Sistemas de Comunicaciones
|
|
- Josefina Montero Robles
- hace 5 años
- Vistas:
Transcripción
1 Sistemas de Comunicaciones Tema 2: Señales aleatorias Grado en Ingeniería de Sistemas de Telecomunicación Departamento de Ingeniería de Comunicaciones Universidad de Málaga Curso 202/203
2 Tema 2: Señales aleatorias 2. Probabilidad 2.2 Variable aleatoria 2.3 Variable aleatoria bidimensional 2.4 Análisis de señales deterministas 2.5 Señales aleatorias Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 2/ 03
3 Tema 2: Señales aleatorias 2. Probabilidad Experimento aleatorio Álgebra de sucesos Definición de probabilidad Axiomas Probabilidad condicionada Equiprobabilidad Teorema de la probabilidad total Teorema de Bayes Canal binario Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 3/ 03
4 2. Probabilidad Experimento aleatorio Experimento cuyos posibles resultados son conocidos pero el resultado concreto de cada realización es impredecible. Ejemplos: ˆ Lanzar un dado ˆ Sacar una bola de un bombo ˆ Medir el nº de llamadas que recibe una central telefónica por minuto ˆ Transmitir un bit en un canal ruidoso Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 4/ 03
5 2. Probabilidad Álgebra de sucesos ˆ Suceso elemental (S n ) Cada uno de los posibles resultados del experimento aleatorio ˆ Espacio muestral (E) Conjunto de todos los sucesos elementales de un experimento aleatorio ˆ Suceso (A ó B) Conjunto de posibles sucesos elementales, subconjunto del espacio muestral E A S S 2 S 3 S 4 B S 5 S 6 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 5/ 03
6 2. Probabilidad Definición de probabilidad ˆ Frecuencia relativa ƒ r (A) = R A R T, R A Nº realizaciones en que sucede A R T Nº total de realizaciones del experimento ˆ Probabilidad Frecuencia relativa a la que converge la aparición de un suceso en un experimento aleatorio cuando crece el número de realizaciones del experimento Ejemplos: P( 3 al lanzar un dado) = 6 ƒ r (A) = P(A) R T P( cara al lanzar la moneda) = 2 P(nº par al sacar bola de un bombo) = 2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 6/ 03
7 2. Probabilidad Axiomas. P(A) 0 2. P(E) = 3. N N P( A ) = P(A ), si A A j =, = j = = De estos axiomas se deduce. 0 P(A) 2. P( ) = 0 3. P(A) = P(A) 4. P(A B) = P(A)+P(B) P(A B) E A S S 2 S 3 S 4 B S 5 S 6 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 7/ 03
8 2. Probabilidad Probabilidad condicionada Probabilidad de A condicionado a B, P(A/ B), es la probabilidad del suceso A sabiendo que se ha producido el suceso B P(A B) P(A/B) = P(A B) = P(A/B)P(B) = P(B/A)P(A) P(B) Dos sucesos A y B son independientes si P(A/B) = P(A) ó P(B/A) = P(B) es decir, si la ocurrencia de uno no influye en la probabilidad del otro. Por tanto, si dos sucesos A y B son independientes P(A B) = P(A)P(B) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 8/ 03
9 2. Probabilidad Equiprobabilidad Cuando los sucesos elementales son equiprobables: Nº de sucesos elementales de A P(A) = Nº de sucesos elementales del espacio muestral P(A B) P(A/B) = = P(B) Nº de sucesos elementales de A B Nº de sucesos elementales del espacio muestral Nº de sucesos elementales de B Nº de sucesos elementales del espacio muestral Nº de sucesos elementales de A B Nº de sucesos elementales de B E A S S 2 S 3 S 4 B S 5 S 6 = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 9/ 03
