EXAMEN DE MEJORAMIENTO DE PROBABILIDAD Y PROCESOS ESTOCASTICOS - FEB/2006 NOMBRE: Paralelo:

1.- Determine F o V (40 pts). Rellene el espacio de V o F completamente Dos v.a. ortogonales pueden ser independientes entre s Si X es una v.a. discreta que puede tomar valores negativos, entonces fx(x) siempre es positiva Si un P.E. es ruido blanco entonces la Sx(f) es una constante para todo f fx(x) es continua por la derecha La potencia promedio de un P.E. no es un valor estocstico o aleatorio En un sistema lineal se cumple que SY(f) = SX(f)*|H(f)|2 Si el P.E. x(t) es real, entonces Rx() = Rx(-) Si Sn es la suma de n variables aleatorias iid (Sn = X1+X2+Xn), entonces Var[Sn] = n Var[Xn] Ruido Blanco es un P.E. que siempre es WSS 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 es ergdico P.E WSS significa que tambin es estacionario de segundo orden Las calificaciones de 2 cursos de P&PE que tienen el mismo E(X) y X2, necesariamente son iguales 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 Un P.E. WSS no puede ser ergdico El teorema de Wiener-Khintinche establece que la transformada de Fourier de RX() es <SX(f)> La funcin de autocorrelacin en un P.E. tiende a un valor igual al [E(x)]2 cuando tiende a infinito 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 Un P.E.Gausiano puede ser visto como un conjunto de ensayos de Bernoulli independientes Si E[x5(t)] < x5(t)> , el P.E. no es ergdico Si Sn = X1+X2+Xn cuando n se hace grande, Sn se aproxima a una v.a. gausiana Un filtro puede ayudar para mejorar la relacin seal a ruido El P.E. One Shot tiene una sola funcin muestra del tiempo Si dos v.a. son ortogonales, entonces E(xy) = 0 Fx(x) siempre es positiva El P.E. de Wiener se usa para modelar el movimiento Browniano Dos v.a. no correlacionadas son independientes P[a < x b] = Fx(b-) - Fx(a-) Si x es una v.a. de Poisson con pk = (k/k!)e-, entonces Var[x] = a fx ( x , y ) y fx[ x / y = y ] = fy( y ) Si x es una v.a. contnua que toma valores en [a,b], entonces a E[x] b P[|x-m| k|] 1/k2 Si x,y son v.a independientes, entonces E[E[y/x]] = E[y] Si z=x+y, siendo x e y v.a. ortogonales, entonces fz(z) = fx(x) * fy(y) Si z=x+y siendo x e y v.a. independientes, entonces var[z] = var[x]+ var[y] V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) V( ) 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( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( ) F( )

E[ g (y) / M ] =

g ( y) f ( y / M )dy

Fxy(x,y) = P[x x; y y] = 1 P[x>x ; y>y]

x(w) = E[e-jwx]

2.- Dado X(t) un P.E. WSS con E[X(t)] = 2 y con S x(f)=rect(f), determine si el proceso Y(t) = 2X(t) {1+ cos[2(10)t + ]} 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). Determine si Y(t) es WSS (10pts). Determine y dibuje Sy(f) (15pts). Calcule la potencia de Y(t) (5 pts).

3.- Calcule P(x + y 1) dada la siguiente funcin densidad conjunta (30 pts): Ke-xe-y f(x,y) =

0xy<
De otro modo