Sunteți pe pagina 1din 67

VARIABILE SI PROCESE ALEATOARE: Principii

si aplicatii
Constantin VERTAN, Inge GAV

AT, Rodica STOIAN


23 mai 1999
Cuprins
1 Cuvnt nainte 4
2 Variabile aleatoare cu valori continue 5
2.1 Functia de repartitie a variabilelor aleatoare . . . . . . . . . . . . . . . . 5
2.2 Functia de densitate de probabilitate a variabilelor aleatoare . . . . . . . 6
2.3 Momente statistice centrate si necentrate . . . . . . . . . . . . . . . . . . 6
2.4 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Variabile aleatoare cu valori discrete 15
3.1 Functia de repartitie si functia de densitate de probabilitate . . . . . . . 15
3.2 Momente statistice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.4 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4 Functii de o variabil a aleatoare 20
4.1 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5 Caracterizarea unei perechi de variabile aleatoare 30
5.1 Functia de repartitie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.2 Functia de densitate de probabilitate . . . . . . . . . . . . . . . . . . . . 30
5.3 Momente statistice asociate unei perechi de variabile aleatoare . . . . . . 31
5.4 Variabile aleatoare independente si necorelate . . . . . . . . . . . . . . . 32
5.5 Functii de dou a variabile aleatoare . . . . . . . . . . . . . . . . . . . . . 32
2
5.6 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.7 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6 Procese aleatoare 41
6.1 Functia de repartitie si functia de densitate de probabilitate . . . . . . . 41
6.2 Momente statistice ale semnalelor aleatoare . . . . . . . . . . . . . . . . 42
6.3 Medii temporale ale semnalelor aleatoare . . . . . . . . . . . . . . . . . . 42
6.4 Corelatia proceselor aleatoare . . . . . . . . . . . . . . . . . . . . . . . . 43
6.5 Clase de semnale aleatoare . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.6 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.7 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
7 Teorema Wiener-Hincin 50
7.1 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
7.2 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
8 Trecerea semnalelor aleatoare prin sisteme liniare 54
8.1 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
8.2 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
9 Spatii de reprezentare a semnalelor 60
9.1 Transform ari unitare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
9.2 Probleme rezolvate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
9.3 Probleme propuse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
A NOTA TII UTILIZATE 65
3
Capitolul 1
Cuvnt nainte
n cadrul cursului de Teoria Transmisiunii Informatiei II, capitolelor destinate studiului
semnalelor aleatoare si prelucr arii lor cu ajutorul sistemelor liniare li se acord a un rol din
ce n ce mai important. n toate sistemele de transmitere a informatiei, att componenta
util a, ct si perturbatiile au o natur a probabilistic a, care se poate modela matematic
prin variabile si procese aleatoare, ceea ce face ca studiul acestora s a prezinte un interes
aparte. Dicult atile acestui studiu, pentru o formatie inginereasc a, pot n mare m asur a
dep asite prin alegerea unui material aplicativ potrivit, ceea ce si si propune culegerea de
probleme de fat a.
Urm arind ndeaproape cursul si gradnd dicultatea aplicatiilor, culegerea acoper a prima
parte a cursului de Teoria Transmisiunii Informatiei II. Fiecare dintre cele 9 capitole are
un scurt breviar teoretic, cteva probleme rezolvate si probleme propuse. Sunt pre-
v azute capitole privind: momentele variabilelor aleatoare continue si discrete, functiile
de variabil a aleatoare, caracterizarea statistic a a unei perechi de variabile aleatoare (cu
l amurirea notiunilor de independent a statistic a si necorelare a dou a variabile aleatoare).
Sunt n continuare capitole consacrate proceselor aleatoare, momentelor statistice si medi-
ilor lor temporale, f acndu-se distinctia ntre diferite categorii de procese aleatoare (pur
aleator, proces Markov, proces stationar, proces ergodic). Este de asemenea tratat a
extinderea analizei Fourier la procese aleatoare prin teorema Wiener-Hincin si trecerea
semnalelor aleatoare prin sisteme liniare. Ultimul capitol al culegerii este dedicat spatiilor
de reprezentare a semnalelor.
Autorii au avut n vedere o abordare pragmatic a si sintetic a a tematicii, ncercnd s a
pun a la dispozitia studentilor sectiei de comunicatii un material didactic util pentru
nsusirea cunostintelor de baz a privind procesele aleatoare, care s a constituie un punct
de plecare pentru un studiu mai aprofundat si ranat al acestui subiect.
4
Capitolul 2
Variabile aleatoare cu valori continue
O variabil a aleatoare este o functie ce asociaz a un num ar real realiz arii unui eveniment;
dac a este multimea evenimentelor elementare, = {
1
,
2
, ...,
n
} atunci avem
: R, (
k
) = x. (2.1)
Un exemplu de variabil a aleatoare este valoarea rezistentei unui rezistor; acest num ar real
este asociat evenimentului de alegere a unui rezistor de pe uxul de fabricatie; o realizare
particular a a acestei variabile aleatoare nseamn a m asurarea unui anumit rezistor deja
ales.
2.1 Functia de repartitie a variabilelor aleatoare
Fie o variabil a aleatoare ale c arei valori observate sunt numere reale. Valoarea functiei
de repartitie F

(x) este denit a ca probabilitatea evenimentului ca valoarea unei realiz ari


particulare a variabilei aleatoare s a e mai mic a dect x:
F

(x) = P{ x}. (2.2)


Fiind denite ca probabilit ati, valorile functiei de repartitie vor , evident, numere reale
din intervalul [0; 1], deci:
0 F

(x) 1. (2.3)
Valorile extreme ale functiei de repartitie se obtin pentru valori particulare ale lui x.
Dac a x = , atunci
F

() = P{ } = 0, (2.4)
(deoarece nici o valoare real a, asa cum este , nu poate mai mic a dect ). Dac a
x = , atunci:
F

() = P{ } = 1, (2.5)
(deoarece orice valoare real a este mai mic a dect ).
5
n plus, dac a avem x
1
x
2
dou a valori reale oarecari, atunci F

(x
1
) F

(x
2
), si deci
functia de repartitie a unei variabile aleatoare este o functie cresc atoare, sau cel putin
nedescresc atoare:
x
1
x
2
F

(x
1
) F

(x
2
). (2.6)
ntr-adev ar, F

(x
2
) = P{ x
2
} = P{ x
1
} +P{x
1
< x
2
} N P{ x
1
}.
Se poate demonstra usor c a:
P(a < b) = F

(b) F

(a). (2.7)
2.2 Functia de densitate de probabilitate a variabi-
lelor aleatoare
Functia de densitate de probabilitate este derivata functiei de repartitie:
f

(x) =
dF

(x)
dx
. (2.8)
Fiind derivata unei functii cresc atoare (2.6), functia de densitate de probabilitate va avea
ntotdeauna valori pozitive:
f

(x) N 0. (2.9)
Din denitia (2.8) rezult a c a putem scrie functia de repartitie ca primitiv a a functiei de
densitate de probabilitate:
F

(x) =
x
_

(t)dt. (2.10)
Acest a formul a poate particularizat a pentru diferite valori ale lui x; pentru x = , se
obtine:

(t)dt = 1, (2.11)
numit a conditia de normare a functiei de densitate de probabilitate (geometric, acest a
conditie se interpreteaz a prin aceea c a aria subgracului functiei de densitate de proba-
bilitate trebuie s a e unitar a).
Conditiile esentiale ce trebuiesc vericate pentru orice functie ce este o densitate de
probabilitate sunt (2.9) si (2.11).
2.3 Momente statistice centrate si necentrate
Fie o variabil a aleatoare a c arei functie de densitate de probabilitate este f

(x). Pe baza
acesteia se pot deni momentele statistice [necentrate] ale variabilei aleatoare. Momentul
6
statistic [necentrat] de ordin k este:
m
(k)

= m
k
=

x
k
f

(x)dx. (2.12)
Cazurile particulare de maxim interes sunt momentele de ordinul 1 (media statistic a a
variabilei aleatoare) si de ordinul 2 (media p atratic a a variabilei aleatoare):
= m
(1)

= m
1
=

xf

(x)dx, (2.13)

2
= m
(2)

= m
2
=

x
2
f

(x)dx. (2.14)
Momentul statistic centrat de ordinul k al variabilei aleatoare este:
M
(k)

= M
k
=

(x m
1
)
k
f

(x)dx =

(x )
k
f

(x)dx. (2.15)
Cazul particular cel mai utilizat este momentul statistic centrat de ordinul 2, numit
varianta variabilei aleatoare:

2
= M
(2)

= M
2
=

(x )
2
f

(x)dx. (2.16)
R ad acina de ordinul 2 a variantei se numeste deviatie standard:
=
_
M
2
. (2.17)
2.4 Probleme rezolvate
Exemplul 2.1 Sa se determine func tia de densitate de probabilitate, func tia de repar-
ti tie, media, media patratica si varian ta unei variabile aleatoare , distribuite uniform n
intervalul [a; b].
Rezolvare: O distributie uniform a este denit a de faptul c a orice valoare din intervalul
posibil (deci [a; b] n acest caz) este echiprobabil a. Valorile din afara intervalului de
denitie [a; b] sunt imposibile, deci de probabilitate nul a. Acesta nseamn a c a functia
de densitate de probabilitate este constant a pe intervalul pe care variabila aleatoare ia
valori si nul a n rest. Deci:
f

(x) =
_
k, dac a x [a; b],
0, n rest.
7
Acest a functie trebuie s a verice cele dou a conditii fundamentale ale unei densit ati de
probabilitate: s a e pozitiv a (2.9) si s a aib a aria subgracului unitar a (2.11). Atunci
f

(x) N 0 = k N 0
si

(t)dt =
b
_
a
kdt = k(b a) = 1 = k =
1
b a
.
Odat a determinat a functia de densitate de probabilitate, al c arei grac este reprezentat
n gur a, se poate determina functia de repartitie, dup a formula (2.10):
F

(x) =
x
_

(t)dt =
_

_
x
_

0dt, dac a x < a


x
_
a
kdt = k(x a) =
xa
xb
, dac a x [a; b]
b
_
a
kdt = k(b a) = 1, dac a x N b.
Gracul acestei functii este reprezentat n gura 2.1; se remarc a c a veric a propriet atile
generale ale functiilor de repartitie: functia este cresc atoare, F

() = 0 si F

() = 1.
-10 -5 0 5 10 15
0
0.2
0.4
0.6
0.8
1
Fig. 2.1: Functia de repartitie a unei variabile aleatoare distribuite uniform (cu a=2 si
b=6)
Determinarea mediei se face dup a denitia (2.13), ca moment statistic necentrat de or-
dinul 1:
=

xf

(x)dx =
b
_
a
x
b a
dx =
1
2(b a)
x
2

b
a
=
b
2
a
2
2(b a)
=
b +a
2
.
Determinarea mediei p atratice se face dup a denitia (2.14), ca moment statistic necentrat
de ordinul 2:

2
=

x
2
f

(x)dx =
b
_
a
x
2
b a
dx =
1
3(b a)
x
3

b
a
=
b
3
a
3
3(b a)
=
b
2
+ab +a
2
3
.
8
Determinarea variantei se face dup a denitia (2.16), ca moment statistic centrat de or-
dinul 2:

2
=

(x )
2
f

(x)dx =
b
_
a
(x
a+b
2
)
2
b a
dx =
=
b
_
a
x
2
b a
dx
b
_
a
x(b +a)
b a
dx + +
(a +b)
2
4(b a)
b
_
a
dx =
=
1
3(b a)
x
3

b
a

b +a
2(b a)
x
2

b
a
+
(a +b)
2
4
=
=
b
2
+ab +a
2
3

(b +a)
2
2
+
(b +a)
2
4
=
(b a)
2
12
.
Exemplul 2.2 Sa se verice ca func tia Gaussiana (clopotul lui Gauss) este o func tie
de densitate de probabilitate si sa se calculeze media si varian ta variabilei aleatoare a
carei distribu tie este data de aceasta func tie.
Rezolvare: Functia clopotul lui Gauss este dat a de
f(x) =
1

2
2
e

(x)
2
2
2
(reprezentat a n gura 2.2 pentru un caz particular).
-15 -10 -5 0 5 10 15 20
0
0.02
0.04
0.06
0.08
0.1
0.12
Fig. 2.2: Functie de densitate de probabilitate normal a (Gaussian a) de medie 2 si variant a
12.5
Vom demonstra c a media este si varianta este
2
, dar, mai nti, vom verica conditiile
pe necesare pentru ca f(x) s a e densitate de probabilitate: s a e pozitiv a (2.9) si s a
verice conditia de normare (2.11). ntruct functia este de tip exponential, valorile sunt
9
ntotdeauna pozitive. Pentru a verica conditia de normare este necesar a efectuarea unui
calcul ajut ator, cel al integralei:
I
x
=

e
x
2
dx.
Pentru aceasta vom calcula I
x
I
y
, adic a:
I
x
I
y
=

e
x
2
dx

e
y
2
dy =

e
(x
2
+y
2
)
dxdy,
prin trecerea de la coordonatele carteziene (x, y) (ce variaz a ntre si ) la coordo-
natele polare (r, ), date de r =
_
x
2
+y
2
si = arctg(y/x). Aceasta duce la schimbarea
de variabile x = r cos si y = r sin , cu limitele r [0; ) si [0; 2]. Jacobianul
transform arii de schimbare a variabilelor este:

x
r
y
r
x

cos sin
r sin r cos

= r cos
2
+r sin
2
= r.
Integrala devine:
I
x
I
y
=

_
0
2
_
0
e
r
2
rdrd =

_
0
e
r
2
rdr
2
_
0
d = 2
1
2
e
r
2
|

0
= .
Dar cum I
x
= I
y
, atunci avem c a I
x
=

, adic a:

e
x
2
dx =

.
Vericarea conditiei de normare a densit atii de probabilitate nseamn a calculul integralei:

f(x)dx =

2
2
e

(x)
2
2
2
dx =
1

2
2

(x)
2
2
2
dx.
Facem schimbarea de variabil a y =
x

2
2
, si atunci:

f(x)dx =
1

2
2

e
y
2

2
2
dy =
1

e
y
2
dy =
1

= 1.
Calculul mediei se face dup a denitia (2.13):
=

xf

(x)dx =

x
1

2
2
e

(x)
2
2
2
dx =
10
=
1

2
2
_
_

(x )

2
e

(x)
2
2
2
dx +

(x)
2
2
2
dx
_
_
=
=
1

2
2
_
_

2
e

(x)
2
2
2

(x)
2
2
2
dx
_
_
=
1

2
2

(x)
2
2
2
dx = .
Calculul variantei se face dup a denitia (2.16):

= ( )
2
=

(x )
2
f

(x)dx =

(x )
2

2
2
e

(x)
2
2
2
dx =
=
_

2
2

(x )
_

(x )

2
e

(x)
2
2
2
_
dx =
_

2
2

(x )
_
e

(x)
2
2
2
_
dx =
=
_

2
2
_
_
(x )e

(x)
2
2
2

(x)
2
2
2
dx
_
_
=
_

2
2

(x)
2
2
2
dx =
=
2
1

2
2

(x)
2
2
2
dx =
2
.
O distributie normal a (Gaussian a) de medie si de variant a
2
se mai noteaz a si cu
N (,
2
).
Exemplul 2.3 Se considera func tia w(x) =
_
1/x, daca 1 c x 1 +c
0, n rest
. Sa se de-
termine valoarea constantei c pentru care func tia w(x) poate o func tie de densitate de
probabilitate, sa se reprezinte grac si sa se calculeze func tia de reparti tie asociata.
Rezolvare: Pentru ca functia dat a s a e o functie de densitate de probabilitate trebuie
vericate conditiile de pozitivitate si de normare. n plus, trebuie ca intervalul pe care
functia este denit a s a existe: 1 c 1 + c, x N 0 1 c N 0 si

_

w(x)dx = 1.
Atunci avem c N 0, c 1 si

_

w(x)dx =
1+c
_
1c
1
x
dx = ln x

1+c
1c
= ln
1+c
1c
= 1; de aici rezult a
c a
1+c
1c
= e, si deci c =
e1
e+1
. Se veric a astfel c a acest a valoare este pozitiv a si subunitar a.
Atunci functia de densitate de probabilitate este:
w(x) =
_
1/x, dac a
2
e+1
x
2e
e+1
0, n rest.
Functia de repartitie asociat a este dat a de formula (2.10):
F

(x) =
x
_

w(t)dt =
_

_
0, dac a x <
2
e+1
x
_
2/(e+1)
1
t
dt = ln t

x
2/(e+1)
= ln
x(e+1)
2
, dac a
2
e+1
x
2e
e+1
1, dac a x >
2e
e+1
.
11
Exemplul 2.4 Sa se determine rela tia dintre media, media patratica si varian ta unei
variabile aleatoare.
Rezolvare: Se pleac a de la denitia (2.16) a variantei n care se dezvolt a termenul la
p atrat si se separ a integrala:
2
=

_

(x )
2
f

(x)dx =

_

(x
2
2x +
2
)f

(x)dx =
=

_

x
2
f

(x)dx

_

2xf

(x)dx +

_


2
f

(x)dx =
=

_

x
2
f

(x)dx 2

_

xf

(x)dx +
2

_

(x)dx.
Dar primul termen al sumei este chiar media p atratic a (denit a n (2.14)), integrala din
al doilea termen este chiar media (denit a n (2.13)), iar integrala din ultimul termen
este 1 (reprezentnd conditia de normare a functiei de densitate de probabilitate a unei
variabile aleatoare, (2.11)). Atunci relatia anterioar a devine:

2
=
2
2 +
2
=
2
2
2
+
2
=
2

2
= m
2
m
2
1
. (2.18)
Deci varianta este diferenta dintre media p atratic a si p atratul mediei.
Exemplul 2.5 Se considera func tia f(x) =
_
1
x
2
, daca x [1; )
0, n rest
. Sa se arate ca
acesta functie este o func tie de densitate de probabilitate si sa se calculeze media si
media patratica a variabilei aleatoare distribite dupa f(x).
Rezolvare: Se observ a c a f(x) N 0; mai trebuie deci vericat a conditia de normare (2.11).
Aceasta nseamn a calculul:

f(x)dx =

_
1
1
x
2
dx =
1
x
|

1
= 1
1

= 1.
Media (2.13) (momentul statistic [necentrat] de ordinul 1) variabilei aleatoare care este
distribuit a dup a aceast a densitate de probabilitate este:

xf(x)dx =

_
1
x
1
x
2
dx =

_
1
1
x
dx = lnx|

1
= ln = .
Media p atratic a (2.14) (momentul statistic [necentrat] de ordinul 2) a variabilei aleatoare
care este distribuit a dup a aceast a densitate de probabilitate este:

x
2
f(x)dx =

_
1
x
2
1
x
2
dx =

_
1
1dx = x|

1
= 1 = .
Calculul arat a c a nu exist a momente statistice, ncepnd cu ordinul 1.
12
2.5 Probleme propuse
Tema 2.1 Sa se calculeze media, media patratica si varian ta variabilei aleatoare , daca
func tia sa de densitate de probabilitate este w

(x) =
_
2x, daca 0 x 1
0, n rest.
.
Tema 2.2 Sa se calculeze media, media patratica si varian ta variabilei aleatoare , daca
func tia sa de densitate de probabilitate este w

(x) =
_
|x| , daca |x| 1
0, n rest.
.
Tema 2.3 Sa se calculeze media, media patratica si varian ta variabilei aleatoare , daca
func tia sa de densitate de probabilitate este w

(x) =
_
1 |1 x| , daca 0 x 2
0, n rest.
.
Tema 2.4 Sa se verice ca func tia w(x) este o densitate de probabilitate. Sa se deter-
mine media si dispersia pentru distribu tia caracterizata de aceasta (exponen tiala nega-
tiva).
w(x) =
_
e
x
, daca x N 0
0, n rest.
Tema 2.5 Sa se verice ca func tia w(x) este o densitate de probabilitate. Sa se deter-
mine media si dispersia pentru distribu tia caracterizata de aceasta (distribu tie Rayleigh):
w(x) =
_
x

2
e

x
2
2
2
, daca x N 0
0, n rest.
Tema 2.6 Sa se verice ca func tia w(x) este o densitate de probabilitate. Sa se de-
termine media si dispersia pentru distribu tia caracterizata de aceasta w(x) =

2
e
|x|
(distribu tie Laplace).
Tema 2.7 Se da func tia w(x) =
k
e
x
+e
x
, x R. Sa se determine constanta k astfel
nct w(x) sa e o func tie de densitate de probabilitate si sa se calculeze func tia de repar-
ti tie asociata. Presupunnd doua variabile aleatoare si independente, caracterizate
de densitatea de probabilitate w(x), sa se calculeze probabilitatea evenimentului { 1 si
N 1}.
Tema 2.8 Se considera func tia w(x) =
_
a/

e
2
x
2
, daca |x| < e
0, n rest
. Sa se determine
constanta a astfel nct func tia w(x) sa e func tia de densitate de probabilitate a unei
variabile aleatoare . Sa se calculeze functia de repartitie asociata si sa se calculeze
probabilitatea ca valoarea unei realizari particulare a variabilei aleatoare sa e cuprinsa
n intervalul [0; e]. Sa se reprezinte grac func tiile determinate.
Tema 2.9 Se considera func tia w(x) =
_
ax, daca x [0; 1]
0, n rest
. Sa se determine con-
stanta a astfel nct func tia w(x) sa e func tia de densitate de probabilitate a unei
13
variabile aleatoare . Sa se calculeze functia de repartitie asociata si sa se calculeze
probabilitatea ca valoarea unei realizari particulare a variabilei aleatoare sa e cuprinsa
n intervalul [; ]. Sa se reprezinte grac func tiile determinate.
Tema 2.10 Se considera func tia w(x) =
_
x
p
, daca x [k; k]
0, n rest
. Sa se determine con-
stantele k si p > 0 astfel nct func tia w(x) sa e func tia de densitate de probabilitate a
unei variabile aleatoare ; sa se calculeze func tia de repartitie asociata.
Tema 2.11 Se considera func tia w(x) =
_
x
p
, daca x [1; )
0, n rest
, p N. Sa se verice
daca acesta familie de func tii pot func tiile de densitate de probabilitate ale unei variabile
aleatoare si, n caz armativ, sa se calculeze momentele statistice necentrate ale variabilei
aleatoare.
Tema 2.12 O variabila aleatoare distribuita normal N(,
2
) este aproximata cu o
variabila aleatoare cu distribu tie uniforma n [a; b], astfel nct cele doua variabile
aleatoare au aceea si medie si aceea si varian ta. Sa se determine valorile a si b, functia de
densitate de probabilitate a lui , precum si mediile patratice ale variabilelor si .
Tema 2.13 Stabili ti care dintre arma tiile urmatoare sunt adevarate, uneori adevarate,
sau false, justicnd decizia facuta:
1.
2
= 0 = = 0
2.
2
= 0 = = 0
3. = 0 =
2
= 0
4.
2
> 0 = = 0
5. = 0 = f

(x) = f

(x)
6. f

(x) = f

(x) = = 0
Tema 2.14 Sa se verice ca func tia w(x) este o densitate de probabilitate. Sa se deter-
mine media si dispersia pentru distribu tia caracterizata de aceasta,
w(x) =
_
1
x
max
_
1
|x|
x
max
_
, daca |x| x
max
0, n rest.
.
Tema 2.15 Subgracul func tiei de densitate de probabilitate a unei variabile aleatoare
este un triunghi determinat de vrfurile de coordonate (0, 0), (0, 0.4), (0, 5). Sa se
calculeze func tia de reparti tie asociata, media, varian ta si media patratica a variabilei
aleatoare.
14
Capitolul 3
Variabile aleatoare cu valori discrete
Se numeste variabil a aleatoare discret a (sau variabil a aleatoare cu valori discrete) o vari-
abil a aleatoare ale c arei valori apartin unei multimi nite sau num arabile.
3.1 Functia de repartitie si functia de densitate de
probabilitate
Fie = {
1
,
2
, ...,
n
} multimea evenimentelor elementare asociate unei experiente
probabiliste. Fie variabila aleatoare , ce asociaz a ec arui eveniment elementar
i
val-
oarea real a x
i
:
: {x
1
, x
2
, ..., x
n
} , (
i
) = x
i
. (3.1)
Fie p
i
probabilitatea asociat a evenimentului
i
si presupunnd c a x
1
x
2
... x
n
(n
caz contrar, valorile se pot permuta ntre ele pentru a obtine ordinea dorit a), avem c a
functia de repartitie a variabilei aleatoare astfel denite este:
F

(x) =
_

_
0, dac a x < x
1
i

j=1
p
j
, dac a x [x
i
; x
i+1
), i = 1, n 1
1, dac a x > x
n
.
(3.2)
Prin derivarea functiei de repartitie
1
din (3.2) obtinem functia de densitate de probabi-
litate a variabilei aleatoare discrete:
f

(x) =
n

j=1
p
j
(x x
j
). (3.3)
1
Acest a functie nu este derivabil a n punctele x
i
(n care nu este nici m acar continu a); derivarea se
face prin introducerea distributiei Dirac n punctele de discontinuitate, cu amplitudine egal a cu valoarea
saltului functiei.
15
3.2 Momente statistice
Momentele statistice [necentrate] ale unei variabile aleatoare discrete vor date de:
m
k
=

x
k
f

(x)dx =

x
k
_
n

j=1
p
j
(x x
j
)
_
dx =
n

j=1
p
j

x
k
(xx
j
)dx =
n

j=1
p
j
x
k
j
.
(3.4)
Media variabilei aleatoare discrete va atunci obtinut a pentru k = 1,
=
n

j=1
p
j
x
j
, (3.5)
iar pentru k = 2 se obtine media p atratic a:

2
=
n

j=1
p
j
x
2
j
. (3.6)
Momentele statistice centrate ale unei variabile aleatoare discrete vor date de:
M
k
=

(x m
1
)
k
f

(x)dx =

(x m
1
)
k
_
n

j=1
p
j
(x x
j
)
_
dx = (3.7)
=
n

j=1
p
j

(x m
1
)
k
(x x
j
)dx =
n

j=1
p
j
(x
j
m
1
)
k
=
n

j=1
p
j
(x
j
)
k
Varianta variabilei aleatoare discrete va atunci obtinut a pentru k = 2,

2
=
n

j=1
p
j
_
x
j

_
2
. (3.8)
3.3 Probleme rezolvate
Exemplul 3.1 Sa se determine func tia de reparti tie si func tia de densitate de probabi-
litate pentru variabila aleatoare asociata raspunsului unui informatician la o fereastra
(Windows) cu trei butoane: Yes (1), No (0), Cancel (2).
Rezolvare: In primul rnd trebuiesc identicate evenimentele elementare si numerele reale
ce le sunt asociate. Evenimentele elementare vor :
1
- s-a ap asat butonul No, valoarea
real a asociat a este 0;
2
- s-a ap asat butonul Yes, valoarea real a asociat a este 1;
3
- s-a
ap asat butonul Cancel, valoarea real a asociat a este 2. Presupunem c a probabilit atile
acestor evenimente sunt p
1
, p
2
, p
3
, astfel ca p
1
+p
2
+ p
3
= 1.
Functia de repartitie a variabilei aleatoare este dat a de denitia (2.2), adic a F

(x) =
P{ x}. Aplicnd formula de denitie pentru aceast a problem a, distingem patru
cazuri particulare:
16
1. dac a x < x
1
= 0: n acest a situatie nici una dintre valorile pe care le poate lua
variabila aleatoare nu este mai mic a strict ca 0, deci functia de repartitie va
nul a.
2. dac a x [0, x
2
) = [0; 1); n acest caz avem c a P{ x} = P{ < 0} + P{ =
0} +P{ (0, 1)} = 0 +p
1
+ 0 = p
1
.
3. dac a x [1, x
3
) = [1; 2); n acest caz avem c a P{ x} = P{ < 0} + P{ =
0} +P{ (0, 1)} +P{ = 1} +P{ (1, 2)} = 0 +p
1
+ 0 +p
2
+ 0 = p
1
+p
2
.
4. dac a x N x
3
= 2; n acest caz avem: P{ x} = P{ < 0} + P{ = 0} + P{
(0, 1)} +P{ = 1} +P{ (1, 2)} +P{ = 2} +P{ (2, )} = p
1
+p
2
+p
3
= 1.
n concluzie, functia de repartitie este:
F

(x) =
_

_
0, dac a x < 0,
p
1
, dac a x [0; 1),
p
1
+p
2
, dac a x [1; 2),
1, dac a x [2; ).
Gracul acestei functii este reprezentat n gura 3.1 (pentru p
1
= 0.25, p
2
= 0.5 si
p
3
= 0.25).
-1 0 1 2 3 4
0
0.2
0.4
0.6
0.8
1
Fig. 3.1: Functia de repartitie
Functia de densitate de probabilitate este derivata functiei de repartitie; acest a derivat a
va nul a pe portiunile pe care functia de repartitie este constant a si va o distributie
de tip Dirac () n punctele de discontinuitate ale lui F

(x). Atunci:
f

(x) = p
1
(x) +p
2
(x 1) +p
3
(x 2).
Exemplul 3.2 Sa se calculeze valoarea medie si varian ta pentru distribu tia geometrica
denita de:
f(x) =

j=0
pq
x
(x j).
17
Rezolvare: Conform formulei mediei (3.5), dac a functia de densitate de probabilitate este
f

(x) =
n

j=0
p
j
(x x
j
), rezult a:
=
n

j=0
p
j
x
j
.
Pentru distributia geometric a dat a n enuntul problemei se observ a c a: n , x
i
= i
si p
i
= pq
i
. Trebuie vericat a conditia de normare a probabilit atilor:
n

j=0
p
j
=

j=0
pq
j
= p

j=0
q
j
= p
1 q

1 q
=
p
1 q
= 1.
Atunci media variabilei aleatoare devine:
=

j=1
pq
j
j = p

j=1
q
j
j = p

j=1
_

i=j
q
i
_
= p

j=1
q
j
_

i=0
q
i
_
= p

j=1
q
j
1 q

1 q
=
=
p
1 q

j=1
q
j
=
pq
(1 q)
2
=
pq
p
2
=
q
p
.
Media p atratic a a variabilei aleatoare este:

2
=

j=1
pq
j
j
2
= p

j=1
q
j
j
2
= p

j=1
j
_

i=j
q
i
_
= p

j=1
jq
j
_

i=0
q
i
_
= p

j=1
jq
j
1 q

1 q
=
=
p
1 q

j=1
jq
j
=
p
1 q

j=1
_

i=j
q
i
_
=
p
1 q

j=1
q
j
_

i=0
q
i
_
=
p
1 q

j=1
q
j
1 q

1 q
=
=
p
(1 q)
2

j=1
q
j
=
p
(1 q)
2

j=1
q
1 q

1 q
=
pq
(1 q)
3
=
q
p
2
.
Varianta variabilei aleatoare va :

2
=
2

2
=
q
p
2

q
2
p
2
=
q(1 q)
p
2
=
q
p
.
3.4 Probleme propuse
Tema 3.1 Sa se determine func tia de reparti tie si func tia de densitate de probabilitate
pentru variabila aleatoare asociata experimentului de aruncare a unei monezi.
Tema 3.2 Sa se determine func tia de reparti tie si func tia de densitate de probabilitate
pentru variabila aleatoare asociata experimentului de aruncare a zarului.
18
Tema 3.3 Se considera un tetraedru regulat ale carui fe te sunt marcate cu cifre de la 1
la 4. Sa se determine func tia de reparti tie si func tia de densitate de probabilitate pentru
variabila aleatoare asociata experimentului de aruncare a tetraedrului.
Tema 3.4 Se da func tia f(x) = 0.5(x1)+0.2(x)+0.3(x2). Sa se reprezinte grac
si sa se arate ca este o func tie de densitate de probabilitate (a unei variabile aleatoare );
sa se determine func tia de reparti tie asociata. Sa se calculeze probabilita tile P{ < 1},
P{ < 2}, P{ 2}. Sa se determine media si varian ta lui .
Tema 3.5 Sa se determine func tia de reparti tie si func tia de densitate de probabilitate
pentru variabila aleatoare asociata experimentului de aruncare a zarului, daca proba-
bilitatea de apari tie a ecarei fe te este propor tionala cu cifra nscrisa pe fa ta.
Tema 3.6 O variabila aleatoare cuaternara poate lua valorile 0, 1, 2, 3 cu probabilita tile
P(0) = P(2) si P(1) = P(3) = 1/3. Sa se determine func tia de densitate de probabilitate,
func tia de reparti tie, media si varian ta variabilei aleatoare.
Tema 3.7 Sa se calculeze valoarea medie si varian ta pentru distribu tia Poisson, denita
de
w(x) =

i=0

x
x!
e

(x i).
Tema 3.8 Un registru de deplasare cu reac tie (RDR) genereaza pe ie sire o secven ta
pseudoaleatoare (PSA) binara de lungime 7. Sa se determine func tia de reparti tie si
func tia de densitate de probabilitate a variabilei pseudoaleatoare de la ie sirea circuitu-
lui. Daca numerele binare sunt transmise ca tensiuni n sistem TTL, sa se determine
tensiunea medie.
Tema 3.9 Doua surse independente S
1
si S
2
produc semnalele ternare (cu valorile 0, 1
si 2) x si y. Se stie ca P{x = 0} = P{x = 1} = P{x = 2}, ca media lui y este 1 si
varian ta lui y este 0.5. Sa se calculeze media si varian ta lui x si probabilita tile valorilor
lui y. Daca variabila aleatoare z se ob tine ca z = xy, sa se determine func tia de densitate
de probabilitate si func tia de reparti tie a acesteia, precum si media si varian ta variabilei
aleatoare z.
Tema 3.10 Se da func tia w(x) = 0.25(x3) +0.1(x2) +0.15(x1) +0.5(x+1).
Sa se reprezinte grac si sa se arate ca este o func tie de densitate de probabilitate (a
unei variabile aleatoare ); sa se determine func tia de reparti tie asociata. Sa se calculeze
probabilita tile P{ < 1}, P{ 1}, P{ < 2}, P{ 1}. Sa se determine de
asemenea media si varian ta lui .
19
Capitolul 4
Functii de o variabil a aleatoare
Dup a cum am ar atat, orice variabil a aleatoare (2.1) este o functie, : R; acest a
functie se poate compune cu orice functie real a de argument real (g : R R), rezultnd
o alt a variabil a aleatoare, notat a de exemplu , care este:
= g = g(), : R.
Problema de interes este caracterizarea noii variabile aleatoare (deci a functiei de
densitate de probabilitate a variabilei ) n functie de variabila aleatoare , ale c arei
propriet ati (si n particular functie de densitate de probabilitate) se presupun cunoscute.
Fie o valoare oarecare x (xat a). Probabilitatea ca valoarea unei realiz ari particulare a
variabilei aleatoare s a e egal a cu x este egal a cu probabilitatea ca valoarea respectivei
realiz ari particulare a variabilei aleatoare s a e cuprins a n intervalul innitezimal mic
[x; x +dx] (dx 0). Acesta este ns a:
P{ [x; x +dx]} = F

(x +dx) F

(x) =
x+dx
_
x
f

(t)dt = f

(x) |dx| . (4.1)


Dac a functia g este bijectiv a, valorii x i corespunde n mod unic o valoare y = g(x). n
mod analog deducerii lui (4.1), putem scrie c a:
P{ [y; y +dy]} = f

(y) |dy| . (4.2)


Dar, cum y se obtine n mod unic din x, rezult a c a probabilit atile date de (4.1) si (4.2)
sunt egale, si deci:
f

(x) |dx| = f

(y) |dy| .
Ceea ce ne intereseaz a este f

(y), si atunci putem scrie:


f

(y) = f

(x)

dx
dy

= f

(x)
1
|g

(x)|

x=g
1
(y)
= f

_
g
1
(y)
_
1
|g

(g
1
(y))|
. (4.3)
Acest a formul a (4.3) este deci valabil a doar n cazul n care functia g este bijectiv a pe
ntreg domeniul s au de denitie, sau, reformulat, dac a ecuatia y = g(x), cu necunoscuta
x si parametrul y, are o unic a solutie. Dac a functia g nu este bijectiv a, domeniul s au
20
de denitie trebuie descompus n intervale de bijectivitate. Pe ecare asemenea interval
ecuatia y = g(x), cu necunoscuta x si parametrul y, va avea o unic a solutie (s a o numim
x
k
). n acest caz formula (4.3) se transform a n:
f

(y) =

k
f

(x
k
)
1
|g

(x
k
)|

x
k
=g
1
(y)
. (4.4)
Conditia esential a este ca num arul de intervale s a e nit sau cel mult num arabil.
Pentru perechea de variabile aleatoare si se veric a teorema de medie:
=

yf

(y)dy =

yf

(x)dx =

g(x)f

(x)dx. (4.5)
4.1 Probleme rezolvate
Exemplul 4.1 Fie o variabila aleatoare distribuita uniform n intervalul
_

2
;

2
_
si
e func tia g :
_

2
;

2
_
(1; 1), cu g(x) = sin(x). Variabila aleatoare este data de
= g(

). Sa se determine func tia de densitate de probabilitate a variabilei aleatoare .