10 2. Probabilidad Teorema de la probabilidad total Sea C uno de los N sucesos de una partición del espacio muestral E C C j =, = j N C = C C 2... C N = E = E C C 2 C 3 A A C 2 A C A C 4 A C 3 C 4 Cualquier suceso A del espacio muestral E puede expresarse como N A = (A C ) = (A C ) (A C 2 )... (A C n ) = Por tanto, la probabilidad del suceso A se puede obtener como N N P(A) = P(A C ) = P(A/C )P(C ) = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 0/ 03 =
11 2. Probabilidad Teorema de Bayes Sea A un suceso y C j un suceso de una partición del espacio muestral E, la probabilidad de C j condicionada a A se puede obtener como P(C j /A) = P(A C j) = P(A/C j)p(c j ) P(A) P(A) Usando el teorema de la probabilidad total se obtiene P(C j /A) = P(A/C j)p(c j ) N P(A C ) = P(A/C j )P(C j ) N P(A/C )P(C ) = E C C 2 C 3 A A C 2 A C A C 4 A C 3 C 4 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) / 03
12 2. Probabilidad Canal binario Modelo de canal caracterizado por las probabilidades del bit recibido (0 ó ) condicionadas al bit transmitido (0 ó ) T 0 Transmisor P(R 0 /T 0 ) P(R 0 /T ) P(R /T 0 ) R 0 Receptor T P(R /T ) R P(error) =P((R T 0 ) P(R 0 T )) = P(R T 0 ) + P(R 0 T ) = P(R /T 0 )P(T 0 ) + P(R 0 /T )P(T ) P(T 0 /R ) = P(T 0 R ) P(R ) = P(R /T 0 )P(T 0 ) P(R /T 0 )P(T 0 ) + P(R /T )P(T ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 2/ 03
13 Tema 2: Señales aleatorias 2.2 Variable aleatoria Definición Histograma Función densidad de probabilidad Función de distribución de probabilidad Clasificación Momentos Distribuciones más usadas Transformación de variable aleatoria Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 3/ 03
14 2.2 Variable aleatoria Definición Función que asigna un número real a cada posible suceso elemental E S S 2 S 3 S 4 S 5 S 6 X(S ) X(S 2 ) X(S 3 ) X(S 4 ) X(S 5 ) X(S 6 ) R Esquema de sistema Activación Experimento aleatorio S Variable aleatoria X X(S) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 4/ 03
15 2.2 Variable aleatoria Histograma ˆ Frecuencia relativa ƒ r (, Δ) = R,Δ R T R,Δ Nº realizaciones en el intervalo ( Δ/2, + Δ/2] R T Nº total de realizaciones del experimento ˆ Histograma ƒ r (, Δ) R T = P( Δ/2 < X + Δ/2) ƒ r (, Δ) Δ Δ El área de cada barra centrada en k representa la frecuencia relativa ƒ r ( k, Δ), y el área total es Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 5/ 03
16 2.2 Variable aleatoria Función densidad de probabilidad El histograma, cuando Δ 0 y R T, tiende a la función densidad de probabilidad ƒ r (, Δ) Δ Δ 0, R T ƒ r (, Δ) Δ = ƒ X () Δ ƒ r (, Δ) Δ Δ 0, R T = ƒ X () Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 6/ 03
17 2.2 Variable aleatoria Función densidad de probabilidad Si el espacio muestral tiene un conjunto finito (o infinito numerable) de sucesos elementales la función densidad está formada por deltas Ejemplo: X Lanzar moneda X(cruz) = X(cara) = ƒ r (,Δ ) Δ Δ R T... 2Δ... Δ 2 R T ƒ r (,Δ 2 ) Δ 2 Δ 2Δ 2 ƒ X () = (δ( + ) + δ( )) En general N ƒ X () = P(X = k )δ( k ) k= Δ 2 ƒ X () 2 2 Δ 0 R T Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 7/ 03
18 2.2 Variable aleatoria Función densidad de probabilidad Propiedades:. 0 ƒ X ()d = P( 0 < X ) 2. ƒ X ()d = P( < X ) = 3. ƒ X () 0, ƒ X () Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 8/ 03
19 2.2 Variable aleatoria Función de distribución de probabilidad ˆ Función de distribución de probabilidad de la variable aleatoria X ˆ Propiedades: F X () = P(X ) = ƒ X ()d. 0 F X (), 2. ƒ () = df X() d ƒ X () 3. lim F X() = 0, lim F X () = 4. P( 0 < X ) = F X ( ) F X ( 0 ) F X () Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 9/ 03
