TTI 2, seria III C, Seminar 1 – V.a.

, 3 – 16 oct 2005 1

Seminar 1. Variabile aleatoare

I. Breviar teoretic

Definiţii

O variabilă aleatoare (v.a.) X este o funcţie ce asociază o valoare reală x realizării unui
eveniment  dintr-o mulţime posibilă de evenimente. Spaţiul tuturor evenimentelor
(eşantioanelor) este notat cu  = {}, iar dimensiunea acestuia este cardinalitatea lui ,
notată  .

 O v.a. discretă X ia valori într-o mulţime numărabilă de valori reale X  {x1 , x2 , , x|X | }
a.î. P  X  xk   pk  0, k pentru care este îndeplinită condiţia de normare  k
pk  1 .
Funcţia de masă a probabilităţilor (f.m.p.) este:
p( x)  P( X  x)   k pk ( x  xk ) , unde ( x ) este funcţia impuls Dirac.
 O v.a. continuă X este caracterizată cu ajutorul funcţiei densitate de probabilitate

(f.d.p) p( x) , ce îndeplineşte condiţia de normare 
p( x)dx  1 . Cu ajutorul p( x) se

poate determina P  X  (a, b)    p ( x)dx  0 .

b

 Funcţia de repartiţie a v.a. X este F ( x)  P( X  x) . Aceasta are proprietăţile

0  F ( x)  1 , F ()  0 , F ()  1, x1  x2  F ( x1 )  F ( x2 ) .
d
 Pentru v.a. continue f.d.p. p( x) se poate calcula ca p( x)  F ( x) . Pentru v.a. discrete
dx
derivata se calculează pe fiecare interval de continuitate.

 Considerăm 2 v.a. X şi Y. Funcţia de repartiţie reunită este F ( x, y)  P( X  x,Y  y)

 2 F ( x, y )
şi f.d.p. reunită va fi dată de p( x, y )  , îndeplinind condiţia de normare:
xy
 
 
 
p( x, y )dxdy  1.
 În raport cu p( x, y) f.d.p. p( x) şi p( y) se numesc densităţi marginale. F.d.p.
 
marginale se pot calcula prin: p( x)   p( x, y )dy, p( y )   p( x, y )dx .
 

 Pentru v.a. continue, cunoscând f.d.p. reunită şi f.d.p. marginale, definim f.d.p.
p ( x, y ) p ( x, y )
condiţionate p( y | x) şi p( x | y) prin: p( y | x)  , p( x | y )  .
p ( x) p( y )

Medii statistice


 Momentul de ordinul 1 (media statistică) al v.a. X:  X  E  X   X   xp ( x)dx .

 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 2

 Momentul centrat de ordinul 2 (varianţa sau dispersia) al v.a. X:

2X  E  X  E  X     X  X     x  X  p( x)dx .
2 2  2

  

Deviaţia standard (σ) reprezintă rădăcina de ordinul doi a varianţei.

 Pentru o pereche de v.a. ( X , Y ) corelaţia se defineşte ca fiind momentul reunit de
ordinul 1:
 
RXY  E  XY   XY    xy p ( x, y ) dxdy .
 

 Covarianţa celor două v.a. X şi Y este momentul reunit centrat sau corelaţia v.a.
centrate:
K XY  E  X  E  X  Y  E Y     X  X Y  Y   
 

   ( x  X )( y  Y ) p ( x, y ) dxdy .
 Valoarea normalizată a covarianţei în raport cu produsul deviaţiilor standard  X Y al
celor două v.a. se numeşte coeficient de corelaţie:


K XY

 X  X Y  Y  .
 X Y  X Y

Independenţă, necorelare, ortogonalitate

Analizând dependenţă statistică dintre două v.a. putem face următoarele precizări:
 două v.a. sunt independente  p( x, y)  p( x) p( y) ;
 două v.a. sunt necorelate  K XY  0 ;
 dacă RXY  0 , atunci v.a. sunt ortogonale .
Conform definiţiilor de mai sus, condiţia de independenţă implică condiţia de necorelare a
două v.a.; reciproca nu este adevarată, excepţie făcând cazul v.a. distribuite Gaussian.

