Documente Academic
Documente Profesional
Documente Cultură
Semnale Aleatoare 2009
Semnale Aleatoare 2009
1
-un rezultat posibil-EVENIMENT ELEMENTAR.
O submultime a lui compusa din cateva
evenimente elementare -EVENIMENT.
Fie evenimentul: A={1, 2, 3}. Spunem ca
acest eveniment a aparut daca in urma
efectuarii experimentului aleator s-a obtinut
unul dintre rezultatele 1, 2, sau 3.
-EVENIMENTUL SIGUR
-EVENIMENTUL IMPOSIBIL
2
Exemplu. Zarul.
Evenimentul sigur: {1,2,3,4,5,6}.
Evenimentul imposibil: {7}.
Aceste doua evenimente sunt incompatibile.
{A1={1}, A2={2}, A3={3}, A4={4}, A5={5}, A6={6} }-
Definitia probabilitatii
O functie definita pe (,) cu valori in [0, 1],
notata cu P, avand urmatoarele proprietati:
P()=0,
P()=1,
Daca evenimentele Ai sunt incompatibile 2
cate 2 atunci:
n
n
P Ai = P( Ai )
i = 1 i =1
3
Spatiul (,) asociat cu probabilitatea P
reprezinta un spatiu PROBABILIZAT
(,,P).
Cateva reguli pentru calculul probabilitatilor.
P ( A B ) = P ( A) + P (B ) P ( A B )
unde ultimul termen din membrul drept
reprezinta probabilitatea comuna a celor
doua evenimente.
4
Regula lui Bayes
P( A B )
P( A / B ) =
P (B )
Daca: P( A B ) = P( A) P(B )
atunci evenimentele A si B se numesc
INDEPENDENTE si regula lui Bayes
devine: P(A/B)=P(A).
Variabile aleatoare
O VARIABILA ALEATOARE REALA este o functie
definita pe un spatiu probabilizat cu valori intr-o
multime de numere reale.
Daca multimea valorilor este finita sau numarabila
atunci variabila aleatoare reala se numeste
DISCRETA.
Varaibila aleatoare X pune in corespondenta
evenimentul Ai (care apare cu probabilitatea P(Ai))
cu valoarea xi.
Deci, valoarea xi apare cu probabilitatea P(Ai)=Pi.
5
Asocierea valorii xi evenimentului Ai
6
Evenimentul X x apare daca:
X x1 sau x1 < X x2 sau,..., sau xm 2 < X xm 1.
In consecinta: FX (x ) = P( X = xk )(x xk ).
k
xk x
P( X b ) = P( X a ) + P(a < X b )
P(a < X b ) = P( X b ) P( X a )
P(a < X b ) = FX (b ) FX (a ) ;
a < b Fx (a ) < Fx (b ).
7
Densitatea de probabilitate a unei
variabile aleatoare
Densitatea de probabilitate a unei variabile
aleatoare reprezinta derivata I a functiei sale de
repartitie.
p X (x ) = (FX (x ))
d
dx
Daca variabila aleatoare este discreta atunci:
p X ( x ) = P( X = xk ) (x xk ).
k
xk x
8
Cazul variabilelor aleatoare
continue
Multimea valorilor unei variabile aleatoare continue
nu este numarabila, ea poate fi de exemplu un
interval de numere reale. Evenimentului Ai i se
asociaza intervalul Ii.
P( X = xi I i ) = 0. P( X I i ) = P( Ai ).
Functia de repartitie a unei variabile aleatoare
continue este continua.
1
, a< x<b
p X (x ) = b a
0, in rest
x a
, a xb
x b a
FX ( x ) = p X (u )du = 0, x<a
1, x>b
9
Cazul variabilelor aleatoare mixte
10
Cazul variabilelor aleatoare bi-
dimensionale
O variabila aleatoare bi-dimensionala este un
cuplu de variabile aleatoare unidimensionale,
(X,Y).
FUNCTIA DE REPARTITIE COMUNA
FX ,Y ( x, y ) = P( X x, Y y )
DENSITATEA DE PROBABILITATE COMUNA
2 FX ,Y ( x, y )
p X ,Y ( x, y ) =
xy
DENSITATILE DE PROBABILITATE
MARGINALE
X si Y sunt variabile aleatoare continue X si Y sunt variabile aleatoare discrete
p X ( xi ) = P ( X = xi , Y = yk );
pX ( x ) = p ( x, y )dy
X ,Y k
pY ( yi ) = P ( X = xk , Y = yi ).
pY ( y ) = p ( x, y )dx
X ,Y
k
11
Un Exemplu
Caracterizarea numerica a
variabilelor aleatoare
MOMENTUL DE ORDINUL k al variabilei
aleatoare discrete X este definit de:
[ ]
M X k = xik P( X = xi )
i
12
Momentul centrat de ordinul doi se numeste
VARIANTA.
[ ]
2X = M X 2 = ( xi m X ) P( X = xi )
i
2
X abatere standard.
In cazul variabilelor aleatoare continue:
[ ]
[ ]
M X k = x k p X ( x )dx ; M X k = ( x m X )k p X ( x )dx
[ ]
m X = M [ X ] = xp X ( x )dx ; 2X = M X 2 = ( x m X ) p X ( x )dx
( x mX )( y mY ) pX ,Y ( x, y ) dxdy C XY = ( xi mx ) ( y j my ) P ( X = xi , Y = y j )
C XY = M XY =
i j
13
R XY = C XY + m X mY
COEFICIENTUL DE CORELATIE
C XY
XY = + m X mY ; XY 1
X Y
Daca XY=0 atunci variabilele aleatoare X si
Y sunt necorelate.
