Parte A.

Procesos de Márkov

1. Sea 𝑋(𝑡) una cadena de Márkov de tiempo discreto T:𝑡=0, 1, 2, … donde 𝑡 se mide en
microsegundos 𝑋(𝑡) modela el estado de la entrada serial de un canal de
comunicación con tasa de recepción de 1 Mbps. Se conocen las probabilidades de
transición entre estados de la entrada serial:

𝑃(𝑋(𝑡+1)=0 | 𝑋(𝑡)=0)=0.25; 𝑃(𝑋(𝑡+1)=1 | 𝑋(𝑡)=1)=0.35

Determine:

a) El tiempo de llegada entre bits.

b) Construya un diagrama de estados y probabilidades de transición para 𝑋(𝑡).
c) Escriba la matriz probabilidad de transición de un paso.
d) Halle los valores de:

i. 𝑃(𝑋(3)=0 | 𝑋(0)=1) ii. 𝑃(𝑋(6)=1 | 𝑋(2)=0)

Desarrollo

a) 𝑃(𝑋(𝑡+1)=0 | 𝑋(𝑡)=0)=0.25;
𝑃(𝑋(𝑡+1)=1 | 𝑋(𝑡)=1)=0.35

1
t R= 6
1 ×10
−6
t R =1× 10
t R =1 μ s

b)

1-β= 0.35

β
1

1-α= 0.25
0 α

β= 1- 0.35 = 0.65
α = 1- 0.25 = 0.75
 [ ]
c) p 00 p01
P=
p 10 p11

P=
[ 1−αβ α
1−β
= ] [
0.25 0.75
0.65 0.35 ]
d) Halle los valores de:

di. 𝑃(𝑋(3)=0 | 𝑋(0)=1)

De 0 a 3 μ s hay 3 transacciones por lo que la matriz de transacción de 3 pasos es :

P=
3
[ 0.25
0.65
0.75
0.35 ][
=
0.43 0.57
0.494 0.506 ]
La probabilidad de pasar del estado 1 al 0 en tres pasos 0.494

dii. 𝑃(𝑋(6)=1 | 𝑋(2)=0)

De 2 a 6 μ s hay 4 transacciones por lo que la matriz de transacción de 4 pasos es :

4
P=
[ 0.25
0.65
0.75
0.35 ][
=
0.478 0.522
0.4524 0.5476 ]
La probabilidad de pasar del estado 0 al 1 en cuatro pasos 0.522

Parte B. Procesos de Poisson

2. El número paquetes 𝑁(𝑡) que llegan al puerto de un router en el intervalo 𝑡≥0

medido en milisegundos, es un proceso de Poisson de tasa 22 paquetes por cada
milisegundo.

a. El tiempo de actualización de un servidor es de 0.5 ms, ¿cuál es la probabilidad

de que lleguen 10 paquetes en este tiempo?

b. Determine el número medio de paquetes que llegan entre 1 y 2 milisegundos.

2
c. Calcule: i. E[( N ( 2 )−N ( 1 ) ) ] ii. 𝑅𝑋(1, 2)

d. Calcule la probabilidad del suceso “Llegan 25 paquetes durante los primeros 2

milisegundos y 20 paquetes los siguientes 2 milisegundos”

e. Determine 𝑃(𝑁(2)=35| 𝑁(1)=25)

Desarrollo

22
λ= =22
1
a.
( λ h )k
P ( N ( t+h )−N ( t ) =k ) =e−λ h ; k =0 ,1 , 2 , …
k!
10
( 22∙( 0.5) )
P ( N ( t+0.5 )−N ( t )=10 )=e−22∙(0.5) =0.119
10 !

b. Determine el número medio de paquetes que llegan entre 1 y 2 milisegundos.

N ( b ) −N ( a ) Poi ( λ Poi =λ ( b−a ) )

N ( 2 )−N ( 1 ) Poi ( λ Poi =22(2−1) )
E [ N ( 2 )−N ( 1 ) ] =λ Poi =22

2
c. Calcule: i. E[( N ( 2 )−N ( 1 ) ) ] ii. 𝑅𝑋(1, 2)

ci. X =N ( 2 )−N ( 1 )
X Poi ( λ Poi =22 ( 2−1 ) )
X Poi ( λ Poi =22 )
E [ X 2 ] =σ 2X + μ 2X
E [ X 2 ]= λ Poi + λ 2Poi
E [ X 2 ]=22+ ( 22 )
2

E [ X 2 ]=506

cii. R X ( t 1 ,t 2 )= λ min { t 1 , t 2 } + λ t 1 t 2
2

2
R X ( 1 , 2 )=22 min { 1 ,2 }+ ( 22 ) ∙1 ∙ 2
2
R X ( 1 , 2 )=22 ∙1+ (22 ) ∙1 ∙ 2
R X ( 1 , 2 )=990

d. Calcule la probabilidad del suceso “Llegan 25 paquetes durante los primeros 2

milisegundos y 20 paquetes los siguientes 2 milisegundos”

P ( N ( 2 )−N ( 0 )=25∩ N ( 4 ) −N (2 )=20 )

¿ P ( N ( 2 )−N ( 0 )=25 ) ∙ P ( N ( 4 ) −N (2 )=20 )
( 22 ∙2 )25 −22∙ 2 ( 22 ∙2 )20
¿ e−22 ∙2 ∙e
25 ! 20 !
−8
¿ 1.44 x 10

e. Determine 𝑃(𝑁(2)=35| 𝑁(1)=25)

P (N ( 2 )=25 ∩ N ( 1 )=25)
𝑃(𝑁(2)=35| 𝑁(1)=25) ¿
P¿ ¿
 −22 ∙1 10 ❑
e ∗( 22∙ 2 )
10 !
𝑃(𝑁(2)=35| 𝑁(1)=25) ¿ −22 ∙1 25
=0.03122
e ∗( 22∙ 2 )
25 !

