Escolar Documentos
Profissional Documentos
Cultura Documentos
Procesos Estocsticos
Referencias:
1
Estadstica. Profesora Mara Durbn
Procesos Estocsticos
5 Ejemplos
4
Estadstica. Profesora Mara Durbn
Definicin
As, para cada tiempo que fijemos, tendramos una variable aleatoria.
Se define entonces una familia de variables aleatorias que dependen
de una variable determinista, (en este caso el tiempo).
=2
=16
PROCESO ESTOCSTICO
Se define el proceso estocstico X(t) como el nmero de llamadas
que se producen en la centralita en el tiempo (0,t).
As, para cada valor de t que se elija, tendremos una variable aleatoria
distinta, con forma similar pero distinto valor.
En los temas anteriores definimos X(x), en este caso X().
Ahora debemos representar X(x,t), en este caso, X(,t).
En general, diremos X(t) igual que antes llambamos X y no X().
5
6
Estadstica. Profesora Mara Durbn
Ejemplos
Proceso Estocstico
As, la seal recibida va ser una seal con varias componentes aleatorias.
Aunque no es posible describir este tipo de seales con una expresin
matemtica, se pueden utilizar sus propiedades estadsticas
8
Estadstica. Profesora Mara Durbn
Espacio de tiempos, T
Ejemplo 1
Distintas realizaciones del proceso X(t) = Ncos((2/24)t+) siendo N y
VA con distribuciones P(10) y U(0,2), respectivamente.
Discreto
Continuo
Discreto
Continuo
10
Estadstica. Profesora Mara Durbn
En general:
12
=1/36
FX ( x, t ) = P( X (t ) x)
0
20
40
60
tiempo
13
Estadstica. Profesora Mara Durbn
f ( x, t ) =
dFX ( x, t )
dx
14
De igual modo:
Se define la funcin de distribucin de segundo orden
del proceso X(t) como
F ( x1 , x 2 , t1 , t 2 ) = P ( X (t1 ) x1 X (t 2 ) x 2 )
Se puede obtener la funcin de densidad de segundo
orden derivando la funcin de distribucin parcialmente
respecto a x1 y a x2
2 F ( x1 , x2 , t1 , t 2 )
f ( x1 , x2 , t1 , t 2 ) =
x1x2
15
Estadstica. Profesora Mara Durbn
16
Estadstica. Profesora Mara Durbn
Procesos Estocsticos
x f ( x, t ) dx
En el caso complejo:
3 Estacionariedad de un proceso estocstico
E[Z (t )] = E[ X (t )] + j E[Y (t )]
5 Ejemplos
18
Estadstica. Profesora Mara Durbn
Ejemplo 4
Ejercicio 1
Un transmisor enva pulsos rectangulares de altura y posicin
aleatorias. Cada pulso transmitido corresponde a una realizacin del
proceso estocstico
E [ X (t ) ] = E [ cos(2 ft + B ) ]
h(t)=
E [ cos(2 ft + ) ] =
/2
/ 2
x (t ) = p + q cos ( 2 f t )
0, en el resto.
1
2
cos(2 ft + ) = cos(2 ft )
1, 0<t<1,
19
20
Estadstica. Profesora Mara Durbn
Varianza
Correlacin
O esperanza del producto de Variables Aleatorias como funcin de dos
variables temporales tk y ti dada por:
Recordamos:
+
+
xx
Var [ X ] = E X 2 ( E [ X ])
x1 x2 f ( x1 , x2 ; t1t2 )x1x2
RX (t ) = E X (t ) 2 =
x 2 f ( x; t )x
Covarianza
R (t , u ) RXY (t , u )
R (t , u ) = X
RYX (t , u ) RY (t , u )
+ +
E X (t ) 2 E [ X (t )Y (t )]
R (t , t ) =
E [Y (t ) X (t ) ]
Y (t ) 2
E
RXY (t , u ) = E [ X (t )Y (u ) ]
22
Estadstica. Profesora Mara Durbn
23
24
Estadstica. Profesora Mara Durbn
Ejemplo 4
Independencia
2) Varianzas
Ortogonalidad
3) Covarianzas
Dos procesos X(t) e Y(t) son ortogonales si RXY(t1, t2)=0 para cualquier valor
de t1 y t2.