Functii aleatoare
Variabile aleatoare Functii aleatoare
Semnale aleatoare
Transformarea functionala a unei variabile
aleatoare
Y = f ( X ) ; p X ( x ) pY ( y ) ?
14
Transformarea functionala a
unei variabile aleatoare
continue
Dar:
Deci:
Un exemplu
Fie X o variabila aleatoare uniform distribuita in intervalul
[-,] si f(x)=Asinx. Aceasta functie are doua intervale de monotonie, ea
este crescatoare pe [-/2, /2] si descrescatoare in rest.
p X (x1 ) p X (x2 ) 2
pY ( y ) = + =
dy dy 2 A 2 y 2
dx1 dx2
y
FY ( y ) = pY (u )du =
0, y < A
y
du
= , A y< A
A A 2 u 2
A du
, yA
A A 2 u 2
15
Functia caracteristica a unei
variabile aleatoare
Se noteaza cu si reprezinta media variabilei
aleatoare unde:
16
Functia caracteristica a unei variabile
aleatoare se foloseste la calculul momentelor
sale.
17
Suma a doua variabile aleatoare
Dar:
si:
18
Daca X si Y sunt necorelate:
19
Un semnal aleator obtinut
prin achizitionarea
zgomotului termic de la n
rezistoare avand aceasi
rezistenta.
- variabila aleatoare,
- semnal, zgomotul
termic al primului rezistor,
prima realizare a
semnalului aleator,
- numar.
Caracterizarea statistica a
semnalelor aleatoare
Functia de repartitie de ordinul I a
semnalului aleator :
20
Media semnalului aleator :
21
Momentul de ordinul 1 al variabilei aleatoare
bidimensionale reprezinta corelatia statistica
a semnalului aleator ,
22
Caracterizarea temporala a
semnalelor aleatoare
Semnalul reprezinta cea de a k-a
realizare a semnalului aleator. Media sa
temporala este data de:
23
Semnale aleatoare stationare
Un semnal aleator este strict stationar daca
toate caracteristicile sale statistice sunt
invariante in timp. De exemplu densitatea
sa de probabilitate de ordinul n are
proprietatea:
24
Caracteristicile statistice de ordinul doi nu
mai sunt funcii de doua momente t1 si t2,
ele sunt functie doar de diferenta =t1-t2.
25
Daca semnalul aleator ergodic este si
stationar atunci:
si
Deci analiza statistica a unui semnal aleator
ergodic si stationar poate fi realizata in
domeniul timp folosind oricare dintre
realizarile sale.
26
Media statistica a variabilei aleatoare X0 este
nula deoarece densitatea sa de probabilitate
este functie para.
Media temporala:
Deci:
27
Varianta variabilei aleatoare este:
28
Deoarece media statistica si corelatia statistica
sunt invariante in timp rezulta ca semnalul
considerat este stationar in sens larg.
Autocorelatia temporala:
Deci: si
Deoarece mediile si corelatiile temporale
nu depind de realizare semnalul aleator
considerat este si ergodic in sens larg.
Puterea sa este egala cu:
29
Analiza spectrala a semnalelor
aleatoare
Se considera semnalul aleator cu
realizarile Acestea nu sunt semnale de
energie finita deoarece durata lor este
infinita. Se considera restrictiile lor la
intervalul . Deoarece aceste restrictii au
energii finite le putem calcula transformatele
Fourier precum i
puterile.
Se noteaza cu densitatile
spectrale de putere ale fiecarei realizari. Ele
reprezinta valorile unei variabile aleatoare.
Pentru a defini densitatea spectrala de putere
a semnalului aleator trebuie sa calculam
media acestei variabile aleatoare. Densitatea
spectrala de putere a semnalului aleator
considerat este exprimata prin:
30
Se calculeaza limita cand T tinde la infinit
pentru a reveni la semnalul aleator original ale
carui realizari pot fi de durata infinita.
Teorema Wiener-Hincin
Densitatea spectrala de putere si corelatia
statistica ale unui semnal aleator formeaza
o pereche Fourier:
31
Zgomotul alb
Densitatea spectrala de putere a zgomotului
alb este constanta. Denumirea acestui
semnal aleator vine de la asocierea cu
lumina alba care contine componente
spectrale cu toate lungimile de unda.
32
Densitatea de probabilitate a unui
zgomot alb Gaussian
(x X )2
1
p X (x ) = e 2 2X
2 X
33
Zgomotul alb in timp discret
Este obtinut prin esantionarea uniforma a
zgomotului alb in timp continuu.
Esantioanele sale sunt ne-corelate.
Zgomotul roz
Densitatea sa spectrala de putere scade cu
10 dB/dec.
Densitatea spectrala de putere a zgomotului roz
130
120
Densitatea spectrala de putere (W/Hz)
110
100
90
80
70
60
50
0 1 2 3 4 5 6 7
Log(frecventa)
34
Raspunsul sistemelor liniare si
invariante in timp la semnale
aleatoare stationare
Un exemplu
Se calculeaza raspunsul unui sistem liniar si
invariant in timp la un zgomot alb in timp
continuu.
35
Desi puterea semnalului de intrare este infinita
puterea semnalului de iesire este finita.
36