Transformări de variabile aleatoare

Fie o v.a. X cu f.d.p. p(x) (cunoscută) la intrarea unui sistem caracterizat prin funcţia de
transfer y  g ( x) . Pentru a calcula f.d.p. p( y) a v.a. Y de la ieşirea sistemului se au în
vedere următoarele:
 dacă g(x) este bijectivă, monotonă, continuă, derivabilă atunci:
p( x)
p( y )  .
g '( x) x g 1
( y)
 dacă g(x) nu este bijectivă, dar ecuaţia g(x) = y admite un număr finit sau cel mult
numărabil de soluţii, atunci :
p( xi )
p( y )   .
i g '( xi ) xi , g ( xi )  y
 dacă g(x) nu este bijectivă şi ecuaţia g(x) = y admite un număr nenumărabil de
soluţii, atunci nu există o formulă de calcul. Unicul mod de rezolvare constă în a
evalua funcţia de repartiţie F(y).
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 3

Caracterizarea informaţională a variabilelor aleatoare

 Informaţia obţinută în urma realizării unui eveniment (v.a. X a luat valoarea x):
 v.a. X discretă: ix   log 2 px ;
 v.a. X continuă: i( x)   log 2 p( x) .
 Entropia unei v.a. discrete X este valoarea medie a informaţiei ix asociată v.a. X:
H ( X )   k pk log 2 pk .
Proprietăţi:
 H ( X ) este o funcţie continuă în raport cu fiecare variabilă;
 H ( X ) este o funcţie simetrică;
 ia valoare maximă ( log |  | ) dacă evenimentele sunt echiprobabile.
 Prin analogie cu entropia unei v.a. discrete, se defineşte entropia diferenţială a unei
v.a. continue X ca fiind:

h( X )    p( x) log 2 p( x)dx .

Proprietăţi:
 h( X ) (entropia diferenţială a lui X) diferă de H ( X ) (entropia obişnuită sau
absolută): h( X ) nu este o măsură a hazardului lui X;
 entropia diferenţială a unei v.a. continue poate fi negativă;
 entropia unei v.a. continue poate fi calculată prin trecerea la limită a cazului discret:
   1 
H ( X )  lim   pk  x  log 2   
x 0
 k   pk  
  1  
  p( x) log 2   dx  lim  log 2 x    p( x)dx
- 
 p( x)  x 0

 h( X )  lim log 2 x.

x 0
Cu alte cuvinte, entropia unei v.a. continue este infinit de mare, drept care
caracterizarea informaţională se face considerând h(X) ca o entropie diferenţială şi
termenul  log 2 x ca referinţă.
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 4

II. Probleme

1. F.m.p., funcţia de repartiţie, informaţie, entropie.

Fie X v.a. care modelează experimentul aruncării unui zar ideal.
a) Să se calculeze f.m.p. şi funcţia de repartiţie a v.a. X;
b) Care este informaţia obţinută în urma unei aruncări?
c) Câţi biţi sunt necesari pentru a reprezenta rezultatul aruncării a două zaruri?
d) Care este entropia asociată v.a. X?

Rezolvare
a) Pentru o v.a. discretă X, care modelează experimentul aruncării unui zar ideal,
alfabetul poate fi X  {1,2,3,4,5,6} , probabilitatea fiecărui eveniment fiind:
pk  P  X  xk   1/ 6, k  1,6, xk  X .
F.m.p. se poate scrie în funcţie de impulsul Dirac ca fiind (vezi Figura 1):
1
p ( x)   k ( x  xk ) ,
6
1
condiţia de normare fiind îndeplinită  k pk   k 1 .
6
p(x)
1
( x  3)
6
1
6
x
1 2 3 4 5 6

Figura 1 F.m.p. pentru v.a. discretă X, reprezentată de experimentul aruncării cu zarul ideal.

