Sunteți pe pagina 1din 4

Funcţii de o variabilă aleatoare

Constantin VERTAN

După cum s-a arătat, orice variabilă aleatoare este o funcţie, ξ : Ω −→ R; Acestă formulă (3) este deci valabilă doar ı̂n cazul ı̂n care funcţia g este
acestă funcţie se poate compune cu orice funcţie reală de argument real (g : bijectivă pe ı̂ntreg domeniul său de definiţie, sau, reformulat, dacă ecuaţia
R −→ R), rezultând o altă variabilă aleatoare, notată de exemplu η, care y = g(x), cu necunoscuta x şi parametrul y, are o unică soluţie. Dacă funcţia
este: g nu este bijectivă, domeniul său de definiţie trebuie descompus ı̂n intervale de
η = g ◦ ξ = g(ξ), η : Ω −→ R. bijectivitate. Pe fiecare asemenea interval ecuaţia y = g(x), cu necunoscuta x
şi parametrul y, va avea o unică soluţie (să o numim xk ). În acest caz formula
Problema de interes este caracterizarea noii variabile aleatoare η (deci a (3) se transformă ı̂n:
funcţiei de densitate de probabilitate a variabilei η) ı̂n funcţie de variabila
aleatoare ξ, ale cărei proprietăţi (şi ı̂n particular funcţie de densitate de prob- X 1
fη (y) = fξ (xk ) 0 . (4)
abilitate) se presupun cunoscute. |g (xk )|

k g(xk )=y
Fie o valoare oarecare x (fixată). Probabilitatea ca valoarea unei realizări
particulare a variabilei aleatoare ξ să fie egală cu x este egală cu probabil- Condiţia esenţială este ca numărul de intervale să fie finit sau cel mult
itatea ca valoarea respectivei realizări particulare a variabilei aleatoare ξ să numărabil.
fie cuprinsă ı̂n intervalul infinitezimal mic [x, x + dx] (dx −→ 0). Acesta este Pentru perechea de variabile aleatoare ξ şi η se verifică teorema de medie:
ı̂nsă: Z ∞ Z ∞ Z ∞
η= yfη (y)dy = yfξ (x)dx = g(x)fξ (x)dx. (5)
Z x+dx −∞ −∞ −∞
Prob{ξ ∈ [x; x + dx]} = Fξ (x + dx) − Fξ (x) = fξ (t)dt = fξ (x) |dx| . (1)
aleatoare distribuită uniform ı̂n intervalul − π2 , π2

x Ex. 1 Fie ξ o variabilă
şi fie funcţia g : − π2 , π2 −→ (−1; 1), cu g(x) = sin(x). Variabila aleatoare η

Dacă funcţia g este bijectivă, valorii x ı̂i corespunde ı̂n mod unic o valoare ˙ Să se determine funcţia de densitate de probabilitate
este dată de η = g(ξ ).
y = g(x). În mod analog deducerii lui (1), putem scrie că:
a variabilei aleatoare η.
Prob{η ∈ [y; y + dy]} = fη (y) |dy| . (2) În primul rând trebuie verificată bijectivitatea funcţiei g(x) pe intervalul
de definiţie, şi, dacă acesta nu este verificată, trebuie divizat acest interval
Dar, cum y se obţine ı̂n mod unic din x, rezultă că probabilităţile date de (1) ı̂n subintervale pe care funcţia este bijectivă. Bijectivitatea se poate studia
şi (2) sunt egale, şi deci: simplu, prin rezolvarea ecuaţiei y = g(x), cu x necunoscută şi y parametru.
În acest caz, ecuaţia y = sin(x) are o soluţie unică pentru x ∈ − π2 , π2 , şi


fξ (x) |dx| = fη (y) |dy| . anume x = arcsin(y). Deci g −1 (y) = arcsin(y), g −1 : (−1; 1) −→ − π2 , π2 .
Derivata funcţiei g(x) este g 0 (x) = cos(x).
Ceea ce ne interesează este fη (y), şi atunci putem scrie: Conform formulei de calcul a noii funcţii de densitate de probabilitate (3)
avem:
dx 1 1 fξ g −1 (y)

fη (y) = fξ (x) = fξ (x) 0

= fξ g −1 (y)

. (3) fξ (arcsin(y)) fξ (arcsin(y))
dy |g (x)| −1

|g 0 (g −1 (y))| fη (y) = 0 −1 = = p .
x=g (y) |g (g (y))| |cos(arcsin(y))| 1 − y2

