Blocco Telecom

Esercizio 1
Mancante

Esercizio 2
Calcolare la densità spettrale del segnale aleatorio così definito:

 1
1 con prob. =
4
s (t , ζ ) = 
e − ( t −T ) u (t − T ) 3
con prob. =
V
 4

Siccome il segnale assume con probabilità non nulla una manifestazione a potenza finita, per "densità spettrale" devo intendere la densità spettrale di
potenza, che in questo caso è la media (pesata con le relative probabilità) tra le densità spettrali di potenza di quei due segnali. Il primo ha densità
ive
spettrale di potenza pari a δ ( f ) . Il secondo ha densità spettrale di potenza pari a zero. Quindi il segnale s (t , ζ ) ha densità spettrale di potenza pari a

1
δ( f )
4

Volendo fare tutti i conti, viene

re
1 3 1 3
Rs (t , t + τ ) = s (t , ζ ) s (t + τ , ζ ) = 1⋅1 + e − ( t −T ) u (t − T )e − ( t +τ −T ) u (t + τ − T ) = + e − (2t −τ −2T ) u (t − T )u (t + τ − T )
4 4 4 4
T0 /2
1  1 3 − (2 t −τ −2T ) 
< Rs (t , t + τ ) >= lim
T0 →∞ T
0
∫
− T0 /2
4 + 4 e

u (t − T )u (t + τ − T )  dt

In
Il secondo addendo, integrato da –∞ a ∞, viene una quantità finita, che al limite sparisce.

1
< Rs (t , t + τ ) >=
4
1
Ws ( f ) = F  < Rs (t , t + τ ) >  = δ ( f )
ge
4

OK

Esercizio 3
gn
Calcolare la densità di probabilità del primo ordine del segnale aleatorio così definito:

1 1
4 con prob. =
 4
 2
s(t , ζ ) = cos(2π f 0 t )
eri
con prob. =
 4
 1
sin(2π f 0 t ) con prob. =
 4
a
1  1 2 1
ps ( x) = δ  x −  + δ ( x − cos(2π f 0 t )) + δ ( x − sin(2π f 0 t ))
4  4 4 4
OK
Esercizio 4
Calcolare la densità di probabilità del primo ordine del segnale aleatorio così definito:

1 1
4 con prob. =
 3
 1
s(t , ζ ) = cos(2π f 0 t ) con prob. =
 3
 1
sin(2π f 0 t ) con prob. =
 3

1  1 1
V
1
ps ( x ) = δ  x −  + δ ( x − cos(2π f 0 t )) + δ ( x − sin(2π f 0 t ))
3  4 3 3
OK

Esercizio 5
ive
Due variabili aleatorie X e Y possiedono la seguente densità di probabilità incrociata:

1 0 ≤ x ≤ 2, 0 ≤ y ≤ x
pXY ( x, y) = 
0 altrove

Verificare se esse sono statisticamente indipendenti.

re
∞
 x x ∈[0, 2 ]
p X ( x) = ∫p
−∞
XY ( x, y)dy = 
0 altrove
∞
 2 − y x ∈ [0, 2 ] ?????
In
pY ( y ) = ∫p
−∞
XY ( x, y)dx = 
0 altrove

 x( 2 − y) x ∈ [0, 2 ], y ∈ [0, 2 ]
pX ( x) pY ( y) = 
0 altrove
p X ( x ) pY ( y ) ≠ p XY ( x, y )
ge
Quindi X e Y non sono statisticamente indipendenti.

OK
gn
Esercizio 6
Un segnale s(t) reale stazionario con valor medio nullo e funzione di autocorrelazione

Rs (τ ) = cos(πτ / T )
eri
viene stimato secondo la seguente regola

sˆ(t ) = ks(t + T )

Valutare il parametro k che rende minimo il valor quadratico medio dell'errore e(t ) = s(t ) − sˆ(t ) .
a
e(t ) = s(t ) − sˆ(t ) = s(t ) − ks(t + T )
e 2 ( t ) = s 2 ( t ) + k 2 s 2 (t + T ) − 2 s (t ) s ( t + T ) Segnale stazionario ⇒ s 2 (t ) = s 2 (t + T ) = Rs (0) .

e2 (t ) = Rs (0) + k 2 Rs (0) − 2 Rs (T )

e 2 (t ) = 1 + k 2 + 2k

e 2 (t ) = ( k + 1) 2 che si minimizza per k = -1.

OK, ma a che serviva la precisazione del valor medio nullo?

Esercizio 7
Un rumore gaussiano n(t) a valor medio nullo e densità spettrale costante pari a η è proiettato in un sottospazio lineare a due dimensioni caratterizzati
dalle seguenti funzioni di base:

 2  t 
 cos  2π  t ∈ [0, T ]
u1 (t ) =  T  T
0 altrove

 2  t 
 sin  2π  t ∈ [0, T ]
u2 (t ) =  T  T
0 altrove

V
Calcolare le densità di probabilità del primo ordine delle componenti di n(t) lungo le due dimensioni individuate dai vettori u1 e u2 .

Il Blocco Telecom si perde.

Ordeal sembra che lo risolve.
ive
In ogni caso non l'ho capito.
La teoria di quest'esercizio è alla fine del II libro.

Esercizio 8
Dimostrare che l'insieme di funzioni
re
 2  t   T T
 cos  2π k  t ∈ − , 
uk (t ) =  T  T   2 2
0 altrove


con k naturale da 0 a ∞, è un insieme ortonormale, e individuare la classe di segnali rispetto alla quale l'insieme è completo.
In
   
T /2
2 t t cos(α + β ) + cos (α − β )
< un (t ), um (t ) >=
T ∫
−T /2
cos  2π n
 T
 cos  2π m
  T
 dt

cos α cos β =
2

1
T /2
  t   t 
< un (t ), um (t ) >= ∫ cos  2π (n + m)  + cos  2π (n − m)   dt
ge
T −T /2   T  T 
1 T /2
  t  

T
∫
− T /2
 cos  2π (n + m)
  T
 + 1 dt
 
n=m
1 n = m
< un (t ), um (t ) >=  =
1
T /2
  t   0 n ≠ m
gn
T ∫  cos  2π (n + m)  + 1 dt
− T /2   T  
n≠m


