RZ (t1 , t2 )
Z (t1 ) Z (t2 )
X cos(2 f t1 ) Y sin(2 f t1 ) X cos(2 f t2 ) Y sin(2 f t2 )
X 2 cos(2 f t1 ) cos(2 f t2 ) Y 2 sin(2 f t1 )sin(2 f t2 )

XY cos(2 f t1 )sin(2 f t2 ) sin(2 f t1 ) cos(2 f t2 )
2
X
c. n cazul general, cnd
2
X
2
Y
2
Y
sin(2 f t1 )sin(2 f t2 ).
, media ptratic i funcia de autocorelaie depind de

2
X
2
Y
sin 2 (2 f t )
timp, deci p.a. Z(t) nu este s.l.. Dar, n cazul particular

2, Z
(t )
Z 2 (t )
2
Z
(t )
2, Z
RZ (t1 ,t2 )
(t )
cos 2 (2 f t )
2
1, Z
(t )
2
Z
cos 2 f (t1 t2 )
cos 2 f
RZ ( ), cu
, obinem:
2, Z
t;
t;
2
sin(2 f t1 ) sin(2 f t2 )
t1 t2 ,
procesul Z(t) fiind s.l.
1.5
Realizri particulare, medii statistice, staionaritate. - Set 1, Pa, Ex 1

Fie p.a. X (t ) descris de urmtoarea f.d.p. de ordin 1:
p( x)
1
x
p0.5
, pentru t
3 2sin(t )
3 2sin(t )
1
x
p0.5
, pentru t
3
3
unde p0.5 (a) este funcia poart descris n Anexa 4.

a. Desenai dou funcii de timp care pot fi realizri particulare ale p.a. X(t);
b. Desenai dou funcii de timp care nu pot fi realizri particulare ale p.a. X(t);
29

c. Evaluai media i variana procesului;
d. Precizai dac procesul este s.l. sau nu.
Rezolvare
Pentru t < 0, f.d.p. este o funcie poart de amplitudine (3 2sin t ) 1 i de lime
3 2sin t ca n Figura 1.8.a. Aceast funcie depinde de momentul de timp t la care se
face observarea. Pentru t 0, f.d.p. nu mai depinde de timp ( vezi Figura 1.8.b).
p(x)
p(x)
1
3 2sin t
1
3
x
3
sin t
2
3
sin t
2
x
3
2
3
2
b) t 0
a) t < 0
Figura 1.8 F.d.p. de tip poart pentru un p.a. X(t).
Pentru t < 0, o realizare particular x(t) a p.a. X(t) poate lua valori n intervalul
1.5 sin t ,1.5 sin t cu aceeai probabilitate. A se observa c dimensiunea intervalului
depinde de momentul de timp. Analog, i pentru t 0, numai c acum avem un interval
de dimensiune constant 1.5,1.5 , ce nu depinde de momentul de timp. De asemenea,
i n acest caz, valorile semnalului au aceeai probabilitate.
a. Pentru a reprezenta realizrile particulare ale p.a. X(t), trebui s reprezentm domeniul n
care procesul poate lua valori (linii continue, Figura 1.9.). Orice realizare particular,
reprezentat cu linie ntrerupt, nu trebuie s aib valori n afara acestui domeniu.
x(t)
2
1
t
0
-1
-2
posibile realizri
nu pot fi realizri ale procesului
Figura 1.9 Dou realizri particulare ale p.a. X(t) avnd o anumit amplitudine A i o anumit faz .
30

b. Dou funcii de timp care nu pot fi realizri particulare sunt reprezentate n Figura 1.9 cu
linie punctat, acestea depind domeniul marcat cu linie continu.
c. Pentru a evalua media procesului, trebuie s observm c ambele f.d.p. din Figura 1.8.
sunt simetrice fa de valoarea zero. Deci media procesului este:
1, X
t.
(t ) 0,
Variana unei v.a. Y distribuit uniform n intervalul [-a,a], de medie 0 este:

a
2
Y
1
y
dy
2a
a
2
1 y3
2a 3
1 a3 a3
2a 3
a2
.
3
n cazul nostru obinem:
2
X
(3 2sin t ) 2
, pentru t
12
3
, pentru t 0
4
(t )
d. Un proces este s.l. dac media i dispersia sunt independente de momentul de timp la
care se face observarea, iar funcia de autocorelaie depinde de diferena de timp dintre
momentele de observare.
n cazul nostru, media este zero, iar dispersia depinde de timp, pentru t < 0. n concluzie,
procesul nu este staionar n sens larg.
1.6
Funcia de autocorelaie. [MSG83] - Murg 3.7.

n Figura 1.10 este ilustrat o realizare particular (o traiectorie) x(t) a unui p.a. X(t)
constnd dintr-o secven aleatoare de simboluri binare 1 i 0.
Facem urmtoarele presupuneri:
1. Simbolurile 1 i 0 sunt reprezentate de amplitudinile +A i A voli, de durat T.
2. Impulsurile nu sunt sincronizate: timpul de start td al primului impuls complet, pe axa
pozitiv a timpului, este la fel de probabil ca s se afle ntre 0 i T secunde. Astfel, td
este valoarea eantionului v.a. Td distribuit uniform, cu f.d.p. definit prin:
1/ T , 0 td
p td
1 0 0
0,
altfel
0 1
1 0 1
mesajul binar
x(t)
+A
0
-A
td
Figura 1.10 O realizare particular a semnalului aleator binar.
31

3. n timpul oricrui interval de timp n 1 T t td nT , unde n
, prezena unui 1
sau unui 0 este determinat de aruncarea unei monede: dac rezultatul este marca,
atunci avem 1, iar dac rezultatul este banul, atunci avem 0. Aceste dou simboluri
sunt la fel de probabile iar prezena unui simbol este independent de celelalte
simboluri anterioare.
Calculai funcia de autocorelaie a p.a. X(t).
Rezolvare
Dac nivelele de amplitudine A i +A apar cu aceeai probabilitate, atunci E X (t )
pentru orice t, i deci media procesului este zero.
Fie v.a. X i i X j obinute prin observarea p.a. X(t) la momentele de timp ti , respectiv tj.
Dac ti t j
T , atunci v.a. X i i X j apar n diferite intervale de impulsuri i sunt
independente. Astfel avem:

R ti , t j
Dac ti t j
T , cu ti
0 i t j
Xi X j
Xi X j
0.
ti . n acest caz, din Figura 1.10 se observ c v.a. X i i
X j apar n acelai interval al impulsului dac i numai dac ntrzierea td satisface

condiia td
ti t j . Obinem astfel probabilitatea condiionat:
A2 , td T | ti t j |
P[ X i X j | td ]
0,
altfel
Mediind acest rezultat peste toate valorile posibile ale lui t d , obinem:
T |ti t j |
T |ti t j |
2
Xi X j
A p td dtd
0
A2
dtd
T
A2 1
| ti t j |
T
, | ti t j | T .
Printr-un raionament asemntor, pentru orice alt valoare a lui ti , gsim c funcia de
autocorelaie a semnalului binar aleator, este o funcie ce depinde numai de diferenele
de timp :
RX ( )
A2 1
| |
, | | T
,
T
0,
| | T
ti t j .
Acest rezultat este ilustrat n Figura 1.11.