1
Variabila aleatoare ξ este distribuită uniform ı̂n intervalul − π2 , π2 . Atunci

Dacă variabila aleatoare ξ este distribuită uniform (ı̂n intervalul [a; b] de
 1 exemplu), funcţia sa de densitate de probabilitate este:
x ∈ − π2 , π2 ,

π dacă
fξ (x) =  1
dacă x ∈ [a, b],
0 ı̂n rest fξ (x) = b−a
0 ı̂n rest
Atunci:
1
Atunci:
arcsin(y) ∈ − π2 , π2
 
1 π dacă y−β
fη (y) = 1
  
p
0 ı̂n rest 1 y−β 1 dacă ∈ [a, b]
1 − y2 fη (y) = fξ = b−a α .
( |α| α |α| 0 ı̂n rest
√1 dacă y ∈ (−1, 1)
= π 1−y 2 Se disting două cazuri, date de semnul lui α; cazul 1, α > 0:
0 ı̂n rest  1
α(b−a) dacă y ∈ [αa + β, αb + β]
Ex. 2 O variabilă aleatoare ξ este transformată printr-o funcţie liniară fη (y) = .
0 ı̂n rest
g(x) = αx + β (α 6= 0), obţinând variabila aleatoare η. Să se determine
funcţia de densitate de probabilitate, media şi varianţa lui η, ı̂n cazurile ı̂n cazul 2, α < 0:
care ξ ar fi distribuită normal, respectiv uniform.  1
− α(b−a) dacă y ∈ [αb + β, αa + β]
O funcţie liniară este bijectivă; ecuaţia y = g(x) cu necunoscuta x are fη (y) = .
0 ı̂n rest
soluţia x = y−β
α , şi deci g
−1
(y) = y−β 0
α . Derivata funcţiei liniare este g (x) =
α. În aceste condiţii, densitatea de probabilitate a variabilei aleatoare η este În ambele cazuri se remarcă că distribuţia este tot uniformă, şi, conform
dată de formula (3) şi este: celor demonstrate anterior, media este mijlocul intervalului ı̂n care variabila
  aleatoare ia valori, iar varianţa va fi 1/12 din pătratul lungimii intervalului:
y−β
−1 f
  
fξ g (y) ξ α 1 y−β a+b α2 (b − a)2
fη (y) = 0 −1 = = fξ . (6) η=α + β = αξ + β 0 si ση2 = = α2 σξ2 .
|g (g (y))| |α| |α| α 2 12
Dacă variabila aleatoare ξ este distribuită normal (cu media µ şi varianţa Aceasta ı̂nseamnă că distribuţia variabilei aleatoare obţinute prin trans-
σ 2 ) atunci: formarea liniară este tot uniformă, având media transformată prin aceeaşi
funcţie liniară şi varianţa de α2 ori mai mare.
(x − µ)2
 
2 1 Ex. 3 Se consideră variabila aleatoare ξ, uniform distribuită ı̂n intervalul
fξ (x) = N (µ, σ ) = √ exp − .
2πσ 2 2σ 2 [−c, c]. Să se determine densitatea de probabilitate şi funcţia de repartiţie a
variabilei aleatoare η = 1/ξ 2 .
Înlocuind ı̂n expresia (6) obţinem: Funcţia de transformare este g(x) = 1/x2 . Derivata este g 0 (x) = −2/x3 .
  2  Funcţia nu este ı̂nsă bijectivă pe ı̂ntreaga axă reală, ı̂n schimb este bijectivă
y−β
−µ  √
1 1 α pe intervalele (−∞, 0) şi (0, ∞). Soluţiile ecuaţiei y = g(x) sunt: x1 = 1/ y
fη (y) = √ exp −

= √
|α| 2πσ 2 2σ 2 şi x2 = −1/ y, pentru y > 0. Dacă y < 0 ecuaţia nu are soluţii şi fη (y) = 0.
Atunci putem aplica formula (4) pentru y > 0:
!
2 √
1 (y − (αµ + β))

= N αµ + β, (ασ)2 . X fξ (xk ) fξ (x1 ) fξ (x2 ) f (1/ y)

