Você está na página 1de 116

Treinamento em Processamento

Digital de Imagens

Prof. Wheidima Carneiro de Melo


wheidimawcm@gmail.com

Curso: Probabilidade e Processos


Estocsticos

Probabilidade e Processos
Estocsticos
Ementa:
Probabilidade
Definies e axiomas
Probabilidade condicional
Probabilidade total

Variveis aleatrias
Processos estocsticos

Parte 1

Probabilidade

Introduo
Nas engenharias h um interesse no estudo de sistemas
que variam de forma aleatria, no determinstica da
tica do observador.
Modelos probabilsticos so formas matemticas para
descrever o comportamento de variveis associadas ao
fenmeno.
Processos estocsticos so modelos probabilsticos
para descrever sistemas que se desenvolvem no tempo
de forma aleatria.

Conceitos Bsicos
Experimento aleatrios: so fenmenos (experimentos)
que repetidos sob as mesmas condies apresentam
variaes em seus resultados, onde impossvel afirmar
exatamente o resultado que ocorrer.
Espao Amostral (S): o conjunto que contm todos os
resultados possveis do experimento.
Evento: qualquer resultado de interesse para o
experimento.

Reviso de Conjuntos
Conjunto definido como uma coleo de objetos.
Mtodo de enumerao:
Mtodo de descrio:

Os objetos so denominados elementos.


O elemento distinto
A ordem no importa

Algumas definies:

x A
D
DS
Ac

B A

Reviso de Conjuntos
Operaes bsicas:

A B A Bc

c c

A Ac S
A Ac
A S S
A S A
Sc
c S
A B (Conjuntos disjuntos).

Reviso de Conjuntos
Propriedades:
I.

Comutatividade: A B B A

II.

Associatividade: A ( B C) ( A B) C

III. Distributividade: A ( B C) ( A B) ( A C)

Leis de Morgan:
a) A B ( Ac Bc )c .

b) C D (C c Dc )c

Conjuntos contveis (finitos e infinitos).


Conjuntos incontveis.

Probabilidade
Evento um subconjunto do espao amostral.
Dois eventos, A e B , que no possam ocorrer
conjuntamente
so
denominados
mutuamente
exclusivos.
S S ; S denominado evento certo.
S ; denominado evento impossvel.
Os elementos em S s1 , s2 , s3 ,... so denominados
eventos elementares.
Exemplos de eventos.

Probabilidade
Probabilidade uma funo P(.) que atribui um nmero
entre 0 e 1 aos conjuntos.
Axiomas:
1. P( E ) 0 para cada evento E
2. P( S ) 1
3. Se A1 , A2 ,..., Ak so mutuamente exclusivos, ento
k

P A1 A2 ... Ak P Ai
i 1

Exemplos.

Propriedades da Funo de
Probabilidade

P E c 1 P E .
P 0 .

0 P A 1.
Se A e B so eventos quaisquer,
P A B P( A) P( B) P( A B)

Se A B, ento P( A) P( B)

Se A1 , A2 ,..., Ak so eventos quaisquer,


k

P A1 A2 ... Ak P Ai
i 1

Propriedades da Funo de
Probabilidade
Exerccio: O circuito chaveador consiste de duas chaves
defeituosas, onde cada chave possui a probabilidade de
0,5 de fechar. A probabilidade das duas chaves fecharem
de 0,25. Qual a probabilidade do circuito operar
corretamente?

Propriedades da Funo de
Probabilidade
Exerccio: Sendo P A 0,9 ; PB 0,8 e P A B 0,75
determine:
a) P A B
c
b) PA B

c) PAc B c

Probabilidade com o Espao


Amostral Discreto
Seja S finito e todos os seus elementos equiprovveis,
isto , pode-se assumir que cada evento elementar tem a
mesma probabilidade de ocorrncia.

Defini-se, para todo A S


P( A)

n( A)
n( S )

onde n( A) o nmero de elementos no evento e n(S )


o nmero de elementos no espao amostral.

