UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

PRÓ-REITORIA DE ENSINO

Disciplina: 1114109 - PROCESSOS ESTOCASTICOS Turma: 01 - Período: 2017.2

Ofertada por: 11140000 - UNID. ACAD. DE ESTATÍSTICA Créditos: 4 - CH: 60
Professores:
- BRUNO BARBOSA ALBERT

PLANO DE CURSO

EMENTA
Conceitos básicos de processos estocásticos. Processos aleatórios. Processos estacionários. Processos
ergódicos. Funções de correlação, autocorrelação e densidade espectral de potência. Processamento de
sinais aleatórios. Estimação. Processos aleatórios discretos. Introdução à teoria das filas. Aplicações.

I - OBJETIVOS
OBJETIVOS GERAIS
O obejtivo geral é complementar a disciplina de Probabilidade e Estatística.
OBJETIVOS ESPECÍFICOS
O objetivo específico é dotar o aluno da capacidade de resolver problemas de engenharia que envolvam
grandezas aleatórias

II - CONTEÚDO PROGRAMÁTICO
1ª UNIDADE: Revisão do conceito de espaço de probabilidades e vetores aleatórios. Exemplos. Definição de
processo aleatório. Classificação e exemplos.
2ª UNIDADE: Modelos de processos: processo de incrementos independentes, processos estacionários e
estacionários no sentido amplo, processos conjuntamente estacionários, processos ciclo-estacionários, cadeias
de Markov. Exemplos.
3ª UNIDADE: Propriedades da função de autocorrelaçãao de um processo estacionário no sentido amplo.
Exemplos. Passeios aleatórios com e sem restrição. Processo de média móvel autoregressivo. Exemplos.
4a UNIDADE: Revisão do conceito de convergência na média quadrática. Exemplo com seqüência de variáveis
aleatórias. Definições de continuidade, derivada e integral de um processo aleatório. Teoremas básicos.
Exemplos: taxa de cruzamento.
5a UNIDADE: Ergodicidade na média. Definição e exemplos. Teoremas básicos para ergodicidade. Exemplos.
6a UNIDADE: Processos gaussianos n-dimensionais. Propriedades, matriz de autocovarância. Exemplos.
7a UNIDADE: Resposta de sistemas lineares invariantes no tempo alimentados por processos aleatórios. Média,
autocorrelação da resposta de um sistema linear. Correlação cruzada. Exemplos
8a UNIDADE: Estimação linear. Definição do problema. Filtragem, predição e suavização. Princípio da
ortogonalidade. Exemplos. Filtragem causal. Solução no domínio da freqüência. Teoremas básicos. Exemplos.
Filtragem preditiva. Solução no domínio temporal discreto. Equações de Yule-Walker. Algoritmo recursivo.
Exemplo. Filtragem de suavizaçãoo. Solução no domínio da freqüência. Teorema básico. Caso de sinal mais
ruído. Exemplo. Filtragem de Kalman. Conceituação, teoremas, algoritmo e exemplo. Periodogramas. Definição e
propriedades. Suavização de periodogramas. Exemplo.
9a UNIDADE: Definições e classificação dos processos de Markov. Função de distribuição multidimensional.
Exemplos. Cadeias de Markov discretas no tempo (DTMC). Definições. Matriz de transição, distribuições de
probabilidade (marginais e conjuntas) associadas com uma DTMC. Exemplos. Classificação dos estados de uma
DTMC. Comportamento estacionário, acessibilidade, irreducibilidade, periodicidade, recorrência, principais
teoremas. Exemplos. Distribuições-limite e ergodicidade. Exemplos. Tempo de percurso e tempo de retorno.
Exemplos. Variação de um estado (drift) e ergodicidade. Principais teoremas e exemplos.

III - METODOLOGIA
Aulas expositivas usando quadro e slides. Listas de exercícios.
IV

IV - AVALIAÇÃO
3 avaliações discursivas
2 trabalhos
Minitestes
Desafios
Participação em sala de aula
Exame Final para os que não atingirem a média 7,0

V - REFERÊNCIAS BIBLIOGRÁFICAS
Francisco M. de Assis. Processos Aleatórios. Notas de aula, DEE - UFPB, Janeiro 2001.
Alberto Leon-Garcia. Probability, Statisitcs, and Random Processes for Electrical Engineering. 3a. Ed. Pearson
ISBN 0-13-147122-8, 2008.
Yannis Viniotis. Probability and Random Processes for Electrical Engineers. McGraw-Hill ISBN 0-07-067491-4,
New York, 1998.
A. Papoulis. Probability, Random Variables and Stochastic Processes. McGraw-Hill, Tokyo, 1981.
H. Hsu, Probability, Random Variables, \& Random Process. McGraw-Hill, 1997.
J. Albuquerque, J. Fortes e W. Finamore, Probabilidade, Variáveis Aleatórias e Processos Estocásticos.
Interciência/PUC-Rio, 2008.
Marcelo Sampaio de Alencar, Probabilidade e Processos Estocásticos, Érica, 2009