Ing.

Electrónica Procesos Estocásticos (ETN806)

Práctica: Estimación de Señal

Estimación de Señal
1
1. Sea R una variable aleatoria exponencial con valor esperado 𝜇. Si 𝑅 = 𝑟, sobre el intervalo
de longitud 𝑇 el número de llamadas telefónica 𝑁 que arriba a una central telefónica tiene
una PMF de Poisson con valor esperado 𝑟𝑇. Encuentre: a) el estimador Error Cuadrático
Medio Mínimo (MMSE) de 𝑅 dado 𝑁, 𝑟̂𝑀 (𝑛).
6(𝑦 − 𝑥); 0 ≤ 𝑥 ≤ 𝑦 ≤ 1
2. A partir de 𝑋 e 𝑌 que tienen una PDF conjunta: 𝑓𝑋,𝑌 (𝑥, 𝑦) = { .
0; 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Determine: a) la pdf marginales 𝑓𝑋 (𝑥) y 𝑓𝑌 (𝑦); b) el estimado sesgado de 𝑥̂𝐵 y 𝑦̂𝐵 , c) el
estimador de error cuadrático medio mínimo, 𝑥̂𝑀 (𝑦) = 𝐸[𝑋⁄𝑌 = 𝑦]; b) el estimador lineal
de error cuadrático medio mínimo: 𝑥̂𝐿 (𝑦) = 𝑎𝑦 + 𝑏
3. Sea 𝐗 un vector aleatorio de 3 dimensiones con 𝐸[𝐗] = 0𝑣 , y matriz de autocorrelación
𝑅𝑋 (𝑖, 𝑗) = 1 − 0.25|𝑖 − 𝑗|. Dado un vector aleatorio de dos dimensiones con:
𝑌1 = 𝑋1 + 𝑋2 𝑌
, use 𝐘 , para formar un estimador lineal de 𝑋̂1 = [𝑎̂1 𝑎̂2 ] [ 1 ] , y
𝑌2 = 𝑋2 + 𝑋3 𝑌2
determine: a) los coeficientes 𝑎̂1 y 𝑎̂2 , y el error, b) los coeficientes 𝑎 y 𝑏, para estimar 𝑋2
a partir de 𝑌2 , tal que: 𝑋̂2 = 𝑎𝑌2 + 𝑏
4. Sea 𝐗 un vector aleatorio de 3 dimensiones con 𝐸[𝐗] = 0𝑣 , y matriz de autocorrelación
𝐑𝑋 cuyos elementos son 𝑟𝑋 = (0.4)𝑘 . Use 𝑋1 y 𝑋2 para formar un estimador lineal de 𝑋3 :
𝑋̂3 = 𝑎1 𝑋1 + 𝑎2 𝑋2 , y determine: a) los coeficientes optimos, 𝑎̂1 y 𝑎̂2 , b) el error de
estimación 𝑒𝐿∗
5. Sea 𝑿 = [𝑋1 𝑋2 𝑋3 ]𝑻 un vector aleatorio con 𝐸[𝑿] = 0𝑣 y matriz de autocorrelación:
𝑅𝑋 [𝑘] = 1 − 0.4|𝑘|; 𝑘 = 0,1,2, y 𝑊 ruido gaussiano con 𝐸[𝑊] = 0 y 𝑅𝑊 [𝑘] = 0.5𝛿[𝑘] ;
donde 𝑋 o 𝑊 son independientes, y 𝐘 es un vector de 2 dimensiones con:
𝑌1 = 𝑋1 + 𝑋2 + 𝑊1 𝑌
. Realice la estimación lineal de 𝑋̂1 , tal que: 𝑋̂1 = [𝑎1 𝑎2 ] [ 1 ], para
𝑌2 = 𝑋2 + 𝑋3 + 𝑊2 𝑌2
hallar los coeficientes del estimador y el error cuadrático medio mínimo.
6. Considerando que se conoce una secuencia aleatoria 𝑋, que tiene un matriz de correlación
cuyos elementos son: 𝑟𝑋 [𝑘]. Si usamos una vector de observación: 𝐘 =
[𝑋1 𝑋2 𝑋3 𝑋4 ], para estimar el 𝑋 = 𝑋5 y 𝑋 = 𝑋6 . Encuentre: el estimador lineal
𝑠𝑒𝑛(0.25𝜋𝑘) 𝜋
LSME: 𝑋̂𝐿 (𝐘) = 𝒂𝑻 𝐘, para: a) 𝑟𝑋 [𝑘] = 0.25𝜋𝑘
, b) 𝑟𝑋 [𝑘] = 𝑐𝑜𝑠 ( 𝑘)
6

Teorema de Limite Central

7. La duración de una llamada telefónica celular es una variable aleatoria exponencia con
valor esperado de 150 minutos. Un suscriptor tiene un plan de llamadas que incluye 300
minutos por mes a un costo de 30 dolares mas 0,4 dolares por cada minuto que exceda el
total de llamadas de 300 minutos. En un cierto mes, el suscriptor tiene 120 llamadas de
celular. Se pide: a) usar el teorema de límite central para estimar la probabilidad de que el
suscriptor (usuario) facture más de 36 dolares (Asuma que la duración de las llamadas
telefónicas son mutuamente independientes y que la medición de la duración de llamadas
y su cargo, son sin redondeo, tomando el cuenta las fracciones por minutos.
Ing. Electrónica Procesos Estocásticos (ETN806)

8. En cualquier intervalo de un minuto, el número de requerimientos para una popular

página Web es una variable aleatoria de Poisson con valor esperado de 300
requerimientos. En este contexto, un servidor Web tiene una capacidad de C
requerimientos por minuto. Si el número de requerimientos en un intervalo de un minutos
es mayor que C, el servidor está sobrecargado. Use el teorema del límite central para
estimar el valor más pequeño de C para el cual la probabilidad de sobrecarga es menor
que 0.05.

BIBLIOGRAFIA

Papoulis Athanasios, “Introducción a la probabilidad, variables aleatorias y procesos

estocásticos”, Third Edition
Yates Ron D. y Goodman David J., “Probability and Stochastic Processes a Friedly
Introduction”, Second Edition, Jhon Wiley & Sons
Leon Garcia Alcon Leon Garcia “Probability, Statistic and Random Processes for
Electrical Engineering”, , Third Edition, Pearson Education.
“Theory and Problems of Probability, Random Variables, and Random Processes”,
Hwei Hsu, Schaum