Práctica dirigida

Problema 1 Un proceso aleatorio se define mediante 𝑋(𝑡) = 𝐴, donde 𝐴 es una variable aleatoria continua
uniformemente distribuido en (0,1).

(a) Determinar la forma de las funciones muestra.

(b) Clasificar el proceso

(c) ¿Es determinista?

Solución:

𝐴~𝑈(0,1)
Su función de densidad es de la forma
1 0≤𝑥≤1
𝑓𝐴 (𝑥) = {
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Su función de distribución
0 𝑥<0
𝐹𝐴 (𝑥) = {𝑥 0≤𝑥<1
1 1≤𝑥
(a) Cada función de muestra es una constante en el tiempo

(b) 𝑋(𝑡) es un proceso aleatorio continuo porque proviene de una variable aleatoria continua uniformemente
distribuido.

(c) El proceso es determinista por que se puede predecir el resultado.

6.2-1 Las funciones muestra de un proceso aleatorio discreto son constantes; es decir,

𝑋(𝑡) = 𝐶 = 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒
Donde 𝐶 es una variable aleatoria discreta que tiene los posibles valores 𝑐1 = 1, 𝑐2 = 2 y 𝑐3 = 3, que ocurren con
las probabilidades 0.6; 0.3 y 0.1; respectivamente.

(a) ¿Es 𝑋(𝑡) determinista?

(b) Hallar la función densidad de primer orden de 𝑋(𝑡) en cualquier instante 𝑡.

Solución:

(a) 𝑋(𝑡) determinista pues se pueden predecir los valores futuros de cualquier función muestra a partir de
valores anteriores, ya que 𝐶 es una constante.

(b) 𝑓𝑋 (𝑥) = 0.6𝛿(𝑥 − 1) + 0.3𝛿(𝑥 − 2) + 0.1𝛿(𝑥 − 3)

Dado que un proceso aleatorio para cualquier instante es solo una variable aleatoria.
Problema 2

Sean 𝐴 y 𝐵 variables aleatorias independientes, donde 𝐴 se distribuye exponencialmente con media 4 y 𝐵 se

distribuye uniformemente en el intervalo (0; π/2). Considera el proceso estocástico 𝑋(𝑡) definido como:
𝐴
𝑋(𝑡) = 𝑒 − 2 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)
a) Calcula la media y la autocorrelación estadísticas del proceso 𝑋(𝑡).

b) ¿Es el proceso estacionario en sentido débil?

c) Comprueba si el proceso 𝑋(𝑡) es ergódico en media y en autocorrelación.

Utilizar las siguientes identidades:

1
𝑐𝑜𝑠(𝛼)𝑐𝑜𝑠(𝛽) = [𝑐𝑜𝑠(𝛼 − 𝛽) + 𝑐𝑜𝑠(𝛼 + 𝛽)]
2
1
𝑐𝑜𝑠(𝛼)𝑠𝑒𝑛(𝛽) = [𝑠𝑒𝑛(𝛼 + 𝛽) − 𝑠𝑒𝑛(𝛼 − 𝛽)]
2
𝑠𝑒𝑛(𝛼 ± 𝛽) = 𝑠𝑒𝑛(𝛼)𝑐𝑜𝑠(𝛽) ± 𝑐𝑜𝑠(𝛼)𝑠𝑒𝑛(𝛽)
Solución:

Por dato se tiene que 𝐴~𝐸𝑥𝑝(𝜆 = 1/4) y 𝐵~𝑈(0, 𝜋/2)

Donde la función densidad es:

1 −1𝑎 2 𝜋
0<𝑏<
𝑓𝐴 (𝑎) = {4 𝑒 𝑎>0
4
y 𝑓𝐵 (𝑏) = {𝜋 2
0 𝑎≤0 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
a) Las variables aleatorias 𝐴 y 𝐵 son independientes, la media del proceso queda expresado como sigue:
𝐴 𝐴
𝐸[𝑋(𝑡)] = 𝐸 [𝑒 −2 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)] = 𝐸 [𝑒 −2 ] 𝐸[𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)]