Probabilidade com o Espao


Amostral Discreto
Exemplo: considere um experimento de lanar dois
dados (idnticos e honestos) e observar os pontos
obtidos em cada um.
a) Descreva o espao amostral do experimento.
b) Qual a probabilidade dos dados apresentarem iguais
nmeros de pontos?

Exemplo: uma urna possui 3 bolas vermelhas e 2 bolas


pretas. Calcule a probabilidade de em duas retiradas,
com reposio da primeira bola, sair uma bola vermelha
e depois uma bola preta. Obs.: a escolha equiprovvel.

Propriedade com o Espao


Amostral Discreto
Pode-se recorrer ao mtodos de contagem.
1. Permutao de n objetos:

n! n (n 1) (n 2) ... 2 1
2. Arranjos: n objetos de um conjunto com N elementos
(a ordem diferencia).

( N ) n N ( N 1) ( N 2) ... ( N n 1)
3. Combinao: n objetos de um conjunto com N (a
ordem no diferencia).

N
N!

n n!( N n)!

Probabilidade Condicional
Existem situaes onde h interesse em conhecer a
probabilidade de um evento A, sob a condio de
ocorrncia de outro evento B.
Definio: A probabilidade condicional da ocorrncia de A
dado que B tenha ocorrido, dada por
P( A | B)

P( A B) , onde P( B) 0
P( B)

Probabilidade marginal
P(B)

Probabilidade conjunta

P( A B)

Teorema da Probabilidade Total


Sejam A1 , A2 ,..., Ak uma partio de S , isto , eventos
em S tais que
Ai A j , i j
ik1 Ai S

Sendo B um outro evento qualquer em S , ento


P( B) P{ik1 ( B Ai )}
k

P( B) P( B | Ai ) P(Ai )
i 1

Teorema da Probabilidade Total


Exemplo: Duas urnas contm diferentes propores de
bolas vermelhas e pretas. A urna 1 possui a proporo p1de
bolas vermelhas e (1 p1 ) de bolas pretas. A urna 2 possui
proporo de p2 e (1 p2 ) de bolas vermelhas e pretas,
respectivamente. Encontre a probabilidade de uma bola
vermelha ser selecionada.

Independncia de Eventos
Tm-se situaes em experimentos onde a ocorrncia de
um evento A no afeta a probabilidade da ocorrncia
de um outro evento B .

P( A | B) P( A) e

P( B | A) P( B)

Definio: Diz-se que dois eventos


independentes, se somente se,

so

P( A B) P( A) P( B)
Eventos independentes so diferentes de eventos
mutuamente exclusivos.

Teorema de Bayes
Da probabilidade condicional tem-se

P( A B)
P( A B)
P
(
B
|
A
)

P( A | B)
e
P( A)
P( B)

Portanto,

P( B | A)

P( A | B) P( B)
P( A)

Sendo B1 , B2 ,...Bk uma partio e A um evento qualquer


de S , pelo teorema da probabilidade total, tem-se
P( B j | A)

P( A | B j ) P( B j )
k

P( A | B ) P( B )
i 1

, j 1,2,.., k

Teorema de Bayes
Exemplo: Um teste de laboratrio efetivo em 95% dos
casos (detectar corretamente a doena) e apresenta
falso positivo em 1% dos casos (indicar falsamente a
doena). Se em uma populao, onde 5% das pessoas
tem a doena, uma pessoa selecionada ao acaso e
submetida ao teste.
a) Qual a probabilidade do resultado ser positivo?
b) Qual a probabilidade da pessoa ter doena se o teste for
positivo?

Parte 2

Variveis Aleatrias

Variveis Aleatrias
Em problemas reais, emprega-se modelos probabilsticos
para descrever o comportamento de ocorrncias. As
observaes so tratadas como resultantes de um
experimento aleatrio e associa-se nmeros reais a cada
resultado do experimento.
Definio: Uma varivel aleatria uma funo X (.) que
associa um nmero real X (s) a cada elementos S .