Quindi quei due integrali sono ortogonali. Da notare che il caso n = -m, che anch'esso farebbe risultare 1 l'integrale, non si può verificare per l'ipotesi
che k va da 0 a ∞.
eri
Per individuare la classe di segnali rispetto alla quale l'insieme è completo, notiamo che un segnale s(t) con supporto [-T/2, T/2] lo possiamo scrivere
come

t 
s (t ) = s% (t )Π   dove s% (t ) è un segnale periodico di periodo T.
T 
a
Il segnale s% (t ) lo posso sviluppare in serie di Fourier trigonometrica, come

 2  t 
T 0 T∫0
 An = s% (t ) cos  2π n  dt
  T0

∞
 t   t   2  t 
s% (t ) = a0 + ∑ An cos  2π n  + Bn sin  2π n  dove  Bn = ∫ s%(t ) sin  2π n T 0  dt
n =1  T0  T0  T 0 T
0
 1
a0 =
T0 T∫0
s% (t )dt


Se il segnale s(t), di conseguenza anche il segnale s% (t ) è pari, e lo sviluppo in serie di Fourier trigonometrica si riduce a

∞
 t 
s% (t ) = a0 + ∑ An cos  2π n 
n =1  T0
  ∞
 t   t 
s (t ) =  a0 + ∑ An cos  2π n  Π  
 n =1  T 0   T 
 T  ∞ 
T  
s (t ) =  a0  u0 + ∑  A u 

 2    2 n  n 
n =1   

Quindi la base {un } è completa rispetto alla classe dei segnali pari a supporto [-T/2, T/2].
??????
OK

Esercizio 9
V
Calcolare la funzione di autocorrelazione forse intende mutua correlazione tra i segnali

s1 (t ) = cos(2π f 0 t )
s2 (t ) = cos(2π f 0 t + π / 4)
ive
T /2
1 cos(α + β ) + cos (α − β )
γ 12 (τ ) = lim
T0 → ∞ T ∫
−T / 2
cos(2π f 0 (t + τ )) cos(2π f 0 t + π / 4)dt cos α cos β =
2
T /2
1
γ 12 (τ ) = lim
T0 →∞ 2T ∫
−T / 2
cos(2π f 0 (2t + τ ) + π / 2) + cos(2π f 0τ − π / 4)  dt Il primo integrale fa zero (media di un coseno).
re
1
γ 12 (τ ) = cos(2π f 0τ − π / 4)
2

Giusto?
Errore in Ordeal, mette il τ nel secondo segnale.
Il Blocco Telecom invece fa un casino!
In
Esercizio 10
Calcolare la funzione di autocorrelazione del segnale

1
s(t ) = cos(2π f0t ) + cos(2π f0t + π / 4) = ∑ cos(2π f0 t + nπ / 4) Che senso ha sta sommatoria?
ge
n =0

1 T /2
T0 →∞ T ∫ 
γ 12 (τ ) = lim cos(2π f 0 (t + τ )) + cos(2π f 0 (t + τ ) + π / 4)  cos(2π f 0 t ) + cos(2π f 0 t + π / 4)  dt
gn
−T / 2
T /2
1
γ 12 (τ ) = lim
T0 →∞ T ∫
−T / 2
[cos(2π f 0 (t + τ )) cos(2π f 0 t ) + cos(2π f 0 (t + τ )) cos(2π f 0 t + π / 4) + cos(2π f 0 (t + τ ) + π / 4) cos(2π f 0 t )

+ cos(2π f 0 (t + τ ) + π / 4) cos(2π f 0 t + π / 4)]dt

T /2
1
∫
eri
γ 12 (τ ) = lim [cos(2π f 0 (2t + τ )) + cos(2π f 0τ ) + cos(2π f 0 (2t + τ ) + π / 4) + cos(2π f 0τ − π / 4)
T0 →∞ 2T
−T / 2

+ cos(2π f 0 (2t + τ ) + π / 4) + cos(2π f 0τ + π / 4) + cos(2π f 0 (2t + τ ) + π / 2) + cos(2π f 0τ )]dt

1
γ 12 (τ ) = cos( 2π f 0τ ) + cos(2π f 0τ − π / 4) + cos(2π f 0τ + π / 4) + cos( 2π f 0τ ) 
2
1
γ 12 (τ ) = cos(2π f 0τ ) + cos( 2π f 0τ − π / 4) + cos(2π f 0τ + π / 4) 
a
2
γ 12 (τ ) = cos(2π f0τ ) + cos(2π f 0τ ) cos(π / 4)
2
γ 12 (τ ) = cos(2π f 0τ ) + cos(2π f 0τ )
2
 2 
γ 12 (τ ) = 1 +  cos(2π f0τ )
 2 
 

OK
Esercizio 11
Calcolare la trasformata di Fourier del segnale (V. figura).

t  s(∞) + s(−∞)  1 
s '(t ) = Π   S( f ) = δ ( f ) + SD ( f ) Pf  
T  2  j 2π f 
1  1 
S( f ) = δ ( f ) + T sinc( fT ) Pf  
2  j 2π f 

OK
V
Esercizio 12
Determinare la risposta in frequenza del sistema (V. figura). N.B.: T denota un elemento di ritardo ideale di valore T.

t ∞

y(t ) = ∫ [ x(τ ) − y(τ − T )]dτ = ∫ [ x(τ ) − y(τ − T )]u(t − τ )dτ = [ x(t ) − y(t − T )] ∗ u(t )
ive
−∞ −∞

1 1 
Y ( f ) =  X ( f ) − e− j 2π fT Y ( f )  δ ( f ) + 
2 jπ f 

 1  1  1  1 
Y ( f ) 1 + e− j 2π fT δ ( f ) +   = X ( f ) δ ( f ) + 
 2 jπ f   2 jπ f 
  
re
1 1 
δ ( f ) + 
2 jπ f 
Y( f ) = X ( f )
1  1 
1 + e − j 2π fT  δ ( f ) + 
2  jπ f 
1 1 
In
δ ( f ) + 
2 jπ f 
Y( f ) = X ( f ) − j 2π fT
1 e
1+ δ ( f ) +
2 j 2π f
1 1 
δ ( f ) + 
2 jπ f 
ge
H( f ) =
1 e − j 2π fT
1+ δ( f ) +
2 j 2π f

OK
gn
Esercizio 13
Dimostrare che l'insieme di funzioni

 2  t   T T
 sin  2π k  t ∈ − , 
eri
u k (t ) =  T  T  2 2
0 altrove


è un insieme ortonormale, e individuare la classe di segnali rispetto alla quale l'insieme è completo.
a
Momentaneamente tralasciato. Simile al numero 8.