Calculando,
∞ 𝑎1
𝐴 1 1
𝐸 [𝑒 − 2 ] = ∫ 𝑒 −2 𝑒 −4𝑎 𝑑𝑎 =
0 4 3
𝜋
2 2
𝐸[𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)] = ∫ 𝑐𝑜𝑠(𝜋𝑡 + 4𝑏) 𝑑𝑏 = 0
0 𝜋

Reemplazando valores en
1
𝐸[𝑋(𝑡)] = (0) = 0
3
La función de autocorrelación es:
𝐴 𝐴
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏)] = 𝐸 [𝑒 − 2 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)𝑒 − 2 𝑐𝑜𝑠(𝜋(𝑡 + 𝜏) + 4𝐵)]

𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑒 −𝐴 ]𝐸[𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)𝑐𝑜𝑠(𝜋(𝑡 + 𝜏) + 4𝐵)]

Calculando para
∞
1 1 1
𝐸[𝑒 −𝐴 ] = ∫ 𝑒 −𝑎 𝑒 −4𝑎 𝑑𝑎 =
0 4 5
Usando la identidad trigonométrica:
1
𝑐𝑜𝑠(𝛼)𝑐𝑜𝑠(𝛽) = [𝑐𝑜𝑠(𝛼 − 𝛽) + 𝑐𝑜𝑠(𝛼 + 𝛽)]
2
1 1
𝐸[𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)𝑐𝑜𝑠(𝜋(𝑡 + 𝜏) + 4𝐵)] = 𝐸 [ 𝑐𝑜𝑠(𝜋𝜏) + 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝐵)]
2 2
1 1 1 1
= 𝐸 [ 𝑐𝑜𝑠(𝜋𝜏)] + 𝐸 [ 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝐵)] = 𝑐𝑜𝑠(𝜋𝜏) + 𝐸 [ 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝐵)]
2 2 2 2
𝜋 𝜋
𝑏=
1 1 2 2 1 1 1 2
= 𝑐𝑜𝑠(𝜋𝜏) + ∫ 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝑏) 𝑑𝑏 = 𝑐𝑜𝑠(𝜋𝜏) + [ 𝑠𝑒𝑛(𝜋(2𝑡 + 𝜏) + 8𝑏)]
2 2 0 𝜋 2 𝜋 8 𝑏=0

1 1 1
= 𝑐𝑜𝑠(𝜋𝜏) + [𝑠𝑒𝑛(𝜋(2𝑡 + 𝜏) + 4𝜋) − 𝑠𝑒𝑛(𝜋(2𝑡 + 𝜏))] = 𝑐𝑜𝑠(𝜋𝜏) + 0
2 8𝜋 2

Por lo tanto, reemplazando valores en:

1
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝑐𝑜𝑠(𝜋𝜏)
10

b) El proceso 𝑋(𝑡) es débilmente estacionario, dado que 𝐸[𝑋(𝑡)] no depende de 𝑡 y 𝑅𝑋 (𝑡, 𝑡 + 𝜏) sólo depende
de 𝜏.

c) La media y la autocorrelación temporal están dadas por:

El promedio temporal

1 𝑇
𝑥̅ = 𝐴[𝑥(𝑡)] = lim ∫ 𝑥(𝑡)𝑑𝑡
𝑇→∞ 2𝑇 −𝑡

1 𝑇 −𝐴 𝐴 1 𝑇
𝑀𝑋 = lim ∫ 𝑒 2 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)𝑑𝑡 = 𝑒 − 2 lim ∫ 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵) 𝑑𝑡
𝑇→∞ 2𝑇 −𝑇 𝑇→∞ 2𝑇 −𝑇

𝑡=𝑇
𝐴 1 1 𝐴 1
= 𝑒 − 2 lim [ 𝑠𝑒𝑛(𝜋𝑡 + 4𝐵)] = 𝑒 −2 lim [𝑠𝑒𝑛(𝜋𝑇 + 4𝐵) − 𝑠𝑒𝑛(−𝜋𝑇 + 4𝐵)]
𝑇→∞ 2𝑇 𝜋 𝑡=−𝑇 𝑇→∞ 2𝜋𝑇

Utilizando la propiedad trigonométrica:

1
𝑐𝑜𝑠(𝛼)𝑠𝑒𝑛(𝛽) = [𝑠𝑒𝑛(𝛼 + 𝛽) − 𝑠𝑒𝑛(𝛼 − 𝛽)]
2
𝐴 1 𝐴 𝑠𝑒𝑛(𝜋𝑇)
𝑒 − 2 lim [2𝑐𝑜𝑠(4𝐵)𝑠𝑒𝑛(𝜋𝑇)] = 𝑒 − 2 𝑐𝑜𝑠(4𝐵) lim =0
𝑇→∞ 2𝜋𝑇 𝑇→∞ 𝜋𝑇
La función temporal de autocorrelación

1 𝑇
ℜ𝑥𝑥 (𝜏) = 𝐴[𝑥(𝑡)𝑥(𝑡 + 𝜏)] = lim ∫ 𝑥(𝑡)𝑥(𝑡 + 𝜏)𝑑𝑡
𝑇→∞ 2𝑇 −𝑡

1 𝑇 −𝐴 𝐴
𝐴𝑋 = lim ∫ 𝑒 2 𝑐𝑜𝑠(𝜋𝑡 + 4𝐵)𝑒 − 2 𝑐𝑜𝑠(𝜋(𝑡 + 𝜏) + 4𝐵) 𝑑𝑡
𝑇→∞ 2𝑇 −𝑇
Utilizando la propiedad trigonométrica:
1
𝑐𝑜𝑠(𝛼)𝑐𝑜𝑠(𝛽) = [𝑐𝑜𝑠(𝛼 − 𝛽) + 𝑐𝑜𝑠(𝛼 + 𝛽)]
2
1 𝑇1
= 𝑒 −𝐴 lim ∫ [𝑐𝑜𝑠(−𝜋𝜏) + 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝐵)] 𝑑𝑡
𝑇→∞ 2𝑇 −𝑇 2

1 1 𝑇
= 𝑒 −𝐴 lim [𝑇𝑐𝑜𝑠(𝜋𝜏) + ∫ 𝑐𝑜𝑠(𝜋(2𝑡 + 𝜏) + 8𝐵) 𝑑𝑡]
𝑇→∞ 2𝑇 2 −𝑇
𝑡=𝑇
1 −𝐴 1 −𝐴 1 1
= 𝑒 𝑐𝑜𝑠(𝜋𝜏) + 𝑒 lim [ 𝑠𝑖𝑛(𝜋(2𝑡 + 𝜏) + 8𝐵)]
2 2 𝑇→∞ 2𝑇 2𝜋 𝑡=−𝑇

1 1 1
= 𝑒 −𝐴 𝑐𝑜𝑠(𝜋𝜏) + 𝑒 −𝐴 lim [𝑠𝑖𝑛(𝜋(2𝑇 + 𝜏) + 8𝐵) − 𝑠𝑖𝑛(𝜋(−2𝑇 + 𝜏) + 8𝐵)]
2 2 𝑇→∞ 4𝜋𝑇

Utilizando la propiedad trigonométrica:

1
𝑐𝑜𝑠(𝛼)𝑠𝑒𝑛(𝛽) = [𝑠𝑒𝑛(𝛼 + 𝛽) − 𝑠𝑒𝑛(𝛼 − 𝛽)]
2
1 1 1
= 𝑒 −𝐴 𝑐𝑜𝑠(𝜋𝜏) + 𝑒 −𝐴 lim [2𝑐𝑜𝑠(𝜋𝜏 + 8𝐵)𝑠𝑒𝑛(2𝜋𝑇)]
2 2 𝑇→∞ 4𝜋𝑇

1 1 𝑠𝑒𝑛(2𝜋𝑇) 1 −𝐴
= 𝑒 −𝐴 𝑐𝑜𝑠(𝜋𝜏) + 𝑒 −𝐴 𝑐𝑜𝑠(𝜋𝜏 + 8𝐵) lim = 𝑒 𝑐𝑜𝑠(𝜋𝜏) + 0
2 2 𝑇→∞ 2𝜋𝑇 2
Por lo tanto, el proceso 𝑋(𝑡) es ergódico en media, porque 𝑀𝑋 = 𝐸[𝑋(𝑡)], pero no en autocorrelación, ya que 𝐴𝑋 ≠
𝑅𝑋 (𝑡, 𝑡 + 𝜏)

Problema 1

Sea 𝑋(𝑡) = 𝑁(𝑡)/𝑡 un proceso estocástico definido en términos del proceso de Poisson 𝑁(𝑡) que mide el
número de sucesos que ocurren en el intervalo (0; 𝑡); con parámetro 𝜆 y función de autocorrelación dada
por 𝑅𝑁 (𝑡, 𝑡 + 𝜏) = 𝜆𝑡 + 𝜆2 𝑡(𝑡 + 𝜏); si 𝜏 > 0:

(a) Clasifique el proceso 𝑋(𝑡) según su espacio de estados y su espacio de tiempos.

