procesos-aleatorios
DESCRIPTION
EstocásticaTRANSCRIPT
-
Procesos Aleatorios
Dr. Boris Ramos
-
Procesos Aleatorios
Existen 2 tipos de modelos matemticos acerca de fenmenos fsicos:
Deterministicos Estocsticos
Un modelo es Deterministico si no hay incertidumbre acerca de su comportamiento dependiente del tiempo en cualquier instante.
Un modelo es Estocstico puede ser descrito en trminos probabilsticos, es la probabilidad de que un valor futuro se encuentre entre 2 limites especficos.
-
Procesos Aleatorios
No es posible predecir el valor exacto de una seal aleatoria. Sin embargo, es posible describirla en parmetros estadsticos como:
Potencia Promedio
Densidad Espectral de Potencia.
PROPIEDADES DE LOS PROCESOS ALEATORIOS
1. Son funciones del tiempo
2. No es posible definir con anticipacin y exactitud las formas de la seal (experimentales) que se observaran en el futuro.
-
Procesos Aleatorios
-
Procesos Aleatorios
El espacio muestral compuesto por
varias funciones (aleatorias) de
tiempo se denomina PROCESO
ALEATORIO O ESTOCSTICO.
-
Procesos Aleatorios CONJUNTO DE FUNCIONES DE LA
MUESTRA
-
Procesos Aleatorios
A cada punto S del espacio muestral se le asigna una funcin de tiempo de acuerdo con la regla
Para un punto fijo Sj de la muestra, la funcin de tiempo t recibe el nombre de funcin de la muestra y se denota como:
Una variable aleatoria se constituye por el conjunto de nmeros que se observan para un tiempo fijo tk (dentro del intervalo de informacin):
}{}{ , ,....,, ,, ,...., , 221121 nknkkknkk StXStXStXtXtXtX
TtTstX - ;,
jj stXtx ,
-
Procesos Aleatorios
El grupo o familia de variables aleatorias {X(t, s)} constituyen un proceso aleatorio. Tambin se puede suprimir la S y simplemente utilizar X(t) para denotar un proceso aleatorio.
DIFERENCIAS ENTRE PROCESOS Y VARIABLES ALEATORIAS
Para una variable aleatoria el resultado de un experimento aleatorio se transforma en un numero.
El resultado de un proceso aleatorio se transforma en una forma de onda que es una funcin del tiempo.
-
Procesos Aleatorios Procesos Estacionarios
Dr. Boris Ramos
-
Procesos Estacionarios
Si un proceso aleatorio es dividido en varios intervalos de tiempo, y las distintas secciones de este exhiben en esencia las mismas propiedades estadsticas, este ser ESTACIONARIO.
Un proceso aleatorio X(t) iniciado en t=- es estrictamente estacionario, si las Funciones de Distribucin Conjuntas de cualquier conjunto de variables aleatorias obtenidas al observar el proceso aleatorio X(t), es invariante con respecto a la ubicacin del origen t=0. Esto es:
para todo , k, y todas la elecciones de los tiempos de observacin t1,.,tk
ktkXtXktkXtX XXFXXF ,.....,..... 1......11......1
-
Procesos Estacionarios
Se puede afirmar que 2 procesos aleatorios X(t) y Y(t) son en conjunto estrictamente estacionarios, si las Funciones de Distribucin Conjuntas de los 2 conjuntos de variables aleatorias X(t1),.X(tk) y Y(t1),..Y(tj), son invariables con respecto al origen t=0, para todas las elecciones de los tiempos de observacin t1,..tk y t1,.tj
-
Procesos Estacionarios
Propiedades de los Procesos Estacionarios
Dado:
Para k=1, tenemos que la Funcin Distribucin de Primer Orden de un Proceso Aleatorio Estacionario es independiente del tiempo:
Para k=2 y =-t1, tenemos que la Funcin Distribucin de Segundo Orden de un Proceso Aleatorio Estacionario solo depende de la diferencia de tiempo entre la observacin y no de los particulares.
ktkXtXktkXtX XXFXXF ,.....,..... 1.....11.....1
y t todopara ;XFXF tXtX
2121,021, y t t todopara ;,, 1221 XXFXXF ttXXtXtX
-
Procesos Estacionarios
PROBABILIDAD DE UN EVENTO CONJUNTO
-
Procesos Estacionarios
CONCEPTO DE ESTACIONARIEDAD
-
MEDIA, CORRELACION Y COVARIANZA
Considere un proceso aleatorio estrictamente estacionario.
La media del proceso X(t) se define como el valor esperado de la variable aleatoria obtenida al observar el proceso en algn tiempo t.