Rezolvare: n primul rnd trebuie vericat a bijectivitatea functiei g(x) pe intervalul de
denitie, si, dac a acesta nu este vericat a, trebuie divizat acest interval n subintervale pe
care functia este bijectiv a. Bijectivitatea se poate studia simplu, prin rezolvarea ecuatiei
y = g(x), cu x necunoscut a si y parametru.
n acest caz, ecuatia y = sin(x) are o solutie unic a pentru x
_

2
;

2
_
, si anume
x = arcsin(y). Deci g
1
(y) = arcsin(y), g
1
: (1; 1)
_

2
;

2
_
.
Derivata functiei g(x) este g

(x) = cos(x).
Conform formulei de calcul a noii functii de densitate de probabilitate (4.3) avem:
f

(y) = f

_
g
1
(y)
_
1
|g

(g
1
(y))|
= f

(arcsin(y))
1
|cos(arcsin(y))|
=
f

(arcsin(y))
_
1 y
2
.
Variabila aleatoare este distribuit a uniform n intervalul
_

2
;

2
_
; atunci
f

(x) =
_
1

, dac a x
_

2
;

2
_
,
0, n rest.
Atunci:
f

(y) =
1
_
1 y
2
_
1

, dac a arcsin(y)
_

2
;

2
_
0, n rest
=
_
1

1y
2
1

, dac a y (1; 1)
0, n rest
Gracul acestei functii este prezentat gura (4.1)
21
-1 -0.5 0 0.5 1
0
0.5
1
1.5
2
2.5
Fig. 4.1: Functia de densitate de probabilitate
Exemplul 4.2 O variabila aleatoare este transformata printr-o func tie liniara g(x) =
x + ( = 0), ob tinnd variabila aleatoare . Sa se determine func tia de densitate
de probabilitate, media si varian ta lui , n cazurile n care ar distribuita normal,
respectiv uniform.
Rezolvare: O functie liniar a este bijectiv a; ecuatia y = g(x) cu necunoscuta x are solutia
x =
y

, si deci g
1
(y) =
y

. Derivata functiei liniare este g

(x) = . n aceste conditii,


densitatea de probabilitate a variabilei aleatoare este dat a de formula (4.3) si este:
f

(y) =
f

(g
1
(y))
|g

(g
1
(y))|
=
f

_
y

_
||
=
1
||
f

_
y

_
. (4.6)
Dac a variabila aleatoare este distribuit a normal (cu media si varianta
2
) atunci:
f

(x) = N(,
2
) =
1

2
2
exp
_

(x )
2
2
2
_
.
nlocuind n expresia (4.6) obtinem:
f

(y) =
1
||
1

2
2
exp
_

_
y


_
2
2
2
_
=
1

2
2

2
exp
_
(y ( + ))
2
2
2

2
_
=
= N
_
+ , ()
2
_
.
Aceasta nseamn a c a distributia variabilei aleatoare obtinute prin transformarea liniar a
este tot normal a, avnd media transformat a prin aceeasi functie liniar a si varianta de
2
ori mai mare.
Dac a variabila aleatoare este distribuit a uniform (n intervalul [a; b] de exemplu), functia
sa de densitate de probabilitate este:
f

(x) =
_
1
ba
, dac a x [a; b],
0, n rest.
22
Atunci:
f

(y) =
1
||
f

_
y

_
=
1
||
_
1
ba
, dac a
y

[a; b],
0, n rest.
Se disting dou a cazuri, date de semnul lui ; cazul 1, > 0:
f

(y) =
_
1
(ba)
, dac a y [a + ; b + ],
0, n rest.
cazul 2, < 0:
f

(y) =
_

1
(ba)
, dac a y [b + ; a + ],
0, n rest.
n ambele cazuri se remarc a c a distributia este tot uniform a, si, conform celor demon-
strate anterior, media este mijlocul intervalului n care variabila aleatoare ia valori, iar
varianta va 1/12 din p atratul lungimii intervalului:
=
a +b
2
+ = + si
2

=

2
(b a)
2
12
=
2

.
Aceasta nseamn a c a distributia variabilei aleatoare obtinute prin transformarea liniar a
este tot uniform a, avnd media transformat a prin aceeasi functie liniar a si varianta de

2
ori mai mare.
Exemplul 4.3 Se considera variabila aleatoare , uniform distribuita n intervalul [c; c].
Sa se determine densitatea de probabilitate si func tia de reparti tie a variabilei aleatoare
= 1/
2
.
Rezolvare: Functia de transformare este g(x) = 1/x
2
. Derivata este g

(x) = 2/x
3
.
Functia nu este ns a bijectiv a pe ntreaga ax a real a, n schimb este bijectiv a pe intervalele
(; 0) si (0; ). Solutiile ecuatiei y = g(x) sunt: x
1
= 1/

y si x
2
= 1/

y, pentru
y > 0. Dac a y < 0 ecuatia nu are solutii si f

(y) = 0. Atunci putem aplica formula (4.4)


pentru y > 0:
f

(y) =

k
f

(x
k
)
1
|g

(x
k
)|

x
k
=g
1
(y)
= f

(x
1
)
1
|g

(x
1
)|

x
1
=g
1
(y)
+f

(x
2
)
1
|g

(x
2
)|

x
2
=g
1
(y)
f

(y) =
f

(1/

y)

2/
_
1/

y
_
3

+
f

(1/

y)

2/
_
1/

y
_
3

=
1
2
y

3
2
(f

(1/

y) +f

(1/

y)) .
Variabila aleatoare este distribuit a uniform; atunci:
f

(x) =
_
1
2c
, dac a x [c; c],
0, n rest.
De aici rezult a:
f

(1/

y) =
_
1
2c
, dac a

y (; 1/c] [1/c; ),
0, n rest.
=
_
1
2c
, dac a y [1/c
2
; ),
0, n rest.
23
f

(1/

y) =
_
1
2c
, dac a

y (; 1/c] [1/c; ),
0, n rest.
=
_
1
2c
, dac a y [1/c
2
; ),
0, n rest.
Atunci:
f

(y) =
_
1
2c
y

3
2
, dac a y [1/c
2
; ),
0, n rest.
Functia de repartitie a variabilei aleatoare este:
F

(y) =
y
_

(t)dt =
_
0, dac a y < 1/c
2
,
1
1
2
y

1
2
, dac a y [1/c
2
; ).
Exemplul 4.4 Un semnal aleator cu distribu tie normala N(0,
2
), (de medie nula si
varian ta
2
) se redreseaza cu o dioda ideala. Sa se calculeze densitatea de probabilitate
a semnalului redresat.
Rezolvare: Functia de transformare realizat a de circuitul redresor monoalternant a (o
diod a ideal a) este:
g(x) =
_
x, dac a x N 0,
0, dac a x < 0.
Functia g(x) nu este bijectiv a; n cazul acestei functii nu se poate aplica formula (4.4)
deoarece mutimea solutiilor ecuatiei y = g(x) pentru x < 0 nu este num arabil a; mai
precis {x R|g(x) = 0} = (; 0]. Problema se va rezolva prin determinarea functiei
de repartitie F

(y) = P{ y}.
Dac a y < 0, F

(y) = P{ y} = P{ < 0} = 0.
Dac a y = 0, F

(y) = P{ 0} = P{ = 0} = P{ 0} = F

(0) = 0.5.
Dac a y > 0, F

(y) = P{ y} = P{ x} = F

(x). n concluzie,
F

(y) =
_
F

(y), dac a y N 0,
0, n rest.
Functia de densitate de probabilitate c autat a va derivata lui F

(y); adic a:
f

(y) =
dF

(y)
dy
=
_
0, dac a y < 0,
0.5(y) +N(0,
2
)U(y), pentru y N 0.
,
unde U este functia treapt a unitate. Ceea ce se remarc a este c a variabila aleatoare
are probabilitate concentrat a n origine - adic a probabilitatea de a obtine valoarea 0 este
nenul a:
P{ = 0} = lim
0

(y)dy =
1
2
lim
0

(y)dy + lim
0

_
0
f

(x)dx =
1
2
.
24
Exemplul 4.5 Sa se determine func tia de transformare a unei distribu tii uniforme n
intervalul [0; 1] ntr-o distribu tie Rayleigh.
Rezolvare: Fie variabila aleatoare distribuit a uniformsi variabila aleatoare distribuit a
Rayleigh. Atunci:
f

(x) =
_
1, dac a x [0; 1],
0, n rest.
,
f

(y) =
_
y

2
e

y
2
2
2
, dac a y N 0,
0, n rest.
Suporturile celor dou a functii de densitate de probabilitate sunt [0; 1], respectiv [0; ),
si atunci functia de transformare necunoscut a trebuie s a e g : [0; 1] [0; ).
S a presupunem c a functia g c autat a este bijectiv a; atunci, conform (4.3) avem:
f

(y) = f

_
g
1
(y)
_
1
|g

(g
1
(y))|
.
Inversa functiei de transformare exist a si este g
1
: [0; ) [0; 1]. Acesta nseamn a c a
f

(g
1
(y)) = 1 si deci:

_
g
1
(y)
_

= f

(y).
Dar, deoarece g este bijectiv a, atunci este strict monoton a. Impunnd g(0) = 0, rezult a
c a functia nu poate dect cresc atoare, si atunci derivata sa este pozitiv a.
_
g
1
(y)
_

= f

(y),
g
1
(y) =
y
_

(t)dt =
y
_
0
t

2
e

t
2
2
2
dt = 1 e

y
2
2
2
= x.
De aici se evalueaz a y n functie de x si atunci:
y =
_
2
2
ln(1 x).
Deci g(x) =
_
2
2
ln(1 x).
Exemplul 4.6 Sa se arate ca daca este o variabila aleatoare cu distribu tie oarecare,
func tia ei de reparti tie o transforma ntr-o variabila aleatoare cu distribu tie uniforma
n intervalul [0; 1].
Rezolvare: Dac a densitatea de probabilitate a variabilei aleatoare este f

(x) atunci
functia de repartitie asociat a este F

(x) =
x
_

(t)dt. Dac a aceasta este si functia de


transformare a variabilei aleatoare, atunci g(x) = F

(x), cu g : R [0; 1]. Derivata


functiei de transformare este:
g

(x) =
dF

(x)
dx
= f

(x),
25
iar |g

(x)| = |f

(x)| = f

(x) (pentru c a functia de densitate de probabilitate este pozi-


tiv a). Atunci, conform (4.3) avem:
f

(y) = f

(x)
1
|g

(x)|

x=g
1
(y)
= f

(x)
1
f

(x)

x=F
1

(y)
= 1, pentru y [0; 1].
Acesta este ntr-adev ar o distributie uniform a n intervalul [0; 1].
4.2 Probleme propuse
Tema 4.1 Puterea disipata ntr-o rezisten ta R = 1k este modelata ca o variabila
aleatoare, cu distribu tie uniforma n intervalul [P
min
; P
max
] = [1W; 10W]. Care este
distribu tia curentului prin rezisten ta ?
Tema 4.2 Sa se determine func tia de densitate de probabilitate a variabilei aleatoare
= (cunoscnd f

(x)).
Tema 4.3 La bornele unui generator de curent se conecteaza o rezisten ta constanta R.
Curentul generat este considerat o variabila aleatoare, distribuita uniform n intervalul
[I
min
; I
max
]. Sa se calculeze puterea medie disipata n rezisten ta si distributia puterii
disipate.
Tema 4.4 Sa se demonstreze (folosind teorema mediei (4.5)) ca pentru o func tie de
transformare liniara (g(x) = x + ) varian ta variabilei aleatoare transformate este
de
2
mai mare ca varian ta variabilei aleatoare ini tiale, iar media variabilei aleatoare
transformate este media variabilei aleatoare ini tiale trasnformate prin functia liniara
g(x).
Tema 4.5 Sa se determine func tia de densitate de probabilitate ce caracterizeaza infor-
ma tia ce rezulta din producerea unui eveniment, a carui probabilitate de apari tie este
distribuita uniform.
Tema 4.6 Sa se calculeze informa tia medie ce rezulta n urma realizarii unui eveniment,
a carui probabilitate este distribuita dupa legea 1/x n intervalul [; 1] ?
Tema 4.7 Tensiunea anodica a unei diode cu vid este distribuita uniform n intervalul
[a; b]. Care este distribu tia si media curentului anodic al diodei ? (Curentul anodic este
dat de legea i
a
= Au
3/2
a
).
Tema 4.8 Masurnd curentul anodic al unei diode cu vid, se constata ca acesta are o
distribu tie liniara ntre 0 si

2mA. Tensiunea anodica a diodei cu vid provine de la un
generator de tensiune ce trebuie testat (dispersia tensiunii livrate nu trebuie sa e mai
mare de 20V ). Daca A =

2/1000 mA/V
3/2
generatorul testat satisface criteriul de
calitate ?
26
Tema 4.9 Un generator ideal de tensiune livreaza la borne tensiunea continua constanta
E cu care se alimenteaza un aparat ce are rezistenta echivalenta de intrare R. Din cauza
varia tiei parametrilor componentelor constructive ale aparatului, rezisten ta R poate
modelata ca o variabila aleatoare cu distribu tie uniforma n intervalul [R
min
; R
max
]. Care
este distribu tia si valoarea medie a curentului livrat de generator ?
Tema 4.10 O re tea de comunica tii pe bra optica are o topologie n stea: toate ter-
minalele sunt conectate cu un unic nod central. Patratul distan tei dintre ecare punct
terminal al re telei si nodul central este distribuit n intervalul [a; b] dupa o func tie de
densitate de probabilitate de tip 1/

x, iar cantitatea de informa tii transmise este dis-


tribuita uniform n intervalul [0; M]. Ce este mai ecient pentru provider: sa stabileasca
pre tul comunica tiei dupa raza medie a re telei sau dupa cantitatea medie de informa tie
transmisa ?
Tema 4.11 La bornele unei diode semiconductoare se aplica o tensiune pozitiva (vari-
abila aleatoare). Care este distibu tia curentului prin dioda ? (I = I
0
(e
kV
1)).
Tema 4.12 Fie o variabila aleatoare distribuita uniform n intervalul (0; ) si e
func tia g : (0; ) (1; 1), cu g(x) = cos(x). Variabila aleatoare este data de
= g(

). Sa se determine func tia de densitate de probabilitate a variabilei aleatoare .