Variveis Aleatrias
O mapeamento pode ser um para um.

Variveis Aleatrias
O mapeamento pode ser de muitas amostras para uma.

Variveis Aleatrias
Exemplo: Faa um desenho representando um
mapeamento dos padres de pontos num dado, para os
nmeros 1,2,3,4,5,6.
Repetir o exemplo anterior, mapeando os lados com 1, 2
e 3 dots para o nmero 0 e os remanescentes lados para
o nmero 1.

Classificao de Variveis
Aleatrias
Discreta se o conjunto dos seus valores finito ou infinito
contvel (enumervel).
Exemplo: Contar o nmero de vezes que o resultado
igual a cara em M lanamentos de uma moeda.
Contnua se assume valores em um intervalo, ou uma
coleo de intervalos, de nmeros reais.
Exemplo: Realizar experimentos para medir o consumo
de energia na execuo de cdigos em sistemas
embarcados.

Varivel Aleatria Discreta


O objetivo obter as probabilidades da ocorrncia de
valores de interesse para a varivel aleatria.
Para v.a discreta X , com valores x1 , x2 , x3 ,... , definia a
funo massa de probabilidade (f.m.p.).
p X ( xi ) P( X xi ) para cada xi {x1 , x2 , x3 ,...}
Propriedades:
1. 0 P( X xi ) 1, i 1,2,3,...
2. P( X x) 0, x xi , i 1,2,3,...
3. P( X xi ) 1
i

Importantes Funes Massa de


Probabilidade
Modelo de Bernoulli:
Experimentos que admitem apenas dois resultados possveis,
definidos por

A varivel denominada v.a. de Bernoulli com parmetro


onde a f.m.p. dada por

Notao:

Importantes Funes Massa de


Probabilidade
Exemplo: Considere o experimento de selecionar ao
acaso uma pea em um lote com 96 peas boas e 4
defeituosas.

Importantes Funes Massa de


Probabilidade
Modelo Binomial
Em um experimento com dois resultados de interesse com
repeties independentes com probabilidades constantes em
todas as repeties. Define-se a varivel aleatria por

A funo de massa de probabilidade dada por

Notao:

Importantes Funes Massa de


Probabilidade
Exemplo-1: Uma remessa de 800 estabilizadores de
tenso recebida pelo controle de qualidade de uma
empresa. So inspecionados 20 aparelhos da remessa,
que ser aceita se ocorrer no mximo um defeituoso. H
80 defeituosos no lote. Qual a probabilidade de o lote
ser aceito?

Importantes Funes Massa de


Probabilidade
Exemplo-2: Acredita-se que 20% dos moradores das
proximidades de uma grande indstria siderrgica tm
alergia aos poluentes lanados ao ar. Admitindo que
este percentual de alrgicos real (correto), calcule a
probabilidade de que pelo menos 4 moradores tenham
alergia entre 13 selecionados ao acaso.

Importantes Funes Massa de


Probabilidade
Modelo Geomtrico
Em um experimento com dois resultados de interesse com
repeties independentes com probabilidades constantes em
todas as repeties. Define-se a varivel aleatria por

A funo de massa de probabilidade dada por

Notao:

Importantes Funes de Massa


de Probabilidade
Exemplo-1: Se uma varivel aleatria com
qual a probabilidade de
? 0.4219

Importantes Funes de Massa


de Probabilidade
Modelo de Poisson
Uma varivel aleatria
com valores em
A funo de massa de probabilidade dada por

Notao:
Observao:
a taxa mdia de ocorrncia do evento no
intervalo considerado.

Modelo de Poisson
Exemplo-1: Suponha que Xt, o n de partculas emitidas
em t horas por uma fonte radioativa, tenha uma
distribuio de Poisson com parmetro 20t. Qual ser a
probabilidade de que exatamente 5 partculas sejam
emitidas durante um perodo de 15 min?