A se observa distribuţia uniformă a v.a. X în intervalul [1,6].

În cazul general, funcţia de repartiţie se poate scrie F ( x)  P( X  x), x  .

Deoarece alfabetul v.a. este finit, funcţia de repartiţie va avea punctele de
discontinuitate x  X , iar funcţia de repartiţie se va calcula pe fiecare interval de
continuitate.
- Dacă x  (,1) , atunci F ( x)  P( X  1)  0 ;
- Dacă x [1,2) , atunci F ( x)  P( X  2)  P( X  1)  1/ 6 ;
- Dacă x [2,3) , atunci F ( x)  P( X  3)  P( X  1)  P( X  2)  2/ 6 ;
- Dacă x [3,4) , atunci F ( x)  P( X  4)  1/ 2 ;
- Dacă x [4,5) , atunci F ( x)  P( X  5)  2/ 3 ;
- Dacă x [5,6) , atunci F ( x)  P( X  6)  5/ 6 ;
- Dacă x [6, ) , atunci F ( x)  P( X  6)  1 ;
Ilustrarea grafică a funcţiei de repartiţie este în Figura 2.
TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 5

F(x)

x
1 2 3 4 5 6
Figura 2 Funcţia de repartiţie pentru v.a. discretă X, reprezentată de experimentul aruncării cu zarul ideal.

Se observă că se respectă proprietăţile funcţiei de repartiţie:

- 0  F ( x)  1, x ;
- F ()  0 şi F ()  1;
- F ( x1 )  F ( x2 ), x1  x2 .

Observaţie: Se poate observa că prin derivarea funcţiei de repartiţie F ( x) , în raport

cu x, se poate obţine f.m.p. p( x) , în punctele de discontinuitate ale F ( x) având
impulsuri Dirac.

b) O primă variantă pentru a specifica rezultatul unei aruncări a zarului este de a

reprezenta binar numerele de la 1 la 6, ce reprezintă feţele zarului. Pentru aceasta,
avem nevoie de 3 biţi.
O a doua variantă este de a calcula cantitatea de informaţie reprezentată de
aruncarea zarului ideal:
1 lg X lg 6
ik   log pk   log  log X    2.58 biţi/simbol.
X lg 2 lg 2
Cum în sistemele fizice nu putem utiliza decât un număr intreg de biţi, rezultă un
necesar de 3 biţi.

c) Dacă avem o pereche de două zaruri, atunci avem 36 variante posibil a fi transmise,
fiecare variantă cu probabilitatea p2 = 1/36. Reprezentarea binară ne va da un număr
de 6 biţi (36 < 64 = 26).
Cantitatea de informaţie, în acest caz, este:
lg 36
ik   log pk   5.168 biţi/simbol,
lg 2
de unde un necesar de 6 biţi.
Pentru a calcula informaţia, am presupus că zarurile sunt ideale, şi orice combinaţie
de feţe ar avea aceeaşi probabilitate. Dacă zarurile sunt măsluite, atunci informaţia
medie pe simbol este mai mică şi ca urmare, avem nevoie de mai multe simboluri
pentru a transmite acelaşi număr de biţi.

d) Entropia v.a. discrete X este:

6
1 1
H ( X )   pk log 2 pk  6 log 2  log 2 6  2.58 biţi /simbol.
k 1 6 6
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 6

2. F.d.p. gaussiană, medie, dispersie, entropie diferenţială [VGS99, Ex2.2]

Fie o funcţie definită de distribuţia Gaussiană:
1  ( x  )2 
f ( x)  exp    , ,   ,   0 .
22  2 2

a) Să se arate că f ( x) poate fi o f.d.p. a unei v.a. X;
b) Să se calculeze media şi dispersia v.a. X;
c) Să se arate că entropia diferenţială a v.a. gaussiene X este determinată numai de
varianţa lui X (este independentă de media lui X).
Rezolvare
a) Spunem că f ( x) este o funcţie de doi parametri  şi  . Pentru ca funcţia f ( x) să
fie f.d.p., aceasta trebuie să îndeplinească condiţiile:
 să fie pozitivă, f ( x)  0 .

 să verifice condiţia de normare 
f ( x)dx  1 .
Pentru prima condiţie, întrucât funcţia este de tip exponenţial, valorile sunt
întotdeauna pozitive.