RX()
A2
-T
Figura 1.11 Funcia de autocorelaie a semnalului aleator binar.
32

1.7
Funcia de corelaie mutual. [Hay01] - Comm 1.9.

Se consider o pereche de procese staionare n sens larg, X(t) i Y(t).
S se arate c funciile de corelaie mutual RXY ( ) i RYX ( ) ale acestor procese au
urmtoarele proprieti:
a. RXY ( )
RYX (- ) ;
b.
RXY ( )
c.
RXY ( )
0.5 RX (0) RY (0) ;

2
RX (0) RY (0) ;
unde RX ( ) i RY ( ) sunt funciile de autocorelaie ale p.a. X(t) i Y(t);

Rezolvare
a. innd cont de comutativitatea produsului, funcia de corelaie mutual se poate scrie:
RXY ( )
X (t )Y (t
) Y (t
) X (t ) .
Aceasta nu depinde de originea de timp, deci putem face schimbarea de variabil

u t
adic t u
i cum u i t sunt variabile de timp, atunci:
RXY ( ) Y (u ) X (u
RYX (
).
b. Pornim de la proprietatea c media statistic de ordin doi este pozitiv:
X (t ) Y (t
0,
de unde:
X 2 (t ) 2 X (t )Y (t
) Y 2 (t
) 0.
n relaia de mai sus am obinut chiar funciile de corelaie mutual i funciile de

autocorelaie ale p.a. X(t) i Y(t):
RX (0) 2RXY ( ) RY (0) 0 .

De unde:
RXY ( )
0.5 RX (0) RY (0) .
c. Analog cu punctul anterior, folosim proprietatea c
Y (t
X (t )
0,
de unde:
X 2 (t ) 2 X (t )Y (t
1.8
) Y 2 (t
) 0
Medii statistice. [VGS99] - Tema 6.5

Fie X[n] un semnal pur aleator, n timp discret, ale crui eantioane sunt distribuite
uniform n intervalul [-1,1].
S se calculeze media, media ptratic, dispersia precum i funcia de autocorelaie
pentru semnalul Y [n] X [n] 2 X [n 1] X [n 2] .
Rezolvare
Media i media ptratic ale s.a. Y[n] sunt:
33

1,Y
[n] Y [n]
2,Y
[ n] Y 2 [ n ]
X [n] 2 X [n 1] X [n 2] ,
X [n] 2 X [n 1] X [n 2]
X [n] 2 X [n 1] X [n 2]
X 2 [n] 4 X 2 [n 1] X 2 [n 2] 4 X [n] X [n 1]
2 X [n] X [n 2] 4 X [n 1] X [n 2]
Deoarece seria X[n] este pur aleatoare, eantioanele sunt independente ntre ele i putem
scrie:
2,Y
[ n]
X 2 [n] 4 X 2 [n 1] X 2 [n 2]
4 X [n] X [n 1] 2 X [ n] X [ n 2] 4 X [ n 1] X [ n 2]
Pentru a calcula aceste medii avem nevoie de mediile statistice ale s.a. X[n]. F.d.p. pentru
o distribuie uniform a eantioanelor s.a. X[n], n intervalul [-1,1], este:
1
, x [ 1,1]
.
2
0, n rest
p( x)
Astfel, media i media ptratic ale s.a. X[n] sunt:

1
1, X
[ n]
X [ n]
x p( x) dx
X 2 [ n]
x 2 p ( x) dx
1
x dx 0 ,
2
1
1
2, X [ n]
x2
1
1
1
dx
.
2
3
Deoarece toate eantioanele sunt distribuite identic, mediile statistice nu depind de

momentul de timp n la care se face observarea, deci s.a. X[n] va fi staionar.
n aceste condiii, mediile s.a. Y[n] sunt:
1,Y
[n]
X [n] 2 X [n 1] X [n 2] 0 2 0 0 0 ,
2,Y
[ n]
X 2 [n] 4 X 2 [n 1] X 2 [n 2] 4 X [n] X [n 1] 2 X [ n] X [ n 2]
4 X [n 1] X [n 2]
1
1 1
4
0 0 0
3
3 3
Dispersia s.a. Y[n] este:

2
Y
[ n]
2,Y
[ n]
2
1,Y
[ n] 2 0
2.
Deoarece o s.a. staionar, printr-o transformare liniar, devine tot o s.a. staionar,
putem scrie funcia de autocorelaie a s.a. Y[n] ca fiind:
34
RY [m] Y [n]Y [n m]
X [n] 2 X [ n 1] X [ n 2] X [ n m] 2 X [ n m 1] X [ n m 2]
X [n] X [n m] 2 X [ n] X [ n m 1] X [ n] X [ n m 2] 2 X [ n 1] X [ n m]
4 X [n 1] X [n m 1] 2 X [n 1] X [n m 2] X [n 2] X [n m]
2 X [n 2] X [n m 1) X [n 2] X [n m 2]
RX [m] 2 RX [ m 1] RX [m 2] 2 RX [m 1] 4 RX [m] 2 RX [m 1]
RX [m 2] 2 RX [m 1] RX [m]
RX [m 2] 4 RX [m 1] 6 RX [m] 4 RX [m 1] RX [ m 2].
unde funcia de autocorelaie a seriei pur aleatoare X[n] este:
RX [ m ]
[m], m 0
0,
n aceste condiii, funcia de autocorelaie a s.a. Y[n] devine:
RY [m]
1.9
[m 2] 4 [m 1] 6 [m] 4 [m 1]
[m 2] .
Funcia de corelaie mutual, funcia de autocorelaie. [VGS99] - Ex 6.5.