Esercizio 14
Valutare la funzione di mutua correlazione tra x(t) e y(t) (V. figura) nell'ipotesi che il segnale s(t) sia bianco con densità spettrale pari a η.

 f 
X ( f ) = S ( f ) Π  
 fm 
 f 
Y ( f ) = S ( f ) Π  
 2 fm 
∞

x (t ) = s (t ) ∗ f m sinc(tf m ) = f m ∫ s (τ ) sinc( f
−∞
m (t − τ )) d τ
∞

y (t ) = s (t ) ∗ 2 f m sinc(2tf m ) = 2 f m ∫ s (τ ) sinc(2 f
−∞
m (t − τ )) d τ

(Ordeal) Il sistema è LTI. Il segnale s(t) è stazionario per definizione.

R XY (t1 , t 2 ) = x (t1 ) y (t 2 )
∞ ∞
R XY (t1 , t 2 ) = 2 f m2 ∫ s (τ
−∞
1 ) sinc( f m (t1 − τ 1 )) d τ 1 ∫ s (τ
−∞
2 ) sinc(2 f m (t2 − τ 2 )) d τ 2

∞ ∞

R XY (t1 , t 2 ) = 2 f m2 ∫ ∫ s (τ
−∞ −∞
1 ) s (τ 2 ) sinc( f m (t1 − τ 1 )) sinc(2 f m (t 2 − τ 2 )) d τ 1 d τ 2 s (τ 1 ) s (τ 2 ) = Rs (τ 2 − τ 1 ) = ηδ (τ 2 − τ 1 )

∞ ∞

R XY (t1 , t 2 ) = 2 f m2 ∫ ∫ ηδ (τ
−∞ −∞
2 − τ 1 ) sinc( f m (t1 − τ 1 )) sinc(2 f m (t 2 − τ 2 )) d τ 1 d τ 2

∞ ∞

R XY (t1 , t2 ) = 2 f m2η ∫ sinc(2 f m (t 2 − τ 2 )) ∫ δ (τ 2 − τ 1 ) sinc( f m (t1 − τ 1 )) d τ 1 d τ 2

−∞ −∞
V
∞

RXY (t1 , t2 ) = 2 f η ∫ sinc(2 f m (t 2 − τ 2 )) sinc( f m (t1 − τ 2 )) dτ 2

m
2
Pongo t2 − τ 2 = τ .
−∞
∞

RXY (t1 , t2 ) = 2 f m2η ∫ sinc(2 f m (τ )) sinc( f m (t1 − t2 + τ )) dτ La sinc è pari.

−∞
ive
∞

RXY (t1 , t2 ) = 2 f m2η ∫ sinc(2 f m (τ )) sinc( f m (t2 − t1 − τ )) dτ Pongo t 2 − t1 = t .

−∞
∞

RXY (t1 , t2 ) = 2 f m2η ∫ sinc(2 f m (τ )) sinc( f m (t − τ )) dτ

−∞

RXY (t1 , t2 ) = 2 f η sinc(2 f m t ) ∗ sinc( f m t ) 

m
2
re
RXY (t1 , t2 ) = 2 f m2η F  F sinc(2 f m t ) ∗ sinc( f m t )  
−1
 
−1
 1  f  1  f 
RXY (t1 , t2 ) = 2 f m η F 
2
Π   Π   
 2 f m  2 f m  f m  f m  
 1  f 
In
RXY (t1 , t2 ) = 2 f m2η F −1  2 Π   
 m  f m  
2 f

RXY (t1 , t2 ) = η f m sinc( f m t )

Giusto?
Il Blocco Telecom e Ordeal si fermano alla convoluzione tra le due sinc.
ge
Esercizio15
Mancante

Esercizio 16
gn
Un sistema lineare è individuato dalla seguente relazione di ingresso-uscita:

y (t ) = x (t − T ) + x '(t ) + x (t + T ) ??????
Determinare la risposta in frequenza del sistema. Determinare la potenza media in uscita nell'ipotesi che x(t) sia un segnale con densità spettrale
eri
Wx ( f ) = Π ( fT ) .

Y ( f ) = e − j 2π fT X ( f ) + j 2π fX ( f ) + e j 2π fT X ( f )
Y ( f ) = ( j 2π f + e − j 2π fT + e j 2π fT ) X ( f )
a
H ( f ) = j 2π f + e − j 2π fT + e j 2π fT
H ( f ) = 2  jπ f + cos(2π fT ) 

(Ordeal) Poiché il sistema è LTI, posso scrivere

W y ( f ) = W x ( f ) | H ( f ) |2 (Ordeal) se supponiamo l'ingresso stazionario in senso lato

Wy ( f ) = Π ( fT ) 4 cos (2π fT ) + (π f )2  2

1/2T
cos(α + β ) + cos (α − β ) cos(2α ) + 1
Py ( f ) = 4 ∫
−1/2 T
cos 2 (2π fT ) + (π f ) 2 df
  cos α cos β =
2
⇒ cos 2 α =
2
1 2
1/2T
1
Py ( f ) = 4 ∫
−1/2 T
 2 cos(4π fT ) + 2 + (π f ) df
 
Quel coseno ha periodo 1/2T, e integrato in un intervallo 1/T si annulla.

2 π 2 3 1/2T
Py ( f ) = + f 
T 3   −1/2T
 2 π 2 1/2T
Py ( f ) = + f − f −1/2T 
T 3 

Credo che i calcoli siano giusti, ma i risultati non coincidono con Ordeal e il Blocco Telecom.

Esercizio 17
Calcolare la convoluzione in frequenza di due segnali di cui le trasformate di Fourier valgono

S1 ( f ) = sinc( fT1 )
S 2 ( f ) = sinc( fT2 ) T1 = 2T2
V
1  t  1  t   1  t  T2 1
S1 ( f ) ∗ S2 ( f ) = F  s1 (t ) s2 (t )  = F  Π   Π   = F  2T 2 Π  T  = 2 sinc( fT2 ) = 2T sinc( fT2 )
 T1  T1  T2  T2   2  2  2T2 2
ive
OK, ma nel Blocco Telecom c'è un appunto riguardo al teorema delle derivate.