Remember

Pentru a verifica condiţia de normare, vom face nişte calcule ajutătoare şi vom calcula integrala
Gauss:

I   e  x dx .
2


Pentru aceasta vom calcula I2, adică:
   
I 2   e  x dx  e  y dy    e( x  y2 )
2 2 2
dxdy .
   
Făcând transformarea din coordonate carteziene în coordonate polare:
( x, y)  (r, ) ,
unde:
r  x 2  y 2
  x  r cos  r  [0, )
  
y sau  , unde .
   arctan    y  r sin    [0, 2 ]
 x
Pentru cantităţile dxdy se realizează transformarea:
dxdy  Jdrd  ,
unde Jacobianul transformării de schimbare a variabilelor este:
x x
r  cos  r sin 
J   r cos 2   r sin 2   r .
y y sin  r cos 
r 
Integrala devine:

e r rdrd    e r rdr  d   2  e r    ,

 2  2 1 2 
I2   
2 2

0 0 0 0 2 0 
de unde:

I   e  x dx   .
2


TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 7

Verificarea condiţiei de normare a f.d.p. înseamnă calculul integralei:

( x  )2 ( x  ) 2
  1  1  
    2 2 2
  e 2  dx .
2
p ( x ) dx e dx
 2 

x 
Făcând schimbarea de variabilă t  , rezultă că:
 2
 1  1  t 2 1
  2   
t 2
p ( x ) dx  e  2 dt  e dt    1.

Deci putem afirma că f ( x) poate fi f.d.p. p( x)  f ( x) a unei v.a. X, distribuită
Gaussian, de medie  şi dispersie 2 (vezi Figura 3). Din condiţia de normare
rezultă că aria graficului este constantă, variaţia funcţie de dispersia 2 fiind
ilustrată în figură.
p(x)
1
 2 1

1  2

2
σ
x

Figura 3 F.d.p. pentru o v.a. continuă, distribuită gaussian, de medie μ şi dispersie σ2.

b) Media v.a. X este dată de:

( x  ) 2
 x  
 X   xp ( x)dx   e 2  dx
2

 
 2
x 
Făcând schimbarea de variabilă t  rezultă:
 2

 
 1
 X     t 2 e  t  2dt
2


 2
1  t 2  2  t 2


 
e dt 
 
te dt

Prima integrală este integrala Gauss, iar a doua integrală, fiind o funcţie impară de t,
este nulă. Deci:
1
X     .

Dispersia v.a. X este dată de:
( x  )2
 1 
   X  X    ( x  )
2 2 2 2 2
e dx
 2
X 
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 8

'
 ( x  )  ( x 2)    ( x 2) 
2 2
1  1 
2   ( x  )  e 2
  ( x  )   e 2  dx    dx
  2
 2  
   
 
( x  )2

 
( x  ) 2 
1 
  ( x   )e 2   e 2 2
dx 
2

2   
  
( x  ) 2 ( x  ) 2
1   1  

2   2 
 e 2 2
dx   2
e 2 2
dx   2 .

c) Entropia diferenţială a v.a. X, distribuită după legea p( x)  f ( x) este dată de relaţia:


h( X )    p( x) log 2 p( x)dx ,


şi înlocuind pe p( x) obţinem:
  ln p( x)
h( X )    p( x) log 2 p( x) dx    p( x) dx
  ln 2
1  1 
( x  ) 2  1 
( x  ) 2 

ln 2   2
 2 2
ln  e 2   dx
2
e
  2 
 
   ( x 2)  1  2  ( x  ) 
2 2
1  ( x  )
  e 2
ln   dx   22 e 2 2
dx 
 2 ln 2     2  


ln  2 1    ( x  ) 2
1  ( x  )
2  ( x  ) 2


ln 2  2  e 2 2
dx 
 2 ln 2  2
2
e 2 2
dx

2

 log 2  2 
ln 2
. 

