DEPI, Seminar 2. Procese aleatoare, Ş.l.

Lucian Perişoară seria III C, 2017

Seminar 2. Procese aleatoare

I. Breviar teoretic
1.1. Definiţii
Un proces aleator (p.a.) este o funcţie de două variabile X (t , ξ) , unde ξ este o variabilă
aleatoare (v.a.) ce ia valori în spaţiul eşantioanelor Ω , iar t ia valori pe axa timpului. Astfel,
procesul se poate scrie ca o secvenţă indexată de v.a. X (ti , ξ) = X i , obţinute prin observarea p.a. la
momente de timp ti :
X (t ) = { X 1 , X 2 ,K , X i ,K} ,
sau ca un ansamblu de realizări particulare X (t , ξk ) = xk (t ) , obţinute pentru valori particulare ale
v.a. ξ :
X (t ) = { x1 (t ), x2 (t ),K , xk (t ),K} .
După domeniul de definiţie al variabilei de timp t, un proces poate fi definit ca:
• proces aleator (p.a.), dacă t aparţine unui domeniu continuu de valori,
• serie aleatoare (s.a.), dacă t aparţine unui domeniu discret de valori.
După alfabetul X i al v.a. X i , obţinută prin observarea procesului X (t ) la momentul ti , definim:
• p.a. continuu (p.a.c.) sau s.a. continuă (s.a.c.) dacă alfabetul X i este infinit;
• p.a. discret (p.a.d.) sau s.a. discretă (s.a.d.) dacă alfabetul X i este finit.
P.a. X (t ) este caracterizat statistic de funcţia de repartiţie de ordin n, definită ca :
F ( x1 , x2 ,K , xn ) = P { X 1 ≤ x1 , X 2 ≤ x2 ,K , X n ≤ xn } ,
şi de funcţia densitate de probabilitate (f.d.p.) de ordin n, pentru un p.a.c. sau s.a.c., respectiv de
funcţia de masă a probabilităţilor (f.m.p.) de ordin n, pentru un p.a.d. sau s.a.d.:
∂ n F ( x1 , x2 ,K , xn )
p ( x1 , x2 ,K , xn ) = .
∂x1∂x2 K ∂xn

1.2. Medii statistice

Operatorul de mediere statistică, notat E [ ⋅ ] sau ⋅ , este definit pentru:
+∞
• procese continue: E [ ⋅ ] = ⋅ = ∫ ⋅ p( ⋅ )dx ,
−∞

• procese discrete: E [ ⋅ ] = ⋅ = ∑ ⋅ pk ,
k

şi are următoarele proprieţăţi:

• omogenitatea: E [ a ⋅ X ] = a ⋅ E [ X ] , unde a este o constantă oarecare;
• aditivitatea: E [ X1 + X 2 ] = E [ X1 ] + E [ X 2 ] ;
• teorema de medie: dacă Y = f ( X ) , atunci E [Y ] = ∫ y ⋅ p( y ) dy = ∫ f ( x) ⋅ p( x) dx .
Valorile medii statistice ale p.a. X (t ) sunt definite pentru v.a. X i = X (ti ) , observată la fiecare
moment particular de timp ti :
• Momentul statistic de ordin n:
µ n , X (ti ) = E  X n (ti )  = E  X in  = X n (ti ) = X in .

1
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
Cazurile de interes sunt momentul statistic de ordin 1 (valoarea medie):
µ1, X (ti ) = E [ X i ] = X i ,
şi momentul statistic de ordin 2 (valoarea pătratică medie):
µ 2, X (ti ) = E  X i2  = X i2 .
• Momentul statistic centrat de ordinul n:

(
µ cn , X (ti ) = E ( X i − E [ X i ])  = X i − X i . )
n n

 
Cazul de interes este momentul centrat de ordinul 2 (varianţa sau dispersia):

(
σ2X (ti ) = µ c2, X (ti ) = var [ X i ] = E ( X i − E [ X i ])  = X i − X i )
2 2
= µ 2, X (ti ) − µ1,2 X (ti ) .
 
• Funcţia de autocorelaţie statistică:
RX (t1 , t2 ) = E [ X 1 X 2 ] = X 1 X 2 .
• Funcţia de autocovarianţă statistică:
(
C X (t1 , t2 ) = E ( X 1 − E [ X 1 ]) ( X 2 − E [ X 2 ])  = X 1 − X 1 )( X 2 − X2 . )
Fie două procese definite pe acelaşi spaţiu Ω al eşantioanelor ξ , X (t , ξ) = X (t ) , respectiv
Y (t , ξ) = Y (t ) , ce sunt observate la momentele de timp t1 şi t2 , rezultând v.a. X (t1 ) = X 1 şi
Y (t2 ) = Y2 . Pentru cele două p.a. vom defini:
• Funcţiile de corelaţie mutuală statistică:
RXY (t1 , t2 ) = E [ X 1Y2 ] = X 1Y2 , RYX (t1 , t2 ) = E [Y1 X 2 ] = Y1 X 2 .
• Funcţiile de covarianţă mutuală statistică:
( )(
C XY (t1 , t2 ) = E ( X 1 − E [ X 1 ]) (Y2 − E [Y2 ])  = X 1 − X 1 Y2 − Y2 , )
CYX (t1 , t2 ) = E (Y1 − E [Y1 ]) ( X 2 − E [ X 2 ]) = (Y − Y )( X
1 1 2 − X2 ).

1.3. Medii temporale

Operatorul de mediere temporală, notat Et [ ⋅ ] sau ⋅ , este definit pentru:
+T / 2
1
• un p.a. X (t ) : Et [ ⋅ ] = ⋅ = lim ∫ ⋅ dt .
T →∞ T
−T / 2