Tema 4.13 Func tia (caracteristica) de transfer a unui redresor bialternan ta ideal este
descrisa de func tia g(x) = |x|. Sa se calculeze func tia de densitate de probabilitate,
valoarea medie si puterea medie a semnalului aleator (t) redresat, daca (t) este a)
distribuit normal N(0,
2
), b) distribuit uniform n [1; 1] si [0; 1].
Tema 4.14 Se considera variabila aleatoare , uniform distribuita n intervalul [c; c].
Sa se determine densitatea de probabilitate si func tia de reparti tie a variabilei aleatoare
=
p
, unde p este un numar natural.
Tema 4.15 Dndu-se transformarea y = g(x) denita de:
g(x) =
_
_
_
1, daca x < a,

x
a
, daca x [a; a],
1, daca x > 0.
cu a [0; 10] ce se aplica variabilei aleatoare distribuita uniform n [3; 1], sa se
determine func tiile de densitate de probabilitate ale variabilelor aleatoare si g(). Ce
constrngeri trebuie sa se impuna constantei a pentru ca variabila aleatoare = g() sa
e distribuita tot uniform ? Exista vreo valoare pentru a astfel nct sa e distribuit
normal ?
Tema 4.16 Din variabila aleatoare normala (N(0,
2
)) se construie ste variabila alea-
toare = e
||
. Sa se calculeze functia de densitate de probabilitate a variabilei aleatoare
si momentele statistice de ordinul 1 si 2 ale acesteia; sa se calculeze probabilitatea
P{ < 0.1}. Ce se ntmpla daca 0 sau daca ?
27
Tema 4.17 Sa se determine func tia crescatoare, neliniara, y = g(x) (a carei inversa
este x = h(y)) care transforma variabila aleatoare cu distribu tia:
f

(x) =
_
0.5, daca |x| < 1,
0, n rest.
n variabila aleatoare cu distribu tia:
f

(y) =
_

4
cos

2
y, daca |y| < 1,
0, n rest.
Sa se justice de ce forma func tiei y = g(x) n afara intervalului [1; 1] nu are nici
o inuen ta asupra densita tii de probabilitate a variabilei aleatoare . Sa se calculeze
derivata func tiei inverse h(y) pentru y [1; 1], cu ipoteza ca aceasta este pozitiva. Sa
se determine func tia inversa, cu condi tia suplimentara h(0) = 0.
Tema 4.18 Se dau cercuri de raze diferite; raza r si aria A a acestora sunt modelate ca
variabile aleatoare; se stie ca razele cercurilor sunt distribuite uniform ntre a = 4 cm si
b = 6 cm. Sa se calculeze probabilita tile P{A A
0
} si P{60 cm
2
A 70 cm
2
}. Sa se
determine func tia de densitate de probabilitate a variabilei aleatoare A.
Tema 4.19 La intrarea unui circuit neliniar avnd func tia (caracteristica) de transfer
y = g(x) =
_
0, daca x < 0,
1
a
(1 e
ax
), daca x N 0.
se aplica semnalul aleator cu distribu tia f
X
(x) = e
2|x|
. Sa se determine P{Y < 0} si
P{Y = 0}; sa se calculeze valoarea maxima pe care o poate lua Y ; sa se calculeze func tia
de reparti tie pentru variabila aleatoare Y .
Tema 4.20 Un limitator neliniar are func tia (caracteristica) de transfer:
y = g(x) =
_
_
_
0, daca x 0,
x, daca x (0; 1],
1, daca x > 1.
La intrarea circuitului se aplica un semnal cu densitatea de probabilitate f
X
(x) =
1
2
e
2|x|
+
1
2
(x). Sa se determine distribu tia semnalului de ie sire.
Tema 4.21 Un redresor cu limitare are caracteristica de transfer
y = g(x) =
_
_
_
0, daca x 0,
kx
2
, daca x (0; 1],
k, daca x > 1.
La intrarea circuitului se aplica un semnal cu densitatea de probabilitate:
f
X
(x) =
_
_
_
c(x +1), daca x [1; 0],
c, daca x [0; 1],
c(2 x), daca x [1; 2].
Sa se determine constanta k; sa se calculeze func tia de densitate de probabilitate a sem-
nalului de la ie sirea circuitului si sa se determine valoarea lui c pentru care media statis-
tica a semnalelor de intrare si ie sire este aceea si.
28
Tema 4.22 La controlul unei serii de rezistoare cu valoarea nominala de 1 k se constata
distribu tia uniforma a acestora ntre 800 si 1200 . Variabila aleatoare R semnica
valoarea rezisten tei normate la valoarea nominala; corespunzator, G =
1
R
este conduc-
tan ta normata a rezistorului. Sa se calculeze conductan ta medie folosind teorema mediei;
sa se calculeze distribu tia conductan tei; care este probabilitatea ca G sa depa seasca cu
mai mult de 10% valoarea sa nominala ?
Tema 4.23 Din variabila aleatoare cu distribu tia
f

(x) =
_
sin
2
2
x, daca x [0; 2],
0, n rest.
se construie ste variabila aleatoare , pe baza func tiei y = sin

2
x. Care este probabilitatea
P{ = 1}; sa se determine distribu tia lui . Sa se evalueze lim
y1
f

(y).
Tema 4.24 Din variabila aleatoare distribuita uniform n intervalul [2; 2] se constru-
ie ste variabila aleatoare = e
/2
. Sa se calculeze: P{ > 0}, P{ > 1}, P{ >

e},
f

(y).
Tema 4.25 Un circuit are func tia (caracteristica) de transfer:
y = g(x) =
_

_
1, daca x < 3,
x + 2, daca x [3; 1),
x, daca x [1; 1),
x 2, daca x [1; 3),
1, daca x N 3.
La intrarea circuitului se aplica un semnal a carui valori sunt distribuite dupa o lege
uniforma n intervalul [4; 4]. Sa se calculeze densitatea de probabilitate a semnalului de
la ie sirea circuitului si sa se determine P{y = 1}, P{x 3}.
29
Capitolul 5
Caracterizarea unei perechi de
variabile aleatoare
5.1 Functia de repartitie
n cazul n care se doreste caracterizarea simultan a a dou a variabile aleatoare (deci de-
nite pe un domeniu bidimensional de valori), denitiile cazului unidimensional (o singur a
variabil a aleatoare) trebuiesc extinse. Functia de repartitie a unei perechi de variabile
aleatoare (sau functia de repartitie de ordinul doi) este denit a ca:
F

(x, y) = P{ x si y}. (5.1)


Acest a functie de repartitie are propriet ati analoage celei unidimensionale: are valori
cuprinse n intervalul [0; 1] (pentru c a este o probabilitate) si are limitele de la capetele
intervalelor de denitie date de:
F

(, y) = F

(x, ) = 0,
F

(, y) = lim
x
F

(x, y) = F

(y) si F

(x, ) = lim
y
F

(x, y) = F

(x).
n ne, probabilitatea ca perechea de variabile aleatoare s a aib a valorile cuprinse ntr-un
interval (deci domeniu spatial) este dat a de:
P{x
1
< x
2
si y
1
< y
2
} = F

(x
2
, y
2
) +F

(x
1
, y
1
) F

(x
1
, y
2
) F

(x
2
, y
1
).
5.2 Functia de densitate de probabilitate
Functia de densitate de probabilitate de ordinul doi (deci a perechii de variabile aleatoare)
se obtine ca:
f

(x, y) =

2
F

(x, y)
xy
. (5.2)
30
Aceasta nseamn a c a functia de repartitie este n continuare primitiva functiei de densitate
de probabilitate
F

(x, y) =
x
_

y
_

(u, v)dudv.
Functia de densitate de probabilitate de ordinul doi respect a n continuare conditia de
normare:

_

(x, y)dxdy = 1.
n plus, din functia de densitate de probabilitate de ordinul doi se pot obtine functiile de
densitate de probabilitate ale variabilelor aleatoare individuale; aceste functii de densitate
de probabilitate se numesc marginale, ind proiectii ale functiei de ordinul doi pe axele
reale:
f

(x) =

(x, y)dy si f

(y) =

(x, y)dx. (5.3)


5.3 Momente statistice asociate unei perechi de vari-
abile aleatoare
Si momentele statistice asociate perechii de variabile aleatoare provin din extinderea
denitiilor introduse n cazul unei singure variabile aleatoare. Momentul statistic necen-
trat de ordinele k
1
si k
2
(evident numere naturale) va denit ca:
m
k
1
,k
2
=

x
k
1
y
k
2
f

(x, y)dxdy. (5.4)


Momentul statistic centrat de ordinele k
1
si k
2
(evident numere naturale) va denit ca:
M
k
1
,k
2
=

(x )
k
1
(y )
k
2
f

(x, y)dxdy. (5.5)


Cazurile particulare de interes sunt: momentul statistic necentrat de ordinele 1 si 1,
numit corelatia dintre variabilele aleatoare si (sau intercorelatia dintre variabilele
aleatoare), notat B

si momentul statistic centrat de ordinele 1 si 1, numit covariatia


dintre variabilele aleatoare si , notat K

.
B

= =

xyf

(x, y)dxdy; (5.6)


K

= ( )( ) =

(x )(y )f

(x, y)dxdy. (5.7)


31
Se poate ar ata prin dezvoltarea produsului de variabile aleatoare centrate din denitie
c a:
K

= = B

. (5.8)
Coecientul de corelatie dintre variabilele aleatoare si este denit ca:

=
K

. (5.9)
Folosind (5.8) si relatia dintre varianta, media si media p atratic a a unei variabile aleatoare
(2.18), obtinem formula echivalent a:

=

_

2
_

2
. (5.10)
5.4 Variabile aleatoare independente si necorelate
Dou a variabile aleatoare si se numesc necorelate dac a coecientul de corelatie dintre
ele este nul:

= 0 si sunt necorelate.
Dou a variabile aleatoare si se numesc independente dac a functia de densitate de pro-
babilitate de ordinul doi (a perechii de variabile aleatoare) este separabil a dup a functiile
de densitate de probabilitate marginale (ale ec arei variabile aleatoare):
f

(x, y) = f

(x)f

(y).
5.5 Functii de dou a variabile aleatoare
Fie perechea de variabile aleatoare
1
si
2
; din acestea se obtine o alt a pereche de
variabile aleatoare prin transform arile bijective
1
= g
1
(
1
,
2
) si
2
= g
2
(
1
,
2
). Cu o
demonstratie analoag a celei din cazul functiilor de o variabil a aleatoare (dar aici vom con-
sidera probabilitate ca perechea de variabile aleatoare s a apartin a unui domeniu spatial
innitezimal centrat ntr-un punct) se obtine c a:
f

2
(y
1
, y
2
) =

x
1
y
1
x
1
y
2
x
2
y
1
x
2
y
2

2
(x
1
, x
2
)

x
1
=g
1
1
(y
1
,y
2
) si x
2
=g
1
2
(y
1
,y
2
)
. (5.11)
Determinantul ce apare n expresia (5.11) este inversul jacobianului transform arii de dou a
variabile x
1
= g
1
1
(y
1
, y
2
) si x
2
= g
1
2
(y
1
, y
2
).
5.6 Probleme rezolvate
Exemplul 5.1 Sa se demonstreze ca modulul coecientului de corela tie a oricaror doua
variabile aleatoare este subunitar, adica

1.
32
Rezolvare: Problema impune deci ca pentru , : R,

1; adic a
2

1,
sau, folosind relatia (5.10),
_

_
2

2
__

2
_
. (5.12)
Se observ a c a
2

2
=
_

_
|
=
si
2

2
=
_

_
|
=
. Dac a not am cu
g(, ) = , atunci (5.12) poate exprimat a ca:
g
2
(, ) g(, )g(, ). (5.13)
O inegalitate de asemenea form a seam an a cu inegalitatea Schwartz (sau Cauchy Buni-
akowski Schwartz), care arm a c a, dac a , este un produs scalar, atunci:
a, b
2
a, a b, b = a
2
b
2
. (5.14)
Deci, dac a demonstr am c a g(, ) = = , este un produs scalar peste spatiul
variabilelor aleatoare, (5.13) nu este altceva dect ecuatia Cauchy (5.14) si problema este
rezolvat a. Dar g(, ) este un produs scalar, deoarece veric a propriet atile acestuia:
1. , a = a, = a , ,
2.
1
+
2
, =
1
, +
2
, ,
3. ,
1
+
2
= ,
1
+,
2
.
Exemplul 5.2 Fie doua variabile aleatoare si caracterizate de distribu tia f

(x, y) =
y
(1+x)
4
exp(
y
(1+x)
), cu x N 0 si y N 0. Sa se determine func tiile de densitate de probabi-
litate a variabilelor aleatoare denite de U =

1+
si V =
1
1+
.
Rezolvare: Cele dou a noi variabile aleatoare sunt denite pe baza functiilor u = g
1
(x, y) =
y
1+x
si v = g
2
(x, y) =
1
1+x
, cu g
1
, g
2
: [0; ) [0; ) [0; ) [0; 1]. Functiile inverse
sunt: x = g
1
1
(u, v) =
1
v
1 si y = g
1
2
(u, v) =
u
v
. Conform formulei de calcul a densit atii
de probabiltate de ordinul doi n urma unei transform ari (5.11) trebuie mai nti calculat
inversul jacobianului transform arii, adic a:

x
u
x
v
y
u
y
v

0
1
v
2
1
v

u
v
2

=
1
v
3
.
Atunci noua densitate de probabilitate este:
f
UV
(u, v) =
1
v
3
f

(x, y)

x=
1
v
1 si y=
u
v
=
1
v
3
u
v
v
4
exp(
u
v
v) = uexp(u).
Functiile de densitate de probabilitate f
U
(u) si f
V
(v) sunt functiile de densitate de pro-
babilitate marginal a, si sunt obtinute conform (5.3):
f
V
(v) =

f
UV
(u, v)du =

_
0
uexp(u)du = 1, pentru v [0; 1],
33
f
U
(u) =

f
UV
(u, v)dv =
1
_
0
uexp(u)dv = uexp(u), pentru u [0; ).
Exemplul 5.3 Fie doua variabile aleatoare si caracterizate de distribu tia:
f

(x, y) =
_
exp ((x +y)) , daca x N 0 si y N 0,
0, n rest.
Sa se determine func tiile de densitate de probabilitate a variabilelor aleatoare U si V
denite de U = + si V = /. Sa se determine probabilita tile P{x 2y}, P{x 1},
P{x > 1}, P{x = y}.
Rezolvare: Cele dou a noi variabile aleatoare sunt denite pe baza functiilor u = g
1
(x, y) =
x +y si v = g
2
(x, y) =
x
y
, cu g
1
, g
2
: [0; ) [0; ) [0; ) [0; ). Functiile inverse
sunt: x = g
1
1
(u, v) =
uv
v+1
si y = g
1
2
(u, v) =
u
v+1
. Conform formulei de calcul a densit atii
de probabiltate de ordinul doi n urma unei transform ari (5.11) trebuie mai nti calculat
inversul jacobianului transform arii, adic a:

x
u
x
v
y
u
y
v

v
v+1

u
(v+1)
2
1
v+1
u
(v+1)
2

=
u
(v +1)
2
.
Atunci noua densitate de probabilitate este:
f
UV
(u, v) =
u
(v +1)
2
f

(x, y)

x=
uv
v+1
si y=
u
v+1
=
u
(v +1)
2
exp(u), dac a u, v [0; ).
Functiile de densitate de probabilitate f
U
(u) si f
V
(v) sunt functiile de densitate de pro-
babilitate marginal a, si sunt obtinute conform (5.3):
f
V
(v) =

f
UV
(u, v)du =

_
0
u
(v +1)
2
exp(u)du =
1
(v +1)
2
, pentru v [0; );
f
U
(u) =

f
UV
(u, v)dv =

_
0
u
(v +1)
2
exp(u)dv = uexp(u), pentru u [0; ).
Pentru a calcula probabilit atile cerute este nevoie de functiile de densitate de probabili-
tate a variabilelor aleatoare si , care sunt tot densit ati de probabilitate marginale:
f

(x) =

(x, y)dy =

_
0
exp((x +y))dy = exp(x), pentru x [0; );
f

(y) =

(x, y)dx =

_
0
exp((x +y))dx = exp(y), pentru y [0; ).
34
P(x 1) =
1
_
0
f

(x)dx =
1
_
0
exp(x)dx = exp(x)

1
0
= 1 e
1
;
P(x > 1) = 1 P(x 1) = e
1
;
P(x 2y) =

_
0
_
x2y
f

(x, y)dxdy =

_
0
e
y
dy
2y
_
0
e
x
dx =

_
0
e
y
(1e
2y
)dy = 1
1
3
=
2
3
;
P(x = y) =

_
0
_
x=y
f

(x, y)dxdy = 0.
Exemplul 5.4 Daca si sunt variabile aleatoare independente, sa se determine func tia
de densitate de probabilitate a variabilei aleatoare ob tinuta ca = + n func tie de
densita tile de probabilitate a celor doua variabile aleatoare initiale.
Rezolvare: Ceea ce se doreste este functia de densitate de probabilitate f

(z) =
dF(z)
dz
.
Functia de repartitie a variabilei aleatoare este, prin denitie:
F

(z) = P{ z} = P{ + z}.
Interpretarea geometric a a probabilit atilor (ca aria subgracului functiei de densitate de
probabilitate pe un anumit domeniu) conduce la:
F

(z) =
__
D
z
f

(z)dz =
__
D
z
f

(x, y)dxdy =
__
D
z
f

(x)f

(y)dxdy =

(y)dy
zy
_

(x)dx.
Dar:
f

(z) =
dF

(z)
dz
=
d
dz
_
_

_

(y)dy
zy
_

(x)dx
_
_
=

(y)f

(z y)dy = f

(z)f

(z) =
= f

(z) f

(z).
Deci densitatea de probabilitate a sumei de variabile aleatoare independente este produsul
de convolutie a densit atilor de probabilitate a variabilelor aleatoare ce se sumeaz a:
f

(z) = f

(z) f

(z). (5.15)
Exemplul 5.5 Se considera variabilele aleatoare independente si distribuite normal
dupa legea N(a,
2
). Sa se calculeze coecientul de corela tie si legea de distribu tie a
variabilelor aleatoare
1
= + si
2
= .
35
Rezolvare: Conform denitiei (5.10), coecientul de corelatie a variabilelor aleatoare
1
si
2
este:

2
=

1

1

2
_

2
1

1
2
_

2
2

2
2
.
Vom evalua pe rnd expresiile necesare:

2
= ( + )( ) =
2

2
=
2

2
;

1

2
= ( + )( ) = ( + )( ) =
2

2
;

1

2
=
2

2
(
2

2
) =
2
(
2

2
)
2
(
2

2
) =
2

.
Dar, din enunt,
2

=
2

=
2
si atunci:

1

2
=
2
(
2

2
).
Apoi:

2
1
= ( + )
2
=
2

2
+
2

2
+ 2 =
2

2
+
2

2
+ 2.
Dar variabilele aleatoare si sunt independente, si atunci = ; iar = = a si

2
=
2
=
2
+a
2
.