3. F.d.p. reunite, f.d.p. marginale, f.d.p. condiţionate

Se consideră funcţia:
 1
 , x  [0,1], y  [ x,1]
p( x, y )   2 xy
 0 , în rest

a) Să se verifice că p( x, y) este o densitate de probabilitate.
b) Să se determine densitatea marginală p( x) .
c) Să se determine densitatea de probabilitate condiţionată p( y | x) .

Rezolvare
a) Pentru ca p( x, y) să fie o f.d.p. trebuie ca să fie pozitivă şi să îndeplinească condiţia
de normare.
Prima condiţie este îndeplinită, deoarece din ipoteză ştim că:
p( x, y)  0, x  [0,1], y  [ x,1] .
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 9

A doua condiţie se verifică astfel:

 
  p ( x , y )dxdy 
1
0 x 2 xy
1 1
dxdy 
1 1 1
dx
1 1

2 0 x x y
dy 
1 1 1
2 0 x
dx 2 y
1

x  
 
1 1 1  1 1

1
dx 1  x     1 dx   dx   dx
1

0
x 0
 x  0
x 0

1
 2 x  1  2  1  1.
0

b) F.d.p. marginală p( x) se determină din integrarea după y a p( x, y) :


p( x)   p ( x, y )dy


1 1 1 1 x

1

1
dy  dy  , x  [0,1].
x x
2 xy 2 x y x

c) F.d.p. condiţionată p( y | x) se poate determina cu ajutorul formulei lui Bayes:

p ( x, y ) x 1
p ( y | x)    , x  [0,1], y  [ x,1].
p ( x) 2 xy 1  x 2   y  xy 

4. Redresare monoalternanţă, f.d.p. [VGS99, Ex4.4]

Tensiunea la bornele de intrare ale unui etaj redresor poate fi modelată ca o v.a. X,
distribuită normal, cu medie zero şi dispersie 2 , p( x)  N (0, 2 ) . Tensiunea obţinută
în urma redresării ideale monoalternanţă se modelează prin v.a. Y.
Să se calculeze f.d.p. a lui Y.

Rezolvare
Funcţia de transformare realizată de circuitul de redresare monoalternanţă (o diodă cu
caracteristica ideală) este (vezi Figura 4):
 x, x  0
g :  [0, ), g ( x)   ,
0, x  0

g(x)

x Figura 4 Funcţia g(x).

Funcţia g ( x) nu este bijectivă, iar ecuaţia y  g ( x) , cu x  0 , admite un număr infinit

de soluţii, astfel că singura metodă de calcul a f.d.p. a lui Y este de a determina funcţia
de repartiţie FY ( y )  P(Y  y ) .
TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 10

Observaţie: Deoarece avem două v.a. o să folosim un indice la funcţia de repartiţie:

FX ( x) pentru v.a. X şi FY ( y) pentru v.a. Y.

Pentru graficul din Figura 4, avem mai multe cazuri:

- Dacă y  0 , atunci FY ( y)  P(Y  0)  0 , deoarece y  g ( x)  0 .
1
- Dacă y  0 , atunci FY ( y )  P(Y  0)  P(Y  0)  P( X  0)  FX (0)  .
2
- Dacă y  0 , atunci FY ( y)  P(Y  y)  P( X  x) . Deoarece funcţia de transformare
este liniară, adică y  g ( x)  x , rezultă că:
FY ( y)  P( X  x)  P( X  y)  FX ( y) .
Observaţie: Dacă funcţia de transfer a sistemului ar fi fost y  g ( x)  x 2 , atunci
x y şi P( X  x)  P( X  y ) .