Esercizio18
Siano X e Y due variabili aleatorie uniformemente distribuite nel quadrato [-1, 1]x[-1, 1]. Calcolare la seguente densità di probabilità condizionata:

p 1 (α )
X |Y >
re
3

α ∞
 1 1 x1  y 1 α ∞ x  y
Pr  x ≤ α ∧ y > 
 3 ∫∫
−∞ 1/3 2
Π   Π   dydx
22 2
∫ 1/3∫ Π  2  Π  2  dydx
4 −∞
P 1 (α ) = = =
X |Y >  1  ∞ ∞
1 x1  y 1
∞ ∞
x  y
∫−∞ 1/3∫ 2 Π  2  2 Π  2  dydx ∫ 1/3∫ Π  2  Π  2  dydx
In
3
Pr  y > 
 3 4 −∞





0 α < −1
ge
 α 1
1
 4 ∫ ∫
dydx
P 1 (α ) =  −11 1/3 1
−1 ≤ α ≤ 1
X |Y >
1
∫ ∫
3
dydx
4
gn
 −1 1/3
1 1 1
 ∫ ∫ dydx
 4 −1 1/3 α >1
1 1 1
 ∫ ∫ dydx
 4 −1 1/3
eri
0 α < −1

α +1
P 1 (α ) =  −1 ≤ α ≤ 1
X |Y >
3  2
1 α >1
0 α < −1
a

d 1
p 1 (α ) = P 1 (α ) =  −1 ≤ α ≤ 1
X |Y >
3
d α X |Y > 3 2
0 α >1

OK

Esercizio 19
Siano X e Y due variabili aleatorie uniformemente distribuite nel quadrato [-1, 1]x[-1, 1]. Calcolare la seguente densità di probabilità condizionata:

p 1 (α )
Y|X <
2

Momentaneamente tralasciato. Molto simile all'esercizio 18.

Esercizio 20
Sia X una variabile aleatoria uniformemente distribuita in [-a, a]. Calcolare la seguente densità di probabilità condizionata:

E' possibile che una variabile aleatoria sia statisticamente indipendente con se stessa?
 p X | X < 0 (α )

Momentaneamente tralasciato. Molto simile agli esercizi 18 e 19.

Esercizio 21
Sia

∞
s ( a, t ) = ∑a
n =−∞
n p(t − nT )
V
con

t
−
p (t ) = u (t ) e T
ive
un segnale aleatorio, dove la sequenza {an } è una sequenza casuale di elementi contenuti nell'insieme {-1, 1}, indipendenti ed equiprobabili.
Calcolare il valor quadratico medio di s(a, t).

∞ ∞  a 2 n=m 1 n = m
s 2 ( a, t ) = ∑ ∑aa n m p(t − nT ) p(t − mT ) dove an am = 
n
=
an am 0 n ≠ m
re
n =−∞ m=−∞ n≠m
∞ ∞ 2( t − nT )
−
s 2 (a, t ) = ∑ p (t − nT ) = ∑ u(t − nT )e
n =−∞
2

n =−∞
T
t − nT ≥ 0 ⇔ n ≤ t / T
2 t t /T 2t ∞
− −
s 2 (a, t ) = e T
∑e 2n
=e T
∑e −2 n
Pongo k = n + t / T .
In
n =−∞ n=− t /T

2t ∞  t  ∞ ∞
− −2 k −  1
s 2 ( a, t ) = e T
∑e
k =0
 T
= ∑ e−2 k
k =0
Ricordiamo che ∑r
n=0
n
=
1− r
1
s 2 ( a, t ) =
1 − e−2
ge
Sembrerebbe giusto.

Esercizio 22
Un segnale stazionario con densità di probabilità del primo ordine uniforme in [-2, 2] attraversa un sistema non lineare Ordeal scrive "lineare" la cui
gn
caratteristica ingresso-uscita è riportata in figura (V. figura). Determinare il valor quadratico medio del segnale d'uscita.

∞ ∞
1  x
2 2 1 2
1 1 1 1
∫y ∫ (tr( x − 1) − tr( x + 1)) Π   dx = ∫ (tr( x − 1) − tr( x + 1))2 dx = ∫ tr 2 ( x − 1)dx = ∫ x 2 dx + ∫ ( 2 − x ) dx
2
y 2 (t ) = 2
( x) p X ( x)dx = 2

−∞ −∞ 4 4 4 −2 20 20 21
eri
2
11 1 x3  1 1 8 1 1
y 2 (t ) = +  4 x − 2 x 2 +  = + 8 − 8 + − 4 + 2 −  =
23 2 3 1 6 2  3 3 3

Giusto?
a
Esercizio 23
Un segnale stazionario con densità di probabilità del primo ordine uniformemente distribuita in [-2, 2] attraversa un sistema non lineare Ordeal scrive
"lineare" la cui caratteristica ingresso-uscita è riportata in figura (V. figura). Determinare la densità di probabilità del primo ordine del segnale
d'uscita.

Non vi sono tratti costanti nella y(x), quindi conviene cercare direttamente la pY ( y ) .

p X ( xi )
pY ( y ) = ∑ + ∑ δ ( y − y j ) Pr{ y = y j } dove xi sono le soluzioni dell'equazione y ( x) = y
i dy j
( xi )
dx
 ∅ y ∉ [−1,1]

{1} y =1
{−1} y = −1
{ xi } = 
{ y; − y − 2} y ∈ (−1, 0)
{ y; 2 − y} y ∈ (0,1)

{0} ∪ ( −∞, −2) ∪ (2, ∞) y=0

Il modulo della derivata di y(x), dove è definita, vale sempre 1.

0 y ∉ [ −1,1]

? y =1
V
? y = −1
pY ( y ) = 
 p X ( y ) + p X ( −2 − y ) y ∈ (−1, 0)
 p X ( y ) + p X (2 − y ) y ∈ (0,1)

? y=0
ive
0 y ∉ [ −1,1]

? y =1
? y = −1
pY ( y ) = 
1 / 2 y ∈ (−1, 0)
1 / 2 y ∈ (0,1)

re
? y=0

E in quei punti isolati?

