Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesos Aleatorios
La razón por la cual el proceso gaussiano se usa para definir el comportamiento del ruido
térmico es porque cuando una corriente se entrega en un circuito eléctrico también el
fenómeno del calentamiento provoca movimiento de electrones que se consideran como
corrientes pequeñas. Algunas propiedades de interés es su proceso matemático pues es
manejable y fácil en su aplicación.
X =C Y1x/2 +mx
Ahora la covarianza de X es
El paso más complicado es cuando se factoriza la matriz de covarianza Cx. Se
demostrará este procedimiento mediante el empleo de la distribución gaussiana.
echo on
mx=[0 0]';
x=multi-gpu(mx,Cx);
delta=0.3;
x1=-3:delta:3;
x2=-3:delta:3;
for i=1:length(x1),
for j=1:length(x2),
f(i,j)=(1/((2*pi)*det(Cx)^1/2))*exp((-1/2)*(([x1(i) x2(j)]-mx')*inv(Cx)*([x1(i);
x2(j)]-mx)));
echo off;
end;
end;
echo on
mesh(x1,x2,f);
Por definición un proceso Markov X (t) es un proceso aleatorio que no tiene influencia de
su pasado o de su futuro, siempre y cuando se especifique su presente,
N=1000;
M=50;
Rxav=zeros(1,M+1);
Ryav=zeros(1,M+1);
Sxav=zeros(1,M+1);
Syav=zeros(1,M+1);
for i=1:10,
X=rand(1,N)-(1/2);
Y(1)=0;
for n=2:N,Y(n)=0.9*Y(n-
1)+X(n); end;
Rx=Rx_est(X,M);
Ry=Rx_est(Y,M);
Sx=fftshift(abs(fft(Rx)));
Sy=fftshift(abs(fft(Ry)));
Rxav=Rxav+Rx;
Ryav=Ryav+Ry;
Sxav=Sxav+Sx;
Syav=Syav+Sy;
echo off;
end;
echo on;
Rxav=Rxav/10;
Ryav=Ryav/10;
Syav=Sxav/10;
Sxav=Syav/10
Comunicación Digital
Para poder comprender la probabilidad estimada de un proceso que está relacionada con
una variable aleatoria se considera
Y=M+G
Yi, i=1,2,...,N que son menos que cero y se divide por el número total N de
variables aleatorias.
P (m) se considera como una función de variables aleatorias Xi , i =1,2,...,N , las cuales
también son variables aleatorias. Para determinar como aproximar esta estimación para
valores verdaderos de P (m) se calcula el valor medio y la varianza.