(b) Calcule 𝐸[𝑋(𝑡)] y 𝑅𝑋 (𝑡, 𝑡 + 𝜏) si 𝜏 > 0

(c) Estudie la estacionariedad en sentido débil de 𝑋(𝑡)

Solución:

(a) 𝑋(𝑡) es un proceso estocástico continuo en ambos espacios (tiempos y de estados).

(b) Para calcular:

1 1
𝐸[𝑋(𝑡)] = 𝐸[𝑁(𝑡)/𝑡] = 𝑡 𝐸[𝑁(𝑡)] = 𝑡 𝜆𝑡 = 𝜆 (constante en 𝑡)

Para calcular:

𝑁(𝑡) 𝑁(𝑡 + 𝜏) 1
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏)] = 𝐸 [ ]= 𝐸[𝑁(𝑡)𝑁(𝑡 + 𝜏)]
𝑡 𝑡+𝜏 𝑡(𝑡 + 𝜏)
1 1 𝜆
= 𝑅𝑁 (𝑡, 𝑡 + 𝜏) = [𝜆𝑡 + 𝜆2 𝑡(𝑡 + 𝜏)] = 𝜆2 +
𝑡(𝑡 + 𝜏) 𝑡(𝑡 + 𝜏) 𝑡+𝜏
(la expresión depende de 𝑡)

(c) 𝑋(𝑡) cumple la primera condición para ser estacionario en sentido débil (es decir, 𝐸[𝑋(𝑡)] no depende de
𝜆
𝑡). Sin embargo, dado que 𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝜆2 + 𝑡+𝜏, 𝑋(𝑡) no satisface la segunda condición (ya que
𝑅𝑋 (𝑡, 𝑡 + 𝜏) depende del tiempo a través de 𝑡 y no únicamente 𝜏). Por lo tanto; 𝑋(𝑡) no es estacionario en
sentido débil.

Problema 3

Indique la veracidad o falsedad de la siguiente afirmación. En caso de que sea verdadero demostrarlo y en caso de
que sea falsas dar un contraejemplo o su valor correcto:

Sea 𝑋(𝑡) un proceso Gaussiano que verifica: 𝐸[𝑋(𝑡)] = 6 y 𝑅𝑋 (𝜏) = 36 + 25𝑒 −|𝜏| . Entonces, el proceso es
estacionario en sentido débil, en sentido fuerte (o estricto) y su potencia (𝐸[𝑋 2 (𝑡)]) es 61

Solución:

Es verdadero. El proceso es estacionario en sentido débil ya que la media es constante y la autocorrelación sólo
depende de 𝜏. Es estacionario en sentido fuerte, ya que, al ser un proceso Gaussiano, estacionariedad en sentido
débil y fuerte son equivalentes, y la potencia es 61 ya que la potencia está definida como:

𝐸[𝑋 2 (𝑡)] = 𝑅𝑋 (𝜏 = 0) = 36 + 25𝑒 0 = 61

Problema 4

Sea el proceso estocástico:

𝑍(𝑡) = 𝑋𝑠𝑒𝑛(2𝜋𝑡 + Φ) + 𝑌𝑐𝑜𝑠(2𝜋𝑡)

Con 𝑋, 𝑌 y Φ variables aleatorias independientes; 𝑋~𝑁(0, 1), Φ~Uniforme(0, 2𝜋) e 𝑌 discreta con función de
probabilidad 𝑃(𝑌 = −1) = 0.25, 𝑃(𝑌 = 0) = 0.5 y 𝑃(𝑌 = 1) = 0.25.

(a) Calcular la media estadística de 𝑍(𝑡).

(b) Calcular la función de autocorrelación de 𝑍(𝑡).

(c) ¿Es 𝑍(𝑡) débilemente estacionario?

Identidades trigonométricas:

𝑐𝑜𝑠(𝛼 ± 𝛽) = 𝑐𝑜𝑠(𝛼)𝑐𝑜𝑠(𝛽) ∓ 𝑠𝑒𝑛(𝛼)𝑠𝑒𝑛(𝛽)

𝑠𝑒𝑛(𝛼 ± 𝛽) = 𝑠𝑒𝑛(𝛼)𝑐𝑜𝑠(𝛽) ± 𝑐𝑜𝑠(𝛼)𝑠𝑒𝑛(𝛽)
Solución:

(a) Por dato se tiene que 𝑋, 𝑌 y Φ variables aleatorias independientes, y que 𝐸[𝑋] = 0,

𝐸[𝑌] = (−1)(0.25) + (0)(0.5) + (1)(0.25) = 0

Luego para:
𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
𝐸[𝑍(𝑡)] = 𝐸[𝑋𝑠𝑒𝑛(2𝜋𝑡 + Φ) + 𝑌𝑐𝑜𝑠(2𝜋𝑡)] =
⏞ 𝐸[𝑋]𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)] + 𝐸[𝑌]𝐸[𝑐𝑜𝑠(2𝜋𝑡)]
=0
(b) La función de autocorrelación de 𝑍(𝑡) es:
 𝑅𝑍 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑍(𝑡)𝑍(𝑡 + 𝜏)]

= 𝐸 [(𝑋𝑠𝑒𝑛(2𝜋𝑡 + Φ) + 𝑌𝑐𝑜𝑠(2𝜋𝑡)) (𝑋𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ) + 𝑌𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏)))]

Sea:

𝐴 = 𝑠𝑒𝑛(2𝜋𝑡 + Φ) 𝐵 = 𝑐𝑜𝑠(2𝜋𝑡) 𝐶 = 𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ) 𝐷 = 𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))

= 𝐸[(𝑋𝐴 + 𝑌𝐵)(𝑋𝐶 + 𝑌𝐷)] = 𝐸[𝑋 2 𝐴𝐶 + 𝑋𝑌𝐴𝐷 + 𝑌𝑋𝐵𝐶 + 𝑌 2 𝐵𝐷]

Por dato del problema se conoce que 𝑋 e 𝑌 son independientes, entonces 𝐸[𝑋𝑌] = 𝐸[𝑋]𝐸[𝑌]

= 𝐸[𝑋 2 ]𝐸[𝐴𝐶] + 𝐸[𝑋]𝐸[𝑌]𝐸[𝐴𝐷] + 𝐸[𝑌]𝐸[𝑋]𝐸[𝐵𝐶] + 𝐸[𝑌 2 ]𝐸[𝐵𝐷]

Se hace cálculos previos en:

𝐸[𝑋 2 ] = 𝑉𝑎𝑟[𝑋] + (𝐸[𝑋])2 = 1 + 02 = 1

𝐸[𝑌 2 ] = (−1)2 (0.25) + (0)2 (0.5) + (1)2 (0.25) = 0.5

Reemplazando
𝑖𝑛𝑑
⏞ 𝐸[𝑋 2 ]𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)] + 𝐸[𝑋]𝐸[𝑌]𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)]𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))
=
+ 𝐸[𝑋]𝐸[𝑌]𝐸[𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)]𝑐𝑜𝑠(2𝜋𝑡) + 𝐸[𝑌 2 ]𝑐𝑜𝑠(2𝜋𝑡) 𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))

= (1)𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)] + (0)(0)𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)]𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))

+ (0)(0)𝐸[𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)]𝑐𝑜𝑠(2𝜋𝑡) + (0.5) 𝑐𝑜𝑠(2𝜋𝑡) 𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))

𝑅𝑍 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)] + (0.5)𝑐𝑜𝑠(2𝜋𝑡) 𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))

Para hallar la esperanza por definición para la variable aleatoria Φ:

2𝜋
1
𝐸[𝑠𝑒𝑛(2𝜋𝑡 + Φ)𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + Φ)] = ∫ [𝑠𝑒𝑛(2𝜋𝑡 + 𝜙)𝑠𝑒𝑛(2𝜋(𝑡 + 𝜏) + 𝜙)] 𝑑𝜙
0 2𝜋