Esercizio 24
In
Un segnale stazionario con densità di probabilità del primo ordine uniformemente distribuita in [-2, 2] attraversa un sistema non lineare la cui
caratteristica ingresso-uscita è mostrata in figura (V. figura). Determinare il valor medio del segnale d'uscita.

∞
1 2
y (t ) = ∫ y( x) p X ( x) dx =
4 −∫2
y ( x) dx
ge
−∞

L'integrale fa zero, perché la funzione integranda è simmetrica, ma lo svolgo tanto per fare i conti.

 1  x2 x2   1  4
−2 1 2
1  −1 1 2
  x2   1  1 1  4 1 
=  ∫ [− x − 2]dx + ∫ xdx + ∫ [− x + 2]dx  =   + 2 x  +   +  2 x −   =   − 4 − + 2  +  −  +  4 − − 2 +   = 0
gn
4  −2  4  2 2 2  4  2 2   2 2   2 2 
−1 1    −1   −1  1  

Il Blocco Telecom dice ¼.

eri
a
Esercizio 25
Due variabili aleatorie sono statisticamente indipendenti e uniformemente distribuite in [0, 1]. Determinare la densità di probabilità condizionata

p X |Y >2 X (α )

Momentaneamente tralasciato. Simile a esercizi precedenti.

Esercizio 26 ??????
Due variabili aleatorie ρ e θ sono caratterizzate dalla seguente densità di probabilità congiunta:

1  1 θ 
V
pρθ ( ρ ,θ ) = Π  ρ − Π 
π  2 π 

Si determini il valor quadratico medio della somma delle due variabili aleatorie X e Y così definite:

 x = ρ cosθ
ive

 y = ρ sin θ

∞ ∞ ∞ ∞
1  1 θ 
(X + Y )2 = ∫ ∫ ( ρ cosθ + ρ sin θ ) ∫ ∫ρ
2 2
pρθ ( ρ ,θ )d ρdθ = (cos 2 θ + sin 2 θ + 2 cos θ sin θ ) Π  ρ −  Π   d ρd θ
−∞ −∞ −∞ −∞
π  2 π 
re
π /2 1 π /2 1
1 1
∫ ∫ρ ∫ (1 + sin 2θ )dθ ∫ ρ 2 d ρ
2 2
(X + Y) = (1 + 2 cos θ sin θ )d ρdθ = Il seno è dispari, integrato in un intervallo simmetrico fa zero.
π −π /2 0
π −π /2 0
π /2 1
1 1 1 1
( X + Y )2 =
π ∫
−π /2
dθ ∫ ρ 2 d ρ =
0 π
π =
3 3
In
OK

Esercizio 27
Sia dato il segnale aleatorio
ge
∞
s(t , ζ ) = a(t , ζ ) ∑ δ (t − nT )
n =−∞

dove a(t, ζ) è un segnale stazionario con autocorrelazione nota. Si determini la densità spettrale di potenza di s(t, ζ).
Ordeal e il Blocco Telecom scrivono "Si determini la Ws ( f1 , f 2 ) ", probabilmente un errore, perché la densità spettrale di potenza non è a due
gn
variabili.

∞ ∞
Rs (t , t + τ ) = s(t , ζ )s(t + τ , ζ ) = a(t , ζ )a(t + τ , ζ ) ∑ δ (t − nT ) ∑ δ (t + τ − mT )
eri
n =−∞ m=−∞

1 j 2π n t ∞ 1 j 2π m t +Tτ
∞
1 ∞ ∞ j 2π
( n+m )t + mτ
Rs (t , t + τ ) = Ra (τ ) ∑ e T ∑ e = 2 Ra (τ ) ∑ ∑ e T

n=−∞ T m=−∞ T T n=−∞ m=−∞

T0 /2 ∞ ∞ ( n+m )t +mτ
1 1 j 2π
< Rs (t , t + τ ) >= lim ∫ 2
Ra (τ ) ∑ ∑ e T
dt
T0 →∞ T
0 −T0 /2 T n=−∞ m=−∞
a
mτ ∞ ∞ T0 /2 ( n+m ) t
1 j 2π 1 j 2π
< Rs (t , t + τ ) >= 2
Ra (τ )e T ∑ ∑ lim ∫ e T
dt
T n=−∞ m=−∞
T0 →∞ T
0 −T0 /2

T0 /2
 j 2π n+m t 
1 j 2π
mτ ∞ ∞
1 e T 
< Rs (t , t + τ ) >=
T2
Ra (τ )e T
∑ ∑ T →∞ T  n + m 
lim
n=−∞ m=−∞ 0 0  j 2π 
 T  −T0 /2
n+m n+m
jπ T0 − jπ T0
mτ ∞ ∞
1 j 2π e T −e T
< Rs (t, t + τ ) >= 2 Ra (τ )e T ∑ ∑ lim
T T0 →∞ n+m
n=−∞ m=−∞
j 2π T0
T
 n+m 
mτ ∞ ∞
sin  π T0 
1 j 2π
< Rs (t , t + τ ) >= 2 Ra (τ )e T ∑ ∑ lim  T 
T T →∞
n=−∞ m=−∞ 0
n+m
π T0
T
 mτ ∞
1 j 2π ∞
 n+m 
< Rs (t , t + τ ) >= 2
Ra (τ )e T ∑ ∑ lim sinc  T0 
T T →∞
n=−∞ m= −∞ 0  T 

Quella sinc tende a zero all'infinito, per tutti i termini nm, tranne che per n + m = 0, per i quali vale uno.

mτ ∞ ∞
1 j 2π
< Rs (t , t + τ ) >= 2
Ra (τ )e T ∑ ∑ 1
T n =−∞ m=−∞

Mmm… non mi convince… Mi sono bloccato!

Esercizio 28
V
Mancante.

Esercizio 29
Scritta senza senso.
ive
Esercizio 30
Sia dato il segnale aleatorio

1 x(t , ζ ) ≤ a
y(t , ζ ) = 
0 x(t , ζ ) > a
re
dove x(t, ζ) è a sua volta un segnale aleatorio, uniformemente distribuito in [-1, 1]. Si calcoli il valor medio di y(t, ζ).