Modelo de Poisson
Exemplo-2: Uma indstria de tintas recebe pedidos de
seus vendedores atravs de fax, telefone e internet. A
taxa mdia de 5 pedidos por hora. (a) Qual a
probabilidade da indstria receber mais de dois pedidos
por hora? Digamos que, no horrio do almoo, a
indstria fica impossibilitada de atender a mais de dois
pedidos por hora. Voc acha que deveria aumentar o n
de atendentes nesse perodo? (b) Em um dia de
trabalho (8 horas) qual seria a probabilidade de haver 50
pedidos? A indstria deveria aumentar o n de
atendentes para receber mais de 50 pedidos por dia?

Modelo de Poisson
Exemplo-3: A chegada de nibus em um terminal
acontece a razo de 3 por minuto. Supondo que tenha
uma distribuio de Poisson, determine a probabilidade
de:
a) chegarem exatamente 8 nibus em 2 minutos
b) chegarem exatamente 4 nibus em 5 minutos

Transformao de Variveis
Aleatrias
H em alguns experimentos interessante realizar uma
transformao da varivel aleatria.

Seja

uma transformao de

tem-se que

Exemplo: Considere que os lados de um dado so


rotulados com os nmeros 0,0,1,1,2,2. Encontre a f.m.p
dos resultados.

Funo de Distribuio
Acumulada
A funo de distribuio cumulativa (f.d.a.) descreve a
funo de probabilidade de uma varivel aleatria:

Exemplo: Considere o experimento de lanar trs vezes


um moeda honesta.
Obter o espao amostral para o experimento.
Considere a varivel aleatria igual ao nmero de caras.

,
, a f.d.a. da varivel aleatria.

Funo de Distribuio
Acumulada

Funo de Distribuio
Acumulada - Propriedades
A funo de distribuio acumulada monotonicamente
crescente

. Para

Esperana de uma Varivel


Aleatria Discreta
A esperana, ou valor mdio, de uma varivel aleatria
definida por

Indica a regio dos valores da varivel aleatria com a


maior concentrao de probabilidade.
Exemplo: Considere o experimento de lanar trs vezes
um moeda. Defina a varivel aleatria como o nmero
de caras obtidos. Qual a esperana para o nmero de
caras?

Esperana de uma Varivel


Aleatria Discreta
Exemplo: Obtenha o valor esperado de uma varivel
aleatria modelada por Bernoulli.

Exemplo: Obtenha o valor esperado de uma varivel


aleatria Binomial.

Varincia de uma Varivel


Aleatria Discreta
A varincia de uma varivel aleatria discreta definida
por

Utilizando a formula da esperana

Mede a disperso da distribuio da varivel aleatria


em relao a esperana (valor mdio).

Varincia de uma Varivel


Aleatria Discreta
Exemplo: Obtenha a varincia
d , onde o nmero
de caras obtidos no experimento de lanar uma moeda
trs vezes.
Obtenha a varincia de uma varivel aleatria modelada
por Bernoulli.

Propriedades da Varincia e
Esperana

Variveis Aleatrias Contnuas


Definio: a varivel que assume valores em um
intervalo, ou conjunto de intervalos, de nmero reais.

Exemplo: Realizar experimentos para medir a latncia


na execuo de cdigos.

Variveis Aleatrias Contnuas


A descrio da varivel aleatria contnua dada pela
funo densidade de probabilidade (f.d.p.)

Propriedades:

Variveis Aleatrias Contnuas


Exemplo: (a) Vamos testar a funo
pode ser um f.d.p. vlida. (b) Suponha
calcule a probabilidade do evento

para ver se ela


e

Modelo Uniforme Contnuo


Uma varivel aleatria continua
tem distribuio
uniforme em
se sua f.d.p. definida por

A funo

constante em

As probabilidades dos intervalos so proporcionais aos


seus comprimentos.
Notao:

Modelo Uniforme Contnuo


Exemplo: Seja

Modelo Exponencial
Uma varivel aleatria continua
exponencial se sua f.d.p. dada por

tem distribuio

Pode ser utilizada para modelar o tempo de vida de


componentes, durao de processos.
Notao:

Modelo Exponencial
Mostre que para

Suponha que o tempo de durao de ligaes


telefnicas em uma empresa que trabalha com vendas
pode ser modelada por
.
Determine a probabilidade de:
A ligao demorar menos de 5 minutos?
A ligao demorar de cinco a dez minutos?