Parte C. Procesos Gaussianos

3. Sea 𝑋(𝑡) un proceso normal para 𝑡≥0 con E[𝑋(𝑡)]=1 y R X ¿ )=max{t 1 , t 2}para 0<t 1
<t 2.
a. Halle las distribuciones de primer y segundo orden.
b. Determine el valor de 𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5].
c. Calcule 𝑃(3𝑋(0)+2𝑋(1)−4𝑋(2)+5>4).

Desarrollo:
2
a. Distribución primer orden: X (t) N (μ X ( t ) , σ X (t ) )

μ X (t )=E [ X ( t ) ] =1
2 2
σ ( t ) =R X ( t , t )−μ X ( t )
X
2 2
σ ( t ) =max { t , t }−( 1 )
X
2
σ X ( t ) =t−1
2
X ( t ) N (μ=1 , σ =t −1)

Distribución segundo orden: .X= ¿

[]
μ X (t ) 1

m X = μ X (t ) 2

⋮
μX(t ) n

mX=
[ 11]

[ ]
2
σ X(t ) 1
σ X ( t ) X (t ) … σ X ( t ) X (t )
1 2 1 n

2
σ X (t ) X ( t ) σ … σ X ( t ) X (t )
M X= 1 2 X ( t2 ) 2 n

⋮ ⋮ ⋱ ⋮
2
σ X (t ) X ( t ) σ X ( t ) X (t ) …
1 n 2 n
σ X(t )n
 M X=
[ σ 2X ( t )
1

σ X (t ) X ( t )
1 2
σ X (t ) X ( t )
σ 2
1

X ( t2 )
2

]
2 2
σ X ( t ) =R X ( t , t )−μ X ( t )
2
σ X ( t ) =t−1

σ X (t ) X ( t )=R X ( t ,t )−μ ( t 1 ) . μ ( t 2 )
1 2

σ X (t ) X ( t )=max {t 1 ,t 2 }−1.1
1 2

σ X (t ) X ( t )=t 2−1
1 2

M X=
[ t1
t 2−1
t 2−1
t2 ]
b. Determine el valor de 𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5].

𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5] =E[3𝑋(0)]+E[2𝑋(1)]-E[4𝑋(2)]+E[5]
𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5] =3E[𝑋(0)]+2E[𝑋(1)]-4E[𝑋(2)]+5
𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5] =3*1+2*1-4*1+5
𝐸[3𝑋(0)+2𝑋(1)−4𝑋(2)+5] = 6

c. Calcule 𝑃(3𝑋(0)+2𝑋(1)−4𝑋(2)+5>4).

[]
1
E [ Y ] =[ 3 2 −4 ] 1 +5
1

[]
T
3
a=[ 3 2 −4 ] = 2
−4

b=5

Var [ Y ] =a ∙ M X ∙ a
T

[ ][ ]
3 0 0 0
Var [ Y ] = 2 ∙ 0 1 0 ∙ [ 3 2 −4 ]
−4 0 0 2

Var [ Y ] =36

Y N ( μ=1 , σ 2=36 )

( )
2
+∞ y−1
−
1
P ( Y >4 )=∫ e √36 dy=0.353553
1 √36 √ 2 π
4. Parte D. Procesos Sinusoidales
Sea la señal 𝑋(𝑡)=10cos(600𝜋𝑡+𝛩) donde la amplitud y la frecuencia son constantes; la
fase 𝛩es una variable aleatoria continua uniforme tal que 𝛩~𝑈𝑛𝑖 (0,2𝜋).

a. Determine:
i. 𝐸[𝑋(𝑡)]
ii. ii. 𝑅𝑋(𝑡,𝑡+𝜏)

b. De lo anterior halle la función de:

i. varianzas
ii. autocovarianzas
iii. coeficiente de correlación

Desarrollo

a. Determine
ai. 𝐸[𝑋(𝑡)]=

E [ X ( t ) ] =E[10 cos ⁡(600 πt+θ)]

2π
E [ X ( t ) ] =∫ 10 cos ⁡(600 πt +θ)f ( θ ) dθ
0
2π
E [ X ( t ) ] =∫ 10 cos ⁡(600 πt +θ)
0
( 2 π1−0 ) dθ
E [ X ( t ) ] =0

aii. 𝑅𝑋(𝑡,𝑡+𝜏)
R X ( t ,t +τ )=E [ X ( t ) ∙ X ( t+ τ ) ]
R X ( t ,t +τ )=E ¿
R X ( t ,t +τ )=0

bi. varianzas

Var [ X ( t ) ] =σ 2X ( t )=E [ X 2 (t) ]−μ 2X ( t )

Var [ X ( t ) ] =E [(10 cos ( 600 πt+ θ ) )2 ]−0

2π
Var [ X ( t ) ] =∫ (10 cos ( 600 πt+θ ))
0
2
( 2 π1−0 )dθ
Var [ X ( t ) ] =50

bii. Covarianzas

Cov [ X ( t ) ∙ X ( t +τ ) ] =R X ( t , t+ τ )−μ X ( t ) ∙ μ X ( t+ τ )
 Cov [ X ( t ) ∙ X ( t +τ ) ] =0

i. biii. coeficiente de correlación

Cov [ X ( t ) ∙ X ( t +τ ) ] 0
ρ= = =0
√ Var [ X ( t ) ] Var [ X ( tt+ τ ) ] √50∗50