0 a < −1
∞ 
1∞  x   a +1
y(t ) = ∫ y( x) pX ( x)dx = ∫ u (a − x)Π   =  −1 ≤ a ≤ 1
In
−∞ 2 −∞ 2  2
1 a >1

OK

Esercizio 31
ge
Sia dato il segnale aleatorio

1 x(t , ζ ) ≤ a
y(t , ζ ) = 
0 x(t , ζ ) > a
gn
dove x(t, ζ) è a sua volta un segnale aleatorio, di cui conosciamo la densità di probabilità del secondo ordine:

px (t1 ) x (t2 ) ( x1 , x2 ) = u( x1 )u( x2 )e− ( x1 + x2 )

eri
Si calcoli l'autocorrelazione di y(t, ζ).

∞ ∞ ∞ ∞

∫ ∫ u(a − x )u(a − x ) p ∫ ∫ u(a − x )u(a − x )u( x )u( x )e

− ( x1 + x2 )
Ry (t1 , t2 ) = y(t1 , ζ ) y (t2 , ζ ) = 1 2 x (t1 ) x ( t2 ) ( x1 , x2 )dx1dx2 = 1 2 1 2 dx1dx2
−∞ −∞ −∞ −∞
2 2
a
∞ ∞
∞  ∞ 
∫−∞ u(a − x1 )u( x1 )e 1 dx1 −∞∫ u(a − x2 )u( x2 )e 2 dx2 = −∞∫ u(a − x)u( x)e dx = ∫0 u(a − x)e dx
−x −x −x −x
Ry (t1 , t2 ) =
   
 a 
2

 e− x dx 
Ry (t1 , t2 ) =  ∫0
a>0


0 a≤0
1 − e− a  2 a>0
Ry (t1 , t2 ) =  
0 a≤0

Il risultato non coincide con Ordeal, e il Blocco Telecom fa un casino, ma credo sia giusto così.
Esercizio 32
Calcolare la densità spettrale del segnale y(t) nell'ipotesi che:
1) la risposta in frequenza H(f) del filtro sia quella in figura (V. figura)
2) il segnale x(t) sia un rumore bianco con densità spettrale η
3) la fase ϕ sia uniformemente distribuita in [0, 2π] e indipendente da x(t)

Da rivedere. Non l'ho capito. Dov'è la teoria di ste cose?

Esercizio 33 (Choc!)
Si determini il segnale in uscita del circuito mostrato in figura (V. figura) quando al suo ingresso è applicato un segnale passabasso con frequenza di
taglio pari a fm . Si mostri che il sistema in figura comporta un'inversione dello spettro del segnale.
V
Capito. Vedi Claudia.

Esercizio 34
ive
Determinare la densità di probabilità del primo ordine della w(t, ζ) (V. figura) nell'ipotesi che x(t, ζ) e y(t, ζ) siano due segnali statisticamente
indipendenti e uniformemente distribuiti in [-1/2, 1/2].

z = x+ y
α 
pZ (α ) = pX (α ) ∗ pY (α ) = Π(α ) ∗ Π(α ) = tr  
re
2
w = z2
∞
pZ (αi )
pW (α ) = ∑ dove gli α i sono le soluzioni dell'equazione w = α ⇔ z 2 = α . Quindi {α i } = {− α , α } , con α > 0.
i =1 ∂w
∂z αi
In
 p (− α ) pZ ( α )
 Z + α >0
pW (α ) =  2 α 2 α
0 altrimenti

1 − α 1 − α
ge
 + α ∈ [0,1]
pW (α ) =  2 α 2 α
0 altrimenti

1 − α
 α ∈[0,1]
gn
pW (α ) =  α
0 altrimenti


OK
eri
Esercizio 35
Mancante.

Esercizio 36
Siano X e Y due variabili aleatorie uniformemente distribuite nel cerchio di raggio unitario e centro nell'origine. Si determini la densità di probabilità
della variabile aleatoria z = x 2 + y 2 .
a
1
 x2 + y 2 ≤ 1
pXY ( x, y) =  π
0 altrimenti

PZ (α ) = Pr{z ≤ α } = Pr{x2 + y 2 ≤ α } = ∫∫
cerchio di raggio α
pXY ( x, y)dxdy

0 α <0

1 2
PZ (α ) =  π
π
( α) 0 ≤ α ≤1

1 α >1
0 α <0

PZ (α ) = α 0 ≤ α ≤1
1 α >1

  1
pZ (α ) = Π α − 
 2

Giusto?
Risultato uguale a quello del Blocco Telecom.
Ordeal ha un risultato diverso.

Esercizio 37
Mancante.

Esercizio 38
Sia
V
t 
s(t,T ) = Π  
T 
ive
un segnale aleatorio che dipende dalla variabile aleatoria T. Calcolare la densità di probabilità del primo ordine del segnale, sapendo che la densità di
probabilità della variabile T è

pT (α ) = e−α u (α )
re
 T
1 | t |≤
2 1 T ≥ 2|t |
s(t,T ) =  =
0 T 0 T < 2|t |
| t |>
 2
2|t | 2|t | 2|t |

∫ p (α )dα = ∫ e u(α )dα = ∫ e−α u(α )dα = 1 − e−2|t|

−α
Pr{T < 2 | t |} =
In
T
−∞ −∞ 0
∞ ∞ ∞

∫p ∫e ∫e
−α −α
Pr{T > 2 | t |} = T (α )dα = u(α )dα = dα = e−2|t |
2|t | 2|t | 2|t |

ps (t ) (α ) = (1 − e−2|t| )δ (α ) + e−2|t |δ (α − 1)
ge
OK

Esercizio 39
Stessi dati dell'esercizio precedente. Calcolare il valor medio del segnale s(t, T).
gn
∞ ∞ ∞ ∞ ∞

s(t ,T ) = ∫ α ps (t ) (α )dα = ∫ α (1 − e−2|t | )δ (α ) + e−2|t|δ (α − 1) dα = ∫ α (1 − e−2|t | )δ (α )dα + ∫ α e−2|t|δ (α − 1)dα = 0 + e−2|t| ∫ αδ (α − 1)dα = e−2|t|
−∞ −∞ −∞ −∞ −∞
eri
Credo sia giusto.
Credo che il Blocco Telecom abbia commesso lo stesso errore che io avevo commesso sul quaderno, scrivendo nell'integrale la rect(t/T) e poi la
ps ( t ) (α ) .
Ordeal ha saltato quest'esercizio.
a
Esercizio 40
Sia

t 
s(t,T ) = Π  
T 

un segnale aleatorio che dipende dalla variabile aleatoria T. Calcolare il valor medio del segnale sapendo che la variabile aleatoria T è uniformemente
distribuita in [0, 1].