20 2.2 Variable aleatoria Clasificación. Continuas: F X () continua con tramos estrictamente crecientes 2. Discretas: F X () escalonada 3. Mixtas: F X () discontinua con tramos estrictamente crecientes F X () 0 ƒ X () F X () ƒ X () ( 0) F X () 0 ƒ X () Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 20/ 03
21 2.2 Variable aleatoria Momentos ˆ Promedio de R T realizaciones X Lanzar moneda, X(cruz) = =, X(cara) = 2 = n (n) X RT = R T R T n= (n) = 0 ( ) = 5 X RT = ( ) X RT = X = X RT = R T = 5 N k ƒ r ( k ) k= N k P(X = k ) k= Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 2/ 03
22 2.2 Variable aleatoria Momentos ˆ Promedio de R T realizaciones ƒ r (, Δ) Δ Δ <X.25 {}}{ X RT = X RT k ƒ r ( k, Δ) = k ƒr( k, Δ) Δ Δ k= X = X RT = R T Δ 0 k= ƒ X ()d Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 22/ 03
23 2.2 Variable aleatoria Momentos ˆ Media X = E[X] =.d. = ƒ X ()d N P( = k )δ( k )d = k= N k P(X = k ) k= ˆ Valor esperado o promedio de una función de una variable aleatoria E[g(X)] =.d. = g()ƒ X ()d N g() k= P(X = k )δ( k )d = N g( k )P(X = k ) k= Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 23/ 03
24 2.2 Variable aleatoria Momentos ˆ Momento de orden n Media: E[X n ] = n ƒ X ()d.d. = N n k P(X = k) k= Valor cuadrático medio: X = E[X] X 2 = E[X 2 ] ˆ Momento central de orden n E[(X X) n ] = Varianza: σ 2 X = E[(X X)2 ] = X 2 X 2 ( X) n ƒ X ()d.d. = N ( k X) n P(X = k ) k= Desviación típica media: σ X = E[(X X) 2 ] Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 24/ 03
25 2.2 Variable aleatoria Momentos Ejemplo: X valor de la cara superior al lanzar un dado ƒ X () = 6 6 δ( k) N 6 X = E[X] = k P(X = k ) = k 6 = 7 2 = 3.5 k= X 2 = E[X 2 ] = σ 2 X = E[( X)2 ] = k= ƒ X () 6 N 2 k P(X = k) = k= 6 k= k 2 6 = 9 k= N ( k X) 2 P(X = k ) = k= 6 6 = (k 3.5) 2 6 = 2.92 k= Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 25/ 03
26 2.2 Variable aleatoria Distribuciones más usadas ˆ Uniforme ƒ X () = X = 2 2, < < 2 0, resto d 2 = 2 2( 2 ) σ 2 X = ( 2 ) = 2 ƒ X () F X () X 2 = σ 2 X + X2 = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 26/ 03
27 2.2 Variable aleatoria Distribuciones más usadas ˆ Bernoulli ƒ X () = ( p)δ() + pδ( ) X = p X 2 = p σ 2 X = p p2 = p( p) ƒ X () F X () p = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 27/ 03
28 2.2 Variable aleatoria Distribuciones más usadas ˆ Binomial N N ƒ X () = k p k ( p) N k δ( k) k=0 σ 2 X X = Np = ( p)np X 2 = σ 2 X + X2 = ((N )p + )Np ƒ X () F X () N = 3, p = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 28/ 03
29 2.2 Variable aleatoria Distribuciones más usadas ˆ Gaussiana o normal ( X)2 ƒ X () = exp 2πσ 2 2σ 2 X N (X, σ 2 X ) X ƒ X () F X () X F X () = P(X ) = σ X = 4 σ X = 2 ƒ X ()d = X + erf X = Q σ X 2 X σ X Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 29/ 03
30 2.2 Variable aleatoria Transformación de variable aleatoria Transformación de variable: Y = g(x) X = g (Y), aunque no siempre existe Cálculo de la función densidad de probabilidad:. Método directo 2. Método indirecto dg (y) ƒ Y (y) = dy ƒ X(g (y)) a) F Y (y) = P(Y y) = P(g(X) y) b) ƒ Y (y) = df Y(y) dy Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 30/ 03
31 2.2 Variable aleatoria Transformación de variable aleatoria Ejemplo: Y = X + b X = g (Y) = Y b dg (y) ƒ Y (y) = dy ƒ X(g (y)) = y b ƒ X 2 ƒ X () ƒ Y (y) ( 2 ) b b 2 + b y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 3/ 03
