Dado que la temperatura está cuantificada, podemos definir nuestro espacio de probabilidad

omega como:

Ω = {ri εR; iε[0, 255]εZ}

Es decir, el espacio omega estará compuesto por valores de temperaturas ri

pertenecientes a los reales, que se corresponden con un valor discreto de 0 a 255.
El sigma álgebra F, consiste en los siguientes intervalos de elementos de Ω
F (Ω) = {[0, 7], [8, 15], ..., [248, 255]}

El espacio de los reales está compuesto por los valores de cuantificación:

R = {ni ε[− 10, 50]; iε[0, 255]εZ}

n0 = − 10, n1 = − 10 + 0.234375, ... ni = ni−1 + 0.234375

Y el álgebra de Borel es el formado por el conjunto de los siguientes intervalos:

B (R) = {[− 10, − 10 + 7 * resolución], ...., [50 − 7 * resolución, 50]}

La función de probabilidad es dependiente de i y del tiempo t por ser un proceso

estocástico. Es decir que determina la probabilidad de que ocurra un valor de temperatura
asociado a i para un tiempo t determinado.
q i,t
P (i, t) = { 30 ε[0, 1]; iε[0, 255]εZ}
Donde el valor q i,t es la cantidad de sensores que registran un valor ri de temperatura en
un tiempo t, por lo tanto, al dividirlo por la cantidad total de sensores se obtiene la función
de probabilidad.

La esperanza de la temperatura en un instante de tiempo t estará dada por:

E (i, t) = ∑ P (i, t) ri
i

Especificación de algoritmo para obtener la función de distribución:

Considerando que son 30 sensores, definiendo intervalos de 8 valores (hay 256 valores
discretos que entregan los sensores), quedan 32 intervalos donde el valor sensado puede
caer.
Para obtener la función de distribución de densidad de probabilidad, basta obtener la
cantidad de valores censados que caen en cada intervalo y dividirlo por el número total de
sensores. De esta forma se obtiene la probabilidad de que la temperatura se encuentre en
determinado intervalo de temperatura.
El hecho de generar 32 intervalos disminuye la “resolución” de la función de probabilidad, a
continuación se representa gráficamente para tener un entendimiento intuitivo de lo que
esto representa:
Supongamos que la toma de muestras de temperatura ocurre en un tiempo mayor que el
necesario para el tratamiento de los datos censados. Obtendremos entonces la función de
distribución para cada instante discreto de tiempo t.

coleccion cuentaintervalo[31]
coleccion probabilidadintervalos[31]
coleccion tempreal[255]
coleccion promediointervalos[31]
a=0
b=8

Para i = 1 a 30
Tempi = Leer sensor(i) //valor de 0 a 255
Para x = 0 a 31 //determinamos a que intervalo pertenece cada medida y contamos
Si Tempi => a y Tempi <b
cuentaintervalo[x] = cuentaintervalo[x]+1
Para k = a a k=b-1 //determinamos el prom. del intervalo
suma= tempreal[k]
fin k
promediointervalos[x]=suma/8
a=b
b=b+8
 salir
fin x
fin i

Para z = 0 a 31 //determinamos la probabilidad que la temperatura pertenezca a cada

//intervalo
probabilidadintervalos[z] = cuentaintervalo[z]/30
//y la esperanza
Esperanza = probabilidadintervalos[z]*promediointervalos[z]
fin z

Determinemos ahora la probabilidad de que ocurra cada valor de temperatura (sin

intervalos):

coleccion cuenta[255]
coleccion probabilidad[255]
coleccion tempreal[255]
tempreal[0] = -10
Para k=1 a 255
tempreal[k] = tempreal[k-1] + 0.234375
fin k

Para i = 1 a 30
Tempi = Leer sensor(i) //valor de 0 a 255
Para x = 0 a 255 //
Si Tempi = x
cuenta[x] = cuenta[x]+1
salir;
fin x
fin i

Esperanza = 0

Para z = 0 a 255 //determinamos la probabilidad que la temperatura pertenezca a cada

//intervalo y la esperanza
probabilidad[z] = cuenta[z]/30
Esperanza = probabilidad[z]*tempreal[z]
fin z