O s.a. discret Y[n], este obinut din s.a. X[n] staionar, de medie 0, prin transformarea:
Y [ n]
1
1
1
X [ n]
X [n 1]
X [n 2] .
2
4
4
a. S se determine funcia de autocorelaie a s.a. Y[n], precum i funciile de corelaie

mutual ntre s.a. X[n] i Y[n];
b. Particularizai pentru cazul n care s.a. X[n] este de tip zgomot alb.
Rezolvare
a. Funcia de autocorelaie statistic a s.a. Y[n] este dat de:
RY [m] Y [n]Y [n m]
1
1
1
1
1
1
X [ n]
X [n 1]
X [n 2]
X [ n m]
X [n m 1]
X [n m 2]
2
4
4
2
4
4
1
1
1
X [ n] X [ n m]
X [n] X [n m 1]
X [n] X [n m 2]
4
8
8
1
1
1
X [n 1] X [n m]
X [n 1] X [n m 1]
X [n 1] X [ n m 2]
8
16
16
1
1
1
X [n 2] X [n m]
X [n 2] X [n m 1]
X [n 2] X [n m 2]
8
16
16
1
3
3
3
1
RX [m 2]
RX [m 1]
R X [ m]
RX [m 1]
RX [m 2] .
8
16
8
16
8
Funciile de corelaie mutual dintre cele dou s.a. se pot calcula astfel:
35

1
1
1
X [n]
X [n 1]
X [n 2] X [n m]
2
4
4
1
1
1
X [ n] X [ n m]
X [n 1] X [n m]
X [n 2] X [n m]
2
4
4
1
1
1
RX [ m]
RX [m 1]
RX [m 2] ;
2
4
4
RYX [m] Y [n] X [n m]
RXY [m]
1
1
1
X [ n m]
X [n m 1]
X [n m 2]
2
4
4
1
1
1
X [ n] X [ n m]
X [n] X [n m 1]
X [n] X [n m 2]
2
4
4
1
1
1
RX [ m]
RX [m 1]
RX [m 2] .
2
4
4
X [n]Y [n m]
X [ n]
b. Pentru cazul n care s.a. X[n] este un zgomot alb, funcia de autocorelaie este:
RX [ m ]
[m], m 0
0,
n aceste condiii, funcia de autocorelaie a s.a. Y[n] este:

RY [m]
1
3
3
3
1
[m 2]
[m 1]
[ m]
[m 1]
[m 2] ,
8
16
8
16
8
iar funciile de corelaie mutual sunt:
1.10
RYX [m]
1
1
1
[ m]
[m 1]
[m 2] ;
2
4
4
RXY [m]
1
1
1
[ m]
[m 1]
[m 2] .
2
4
4
Medii statistice. [VGS99] - Tema 6.4

Fie X[n] o s.a., pur aleatoare, staionar, de medie
acesteia se construiesc s.a.:
Y [ n]
1
1
X [ n]
X [n 1] i Z[n]
2
2
1, X
0 i dispersie
2
X
. Pe baza
X [n] X [n 1] .
Pentru aceste noi serii, s se calculeze mediile, mediile ptratice, dispersiile, funciile de
autocorelaie precum i funciile de corelaie mutual.
Rezolvare
Din ipotez, avem c media s.a. X[n] este zero
1, X
0.
n aceste condiii, media ptratic s.a. X[n] este egal cu dispersia acesteia,
Dac s.a. X[n] este staionar, atunci i s.a. Y[n] i Z[n] sunt staionare.
Dac s.a. X[n] este de tip zgomot alb, atunci funcia de autocorelaie este:
RX [ m ]
36
[m], m 0
0,
2, X
2
X

Mediile celor dou s.a. sunt:
1
1
1
1
Y [ n]
X [ n]
X [n 1]
X [ n]
X [n 1]
1,Y
2
2
2
2
Z[n] X [n] X [n 1] X [n] X [n 1] 1, X
1, Z
1
2
1, X
1, X
1
2
1, X
0,
0.
Mediile ptratice sunt:

2
1
1
1 2
1
1 2
X [ n]
X [n 1]
X [ n]
X [n] X [n 1]
X [n 1]
2
2
4
2
4
1 2
1
1 2
1, X
2, X
X ,
2
4
2
Y [ n]
2,Y
1
4
2, Z
2, X
Z 2 [ n]
2, X
X [n] X [n 1]
2
2
1, X
2, X
2
X
X 2 [n] 2 X [n] X [n 1] X 2 [n 1]
n condiiile n care mediile s.a. Y[n] i Z[n] sunt zero, atunci dispersiile vor fi egale cu
mediile ptratice:
2
Y
2,Y
1
2
2
X
2
Z
2, Z
1
2
2
X
Funciile de autocorelaie a s.a. Y[n] i Z[n] sunt:
1
1
X [ n]
X [n 1]
2
2
1
1
X [ n ] X [ n m]
X [n] X [ n m 1]
4
4
1
1
1
RX [m 1]
RX [ m]
RX [m 1]
4
2
4
RY [m] Y [n]Y [n m]
RZ [m] Y [n]Y [n m]
1
1
X [ n m]
X [n m 1]
2
2
1
1
X [ n 1] X [ n m]
X [ n 1] X [ n m 1]
4
4
1
1
1
[ m 1]
[ m]
[ m 1].
4
2
4
X [n] X [n 1] X [n m] X [n m 1]
X [n] X [n m] X [ n] X [ n m 1] X [ n 1] X [ n m] X [ n 1] X [ n m 1]
RX [m 1] 2 RX [m] RX [m 1] [m 1] 2 [ m] [ m 1].
Funciile de corelaie mutual a s.a. X[n], Y[n] i Z[n] sunt:
1
1
X [n m]
X [n m 1]
2
2
1
1
1
1
1
1
X [ n ] X [ n m]
X [n] X [n m 1]
RX [m]
RX [m 1]
[m]
[ m 1],
2
2
2
2
2
2
RXY [m] X [n]Y [n m] X [n]
RXZ [m]
X [ n ]Z [ n m ]
X [ n] X [ n m] X [ n m 1]
X [n] X [n m] X [n] X [n m 1]
RX [ m] RX [ m 1]
[ m]
[ m 1],
37
1
1
X [ n]
X [n 1]
2
2
1
1
X [ n ] X [ n m]
X [n] X [ n m 1]
2
2
1
1
1
RX [m 1]
RX [m 1]
[m 1]
2
2
2
RYZ [m] Y [n]Z [n m]
1.11
X [n m] X [n m 1]
1
1
X [ n 1] X [ n m]
X [ n 1] X [ n m 1]
2
2
1
[m 1].
2
Medii temporale, ergodicitate. [Fr 2.1.]

Fie p.a. definit n problema 1.2:
X (t )
A sin(2 f t
),
unde A i f sunt ct, iar este o v.a. distribuit uniform n [0, 2 ] .