2
1
= (
2
+
2
)(
2
+a
2
) + 2a
2
,

1
= + = + = a( + ).
Atunci:
_

2
1

1
2
=
_
(
2
+
2
)(
2
+a
2
) + 2a
2
a
2
( + )
2
=
_

2
+
2
.
Calcule asem an atoare ne conduc la:
_

2
2

2
2
=
_

2
+
2
.
Atunci coecientul de corelatie va :

2
=

2
(
2

2
)
_

2
+
2
_
2
=

2

2
+
2
.
Distributia unei sume de variabile aleatoare normale este tot normal a; atunci
1
si
2
sunt distribuite dup a N(a( + ),
2
(
2
+
2
)) si N(a( ),
2
(
2
+
2
)).
36
5.7 Probleme propuse
Tema 5.1 Se dau doua generatoare independente de numere aleatoare discrete, X si Y .
Generatorul binar X livreaza numerele 1 si 2 cu probabilita ti egale; pentru generatorul
ternar Y se stiu P{y = 1} = 0.25, P{y = 2} = 0.5, P{y = 3} = 0.25. Sa se deter-
mine func tiile de densitate de probabilitate a perechii de variabile aleatoare, f
XY
(x, y) si
func tiile de densitate de probabilitate marginala corespunzatoare. Se construiesc doua noi
variabile aleatoare si denite ca = X + Y , = XY . Sa se determine func tiile de
densitate de probabilitate a perechii de variabile aleatoare, f

(x, y) si func tiile de densi-


tate de probabilitate marginala corespunzatoare. Sa se calculeze covaria tia si coecientul
de corela tie dintre variabilele aleatoare si ; sunt acestea independente ?
Tema 5.2 Se da functia de densitate de probabilitate
f

(x, y) =
_
xy +y, daca 1 x 1 si 0 y 1,
0, n rest.
Sa se reprezinte grac domeniul de denitie (suportul) si func tia de densitate de proba-
bilitate; sa se determine func tiile de densitate de probabilitate marginale ale variabilelor
aleatoare si , coecientul de corela tie si covaria tia dintre acestea. Sa se determine
func tia de reparti tie a perechii de variabile aleatoare si sa se calculeze probabilita tile
P{( 0) ( 0.5)} si P{( > 0) ( > 0.5)}.
Tema 5.3 Se dau variabilele aleatoare X si Y , distribuite normal, cu medie nula si
varian te
2
X
si
2
Y
. Func tia de densitate de probabilitate a perechii de variabile aleatoare
este:
f
XY
(x, y) =
1

_
1
2
e

4x
2
+y
2
4xy
2(1
2
)
.
Sa se determine func tiile de densitate de probabilitate marginale; cum trebuie sa e valo-
rile lui pentru ca variabilele aleatoare X si Y sa e puternic, respectiv slab corelate ? Sa
se calculeze varian tele variabilelor aleatoare X si Y . Variabila aleatoare Z este denita
ca Z = X
2
+ Y
2
; sa se calculeze varian ta acesteia (se stie ca momentul de ordinul 4 al
unei gaussiene N(0,
2
) este m
4
= 3
4
). Pe ce drepte y = kx se aa perechile de valori
(x, y) pentru care f
XY
(x, y) este nenula ?
Tema 5.4 La intrarea unui circuit discriminator de semn, caracterizat de ie sirea y =
_
1, daca x N 0,
1, n rest.
se aplica un semnal x(t) ce poate lua cu probabilitati egale valo-
rile {3, 1, 1, 3}. Sa se calculeze func tia de densitate de probabilitate de ordinul doi,
func tiile de densitate de probabilitate marginala si coecientul de corela tie ntre variabila
aleatoare de ie sire si cea de intrare.
Tema 5.5 Se dau variabilele aleatoare u, v, w, independente de medie nula si varian ta

2
. Pe baza lor se construiesc variabilele aleatoare X = u + v si Y = u w. Sa se
calculeze media si varian ta variabilelor aleatoare X si Y , coecientul lor de corela tie si
sa se discute independen ta variabilelor aleatoare X si Y n func tie de .
37
Tema 5.6 Func tia de densitate de probabilitate de ordinul doi f
XY
(x, y) este constanta
pe domeniul spa tial denit de triunghiul de vrfuri (0, 1), (3, 4), (5, 4) si nula n rest.
Sa se determine expresia analitica a functiei f
XY
(x, y), sa se calculeze densita tile de
probabilitate marginale, mediile si varian tele variabilelor aleatoare X si Y . Sa se calculeze
probabilita tile P{X > Y }, P{X > 3|Y > 2}, P{X > Y |X > 4}. Sa se calculeze
momentul m
XY
= XY si coecientul de corela tie a variabilelor aleatoare.
Tema 5.7 u si v sunt variabile aleatoare de medie m si varian ta
2
; pe baza lor se
construiesc variabilele aleatoare = au bv si = au + bv. Sa se calculeze media si
varian ta noilor variabile aleatoare, precum si coecientul lor de corela tie. Daca vari-
abilele aleatoare u si v ar lua doar valorile 0 si 1, sa se calculeze func tia de densitate de
probabilitate de ordinul doi f

(x, y).
Tema 5.8 Func tia de densitate de probabilitate de ordinul doi f

(x, y) este reprezentata


prin impulsuri Dirac plasate n punctele:
{(2, 0), (2, 1), (1, 1), (0, 2), (0, 0), (1, 1), (2, 1), (2, 2)}
avnd amplitudinile corespunzatoare:
{0.1, 0.1, 0.2, 0.1, 0.1, 0.2, 0.1, 0.1} .
Sa se determine forma analitica a acestei func tii si sa se calculeze func tiile de densitate
de probabilitate marginala, coecientul de corela tie a perechii de variabile aleatoare si
probabilita tile P{ < 0}, P{ < 0}, P{ < 0| < 0}.
Tema 5.9 Func tia de densitate de probabilitate a unei perechi de variabile aleatoare ce
au mediile 1 si respectiv 2 este
f
XY
(x, y) = exp
_

50
2
9
(x +1)
2
+
1
2
(y 2)
2

8
3
(x +1)(y 2)
_
.
Este acesta o distribu tie normala ? Care sunt varian tele variabilelor aleatoare si care
este coecientul de corela tie ? Sa se calculeze covaria tia perechii de variabile aleatoare si
sa se decida daca acestea sunt corelate, respectiv independente.
Tema 5.10 Se da func tia de densitate de probabilitate de ordinul doi a perechii de vari-
abile aleatoare si :
f

(x, y) =
_
k, daca 0 x 1 si 0 y

x,
0, n rest.
Sa se calculeze coecientul k si sa se reprezinte grac. Sa se calculeze probabilita tile
P{ > }, P{ 0.5 si 0.5}, P{ 0.5}, P{ 0.5| 0.5}. Sa se determine
coecientul de corela tie si func tiile de densitate de probabilitate marginala a variabilelor
aleatoare si .
38
Tema 5.11 Un generator de numere binare genereaza o secventa perfect aleatoare de
numere X
i
. Pe baza acestora se construiesc variabilele aleatoare A
i
= X
i
+X
i1
+X
i2
(suma algebrica a ultimelor trei numere binare generate) si M
i
= X
i
X
i1
X
i2
(suma
modulo 2 a ultimelor trei numere binare generate). Se poate observa ca acesta din urma se
mai poate scrie si ca M
i
=
_
A
i
, daca A
i
1,
A
i2
, daca A
i
N 2.
. Sa se calculeze func tiile de densitate
de probabilitate a variabilelor aleatoare A si M, func tiile de densitate de probabilitate de
ordinul doi a perechilor de variabile aleatoare (A, X) si (X, M) si coecien tii de corela tie
ntre variabilele aleatoare. Sa se determine probabilita tile P{X
i
= 0|X
i1
= 0}, P{A
i
=
0|A
i1
= 0}, P{A
i
= 2|A
i1
= 0}.
Tema 5.12 Se da func tia de densitate de probabilitate de ordinul doi a perechii de vari-
abile aleatoare si :
f

(x, y) =
_
k, daca 0 x 5 si x y x + 2,
0, n rest.
Sa se calculeze coecientul k si sa se reprezinte grac. Sa se calculeze probabilita tile
P{ N }, P{ N 2}. Sa se determine valoarea astfel ca P{ > } = P{ < }.
Sa se determine coecientul de corela tie si func tiile de densitate de probabilitate marginala
a variabilelor aleatoare si .
Tema 5.13 Se da func tia de densitate de probabilitate de ordinul doi a perechii de vari-
abile aleatoare si :
f

(x, y) =
_
k
_
1
x
4
_
, daca 0 x 4 si 0 y 2,
0, n rest.
Sa se calculeze coecientul k si sa se reprezinte grac. Sa se determine coecientul de
corela tie si func tiile de densitate de probabilitate marginala a variabilelor aleatoare si
. Valorile continue ale variabilelor aleatoare si se cuantizeaza, rezultnd variabilele
aleatoare U si V .
U =
_

_
3, daca N 3,
2, daca 2 < 3,
1, daca 1 < 2,
0, daca < 1.
si V =
_
_
_
1, daca 0 2 si < 2,
0, daca 0 1 si 2 4,
2, daca 1 2 si 2 4.
Sa se calculeze func tia de densitate de probabilitate de ordinul doi a perechii de variabile
aleatoare discrete U si V . Sa se determine coecientul de corela tie si func tiile de densitate
de probabilitate marginala a variabilelor aleatoare U si V. Sa se determine mediile si
varian tele pentru variabilele aleatoare U si V .
Tema 5.14 Doua persoane, Dl. A si Dl. B doresc sa se ntlneasca n locul L ntre
orele 12 si 13; n telegerea dintre ei este ca cel care ajunge primul sa a stepte 15 minute.
Care este probabilitatea ca A si B sa se ntlneasca daca B ajunge la 12.30 ? Care este
probabilitatea globala de ntlnire dintre A si B ? La ce ora trebuie sa vina A daca nu
vrea sa se ntlneasca cu B, dar totu si vrea sa respecte n telegerea facuta ?
39
Tema 5.15 Doua variabile aleatoare discrete si au densitatea de probabilitate de
ordinul doi f

(x, y) =
7
16
(x, y 1) +
5
16
(x 1, y 1) +
3
32
(x 2, y) +
3
32
(x 2, y
2) +
1
32
(x3, y) +k(x3, y 2). Sa se determine constanta k si func tiile de densitate
de probabilitate marginala f

(x) si f

(y); sa se calculeze mediile si varian tele celor doua


variabile aleatoare; sa se calculeze func tia de corelatie si coecientul de corelatie dintre
variabilele aleatoare. Sunt acestea corelate ? Dar independente ?
Tema 5.16 Variabilele aleatoare si sunt independente si distribuite uniform n in-
tervalele [a; b] respectiv [c; d]. Sa se determine func tia de densitate de probabilitate a
variabilei aleatoare = + . (Indica tie: se folose ste (5.15)).
Tema 5.17 Variabilele aleatoare si sunt independente si distribuite uniform n in-
tervalele [a; b] respectiv [c; d]. Sa se determine func tia de densitate de probabilitate a
variabilei aleatoare = .
Tema 5.18 Fie variabilele aleatoare , si ; sa se arate ca:
covariatie(a, b) = abcovariatie(, )
covariatie( + , ) =covariatie(, )+covariatie(, )
covariatie(, ) =covariatie(, )
covariatie( + , + ) =covariatie(, )+covariatie(, ) + 2covariatie(, )
Tema 5.19 Variabilele aleatoare si sunt independente si au aceea si varian ta
2

=
2
. Sa se calculeze varian ta produsului celor doua variabile aleatoare (sa se partic-
ularizeze pentru cazul n care cel pu tin una dintre variabilele aleatoare si are medie
nula).
Tema 5.20 Pentru variabilele aleatoare independente si sa se arate ca:
M
(2)

= M
(2)

M
(2)

+
_
m
(1)

_
2
M
(2)

+
_
m
(1)

_
2
M
(2)

.
40
Capitolul 6
Procese aleatoare
Un proces aleator este o functie ce asociaz a un num ar real realiz arii unui eveniment
la un moment de timp dat; dac a este multimea evenimentelor elementare, =
{
1
,
2
, ...,
n
} atunci avem:
: R R, (
i
, t
j
) = x. (6.1)
Pentru un eveniment xat
i
,
(i)
(t) = (t) este o realizare particular a a procesului
aleator.
6.1 Functia de repartitie si functia de densitate de
probabilitate
Functia de repartitie a procesului aleator este denit a ca o extensie a functiei de repartitie
a unei variabile aleatoare ce are o desf asurare n timp; atunci valoarea acesteia ntr-un
punct va probabilitatea ca valoarea unei realiz ari particulare a procesului aleator la un
moment de timp dat s a e mai mic a sau egal a cu valoarea punctului specicat:
F

(x, t) = P{
(i)
(t) x}. (6.2)
Functia de repartitie de ordinul n va :
F

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) = P{
(i)
(t
1
) x
1
,
(i)
(t
2
) x
2
, ...,
(i)
(t
n
) x
n
}. (6.3)
Functia de densitate de probabilitate este derivata functiei de repartitie:
f

(x, t) =
dF

(x, t)
dx
. (6.4)
Functia de densitate de probabilitate de ordinul n va :
f

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) =
F

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
)
x
1
x
2
...x
n
. (6.5)
Dup a cum se remarc a, ambele functii de baz a ce caracterizeaz a statistica semnalului
aleator pot s a depind a de timp.
41
6.2 Momente statistice ale semnalelor aleatoare
Momentele statistice ale unui proces aleator sunt denite prin extensia temporal a a mo-
mentelor (mediilor) statistice ale unei variabile aleatoare. Momentul statistic [necentrat]
de ordinul k al procesului aleator este:
m
(k)

(t) =

x
k
f

(x, t)dx. (6.6)


Dependenta de timp a momentelor statistice este evident a (functia de densitate de pro-
babilitate a procesului aleator este o functie de timp si variabila temporal a se comport a
ca o constant a fat a de variabila de integrare), dar nu ntotdeauna notatia momentului
statistic include factorul timp. Cazurile de interes sunt tot media (k = 1) si media
p atratic a (k = 2):
(t) =

xf

(x, t)dx,

2
(t) =

x
2
f

(x, t)dx.
Momentele statistice centrate sunt denite analog:
M
(k)

(t) =

_
x (t)
_
k
f

(x, t)dx. (6.7)


6.3 Medii temporale ale semnalelor aleatoare
Mediile temporale ale unui semnal (proces) aleator nu pot denite dect pentru o
realizare particular a a acestuia, deci pentru un (t) =
(i)
(t). n general, media de
ordinul k este:

(t)
(k)
= lim
T
1
T
T/2
_
T/2
((t))
k
dt.
Cazurile uzuale de interes sunt mediile temporale de ordinul 1 (componenta continu a) si
de ordinul 2 (puterea medie):

(t) = lim
T
1
T
T/2
_
T/2
(t)dt,
`

2
(t) = lim
T
1
T
T/2
_
T/2

2
(t)dt.
42
6.4 Corelatia proceselor aleatoare
Corelatia (si intercorelatia) proceselor aleatoare este denit a n mod analog cazului varia-
bilelor aleatoare; si aici diferenta esential a este determinat a de introducerea dimensiunii
temporale. n plus, vor dou a tipuri de functii de corelatie, depinznd de medierea
folosit a: statistic a sau temporal a.
Functia de corelatie statistic a este:
B

(t
1
, t
2
) = (t
1
)(t
2
) =

xyf

(x, y, t
1
, t
2
)dxdy, (6.8)
care, pentru = , se transform a n autocorelatie:
B

(t
1
, t
2
) = (t
1
)(t
2
) =

x
1
x
2
f

(x
1
, x
2
, t
1
, t
2
)dx
1
dx
2
. (6.9)
Functia de corelatie temporal a a proceselor aleatoare si (calculat a evident pentru
realiz ari particulare ale proceselor) este:
R

() =
a
(t)(t ) = lim
T
1
T
T/2
_
T/2
(t)(t )dt. (6.10)
6.5 Clase de semnale aleatoare
Semnalele aleatoare au fost clasicate dup a comportarea n timp a caracteristicilor sta-
tistice. Un semnal aleator ale c arui caracteristici statistice sunt invariante n raport
cu schimbarea originii timpului (sau, echivalent, la orice translatie n timp) se numeste
semnal aleator stationar. Stationaritatea este de dou a tipuri:
stationaritate n sens larg (stationaritate slab a, stationaritate pn a la ordinul doi):
dac a functiile de repartitie (6.2), (6.3) (si respectiv de densitate de probabilitate
(6.4), (6.5)) de ordinele unu si doi sunt invariante la o translatie n timp; acesta
nseamn a c a functiile de repartitie si densitate de probabilitate de ordinul unu nu
depind de timp si functiile de repartitie si densitate de probabilitate de ordinul doi
depind doar de diferenta de timp = t
2
t
1
:
F