32 Tema 2: Señales aleatorias 2.3 Variable aleatoria bidimensional Definición Nube de puntos y frecuencia relativa Histograma bidimensional Función densidad de probabilidad Función de distribución de probabilidad Marginales Función densidad de probabilidad condicionada Teorema de la probabilidad total Momentos y relaciones entre variables Distribuciones más usadas Combinación lineal de variables aleatorias Teorema Central del Límite Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 32/ 03
33 2.3 Variable aleatoria bidimensional Definición Función que asigna un par de números reales a cada posible suceso elemental E S 2 S S 3 S 4 (X(S 2), Y(S 2)) (X(S ), Y(S )) (X(S 4), Y(S 4)) (-,.5) y (X(S 3), Y(S 3)) (6,2) (-4.5,-) (3.9,-2.2) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 33/ 03
34 2.3 Variable aleatoria bidimensional Definición Esquema de sistema Activación Experimento aleatorio S Variable aleatoria X, Y X(S) Y(S) Ejemplos:. Lanzar un dardo a una diana X(S) Coordenada X con respecto al centro de la diana Y(S) Coordenada Y con respecto al centro de la diana 2. Lanzar dos dados X(S) Valor del primer dado Y(S) Valor del segundo dado Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 34/ 03
35 2.3 Variable aleatoria bidimensional Nube de puntos y frecuencia relativa ˆ Nube de puntos y y ˆ Frecuencia relativa de una variable bidimensional ƒ r (, y, Δ) = N,y,Δ N T N,y,Δ Nº realizaciones X ( Δ 2, + Δ 2 ], Y (y Δ 2, y + Δ 2 ] N T Nº total de realizaciones del experimento Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 35/ 03
36 2.3 Variable aleatoria bidimensional Histograma bidimensional ˆ Histograma bidimensional Las amplitudes de las barras son ƒ r (, y, Δ)/Δ 2, por lo que el volumen de cada barra es ƒ r (, y, Δ), y el volumen total es. ƒ r (,y,δ) Δ 2 y Δ Δ y Δ Δ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 36/ 03
37 2.3 Variable aleatoria bidimensional Función densidad de probabilidad ƒ r (, y, Δ) Δ 2 Δ 0 N T = ƒ X,Y (, y) ƒ r (,y,δ ) Δ 2 ƒ r (,y,δ 2 ) Δ 2 2 ƒ X,Y (, y) y y y Δ Δ 2 Δ Δ 2 y P( 0 < X, y 0 < Y y ) = ƒ X,Y (, y)ddy 0 y 0 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 37/ 03
38 2.3 Variable aleatoria bidimensional Función densidad de probabilidad Propiedades:. y 0 y 0 ƒ X,Y (, y)ddy = P( 0 < X, y 0 < Y y ) 2. ƒ X,Y (, y)ddy = P( < X, < Y ) = 3. ƒ X,Y (, y) 0,, y ƒ X,Y (, ry) y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 38/ 03
39 2.3 Variable aleatoria bidimensional Función de distribución de probabilidad Función de distribución de probabilidad F X,Y (, y) = P(X, Y y) = y ƒ X,Y (, )dd ƒ X,Y (, y) F X,Y (, y) y y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 39/ 03
40 2.3 Variable aleatoria bidimensional Función de distribución de probabilidad Función de distribución de probabilidad Propiedades: F X,Y (, y) = P(X, Y y) =. 0 F X,Y (, y) 2. lim, y lim, y F X,Y (, y) = 0, F X,Y (, y) = y ƒ X,Y (, )dd F X,Y (, y) 3. ƒ X,Y (, y) = 2 F X,Y (, y) y 4. P( 0 < X, y 0 < Y y ) = F X,Y (, y ) F X,Y (, y 0 ) F X,Y ( 0, y ) + F X,Y ( 0, y 0 ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 40/ 03 y
41 2.3 Variable aleatoria bidimensional Marginales Funciones densidad o distribución de probabilidad de una variable independientemente del valor de la otra variable ˆ Función densidad de probabilidad marginal ƒ X () = ƒ Y (y) = ƒ X,Y (, y)dy ƒ X,Y (, y)d ˆ Función de distribución de probabilidad marginal F X () = lim y F X,Y (, y) = P(X, Y ) F Y (y) = lim F X,Y (, y) = P(X, Y y) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 4/ 03