=√ exp fη (y) = = + = ξ
2πα2 σ 2 2πα2 σ 2 √ 3 +

|g 0 (xk )| |g 0 (x1 )| |g 0 (x2 )|

1/ y

k g(xk )=y −2/
Aceasta ı̂nseamnă că distribuţia variabilei aleatoare obţinute prin transfor- √
fξ (−1/ y) 1 −3 √ √
marea liniară este tot normală, având media transformată prin aceeaşi funcţie + √ 3 = 2 y (fξ (1/ y) + fξ (−1/ y)) .
2

liniară şi varianţa de α2 ori mai mare. −2/ −1/ y

2
Variabila aleatoare ξ este distribuită uniform; atunci: Funcţia de densitate de probabilitate căutată va fi derivata lui Fη (y), adică:
 1
dacă x ∈ [−c, c],

fξ (x) = 2c dFη (y) 0 dacă y<0
0 ı̂n rest. fη (y) = = 2 ,
dy 0.5δ(y) + N (0, σ )U (y) ı̂n rest
De aici rezultă că: unde U este funcţia treaptă unitate. Ceea ce se remarcă este că variabila
 1 √ aleatoare η are probabilitate concentrată ı̂n origine - adică probabilitatea de
√ 2c dacă y ∈ (−∞, −1/c] ∪ [1/c, ∞)
fξ (1/ y) = a obţine valoarea 0 este nenulă:
0 ı̂n rest
1
y ∈ [1/c2 , ∞),
 Z ε Z ε Z ε
2c dacă 1 1
= P {η = 0} = lim fη (y)dy = lim δ(y)dy + lim fξ (x)dx = .
0 ı̂n rest ε−→0 −ε 2 ε−→0 −ε ε−→0 0 2
 1 √
√ 2c dacă − y ∈ (−∞, −1/c] ∪ [1/c, ∞),
fξ (−1/ y) = Ex. 5 Să se determine funcţia de transformare a unei distribuţii uniforme
0 ı̂n rest
ı̂n intervalul [0; 1] ı̂ntr-o distribuţie Rayleigh.
1
y ∈ [1/c2 , ∞),

2c dacă Fie ξ variabila aleatoare distribuită uniform şi η variabila aleatoare dis-
=
0 ı̂n rest tribuită Rayleigh. Atunci:
Atunci: 
1 dacă x ∈ [0, 1]
1 − 32

2c y dacă y ∈ [1/c2 , ∞) fξ (x) =
0 ı̂n rest
,
fη (y) =
0 ı̂n rest (
y2
y − 2α
α2 e dacă y>0
2
Funcţia de repartiţie a variabilei aleatoare η este: fη (y) =
Z y 0 ı̂n rest
y < 1/c2

0 dacă
Fη (y) = fη (t)dt = 1 − 12
−∞ 1 − 2y dacă y ∈ [1/c2 , ∞). Suporturile celor două funcţii de densitate de probabilitate sunt [0, 1], re-
spectiv [0, ∞), şi atunci funcţia de transformare necunoscută trebuie să fie
Ex. 4 Un semnal aleator cu distribuţie normală N (0, σ 2 ), (de medie nulă g : [0, 1] −→ [0, ∞).
şi varianţă σ 2 ) se redresează cu o diodă ideală. Să se calculeze densitatea de Să presupunem că funcţia g căutată este bijectivă; atunci, conform (3)
probabilitate a semnalului redresat. avem:
Funcţia de transformare realizată de circuitul redresor monoalternanţă (o 1
fη (y) = fξ g −1 (y)

0 −1
.
diodă ideală) este:  |g (g (y))|
x dacă x > 0
g(x) = Inversa funcţiei de transformare există şi este g −1 : [0, ∞) −→ [0, 1]. Acesta
0 dacă x < 0 −1

ı̂nseamnă că fξ g (y) = 1 şi deci:
Funcţia g(x) nu este bijectivă; ı̂n cazul acestei funcţii nu se poate aplica 0 −1 
formula (4) deoarece muţimea soluţiilor ecuaţiei y = g(x) pentru x < 0 nu g g (y) = fη (y).
este numărabilă; mai precis {x ∈ R|g(x) = 0} = (−∞, 0]. Problema se va
Dar, deoarece g este bijectivă, atunci este strict monotonă. Impunând g(0) =
rezolva prin determinarea funcţiei de repartiţie Fη (y) = Prob{η 6 y}.
0, rezultă că funcţia nu poate fi decât crescătoare, şi atunci derivata sa este
Dacă y < 0, Fη (y) = Prob{η 6 y} = Prob{η < 0} = 0.
pozitivă.
Dacă y = 0, Fη (y) = Prob{η 6 0} = Prob{η = 0} = Prob{ξ 6 0} =
Fξ (0) = 0.5. 0
g −1 (y) = fη (y),
Dacă y > 0, Fη (y) = Prob{η 6 y} = Prob{ξ 6 x} = Fξ (x). În concluzie, Zy Zy
t − t22 y2
−1
e 2α dt = 1 − e− 2α2 = x.

