PROCESOS ERGDICOS

Emily Tobar
emilyktv@hotmail.com
Febrero 09, 2015

Resumen
Un proceso es ergdico si los parmetros estadsticos calculados en un conjunto de realizaciones (promedios
de conjunto) son iguales que los parmetros estadsticos calculados en una nica realizacin (promedios
temporales).
Para que un proceso sea ergdico primero tiene que ser estacionario pero lo contrario no siempre se cumple.
En general nunca nos vamos a encontrar con un proceso estacionario real. Sin embargo, la hiptesis de
estacionaridad proporciona resultados suficientemente exactos para nuestros propsitos. Lo mismo ocurre
con la hiptesis de ergodicidad. A veces slo se ha medido una realizacin de un proceso estocstico y
tenemos que admitir ergodicidad para poder extraer conclusiones de nuestros datos.

INTRODUCCIN
Un problema central en las aplicaciones de
procesos estocsticos es la estimacin de
varios parmetros estadsticos en tiempo
real. Muchos de los parmetros pueden ser
expresados como valores esperados de
alguna funcin de un proceso
. El
principal problema de estimacin de un
proceso dado
es, por lo tanto, central en
esta investigacin1.
PROCESOS ERGDICOS2
La ergodicidad es una forma muy restrictiva
de estacionariedad y puede ser complacido
demostrar que constituye una suposicin
razonable en cualquier situacin real. No
obstante, a menudo supondremos que es un
proceso ergdico para simplificar los
problemas. En la prctica, normalmente
estaremos forzados a trabajar con una nica
funcin muestra de un proceso, y por tanto,
queramos o no, tendremos que obtener el
valor medio, las funciones de correlacin,
etc., a partir de la forma de onda temporal.

Un proceso es ergdico en la media si su

valor medio temporal es igual al valor medio
estadstico, es decir
[

donde se utiliza para indicar el valor medio

temporal de forma anloga a para el valor
medio estadstico. El promedio temporal se
calcula para todos los instantes de tiempo ya
que, en lo que se refiere a procesos
aleatorios, se presupone que las funciones
muestra de los procesos existen en todo
instante de tiempo.
[
El valor medio
muestra se define como:

] de una funcin

El valor medio de

es
[

PROCESO ERGDICO EN LA MEDIA

1

(Papoulis & Pillai, 2002)

2
(Pebbles, 2006)

PROCESOS ESTOCSTICOS

Pgina 1

LA varianza temporal de un proceso ergdico

debe ser
. Para que esta condicin se
cumpla se tiene la siguiente expresin

El teorema de ergodicidad establece la

validez de las dos expresiones anteriores. Los
procesos que satisfacen el teorema de
ergodicidad
se
denominan
procesos
ergdicos.
Dos procesos aleatorios se dice que son
conjuntamente ergdicos si son ergdicos
individualmente y tienen tambin una
funcin temporal de correlacin cruzada
que es igual a la funcin de correlacin
cruzada estadstica:

Aplicando la relacin de simetra

, la integral puede evaluarse
fcilmente:
| |

Por ltimo, comprobamos que la varianza es

cero si
| |
|

,y

En consecuencia,
ser un proceso
ergdico respecto a la media.
Otro valor promedio de inters es la funcin
temporal de autocorrelacin, designada por
[

Para que el proceso sea ergdico en la media

la varianza temporal debe ser igual a cero, es
decir que y
fueran constantes.
Entonces podramos escribir:

La exposicin anterior sobre procesos

ergdicos nos lleva a la idea general del
significado de ergodicidad; no pretende sin
embargo ser muy rigurosa ni precisa. De
hecho, un estudio cuidadoso de los procesos
ergdicos requiere que se definan varios
niveles de ergodicidad.
PROCESO ERGDICO EN LA
CORRELACIN
Un proceso estacionario continuo
con
una funcin de autocorrelacin
se
dice que es ergdico respecto a la
correlacin si, y slo si, para todo

CONCLUSIONES
La mayor parte de los procesos estacionarios
en el sentido amplio son procesos ergdico.
Es necesario comprobar varias condiciones
para afirmar que un proceso es ergdico.
Para que un proceso sea ergdico respecto a
la media se debe cumplir que
(

PROCESOS ESTOCSTICOS

| |

Pgina 2

Lo cual es una condicin necesaria y

suficiente.

Stochastic Processes (Cuarta ed.).

New York: McGraw-Hill.
[2] Pebbles, P. (2006). Principios de
probabilidad, variables aleatorias y
seales aleatorias (Vol. IV). Madrid,
Espaa: McGraw-Hill.

|
| |

Y estas dos ltimas condiciones que son solo

condiciones suficientes.
BIBLIOGRAFA
[1] Papoulis, A., & Pillai, U. (2002).
Probability, Random Variables, and

PROCESOS ESTOCSTICOS

[3] Procesos Estocsticos Ergdicos. (2013).

Recuperado el 09 de Febrero de 2015,
de Anlisis de Procesos Estocsticos
en el Dominio del Tiempo:
http://www.etsii.upm.es/ingor/estad
istica/fjcara/mme_construccion/02_
pest_tiempo.pdf

Pgina 3