42 2.3 Variable aleatoria bidimensional Función densidad de probabilidad condicionada Función densidad de probabilidad de X condicionada a Y = y 0 ƒ X,Y (, y 0 ) = ƒ X Y (, y 0 )ƒ Y (y 0 ) ƒ X Y (, y 0 ) = ƒ X,Y(, y 0 ) ƒ Y (y 0 ) Función densidad de probabilidad de Y condicionada a X = 0 ƒ X,Y ( 0, y) = ƒ Y X (y, 0 )ƒ X ( 0 ) ƒ Y X (y, 0 ) = ƒ X,Y( 0, y) ƒ X ( 0 ) ƒ X,Y (, y) ƒ Y X (y, 0 )ƒ X ( 0 ) ƒ Y X (y, )ƒ X ( ) y y y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 42/ 03
43 2.3 Variable aleatoria bidimensional Teorema de la probabilidad total Supongamos un par de variables aleatorias relacionadas X e Y, y sea C uno de los N sucesos de una partición del espacio muestral de la variable aleatoria Y, de modo que C C j =, = j N C = C C 2... C N = E Y = La función densidad de otra variable X se puede obtener ƒ X () = N ƒ X C ()P(C ) = Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 43/ 03
44 2.3 Variable aleatoria bidimensional Momentos y relaciones entre variables Valor esperado o promedio de una función de una variable aleatoria bidimensional Media X = E[X] = Y = E[Y] = E[g(X, Y)] =.d. = N M k= = ƒ X,Y (, y)ddy.d. = yƒ X,Y (, y)ddy.d. = g(, y)ƒ X,Y (, y)ddy g( k, y )P( = k, y = y ) N k= = N k= = M k P(X = k, Y = y ) M y P(X = k, Y = y ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 44/ 03
45 2.3 Variable aleatoria bidimensional Momentos y relaciones entre variables ˆ Correlación k= = X,Y = E[XY] =.d. = N M k= = yƒ X,Y (, y)ddy k y P(X = k, Y = y ) X,Y = 0 Variables ortogonales ˆ Covarianza σ X,Y =E[(X X)(Y Y)] = ( X)(y Y)ƒ X,Y (, y)ddy N M.d. = ( k X)(y Y)P(X = k, Y = y ) σ X,Y = 0 Variables incorreladas Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 45/ 03
46 2.3 Variable aleatoria bidimensional Momentos y relaciones entre variables ˆ Propiedades. X,Y = σ X,Y +X Y 3. σ2 X,Y σ2 X σ2 Y 2. 2 X,Y X2 Y 2 4. σ 2 X,Y = σ2 X σ2 Y ˆ Coeficiente de correlación si, y sólo si Y = X + b ρ X,Y = σ X,Y σ X σ Y = E[(X X)(Y Y)] E[(X X) 2 ]E[(Y Y) 2 ] y ρx,y = 0.05 y ρx,y = 0.5 y ρx,y = 0.95 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 46/ 03
47 2.3 Variable aleatoria bidimensional Momentos y relaciones entre variables ˆ Variables Independientes Variables que no tienen ninguna relación, ni determinista ni estadística. ƒ X Y (, y) = ƒ X (), ƒ Y X (, y) = ƒ Y (y) 2. ƒ X,Y (, y) = ƒ X ()ƒ Y (y), F X,Y (, y) = F X ()F Y (y) ˆ Propiedades. E[g(X)h(Y)] = E[g(X)]E[h(Y)] 2. σ X,Y = E[(X X)(Y Y)] = E[X X]E[Y Y] = 0 Incorreladas 3. X,Y = E[XY] = E[X]E[Y] = X Y X=0 Ortogonales Y=0 ˆ Ejemplos ˆ Independientes - Lanzamiento de dos dados, sacar una bola de dos bombos iguales ˆ No independientes - Relación estadística: estatura y número de pie, temperatura y latitud, sacar dos bolas consecutivas de un bombo - Relación determinista: volumen de una burbuja y su radio, velocidad de salida y distancia de alcance de un proyectil Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 47/ 03
48 2.3 Variable aleatoria bidimensional Momentos y relaciones entre variables Independencia Incorrelación X=0 Ortogonalidad Y=0 Incorreladas σ X,Y = 0 Ortogonales X,Y = 0 Independientes ƒ X,Y (, y) = ƒ X ()ƒ Y (y) X = 0 ó Y = 0 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 48/ 03
49 2.3 Variable aleatoria bidimensional Distribuciones más usadas ˆ Gaussiana bidimensional (variables independientes) ƒ X,Y = ( X) 2 exp 2πσ X σ Y 2σ 2 + X ƒ X,Y (, y) y (y Y)2 = ƒ X () ƒ Y (y) 2σ 2 Y σ 2 X = 0.2, σ2 Y = 0.6 X = Y = 0. Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 49/ 03
50 2.3 Variable aleatoria bidimensional Combinación lineal de variables aleatorias Variable aleatoria suma: Z = X + Y ˆ Función densidad de probabilidad Método indirecto F Z (z) = P(Z z) = P(X + Y z) = P( X, Y z X, ) Si X e Y no son independientes el cálculo es complicado, pero si son independientes, se puede demostrar que F Z (z) = ƒ ()F Y (z )d ƒ Z (z) = ƒ X (z) ƒ Y (z) ˆ Media ˆ Varianza Z = E[Z] = E[X + Y] = E[X] + E[Y] = X + Y σ 2 Z = E[(Z Z)2 ] = E[((X X) + (Y Y)) 2 ] = σ 2 X + σ2 Y + 2σ X,Y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 50/ 03
51 2.3 Variable aleatoria bidimensional Combinación lineal de variables aleatorias Ejemplo: Z = X + Y X, Y Lanzamiento de una moneda (cruz, cara ) 2 ƒ X () 2 2 ƒ Y (y) y 4 ƒ Z (z) z Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 5/ 03
52 2.3 Variable aleatoria bidimensional Combinación lineal de variables aleatorias Variable aleatoria combinación lineal Z = N k X k k= ˆ Función densidad de probabilidad (X k independientes) ƒ Z (z) = z ƒ X z 2 ƒ X 2... z 2 N ƒ X N N ˆ Media ˆ Varianza σ 2 Z = E[(Z Z)2 ] = Z = E[Z] = N k X k k= N 2 k σ2 + X k k= N n= N m=, m =n n m σ Xn,X m Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 52/ 03
53 2.3 Variable aleatoria bidimensional Combinación lineal de variables aleatorias Ejemplo: Z N = N X k N k= X k variables independientes y uniformes en el intervalo [ A 2, A 2 ] ƒ Xk () 2 A ƒ Z2 (z)... A... A 2 9 4A A 2 ƒ Z3 (z) 8 3A ƒ Z4 (z) A 2 A 2 z A 2 A 2 z A 2 A 2 z Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 53/ 03
54 2.3 Variable aleatoria bidimensional Teorema Central del Límite ˆ Definición formal Sea la variable aleatoria Z N = N N X k k= donde X k son variables independientes e idénticamente distribuidas (iid), de media cero (X k = 0) y varianza σ 2 X El Teorema Central del Límite afirma que Z N (0, σ 2 X ) ˆ Definición general La suma de un número elevado de variables aleatorias independientes, si ninguna tiene una varianza mucho mayor que las demás, tiende a distribuirse aproximadamente como una variable gaussiana Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 54/ 03
55 2.3 Variable aleatoria bidimensional Teorema Central del Límite Ejemplo de suma de variables aleatorias ƒ Xk () Z N = N N X k k= ƒ Z4 (z) 2 σ 2 X = 3 2 N (0, σ 2 X ) N (0, σ 2 X ) ƒ Z9 (z) ƒ Z6 (z) z N (0, σ 2 X ) N (0, σ 2 X ) z Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 55/ 03 z
56 Tema 2: Señales aleatorias 2.4 Análisis de señales deterministas Caracterización de señales deterministas Promedios temporales Correlación Autocorrelación Potencia de la suma Transformada de Fourier Densidad espectral de potencia o energía Sistemas lineales Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 56/ 03
57 2.4 Análisis de señales deterministas Caracterización de señales deterministas ˆ Funciones para caracterizar señales deterministas Caracterización Total Tiempo Frecuencia (t), [n] T F X(ƒ ), X(ƒ ) Caracterización Parcial T F R (τ), R [n] S (ƒ ), S (ƒ ) ˆ ˆ ˆ ˆ (t), [n] Expresiones analíticas de señales en el tiempo X(ƒ ), X(ƒ ) Expresiones analíticas de señales en frecuencia R (τ), R [n] Autocorrelación determinista S (ƒ ), S (ƒ ) Densidad espectral de potencia o energía Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 57/ 03