Hemos visto que FX(t)(x)=FX(x) no es funcin del tiempo por lo
que X(t)(x) tambin es independiente del tiempo. Entonces la media de un proceso aleatorio estrictamente estacionario es una constante.
dxxxf
tX
tXtX
tX
tXtX todopara ;
-
MEDIA, CORRELACION Y COVARIANZA
La funcin auto correlacin del proceso X(t) es el valor esperado del producto de 2 variables aleatorias X (t1) y X (t2), obtenido al observar el proceso X (t) en los tiempos t1 y t2. De la siguiente manera:
Donde X(t1), X(t2)(x1, x2) es la funcin densidad de
probabilidad de segundo orden del proceso. Este
depende de la diferencia de los tiempos t2 - t1
2121,2121
2121
),(,
,
21dxdxxxxxfxxttR
tXtXttR
ttX
X
-
MEDIA, CORRELACION Y COVARIANZA
La funcin auto correlacin se puede reescribir de la siguiente manera:
La funcin auto covarianza de un proceso estrictamente estacionario se define:
Los procesos aleatorios que satisfacen las ecuaciones (X, Rx(t2-t1), Cx(t2-t1)) se conocen como procesos dbilmente estacionarios o procesos estacionarios
211221 y todopara ;, ttttRttR XX
212
2121,
XX
XXX
ttR
tXtXttC
-
FUNCIN DE AUTO CORRELACIN
-
FUNCIN DE AUTO CORRELACIN
-
FUNCIN DE CORRELACIN CRUZADA
-
Transmisin de un Proceso Aleatorio a
travs de un Filtro Lineal Invariante en el
Tiempo
111 dtXhtY
Se puede derivar lo siguiente:
0HtYt
x
Y
-
Transmisin de un Proceso Aleatorio a
travs de un Filtro Lineal Invariante en el
Tiempo La funcin de auto correlacin del proceso aleatorio a
la salida:
Cuando la entrada X(t) es un proceso estacionario, el
sistema es estable, y el valor cuadrtico medio E[X2(t)]
es finito se tiene:
Puesto que RY(0) = E[Y2(t)] tenemos:
uYtYutRY ,
212121 ddRhhR XY
2112212 ddRhhtY X
-
Densidad Espectral de
Potencia
La Densidad Espectral de Potencia o Espectro de Potencia del Proceso Estacionario X(t) se define como:
El valor cuadrtico medio del proceso de salida es:
dfjRfHdftY
ddRhhtY
X
X
2exp22
211221
2
dfjRfS XX
2exp
dffSfHtY X22
-
Densidad Espectral de Potencia
de Un Filtro de Banda Angosta
Si f es mucho mas pequeo que fc y Sx(fc) (densidad espectral de potencia evaluada en f=fc) es una funcin
continua tenemos:
cX fSftY 22
-
Relacin Entre Densidades Espectrales de
Potencia de Procesos Aleatorios de Entrada
y Salida
Al hacer - 1 + 2 = o y = o + 1 - 2
Lo que nos da: La densidad espectral de potencia del proceso de
salida es igual a la densidad espectral de potencia del proceso de entrada X(t) multiplicado por la magnitud de la respuesta en frecuencia del filtro al cuadrado.
dddfjRhh
dfjRfS
X
YY
212121 2exp
2exp
fSfHfHfS XY *
fSfHfS XY2
-
Procesos Aleatorios Procesos Gaussiano (PG)
Dr. Boris Ramos
-
Proceso Gaussiano (PG)
Definamos a Y como una funcional lineal del proceso
aleatorio X(t) de la sgte. manera:
Donde g(t) es una funcin que sirve para ponderar el
proceso aleatorio X(t)
El proceso X(t) es Gaussiano si cada funcional lineal de
X(t) (esto es Y) es una variable aleatoria Gaussiana.
Decimos que la variable aleatoria Y tiene una
distribucin Gaussiana, si su funcin densidad esta
definida como:
T
dttXtgY0
2
2
2exp
2
1
Y
Y
Y
Y
yyf
-
Proceso Gaussiano (PG)
-
Proceso Gaussiano (PG)
-
Proceso Gaussiano (PG)
Propiedad #1
Si se aplica un proceso Gaussiano
X(t) a un filtro lineal e invariante en el
tiempo, entonces el proceso aleatorio
Y(t) que se desarrolla a la salida
tambin es Gaussiano.
-
Proceso Gaussiano (PG)
Propiedad #2 Consideremos el conjunto de variables aleatorias X(t1), X(t2),
X(t3), ., X(tn), obtenido al observar un proceso aleatorio X(t) en los tiempos t1, t2, t3, , tn.
Si el proceso X(t) es Gaussiano, entonces ese conjunto de variables aleatorias es Gaussiano conjuntamente para toda n, entonces su funcin densidad de probabilidad conjunta ensima est determinada al especificar completamente el conjunto de medias:
Y el conjunto de funciones de covarianza:
n ...., 2, 1,i ; itX tXi
n ...., 2, 1,ik, ; tiXitiXkikX tXtXttC
-
Proceso Gaussiano (PG)
Propiedad #3
Si un proceso Gaussiano es
estacionario, entonces el proceso
tambin es estrictamente estacionario.
-
Proceso Gaussiano (PG)
Propiedad #4
Si las variables aleatorias obtenidas al observar un proceso Gaussiano X(t) en los tiempos t1, t2, ., tn, no estn correlacionadas, esto es:
Entonces las variables aleatorias son independientes estadsticamente.
ki para
,0
tiXitkXkik tXtXtXtXCov
-
Proceso Gaussiano (PG)
Propiedad #4
Entonces las funciones densidad de
probabilidad de las variables aleatorias
individuales del conjunto, pueden
expresarse como:
2
2
21 2
exp2
1
i
xii
i
ixi
xxf