Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Problema 1 Un proceso aleatorio se define mediante 𝑋(𝑡) = 𝐴, donde 𝐴 es una variable aleatoria continua
uniformemente distribuido en (0,1).
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.
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.
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.
Dado que un proceso aleatorio para cualquier instante es solo una variable aleatoria.
Problema 2
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)]
1 1 1
= 𝑐𝑜𝑠(𝜋𝜏) + [𝑠𝑒𝑛(𝜋(2𝑡 + 𝜏) + 4𝜋) − 𝑠𝑒𝑛(𝜋(2𝑡 + 𝜏))] = 𝑐𝑜𝑠(𝜋𝜏) + 0
2 8𝜋 2
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.
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
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
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:
Solución:
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:
Problema 4
Identidades trigonométricas:
(a) Por dato se tiene que 𝑋, 𝑌 y Φ variables aleatorias independientes, y que 𝐸[𝑋] = 0,
Sea:
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(𝑡)] = 𝜇𝐴 𝑡
𝑉𝑎𝑟[𝑋(𝑡)] = 𝜎𝐴2 𝑡 2 + 1
Calculando para:
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).
Solución:
1 1 3
𝐸[𝑍(𝑡)] = 12 [ − ] =
4 5 5
(b) Calculando la función de autocorrelación estadística de 𝑍(𝑡)
= 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: