Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Datos generales
Nombre Docente Carlos Gencón
Asignatura Procesos Estocásticos Unidad No. 3
Unidad Análisis de procesos estocásticos Actividad No. 1
Tipo de actividad de trabajo autónomo
Ejercicios de Análisis de
Taller x Investigación
práctica caso
Control de
Ensayo Exposición Resumen
lectura
Ejercicios de
Artículo Proyecto Análisis de datos
aplicación
Datos de la actividad
Objetivo: El objetivo de este taller es aplicar diferentes modelos de procesos estocásticos en
la resolución de problemas.
Tema de la actividad: Análisis de procesos estocásticos
Descripción: El taller consta de cuatro partes, en las que se requiere diferentes niveles de
habilidad en la aplicación de los conceptos descritos en el objetivo.
Orientaciones metodológicas: Para desarrollar esta tarea se deberá revisar el material
proporcionado en la materia durante la Unidad 3.
Orientaciones prácticas (consideraciones y pasos a seguir para entregar la actividad):
ESTADO 0 ESTADO 1
0,25 0,35
0,65 0,75
d.-
Para calcular P(X(3)=0∣X(0)=1), elevaremos la matriz de transición P a la tercera potencia y
tomaremos el elemento P21.
P(X(3)=0∣X(0)=1):
P3=P×P×P
P(X(3)=0∣X(0)=1)≈0.447882
P(X(6)=1∣X(2)=0)≈0.631779
Por lo tanto:
i. P(X(3)=0∣X(0)=1)≈0.447882
ii. P(X(6)=1∣X(2)=0)≈0.631779
2
c. Calcule: i. E [(𝑁(2) − 𝑁(1)) ] ii. 𝑅𝑋(1, 2)
Dado que el número de paquetes que llegan sigue un proceso de Poisson con una tasa de
llegada de 22 paquetes por milisegundo, podemos usar la fórmula de la distribución de
Poisson.
i. E[(N(2)−N(1))2]:
ii. RX(1,2):
Para calcular esta probabilidad, necesitamos considerar que los eventos de los
primeros 2 milisegundos y los siguientes 2 milisegundos son independientes. La
probabilidad se calculará multiplicando las probabilidades individuales.
e.
a. Sea 𝑋(𝑡) un proceso normal para 𝑡 ≥ 0 con E[𝑋(𝑡)] = 1 y 𝑅𝑋(𝑡1, 𝑡2) = max{𝑡1, 𝑡2} para 0 <
𝑡1 < 𝑡2.
d.
b. Valor de E[3X(0)+2X(1)−4X(2)+5]:
Dado que X(t) es un proceso normal, su valor esperado es simplemente su media en cualquier
punto de tiempo. Entonces:
E[3X(0)+2X(1)−4X(2)+5]=3E[X(0)]+2E[X(1)]−4E[X(2)]+5
=3⋅1+2⋅1−4⋅1+5=3+2−4+5=6=3⋅1+2⋅1−4⋅1+5=3+2−4+5=6
c. Probabilidad de 3X(0)+2X(1)−4X(2)+5>4:
Dado que X(t) es un proceso normal, la combinación lineal 3X(0)+2X(1)−4X(2) también sigue
una distribución normal. Por lo tanto, podemos calcular la probabilidad utilizando la
distribución normal acumulada.
P(3X(0)+2X(1)−4X(2)+5>4)=P(3X(0)+2X(1)−4X(2)>−1)
Sea la señal 𝑋(𝑡) = 10 cos(600𝜋𝑡 + 𝛩) donde la amplitud y la frecuencia son constantes; la fase
𝛩 es una variable aleatoria continua uniforme tal que 𝛩 ~ 𝑈𝑛𝑖 (0, 2𝜋).
a. Determine:
i. 𝐸[𝑋(𝑡)] ii. 𝑅𝑋(𝑡, 𝑡 + 𝜏)
b. De lo anterior halle la función de:
i. varianzas ii. autocovarianzas iii. coeficiente de correlación
a. i. E[X(t)]:
E[X(t)]=E[10cos(600πt+Θ)]
Dado que la esperanza es un operador lineal, tenemos:
E[X(t)]=10⋅E[cos(600πt+Θ)]
Dado que ΘΘ es una variable aleatoria uniforme entre 0 y 2π, la esperanza de cos(600πt+Θ) es
cero, ya que la media de cos(Θ)cos(Θ) es cero.
Entonces, E[X(t)]=0.
ii. RX(t,t+τ):
X(t+τ)=10cos(600π(t+τ)+Θ)
RX(t,t+τ)=E[X(t)X(t+τ)]
i. Función de varianzas
Dado que E[X(t)]=0, la varianza de X(t) es simplemente la esperanza del cuadrado de X(t):
Var[X(t)]=E[X(t)2]=E[(10cos(600πt+Θ))2]
=E[100cos2(600πt+Θ)]
=100⋅E[cos2(600πt+Θ)]
=100⋅1/2
=50=50
Entonces, Var[X(t)]=50