S se calculeze media temporal i funcia de autocorelaie temporal i s se indice
ergodicitatea semnalului.
Rezolvare
Pentru o valoare particular
p.a. X(t) este:
1
m1 (k ) lim
T
2T
a v.a. , media temporal a realizrii particulare xk (t ) a

T
x(t )dt
T
1
lim
T
2T
A sin 2 f t
dt
T
T
A cos 2 f t
lim
T
2T
2 f
lim
k
T
A cos(2 f T
) A cos( 2 f T
4 fT
Deoarece media temporal nu depinde de realizarea particular a p.a.: m1 (k ) m1 0 .

Deoarece media statistic a p.a. X(t) este zero (vezi problema 1.2), avnd loc egalitatea:
m1
0,
spunem c p.a. X(t) este ergodic n medie.

Pentru aceeai traiectorie particular de la punctul a), xk (t ) , putem calcula funcia de
autocorelaie temporal:
38
RX ,k (t1 , t2 ) lim
T
1
2T
x(t t1 ) x(t t2 )dt

T
2 T
lim
T
A
2T
A2
lim
T
4T
lim
sin 2 f (t t1 )
T
cos 2 f (t1
A2 cos 2 f (t1 t2 )
dt
4T
cos 2 f (t1 t2 )
cos 2 f (2t t1 t2 ) 2
dt
A2 sin 2 f (2t t1 t2 ) 2
2T lim
T
4T
4 f
sin 2 f (t t2 )
A2
t2 ) dt lim
T
4T
T
k
T
cos 2 f (t1 t 2 ) .
Se observ c funcia de autocorelaie temporal este egal cu funcia de autocorelaie

statistic i deoarece ambele depind numai de diferena dintre momentele de timp (s-a
artat c procesul este s.l. - vezi problema 1.2), putem scrie:
RX( k ) (t1 , t2 )
RX( k ) ( )
RX (t1 , t2 )
RX ( )
A2
cos 2 f
2
, unde
t1 t2 .
deci, procesul este ergodic i n funcia de autocorelaie.

n concluzie, p.a. este ergodic de ordinul 2, adic mediile statistice sunt egale cu mediile
temporale pn la ordinul 2.
1.12
Medii statistice, realizri particulare, ergodicitate. [] - Set 1, Pa, Ex 3

Fie p.a. Y (t ) a0 a1 X (t ) cos 2 f 0t
unde:
1. a0 , a1 , f 0 sunt parametri determiniti cunoscui;

2. X(t) este un p.a. ergodic, s.l., caracterizat de media 0 i funcia de autocorelaie
RX ( ) ;
3. este o v.a. uniform distribuit n intervalul [0,2] i independent de p.a. X(t).
a. Calculai media p.a. Y(t);
b. Calculai funcia de autocorelaie a p.a. Y(t);
c. Determinai dac procesul Y(t) este ergodic n medie.
Rezolvare
Media p.a. Y(t) se poate calcula pentru un moment de timp fixat t, astfel:
1,Y
(t ) Y (t )
a0
a1 X (t ) cos(2 f 0t
a0 cos(2 f 0t
) a1 X (t ) cos(2 f 0t
,
)
unde a0 i a1 sunt parametri determiniti. Deoarece p.a. X(t) este independent de i cum
media p.a. X(t) este zero avem:
1,Y
(t ) a0 cos(2 f0t
) a1 X (t ) cos(2 f0t
) a0 cos(2 f0t
).
Deoarece parametrul este distribuit uniform n intervalul [0,2], acesta are f.d.p.:
39

1
,
2
0,
p( )
[0, 2 ]
in rest
i cu ajutorul teoremei de medie, obinem:

2
1,Y
(t )
a0 cos(2 f t
a0
cos(2 f t
cos(2 f t
2
) p( )d
0
sin(2 f t
2
0.
0
a. Funcia de autocorelaie a p.a. Y(t) este:
RY (t1 , t2 ) Y (t1 )Y (t2 )
a0 a1 X (t1 ) cos(2 f 0t1
) a0 a1 X (t2 ) cos(2 f 0t2
a02 a0 a1 X (t1 ) a0 a1 X (t2 ) a12 X 2 (t2 ) cos(2 f 0t1
) cos(2 f 0t2
).
Deoarece v.a. este independent de p.a. X(t) avem:

RY (t1 , t2 )
a02 a0 a1
1, X
(t1 ) a0 a1
1, X
(t2 ) a12 RX (t1 , t2 ) cos(2 f 0t1
Din ipotez tim c p.a. X(t) este s.l., de medie zero

funcia de autocorelaie RX (t1 , t2 )
(t1 )
1, X
).
(t2 ) 0, t1 , t2 i
t1 t2 . n plus, dac folosim relaia
RX ( ),
cos a cos b
1, X
) cos(2 f 0t2
1
1
cos(a b)
cos(a b) ,
2
2
obinem:
RY (t1 , t2 )
1
cos 2 f 0 (t1 t2 ) 2
2
a02 a12 RX ( )
1
cos 2 f 0 (t1 t2 )
2
Dar
2
cos 2 f (t1 t2 ) 2
0
cos 2 f (t1 t2 ) 2
2
sin 2 f (t1 t2 ) 2
4
0,
0
i obinem:
1 2
a0
2
RY (t1 , t2 )
a12 RX ( ) cos 2 f 0 (t1 t2 ) ,
sau
RY ( )
1 2
a0
2
a12 RX ( ) cos(2 f 0 ), cu
t1 t2 , t1 , t2 .
Deci p.a. Y(t) este staionar n funcia de autocorelaie.

b. Proprietatea de ergodicitatea n medie nseamn c procesul are media statistic de ordin
1 egal cu media temporal de ordin 1:
m1,Y
Y (t )
lim
1
2T
y (t )dt
Y (t )
Deci va trebui s evalum media temporal a p.a. Y(t).

40
1,Y
0.

n cazul unui semnal modulat n amplitudine, o realizare particular y(t) a p.a. Y(t) poate
fi cea din Figura 1.12, unde semnalul sinusoidal x(t) ndeplinete condiiile din ipotez
pentru a fi o realizare particular a p.a. X(t).
y(t)
y(t)
anvelopa (a0+a1x(t))
a0+a1
a0
-a0
-a0-a1
anvelopa (-a0-a1x(t))
Figura 1.12 O realizare particular a p.a. Y(t) modulat n amplitudine.
Pentru ca transmisia s fie eficient, trebuie ca frecvena semnalului modulator x(t) s fie
mult mai mic dect frecvena f0 a semnalului purttor. Astfel, ntr-o perioad a
semnalului modulat y(t), a0+a1x(t) poate fi considerat constant, deci:
m1,Y
lim
1
2T
cos 2 f 0t
dt
0,
unde s-a presupus a fi o constant determinist pe durata unei perioade a semnalului

y(t). Deoarece media statistic este egal cu media temporal, spunem c p.a. Y(t) este
ergodic n medie.
1.13
Proprietile funciei de autocorelaie. [VGS99] - Tema 6.10.