∞ ∞
t   1 t
1

s(t ,T ) = ∫ s(t,T ) pT (T )dT =

−∞
∫−∞ Π  T  Π  T − 2  dT = ∫0 Π  T  dT

 T
1 | t |≤
 t   2 1 T ≥ 2|t |
Ricordiamo che Π   =  =
 T  0 T 0 T < 2|t |
| t |>
 2
  1
1 − 2 | t | 1> 2|t | 1 − 2 | t | | t |<
s(t ,T ) =  = 2
 0 altrimenti  0 altrimenti


Giusto?
Perché il Blocco Telecom e Ordeal fanno un casino?

Esercizio 41
Sia

t 
s(t,T ) = Π  
V
T 

un segnale aleatorio che dipende dalla variabile aleatoria T. Calcolare la densità di probabilità del primo ordine del segnale sapendo che la variabile
aleatoria T è uniformemente distribuita in [0, 1].
ive
 T
1 | t |≤
2 1 T ≥ 2|t |
s(t,T ) =  =
0 T 0 T < 2|t |
| t |>
 2
2|t| 2|t|
 1
re
Pr{T < 2 | t |} = ∫
−∞
pT (α )dα = ∫ Π  T − 2  dα = min{1, 2 | t |}
−∞

 1
2 | t | δ (α ) + (1 − 2 | t |)δ (α − 1) | t |<
ps (t ) (α ) = min{1, 2 | t |}δ (α ) + (1 − min{1, 2 | t |})δ (α − 1) =  2
 δ (α ) altrove

In
Giusto, anche se ho usato calcoli semplici.
Blocco Telecom e Ordeal fanno un casino.

Esercizio 42
Sia
ge
t 
s(t,T ) = Π  
T 

un segnale aleatorio che dipende dalla variabile aleatoria T. Calcolare il valor quadratico medio del segnale sapendo che la variabile aleatoria T è
gn
uniformemente distribuita in [0, 1].

La ps ( t ) (α ) l'ho trovata nell'esercizio precedente.

eri
∞ 2 1
∞  ∫ α  2 | t | δ (α ) + (1 − 2 | t |)δ (α − 1) dα | t |<  1
−∞ 2 1 − 2 | t | | t |<
s2 (t ,T ) = ∫ α 2 ps (t ) (α )dα =  ∞
= 2
  0
∫
−∞
α 2δ (α )dα altrove  altrove

 −∞
a
Dovrebbe essere giusto, coerente con il valor medio trovato nell'esercizio 40.

Esercizio 43
Sia

t 
s(t,T ) = Π  
T 

un segnale aleatorio che dipende dalla variabile aleatoria T. Calcolare il valor quadratico medio del segnale, sapendo che la densità di probabilità della
variabile T è

pT (α ) = e−α u (α )

La densità di probabilità del primo ordine l'abbiamo trovata nell'esercizio 38:

 ps (t ) (α ) = (1 − e−2|t | )δ (α ) + e−2|t |δ (α − 1)
∞ ∞ ∞

s2 (t ,T ) = ∫ α 2 ps (t ) (α )dα = ∫ α 2[(1 − e−2|t | )δ (α ) + e−2|t|δ (α − 1)]dα = ∫ α 2e−2|t|δ (α − 1)dα = e−2|t|

−∞ −∞ −∞

Giusto?

Esercizio 44
Sia

t 
s(t,T ) = Π  
T 
V
un segnale che dipende dalla variabile aleatoria T. Calcolare la funzione di autocorrelazione del segnale, sapendo che la variabile aleatoria T è
uniformemente distribuita in [0, 1].
ive
Fatto nel quaderno, col teorema della media

Esercizio 45
Sia

t 
re
s(t , T ) = Π  
T 

un segnale aleatorio dipendente dalla variabile aleatoria T. Calcolare la funzione di autocorrelazione del segnale sapendo che la densità di probabilità
della variabile aleatoria T è
In
pT (α ) = e−α u(α )

Il procedimento dovrebbe essere simile all'esercizio 44, col teorema della media.

Esercizio 46 (importante)
ge
Due variabili aleatorie sono statisticamente indipendenti e uniformemente distribuite in [0, 1]. Determinare la densità di probabilità condizionata

p X | X 2 <Y (α )
gn
1
∞ ∞ ∞ ∞
 1  1
1 1 1
 x3  2
Pr{x 2 < y} = ∫∫ ∫−∞ ∫2 Π  x − 2  Π  y − 2  dydx = ∫0 ∫2 dydx = ∫0 (1 − x )dx =  x − 3  = 3
2
pXY ( x, y)dydx =
−∞ x 2 x x 0
α ∞ α ∞ α α
 1  1  11  1
Pr{x ≤ α ∧ x2 < y} = ∫∫p ∫ ∫ Π  x − 2  Π  y − 2  dydx = ∫ Π  x − 2  ∫ dydx = ∫ Π  x − 2  (1 − x )dx
2
( x, y )dydx =
eri
XY
−∞ x2 −∞ x2 −∞ x 2 −∞

 
 
α <0 0 α <0 0 α <0
0 
α α 
  x3   α3
= ∫ (1 − x 2 )dx 0 ≤ α ≤ 1 =  x −  0 ≤α ≤1 = α − 0 ≤ α ≤1
a
0  3 0  3
1 2 2
 (1 − x 2 )dx α > 1   α >1
∫0
α >1 3
 3
0 α <0

Pr{x ≤ α ∧ x < y}  32
 α 3

PX | X 2 <Y (α ) = =  α −  0 ≤α ≤1
Pr{x2 < y} 2  3 
1 α >1

0 α <0

d 3
pX | X 2 <Y (α ) = P 2 (α ) =  (1 − α 2 ) 0 ≤ α ≤ 1
dα X | X <Y 2
0 α >1

OK. Risultato uguale al Blocco Telecom e a Ordeal.