(x, t) = F

(t); f

(x, t) = f

(x);
F

(x
1
, x
2
, t
1
, t
2
) = F

(x
1
, x
2
, ); f

(x
1
, x
2
, t
1
, t
2
) = f

(x
1
, x
2
, ).
Consecinta este c a momentele statistice pn a la ordinul doi (6.6) (medie, medie
p atratic a, variant a) sunt constante, si autocorelatia (6.8) este o functie ce depinde
doar de diferenta de timp .
43
stationaritate n sens strict (stationaritate tare): dac a functiile de repartitie (6.3)
(si respectiv de densitate de probabilitate (6.5)) de orice ordin sunt invariante la o
translatie n timp:
F

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) = F

(x
1
, x
2
, ..., x
n
, t
1
+ , t
2
+ , ..., t
n
+ ),
f

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) = f

(x
1
, x
2
, ..., x
n
, t
1
+ , t
2
+ , ..., t
n
+ ).
Un semnal stationar n sens strict este stationar n sens larg; reciproca nu este
adev arat a.
Pentru un semnal aleator stationar n sens larg, functia de autocorelatie are cteva pro-
priet ati particulare speciale: este o functie par a:
B

() = (t)(t ) = (t )(t) = B

(), (6.11)
pentru care valoarea din origine este puterea semnalului aleator pe o sarcin a egal a cu
unitatea:
B

(0) = (t)(t) =
2
(t) = P

, (6.12)
pentru care limita asimptotic a de la innit este p atratul mediei procesului aleator:
B

() = lim

(t)(t ) = (t)(t ) = (t)


2
. (6.13)
n plus, valoarea din origine a functiei de autocorelatie este un maxim absolut:
B

(0) N |B

()| , . (6.14)
Stationaritatea este o proprietate ce nu se poate determina dect pe baza multimii de
realiz ari particulare; n practic a ns a se dispune de cte o singur a realizare particular a
a semnalelor aleatore, si deci se pune problema n ce m asur a caracteristicile statistice
determinate pe baza acesteia (deci medii temporale) sunt caracteristice pentru ntregul
proces aleator (deci ca medii statistice). Un semnal aleator stationar pentru care mediile
statistice sunt egale cu mediile temporale se numeste ergodic.
6.6 Probleme rezolvate
Exemplul 6.1 Fie semnalul condi tionat determinist x(t) = Asin(t + ), unde A si
sunt constante si este o variabila aleatoare distribuita uniform n [0;

]. Sa se calculeze
media, media patratica, varian ta si autocorela tia statistica a semnalului; sa se verice
sta tionaritatea semnalului.
Rezolvare: Functia de densitate de probabilitate a fazei semnalului este:
f

(z) =
_
1

, dac a z [0; ],
0, n rest.
44
Media semnalului x(t) este:
x(t) =

x(t)f

(z)dz =

Asin(t +z)f

(z)dz =

_
0
A

sin(t +z)dz =
=
A

cos(t +z) |

0
=
A

(cos(t + ) cos(t)) =
2A

cos(t).
La acelasi rezultat se poate ajunge si prin aplicarea medierii statistice:
x(t) = Asin(t + ) = Asin(t) cos +Acos(t) sin = Asin(t) cos +
+Acos(t) sin = Asin(t)cos +Acos(t)sin = Asin(t) 0 +Acos(t)
2

=
=
2A

cos(t).
Calculul medierii statistice a functiilor sinus si cosinus de s-a f acut cu teorema mediei
(4.5):
sin =

sin zf

(z)dz =
2

; cos =

cos zf

(z)dz = 0.
Media p atratic a a semnalului x este:
x
2
(t) = A
2
sin
2
(t + ) = (Asin(t) cos +Acos(t) sin )
2
= A
2
sin
2
(t)cos
2
+
+A
2
cos
2
(t)sin
2
+ 2A
2
sin(t) cos(t)cos sin =
= A
2
sin
2
(t)
1
2
+A
2
cos
2
(t)
1
2
+A
2
sin(t) cos(t) 0 =
A
2
2
.
Varianta este:

2
= x
2
(t) x(t)
2
=
A
2
2

4A
2

2
cos
2
(t).
Autocorelatia statistic a a semnalului x(t) este:
B(t
1
, t
2
) = x(t
1
)x(t
2
) = A
2
sin(t
1
+ ) sin(t
2
+ ) = A
2
sin(t
1
) sin(t
2
)cos
2
+
+A
2
cos(t
1
) cos(t
2
)sin
2
+
A
2
2
(sin(t
1
) cos(t
2
) + cos(t
1
) sin(t
2
)) sin 2 =
=
A
2
2
sin(t
1
) sin(t
2
) +
A
2
2
cos(t
1
) cos(t
2
) =
A
2
2
cos((t
1
t
2
)) =
A
2
2
cos().
Evident, semnalul nu este stationar, pentru c a media sa variaz a n timp.
Exemplul 6.2 Fie procesul aleator z(t) = xcos t +y sin t, unde x si y sunt variabile
aleatoare normale de medie nula, independente. Sa se calculeze media si varian ta proce-
sului aleator z(t), func tia de autocorela tie si sa se determine daca procesul este sau nu
sta tionar.
45
Rezolvare: Media procesului aleator este:
z(t) = xcos t +y sin t = xcos t +y sint = xcos t +y sint = 0.
Media p atratic a a procesului aleator este:
z
2
(t) = (xcos t +y sin t)
2
= x
2
cos
2
t +y
2
sin
2
t + 2xy cos t sint = x
2
cos
2
t+
+y
2
sin
2
t + 2xy cos t sin t = 2xy cos t sin t =
2
x
cos
2
t +
2
y
sin
2
t.
Varianta va atunci:

2
z
= z
2
(t) z(t)
2
=
2
x
cos
2
t +
2
y
sin
2
t.
Functia de autocorelatie statistic a este:
B(t
1
, t
2
) = z(t
1
)z(t
2
) = (xcos t
1
+y sin t
1
)(xcos t
2
+y sint
2
) = x
2
cos t
1
cos t
2
+
+y
2
sin t
1
sin t
2
+xy (cos t
1
sin t
2
+ sin t
1
cos t
2
) =
=
2
x
cos t
1
cos t
2
+
2
y
sin t
1
sin t
2
.
Dac a
2
x
=
2
y
=
2
, atunci:

2
z
= z
2
(t) =
2
si B(t
1
, t
2
) =
2
cos (t
1
t
2
) =
2
cos ,
si procesul aleator este stationar n sens larg.
Exemplul 6.3 Sa se demonstreze ca func tia de autocorela tie a unui proces aleator sta-
tionar n sens larg este maxima absolut n origine (demonstrarea rela tiei (6.14)).
Rezolvare: Trebuie demonstrat c a B

(0) N |B

()|, . Dac a evalu am:


((t) (t ))
2
=
2
(t) +
2
(t ) 2(t)(t ) = 2B

(0) 2B

() N 0,
deci: B

(0) N B

() (deoarece procesul este stationar si media nu depinde de momentul


de timp).
Dac a evalu am:
((t) + (t ))
2
=
2
(t) +
2
(t ) + 2(t)(t ) = 2B

(0) + 2B

() N 0,
deci: B

(0) N B

().
Exemplul 6.4 Fie procesul aleator (t) = (t) +(t), unde si sunt procese aleatoare
sta tionare si independente. Sa se calculeze func tia de autocorela tie a procesului n
func tie de func tiile de autocorela tie a celor doua procese aleatoare, stiind ca cel pu tin
unul dintre procesele si are media nula.
46
Rezolvare: Functia de autocorelatie c autat a este:
B

() = (t)(t ) = ((t) + (t)) ((t ) + (t )) =


= (t)(t ) + (t)(t ) + (t)(t ) + (t )(t) = B

() +B

().
Deoarece procesele si sunt procese aleatoare independente, (t)(t ) = (t)
(t ) si (t )(t) = (t ) (t). Deoarece procesele si sunt procese aleatoare
stationare, (t) = (t ) si (t) = (t ). Atunci:
B

() = B

() +B

() + 2(t)(t) = B

() +B

(),
(pentru c a m acar unul dintre procesele aleatoare este de medie nul a).
Pentru a deduce o relatie general a (care s a e valabil a si pentru medii nenule) trebuie s a
tinem seama c a, din (6.13), avem B

() = (t)
2
; si atunci:
B

() = B

() +B

() + 2
_
B

()B

().
Exemplul 6.5 Un semnal aleator discret (n) este ob tinut din semnalul aleator sta tionar
(n) de medie nula prin (n) =
1
2
(n) +
1
4
(n 1) +
1
4
(n 2). Sa se determine func tiile
de autocorela tie a semnalului (n) si de corela tie ntre semnalele (n) si (n).
Rezolvare: Corelatia statistic a dintre cele dou a procese aleatoare se poate calcula dup a
formula de denitie (6.8) transpus a pentru momente de timp discret, ca:
B

(k) = (n)(n k) =
_
1
2
(n) +
1
4
(n 1) +
1
4
(n 2)
_
(n k) =
=
1
2
(n)(n k) +
1
4
(n 1)(n k) +
1
4
(n 2)(n k) =
=
1
2
B

(k) +
1
4
B

(k 1) +
1
4
B

(k 2).
Pentru cazul n care procesul aleator (n) este un zgomot alb, B

(k) = (k), si atunci


intercorelatia calculat a devine:
B

(k) =
1
2
(k) +
1
4
(k 1) +
1
4
(k 2).
Autocorelatia statistic a a semnalului aleator (t) este determinata conform (6.9), deci:
B

(k) = (k)(n k) =
=
_
1
2
(n) +
1
4
(n 1) +
1
4
(n 2)
__
1
2
(n k) +
1
4
(n k 1) +
1
4
(n k 2)
_
=
=
1
4
(n)(n k) +
1
8
(n)(n k 1) +
1
8
(n)(n k 2) +
1
8
(n 1)(n k)+
47
+
1
16
(n 1)(n k 1) +
1
16
(n 1)(n k 2) +
1
8
(n 2)(n k)+
+
1
16
(n 2)(n k 1) +
1
16
(n 2)(n k 2) =
=
1
4
B

(k) +
1
8
B

(k +1) +
1
8
B

(k + 2) +
1
8
B

(k 1) +
1
16
B

(k) +
1
16
B

(k +1)+
+
1
8
B

(k 2) +
1
16
B

(k 1) +
1
16
B

(k) =
=
1
8
B

(k 2) +
3
16
B

(k 1) +
3
8
B

(k) +
3
16
B

(k +1) +
1
8
B

(k + 2).
Pentru cazul n care procesul aleator (n) este un zgomot alb, B

(k) = (k), si atunci


autocorelatia calculat a devine
B

(k) =
1
8
(k 2) +
3
16
(k 1) +
3
8
(k) +
3
16
(k +1) +
1
8
(k + 2).
6.7 Probleme propuse
Tema 6.1 Fie semnalul condi tionat determinist x(t) = Asin(t + ), unde si sunt
constante si A este o variabila aleatoare distribuita uniform n [M; M

]. Sa se calculeze
media, media patratica, varianta si autocorela tia statistica a semnalului; sa se indice
sta tionaritatea semnalului.
Tema 6.2 Fie semnalul condi tionat determinist x(t) = Asin(t +), unde A si sunt
constante si este o variabila aleatoare distribuita uniform n [
1
;
2

]. Sa se calculeze
media, media patratica, varianta si autocorela tia statistica a semnalului; sa se indice
sta tionaritatea semnalului.
Tema 6.3 Fie semnalul condi tionat determinist x(t) = Asin(t +), unde A si sunt
constante si este o variabila aleatoare distribuita uniform n [0; 2

]. Sa se calculeze
media, media patratica, varianta si autocorela tia statistica a semnalului; sa se indice
sta tionaritatea semnalului. Sa se reia problema pentru cazul n care este o variabila
aleatoare distribuita uniform n [0; /2

].
Tema 6.4 (n) este un semnal pur aleator de timp discret, de medie zero si varian ta

. Pe baza acestui semnal aleator se construiesc semnalele aleatoare (n) = 0.5 (n) +
0.5 (n 1) si (n) = (n) (n 1). Pentru aceste noi semnale aleatoare sa se
calculeze momentele statistice de centrate si necentrate de ordinele 1 si 2 si func tiile de
autocorelatie si intercorela tie.
Tema 6.5 (n) este un semnal pur aleator de timp discret, ale carui e santioane sunt
distribuite uniform n intervalul [1; 1]. Pe baza acestui semnal aleator se construie ste
semnalul (n) = (n) + 2 (n 1) + (n 2). Pentru acest nou semnal aleator sa
se calculeze momentele statistice centrate si necentrate de ordinele 1 si 2 si func tia de
autocorelatie.
48
Tema 6.6 Se considera un proces aleator ergodic (t), distribuit normal si avnd func tia
de autocorela tie R() = Ae
||
+ B, unde A, B si sunt constante. Sa se determine
media, varian ta, media patratica, puterea medie si func tia de densitate de probabilitate a
semnalului.
Tema 6.7 Func tia de autocorela tie a unui proces aleator ergodic este
B
x
() = k
1
Si(f
1
) +k
2
cos(2f
2
) +k
3
.
Are procesul aleator x(t) componentele periodice si ce perioada au acestea ? Care este
puterea medie, componenta continua si varian ta procesului ?
Tema 6.8 Pentru semnalul periodic de perioada T = 2, determinat de:
x(t) =
_
U, daca t [0; 1],
0, daca t [1; 2].
Sa se calculeze func tia de autocorelatie, componenta continua si puterea medie.
Tema 6.9 Semnalul periodic de perioada T = 7 este denit de
x(t) =
_
_
_
1, daca t [0; 2],
2, daca t [6; 7],
0, n rest.
Sa se determine puterea medie, componenta continua si dispersia semnalului folosind
func tia de autocorela tie temporala.
Tema 6.10 Care sunt proprieta tile unui semnal ce pot extrase din func tia sa de au-
tocorela tie: perioada, varian ta, componenta continua, proprieta tile de simetrie, puterea
medie, faza, densitatea spectrala de putere. Cum se poate proceda?
Tema 6.11 Procesele aleatoare x(t) si y(t) au func tiile de autocorela tie statistica B
x
() =
_
25 16 || , daca || 1,
9, n rest.
si B
y
() = exp(

2
50
). Sa se calculeze puterea medie, va-
riantele si mediile proceselor aleatoare. Sa se schiteze calitativ densita tile spectrale de
putere a celor doua procese aleatoare, si pe baza schi telor sa se arate care spectru de
putere este mai lat si care spectru de putere are componente de frecven ta mai ridicata.
Tema 6.12 Un semnal aleator binar este format din impulsuri de amplitudine U sau 0;
impulsurile ncep la momente de timp kT
0
si au o la time variabila (dar mai mica dect
T
0
), b. La timea b a impulsurilor de amplitudine U este o variabila aleatoare distribuita
uniform n intervalul [0;
T
0
2
], independenta de r(t). Probabilitatea de apari tie a impul-
surilor de amplitudine nula este p
0
= 0.4 si acest caz poate asimilata cu un impuls de
la time 0. Sa se determine la timea medie a unui impuls si func tiile de reparti tie si de
densitate de probabilitate ale variabilei aleatoare b. Sa se calculeze functia de densitate
de probabilitate a semnalului aleator r(t) si func tia de autocorela tie a acestuia.
49
Capitolul 7
Teorema Wiener-Hincin
Densitatea spectral a de putere a unui proces (semnal) aleator (t) este denit a ca:
q

() = lim
T
|Fourier (
T
(t))|
2
T
, (7.1)
unde
T
(t) este restrictia semnalului aleator (t) la intervalul [T; T].
Teorema Wiener-Hincin arm a c a pentru un proces aleator (t), stationar n sens larg,
functia de autocorelatie si densitatea spectral a de putere sunt perechi Fourier:
q

() = Fourier {B

()} si B

() = Fourier
1
{q

()} ,
q

() =

()e
j
d; B

() =
1
2

()e
j
d. (7.2)
7.1 Probleme rezolvate
Exemplul 7.1 Fie un semnal aleator ergodic, a carui densitate spectrala de putere este:
q() =
_
A+C(), pentru ||
0
,
0, n rest.
Sa se calculeze functia de autocorelatie a procesului aleator, valorile sale medii, si sa se
determine componen ta acestuia.
Rezolvare: Teorema Wiener-Hincin (7.2) leag a densitatea spectral a de putere de functia
de autocorelatie prin:
B() = R() =
1
2

q()e
j
d =
1
2
_
_

0
_

0
Ae
j
d +

0
_

0
C()e
j
d
_
_
=
=
C
2

()e
j
d +
A
2

0
_

0
e
j
d =
C
2
+
A
2
1
j
_
e
j
0

e
j
0

_
=
50
=
C
2
+
A

sin
0
=
C
2
+

0
A

Si
0
.
Din propriet atile functiei de autocorelatie avem c a:
(t) =
_
B() =
_
C
2
,
2
(t) = B(0) =
C
2
+