Modelo Gaussiano (Normal)


Uma varivel aleatria continua
tem distribuio
Gaussiana se sua f.d.p. definida por

onde
e
.
A distribuio simtrica em torno de .
O tamanho da densidade dado pelo valor de .
Considera-se como a distribuio mais importante.
Notao:

Modelo Gaussiano (Normal)

Modelo Gaussiano (Normal)


Exemplo: Se

, calcule

Modelo Gaussiano (Normal)


Exemplo: Se

, calcule

Modelo Gaussiano (Normal)


Exemplo: O Saldo mdio dos clientes de um banco
uma varivel aleatria normal com mdia R$ 2.000,00
de desvio padro R$ 250,00. Os clientes com os 10%
maiores saldos mdios recebem tratamento VIP,
enquanto aqueles com os 5% menores saldos sero
convidados a mudar de banco.
Quanto voc precisa de saldo mdio para se tornar um cliente
VIP?
Abaixo de qual saldo mdio o cliente ser convidado a mudar de
banco?

Modelo Gaussiano (Normal)


Uma mquina fabrica tubos metlicos cujos dimetros
podem ser considerados uma varivel aleatria normal
com mdia 200mm e desvio padro 2 mm. Verifica-se
que 15% dos tubos esto sendo rejeitados como
grandes e 10% como pequenos
Quais so as tolerncias de especificao para esse dimetro?

Esperana de uma Varivel


Aleatria Contnua
Esperana (valor esperado) de uma varivel aleatria
contnua, com f.d.p. , definida por

Caracteriza a regio central da distribuio


probabilidade da varivel aleatria contnua

de

Se a distribuio possuir um ponto de simetria, a


esperana ser igual a este ponto.

Esperana de uma Varivel


Aleatria Contnua
Calcule o valor esperado de

Esperana de uma Varivel


Aleatria Contnua
Calcule o valor esperado de

Calcule o valor esperado de

Varincia de uma Varivel


Aleatria Contnua
A varincia de uma varivel aleatria contnua definida
por

Calcule a varincia de

Mltiplas Variveis Aleatria


Discretas
O interesse medir mais que um atributo dos
resultados.

Duas variveis aleatrias que so definidas no mesmo


espao amostral
so classificadas como
conjuntamente distribudas.

Mltiplas Variveis Aleatria


Discretas
Exemplo: Mapeamento do lanamento de duas moedas.

Mltiplas Variveis Aleatria


Discretas
As variveis aleatrias podem ser denominadas de vetor
aleatrio
.

Elementos do vetor aleatrio e tamanho do espao


amostral:

Mltiplas Variveis Aleatria


Discretas
Funo Massa de probabilidade conjunta

Exemplo: Faa a f.m.p. conjunta de um lanamento de


duas moedas.

Mltiplas Variveis Aleatria


Discretas
Mapeamento de um para um:

Mapeamento de mais de um para um:

Mltiplas Variveis Aleatria


Discretas
Exemplo: Lanamento de um dado azul e um vermelho.
O dado que possuir o maior nmero escolhido. Se os
resultados forem iguais, o dado vermelho escolhido.
Qual a probabilidade de o dado vermelho ser
escolhido e o resultado ser igual a trs. Obs.: utilize
estas variveis aleatrias:

Mltiplas Variveis Aleatria


Discretas
Funo massa de probabilidade marginal:

Exemplo:

Mltiplas Variveis Aleatria


Discretas
Exemplo: Considere a f.m.p conjunta

Encontre as f.m.p. marginais.


