Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TallerUnidad4 ProcesosEstocasticos
TallerUnidad4 ProcesosEstocasticos
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:
Desarrollo
a) 𝑃(𝑋(𝑡+1)=0 | 𝑋(𝑡)=0)=0.25;
𝑃(𝑋(𝑡+1)=1 | 𝑋(𝑡)=1)=0.35
1
𝑡𝑅 =
1 × 106
𝑡𝑅 = 1 × 10−6
𝑡𝑅 = 1 μs
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) 𝑝00 𝑝01
𝑃 = [𝑝 𝑝11 ]
10
Desarrollo
22
𝜆= = 22
1
a.
(𝜆ℎ)𝑘
𝑃(𝑁(𝑡 + ℎ) − 𝑁 (𝑡) = 𝑘 ) = 𝑒 −𝜆ℎ ; 𝑘 = 0, 1, 2, …
𝑘!
(22∙(0.5))10
𝑃 (𝑁(𝑡 + 0.5) − 𝑁(𝑡) = 10) = 𝑒 −22∙(0.5) = 0.119
10!
(22∙2)10
𝑒 −22∙1 ∗
10!
𝑃(𝑁(2)=35| 𝑁(1)=25) = (22∙2)25
= 0.03122
𝑒 −22∙1 ∗
25!
3. 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 .
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:
𝜇𝑋(𝑡) = 𝐸[𝑋(𝑡)] = 1
𝜎𝑋2 (𝑡) = 𝑅𝑋 (𝑡, 𝑡) − 𝜇𝑋2 (𝑡)
𝜎𝑋2 (𝑡) = 𝑚𝑎𝑥{𝑡, 𝑡} − (1)2
𝜎𝑋2 (𝑡) = 𝑡 − 1
𝑋(𝑡)~𝑁(𝜇 = 1, 𝜎 2 = 𝑡 − 1)
𝜇𝑋(𝑡1 )
𝜇𝑋(𝑡2 )
𝑚𝑋 = [ ⋮ ]
𝜇𝑋(𝑡𝑛)
1
𝑚𝑋 = [ ]
1
2
𝜎𝑋(𝑡 1)
𝜎𝑋(𝑡1 )𝑋(𝑡2) … 𝜎𝑋(𝑡1)𝑋(𝑡𝑛 )
2
𝜎𝑋(𝑡1)𝑋(𝑡2) 𝜎𝑋(𝑡 2)
… 𝜎𝑋(𝑡2)𝑋(𝑡𝑛 )
𝑀𝑋 =
⋮ ⋮ ⋱ ⋮
2
[𝜎𝑋(𝑡1)𝑋(𝑡𝑛) 𝜎𝑋(𝑡2 )𝑋(𝑡𝑛 ) … 𝜎𝑋(𝑡𝑛 ) ]
2
𝜎𝑋(𝑡 1)
𝜎𝑋(𝑡1 )𝑋(𝑡2)
𝑀𝑋 = [ 2 ]
𝜎𝑋(𝑡1)𝑋(𝑡2) 𝜎𝑋(𝑡 2)
𝜎𝑋(𝑡1)𝑋(𝑡2) = 𝑡2 − 1
𝑡1 𝑡2 − 1
𝑀𝑋 = [ ]
𝑡2 − 1 𝑡2
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
3
𝑎 = [3 2 −4]𝑇 = [ 2 ]
−4
b=5
Var[𝑌] = 𝑎𝑇 ∙ 𝑀𝑋 ∙ 𝑎
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)
+∞
𝑦−1 2
1 − ( )
𝑃(𝑌 > 4) = ∫ 𝑒 √36 𝑑𝑦 = 0.353553
√36 √2𝜋
1
a. Determine:
i. 𝐸[𝑋(𝑡)]
ii. ii. 𝑅𝑋(𝑡,𝑡+𝜏)
i. varianzas
ii. autocovarianzas
iii. coeficiente de correlación
Desarrollo
a. Determine
ai. 𝐸[𝑋(𝑡)]=
aii. 𝑅𝑋(𝑡,𝑡+𝜏)
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = E[𝑋(𝑡) ∙ 𝑋(𝑡 + 𝜏)]
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = E[0 ∗ cos ((600𝜋(𝑡 + 𝜏) + 𝜃))]
𝑅𝑋 (𝑡, 𝑡 + 𝜏) = 0
bi. varianzas
bii. Covarianzas
Cov[𝑋(𝑡) ∙ 𝑋( 𝑡 + 𝜏)] = 0
Cov[𝑋(𝑡) ∙ 𝑋( 𝑡 + 𝜏)] 0
𝜌= = =0
√Var[𝑋(𝑡)]Var[𝑋(𝑡𝑡 + 𝜏)] √50 ∗ 50