Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
MARZO 2023-AGOSTO 2023
NOMBRE DE LA ASIGNATURA CÓDIGO: 19336
CARGA HORARIA
COMPONENTES DEL APRENDIZAJE Horas / Semana Horas / Periodo Académico
PROFESOR(ES) RESPONSABLE(S):
SOLANO QUINDE LIZANDRO DAMIAN - (L.S.) ( lizandro.solano@ucuenca.edu.ec ) PRINCIPAL
DESCRIPCIÓN DE LA ASIGNATURA:
Resumen descriptivo en torno al propósito, la estrategia metodológica y el contenido fundamental de la asignatura.
Muchos de los sistemas que se presentan en la Ingenieria evolucionan o varian en el tiempo, (o en funcion de otra variable), siendo necesario su
caracterizacion, analisis y modelacion. Para un tiempo fijo t, un sistema o proceso es un fenomeno aleatorio que puede ser modelado mediante
variables aleatorias, de tal forma que el proceso puede entenderse como una sucesion de variables aleatorias, cuya evolucion temporal tambien
puede o no ser aleatoria. Desde el punto de vista de modelacion, un proceso estocastico se caracteriza por su funcion de densidad conjunta, de la
cual se puede deducir tanto el comportamiento de las variables aleatorias para tiempos especificos como la correlacion entre las mismas
(autocorrelacion). Esta asignatura esta orientada a identificar y caracterizar procesos estocasticos, con especial atencion a los procesos estacionarios.
Ademas se estudia la respuesta de un sistema lineal a una entrada estocastica. Entre los procesos estocasticos comunes se estudiaran los procesos
Gaussianos y su aplicación s diferentes problemas, particularmente los relacionados a los sistemas de comunicaciones. Como parte del analisis y
caracterizacion de los procesos se estudiara su representacion espectral. Asímismo, se procedera a dar una introduccion a los Procesos de Poisson y
las Cadenas de Markov en tiempo discreto.
REQUISITOS DE LA ASIGNATURA
Esta asignatura no tiene co-requisitos
PRE-REQUISITOS
Asignatura Código
OBJETIVO(S) DE LA ASIGNATURA:
Objetivos general y específicos de la asignatura en relación al Perfil de salida de la carrera.
Objetivo general: Lograr un adecuado entendimiento de lo que son los procesos estocasticos, sus propiedades y los distintos planteamientos
matematicos que permitan su aplicacion para modelacion y cadacterización de dichos procesos.
1
Objetivos especificos:
3. Analizar la salida de Sistemas Lineales e Invariantes en el Tiempo (LTI) cuando se aplican entradas estocasticas.
RESULTADOS O LOGROS DE
INDICADORES ESTRATEGIAS DE EVALUACIÓN
APRENDIZAJE
RdA1. Identificar y caracterizar procesos • Identifica procesos estocasticos y los • Evaluacion a traves de resolucion de
estocasticos y procesos estocasticos caracteriza mediante su esperanza ejercicios y problemas de aplicación
estacionarios matematica, varianza y funcion de
autocorrelacion. Sobre esta base diferencia • Generación de variables aleatorias y procesos
entre lo que son procesos estocasticos estocásticos a través de simulaciones
estacionarios en sentido estricto de procesos
estocasticos estacionarios en sentido amplio.
RdA2. Caracterizar la salida de un Sistema • Diferencia los sistemas invariantes en el • Evaluacion a traves de Resolucion de
Lineal e Invariante en el Tiempo (LTI) en funcion tiempo de sistemas lineales y su combinacion Ejercicios
del proceso estacástico de entrada sistemas lineales e invariantes en el tiempo
(LTI) • Resolucion de Ejercicios en Casa
RdA3. Llevar al dominio espectral o de • Determina la Densidad Espectral de Potencia • Evaluacion a traves de resolucion de
frecuencias un proceso estocastico para su (PSD) de un proceso estocastico, como la ejercicios y problemas de aplicación
analisis Transformada de Fourier de su Funcion de
Autocorrelacion • Determinación del PSD de procesos
estocásticos a través de simulaciones
• Aplica los conceptos de Funcion de
Autocorrelacion y su par Fourier, la Densidad
Espectral de Potencia, a los sistemas lineales e
invariantes en el tiempo.
RdA4. Identificar procesos Poisson y sus • Caracteriza un proceso Poisson simple, la • Evaluación de conceptos fundamentales a
diferentes aplicaciones suma de procesos Poisson, la seleccion través de ejercicios de aplicación
aleatoria de puntos de un proceso Poisson, la
seleccion sistematica de puntos y los procesos • Aplicación de conceptos en un problema de
Poisson compuestos Ingeniería
RdA5. Conocer las cadenas de Markov en • Identifica las propiedades de una cadena de • Evaluación de conceptos fundamentales a
tiempo discreto y sus aplicaciones Markov, caracterizandola por su matriz de través de ejercicios de aplicación
transicion de estados y su diagrama de
transicion de estados • Aplicación de conceptos en un problema de
Ingeniería
• Identifica procesos que pueden ser
modelados como una cadena de Markov
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. PROBABILIDAD Y VARIABLES ALEATORIAS
2
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. Espacio de probabilidades 1 APRENDIZAJE EN Revision de Teoria relacionada con 4 horas
CONTACTO CON EL Probabilidad y Variables Aleatorias
2. Probabilidad Condicional DOCENTE (ACD)
7. Momentos Conjuntos
3. SECUENCIAS ALEATORIAS
3
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
6. RESPUESTA DE SISTEMAS LINEALES A ENTRADAS ESTOCÁSTICAS
7. Wiener Filter
7. CADENAS DE MARKOV
8. PROCESOS POISSON
4
CRITERIO GENERAL DE ACREDITACIÓN PUNTAJE
PRUEBAS 25
TRABAJOS 25
EXAMENES 50
TOTAL: 100
DETALLE DE CRITERIOS DE
PUNTAJE / CRITERIO GENERAL
ACREDITACIÓN
APROVECHAMIENTO I
INTERCICLO
APROVECHAMIENTO II
FINAL
SUSPENSIÓN
C98
Total: 100
BÁSICA
2. Stark, H., Woods, J. W., Probability and Random Processes with applications to Signal Processing, Prentice Hall, 3er. Edition, 2002.
3. Miller, S,. Childers, D., Probability and Random Processes with Applications to Signal Processing and Communications, Academic Press, 2nd. Edition,
2007
COMPLEMENTARIA
1. Casella, G., Berger, R., Statistical Inference, Pacific Grove, CA, USA: 2002
2. Papoulis, A., and Pillai, S. U., Probability, Random Variables and Stochastic Processes. McGraw-Hill, 2002
3. Brown, R. G., Hwang, P., Introduction to Random Signals and Applied Kalman Filtering, Wiley, 1997.
5
Docente: SOLANO QUINDE LIZANDRO DAMIAN Director: ARAUJO PACHECO ALCIDES FABIAN