Observe que

Mltiplas Variveis Aleatria


Discretas
Funo de distribuio acumulada conjunta dada por

Escrevendo em funo do somatrio da f.m.p conjunta

As f.d.a marginais so dadas por:

Funo de Distribuio
Acumulada Conjunta
Propriedades:

.
aumenta.

monotonicamente crescente quando

e/ou

Funo de Distribuio
Acumulada Conjunta
A f.m.p pode ser obtida por:
Exemplo:

Independncia de Mltiplas
Variveis Aleatrias
Se

variveis aleatrias independentes, ento

Exemplo: Lanamento de uma moeda de R$0,25 e


R$1,00 onde as f.m.p

Transformao de Mltiplas
variveis aleatrias
Considere as variveis aleatrias
em

transformadas

Exemplo: Considere
(variveis
independentes). Realize a transformao e encontre
f.m.p conjunta.

Transformao de Mltiplas
variveis aleatrias
Considere a transformao do vetor aleatrio
varivel aleatria
. A f.m.p conjunta

na

Valor Esperado de g(x,y)


Seja
ento

um vetor aleatrio e

Exemplo: valor
aleatrias

esperado

da

uma funo real,

soma

de

variveis

Exemplo: valor esperado do produto das variveis


aleatrias

Valor Esperado de g(x,y)


Exemplo: calcule

. Suponha

A varincia da soma no em geral a soma das


varincias.
Novo conceito: Covarincia.

Covarincia
Definio: A covarincia entre duas variveis aleatrias
definida por

Verifica a variabilidade conjunta entre as variveis


aleatrias.
Valores positivos indicam que as variveis aleatrias
tendem a crescer no mesmo sentido, e valores
negativos indicam sentidos opostos.
Expresso alternativa:

Covarincia
Exemplo: Encontre a covarincia da f.m.p. conjunta

Obtenha a covarincia da f.m.p conjunta

Coeficiente de Correlao
O coeficiente de correlao entre duas variveis
aleatrias definido por

uma medida que quantifica a associao linear entre


as variveis aleatrias
.
.

Coeficiente de Correlao
Exemplo: Obtenha o coeficiente de correlao entre as
variveis aleatrias.

Funo Massa de Probabilidade


Condicional
Para

com distribuio conjunta discreta defini-se

Uma vez que so distribuies de probabilidade

Funo Massa de Probabilidade


Condicional
Exemplo: Resultado de lanamento de dois dados. Qual
a f.m.p condicional da soma dos resultados dado que
a soma par?
Dado que a soma mpar?

Funo Massa de Probabilidade


Condicional
Algumas relaes
Probabilidade conjunta

Probabilidade marginal

Esperana Condicional
Definio:

Calcule a esperana condicional do exemplo do


resultado de dois dado.

Funo Massa de Probabilidade


Condicional
Probabilidade Condicional:

Substituindo N por N-1:

Igualando as equaes:

Funo Massa de Probabilidade


Condicional
Regra da Cadeia:

Caso especial:

Propriedade de Markov:

Teorema Central do Limite


Sejam
variveis aleatrias independentes e
identicamente distribudas (iid), com mdia
e
varincia finita. Seja
, ento com
,
tem-se

Pelo teorema central do limite, a distribuio da soma de


uma quantidade grande de variveis aleatria iid pode
ser aproximada por uma distribuio Normal, sem ser
necessrio conhecer a distribuio das variveis
aleatrias.

Teorema Central do Limite


Exemplo: Encontre uma aproximao para funo
densidade de probabilidade da v.a. , se
so iid
com

Encontre a probabilidade aproximada de


exceder 7, se as
so iid com f.d.p.

Reviso para Variveis


Aleatrias Contnuas
Funo de distribuio acumulada

Transformao:

Reviso para Variveis


Aleatrias Contnuas
Esperana:

Varincia:

Reviso para Variveis


Aleatrias Contnuas
Distribuio conjunta:

Probabilidade marginal:

Valor esperado de um vetor aleatrio

Reviso para Variveis


Aleatrias
Matriz de covarincia:

Se a matriz diagonal, ento as variveis so


independentes.