În aceste condiţii, rezultă că :

 0, y  0  0, y0
 
FY ( y )   0.5, y  0 sau F ( y )   0.5, y0 .
 F ( y ), y  0  F ( x) cu x  0, y  0
 X 

F.d.p. p( y) , a v.a. Y de la ieşirea sistemului, va fi derivata funcţiei de repartiţie F ( y) :


 0, y0

p( y )   0.5(0), y0
 dF ( x)
 cu x  0, y  0
 dx

Derivata funcţiei de repartiţie F ( x) , a v.a. X, este chiar f.d.p. p( x) . Deci:



 0, y0  0, y0
 
p( y )   0.5(0), y  0 sau p( y )   0.5(0), y0
 p( x) cu x  0, y0  y2
  1  2
e 2 , y0
  2

Ilustrarea grafică a metodei de calcul este în figura de mai jos.

TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 11

p(x) F(x)

0.5

x x
0 0
Figura 5 F.d.p. şi funcţia de repartiţie pentru v.a. X, de la intrarea redresorului.

p(y) F(y)

1 1
(0)
2

0.5

y y
0 0
Figura 6 F.d.p. şi funcţia de repartiţie pentru v.a. Y, de la ieşirea redresorului.

5. Entropie diferenţială. [VGS99, Tema4.6]

Să se calculeze entropia diferenţială a unei v.a. X ce modelează realizarea unui
eveniment a cărui probabilitate este distribuită după legea 1/x în intervalul [,1] .

Rezolvare
Pentru început, putem observa că parametrul α este pozitiv, deoarece probabilitatea are
valori pozitive.
F.d.p. a v.a. X care modelează experimentul poate fi scrisă ca:
1
p( x)  , x  [,1] .
x
Entropia diferenţială este:

h( X )    p( x)log 2 p( x)dx


1 1 1 11 1 1 ln x
  log 2 dx   log 2 xdx   dx
 x x  x  x ln 2

1 1 ln x
ln 2  x
 dx.
Integrala o vom calcula prin părţi, astfel:
1 ln x 1 ln x ln 2 
I  dx   ln x(ln x)' dx  ln x  
1
2 1
dx   ln   I  I  
2
.
 x    x 2
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 12

De unde:
ln 2 
h( X )   .
2ln 2

6. F.d.p. a sumei a două v.a. [VGS99, Ex5.4]

Fie X şi Y două v.a. independente.
Să se determine f.d.p. a v.a. Z, definită ca Z  X  Y , în funcţie de f.d.p. ale celor două
v.a. iniţiale.

Rezolvare
dFZ ( z )
Ceea ce se doreşte este f.d.p. pZ ( z )  .
dz
Funcţia de repartiţie a v.a. Z este prin definiţie:
FZ ( z )  P( Z  z )  P( X  Y  z ) .
Această probabilitate se va calcula ca aria graficului determinat de f.d.p. reunită a v.a. X şi Y,
FZ ( z )  P( X  Y  z )   p XY ( x, y )dxdy ,
Dz

pentru un anumit domeniu de valori Dz  ( x, y )   2

| x  y  z . Astfel, integrala dublă se
poate rescrie:
 z y
FZ ( z )    p XY ( x, y )dxdy
 
Dar:
dFZ ( z ) d  z  y
pZ ( z ) 
dz

dz    p XY ( x, y )dxdy 

d  z y
dz   p XY ( z  y , y ) dzdy 


 pXY ( z  y, y)dy
Din ipoteză ştim că v.a. X şi Y sunt independente, deci putem scrie:
 
pZ ( z )   p XY ( z  y, y )dy   p X ( z  y ) pY ( y )dy  p X ( z )  pY ( z ) ,
 
adică f.d.p. a sumei a două v.a. independente este convoluţia f.d.p. individuale ale v.a.
ce se însumează.
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 13

III. Probleme propuse

7. Funcţia de repartiţie, f.d.p. pentru zar măsluit. [VGS99, Tema3.5]

Să se determine funcţia de repartiţie şi f.d.p pentru o v.a. X asociată experimentului de
aruncare a zarului, dacă probabilitatea de apariţie a fiecărei feţe este proporţională cu
cifra înscrisă pe faţă.