58 2.4 Análisis de señales deterministas Promedios temporales Definición: ˆ Para señales de energía: < (t) >= ˆ Para señales de potencia: (t)dt, < [n] >= [n] n= T/2 < (t) >= lim (t)dt, T T T/2 < [n] >= lim N 2N + N [n] n= N ˆ Para señales de potencia periódicas: < (t) >= T0 (t)dt, T 0 0 < [n] >= N 0 N 0 n=0 [n] Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 58/ 03
59 2.4 Análisis de señales deterministas Promedios temporales Propiedades: ˆ Para señales de energía: ˆ < (t) >= X(ƒ ) ƒ =0, < [n] >= X(ƒ ) ƒ =0 ˆ Energía: < 2 (t) >= 2 (t)dt, < 2 [n] >= 2 [n] n= ˆ Para señales de potencia: ˆ Potencia: < 2 T/2 (t) >= lim 2 (t)dt, < 2 N [n] >= lim 2 [n] T T T/2 N 2N + n= N ˆ Para señales de potencia periódicas: ˆ < (t) >= X 0, < [n] >= X 0 (coeficiente espectral) ˆ Potencia: < 2 (t) >= T0 2 (t)dt, T 0 0 < 2 [n] >= N 0 N 0 n=0 2 [n] Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 59/ 03
60 2.4 Análisis de señales deterministas Promedios temporales Ejemplo: Señal de potencia periódica Ejemplo: (t) = A cos(ω 0 t + ϕ) < (t) >= T0 /2 (t)dt = T0 /2 A cos(ω 0 t + ϕ)dt = 0 T 0 T 0 T 0 /2 Señal de energía (α > 0) < y(t) >= T 0 /2 < 2 (t) >= P = A2 y(t) = e αt (t) y(t)dt = 0 2 e αt dt = e αt α < y 2 (t) >= E y = (2α) 0 = α Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 60/ 03
61 2.4 Análisis de señales deterministas Correlación Medida de la diferencia de dos señales (t) (t) 2 (t) t t e (t) t t e 2 (t) t < e 2 (t) >= < ((t) (t)) 2 >= < 2 (t) > + < 2 (t) > 2 < (t) (t) >= 2 (t)dt + }{{} E X 2 (t)dt 2 }{{} E X (t) (t)dt }{{} Correlación Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 6/ 03
62 2.4 Análisis de señales deterministas Correlación Correlación R,y (τ) =< (t)y(t τ) >= (t)y(t τ)dt = (τ) y( τ) (t) y(t) 2t... 0 t t 0 t t R,y (τ) t 0 τ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 62/ 03
63 2.4 Análisis de señales deterministas Autocorrelación ˆ Definición R (τ) =< (t)(t τ) >, R [m] =< [n][n m] > ˆ Descripción Medida de la similitud de una señal consigo misma desplazada. Conserva información sobre del ritmo de variación de la señal con el tiempo, pero se pierde la información de fase ˆ Propiedades. R (τ) = R ( τ) función par 2. R (0) =< 2 (t) >= Energía o Potencia de (t) 3. R (τ) R (0) 4. d (t) = (t T) R d (τ) = R (τ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 63/ 03
64 2.4 Análisis de señales deterministas Autocorrelación ˆ Ejemplo: (t) = A cos(2πƒ 0 t + ϕ) R (τ) = T0 /2 A 2 cos(2πƒ 0 t + ϕ) cos(2πƒ 0 (t τ) + ϕ)dt = T 0 T 0 /2 T0 /2 A 2 T 0 T 0 /2 A 2 2 (cos(4πƒ 0t 2πƒ 0 τ + 2ϕ) + cos(2πƒ 0 τ)) dt = 2 cos(2πƒ 0τ) y(t) = cos(4πƒ 0 t 2πƒ 0 τ + 2ϕ) cos( 2πƒ 0 τ + 2ϕ) T0 2 T 0 2 t Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 64/ 03
65 2.4 Análisis de señales deterministas Potencia de la suma Sea z(t) una señal determinista de potencia tal que z(t) = (t) + y(t) La potencia de la señal z(t) es P Z =R z (0) =< z 2 (t) >=< ((t) + y(t)) 2 >= < 2 (t) > + < y 2 (t) > +2 < (t)y(t) >= P + P y + 2R,y (0) Si correlación cruzada de las señales es cero (señales ortogonales) entonces R,y (0) = 0 P z = P + P y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 65/ 03
66 2.4 Análisis de señales deterministas Transformada de Fourier ˆ Tiempo continuo X(ω) = X(ƒ ) = (t)e jωt dt, (t) = 2π (t)e j2πƒ t dt, (t) = ˆ Tiempo discreto X(Ω) = [n]e jωn, [n] = 2π X(ƒ ) = n= n= ˆ Teorema de muestreo [n]e j2πƒ n, [n] = [n] = c (nt m ) X(ƒ ) = k= X(ω)e jωt dω X(ƒ )e j2πƒ t dƒ, π/2 X(Ω)e jωn dω π/2 /2 ƒ = ω 2π X(ƒ )e j2πƒ n dƒ, /2 ƒ m X c (ƒ m (ƒ k)), ƒ = ƒ ƒ m ƒ = Ω 2π Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 66/ 03