Processos Estocsticos
Processo estocstico o mapeamento de , o qual um
conjunto de seqncia infinitas de resultados, para
,o
qual um conjunto de seqncia infinitas de nmeros.
Exemplo:

Notao:

o processo e

a realizao.

Processos Estocsticos
Exemplo: Processos de Bernoulli.

Processos Estocsticos
Exemplo: A probabilidade dos cinco primeiro resultados
serem cara.

Exemplo: Lanamento de um dado, repetidamente.


Quais so e
? Qual a funo massa de
probabilidade conjunta?

Processos Estocsticos
Tipos de processos Estocsticos:
Processos de Tempo Contnuo: A varivel pode alterar o seu
valor em qualquer instante de tempo.
Processos de Tempo Discreto: A varivel altera o seu valor em
intervalos fixos de tempo.
Varivel Continua: A varivel pode assumir qualquer valor
dentro de um determinado intervalo.
Varivel Discreta: A varivel pode assumir apenas alguns
valores discretos.

Processos Estocsticos

Processos Estocsticos
Random walk

onde

Qual a funo densidade de probabilidade para um n


grande?

Processos Estocsticos
O processo estocstico pode ser classificado em:
Estacionrio (a estatstica no depende do tempo).
No-estacionrio (caso contrrio.)

Condio para o processo ser estacionrio:

Exemplo: Prove que um processo estocstico iid um


caso especial de um processo estocstico estacionrio.

Processos Estocsticos
Os valores esperados das funes do processo
estocstico devem ser estacionrios

Nos processos estocsticos estacionrios a esperana e


a varincia so constantes no tempo.

Processos Estocsticos
Processo Random Walk
Soma de n variveis aleatrias iid

A distribuio de probabilidades das variveis

1 p k 1
pU [k ]
k 1
p
Exemplo: Qual a distribuio de probabilidade?

Processos Estocsticos
Processo estocstico estacionrio no sentido amplo
(WSS- wide sense stationary)
Um processo estocstico definido como WSS se

como
Ento as condies equivalentes so

Processos Estocsticos
Se o processo estocstico WSS, pode-se definir a
autocorrelao:

A autocorrelao mede a correlao entre duas


amostras do mesmo processo estocstico.
Exemplo: Processo estocstico definido por
onde

iid, com mdia

e varincia

Processos Estocsticos
Propriedades da autocorrelao:
positiva para k=0.
uma sequncia par

O maior valor encontrado em k=0.

Exemplo: Um processo estoca. de Bernoulli


onde
os valores das variveis aleatrias so +1 e -1. Qual a
autocorrelao da seqncia?

Processos Estocsticos
O processo dito ergdico se sua mdia temporal
igual a mdia do conjunto.

Processos Estocsticos
Densidade Espectral de Potncia (PSD Power
Spectral Density).
Para um sinal determinstico os componentes espectrais so
obtidos a partir da transformada de Fourier.
Para sinais WSS essa informao obtida a partir da PSD:

Processos Estocsticos
Exemplo: Encontre a PSD do sinal rudo branco definido
por

Exemplo: Encontre a PSD do sinal definido por

Processos Estocsticos
Processos estocsticos Gaussianos:
Modela muitos sinais aleatrios.
Teorema central do limite

onde

Processos Estocsticos
Continuao

Notao

Processos Estocsticos
Processo estocstico de Poisson
Descreve o nmero de vezes que algum evento ocorreu em
funo do tempo.
Definio:

Exemplo: Os clientes chegam na fila de um caixa a uma taxa de


0.1 clientes por segundo de acordo com um processo aleatrio
de Poisson. Determine a probabilidade de 5 clientes chegarem
durante o primeiro minuto da fila do caixa estar aberta.