Fξ (y) dacă y > 0, g (y) = fη (t)dt = 2
Fη (y) = α
0 ı̂n rest −∞ 0

3
De aici se evaluează y ı̂n funcţie de x şi atunci: a diodei cu vid provine de la un generator de tensiune ce trebuie testat
p (dispersia
√ tensiunii livrate nu trebuie să fie mai mare de 20 V ). Dacă
y = −2α2 ln(1 − x). A = 2/1000 mA/V 3/2 generatorul testat satisface criteriul de calitate ?
p Ex. 12 Funcţia (caracteristica) de transfer a unui redresor bialternanţă
Deci g(x) = −2α2 ln(1 − x). ideal este descrisă de funcţia g(x) = |x|. Să se calculeze funcţia de densitate
Ex. 6 Să se arate că dacă ξ este o variabilă aleatoare cu distribuţie de probabilitate, valoarea medie şi puterea medie a semnalului aleator ξ(t)
oarecare, funcţia ei de repartiţie o transformă ı̂ntr-o variabilă aleatoare η redresat, dacă ξ(t) este a) distribuit normal N (0, σ 2 ), b) distribuit uniform ı̂n
cu distribuţie uniformă ı̂n intervalul [0, 1]. [−1; 1] şi [0; 1].
Dacă densitatea de probabilitate a variabilei aleatoare ξ este fξ (x) atunci Ex. 13 Un limitator neliniar are funcţia (caracteristica) de transfer:
Rx
funcţia de repartiţie asociată este Fξ (x) = fξ (t)dt. Dacă aceasta este 
−∞  0 dacă x 6 0
şi funcţia de transformare a variabilei aleatoare, atunci g(x) = Fξ (x), cu y = g(x) = x dacă x ∈ (0, 1]
g : R −→ [0, 1]. Derivata funcţiei de transformare este: 
1 dacă x > 1.
dFξ (x) La intrarea circuitului se aplică un semnal cu densitatea de probabilitate
g 0 (x) = = fξ (x),
dx fX (x) = 12 e−2|x| + 12 δ(x). Să se determine distribuţia semnalului de ieşire.
iar |g 0 (x)| = |fξ (x)| = fξ (x) (pentru că funcţia de densitate de probabilitate
este pozitivă). Atunci, conform (3) avem: Bibliografie

1 1 [1] Dicţionarul Explicativ al Limbii Romne, Ed. Univers Enciclopedic, Bu-
fη (y) = fξ (x) 0 = fξ (x) = 1 pentru y ∈ [0; 1].
|g (x)| −1 fξ (x)

−1
cureşti, 1996.
x=g (y) x=Fξ (y)

[2] Al. Spătaru: Teoria Transmisiunii Informaţiei, Ed. Didactică şi Peda-
Acesta este ı̂ntr-adevăr o distribuţie uniformă ı̂n intervalul [0, 1]. gogică, Bucureşti, 1983.
Ex. 7 Puterea disipată ı̂ntr-o rezistenţă R = 1kΩ este modelată ca
o variabilă aleatoare, cu distribuţie uniformă ı̂n intervalul [Pmin , Pmax ] = [3] A. T. Murgan, I. Spânu, I. Gavăt, I. Sztojanov, V. E. Neagoe, A.
[1W, 10W ]. Care este distribuţia curentului prin rezistenţă ? Vlad: Teoria Transmisiunii Informaţiei - probleme, Ed. Didactică şi Ped-
Ex. 8 La bornele unui generator de curent se conectează o rezistenţă agogică, Bucureşti, 1983.
constantă R. Curentul generat este considerat o variabilă aleatoare, distribuită
uniform ı̂n intervalul [Imin , Imax ]. Să se calculeze puterea medie disipată ı̂n [4] C. Vertan, I. Gavăt, R. Stoian: Variabile şi procese aleatoare: principii
rezistenţă şi distribuţia puterii disipate. şi aplicaţii, Ed. Printech, Bucureşti, 1999.
Ex. 9 Să se demonstreze (folosind teorema mediei (5)) că pentru o funcţie
de transformare liniară (g(x) = αx + β) varianţa variabilei aleatoare trans-
formate este de α2 mai mare ca varianţa variabilei aleatoare iniţiale, iar me-
dia variabilei aleatoare transformate este media variabilei aleatoare iniţiale
trasnformate prin funcţia liniară g(x).
Ex. 10 Să se calculeze informaţia medie ce rezultă ı̂n urma realizării unui
eveniment, a cărui probabilitate este distribuită după legea 1/x ı̂n intervalul
[α, 1] ?
Ex. 11 Măsurând curentul anodic al unei √ diode cu vid, se constată
că acesta are o distribuţie liniară ı̂ntre 0 şi 2 mA. Tensiunea anodică

S-ar putea să vă placă și