Aplicando la identidad trigonométrica:

2𝑠𝑒𝑛(𝛼)𝑠𝑒𝑛(𝛽) = 𝑐𝑜𝑠(𝛼 − 𝛽) − 𝑐𝑜𝑠(𝛼 + 𝛽)

2𝜋 2𝜋
1 𝑐𝑜𝑠(−2𝜋𝜏) − 𝑐𝑜𝑠(4𝜋𝑡 + 2𝜙 + 2𝜋𝜏) 1 𝑐𝑜𝑠(2𝜋𝜏) − 𝑐𝑜𝑠(4𝜋𝑡 + 2𝜙 + 2𝜋𝜏)
=∫ [ ] 𝑑𝜙 = ∫ [ ] 𝑑𝜙
0 2𝜋 2 0 2𝜋 2
2𝜋 2𝜋
𝑐𝑜𝑠(2𝜋𝜏) 𝑐𝑜𝑠(4𝜋𝑡 + 2𝜙 + 2𝜋𝜏)
=∫ 𝑑𝜙 − ∫ 𝑑𝜙
0 4𝜋 0 4𝜋
2𝜋 2𝜋
𝑐𝑜𝑠(2𝜋𝜏) 𝑠𝑒𝑛(4𝜋𝑡 + 2𝜙 + 2𝜋𝜏)
=[ ] −[ ]
4𝜋 0
8𝜋 0

𝑐𝑜𝑠(2𝜋𝜏) 1 𝑐𝑜𝑠(2𝜋𝜏)
= − [𝑠𝑒𝑛(4𝜋𝑡 + 2(2𝜋) + 2𝜋𝜏) − 𝑠𝑒𝑛(4𝜋𝑡 + 2𝜋𝜏)] = −0
2 8𝜋 2
𝑐𝑜𝑠(2𝜋𝜏)
𝑅𝑍 (𝑡, 𝑡 + 𝜏) = + (0.5)𝑐𝑜𝑠(2𝜋𝑡) 𝑐𝑜𝑠(2𝜋(𝑡 + 𝜏))
2
(c) 𝑍(𝑡) no es débilmente estacionaria, ya que la función de autocorrelación no solo depende del tiempo a
través de 𝜏 sino que también a través de 𝑡.
Problema 5

Sea 𝑋(𝑡) = 𝐴𝑡 + 𝑌(𝑡) un proceso estocástico donde 𝐴 e 𝑌(𝑡) son independientes, con 𝐴~𝑁(𝜇𝐴 , 𝜎𝐴2 ) e
𝑌(𝑡)~𝑁(0,1)
(a) ¿Qué distribución sigue 𝑋(𝑡1 )?

(b) Calcula 𝐸[𝑋(𝑡)], 𝑉𝑎𝑟[𝑋(𝑡)] y 𝑅𝑋 (𝑡; 𝑡 + 𝜏). ¿Es 𝑋(𝑡) débilmente estacionario?

Solución:

(a) 𝑋(𝑡1 ) es suma de variables normales por tanto es una variable Normal, con media igual a la suma de las
medias y varianza igual a la suma de las varianzas:

𝐸[𝑋(𝑡1 )] = 𝐸[𝐴𝑡1 + 𝑌(𝑡1 )] = 𝐸[𝐴𝑡1 ] + 𝐸[𝑌(𝑡1 )] = 𝜇𝐴 𝑡1 + 0 = 𝜇𝐴 𝑡1

𝑉𝑎𝑟[𝑋(𝑡1 )] = 𝑉𝑎𝑟[𝐴𝑡1 + 𝑌(𝑡1 )] = 𝑉𝑎𝑟[𝐴𝑡1 ] + 𝑉𝑎𝑟[𝑌(𝑡1 )] = 𝜎𝐴2 𝑡12 + 1

Como son independientes, entonces:

𝑋(𝑡1 )~𝑁(𝜇𝐴 𝑡1 , 𝜎𝐴2 𝑡12 + 1)

(b)

