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
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

1−𝛼 𝛼 0.25 0.75

𝑃=[ ]=[ ]
𝛽 1−𝛽 0.65 0.35

d) Halle los valores de:

di. 𝑃(𝑋(3)=0 | 𝑋(0)=1)

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

0.25 0.75 0.43 0.57

𝑃3 = [ ]=[ ]
0.65 0.35 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 6μ s hay 4 transacciones por lo que la matriz de transacción de 4 pasos es :

0.25 0.75 0.478 0.522

𝑃4 = [ ]=[ ]
0.65 0.35 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.
 (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!

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

𝑁(𝑏) − 𝑁 (𝑎) ~ 𝑃𝑜𝑖(𝜆𝑃𝑜𝑖 = 𝜆(𝑏 − 𝑎))

𝑁 (2) − 𝑁 (1) ~ 𝑃𝑜𝑖 (𝜆𝑃𝑜𝑖 = 22( 2 − 1))
E[𝑁(2) − 𝑁 (1)] = 𝜆𝑃𝑜𝑖 = 22
2
c. Calcule: i. E[(𝑁(2) − 𝑁(1)) ] ii. 𝑅𝑋(1, 2)

ci. 𝑋 = 𝑁(2) − 𝑁(1)

𝑋 ~ 𝑃𝑜𝑖(𝜆𝑃𝑜𝑖 = 22(2 − 1))
𝑋 ~ 𝑃𝑜𝑖 (𝜆𝑃𝑜𝑖 = 22)
E[𝑋 2 ] = 𝜎𝑋2 + 𝜇𝑋2
E[𝑋 2 ] = 𝜆𝑃𝑜𝑖 + 𝜆2𝑃𝑜𝑖
E[𝑋 2 ] = 22 + (22)2
E[𝑋 2 ] = 506

cii. 𝑅𝑋 (𝑡1 , 𝑡2 ) = 𝜆 min{𝑡1 , 𝑡2 } + 𝜆2 𝑡1 𝑡2

𝑅𝑋 (1, 2) = 22 min{1, 2 } + (22)2 ∙ 1 ∙ 2
𝑅𝑋 (1, 2) = 22 ∙ 1 + (22)2 ∙ 1 ∙ 2
𝑅𝑋 (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!
= 1.44 𝑥 10−8

e. Determine 𝑃(𝑁(2)=35| 𝑁(1)=25)

𝑃(𝑁(2)=25 ∩𝑁(1)=25) 𝑃(𝑁(2)−𝑁(1)=10)

𝑃(𝑁(2)=35| 𝑁(1)=25) = =
𝑃(𝑁(1)=25 𝑃(𝑁(1)=25

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

Parte C. Procesos Gaussianos

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:

a. Distribución primer orden: 𝑋(𝑡)~𝑁(𝜇𝑋(𝑡), 𝜎𝑋(𝑡) 2 )

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)

Distribución segundo orden: .X= [𝑋(𝑡1 ), 𝑋(𝑡2 , )]

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)

𝜎𝑋2 (𝑡) = 𝑅𝑋 (𝑡, 𝑡) − 𝜇𝑋2 (𝑡)

𝜎𝑋2 (𝑡) = 𝑡 − 1

𝜎𝑋(𝑡1)𝑋(𝑡2) = 𝑅𝑋 (𝑡, 𝑡) − 𝜇(𝑡1 ). 𝜇(𝑡2 )

𝜎𝑋(𝑡1)𝑋(𝑡2) = 𝑚𝑎𝑥{𝑡1 , 𝑡2 } − 1.1

𝜎𝑋(𝑡1)𝑋(𝑡2) = 𝑡2 − 1

𝑡1 𝑡2 − 1
𝑀𝑋 = [ ]
𝑡2 − 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
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

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[10cos(600𝜋𝑡 + 𝜃)]

2𝜋

E[𝑋(𝑡)] = ∫ 10cos(600𝜋𝑡 + 𝜃)𝑓(𝜃 )𝑑𝜃

0
 2𝜋
1
E[𝑋(𝑡)] = ∫ 10cos(600𝜋𝑡 + 𝜃) ( ) 𝑑𝜃
2𝜋 − 0
0
E[𝑋(𝑡)] = 0

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

Var[𝑋(𝑡)] = 𝜎𝑋2 (𝑡) = 𝐸 [ 𝑋 2 (𝑡)] − 𝜇𝑋2 (𝑡)

Var[𝑋(𝑡)] = 𝐸 [(10 cos(600𝜋𝑡 + 𝜃 ))2 ] − 0
2𝜋
1
Var[𝑋(𝑡)] = ∫ (10 cos(600𝜋𝑡 + 𝜃 ))2 ( ) 𝑑𝜃
2𝜋 − 0
0
Var[𝑋(𝑡)] = 50

bii. Covarianzas

Cov[𝑋(𝑡) ∙ 𝑋( 𝑡 + 𝜏)] = 𝑅𝑋 (𝑡, 𝑡 + 𝜏) − 𝜇𝑋 (𝑡) ∙ 𝜇𝑋 (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