C XY (t1 , t 2 ) = X (t1 ) Y (t 2 )
25
26
Estadstica. Profesora Mara Durbn
Procesos Estocsticos
Ejercicio
El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y ~
Exp(). Para hacer un estudio de la evolucin temporal del sistema se
construye el proceso estocstico X(t) definido como el tiempo que resta
para completar la tarea sabiendo que ya ha consumido t minutos.
5 Ejemplos
27
Estadstica. Profesora Mara Durbn
28
Estadstica. Profesora Mara Durbn
x2
x1
20
El nmero medio de
llamadas no es
constante, depende
de t
15
10
No estacionario
29
Estadstica. Profesora Mara Durbn
9 10 11 12 13 14 15 16 17 18 19 20
tiempo
30
Ejemplo 6
Estacionariedad en sentido d
dbil
La media del proceso se mantiene constante
Estadstica. Profesora Mara Durbn
puede ser
estacionario
31
32
Estadstica. Profesora Mara Durbn
(independientedel
deltiempo)
tiempo)
E [ X (t () ])= (independiente
(independientedel
deltiempo)
tiempo)
E [ X (t () ])= (independiente
Propiedades:
Propiedades:
La potencia E X (t ) no depende de t
2
dbil
ya que E X (t ) 2 = RX (0)
RX ( ) = RX ( )
ya que
RX ( ) = E [ X (t ) X (t ) ] = E [ X (t ) X (t ) ] = RX ( ) 33
Estadstica. Profesora Mara Durbn
34
Estadstica. Profesora Mara Durbn
Ejemplo 7
Ejemplo 7
Distintas realizaciones del proceso X(t) = Acos((2/24)t+) siendo A
constante y una VA con distribucin U(-, ).
Es X(t) dbilmente estacionario?
10
1
d = 0
2
-10
-5
20
40
tiempo
60
35
36
Estadstica. Profesora Mara Durbn
Ejemplo 7
Ejercicio
1
d = 0
2
dbilmente estacionario
37
38
Estadstica. Profesora Mara Durbn
Procesos Estocsticos
M X =T lim
uuur
1
2T
X (t )dt =T lim
uuur T
AX =T lim
uuur
5 Ejemplos
1
2T
X (t ) X (t + )dt
Ambas son VA ya que toman valores distintos para cada realizacin del
proceso.
39
Estadstica. Profesora Mara Durbn
40
Estadstica. Profesora Mara Durbn
2T T
Ejemplo 7
Se considera el proceso X(t)=acos(wt)+bcos(wt), donde a y b son dos VA
independientes uniformemente distribuidas en [-1,1], estudie la
ergodicidad en media y autocorrelacin.
X = E [ a ] cos( wt ) + E [b ] sin wt = 0 + 0 = 0
T =
41
(a cos( wt ) + b sin wt )t =
sin( wT )
wT
1
RX ( ) = E [ X (t ) X (t + )] = cos( w )
3
1 T
1
X (t ) X (t + )t = (a 2 + b 2 ) cos( w )
uuur
T lim
2T T Profesora Mara Durbn
2
Estadstica.
Ergdico en media
uuur T = 0
T lim
lim
uuur T = 0
No es ergdico en
autocorrelacin
1
RX ( ) = E [ X (t ) X (t + ) ] = cos( w )
3
1 T
X (t ) X (t + )t
T
2T Estadstica.
Profesora Mara Durbn
sin( wT )
wT
X = E [ a ] cos( wt ) + E [b ] sin wt = 0 + 0 = 0
(a cos( wt ) + b sin wt )t =
Ejemplo 7
Sea considera el proceso X(t)=acos(wt)+bcos(wt), donde a y b son dos
VA independientes uniformemente distribuidas en [-1,1], estudiar la
ergodicidad en media y autocorrelacin.
1
2T
Procesos Estocsticos
T =
1
2T
5 Ejemplos
43
44
Estadstica. Profesora Mara Durbn
5 Ejemplos
5 Ejemplos
Proceso de Poisson
Procesos Gaussianos
x1
-1
45
46
-2
Ruido
-3
5 Ejemplos
-2
-1
tiempo
5 Ejemplos
Procesos Gaussianos
Procesos Autorregresivos
X (t ) = c + X (t 1) + t t ~ N (0, 2 )
E [ X (t ) ] =
=0.7
-4
-2
c
2
2
Var [ X(t) ] =
RX ( ) =
2
1
1
1 2
40
60
80
100
40
60
80
100
0.5
-2
-1
20
48
-3
47
Estadstica. Profesora Mara Durbn
0
20
Estadstica. Profesora
Mara Durbn