1 N /2
• s.a. X [n] : Et [ ⋅ ] = ⋅ = lim ∑ ⋅,
N →∞ N + 1
i =− N / 2

Valorile medii temporale X (t ) ale unui p.a. sunt definite pentru fiecare realizare particulară xk (t ) .
• Momentul temporal de ordin n:
mn , X (k ) = xkn (t ) .
Cazurile de interes sunt momentul temporal de ordin 1 (componenta continuă):
m1, X (k ) = xk (t ) ,
şi momentul temporal de ordin 2 (puterea medie):
m2, X (k ) = xk2 (t ) .
Puterea unui semnal reprezintă puterea disipată de un rezistor de 1 Ω la bornele căruia s-a
aplicat acel semnal şi se calculează ca valoarea pătratică medie temporală a acelui semnal.
• Funcţia de autocorelaţie temporală:
RX ,k (t1 , t2 ) = xk (t1 + t ) xk (t2 + t ) .
2
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
• Funcţia de autocovarianţă temporală:
C X ,k (t1 , t2 ) = ( xk (t1 + t ) − µ1, X (k ) )( xk (t2 + t ) − µ1, X (k ) ) .
Pentru două p.a. X (t ) şi Y (t ) , caracterizate de realizările particulare xk (t ) şi yk (t ) , se definesc:
• Funcţiile de corelaţie mutuală temporală:
RXY ,k (t1 , t2 ) = xk (t1 + t ) yk (t2 + t ) , RYX ,k (t1 , t2 ) = yk (t1 + t ) xk (t2 + t ) .
• Funcţiile de covarianţă mutuală temporală:
C XY ,k (t1 , t2 ) = ( xk (t1 + t ) − µ1, X (k ) )( yk (t2 + t ) − µ1,Y (k ) ) ,

CYX ,k (t1 , t2 ) = ( yk (t1 + t ) − µ1,Y (k ) )( xk (t2 + t ) − µ1, X (k ) ) .

1.4. Staţionaritate, ergodicitate

• Un p.a. staţionar are valorile medii statistice invariante în raport cu schimbarea originii
timpului.
• Staţionaritatea în sens larg (s.s.l.): funcţia de repartiţie şi f.d.p. de ordinul 1 nu depind de
timp:
p X1 ( x ) = p X 2 ( x ) = K = p X n ( x ) = p ( x ) ,
iar funcţia de repartiţie şi f.d.p. de ordinul 2 depind doar de diferenţa de timp τ = t2 − t1 :
p X1 X 2 ( x1 , x2 ; t1 , t2 ) = p X1 X 2 ( x1 , x2 ; t1 + τ, t2 + τ, ) = p X1 X 2 ( x1 , x2 ;0, t2 − t1 ), ∀t1 , t2
Consecinţă: media, media pătratică şi dispersia sunt constante în raport cu timpul:
µ1, X (t ) = µ1, X , ∀t
µ 2, X (t ) = µ 2, X , ∀t
σ2X (t ) = σ2X , ∀t
iar autocorelaţia este o funcţie ce depinde doar de diferenţa de timp:
RX (t1 , t2 ) = RX (τ), τ = t2 − t1 .
• Staţionaritate în sens strict (s.s.s.): funcţiile de repartiţie, respectiv f.d.p. de orice ordin
sunt invariante la o translaţie în timp.
p ( x1 , x2 ,..., xn ; t1 + τ, t2 + τ,..., tn + τ) = p( x1 , x2 ,..., xn ; t1 , t2 ,..., tn )
• Un p.a. ergodic este un p.a. staţionar pentru care mediile statistice sunt egale cu mediile
temporale.

1.5. Proprietăţile funcţiei de autocorelaţie

Pentru un p.a. staţionar în sens larg, funcţia de autocorelaţie RX (τ) are următoarele proprietăţi:
• este o funcţie pară:
RX (τ) = X (t ) X (t + τ) = X (t + τ) X (t ) = RX (−τ) ,
• valoarea din origine este egală cu valoarea pătratică medie şi reprezintă puterea semnalului
evaluată pe o sarcină egală cu unitatea:
RX (0) = X (t ) X (t ) = X 2 (t ) = µ 2, X = PX ,
• valoarea din origine este un maxim absolut:
RX (0) ≥ RX (τ) , ∀τ ,
• valoarea limită de la infinit este pătratul valorii medii a procesului:
lim RX (τ) = µ1,2 X .
τ→∞

3
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017

II. Probleme rezolvate

1. Valori medii statistice, staţionaritate. [VGS99, Tema 6.3], [Hsu97, 5.20]
Fie p.a. X (t ) = A sin(2π f t + ϕ) , t ∈ (−∞, +∞) , unde A şi f sunt constante, iar φ este o variabilă
aleatoare (v.a.) distribuită uniform în [0, 2π] .
a) Să se reprezinte grafic trei realizări particulare ale procesului X(t);
b) Să se calculeze valoarea medie, valoarea pătratică medie, dispersia şi funcţia de
autocorelaţie statistică ale p.a. X(t);
c) Să se reprezinte grafic dependenţa valorilor medii de la punctul b) în funcţie de timp;
d) Să se indice staţionaritatea procesului;
e) Să se recalculeze valorile medii dacă φ este o v.a. distribuită uniform în [0, π] .

Rezolvare
a) Dacă faza ϕ este o v.a. distribuită uniform în [0, 2π] , atunci f.d.p. este:
1 2π , ϕ∈ [0, 2π]
p(ϕ) =  .
 0 , in rest
Trei realizări particulare ale fazei aleatoare pot fi ϕ1 = 0 , ϕ2 = π şi ϕ3 = π 4 . Acestora le
corespund realizările particulare x1 (t ) , x2 (t ) şi x3 (t ) ale procesului X(t), ilustrate în Fig. 1.

 π
X (t ) x3 (t ) = A sin  2π f t +  x2 (t ) = A sin(2π f t + π)
 4

x1 (t ) = A sin(2π f t )
-A
Fig. 1. Trei realizări particulare ale p.a. X(t) cu fază aleatoare.

b) Pentru un moment de timp ti fixat, valoarea medie este:

µ1 (ti ) = X (ti ) = X i = A sin(2π f ti + ϕ) = A ⋅ sin(2π f ti ) cos ϕ + cos(2π f ti ) sin ϕ
= A sin(2π f ti )cos ϕ + A cos(2π f ti )sin ϕ .
Pentru a calcula mediile funcţiilor sinus şi cosinus, aplicăm teorema de medie:
∞ 2π 2π
cos ϕ sin ϕ sin 2π − sin 0
cos ϕ = ∫ cos ϕ p(ϕ) d ϕ = ∫
−∞ 0
2π
dϕ =
2π 0
=
2π
= 0,

∞ 2π 2π
sin ϕ cos ϕ cos 2π − cos 0
sin ϕ = ∫ sin ϕ p(ϕ) d ϕ = ∫
−∞ 0
2π
dϕ = −
2π 0
=−
2π
=0,