Care sunt proprietile unui p.a. ergodic care pot fi extrase din funcia sa de autocorelaie:
perioada, componenta continu, puterea, dispersia, proprietile de simetrie, faza.
Cum se poate proceda?
Rezolvare
Considerm cazul proceselor ergodice, pentru care mediile statistice sunt egale cu
mediile temporale.
Funcia de autocorelaie a unor semnale periodice e tot o funcie periodic. Dac p.a.
X (t ) este periodic, atunci orice realizare particular va fi periodic i va avea aceeai
perioad. Dac presupunem c semnalul nu conine semnale deterministe (periodice) i
facem ca diferena dintre dou momente de observare, t1 i t2, s tind la infinit, atunci
legatura ntre v.a. X (t1 ) i X (t2 ) , obinute prin eantionarea procesului la acele
momente de timp, devine din ce n ce mai slab pn la independen, adic X (t1 ) i
X (t2 ) devin independente. n plus, presupunem c sunt i identic distribuite i de medie
1. n aceste condiii, funcia de autocorelaie se poate scrie:
41

RX (t1 , t2 )
X (t1 ) X (t2 )
X (t1 ) X (t2 )
2
1
Notam
2
1
lim RX ( )
t1 t2
| |
adic limita cnd tinde la infinit din funcia de autocorelaie este ptratul componentei
continue.
Puterea este valoarea funciei de autocorelaie n zero, fiind egal i cu media ptratic:
RX (0)
X 2 (t )
X (t ) X (t )
Dispersia este dat de relaia:

2
X (t )
2
1
X (t )2 2 X (t )
2
1
X (t )2 2 1 X (t )
2
1
2
1
sau, innd cont de valorile medie i mediei ptratice:

2
RX (0) RX ( ) .
Proprietatea de simetrie poate fi observat dac scriem:

t t
RX ( )
X (t ) X (t
X (t
) X (t )
RX (
),
deci funcia de autocorelaie este o funcie par.
1.14
Medii temporale, f.d.p.. [VGS99] - Tema 6.6.

Se consider un p.a. ergodic X(t), distribuit normal i avnd funcia de autocorelaie
RX ( ) Ae
B , unde A, B i sunt constante (vezi Figura 1.15).
RX()
A+B
0
Figura 1.15 Funcia de autocorelaie RX() pentru p.a. ergodic X(t).
S se determine media, media ptratic, dispersia, puterea medie i f.d.p. p(x) a

semnalului.
Rezolvare
Deoarece p.a. X(t) este ergodic, mediile statistice sunt egale cu mediile temporale. Din
proprietile funciei de autocorelaie, avem:
1
m1
X (t )
m2
X 2 (t )
2
2
42
2
1
X (t )
X 2 (t )
A B B
lim R( )
RX (0)
A;
B;
A B;
Pm
A B.
RX (0)
Deoarece X(t) e distribuit normal, f.d.p. se poate scrie:
(x
1
exp
2
p ( x)
1
2
)2
nlocuind valorile pentru medie i dispersie, obinem:
1
exp
2 A
p ( x)
1.15
B )2
.
2A
(x
Medii temporale. [VGS99] - Tema 6.9.

Fie semnalul periodic, de perioad T = 7, definit de:
x(t )
1, t
0, 2
0, t
2, 6 .
2, t
6, 7
S se determine componenta continu, puterea medie, dispersia semnalului i funcia de

autocorelaie temporal.
Rezolvare
Deoarece semnalul este periodic, este suficient ca s calculm mediile temporale pentru o
singur perioad.
Valoarea medie temporal sau componenta continu a semnalului x(t) este:
T
m1
x(t )
1
x(t )dt
T0
Et x(t )
1
1
dt
2dt
70
76
T 7
2
7
2
7
0.
Puterea medie este egal cu media ptratic:

7
Pm
m2
x (t )
Et x (t )
1 2
x (t )dt
70
1
dt
70
1
4dt
76
2
7
4
7
6
.
7
n condiiile n care valoarea medie este 0, dispersia va fi egal cu media ptratic:

2
m2
6
.
7
Definind un semnal ajuttor y(t , ) x(t ) x(t ) , funcia de autocorelaie temporal a

semnalului x(t) se reduce la calculul mediei temporale a semnalului y(t,):
R( )
x(t ) x(t
y (t , )
m1, y .
Pentru semnalul particular x(t), y(t,) va fi calculat pentru fiecare interval de valori a lui
:
43
(0,1)
(1, 2)
(2,3)
(3,3.5]
y(t , )
y(t , )
y(t , )
1, t [0, 2
0, t [2
, 6)
m1, y
4, t [6, 7 )
2, t [7 , 7]
1, t [0, 2 )
0, t [2 , 6)
2, t [6, 7]
m1, y
0, t [0,6)
2, t [6,9 ]
m1, y
y(t , ) 0
m1, y
1
7
1
7
dt
4dt
6
7
dt
0
1
7
2dt
2dt
6
2dt
6
6
7
2
;
7
0.
Analog, se calculeaz i pentru domeniul de valori negative al lui , astfel nct funcia de
T T
autocorelaie poate fi scris pentru
,
3.5,3.5 :
2 2
0,
6
7
2
,
7
[ 3, 2)
[ 2, 1)
7
R( )
[ 3.5, 3)
6
7
,
6
7
[ 1, 0)
,
[0,1)
,
7
6 2
,
7 7
0,
[1, 2)
[2,3)
[3,3.5]
Deoarece funcia de autocorelaie este periodic, aceasta se poate extinde pe toat axa
valorilor reale i se poate reprezenta ca n Figura 1.16:
R( )
44
R(
iT ),
T T
, ,i
2 2

R()
1
-7
7
T =7
Figura 1.16 Funcia de autocorelaie pentru un semnalul periodic x(t), cu T = 7.
1.16
Medii temporale. [VGS99] - Tema 6.8.

