Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesos Aleatorios
Procesos Aleatorios
=
E =
dx x xf
t X
t X t X
t X
( )
t
X t X
todo para ; =
MEDIA, CORRELACION Y COVARIANZA
La funcin auto correlacin del proceso X(t) es el
valor esperado del producto de 2 variables
aleatorias X (t
1
) y X (t
2
), obtenido al observar el
proceso X (t) en los tiempos t
1
y t
2
. De la
siguiente manera:
Donde
X(t1), X(t2)
(x
1
, x
2
) es la funcin densidad de
probabilidad de segundo orden del proceso. Este
depende de la diferencia de los tiempos t
2
- t
1
( ) ( ) ( ) | |
( )
( ) ( ) 2 1 2 1 , 2 1 2 1
2 1 2 1
) , ( ,
,
2 1
dx dx x x
x x
f x x t t R
t X t X t t R
t t X
X
} }
=
E =
MEDIA, CORRELACION Y COVARIANZA
La funcin auto correlacin se puede reescribir de la
siguiente manera:
La funcin auto covarianza de un proceso estrictamente
estacionario se define:
Los procesos aleatorios que satisfacen las ecuaciones
(
X
, R
x
(t
2
-t
1
), C
x
(t
2
-t
1
)) se conocen como procesos
dbilmente estacionarios o procesos estacionarios
( ) ( )
2 1 1 2 2 1
y todo para ; , t t t t R t t R
X X
=
( ) ( ) ( ) ( ) ( ) | |
( )
2
1 2
2 1 2 1
,
X X
X X X
t t R
t X t X t t C
=
E =
FUNCIN DE AUTO CORRELACIN
FUNCIN DE AUTO CORRELACIN
FUNCIN DE CORRELACIN CRUZADA
Transmisin de un Proceso Aleatorio a
travs de un Filtro Lineal Invariante en el
Tiempo
( ) ( ) ( )
}
=
1 1 1
t t t d t X h t Y
Se puede derivar lo siguiente:
( ) ( ) | |
( ) 0 H
t Y t
x
Y
=
E =
Transmisin de un Proceso Aleatorio a
travs de un Filtro Lineal Invariante en el
Tiempo
La funcin de auto correlacin del proceso aleatorio a
la salida:
Cuando la entrada X(t) es un proceso estacionario, el
sistema es estable, y el valor cuadrtico medio E[X
2
(t)]
es finito se tiene:
Puesto que R
Y
(0) = E[Y
2
(t)] tenemos:
( ) ( ) ( ) | | u Y t Y u t R
Y
E = ,
( ) ( ) ( ) ( )
2 1 2 1 2 1
t t t t t t t t d d R h h R
X Y
} }
+ =
( ) | | ( ) ( ) ( )
2 1 1 2 2 1
2
t t t t t t d d R h h t Y
X
} }
+ = E
Densidad Espectral de
Potencia
La Densidad Espectral de Potencia o Espectro de
Potencia del Proceso Estacionario X(t) se define como:
El valor cuadrtico medio del proceso de salida es:
( ) | | ( ) ( ) ( )
( ) | | ( ) ( ) ( ) t t t t
t t t t t t
d f j R f H df t Y
d d R h h t Y
X
X
2 exp
2
2
2 1 1 2 2 1
2
= E
+ = E
} }
} }
( ) ( ) ( ) t t t t d f j R f S
X X
}
= 2 exp
( ) | | ( ) ( )
}
= E df f S f H t Y
X
2
2
Densidad Espectral de Potencia
de Un Filtro de Banda Angosta
Si Af es mucho mas pequeo que f
c
y S
x
(f
c
) (densidad
espectral de potencia evaluada en f=f
c
) es una funcin
continua tenemos:
( ) | | ( ) ( )
c X
f S f t Y A ~ E 2
2
Relacin Entre Densidades Espectrales de
Potencia de Procesos Aleatorios de Entrada
y Salida
Al hacer t - t
1
+ t
2
= t
o
y t = t
o
+ t
1
- t
2
Lo que nos da:
La densidad espectral de potencia del proceso de
salida es igual a la densidad espectral de potencia del
proceso de entrada X(t) multiplicado por la magnitud de
la respuesta en frecuencia del filtro al cuadrado.
( ) ( ) ( )
( ) ( ) ( ) ( ) t t t t t t t t t t
t t t t
d d d f j R h h
d f j R f S
X
Y Y
2 1 2 1 2 1
2 exp
2 exp
+ =
=
} } }
}
( ) ( ) ( ) ( ) f S f H f H f S
X Y
* =
( ) ( ) ( ) f S f H f S
X Y
2
=
Procesos Aleatorios
Procesos Gaussiano (PG)
Dr. Boris Ramos
Proceso Gaussiano (PG)
Definamos a Y como una funcional lineal del proceso
aleatorio X(t) de la sgte. manera:
Donde g(t) es una funcin que sirve para ponderar el
proceso aleatorio X(t)
El proceso X(t) es Gaussiano si cada funcional lineal de
X(t) (esto es Y) es una variable aleatoria Gaussiana.
Decimos que la variable aleatoria Y tiene una
distribucin Gaussiana, si su funcin densidad esta
definida como:
( ) ( )
}
=
T
dt t X t g Y
0
( )
( )
(
=
2
2
2
exp
2
1
Y
Y
Y
Y
y
y f
o
to
Proceso Gaussiano (PG)
Proceso Gaussiano (PG)
Proceso Gaussiano (PG)
Propiedad #1
Si se aplica un proceso Gaussiano
X(t) a un filtro lineal e invariante en el
tiempo, entonces el proceso aleatorio
Y(t) que se desarrolla a la salida
tambin es Gaussiano.
Proceso Gaussiano (PG)
Propiedad #2
Consideremos el conjunto de variables aleatorias X(t
1
), X(t
2
),
X(t
3
), ., X(t
n
), obtenido al observar un proceso aleatorio
X(t) en los tiempos t
1
, t
2
, t
3
, , t
n
.
Si el proceso X(t) es Gaussiano, entonces ese conjunto
de variables aleatorias es Gaussiano conjuntamente
para toda n, entonces su funcin densidad de probabilidad
conjunta ensima est determinada al especificar
completamente el conjunto de medias:
Y el conjunto de funciones de covarianza:
( )
( ) | | n ...., 2, 1, i ; = E =
i t X
t X
i
( ) ( )
( )
( ) ( )
( )
( ) ( ) | | n ...., 2, 1, i k, ; = E =
ti X i ti X k i k X
t X t X t t C
Proceso Gaussiano (PG)
Propiedad #3
Si un proceso Gaussiano es
estacionario, entonces el proceso
tambin es estrictamente estacionario.
Proceso Gaussiano (PG)
Propiedad #4
Si las variables aleatorias obtenidas al
observar un proceso Gaussiano X(t) en los
tiempos t
1
, t
2
, ., t
n
, no estn
correlacionadas, esto es:
Entonces las variables aleatorias son
independientes estadsticamente.
( ) ( ) | | ( )
( )
( ) ( )
( )
( ) | |
k i para
, 0
=
= E =
ti X i tk X k i k
t X t X t X t X Cov
Proceso Gaussiano (PG)
Propiedad #4
Entonces las funciones densidad de
probabilidad de las variables aleatorias
individuales del conjunto, pueden
expresarse como:
( )
( )
( )
(
=
2
2
2
1
2
exp
2
1
i
xi i
i
i xi
x
x f
o
o t