şi rezultă:
µ1 (ti ) = A sin(2π f ti ) ⋅ 0 + A cos(2π f ti ) ⋅ 0 = 0 .
O altă metodă de calcul este aplicarea directă a teoremei de medie asupra procesului X(t):
∞ 2π
1
µ1 (ti ) = X (ti ) = ∫ X (ti ) p(ϕ) d ϕ = ∫ A sin(2π f ti + ϕ) ⋅ d ϕ
−∞ 0
2π
2π
−A −A
= cos(2π f ti + ϕ) = [ cos(2π f ti + 2π) − cos(2π f ti )] = 0.
2π 0 2π
4
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
Valoarea pătratică medie a p.a. X (t ) este:
µ2 (ti ) = X 2 (ti ) = Xi2 = ( Asin(2π f ti + ϕ)) = A2 ⋅ ( sin(2π f ti )cos ϕ+ cos(2π f ti )sin ϕ)
2 2

= A2 sin2 (2π f ti )cos2 ϕ+ 2 A2 sin(2π f ti )cos(2π f ti )sin ϕcos ϕ+ A2 cos2 (2π f ti )sin2 ϕ,
unde:
2π 2π 2π 2π
sin 2 ϕ 1 1 − cos 2ϕ ϕ sin 2ϕ 2π − 0 sin 4π − sin 0 1
sin 2 ϕ = ∫
0
2π
dϕ = ∫
2π 0 2
dϕ =
4π 0
−
8π 0
=
4π
−
8π
= ,
2
1 1
cos 2 ϕ = 1 − sin 2 ϕ = 1 − sin 2 ϕ = 1 − = ,
2 2
2π 2π
1 sin 2ϕ 1 1
sin ϕ cos ϕ = sin 2ϕ = ∫ d ϕ = − cos 2ϕ = − ( cos 4π − cos 0 ) = 0 .
2 0
4π 8π 0 8π
Deci:
A2 A2 A2
µ 2 (ti ) = sin (2π f ti ) + 0 +
2
cos (2π f ti ) =
2
.
2 2 2
O altă metodă de calcul este următoarea:
1 − cos(4π f ti + 2ϕ)
µ2 (ti ) = X 2 (ti ) = A2 ⋅ sin2 (2π f ti + ϕ) = A2 ⋅ sin2 (2π f ti + ϕ) = A2 ⋅
2
A A cos(4π f ti + 2ϕ) A A
2 2 2 2
A 2
A2
= − ⋅ = − cos(4π f ti )cos(2ϕ) + sin(4π f ti )sin(2ϕ) = ,
2 2 2 2 2 2 2
unde termenii cos(2ϕ) şi sin(2ϕ) sunt de asemenea nuli pentru φ distribuit în [0, 2π] .
Dispersia p.a. observat la momentul de timp fixat ti este:
A2 2 A2
σ (ti ) = µ 2 (ti ) − µ (ti ) = X − X i =
2 2
1 i
2
−0 = .
2 2
Funcţia de autocorelaţie calculată la două momente arbitrare de timp, t1 şi t2, este:
RX (t1 , t2 ) = X (t1 ) X (t2 ) = X 1 X 2 = A sin(2π f t1 + ϕ) A sin(2π f t2 + ϕ)
= A2 ( sin(2π f t1 ) cos ϕ + cos(2π f t1 )sin ϕ)( sin(2π f t2 ) cos ϕ + cos(2π f t2 )sin ϕ)

(
= A2 sin(2π f t1 )sin(2π f t2 )cos 2 ϕ + sin(2π f t1 ) cos(2π f t2 )sin ϕ cos ϕ

+ cos(2π f t1 )sin(2π f t2 )sin ϕ cos ϕ + cos(2π f t1 ) cos(2π f t2 )sin 2 ϕ . )

Deoarece cos 2 ϕ = 0.5 , sin ϕ cos ϕ = 0 şi sin 2 ϕ = 0.5 pentru ϕ∈[0, 2π] , atunci:
A2 A2 A2
RX (t1 , t2 ) = sin(2π f t1 ) sin(2π f t2 ) + cos(2π f t1 ) cos(2π f t2 ) = cos ( 2π f (t1 − t2 ) ) .
2 2 2
c) Valorile medii statistice sunt ilustrate grafic în Fig. 2, 3 şi 4.
R X ( τ)
µ 2 (t ) = σ2 (t ) = A2 2 A2 / 2

µ1 (t ) = 0 t τ

Fig. 2. Valorile medii ale p.a. X(t) cu fază aleatoare. Fig. 3. Funcţia de autocorelaţie RX(τ) a p.a. X(t) cu
fază aleatoare.

5
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017

RX (t1 , t2 )

t1

t2

Fig. 4. Funcţia de autocorelaţie RX(t1,t2) a p.a. X(t) cu fază aleatoare.

d) Ţinând cont de rezultatele de la punctul b), putem observa că valoarea medie, valoarea
pătratică medie şi dispersia sunt independente de momentul de timp ti la care se face
observarea, vezi Fig. 2. Astfel, putem scrie:
µ1 (ti ) = µ1 = 0, ∀ti ;
A2
µ 2 (ti ) = µ 2 =
, ∀ti ;
2
A2
σ (ti ) = σ =
2 2
, ∀ti .
2
Funcţia de autocorelaţie RX (t1 , t2 ) , aşa cum a fost calculată la punctul b), depinde de
ambele momente de timp şi se poate ilustra grafic ca în Fig. 4. Se observă că, pe direcţii
paralele cu diagonala principală a planului (t1 , t2 ) funcţia de autocorelaţie are valori
constante. Dacă facem schimbarea de variabilă τ = t1 − t2 , ∀t1 , t2 , atunci funcţia de
autocorelaţie poate fi scrisă numai în funcţie de diferenţa de timp dintre momentele de
observare, vezi Fig. 3:
τ=t1 −t2
A2 A2
RX (t1 , t2 ) = cos ( 2π f (t1 − t2 ) ) = cos ( 2π f τ ) = RX (τ) ,
2 2
unde direcţia pentru diferenţa τ este perpendiculară pe diagonala principală a planului
(t1 , t2 ) . În acest caz, funcţia RX (τ) este de fapt o secţiune a suprafeţei RX (t1 , t2 ) ,
perpendiculară pe diagonala principală.
Ca o concluzie, deoarece valorile medii sunt constante în timp (vezi Fig. 2) şi funcţia de
autocorelaţie depinde doar de diferenţa dintre două momente de timp (vezi Fig. 3), putem
afirma că p.a. X(t) este staţionar în sens larg (s.s.l.).
1 π , ϕ ∈ [0, π]
e) Dacă v.a. φ este distribuită în intervalul [0, π] , atunci f.d.p. este p(ϕ) =  .
 0, in rest
Valorile medii statistice de ordin 1 şi 2 ale sin ϕ şi cos ϕ vor fi:
2 1 1
sin ϕ = ; cos ϕ = 0 ; sin ϕ cos ϕ = 0 ; sin 2 ϕ = ; cos 2 ϕ = .
π 2 2
6
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
În aceste condiţii, recalculând valorile medii statistice ale p.a. X(t) pentru un moment de
timp ti fixat, obţinem:
µ1 (ti ) = A sin(2π f ti )cos ϕ + A cos(2π f ti )sin ϕ
2 2A
= A sin(2π f ti ) ⋅ 0 + A cos(2π f ti ) ⋅ = cos(2π f ti );
π π
µ2 (ti ) = A2 sin2 (2π f ti )cos2 ϕ+ 2A2 sin(2π f ti )cos(2π f ti )sin ϕcos ϕ+ A2 cos2 (2π f ti )sin2 ϕ
A2 2 A2 A2
= sin (2π f ti ) + 0 + cos2 (2π f ti ) = ;
2 2 2
2 2
A 4A
σ2 (ti ) = µ2 (ti ) − µ12 (ti ) = − 2 cos 2 (2π f ti );
2 π
2
A A2 A2
RX (t1 , t2 ) = sin(2π f t1 )sin(2π f t2 ) + cos(2π f t1 )cos(2π f t2 ) = cos ( 2π f (t1 − t2 ) ) .
2 2 2
Astfel, p.a. X(t) nu mai este staţionar în medie deoarece valoarea medie şi dispersia nu
mai sunt constante în timp. Deoarece funcţia de autocorelaţie a rămas neschimbată, o să
spunem că procesul X(t) este staţionar doar în funcţia de autocorelaţie.

2. Medii temporale, ergodicitate. [VGS99, Ex. 6.1]

Fie p.a. definit în problema 1, X (t ) = A sin(2π f t + ϕ) , t ∈ (−∞, +∞ ) , unde A şi f sunt constante,
iar ϕ este o v.a. distribuită uniform în [0, 2π] .
a) Să se calculeze componenta continuă, puterea medie şi funcţia de autocorelaţie temporală;
b) Să se indice ergodicitatea procesului.

Rezolvare
a) Pentru o valoare particulară ϕk a fazei aleatoare ϕ , componenta continuă reprezintă
valoarea medie temporală de ordin 1 a unei realizări particulare xk (t ) = x(t ) a p.a. X (t ) :
T /2 T /2
1 1
m1 (k ) = lim ∫ x(t )dt = lim ∫ A sin ( 2π f t + ϕk ) dt
T →∞ T T →∞ T
−T / 2 −T / 2

A cos ( 2π f t + ϕk )
T /2
A cos(π f T + ϕk ) A cos(−π f T + ϕk )
= − lim = − lim + lim =0
T →∞ T 2π f −T / 2
T →∞ 2π f T T →∞ 2π f T
Puterea medie a procesului va fi calculată ca media temporală de ordinul 2:
T /2 T /2
1 1
m2 (k ) = lim ∫ x (t )dt = lim ∫ A2 sin 2 ( 2π f t + ϕk ) dt
2
T →∞ T T →∞ T
−T / 2 −T / 2

A2
T /2
1 − cos ( 4π f t + 2ϕk ) A2
T /2
A2
T /2
= lim ∫ dt = lim ∫ dt − lim ∫ cos ( 4π f t + 2ϕk ) dt
T →∞ T −T / 2
2 T →∞ 2T
−T / 2
T →∞ 2T
−T / 2

A2 sin ( 4π f t + 2ϕk )
T /2
A2
= lim T + lim
T →∞ 2T T →∞ 2T 4π f −T / 2

A2 A2 sin ( 2π f T + 2ϕk ) A2 sin ( −2π f T + 2ϕk ) A2

= + lim − lim = .
2 T →∞ 8π f T T →∞ 8π f T 2
Limitele de mai sus sunt de tipul “funcţie mărginită” / ”infinit” şi sunt egale cu 0. Deoarece
mediile temporale nu depind de realizarea particulară aleasă, putem scrie că:
m1 (k ) = m1 = 0 ,
A2
m2 (k ) = m2 = .
2
7
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
Pentru o traiectorie particulară xk (t ) = x(t ) , funcţia de autocorelaţie temporală este:
T /2
1
RX ,k (t1 , t2 ) = lim ∫ x(t + t1 ) x(t + t2 )dt
T →∞ T
−T / 2
T /2
A2
= lim ∫ sin ( 2π f (t + t1 ) + ϕk ) sin ( 2π f (t + t2 ) + ϕk ) dt
T →∞ T
−T / 2
T /2 T /2
A2 A2
= lim cos ( 2π f (t1 − t2 ) ) ∫ dt − lim ∫ cos ( 2π f (2t + t1 + t2 ) + 2ϕk ) dt
T →∞ 2T T →∞ 2T
−T / 2 −T / 2

A2 sin ( 2π f (2t + t1 + t2 ) + 2ϕk )

T /2
A2
= lim T cos ( 2π f (t1 − t2 ) ) − lim ⋅
T →∞ 2T T →∞ 2T 4π f −T / 2

A2 A2 sin ( 2π f (2T + t1 + t2 ) + 2ϕk )

= cos ( 2π f (t1 − t2 ) ) − lim
2 T →∞ 8π f T
A2 sin ( 2π f (−2T + t1 + t2 ) + 2ϕk )
+ lim
T →∞ 8π f T
2 τ=t1 −t2 2
A A
= cos ( 2π f (t1 − t2 ) ) = cos ( 2π f τ ) = RX ,k (τ).
2 2
b) Deoarece valorile medii statistice de ordin 1 ale p.a. X (t ) (vezi Problema 1) sunt egale cu
valorile medii temporale de ordin 1 (vezi punctul a), are loc egalitatea:
µ1 = m1 = 0 ,
şi spunem că p.a. X (t ) este ergodic în medie. Acest lucru este valabil şi pentru valorile
medii de ordin 2, adică:
A2
µ 2 = m2 = .
2
Funcţia de autocorelaţie statistică este egală cu funcţia de autocorelaţie temporală:
A2
RX ,k (τ) = RX (τ) = cos ( 2π f τ ) , unde τ = t1 − t2 ,
2
deci, procesul este ergodic şi în funcţia de autocorelaţie. În concluzie, p.a. este ergodic de
ordinul 2, adică mediile statistice sunt egale cu mediile temporale până la ordinul 2.

3. Medii statistice, staţionaritate. [VGS99, Tema 6.2]

Fie p.a. X (t ) = A sin(2π f t + ϕ) , t ∈ (−∞, +∞) , unde A şi φ sunt constante, iar f este o v.a.
distribuită uniform în intervalul [ f1 , f 2 ] .
a) Să se calculeze valoarea medie, valorea pătratică medie, dispersia şi funcţia de autocorelaţie
ale p.a. X(t);
b) Pe baza mediilor calculate la punctul a), să se indice staţionaritatea procesului.

Rezolvare
Funcţia densitate de probabilitate a v.a. f distribuită uniform este ilustrată mai jos:
p(f)
 1 1
 , f ∈ [ f1 , f 2 ]
p ( f ) =  f 2 − f1 f 2 − f1 f
 0 , in rest
 f1 f2

Fig. 5. F.d.p. ale v.a. f distribuită uniform în [ f1 , f 2 ] .

8
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
Câteva realizări particulare ale p.a. X(t) sunt date în Fig. 6 şi sunt de formă sinusoidală, având
amplitudinea A, faza 0 şi frecvenţa variabilă dată de realizările particulare ale v.a. f.
X (t ) x1 (t ) = A sin(2π ⋅ 3 ⋅ t )

A x2 (t ) = A sin(2π ⋅ 3.5 ⋅ t )

t [s]
0 1

-A
x3 (t ) = A sin(2π ⋅ 5 ⋅ t )

Fig. 6. Trei realizări particulare ale p.a. X(t) cu frecvenţă aleatoare.

a) Momentele statistice ale p.a. X(t) se vor calcula pentru un moment de timp ti fixat. Astfel,
valoarea medie este:
µ1 (ti ) = X (ti ) = A sin(2π f ti + ϕ) = A sin(2π f ti + ϕ)
= A sin(2π f ti ) cos ϕ + cos(2π f ti )sin ϕ = A sin(2π f ti ) cos ϕ + A cos(2π f ti )sin ϕ .
Pentru a calcula cele două medii statistice, aplicăm teorema de medie:
∞ f2
1
sin(2π f ti ) = ∫ sin(2π f ti ) p( f )df = ∫ sin(2π f ti )
−∞ f1
f 2 − f1
df =

f2
1 cos(2π f ti ) 1
=− ⋅ = ( cos(2π f1 ti ) − cos(2π f 2 ti ) ) ,
f 2 − f1 2πti f1
2π( f 2 − f1 )ti
∞ f2
1
cos(2π f ti ) =
−∞
∫ cos(2π f ti ) p( f )df = ∫ cos(2π f ti )f1
f 2 − f1
df =

f2
1 sin(2π f ti ) 1
= ⋅ = ( sin(2π f 2 ti ) − sin(2π f1 ti ) ) .
f 2 − f1 2πti f1
2π( f 2 − f1 )ti
În final, obţinem:
A cos ϕ A sin ϕ
µ1 (ti ) = ( cos(2π f1ti ) − cos(2π f2ti ) ) + ( sin(2π f2ti ) − sin(2π f1ti ) ) .
2π( f 2 − f1 )ti 2π( f 2 − f1 )ti
Pentru valori date ale frecvenţelor f1 şi f2, rezultă că valoarea medie va depinde de momentul
de timp la care este calculată.
Valoarea pătratică medie a p.a. X(t) se calculează pentru un moment de timp fixat ti :
µ2 (ti ) = X 2 (ti ) = A2 sin 2 (2π f ti + ϕ) = A2 ⋅ ( sin(2π f ti ) cos ϕ + cos(2π f ti )sin ϕ)
2

(
= A2 sin 2 (2π f ti ) cos 2 ϕ + 2sin ϕ cos ϕsin(2π f ti ) cos(2π f ti ) + cos 2 (2π f ti )sin 2 ϕ . )
Valorile medii pătratice ale funcţiilor sinus şi cosinus se calculează tot cu teorema de medie:
∞ f2
1
sin (2π f ti ) = ∫ sin (2π f ti ) p( f )df = ∫ sin 2 (2π f ti )
2 2
df
−∞ f1
f 2 − f1
f2 2 f
1 1 1
=
2( f 2 − f1 ) ∫ (1 − cos(4π f t ) ) df
f1
i
=
2 2( f 2 − f1 ) ∫f1
− cos(4π f ti ) df

9
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
1 1
=− ( sin(4π f 2 ti ) − sin(4π f1 ti ) ) ;
2 8π( f 2 − f1 )ti
1 1
cos 2 (2π f ti ) = 1 − sin 2 (2π f ti ) = + ( sin(4π f 2 ti ) − sin(4π f1 ti ) ) ;
2 8π( f 2 − f1 )ti
∞
1 1
sin(2π f ti ) cos(2π f ti ) = sin(4π f ti ) = ∫ sin(4π f ti ) p( f )df
2 2 −∞
f2 f2
1 1 cos(4π f ti )
= ∫ sin(4π f ti ) df = − ⋅
f1
f 2 − f1 f 2 − f1 4πti f1

1
= ( cos(4π f1 ti ) − cos(4π f 2 ti ) ) ;
4π( f 2 − f1 )ti
Deci, valorea pătratică medie a p.a. X(t) este:
A2 cos2 ϕ A2 sin 2 ϕ A2 cos2 ϕ
µ2 (ti ) = + − ( sin(4π f2 ti ) − sin(4π f1 ti ) ) +
2 2 8π( f 2 − f1 )ti
A2 sin ϕ cos ϕ A2 sin 2 ϕ
+ ( cos(4π f1 ti ) − cos(4π f 2 ti ) ) + ( sin(4π f2 ti ) − sin(4π f1 ti ) )
2π( f 2 − f1 )ti 8π( f 2 − f1 )ti
A2 A2 sin ϕ cos ϕ
= + ( cos(4π f1 ti ) − cos(4π f 2 ti ) )
2 2π( f 2 − f1 )ti
A2 cos 2ϕ
− ( sin(4π f2 ti ) − sin(4π f1 ti ) ) .
8π( f 2 − f1 )ti
Dispersia p.a. X(t) este:
σ2 (ti ) = µ2 (ti ) − µ12 (ti )
A2 A2 sin ϕ cos ϕ A2 cos 2ϕ ( sin(4π f 2 ti ) − sin(4π f1 ti ) )
= + ( cos(4π f1 ti ) − cos(4π f2 ti ) ) −
2 2π( f 2 − f1 )ti 8π( f 2 − f1 )ti
 A cos ϕ ( cos(2π f1 ti ) − cos(2π f 2 ti ) ) A sin ϕ ( sin(2π f 2 ti ) − sin(2π f1 ti ) ) 
2

+ + 
 2π( f 2 − f1 )ti 2π( f 2 − f1 )ti 
Funcţia de autocorelaţie statistică se calculează pentru două momente de timp t1 şi t2:
RX (t1 , t2 ) = X (t1 ) X (t2 ) = A2 sin(2π f t1 + ϕ)sin(2π f t2 + ϕ)
A2 A2
= cos ( 2π f (t1 − t2 ) ) − cos ( 2π f (t1 + t2 ) + 2ϕ)
2 2
2
A A2 A2
= cos ( 2π f (t1 − t2 ) ) − cos ( 2π f (t1 + t2 ) ) cos 2ϕ + sin ( 2π f (t1 + t2 ) ) sin 2ϕ
2 2 2
unde:
∞
cos ( 2π f1 (t1 + t2 ) ) − cos ( 2π f 2 (t1 + t2 ) )
sin ( 2π f (t1 + t2 ) ) = ∫ sin ( 2π f (t 1 + t2 ) ) p( f )df = ,
−∞
2π( f 2 − f1 )(t1 + t2 )
∞
sin ( 2π f 2 (t1 + t2 ) ) − sin ( 2π f1 (t1 + t2 ) )
cos ( 2π f (t1 + t2 ) ) = ∫ cos ( 2π f (t1 + t2 ) ) p( f )df = ,
−∞
2π( f 2 − f1 )(t1 + t2 )
∞
sin ( 2π f 2 (t1 − t2 ) ) − sin ( 2π f1 (t1 − t2 ) )
cos ( 2π f (t1 − t2 ) ) = ∫ cos ( 2π f (t1 − t2 ) ) p( f )df = .
−∞
2π( f 2 − f1 )(t1 − t2 )
Deci:

10
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
cos ( 2π f1 (t1 + t2 ) + 2ϕ ) − cos ( 2π f 2 (t1 + t2 ) + 2ϕ )
RX (t1 , t2 ) = A2 +
4π( f 2 − f1 )(t1 + t2 )
sin ( 2π f 2 (t1 − t2 ) ) − sin ( 2π f1 (t1 − t2 ) )
+ A2 .
4π( f 2 − f1 )(t1 − t2 )
b) Deoarece mediile statistice calculate la punctul a) depind de momentele de timp alese, p.a.
X(t) cu frecvenţă aleatoare nu este staţionar.

4. Valori medii statistice, staţionaritate. [Hsu97, 5.18], [VGS99, Ex. 6.2]

Fie p.a. Z (t ) = X cos(2π f t ) + Y sin(2π f t ) , t ∈ (−∞, +∞ ) , unde f este constant, iar X şi Y sunt
două v.a. independente, normale, de medie nulă şi dispersie cunoscută.
a) Să se calculeze media, dispersia şi funcţia de autocorelaţie ale p.a. Z (t ) ;
b) Procesul Z (t ) este staţionar? Dacă nu, care sunt condiţiile pentru a fi staţionar?

Rezolvare
a) Valoarea medie a procesului aleator pentru un moment de timp ti fixat este zero deoarece
v.a. X şi Y sunt de medie zero:
µ1, Z (ti ) = Z (ti ) = X cos(2π f ti ) + Y sin(2π f ti ) = X cos(2π f ti ) + Y sin(2π f ti ) = 0 .
Valoarea pătratică medie este:
µ 2, Z (ti ) = Z 2 (ti ) = ( X cos(2π f ti ) + Y sin(2π f ti ) )
2

= X 2 cos 2 (2π f ti ) + 2 XY cos(2π f ti ) sin(2π f ti ) + Y 2 sin 2 (2π f ti )

= σ 2X cos 2 (2π f ti ) + 2 XY cos(2π f ti ) sin(2π f ti ) + σY2 sin 2 (2π f ti ).
Din condiţia de independenţă, rezultă că XY = X Y = 0 , iar valoarea pătratică medie va fi:
µ 2, Z (t ) = Z 2 (t ) = σ2X cos 2 (2π f t ) + σY2 sin 2 (2π f t ).
Dispersia va fi:
2
σ2Z (t ) = µ 2, Z (t ) − µ1,2 Z (t ) = Z 2 (t ) − Z (t ) = σ 2X cos 2 (2π f t ) + σY2 sin 2 (2π f t ) .
Funcţia de autocorelaţie este:
RZ (t1 , t2 ) = Z (t1 ) Z (t2 ) = ( X cos(2π f t1 ) + Y sin(2π f t1 ) )( X cos(2π f t2 ) + Y sin(2π f t2 ) )
= X 2 cos(2π f t1 ) cos(2π f t2 ) + Y 2 sin(2π f t1 ) sin(2π f t2 ) +
+ XY ( cos(2π f t1 )sin(2π f t2 ) + sin(2π f t1 ) cos(2π f t2 ) )
= σ2X cos(2π f t1 ) cos(2π f t2 ) + σY2 sin(2π f t1 )sin(2π f t2 ).
b) În cazul general, când σ2X ≠ σY2 , valoarea medie pătratică şi funcţia de autocorelaţie depind
de timp, deci p.a. Z(t) nu este staţionar în sens larg (s.s.l.). Dar, pentru două v.a. X şi Y
având dispersii egale, σ2X = σY2 = σ2 , obţinem:
µ 2, Z (t ) = Z 2 (t ) = σ2 cos 2 (2π f t ) + σ2 sin 2 (2π f t ) = σ2 = µ 2, Z , ∀t ;
σ2Z (t ) = µ 2, Z (t ) − µ1,2 Z (t ) = σ2 = σ2Z , ∀t ;
RZ (t1 ,t2 ) = σ2 cos(2π f t1 ) cos(2π f t2 ) + σ2 sin(2π f t1 ) sin(2π f t2 )
= σ2 cos ( 2π f (t1 − t2 ) )
= σ2 cos ( 2π f τ ) = RZ (τ), cu τ = t1 − t2 ,
procesul Z(t) fiind s.s.l..

11
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
5. Medii temporale, f.d.p.. [MSG83, Pb. 3.3]
Se consideră un p.a. ergodic X(t), cu distribuţie gaussiană şi având funcţia de autocorelaţie
RX (τ) = Ae−α|τ| + B , unde A, B şi α sunt constante pozitive. Să se determine valoarea medie,
valoarea pătratică medie, dispersia, componenta continuă, puterea şi f.d.p. ale procesului.
RX(τ)

µ2 = A + B

σ2 = A

µ12 = B
τ
0

Fig. 7. Funcţia de autocorelaţie RX(τ) pentru un p.a. ergodic X(t).

Rezolvare
Deoarece p.a. X(t) este ergodic, mediile statistice sunt egale cu mediile temporale. Din
proprietăţile funcţiei de autocorelaţie, reprezentată în Fig. 4, obţinem:
µ1 = m1 = lim R (τ) = B ,
τ→∞

µ 2 = Pm = RX (0) = A + B ,
σ = µ 2 − µ12 = A + B − B = A .
2

Deoarece procesul X(t) are distribuţie gaussiană şi ţinând cont de valorile medii determinate
anterior, f.d.p. se poate scrie:
1  ( x − µ1 ) 2  1  ( x − B )2 
p( x) = exp  −  = exp  −  .
2πσ 2  2σ 2  2πA  2A 

6. Funcţia de autocorelaţie. [MSG83, Pb. 3.4]

Funcţiile din figurile de mai jos pot fi funcţii de autocorelaţie?
f1(τ) f2(τ)

τ τ

Fig. 8. Două funcţii care nu pot fi funcţii de autocorelaţie.

Rezolvare
Funcţiile f1(τ), f2(τ) nu pot fi funcţii de autocorelaţie, pentru că:
• f1(τ) nu este o funcţie pară;
• f2(τ) nu are valoarea maximă în origine.

12
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
7. Două procese aleatoare dependente, funcţia de corelaţie mutuală.
Fie p.a. ergodic din Problema rezolvată 1, X (t ) = A sin(2π f t + ϕ) , unde A şi f sunt constante,
iar φ este o v.a. distribuită uniform în [0, 2π] , care poartă informaţia sursei. Acest proces este
modulat pe o frecvenţa purtătoare fp, rezultând p.a. în cuadratură:
I (t ) = X (t ) ⋅ cos(2π f pt + Θ) , Q(t ) = X (t ) ⋅ sin(2π f p t + Θ) .
unde Θ reprezintă faza oscilatorului local care generează purtătoarea, fiind o v.a. distribuită
uniform în [0, 2π] şi independentă de φ.
a) Calculaţi funcţiile de corelaţie mutuală dintre p.a. I(t) şi Q(t).

Rezolvare
a) Funcţia de corelaţie mutuală dintre I(t) şi Q(t) este dată de:
RIQ (τ) = I (t )Q(t + τ) = X (t )cos(2π f pt + Θ) X (t + τ)sin(2π f p (t + τ) + Θ)
= X (t ) X (t + τ) ⋅ cos(2π f pt + Θ)sin(2π f p (t + τ) + Θ)
1
= ⋅ RX (τ) ⋅ sin(2π f p (2t + τ) + 2Θ) − sin(−2π f p τ)
2
1 1
= ⋅ RX (τ) ⋅ sin(2π f p (2t + τ) + 2Θ) + ⋅ RX (τ) ⋅ sin(2π f p τ)
2 2
1
= ⋅ RX (τ) ⋅ sin(2π f p τ),
2
unde, la ultima egalitate sin(2π f p (2t + τ) + 2Θ) = 0 , deoarece faza Θ este o v.a. cu
distribuţie uniformă în [0, 2π] .
Dacă τ = 0 , termenul sin(2π f p τ) este zero, iar funcţia de corelaţie mutuală va fi:
RIQ (0) = I (t )Q(t ) = 0 ,
fapt care ne arată că v.a. I(ti) şi Q(ti) obţinute în urma observării simultane a proceselor
modulate în cuadratură I(t) şi Q(t) la momente fixe de timp ti sunt ortogonale.
Utilizând proprietăţile funcţiilor de corelaţie mutuală, putem scrie funcţia de corelaţie
dintre Q(t) şi I(t):
1 1
RQI (τ) = RI Q (−τ) = ⋅ RX (−τ) ⋅ sin(−2π f p τ) = − ⋅ RX (τ) ⋅ sin(2π f p τ) .
2 2

8. Seria aleatoare, medii statistice. [VGS99, Tema 6.5]

Fie X [n] o serie pur aleatoare (s.a.) ale cărui eşantioane sunt distribuite uniform în intervalul
[-1,1]. Pe baza acesteia se defineşte o altă s.a. astfel:
Y [n] = X [n] + 2 X [n − 1] + X [n − 2] .
Să se calculeze valoarea medie, valoarea pătratică medie, dispersia şi funcţia de autocorelaţie
pentru s.a. Y [n] .

Rezolvare
Valoarea medie şi valoarea pătratică medie ale s.a. Y [n] sunt:
µ1,Y [ n] = Y [n] = X [ n] + 2 X [ n − 1] + X [ n − 2] = X [ n] + 2 X [ n − 1] + X [ n − 2] ,

µ 2,Y [ n] = Y 2 [ n] = ( X [ n] + 2 X [ n − 1] + X [n − 2])
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, eşantioanele sunt necorelate între ele şi putem scrie:
13
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017

µ 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 ale s.a. Y [n] , avem nevoie de mediile statistice ale s.a. X [n] .
F.d.p. pentru o distribuţie uniformă a eşantioanelor s.a. X [n] în intervalul [-1,1] este:
1
 , x ∈ [−1,1]
p( x) =  2 .
0, în rest
Astfel, valoarea medie, valoarea pătratică media şi dispersia s.a. X[n] sunt:
∞ 1
1
µ1, X [n] = X [n] = ∫ x p( x) dx = ∫ x dx = 0 ,
−∞ −1
2
∞ 1
1 1
µ 2, X [n] = X [n] = ∫x p ( x) dx = ∫ x 2 dx = ,
2 2

−∞ −1
2 3
1
σ 2X [n] = µ 2, X [n] − µ1,2 X [n] = .
3
Din relaţiile anterioare se observă că mediile statistice nu depind de momentul de timp n la care
se face observarea, deci s.a. X [n] va fi staţionară, iar mediile de ordin 1 din relaţia (*) vor fi:
X [n] = X [n − 1] = X [n − 2] = µ1, X [n] = 0 .
În aceste condiţii, pantru s.a. Y [n] valoarea medie este:
µ1,Y [ n] = X [ n] + 2 X [ n − 1] + X [ n − 2] = 0 + 2 ⋅ 0 + 0 = 0 ,
valoarea pătratică medie este:
µ 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 = 2.
3 3 3
iar dispersia este:
σY2 [ n] = µ 2,Y [ n] − µ1,2 Y [n] = 2 − 0 = 2 .
Funcţia de autocorelaţie a s.a. Y [n] este:
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 − 1] + 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 funcţia de autocorelaţie a seriei pur aleatoare X [n] este:
1
RX [m] = σ2X δ[m] = δ[m] .
3
În aceste condiţii, funcţia de autocorelaţie a s.a. Y [n] devine:
1 4 4 1
RY [m] = δ[m − 2] + δ[m − 1] + 2δ[m] + δ[m + 1] + δ[m + 2] .
3 3 3 3
Pentru cele două serii aleatoare, funcţiile de autocorelaţie sunt ilustrate în Fig. 9. Se poate
observa că seria pur aleatoare X[n] are eşantioane necorelate, adică pentru m ≠ 0 funcţia de

14
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
autocorelaţie RX [m] ia valori nule. Prin adunarea de eşantioane consecutive din seria X[n], se
obţine o serie aleatoare Y [n] cu eşantioane corelate între ele.

RX[m] RY[m]
2δ[m] 4
4 δ[m − 1]
δ[m + 1]
3 3
1 1 1
δ[m] δ[m + 2] δ[m − 2]
3 m 3 3 m
-2 -1 0 1 2 -2 -1 0 1 2
Fig. 9. Funcţiile de autocorelaţie pentru seriile aleatoare X[n] şi Y[n] = X[n]+2X[n-1]+X[n-2].

III. Probleme propuse

9. Valori medii, staţionaritate. [MSG83, Pb. 3.1]

Fie un proces aleator sinusoidal, dat de relaţia X (t ) = A cos ( 2π f 0t + ϕ ) , unde f 0 şi φ sunt
constante, iar A este o v.a. uniform distribuită în intervalul (−m, m) .
a) Să se determine valoarea medie, valoarea pătratică medie, dispersia şi funcţia de
autocorelaţie ale p.a. X (t ) ;
b) P.a. X (t ) este staţionar în sens larg?
c) Desenaţi două realizări particulare ale procesului;
d) Se poate preciza staţionaritatea procesului prin inspectarea realizărilor particulare
reprezentate la punctul c)?

10. Proprietăţile funcţiei de autocorelaţie. [VGS99, Tema 6.10]

Care sunt proprietăţile unui p.a. ergodic care pot fi extrase din funcţia sa de autocorelaţie:
perioada, componenta continuă, puterea, dispersia, proprietăţile de simetrie, faza? Explicaţi.

11. Proprietăţile funcţiei de autocorelaţie.

Procesul aleator Y (t ) are o componentă continuă de 3 / 2 volţi, o componentă periodică g (t )
şi o componentă aleatoare X (t ) , necorelate între ele. Funcţia de autocorelaţie a p.a. Y (t ) este:

RY(τ), [V2]

1
τ

-5T -4T -3T -2T -T 0 T 2T 3T 4T 5T

a) Reprezentaţi grafic funcţiile de autocorelaţie a celor trei componente;

b) Care este puterea medie a componentei periodice g (t ) ? Dar a componentei aleatoare X (t ) ?
15
DEPI, Seminar 2. Procese aleatoare, Ş.l. Lucian Perişoară seria III C, 2017
12. Proprietăţile funcţia de autocorelaţie.
Fie un proces aleator X (t ) . Demonstraţi următoarele proprietăţi ale funcţiei de autocorelaţie:
a) dacă X (t ) conţine o componentă continuă egală cu A, atunci RX (τ) va conţine o
componentă proporţională cu A2 ;
b) dacă X (t ) conţine o componentă sinusoidală, atunci RX (τ) va conţine, de asemenea, o
componentă sinusoidală de aceeaşi frecvenţă.

13. Medii statistice. [VGS99, Tema 6.4]

Fie o s.a. X [n] , pur aleatoare, staţionară, de medie µ1, X şi dispersie σ 2X cunoscute. Pe baza
acesteia se construiesc s.a.:
Y [n] = ( X [n] + X [n − 1]) 2 , Z [n] = X [n] − X [n − 1] .
Pentru aceste noi serii, să se calculeze valorile medii, valorile pătratice medii, dispersiile,
funcţiile de autocorelaţie precum şi funcţiile de corelaţie mutuală.

IV. Bibliografie
[Spă83] Al. Spătaru, „Teoria Transmisiunii Informaţiei”, Editura Didactică şi Pedagogică,
Bucureşti, 1983.
[Mur98] A. T. Murgan, „Principiile Teoriei Informaţiei în Ingineria Informaţiei şi a
Comunicaţiilor”, Editura Academiei Române, Bucureşti, 1998.
[MSG83]A. T. Murgan, I. Spânu, I. Gavăt, I. Sztojanov, V. E. Neagoe, A. Vlad, „Teoria
Transmisiunii Informaţiei – probleme”, Editura Didactică şi Pedagogică, Bucureşti, 1983.
[VGS99] C. Vertan, Inge Gavăt, Rodica Stoian, „Variabile şi Procese Aleatoare: principii şi
aplicaţii”, Editura Printech, Bucureşti, 1999.
[MDC95] A. T. Murgan, R. Dogaru, C. Comăniciu, „Teoria transmisiunii informaţiei. Detecţia,
estimarea şi filtrarea semnalelor aleatoare. Lucrări practice”, Editura Politehnica,
Bucureşti, 1995.
[VFM02] A. Vlad, M. Ferecatu, M. Mitrea, “Teoria Transmisiunii Informaţiei II – Elemente
teoretice ilustrate în MathCAD”, Editura Paideia, Bucureşti, 2002.
[Sto] R. Stoian, “Decizie şi Estimare în Prelucrarea Informaţiilor”, Note de curs.
[Per] L. A. Perişoară, “Decizie şi Estimare în Prelucrarea Informaţiilor”, Note de seminar.

16