Pentru semnalul periodic de perioad T = 2, determinat de:
A, t [0,1)
x(t )
0,
t [1, 2]
s se calculeze componenta continu, puterea medie i funcia de autocorelaie

temporal.
Rezolvare
Componenta continu a semnalului periodic este dat de media temporal de ordin 1,
calculat doar pe o perioad:
T
m1
1
x(t )dt
T0
x(t )
1
Adt
20
A
.
2
Puterea medie este:

T
Pm
1 2
x (t )dt
T0
x (t )
1 2
A dt
20
A2
.
2
Pentru calculul funciei de autocorelaie temporale, trebuie s inem cont de

T T
,
1,1 .
periodicitatea acesteia, intervalul care ne intereseaz fiind
2 2
[ 1, 0)
[0,1]
R( )
R( )
x(t ) x(t
x(t ) x(t
1
2
)
)
1
2
A2 dt
1
2
A dt
0
) A2
(1
2
(1
) A2
2
(1
R( )
) A2
,
2
(1 ) A2
,
2
[ 1, 0)
[0,1]
n Figura 1.17 este reprezentat funcia de autocorelaie temporal.
45

R()
A2
2
-3
-2
-1
T=2
Figura 1.17 Funcia de autocorelaie pentru un semnalul periodic x(t), cu T=2.
1.17
Funcia de autocorelaie. [Fr 2.6.]

Spunei de ce funciile:
f1 (t )
1,
0,
t T
altfel
i f 2 (t ) | t | e |t| ,
nu pot fi funcii de autocorelaie.

Rezolvare
Ambele funcii nu pot fi funcii de autocorelaie deoarece nu sunt maxime n origine.
Astfel:
- funcia f1 (t ) ia aceeai valoare pentru un interval de timp simetric fa de origine:
f1 ( T / 2) f1 (0) f1 (T / 4) 1 ;
- funcia f 2 (t ) ia n origine, t 0 , o valoare mai mic dect pentru t 1 :
f 2 (0) 0
f 2 (1) .
Funcia de autocorelaie. [Hay01] - Comm 1.5.

S se demonstreze urmtoarele proprieti ale funciei de autocorelaie RX ( ) a unui p.a.
X (t ) :
a. Dac X (t ) conine o component continu egal cu A, atunci RX ( ) va conine o
component constant egal cu A2;
b. Dac X (t ) conine o component sinusoidal, atunci RX ( ) va conine o component
sinusoidal de aceeai frecven.
1.18
Rezolvare
a. Fie p.a. X (t ) A B cos(2 f t ) , unde A, B, f sunt constante, iar t variaz. Funcia de
autocorelaie este dat de:
RX ( )
46
X (t ) X (t
A B cos(2 f t ) A B cos 2 f (t
A2
AB cos(2 f t ) cos 2 f (t
B 2 cos 2 f (t
) cos(2 f t )
A2
B 2 cos 2 f (t
) cos(2 f t )

Deci, RX ( ) conine un termen constant de valoare A2, indiferent de intervalul pe care se
calculeaz media funciilor cos(2 f t ) i cos 2 f (t
) .
b. Fie p.a. X (t ) A B cos(2 f t ) , unde A, B sunt constante, iar f este o v.a. distribuit
uniform n intervalul [0, fmax]. Funcia de autocorelaie va fi:
RX ( )
A2
B2 cos(2 f t ) cos 2 f (t
) .
Mediile statistice sunt:

f max
cos(2 f t )
cos(2 f t ) p( f ) df
cos(2 f t )
0
1
f max
sin(2 f t ) max
2 t
0
1
f max
df
1
sin(2 f max t ) sinc(2 f max t ).
2 f max t
f max
cos 2 f (t
cos 2 f (t
) p( f ) df
cos 2 f (t
f max
cos
t cos
sin 2 f (t
f max
2 (t
)
)
1
cos
2
1
cos
2
df
f max
sinc 2 f (t
) .
1
cos 2 t
2
1
sin 2 t
2
1
sin
2
Deci, funcia de autocorelaie conine o component sinusoidal.
1.19
Funcia de autocorelaie. [VGS99] - Ex 6.4.

Fie p.a. Z (t ) X (t ) Y (t ) , unde X (t ) i Y (t ) sunt dou p.a. staionare i independente.
a. S se calculeze funcia de autocorelaie a p.a. Z (t ) n funcie de funciile de autocorelaie
a celor dou p.a., tiind c cel puin unul dintre procesele X (t ) i Y (t ) are media nul.
b. Repetai punctul a. dac nici un proces nu are media nul?
Rezolvare
a. Funcia de autocorelaie cutat este:
RZ ( )
Z (t ) Z (t
X (t ) X (t
X (t ) Y (t ) X (t
) X (t )Y (t
) Y (t
) Y (t ) X (t
) Y (t )Y (t
).
Deoarece procesele X (t ) i Y (t ) sunt procese independente, putem scrie:

RZ ( )
RX ( ) X (t ) Y (t
) Y (t ) X (t
) RY ( )
Deoarece procesele X (t ) i Y (t ) sunt procese staionare, atunci:
RZ ( )
RX ( ) X (t ) Y (t ) Y (t ) X (t ) RY ( )
RX ( ) 2 X (t ) Y (t ) RY ( ).
Pentru c mcar unul din procese are media nul:

47
RX ( ) RY ( ) .
RZ ( )
b. Pentru a deduce o relaie general, care s fie valabil i pentru medii nenule, trebuie s
inem seama de o proprietate a funciei de autocorelaie:
lim RX ( )
X (t ) ,
astfel:
RZ ( )
1.20
RX ( ) RY ( ) 2 RX ( ) RY ( ) .
Funcia de autocorelaie. [MSG83] - Murg 3.4.

S se stabileasc dac funciile reprezentate n graficele de mai jos, pot fi funcii de
autocorelaie ale unui proces aleator.
f1()
f2()
f3()
f4()
f5()
f6()
Figura 1.18 6 funcii de timp care pot fi sau nu funcii de autocorelaie.
Rezolvare
Funciile f1(), f2(), f3() i f4() nu pot fi funcii de autocorelaie, pentru c:
1. f1() i f3() nu sunt funcii pare;
2. f2() nu are valoarea maxim n origine;
3. valoarea din origine a lui f4() nu reprezint un maxim absolut.
Funciile f5() i f6() pot fi funcii de autocorelaie, pentru c sunt funcii pare, au
maximul n origine.
48
1.13 Probleme propuse

1.21
a.
b.
c.
d.
e.
1.22
Realizri particulare, valori medii, staionaritate. [] - set 1, Pa, Ex 4.

Fie p.a. dat de relaia X (t ) A r (t B) , unde:
1. A este o v.a. distribuit Gaussian, de medie zero i dispersie unitar, N (0,1) ;
2. B este o v.a. independent statistic de v.a. A, avnd f.d.p. p(b) e bu(b)
(exponeniala unilateral);
3. r (t ) este un impuls dreptunghiular de durat T, avnd originea t=0.
Desenai cteva realizri particulare ale procesului aleator;
Desenai cteva funcii care nu pot fi realizri particulare ale procesului;
Evaluai media, media ptratic i dispersia procesului;
Calculai funcia de autocorelaie statistic a procesului;
Procesul este s.s.l?
Staionaritate, ergodicitate. [Hay01] - Comm 1.2.
Se consider procesul sinusoidal:
X (t )
A cos(2 f t
),
unde frecvena f i faza sunt constante iar amplitudinea A este o v.a. uniform
distribuit n intervalul [0,1] V.
a. S se determine dac procesul este s.l.;
b. S se verifice ergodicitatea procesului X(t).
1.23
49
1.24
F.d.p., staionaritate, ergodicitate. [Hay01] - Comm 1.3.

Un p.a. X(t) este definit prin
A cos(2 f t ) ,
X (t )
unde A este o v.a. cu distribuie Gaussian de medie zero i dispersie 2A iar f este
constant. Acest p.a. este aplicat la intrarea unui integrator ideal, producnd ieirea:
t
X( )d .
Y (t )
0
a. S se determine f.d.p. a p.a. Y(t) pentru un moment de timp fixat, tk;

b. P.a. Y(t) este staionar?
c. Dar ergodic?
Valori medii statistice, convertor digital analog. [SW94] Stark 8.1.
Fie X [n] o s.a. staionar, avnd media 1, X i funcia de autocorelaie RX [m] . Dac s.a.
X [n] este aplicat la intrarea unui convertor digital analogic, atunci la ieire se obine un
proces continuu n timp, modelat ca un p.a. Y (t ) astfel:
Y (t ) X [n],
t [n, n 1) i n 0 .
c. Determinai media p.a. Y (t ) funcie de media 1, X ;
1.25
d. Determinai funcia de autocorelaie a p.a. Y (t ) funcie de RX [m] ;
1.26
F.d.p., medii statistice, medii temporale, staionaritate, ergodicitate. [Hay01] Comm 1.6.
Fie p.a. X(t) reprezentat de forma de und dretunghiular din Figura 1.19, de amplitudine
constanta A, perioad T i defazaj td.
Defazajul este aleator, dat de f.d.p.:
p(td )
1
,
T
0,
1
T td
2
altfel
1
T
2 .
x(t)
A
t
td
Figura 1.19 Semnal aleator dreptunghiular de parametrii determiniti A, T i v.a. td.
50

a.
b.
c.
d.
S se determine f.d.p. a v.a. X(tk) obinut prin observarea p.a. X(t) la momentul tk;
S se determine mediile statistice ale p.a. X(t);
S se determine mediile temporale ale p.a. X(t);
P.a. X(t) este staionar? De ce ordin? Dar ergodic?
1.27
Staionaritate. [Mur98] Murg98 11-8

Fie dou v.a. necorelate X i Y, de medie zero.
S se arate c p.a. definit de relaia:
Z (t ) Xe j 2 f1 Ye j 2 f2 ,
unde f1, f2 , f1 f2 sunt doi parametri cunoscui, este un proces staionar n sens larg.
1.28
Puterea medie. [Hay01] - Comm 1.8.

Un p.a. Y (t ) const dintr-o component continu de 3 2 voli, o component periodic
g (t ) i o component aleatoare X (t ) . Funcia de autocorelaie a lui Y (t ) este:
RY ( ) [V 2 ]
5T
4T
3T
2T
2T
3T
4T
5T
Figura 1.20 Funcia de autocorelaie a unui p.a. Y(t).
a. Care este puterea medie a componentei periodice g (t ) ?

b. Care este puterea medie a componentei aleatoare X (t ) ?
1.29
Proprietile funciei de autocorelaie. [VGS99] Tema 7.9

S se arate c funcia de autocorelaie a unui p.a. staionar verific relaia:
1
R(0) R( )
R(0) R(2 n ) .
n
4
Indicaie:
Folosii inegalitatea trigonometric: 1 cos
2sin 2
2sin 2 cos 2
2
2
1
(1 cos 2 ) .
4
Funcia de autocorelaie, staionaritate. [RS78] - Article 8.1. Ex 3.

Fie secvena aleatoare:
X [n] A cos(2 f n ) ,
unde A, f i sunt posibile v.a.
a. Determinai funcia de autocorelaie a secvenei X[n] cnd A i f sunt constante, iar este
o v.a. uniform distribuit n intervalul [0,2]. Discutai staionaritatea semnalului?
1.30
51

b. Determinai funcia de autocorelaie a secvenei X[n] cnd f, sunt constante i A este o
v.a. Este acest proces staionar?
Rspuns:
A2
cos(2 f k ) ;
a. RX [k ]
2
1
cos(2 f k ) cos 2 f (2n k ) 2
2
este calculat din distribuia v.a. A.
b. RX [k ] E x[n] x[n k ]
unde E A2
1.31
E A2 ,
Medii statistice, staionaritate. [MSG83] - Murg 3.6.

S se repete cerinele din problema 1.13 pentru un semnal aleator telegrafic, codat
bipolar (simbolul 0 este codat prin nivelul de tensiune -A V i simbolul 1 este codat prin
nivelul de tensiune +A V). Celelalte ipoteze ale problemei rmn neschimbate.
Observaie: Problema este rezolvat n [MSG83], pag. 109.
1.32
Realizri particulare, f.m.p., medii statistice. [Lud03] - Ldmn 4.2.

Pe baza unui experiment cu patru realizri particulare 1 , 2 , 3 , 4 i cu probabilitile de
apariie ale realizrilor P( 1 ) 1/ 4 , P( 2 ) 1/ 3 , P( 3 ) 1/ 6 i P( 4 ) 1/ 4 , se
definete un p.a. X (t ) X (t , i ) cu ajutorul relaiilor:
X (t , 1 )
x1 (t ) 2cos(2 t ) ,
X (t , 3 )
x3 (t ) t ,
X (t ,
x2 (t ) sin(2 t ) ,
X (t ,
x4 (t ) e t .
a. Evaluai valoarea la momentul de timp t=2 a realizrii particulare 4 a p.a. X(t);

b. Reprezentai grafic cteva realizri particulare ale p.a. X(t), specificnd numrul maxim
de realizri posibile ale procesului;
c. Care este f.m.p. p(x) a p.a. X(t) pentru momentul de timp t=1;
d. Calculai media statistic 1, X (t ) a p.a. X(t); p.a. este staionar n medie?
e. Calculai funcia de autocorelaie RX (t1 , t2 ) a p.a. X(t), pentru dou momente diferite de
timp t1 i t2; p.a. este staionar n funcia de autocorelaie?
f. Gsii f.m.p. p( x1 , x2 ) de ordinul 2 a p.a. X(t) pentru dou momente de timp t1 0 i
t2 0.5 .
1.33
Realizri particulare, f.m.p., medii statistice, staionaritate. [Lud03] - Ldmn 4.4.