8. F.d.p. funcţie de repartiţie, medii statistice, probabilităţi. [VGS99, Tema 3.10]

Se dă funcţia de repartiţie f ( x)  0.25( x  3)  0.1( x  2)  0.15( x 1)  0.5( x) .
a) Să se demonstreze că f ( x) poate fi o f.d.p. a unei v.a. X şi să se deseneze grafic;
b) Să se calculeze media şi dispersia v.a. X;
c) Să se determine funcţia de repartiţie asociată;
d) Să se calculeze probabilităţile P( X  1) , P( X  1) , P( X  2) , P( X  1) .

9. F.d.p. [VGS99, Tema2.10]

Se consideră funcţia:
 x p , x   k , k 
f ( x)   , cu p  .
 0, altfel
a) Să se determine constantele k şi p a.î. funcţia f ( x) să poată fi o f.d.p. a unei v.a. X;
b) Să se calculeze funcţia de repartiţie asociată.

10. Funcţie de repartiţie, entropie diferenţială

Rezistenţa electrică a unui rezistor poate fi modelată ca o v.a. distribuită uniform în
intervalul [ Rmin , Rmax ] . La bornele rezistorului se aplică tensiunea E.
a) Să se determine funcţia de repartiţie a v.a. ce modelează curentul care trece prin
rezistor.
b) Care este media şi dispersia curentului?
c) Să se determine entropia diferenţială asociată rezistenţei electrice a rezistorului.
d) Este posibil ca entropia diferenţială să ia valori negative în acest caz?

11. Dispersia sumei, produsului a 2 v.a.

Se consideră două v.a. independente X şi Y, având dispersii egale 2X  Y2  2 .
Să se afle dispersia sumei şi produsului celor două v.a., dacă E[ X ]  0 şi E[Y ]  1 .

12. Medii statistice, entropie diferenţială.

Verificaţi dacă funcţia de mai jos poate fi f.d.p. a unei v.a. distribuită Rayleigh.
 x  x2 
 exp   2  , pentru x  0
f ( x)   2  2  .

 0 , în rest
a) Să se calculeze media, media pătratică şi dispersia v.a. X.
b) Care este entropia diferenţială a v.a. continue X, având f.d.p. p( x)  f ( x) ?
 TTI 2, seria III C, Seminar 1 – V.a., 3 – 16 oct 2005 14

13. Transformări de v.a., f.d.p.

Fie două v.a. X şi Y, distribuite normal de medie 0 şi dispersie  2 .
Să se determine f.d.p. pentru v.a. r şi  , obţinute prin setul de transformări:
r  X 2 Y 2 ,
Y
   arctan .
X
14. Transformări de v.a.
Demosntraţi că suma unor v.a. Gaussiene este o v.a. distribuită tot Gaussian.

Bibliografie

[MSG83]A. T. Murgan, I. Spânu, Inge Gavăt, I. Sztojanov, V. E. Neagoe, Adriana Vlad, „Teoria
Transmisiunii Informaţiei – probleme”, Editura Didactică şi Pedagogică, Bucureşti, 1983.

[Spă83] Al. Spătaru, „Teoria Transmisiunii Informaţiei”, Editura Didactică şi Pedagogică,

Bucureşti, 1983.

[VGS99] C. Vertan, Inge Gavăt, Rodica Stoian, „Variabile şi Procese Aleatoare: principii şi
aplicaţii”, Ed. PRINTECH, Bucureşti, 1999.