𝐸[𝑋(𝑡)] = 𝜇𝐴 𝑡

𝑉𝑎𝑟[𝑋(𝑡)] = 𝜎𝐴2 𝑡 2 + 1

𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏)] = 𝐸[(𝐴𝑡 + 𝑌(𝑡))(𝐴(𝑡 + 𝜏) + 𝑌(𝑡 + 𝜏))]

= 𝐸[𝐴2 𝑡(𝑡 + 𝜏) + 𝐴𝑡𝑌(𝑡 + 𝜏) + 𝐴(𝑡 + 𝜏)𝑌(𝑡) + 𝑌(𝑡)𝑌(𝑡 + 𝜏)]

⏟ 2 ] 𝑡(𝑡 + 𝜏) + 𝐸[𝐴] 𝐸[𝑌(𝑡

= 𝐸[𝐴 ⏟ + 𝜏)] 𝑡 + 𝐸[𝐴] 𝐸[𝑌(𝑡)]
⏟ (𝑡 + 𝜏) + 𝐸[𝑌(𝑡)𝑌(𝑡
⏟ + 𝜏)]
(𝑖) =0 =0 (𝑖𝑖)

Calculando para:

(i) 𝑉𝑎𝑟[𝐴] = 𝐸[𝐴2 ] − (𝐸[𝐴])2 𝐸[𝐴2 ] = 𝑉𝑎𝑟[𝐴] + (𝐸[𝐴])2 = 𝜎𝐴2 + 𝜇𝐴2

(ii) 𝑌(𝑡) = 𝐵~𝑁(0,1), 𝐸[𝑌(𝑡)𝑌(𝑡 + 𝜏)] = 𝐸[𝐵2 ] = 𝑉𝑎𝑟[𝐵] + (𝐸[𝐵])2 = 1 + 02 = 1

Luego, reemplazando valores en:

𝑅𝑋 (𝑡; 𝑡 + 𝜏) = (𝜎𝐴2 + 𝜇𝐴2 )𝑡(𝑡 + 𝜏) + 1

Por lo tanto, 𝑋(𝑡) no es débilmente estacionario, ya que tanto 𝐸[𝑋(𝑡)] como 𝑅𝑋 (𝑡; 𝑡 + 𝜏) dependen del tiempo 𝑡.

Problema 6
2
Sea 𝑋(𝑡) un proceso estocástico normal con media 𝜇𝑋 = 0, autocorrelación 𝑅𝑋 (𝑡; 𝑡 + 𝜏) = 𝑒 −𝜏 y ergódico en
media. Sea 𝑌 una variable aleatoria continua, independiente de 𝑋(𝑡), con función densidad
2 (1
𝑓𝑌 (𝑦) = {12𝑦 − 𝑦) 0<𝑦<1
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Se define el proceso 𝑍(𝑡) = 𝑌 + 𝑋(𝑡).

(a) Calcular la media estadística de 𝑍(𝑡)

(b) Calcular la autocorrelación estadística de 𝑍(𝑡). ¿Es 𝑍(𝑡) débilmente estacionario?

Solución:

(a) Calculando la esperanza estadística de 𝑍(𝑡):

 1 1
2 (1
𝑦4 𝑦5
𝐸[𝑍(𝑡)] = 𝐸[𝑌 + 𝑋(𝑡)] = 𝐸[𝑌] + 𝐸[𝑋(𝑡)] = 𝐸[𝑌] + 0 = ∫ (𝑦)12𝑦 − 𝑦)𝑑𝑦 = 12 [ − ]
0 4 5 0

1 1 3
𝐸[𝑍(𝑡)] = 12 [ − ] =
4 5 5
(b) Calculando la función de autocorrelación estadística de 𝑍(𝑡)

𝑅𝑍 (𝑡; 𝑡 + 𝜏) = 𝐸[𝑍(𝑡)𝑍(𝑡 + 𝜏)] = 𝐸[(𝑌 + 𝑋(𝑡))(𝑌 + 𝑋(𝑡 + 𝜏))]

= 𝐸[𝑌 2 + 𝑌𝑋(𝑡 + 𝜏) + 𝑋(𝑡)𝑌 + 𝑋(𝑡)𝑋(𝑡 + 𝜏)]