Esercizio 47
Due variabili aleatorie sono statisticamente indipendenti e uniformemente distribuite in [0, 1]. Determinare la densità di probabilità condizionata

pX |Y <1− X 2 (α )

1
∞ 1− x2 ∞ 1− x2 1 1− x2
 1  1 1
 x3  2
Pr{ y < 1 − x2 } = ∫ ∫
−∞ −∞
pXY ( x, y )dydx = ∫ ∫ Π  x − 2  Π  y − 2  dydx = ∫ ∫
−∞ −∞ 0 0
dydx = ∫ (1 − x 2 )dx =  x −  =
0  3 0 3
α 1− x2 α 1− x2 α 2
α
 1  1  1  1− x  1
Pr{x ≤ α ∧ y < 1 − x2 } = ∫ ∫ ∫ ∫−∞ Π  x − 2  Π  y − 2  dydx = −∞∫ Π  x − 2  ∫0 dydx = −∞∫ Π  x − 2  (1 − x )dx
2
pXY ( x, y)dydx =
−∞ −∞ −∞

 
 
V
α <0 0 α <0 0 α <0
0 
α α 
  x 3
  α3
= ∫ (1 − x2 )dx 0 ≤ α ≤ 1 =  x −  0 ≤ α ≤ 1 = α − 0 ≤α ≤1
0  3 0  3
1 2 2
 (1 − x2 )dx α > 1   α >1
∫0
α >1
ive
 3 3

0 α <0

Pr{x ≤ α ∧ y < 1 − x }  3 
2
α3 
PX |Y <1− X 2 (α ) = 2
=   α −  0 ≤ α ≤ 1
Pr{ y < 1 − x } 2  3 
1 α >1

re
0 α <0

d 3
pX |Y <1− X 2 (α ) = P 2 (α ) =  (1 − α 2 ) 0 ≤ α ≤ 1
dα X |Y <1− X 2
0 α >1
In
OK. Risultato uguale al Blocco Telecom e a Ordeal.
ge
gn
eri
a
Esercizio 48
Due variabili aleatorie casuali sono statisticamente indipendenti e uniformemente distribuite in [0, 1]. Determinare la densità di probabilità di z =
max(x, y).

α α α α
 1  1
PZ (α ) = Pr{z ≤ α} = Pr{max( x, y) ≤ α} = Pr{x ≤ α ∧ y ≤ α } = ∫∫p
−∞ −∞
XY ( x, y)dydx = ∫ ∫ Π  x − 2  Π  y − 2  dydx
−∞ −∞



0 α <0
α α 0 α < 0
 
= ∫∫ dydx 0 ≤ α ≤ 1 = α 2 0 ≤ α ≤ 1
0 0 1
V
 α >1
1 1
 dydx α > 1
∫∫
0 0

0 α < 0
d 
pZ (α ) = PZ (α ) = 2α 0 ≤ α ≤ 1
ive
dα 0 α > 1


OK. Risultato uguale al Blocco Telecom. Ordeal non l'ha fatto.

Esercizio 49
re
Due variabili aleatorie casuali sono statisticamente indipendenti e uniformemente distribuite in [0, 1]. Determinare la densità di probabilità di z =
min(x, y).

∞∞ ∞∞
 1  1
PZ (α ) = Pr{z ≤ α} = Pr{min( x, y) ≤ α } = Pr{x ≤ α ∨ y ≤ α} = 1 − Pr{x ≥ α ∧ y ≥ α} = 1 − ∫∫ pXY ( x, y)dydx = 1 − ∫ ∫ Π  x −  Π  y −  dydx
 2   2
In
αα αα

 11
1 − ∫∫ dydx α < 0
 00
 11 0 α <0 0 α <0
  
= 1 − ∫∫ dydx 0 ≤ α ≤ 1 = 1 − (1 − α )2 0 ≤ α ≤ 1 = 2α − α 2 0 ≤ α ≤ 1
 αα 1 α >1 1 α >1
1  
ge
α >1


0 α <0
d 
pZ (α ) = PZ (α ) = 2 − 2α 0 ≤ α ≤ 1
dα
gn
0 α >1


OK. Risultato uguale al Blocco Telecom e a Ordeal.

Esercizio penultimo
eri
Siano X e Y due variabili aleatorie gaussiane. Dimostrare che la loro somma Z = X + Y è ancora una variabile aleatoria gaussiana.

Dimostrazione del Blocco Telecom.

Per semplicità, siano a media nulla e statisticamente indipendenti.
a
x2
−
1 2σ X2
pX ( x) = e
2πσ X2
y2
−
1 2σ Y2
pY ( y) = e
2πσ Y2
 1 1 
pZ ( z) = pX ( x) ∗ pY ( y) = F −1F  pX ( x) ∗ pY ( y) = F −1
F  pX ( x)  F  pY ( y)   = F −1  ...
   2πσ 2 2 
 X 2πσ Y 

Non si legge bene…

Esercizio ultimo (domanda d'esame)

Mmm… bello… dov'è il testo?

1 Mancante
2 Bloccato
3 OK
4 OK
5 OK
6 OK, ma a che serve la precisazione?
7 Non l'ho capito
8 Boh, tecnicamente non sono ortonormali
9 Fatto. Giusto?
10 OK
11 OK
12 OK
13 Momentaneamente tralasciato. Simile al numero 8.
V
14 Fatto. Giusto?
15 Mancante
16 Credo giusto, ma i calcoli non coincidono con Ordeal e BT.
17 OK, ma nel BT c'è un appunto sul teo. delle derivate
18 OK
ive
19 Tralasciato. Simile al 18.
20 Tralasciato. Simile al 18 e 19.
21 Bloccato. Poco chiaro.
22 Fatto. Giusto?
23 Fatto. Quindi vale zero dovunque???
24 Fatto. Zero, ma il BT dice ¼.
25 Tralasciato. Simile a precedenti.
re
26 OK
27 Bloccato.
28 Mancante
29 Mancante
30 OK
31 Credo giusto, ma diverso da Ordeal e BT
In
32 Non l'ho capito. Dov'è la teoria di ste cose?
33 Si vede malissimo. E poi come si fa?
34 OK
35 Mancante
36 Fatto. Giusto?
37 Mancante
ge
38 OK
39 Fatto. Giusto?
40 Fatto. Giusto?
41 OK
42 Credo giusto.
gn
43 Fatto. Giusto?
44 Bloccato. Casino.
45 Bloccato.
46 OK
47 OK
48 OK
eri
49 OK
Penultimo Illegibile
Ultimo Senza testo
a