0
A

,
2

=

0
A

.
Din gama de frecvente ocupate de densitatea spectral a de putere se poate deduce faptul
c a procesul aleator este un proces de zgomot de band a limitat a (
0
) suprapus peste un
semnal constant
C
2
. Variind valorile lui
0
ntre 0 si , cazurile extreme sunt: semnal
constant (t) =
C
2
pentru
0
0 si un zgomot alb suprapus peste un semnal constant
pentru
0
.
Exemplul 7.2 Fie procesul aleator (t) = (t) +(t), unde si sunt procese aleatoare
sta tionare si independente. Sa se calculeze densitatea spectrala de putere a procesului
n func tie de densitatile spectrale de putere a celor doua procese aleatoare, stiind ca cel
pu tin unul dintre procesele si are media nula.
Rezolvare: Densitatea spectral a de putere c autat a este:
q

() = Fourier {B

()} .
B

() = (t)(t ) = ((t) + (t)) ((t ) + (t )) =


= (t)(t ) + (t)(t ) + (t)(t ) + (t )(t) = B

() +B

().
Deoarece procesele si sunt procese aleatoare independente, (t)(t ) = (t)
(t ) si (t )(t) = (t ) (t). Deoarece procesele si sunt procese aleatoare
stationare, (t) = (t ) si (t) = (t ). Atunci:
B

() = B

() +B

() + 2(t)(t) = B

() +B

() + 2
_
B

()B

().
Atunci transformata Fourier a functiei de autocorelatie este (tinnd cont c a Fourier{1} =
2()):
q

() = Fourier {B

()} = Fourier {B

()} + Fourier {B

()} +
+Fourier
_
2
_
B

()B

()
_
= q

() +q

() + 4
_
B

()B

()().
Pentru c a m acar unul dintre procesele aleatoare este de medie nul a, B

()B

() = 0 si
atunci:
q

() = q

() +q

().
51
Exemplul 7.3 Procesul aleator de timp discret x(n) este ob tinut ca o medie mobila
din procesul aleator de zgomot (n) prin x(n) =
1
2
((n) + (n 1)). Sa se determine
densitatea spectrala de putere a procesului aleator x(n), folosind teorema Wiener-Hincin.
Rezolvare: Mai nti trebuie determinat a functia de autocorelatie a procesului aleator
x(n):
B
x
(k) = x(n)x(n k) =
1
4
((n) + (n 1)) ((n k) + (n 1 k)) =
=
1
4
_
(n)(n k) + (n)(n 1 k) + (n 1)(n k) + (n 1)(n k 1)
_
=
=
1
4
(B

(k) +B

(k +1) +B

(k 1) +B

(k)) =
1
2
B

(k) +
1
4
B

(k 1) +
1
4
B

(k +1).
Cum procesul aleator (n) este un zgomot, functia sa de autocorelatie este un impuls
Dirac, B

(k) = (k). Atunci


B
x
(k) =
1
2
(k) +
1
4
(k 1) +
1
4
(k +1).
Pentru determinarea densit atii spectrale de putere, teorema Wiener Hincin va trebui
aplicat a sub forma discret a:
q
x
() =

k=
B
x
(k)e
jk
,
q
x
() =
1
2
+
1
4
e
j
+
1
4
e
j
=
1
2
+
1
2
cos .
7.2 Probleme propuse
Tema 7.1 Fie (t) un semnal aleator ergodic a carui densitate spectrala de putere este
q

() =
N
0
2
, si e semnalul determinist s(t) = (t). Sa se calculeze func tiile de
autocorelatie a celor doua semnale si sa se interpreteze.
Tema 7.2 Func tia de autocorela tie a unui proces aleator ergodic este data de:
R
X
() =
_
T
0
||
T
0
, daca || T
0
,
0, n rest.
Sa se reprezinte func tia de autocorela tie si sa se verice grac proprieta tile acesteia; sa
se determine componenta continua, puterea medie si varian ta procesului aleator. Sa se
calculeze densitatea spectrala de putere a procesului aleator si sa se comenteze inuen ta
parametrului T
0
asupra la timii func tiei de autocorelatie si asupra largimii de banda a
densita tii spectrale de putere.
52
Tema 7.3 Semnalele aleatoare (t) si (t) au func tiile de autocorela tie R

() = Ae
||
+
C cos
0
si R

() = Ae
||
+ B + C cos
0
. Sa se calculeze func tiile de densitate
spectrala de putere asociata, sa se reprezinte grac si prin simpla inspec tie a func tiilor sa
se determine componen ta semnalelor (t) si (t), precum si mediile statistice de ordinele
1 si 2.
Tema 7.4 Semnalul aleator (t) are func tia de autocorela tie R

() = Ae
||
+ B. Sa
se calculeze func tiile de densitate spectrala de putere asociata, sa se reprezinte grac si
prin simpla inspec tie a func tiilor sa se determine mediile statistice de ordinele 1 si 2 si
puterea medie a semnalului.
Tema 7.5 Densitatea spectrala de putere a unui semnal aleator este data de func tia
q() = (
4
+10
2
+ 9)
1
. Sa se determine media patratica a semnalului aleator.
Tema 7.6 Un proces aleator este determinat de x(t) = Asin(2f
0
t + ), unde A si
f
0
sunt constante iar este distribuita uniform n intervalul [0; 2]. Sa se calculeze
densitatea spectrala de putere a procesului aleator.
Tema 7.7 Calcula ti autocorela tia proceselor aleatoare pentru care func tiile de densitate
spectrala de putere sunt date de q

() = (1 +
4
)
1
si q

() = (1 +
2
)
2
.
Tema 7.8 Procesul aleator y(t) este construit din procesul aleator x(t) ca y(t) = x(t +
a) x(t a). Sa se calculeze func tia de densitate spectrala de putere a procesului aleator
y(t). (Solutie: q
y
() = 4q
x
() sin
2
a)
Tema 7.9 Sa se arate ca func tia de autocorela tie a unui proces aleator sta tionar verica
rela tia:
R(0) R() N
1
4
n
(R(0) R(2
n
)) .
(Indica tie: folosi ti inegalitatea trigonomerica 1 cos = 2 sin
2
2
N 2 sin
2
2
cos
2
2
=
1
4
(1 cos 2)).
Tema 7.10 Procesul aleator x(t) este de medie nula si func tie de autocorela tie R
x
() =
Ie
||
cos . Procesul aleator y(t) este construit ca y(t) = x
2
(t). Care este densitatea
spectrala de putere a celor doua procese aleatoare ? Ce se intmpla cu q
y
() daca q
x
()
este de tipul trece jos (respectiv trece sus) ideal ?
53
Capitolul 8
Trecerea semnalelor aleatoare prin
sisteme liniare
n cazul trecerii semnalelor aleatoare prin sisteme liniare, principala relatie de interes
(suplimentar a fat a de leg atura de tip convolutie ntre semnalul de iesire si semnalul de
intrare (8.1) si derivat a din aceasta) este cea care exprim a densitatea spectral a de putere
a semnalului de la iesirea sistemului fat a de densitatea spectral a de putere a semnalului
de la intrarea sistemului (8.2):
(t) = (t) h(t), (8.1)
q

() = q

() |H()|
2
. (8.2)
O clas a particular a de sisteme liniare sunt ltrele adaptate la forma semnalului. Un
ltru adaptat la forma semnalului (sau, pe scurt, la semnalul) s(t) are o functie pondere
denit a ca:
h(t) = ks ((t
0
)) . (8.3)
Proprietatea remarcabil a a ltrului adaptat (8.3) este aceea c a r aspunsul s au la un semnal
oarecare aplicat la intrare este o variant a scalat a si decalat a n timp a functiei de corelatie
a semnalului de intrare si a semnalului la care ltrul a fost adaptat:
y(t) = (t) h(t) = kR
xs
(t
0
). (8.4)
8.1 Probleme rezolvate
Exemplul 8.1 La intrarea unui ltru trece jos ideal cu frecven ta de taiere f
T
= 1 kHz se
aplica semnalul aleator (t) = sin(210
4
t + ) +n(t), unde n(t) este un zgomot alb si
este o variabila aleatoare repartizata uniform n intervalul [0; 2]. Sa se calculeze func tia
de autocorela tie statistica a semnalului (t) si densitatea spectrala de putere a acestuia.
Daca (t) este semnalul de la ie sirea ltrului, sa se calculeze func tia sa de autocorela tie
si densitatea spectrala de putere.
54
Rezolvare: Denitia zgomotului alb precizeaz a c a acesta este necorelat cu semnalul pe
care l afecteaz a. Functia de autocorelatie statistic a pentru semnalul (t) este:
B

(t
1
, t
2
) = (t
1
)(t
2
) = (sin(210
4
t
1
+ ) +n(t
1
)) (sin(210
4
t
2
+ ) +n(t
2
)) =
= sin(210
4
t
1
+ ) sin(210
4
t
2
+ ) +n(t
1
)n(t
2
) + sin(210
4
t
1
+ )n(t
2
)+
+sin(210
4
t
2
+ )n(t
1
) =
1
2
(cos(210
4
(t
2
t
1
)) cos(210
4
(t
2
+t
1
) + 2))+
+B
n
(t
2
t
1
) =
1
2
cos(210
4
) +B
n
()
1
2

xcos(210
4
(t
2
+t
1
) + 2x)f

(x)dx =
=
1
2
cos(210
4
) + ()
1
2
2
_
0
xcos(210
4
(t
2
+t
1
) + 2x)
1
2
dx =
1
2
cos(210
4
) + ().
Semnalul (t) este stationar n sens larg, si se poate aplica deci teorema Wiener-Hincin
(7.2) pentru a calcula functia de densitate spectral a de putere din functia de autocorelatie:
q

() = Fourier{B

()} =
1
2
Fourier{cos(210
4
)} + Fourier{()} =
=
1
2
_
( + 210
4
) + ( 210
4
)
_
+1.
Functia de transfer a ltrului trece jos ideal este dat a de:
H() =
_
1, dac a || 2f
T
= 210
3
,
0, n rest.
Functia de densitate spectral a de putere a semnalului de la iesirea ltrului este determi-
nat a conform (8.2):
q

() = q

() |H()|
2
.
Efectund nmultirea, se obtine:
q

() = |H()|
2
=
_
1, dac a || 2f
T
= 210
3
,
0, n rest.
(adic a un semnal de band a limitat a, cu densitate spectral a de putere constant a, deci un
zgomot de band a limitat a).
Functia de autocorelatie a semnalului de iesire este, conform (7.2), transformata Fourier
invers a a functiei de densitate spectral a de putere:
B

() = Fourier
1
{q

()} =
1

Si(210
3
).
Exemplul 8.2 Se da un ltru adaptat la semnalul s(t) =
_
A, daca |t|
T
2
,
0, n rest.
. Sa se
determine raspunsul ltrului la semnalele de intrare s(t) si (t) (unde (t) este un semnal
aleator de tip zgomot alb).
55
Rezolvare: Conform denitiei ltrului adaptat (8.3), functia sa pondere este dat a de:
h(t) = ks ((t
0
)) .
Atunci functia pondere n cazul particular studiat este:
h(t) =
_
kA, dac a t [
T
2
+
0
;
T
2
+
0
],
0, n rest.
Pentru ca ltrul s a e cauzal este necesar ca
T
2
+
0
N 0, deci
0
N
T
2
.
Semnalul de la iesirea ltrului adaptat este produsul de convolutie a intr arii cu functia
pondere. Dac a la intrare s a aplicat semnalul s(t), la iesire vom avea:
y(t) = s(t) h(t) =

h()s(t )d = k

s(
0
)s(t )d =
= k

s(
0
t+u)s(u)du = k

s (u (t
0
)) s(u)du = kR
s
((t
0
)) = kR
s
(t
0
).
Deci iesirea este functia de autocorelatie temporal a a semnalului de intrare, translatat a
cu
0
. Functia de autocorelatie a semnalului s(t) este calculat a ca:
R
s
(t) =

s(u)s(u +t)du =
_
_
_
A
2
(t +T), dac a t [T; 0],
A
2
(T t), dac a t [0; T],
0, n rest.
Atunci semnalul de iesire y(t) este:
y(t) =
_
_
_
kA
2
(t +T +
0
), dac a t [T +
0
;
0
],
kA
2
(T +
0
t), dac a t [
0
; T +
0
],
0, n rest.
Dac a la intrarea ltrului se aplic a semnalul de zgomot alb (t), la iesirea sistemului vom
obtine:
y(t) = s(t) h(t) =

h()(t )d = k

s(
0
)(t )d =
= k

s(u)(t
0
+u)du = kA
T/2
_
T/2
(t
0
+u)du.
Acest semnal de iesire este o variant a mediat a a semnalului de intrare (mediere realizat a
pe perioada T). Cu ct T va creste, acest semnal de iesire se va apropia de media
temporal a a zgomotului alb de intrare, deci de 0.
56
Exemplul 8.3 La intrarea unui ltru trece jos realizat cu o celula de ltrare RC se aplica
un zgomot de banda larga (proces aleator cu densitatea spectrala de putere constanta n
intervalul de frecven ta [
0
;
0
] si nula n rest), sta tionar. Sa se calculeze (aproximativ)
densitatea spectrala de putere si func tia de autocorela tie a zgomotului ltrat n cazurile n
care banda ltrului este mult mai mare, respectiv mult mai mica dect banda zgomotului.
Rezolvare: Celula de ltrare RC este un divizor de tensiune format dintr-un rezistor de
rezistent a R si un condensator de capacitate C nseriate; semnalul de intrare se aplic a
ntregii grup ari serie; semnalul de iesire se culege de pe condensator. Functia de transfer
n frecvent a a ltrului este:
H() =
1
jC
R +
1
jC
=
1
1 +jRC
.
Modulul p atrat al functiei de transfer este atunci:
|H()|
2
=
1
1 + (RC)
2
.
Frecventa de t aiere
T
a ltrului este denit a ca frecventa la care puterea la iesirea
ltrului este jum atate din puterea de intrare; puterea la iesire este proportional a cu
puterea la intrare prin modulul p atrat al functiei de transfer a ltrului, si atunci:
|H()|
2
=
1
2

T
RC = 1
T
=
1
RC
.
Zgomotul alb aplicat la intrarea ltrului are o densitate spectral a de putere descris a de:
q

() =
_
k, dac a [
0
;
0
],
0, n rest.
Densitatea spectral a de putere a semnalului de la iesirea ltrului este dat a de (8.2), adic a:
q

() = q

() |H()|
2
.
Cazul I: dac a banda de trecere a ltrului este mult mai mare ca banda zgomotului, adic a

T

0
, putem aproxima functia de transfer a ltrului pe intervalul [
0
;
0
] cu 1:
|H()|
2

[
0
;
0
]
|H(0)|
2
= 1,
si atunci:
q

() = q

(), si deci B

() = B

().
B

() = Fourier
1
{q

()} =
1
2

()e
j
d =
k
2

0
_

0
e
j
d =
=
k
0

Si(
0
).
57
Cazul II: dac a banda de trecere a ltrului este mult mai mic a ca banda zgomotului, adic a

0

T
, putem aproxima:
q

() = q

() |H()|
2
k |H()|
2
=
k
1 + (RC)
2
;
q

() =
k
1 +
_

T
_
2
=
k
T
2
_
1
j +
T

1
j
T
_
.
Calculul transformatei Fourier inverse a acestei functii se face prin intermediul transfor-
matei Laplace bilaterale (nlocuind formal j = s) si conduce la:
B

() =
k
T
2
_
U()e

T
+U()e

T
_
=
k
T
2
e
||
T
=
k
2RC
e
||
T
.
8.2 Probleme propuse
Tema 8.1 Un ltru trece jos ideal are func tia de transfer H() =
_
2, daca ||

2T
,
0, n rest.
.
La intrarea ltrului se aplica o secventa de variabile aleatoare (procesul aleator de timp
discret) necorelate de medie nula si varian ta
2
, (n). La ie sirea ltrului se ob tine
secven ta de variabile aleatoare (procesul aleator de timp discret) (n). Sa se calculeze
si sa se reprezinte grac func tiile de autocorela tie si de densitate spectrala de putere a
intrarii si ie sirii ltrului. Sa se calculeze puterea medie a semnalului de la ie sirea ltrului.
Tema 8.2 Un ltru are func tia de transfer H(f) =
_
1
2
_
1 + cos
f
f
0
_
, daca |f| f
0
,
0, n rest.
;
la intrarea acestui ltru se aplica semnalul aleator a carui func tie de autocorela tie este
B

() = Si
1
+ cos
2
+. Sa se calculeze func tia de densitate spectrala de putere
a semnalului de la ie sirea ltrului, componenta continua si varian ta acestuia. Sa se
calculeze valoarea efectiva a semnalului de ie sire pentru f
0
= 25 Hz.
Tema 8.3 Un semnal este distribuit uniform simetric n jurul valorii 0; varian ta
2
x
a
procesului este necunoscuta si se determina prin schema de masurare formata din blocuri
succesive: un redresor bialternan ta cu factor de amplicare K urmat de un bloc de calcul
a componentei continue
_
lim
T
1
T
T
_
0
y(t)dt
_
. Care este rela tia dintre marimea masurata
M si func tia de densitate de probabilitate a semnalului redresat, f
y
(y, t) ? Ce valoare
trebuie sa aiba constanta K pentru ca M =
2
x
? Care este eroarea de masurare dupa
aceata schema a varian tei unui semnal gaussian de medie nula; n acest caz valoarea
masurata este mai mare sau mai mica dect valoarea reala ? Cum se poate calcula
2
x
din
func tia de autocorelatie; n acest caz rezultatul este inuen tat de distribu tia particulara
a semnalului ?
58
Tema 8.4 Ie sirea unui sistem liniar, y(t), este determinata n func tie de semnalul de
intrare, x(t) :
y(t) = kx(t) +x(t t
0
).
Daca semnalul de intrare x(t) este distribuit gaussian n jurul valorii nule si are den-
sitatea spectrala de putere q
x
() = Q
0
Si
2
_