Definim un p.a. X(t) astfel:
X (t )
Ai , iT
(i 1)T , pentru i (
unde v.a. Ai sunt i.i.d. cu f.m.p. dat de:

p(ai )
1
1
1
(ai 1)
(ai )
(ai 1) .
4
2
4
a. Desenai cteva realizri ale procesului X(t);

b. Determinai f.m.p. p(x) de ordinul 1 a procesului;
52
),

Calculai valoarea medie 1, X (t ) ; aceast valoare este o realizare particular a p.a. X(t)?
Procesul X(t) este staionar de ordinul 1? Explicai;
Gsii f.m.p. p(x1,x2) de ordinul 2 a procesului X(t);
Determinai funcia de autocorelaie RX (t1 , t2 ) a p.a. X(t), pentru dou momente diferite
de timp t1 i t2;
g. P.a. X(t) este staionar n funcia de autocorelaie? Dar staionar n sens larg? Explicai.
c.
d.
e.
f.
1.34
Realizri particulare, medii statistice, staionaritate. [Lud03] - Ldmn 4.7.

Semnalizarea On-Off este o metod de transmitere a datelor binare. Astfel, pentru fiecare
interval de bit Tb se transmite un semnal determinist s(t) dac informaia binar este 1 i
nu se transmite nici un semnal dac informaia binar este 0.
Presupunnd c informaia binar aleatoare este reprezentat prin v.a. Ai, cu f.m.p. dat
de:
p (ai )
1
1
(ai 1)
(ai ) ,
2
2
i c Ai sunt v.a. independente oricare ar fi i, definim p.a. X(t) ca fiind:

X (t )
Ai s (t iTb ) .
i
a. Desenai cteva realizri particulare ale p.a. X(t);

b. Determinai media 1, X (t ) a procesului X(t);
c. Calculai funcia de autocorelaie RX (t1 , t2 ) ;
d. Procesul este s.l.? Dac procesul nu este staionar, cum putem schimba enunul
problemei pentru a-l face staionar?
1.35
53
Suma a n v.a.
Valoarea medie
54

Legea numerelor mari
Varianta
55
Teorema limita centrala
56
57

Capitolul 1 Depi

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Capitolul 1 Depi

Încărcat de

Drepturi de autor:

Formate disponibile

Capitolul 1.

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

Definirea proceselor aleatoare

X i este o variabil aleatoare de

Procesul aleator poate fi definit de:

secvena de v.a.2 X (ti , ) , definite la momente de observare, ti , poate defini p.a.:

Vom prescurta expresia proces aleator prin p.a..

Capitolul 1. Procese aleatoare

1.2 Clasificarea proceselor aleatoare

Dup alfabetul X i al v.a. X i , obinut prin observarea procesului la momentul ti , avem:

Tabel 1.1 Clasificarea proceselor aleatoare.

Vom prescurta expresia serie aleatoare prin s.a..

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

poate s existe sau nu o dependen statistic. (Cap 2)

1.3 Caracterizarea statistic a proceselor aleatoare

este statistic specificat de

i de funcia densitate de probabilitate (f.d.p.) n-dimensional pentru un p.a.c. sau s.a.c.,

Capitolul 1. Procese aleatoare

probabilitile elementare ale realizrilor particulare ale v.a..

Operatorul de mediere statistic este un operator linear:

Valoarea ptratic medie (momentul de ordinul 2) a v.a. X i :

Dispersia sau variana (momentul centrat de ordinul 2) v.a. X i :

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

pentru p.a. discret:

Coeficientul de corelaie (funcia de autocovarian normalizat):

Extinznd intervalul de timp dintre v.a. din secvena

Extinznd intervalul de timp dintre momentele de observare t1 , t2

X i , X j , rezultate prin observarea

Capitolul 1. Procese aleatoare

Caracterizarea procesului aleator n termenii distribuiei de ordinul n

.Legea de distribuie a unei v.a.

din secvena ce descrie irul este aceeai indiferent de momentul de timp.

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

poate s existe sau nu o dependen statistic. (Cap 2)

Secvene aleatoare i.i.d.

1.4 Caracterizarea statistic a seriilor aleatoare

T 1 , momentele discrete de timp la care se face observarea procesului fiind ni

Capitolul 1. Procese aleatoare

X (ni ) X (iT ) X i . Dac v.a. X i , i 1, 2, , au acelai alfabet i aceeai distribuie

Valoarea ptratic medie (momentul de ordinul 2) a v.a. X i :

Dispersia sau variana (momentul centrat de ordinul 2) v.a. X i :

Caracterizarea seriei aleatoare n termenii distribuiei de ordinul 2

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

Matricea de autocovarian a s.a. X[n]:

Caracterizarea seriei aleatoare n termenii distribuiei de ordinul n

1.5 Valori medii statistice pentru perechi de procese (serii)

Funciile de corelaie mutual a celor dou p.a. X (t ) i Y (t ) , observate la momentele de

Extinznd momentele de timp de observare, corelaiile celor dou p.a. X (t ) i Y (t ) pot fi

RXY (t2 , t1 ) RXY (t2 , t2 )

RXY (tn , t1 ) RXY (tn , t2 )

Capitolul 1. Procese aleatoare

Matricea de covarian asociat perechii de p.a. X (t ) i Y (t ) este:

Analog, se definesc matricea de corelaie mutual i matricea de covarian pentru dou

RXX [n2 , n1 ] RXX [n2 , n2 ]

RXY [nn , n1 ] RXY [nn , n2 ]

Teoria Transmisiunii Informaiei 2: Semnale aleatoare

1.6 Staionaritate n sens larg i n sens strict

p( x1, x2 ,..., xn ; t1 tl , t2 tl ,..., tn tl )

p( x1, x2 ,..., xn ; t1, t2 ,..., tn )

1.7 Valori medii statistice pentru procese staionare n sens

Capitolul 1. Procese aleatoare

Dispersia este constant, oricare ar fi momentul de observare:

matricile de corelaie i de covarian, ce caracterizeaz procesul, putnd fi scrise: