DEPI, Seminar 1. Variabile aleatoare, Ş.l.

Lucian Perişoară seria III C, 2018

Seminar 1. Variabile aleatoare

I. Breviar teoretic

1.1. Definiţii
O variabilă aleatoare (v.a.) X este o funcţie ce asociază o valoare reală x unei realizări
particulare  a unui experiment probabilistic. Spaţiul tuturor evenimentelor (eşantioanelor) este
notat cu  = {}, iar dimensiunea acestuia este cardinalitatea lui , notată  .
În funcție de dimensiunea alfabetului, v..a. se pot clasifica în:
 v.a. discretă X ia valori într-o mulţime numărabilă de valori reale X  {x1 , x2 ,… , x|X | } a.î.
P  X  xi   P( xi )  Pi  0, i pentru care este îndeplinită condiţia de normare  P  1.
i i

Funcţia de masă a probabilităţilor (f.m.p.) este:

p ( x)   i Pi  ( x  xi ) , 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
b
P  X  (a, b)    p ( x)dx  0 .
a

Funcţia de repartiţie este definită ca probabilitatea cu care v.a. X ia valori mai mici decât x:
F ( x)  P( X  x) .
Funcția de repartiție are următoarele proprietăţi:
0  F ( x)  1 ,
F ()  0 ,
F ()  1 ,
este crescătoare: dacă x1  x2 , atunci F ( x1 )  F ( x2 ) ;
probabilitatea ca v.a. X să ia valori într-un interval este: P  X  (a, b]  F (b)  F (a ) .

Funcția densitate de probabilitate (f.d.p.) se definește ca derivata funcției de repartiție:

d
p( x)  F ( x) .
dx
Proprietăți:

Pentru cazul a două 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 .

DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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

1.2. Medii statistice

Pentru o v.a. X, dacă se cunoaște distribuția p(x), atunci se pot defini următoarele valori medii:

 Valoarea medie (momentul necentrat de ordin 1):  X  E  X   X   xp ( x)dx .

 Valoarea pătratică medie (momentul necentrat de ordin 2):
 Dispersia sau varianța (momentul centrat de ordinul 2):

 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 și Y, se pot defini:

 corelaţia (momentul reunit necentrat de ordinul 1):
 
RXY  E  XY   XY    xy p ( x, y ) dxdy .
 
 covarianţa (momentul reunit centrat de ordinul 1):
 
K XY  E  X  E  X  Y  E Y     X  X Y  Y     ( x  X )( y  Y ) p( x, y) dxdy .
 
 coeficientul de corelație este definit ca valoarea normalizată a covarianţei în raport cu
produsul deviaţiilor standard  X Y al celor două variabile:


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 )
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

 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).

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
x 0
 log 2 x    p( x)dx
 p( x) 
 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.
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

II. Probleme
1. F.m.p., funcţia de repartiţie, informaţie, entropie.
Fie o variabilă aleatoare X care modelează experimentul aruncării unui zar ideal.
a) Să se determine și să se reprezinte grafic funcția densitate de probabilitate şi funcţia de
repartiţie;
b) Să se calculeze valoarea medie, valoarea pătratică medie și dispersia;
c) Repetați punctele anterioare pentru un zar măsluit având probabilitatea de apariție a unei
fețe direct proporțională cu cifra de pe fața respectivă.

Rezolvare
a) Pentru o v.a. discretă X, care modelează experimentul aruncării unui zar ideal, alfabetul
este X  1, 2, 3, 4, 5, 6 , probabilitatea fiecărui eveniment fiind:
Pi  P  X  xi   1 / 6, i  1,6, xi  X .
Distribuția de probabilități se poate scrie ca o sumă de funcții Dirac, vezi Fig. 1:
1 1 1
p ( x)   i Pi  ( x  xi )  ( x  1)  ( x  2)  ( x  6) .
6 6 6
6
1
Condiţia de normare se scrie ca i i 
P 
i 1 6
 1.

p(x)
1
( x  3)
6
1
6
x
1 2 3 4 5 6

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

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

alfabetul v.a. este finit, funcţia de repartiţie va avea punctele de discontinuitate xi  X , iar
aceasta se va calcula pe fiecare subinterval 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 Fig. 2.
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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    , ,   ℝ ,   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


2
Pentru aceasta vom calcula I , adică:
   
I 2   e x dx  e y dy   
2 2 2
 y2 )
e( x 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:
2 
e r rdrd    e  r rdr  d   2  e r    ,
 2  2 1
I2   
2 2

0 0 0 0 2 0 

de unde:

I   e  x dx   .
2


DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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

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

x
Făcând schimbarea de variabilă t  , rezultă că:
 2
 1  1  t 2 1
 p( x)dx   2  e  2dt    e dt     1.
t 2

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

 1


 X     t 2
2
e t  2dt

 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 
 2X   X   X    ( x  ) 2
2 2 2
e dx

 2
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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

 2   2 ln 2  2
 e 2 2
dx  2
e 2 2
dx
ln 2
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] .
A doua condiţie se verifică astfel:
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018


 
 

p ( x, y )dxdy  
1 1

0 x
1
2 xy
dxdy 
1 1 1 1 1

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

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

11 1 1 1 1 x
 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 : ℝ  [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 ) .
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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 e  2 2 , y0
  2

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

DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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:
ln x
1 1
2 1
1 ln x ln 2 
I  dx   ln x(ln x) ' dx  ln x   dx   ln   I  I  
2
.
 x    x 2
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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 )  ℝ 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.
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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  ℕ .
 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) ?
DEPI, Seminar 1. Variabile aleatoare, Ş.l. Lucian Perişoară seria III C, 2018

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 Y2 ,
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.