EXAMEN DE MEJORAMIENTO DE PROBABILIDAD Y PROCESOS ESTOCASTICOS - FEB/2005 NOMBRE: Paralelo:

1.- Determine F o V (25 pts) Dos v.a. ortogonales son tambin independientes entre s -1 fx(x) 1 Dos v.a. no correlacionadas son independientes entre s Fx(x) es continua por la derecha P[a x < b] = Fx(b) - Fx(a-) La f.d.p. de Poisson corresponde a una v.a. contnua -1 E[x] 1 para cualquier v.a. x Fxy(x,y) = P[x x; y y] = 1 P[x>x ; y>y] Si z=x+y, siendo x e y no independientes, z(z) = x(x) y(y) Si el P.E. x(t) es real, entonces Sx(f) = Sx(-f) Si Sn es la suma de n variables aleatorias iid (Sn = X1+X2+Xn), entonces Var[Sn] = n2 Var[Xn] Ruido Blanco es un P.E. cuya Funcin de Autocorrelacin Rn() es una constante para todo En el P.E. Seal Telegrfica Aleatoria, los tiempos entre las transiciones son v.a. iid exponencial NO se puede calcular la Densidad espectral de potencia de un P.E. que no es WSS P.E WSS significa estacionario de segundo orden Los P.E. X(t) y Y(t) se dicen ortogonales si Cxy(t1,t2) = 0 Si el P.E. es iid y Sn = X1+X2+..+Xn, entonces P[Sn - Sn = y] = P[Sn-n = y] Un P.E. gausiano que es WSS tambin es estrictamente estacionario La funcin de autocorrelacin en un P.E. se define como Rx(t1,t2) = Cx(t1,t2) mx(t1) mx(t2) Un P.E. es un conjunto indexado de funciones del tiempo que tienen ciertas propiedades estadsticas El teorema de Wiener-Khintinche establece la relacin entre la funcin de Autocorrel. y la Potencia del P.E. La autocovarianza en un P.E. se define como Cx(t1,t2) = Rx(t1,t2) mx(t1) mx(t2) La funcin de autocorrelacin en un P.E. tiene un valor constante igual al [E(x)]2 V( ) La densidad espectral de potencia siempre es positiva Si X(t) tiene una componente sinusoidal, entonces Rx() tiene una comp. sinusoidal de la misma frecuencia V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) F( ) V( ) V( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( )

2.- Dado X(t) un P.E. WSS con E[X(t)] = a y con Sx(f), determine si el proceso Y(t) = 2X(t) cos(wot + ) es WSS sabiendo que es una v.a. con distribucin uniforme en (0,2) y es independiente de las v.a. definidas en X(t). Encuentre Sy(f) en trminos de Sx(f). (25pts) 3.- Calcule P(x + y < 1) dada la siguiente funcin densidad conjunta (25 pts): K(x2 + xy) f(x,y) =

0<x<y<2
De otro modo

0
Fx (x)
1

4.- Calcule P[1/4X<1], E[X], Var[X] (25 pts)

1/2

1/4 x
1