2B
_
, care este densitatea spectrala de putere
a semnalului de la ie sirea sistemului ? Ce semnal de ie sire se ob tine pentru k = 1 si
t
0
=
1
B
?
Tema 8.5 Ie sirea unui sistem liniar, y(t), este determinata n func tie de semnalul de
zgomot de intrare, x(t) :
y(t) = x(t t
1
) +ax(t t
2
).
Func tia de autocorela tie a semnalului aleator x(t) este B
x
() = Si (). Care este func tia
de intercorela tie intrare-ie sire si densitatea spectrala de putere de intercorela tie intrare-
ie sire ? Ce se ob tine pentru a = 0.3, t
1
= 0.1 s si t
2
= 0.15 s ?
Tema 8.6 Un proces aleator sta tionar (t) cu func tia de autocorela tie statistica B

() =
cos(210
3
) +e
100||
, cu R se aplica la intrarea unui ltru trece banda ideal, acordat
pe frecven ta de 1 kHz si cu banda de trecere de 100 Hz. Fie (t) rezultatul ltrarii lui (t).
Sa se calculez puterea medie si densitatea spectrala de putere a semnalului aleator (t);
sa se calculeze (cu o ct mai buna aproximare) densitatea spectrala de putere si func tia
de autocorela tie pentru semnalul de la ie sirea ltrului trece banda.
Tema 8.7 Se da un ltru adaptat la semnalul s(t) =
_
A, daca t [0; T],
0, n rest.
. Sa se
determine raspunsul ltrului la semnalele de intrare s(t) si (t) (unde (t) este un semnal
aleator de tip zgomot alb).
Tema 8.8 Doua celule RC de ltrare trece jos sunt cascadate, iar la intrarea primei
celule se aplica un zgomot alb. Sa se calculeze densitatea spectrala de putere si func tia de
autocorelatie a semnalului de ie sire si sa se studieze inuen ta constantei RC a ltrului
asupra proprieta tilor statistice ale semnalului de ie sire.
Tema 8.9 Modulul func tiei de transfer a unui ltru discret este de forma triunghiu-
lara, simetrica, maxima n origine; valorile nenule ale acestei func tii sunt |H(0)|
2
= 1,
|H(1)|
2
= 0.5, |H(2)|
2
= 0.25. Daca la intrarea acestui ltru se aplica un semnal (de
timp discret) a carui func tie de autocorela tie este B(k) = 2
k
, sa se determine func tia
de autocorela tie si densitatea spectrala de putere a semnalului de la ie sirea ltrului.
59
Capitolul 9
Spatii de reprezentare a semnalelor
S a consider am esantioanele la momentele nT
0
ale realiz arii particulare a unui proces
aleator x(t); acestea vor x(n) si vor forma un proces aleator de timp discret. Un num ar
de N esantioane ale procesului aleator discret pot grupate ntr-un vector coloan a,
x = (x(0), x(1), ..., x(N 1))
T
. Considernd o baz a de functii (de timp discret) de
N esantioane {
i
(n)}
i=0,N1
, proiectiile pe acestea ale procesului aleator formeaz a o
descompunere a acestuia:
x(n) =
N1

i=0
y
i

i
(n), (9.1)
unde coecientii y
i
sunt produsul scalar al vectorului x al procesului aleator cu functiile
bazei:
y
i
=
N1

n=0
x(n)
i
(n) = x,
i
(9.2)
Acest a ultim a relatie (care prezint a obtinerea coecientilor cu care se face reprezentarea
procesului aleator n noul spatiu denit de baza de functii) mai poate scris a sub form a
matricial a si ca:
y = Ax (9.3)
si poart a numele de transformare a vectorului (procesului aleator) x. Matricea A a
transform arii este denit a de:
A =
_
_
_
_

0
(0)
0
(1) ...
0
(N 1)

1
(0)
1
(1) ...
1
(N 1)
... ... ... ...

N1
(0)
N1
(1) ...
N1
(N 1)
_
_
_
_
9.1 Transform ari unitare
Transformarea denit a de matricea Ase numeste unitar a dac a matricea Aeste hermitic a,
adic a inversa sa este conjugata transpusei:
A
1
= (A
T
)

(9.4)
60
n acest caz, transformarea invers a se poate scrie:
y = Ax = x = (A
T
)

y (9.5)
Interesul deosebit ce se acord a transform arilor unitare este justicat de urm atoarele pro-
priet ati ale acestora:
energia procesului (semnalului) transformat se conserv a:
y
2
= x
2
(aceasta nseamn a c a transformarea unitar a este o rotatie n spatiul n-dimensional,
deoarece conserv a lungimea geometric a euclidian a a vectorilor)
transformarea unitar a comut a cu operatorul de mediere statistic a:
y= Ax
transformarea unitar a conserv a entropia semnalului
transformarea unitar a realizeaz a o decorelare a componentelor din spatiul de baz a
(initial) al semnalului si o concentrare a energiei n spatiul transformat pe un num ar
mai mic de elemente.
9.2 Probleme rezolvate
Exemplul 9.1 Sa se demonstreze proprietatea transformarilor unitare de conservare a
energiei.
Rezolvare: n rezolvare vom folosi denitia transform arii (9.3) si caracteristica transfor-
m arilor unitare (9.4):
y
2
=
N1

n=0
y
2
(n) = y
T
y = (Ax)
T
(Ax) = x
T
A
T
Ax = x
T
A
1
Ax = x
T
x =x
2
.
Exemplul 9.2 Sa se gaseasca rela tia dintre matricea de covaria tie a procesului aleator
ini tial si a celui transformat printr-o transformare unitara.
Rezolvare: Matricea de covariatie a unui proces aleator de timp discret este denit a ca
1
:
C
x
= (x x)(x x)
T
= R
x
xx
T
,
1
Conjugarea complex a a vectorilor reprezentnd procese aleatoare se foloseste pentru cazul general
al proceselor aleatoare de valori complexe; notatia nu mai este necesar a dac a procesul aleator are numai
valori reale.
61
unde:
R
x
= xx
T
=
_
_
_
_
R
x
(0) R
x
(1) ... R
x
(N 1)
R
x
(1) R
x
(0) ... R
x
(N 2)
... ... ... ...
R
x
(1 N) ... R
x
(1) R
x
(0)
_
_
_
_
. (9.6)
(deci matricea de corelatie are pe diagonale valorile functiei de autocorelatie a procesului
aleator; dac a componentele x(n) sunt variabile aleatoare si nu esantioane ale unui proces
aleator, atunci pe diagonala principal a matricea de covariatie a vectorului x are variantele
respectivelor variabile aleatoare).
Pentru procesul aleator transformat y avem:
C
y
= (y y)(y y)
T
= (Ax Ax)(Ax Ax)
T
= A(x x)(x x)
T
A
T
=
= A(x x)(x x)
T
A
T
= AC
x
A
T
.
Exemplul 9.3 Sa se demonstreze proprietatea de conservare a entropiei proceselor ale-
atoare printr-o transformare unitara.
Rezolvare: Entropia unui proces aleator (vector ale c arui componente sunt variabile
aleatoare) este dat a de:
H(x) =
N
2
log
2
(2e |C
x
|
1
N
).
Dac a y este procesul transformat prin transformarea unitar a denit a de matricea A
atunci entropia acestuia este:
H(y) =
N
2
log
2
(2e |C
y
|
1
N
) =
N
2
log
2
(2e

AC
x
A
T

1
N
) =
=
N
2
log
2
(2e |A|
1
N
|C
x
|
1
N

A
T

1
N
) =
N
2
log
2
(2e(|A|

A
1

)
1
N
|C
x
|
1
N
) = H(x)
pentru c a, conform (9.4):
AA
T
= AA
1
= I
N
,
de unde rezult a:
|A|

A
1

= |I
N
| = 1.
Exemplul 9.4 Un vector x are doua componente, variabile aleatoare de medie nula;
matricea de covaria tie a vectorului x este C
x
=
_
1 0.9
0.9 1
_
; vectorul este transformat
prin transformarea caracterizata de matricea A =
_
3/2 1/2
1/2

3/2
_
. Sa se verice ca
transformarea este unitara, ca energia este conservata si sa se studieze proprietatea de
concentrare a energiei si decorelare a componentelor n urma transformarii.
62
Rezolvare: Demonstrarea faptului c a transformarea este unitar a se face prin vericarea
relatiei (9.4):
A
T
=
_
3/2 1/2
1/2

3/2
_
T
=
_
3/2 1/2
1/2

3/2
_
T
=
_
3/2 1/2
1/2

3/2
_
;
A
T
A = A
T
A =
_
3/2 1/2
1/2

3/2
__
3/2 1/2
1/2

3/2
_
=
_
1 0
0 1
_
.
Energia continut a n vectorul x estex
2
=
1

n=0
x
2
(n) = x
T
x, adic a este urma
2
(trace)
matricii de covariatie C
x
. Matricea de covariatie a vectorului transformat este:
C
y
= AC
x
A
T
=
=
_
3/2 1/2
1/2

3/2
__
1 0.9
0.9 1
__
3/2 1/2
1/2

3/2
_
=
_
1 + 0.45

3 0.45
0.45 1 0.45

3
_
.
Urmele celor dou a matrici de covariatie sunt:
y
2
= 1 + 0.45

3 +1 0.45

3 = 2 = 1 +1 = x
2
.
Elementele de pe diagonala secundar a a matricii de covariatie reprezint a evident covari-
atia dintre componentele vectorului; se observ a c a valoarea acesteia este mai mic a (0.45)
dup a transformare dect n vectorul initial (0.9). n acelasi timp, n vectorul initial ener-
gia era distribuit a uniform pe componente, iar dup a transformare, prima component a are
un procent de (1+0.45

3)/2 = 88.97% din energia total a (deci energia a fost concentrat a


n prima component a).
9.3 Probleme propuse
Tema 9.1 Un vector x are doua componente, variabile aleatoare de medie nula; matricea
de covariatie a vectorului x este C
x
=
_
1
1
_
(cu || 1); vectorul este transformat
prin transformarea caracterizata de matricea A =
_
3/2 1/2
1/2

3/2
_
. Sa se verice ca
energia este conservata si sa se studieze proprietatea de concentrare a energiei si decore-
lare a componentelor n urma transformarii.
Tema 9.2 Sa se arate ca modulul determinantului unei matrici unitare este 1; sa se
arate ca to ti vectorii proprii ai unei matrici unitare au modulul 1.
Tema 9.3 Un vector x are doua componente, variabile aleatoare de medie nula; matricea
de covariatie a vectorului x este C
x
=
_
1
1
_
(cu || 1); vectorul este transformat
2
Urma unei matrici este suma elementelor de pe diagonala principal a a matricii.
63
prin transformarea caracterizata de matricea A =
_
cos sin
sin cos
_
. Sa se verice ca
energia este conservata si sa se studieze proprietatea de concentrare a energiei si decore-
lare a componentelor n urma transformarii. Sa se gaseasca valoarea lui pentru care
concentrarea de energie este maxima si valoarea lui pentru care componentele vectorului
transformat devin decorelate.
Tema 9.4 Un vector x are trei componente, variabile aleatoare de medie nula; matricea
de covaria tie a vectorului x este C
x
=
_
_
1 0
0 1 0
0 1
_
_
(cu || 1); vectorul este transformat
prin transformarea caracterizata de matricea A =
_
_
cos sin cos sin sin
sin cos cos cos sin
0 sin cos
_
_
.
Sa se verice ca transformarea este unitara, ca energia este conservata si sa se studieze
proprietatea de concentrare a energiei si decorelare a componentelor n urma transfor-
marii. n ce condi tii se obtine decorelarea totala a componentelor vectorului n urma
transformarii ?
Tema 9.5 Un vector x are trei componente, variabile aleatoare de medie nula; matricea
de covaria tie a vectorului x este C
x
=
_
_
1
1 0
0 1
_
_
(|| 1); vectorul este transformat
prin transformarea caracterizata de matricea A =
_
_
cos cos sin cos sin
sin cos cos sin sin
sin 0 cos
_
_
.
Sa se verice ca transformarea este unitara, ca energia este conservata si sa se studieze
proprietatea de concentrare a energiei si decorelare a componentelor n urma transfor-
marii. n ce condi tii se ob tine o concentrare maxima de energie n prima componenta a
vectorului transformat ?
Tema 9.6 O transformare unitara este caracterizata de matricea
A =
_
_
a b c

2b
a

2
a

2
0
1

2
1

2
_
_
Transformarea se aplica unui vector x, ale carui componente sunt variabile aleatoare
de medie nula, varian te unitare si coecien ti de intercorela tie egali. Care trebuie sa e
valorile constantelor a, b si c pentru ca n urma transformarii variabilele aleatoare sa e
decorelate ?
64
Varianta A
NOTA TII UTILIZATE
: variabil a aleatoare cu valori reale
P{} : probabilitatea unui eveniment
: multimea evenimentelor elementare; cmp complet de evenimente
F

: functia de repartitie a variabilei aleatoare


F

(x) : valoarea functiei de repartitie a variabilei aleatoare n punctul x


f

: functia de densitate de probabilitate a variabilei aleatoare


f

(x) : valoarea functiei de densitate de probabilitate a variabilei aleatoare n punctul


x
m
(k)

: momentul statistic [necentrat] de ordinul k al variabilei aleatoare


m
k
: momentul statistic [necentrat] de ordinul k al variabilei aleatoare curente
M
(k)

: momentul statistic centrat de ordinul k al variabilei aleatoare


M
k
: momentul statistic centrat de ordinul k al variabilei aleatoare curente
k : ordinul momentului statistic

: varianta variabilei aleatoare

2
: varianta variabilei aleatoare curente

: media statistic a a variabilei aleatoare


: media statistic a a variabilei aleatoare curente
: operatorul de mediere statistic a
N(,
2
) : distributie normal a de medie si variant a
2
(x) : distributia (impulsul) Dirac (delta) unidimensional a
U(x) : functia treapt a unitate
Si(x) =
sinx
x
: functia sinus cardinal
65
(x, y) : distributia (impulsul) Dirac (delta) bidimensional a
: variabil a aleatoare cu valori reale (n general ca rezultat al transform arii variabilei
aleatoare )
f

: functia de densitate de probabilitate de ordinul doi [a perechii de variabile aleatoare


, ]
f

(x, y) : valoarea functiei de densitate de probabilitate de ordinul doi [a perechii de


variabile aleatoare , ] n punctul (x, y)
F

: functia de repartitie de ordinul doi a [perechii de variabile aleatoare , ]


F

(x, y) : valoarea functiei de repartitie de ordinul doi [a perechii de variabile aleatoare


, ] n punctul (x, y)
B

: corelatia variabilelor aleatore si


K

: covariatia variabilelor aleatore si

: coecientul de corelatie a variabilelor aleatore si


(t) : proces aleator cu valori reale
F

(x, t) : valoarea functiei de repartitie a procesului aleator n punctul x


f

(x, t) : valoarea functiei de densitate de probabilitate a procesului aleator n punctul


x
F

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) : functia de repartitie de ordinul n a procesului aleator
f

(x
1
, x
2
, ..., x
n
, t
1
, t
2
, ..., t
n
) : functia de densitate de probabiltate de ordinul n a proce-
sului aleator
: operatorul de mediere temporal a (pentru un semnal sau proces aleator)
B

(t
1
, t
2
) : functia de corelatie statistic a a proceselor aleatoare si
R

() : functia de corelatie temporal a a proceselor aleatoare si


B

(t
1
, t
2
) : functia de autocorelatie statistic a a procesului aleator
B

() : functia de autocorelatie statistic a a procesului aleator stationar


Fourier{}, Fourier
1
{} : transformata Fourier, respectiv transformata Fourier invers a
q

() : densitatea spectral a de putere a procesului aleator


: operatorul de convolutie liniar a
A, |A| : matricea A, respectiv determinantul matricii A
x : vectorul x (realizarea procesului aleator de timp discret x(n) cu N esantioane)
C
x
: matricea de covariatie a procesului aleator de timp discret x(n)
R
x
: matricea de corelatie a procesului aleator de timp discret x(n)
I
N
: matricea unitar a de ordin N
66
Bibliograe selectiv a
[1] H. Marko: Aufgabensammlung zur Vorlesung Statistische Methoden der Nachricht-
entechnik 1, T.U. Mnchen,1992
[2] A. T. Murgan, I. Spnu, I. Gav at, I. Sztojanov, V. E. Neagoe, A. Vlad: Teoria
Transmisiunii Informa tiei - probleme, Ed. Didactic a si Pedagogic a, Bucuresti, 1983
[3] A. T. Murgan, R. Dogaru, C. Com aniciu: Teoria Transmisiunii Informa tiei: detectia,
estimarea si ltrarea semnalelor aleatoare. Lucrari practice., Ed. POLITEHNICA
Bucuresti, 1995
[4] A. Sp ataru: Teoria Transmisiunii Informa tiei, Ed. Didactic a si Pedagogic a, Bu-
curesti, 1983
67