= 𝐸[𝑌 2 ] + 𝐸[𝑌]𝐸[𝑋(𝑡 + 𝜏)] + 𝐸[𝑋(𝑡)]𝐸[𝑌] + 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏)]

= 𝐸[𝑌 2 ] + 0 + 0 + 𝑅𝑋 (𝑡; 𝑡 + 𝜏)
Haciendo cálculos previos:
1 1
2]
𝑦5 𝑦6 1 1 2
𝐸[𝑌 =∫ (𝑦 2 )12𝑦 2 (1 − 𝑦)𝑑𝑦 = 12 [ − ] = 12 [ − ] =
0 5 6 0 5 6 5

Reemplazando:
2 2 2 2
𝑅𝑍 (𝑡; 𝑡 + 𝜏) = + 0 + 0 + 𝑒 −𝑡 = + 𝑒 −𝜏
5 5
Como 𝐸[𝑍(𝑡)] es constante en el tiempo y 𝑅𝑍 (𝑡; 𝑡 + 𝜏) depende del tiempo a través de 𝜏, el proceso 𝑍(𝑡) es
débilmente estacionario.

Problema 7

Sea 𝑋(𝑡) un proceso estocástico con media nula y 𝑅(𝜏) = 𝑒 −|𝜏| . La señal es filtrada por una realización en serie de
dos filtros, de modo que:
1
𝑌(𝑡) = [𝑋(𝑡) + 𝑋(𝑡 − 1)]
2
1
𝑍(𝑡) = [𝑌(𝑡) + 𝑌(𝑡 − 1)]
2
Calcular 𝐸[𝑍(𝑡)], 𝑅𝑍 (𝜏) y 𝑉𝑎𝑟[𝑍(𝑡)]. ¿Es el proceso débilmente estacionario?

Solución:

Hallando 𝑍(𝑡) en función de 𝑋(𝑡):

1 1 1
𝑍(𝑡) = [( [𝑋(𝑡) + 𝑋(𝑡 − 1)]) − ( [𝑋(𝑡 − 1) + 𝑋(𝑡 − 2)])]
2 2 2
1
𝑍(𝑡) = [𝑋(𝑡) − 𝑋(𝑡 − 2)]
4
Luego:
1
𝐸[𝑍(𝑡)] = [𝐸(𝑋(𝑡)) − 𝐸(𝑋(𝑡 − 2))] = 0
4
1 1
𝑅𝑍 (𝜏) = 𝐸[𝑍(𝑡)𝑍(𝑡 + 𝜏)] = 𝐸 [ [𝑋(𝑡) − 𝑋(𝑡 − 2)] [𝑋(𝑡 + 𝜏) − 𝑋(𝑡 + 𝜏 − 2)]]
4 4
1
= 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏) − 𝑋(𝑡)𝑋(𝑡 + 𝜏 − 2) − 𝑋(𝑡 − 2)𝑋(𝑡 + 𝜏) + 𝑋(𝑡 − 2)𝑋(𝑡 + 𝜏 − 2)]
16
 1
= (𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏) − 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏 − 2)] − 𝐸[𝑋(𝑡 − 2)𝑋(𝑡 + 𝜏)] + 𝐸[𝑋(𝑡 − 2)𝑋(𝑡 + 𝜏 − 2)]])
16
1 1
= (2𝑅𝑋 (𝜏) − 𝑅𝑍 (𝜏 − 2) − 𝑅𝑍 (𝜏 + 2)) = (2𝑒 −|𝜏| − 𝑒 −|𝜏−2| − 𝑒 −|𝜏+2| )
16 16
Por lo tanto
1
𝑅𝑍 (𝜏) = (2𝑒 −|𝜏| − 𝑒 −|𝜏−2| − 𝑒 −|𝜏+2| )
16
Para:
1 1
𝑉𝑎𝑟[𝑍(𝑡)] = 𝑅𝑍 (0) = (2𝑒 −0 − 𝑒 −2 − 𝑒 −2 ) = (1 − 𝑒 −2 )
16 8
Por tanto, 𝑍(𝑡) es débilmente estacionaria, puesto que 𝐸[𝑋(𝑡)] no depende del tiempo 𝑡 y 𝑅𝑍 (𝜏) solo depende del
tiempo a través de 𝜏.