67 2.4 Análisis de señales deterministas Densidad espectral de potencia o energía ˆ Definición S (ƒ ) = T F{R (τ)} = R (τ)e j2πƒ τ dτ S (ƒ ) = T F{R [m]} = R [m]e j2πƒ m n= ˆ Propiedades:. S (ƒ ) es real, par y positiva ƒ S (ƒ )dƒ = Potencia o energía de (t) en la banda [ƒ, ƒ 2 ] ƒ 3. S (ƒ )dƒ = Potencia o energía total de (t) 4. S (ƒ ) = X(ƒ ) 2 para señales de energía 5. S (ƒ ) = k 2 δ(ƒ kƒ 0 ) para señales periódicas k= Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 67/ 03
68 2.4 Análisis de señales deterministas Sistemas lineales Caracterización de la salida de un sistema lineal (t) Sistema LTI h(t) y(t) y(t) = (t) h(t) ˆ Autocorrelación a la salida de un sistema lineal R y (τ) = R (τ) h(τ) h( τ) ˆ Densidad espectral de potencia o energía S y (ƒ ) = T F{R y (τ)} = T F{R (τ) h(τ) h( τ)} = S (ƒ ) H(ƒ ) 2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 68/ 03
69 Tema 2: Señales aleatorias 2.5 Señales aleatorias Caracterización de señales aleatorias Definición Caracterización estadística Señales estacionarias Señales ergódicas Correlación y covarianza Relaciones entre señales aleatorias Potencia de la suma Densidad Espectral de potencia Sistemas lineales Ruido: modelo AWGN Cuantificación Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 69/ 03
70 2.5 Señales aleatorias Caracterización de señales aleatorias ˆ Funciones para caracterizar señales aleatorias Caracterización Total (deterministas) Caracterización Parcial (deterministas y aleatorias) Tiempo Frecuencia (t), [n] T F X(ƒ ), X(ƒ ) R (τ), R [n] R X (τ), R X [n] T F S (ƒ ), S (ƒ ) S X (ƒ ), S X (ƒ ) ˆ ˆ ˆ ˆ ˆ ˆ (t), [n] Expresiones analíticas de señales en el tiempo X(ƒ ), X(ƒ ) Expresiones analíticas de señales en frecuencia R (τ), R [n] Autocorrelación determinista S (ƒ ), S (ƒ ) Densidad espectral de potencia o energía R X (τ), R X [n] Autocorrelación estadística S X (ƒ ), S X (ƒ ) Densidad espectral de potencia estadística Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 70/ 03
71 2.5 Señales aleatorias Definición Conjunto de señales (realizaciones) que resultan de un experimento aleatorio Realizaciones (t) 2 (t) 3 (t) t t t X(S(t)) S(t) Señ Aetor Arranque E.A. Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 7/ 03
72 2.5 Señales aleatorias Definición Conjunto de variables aleatorias asociadas a cada instante de tiempo (t) t t 2 t N 2 (t) 3 (t) t t t X(S(t ))... X(S(t 2 ))... X(S(t N ))... Variables Aleatorias S(t ) S(t 2 ) S(t 3 ) Arranque E.A.(t )... E.A.(t 2 )... E.A.(t N ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 72/ 03
73 2.5 Señales aleatorias Caracterización estadística ˆ Caracterización total Función densidad de probabilidad conjunta de todas las variables. Es muy difícil de obtener y casi siempre inmanejable. ˆ Caracterización parcial Basada en dos estadísticos: media y autocorrelación ˆ Media Función cuyo valor para cada instante t es la media estadística de la variable correspondiente ˆ X(t) = E[X(t)] = ƒ X(t) ()d, X[n] = E[X[n]] = ƒ X[n] ()d Autocorrelación Función cuyo valor para cada par de instantes t y t 2 es la correlación estadística de las variables correspondientes R X (t, t 2 ) = E[X(t )X(t 2 )] = 2 ƒ X(t ),X(t 2 )(, 2 )d d 2 R X [n, n 2 ] = E[X[n ]X[n 2 ]] = 2 ƒ X[n ],X[n 2 ](, 2 )d d 2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 73/ 03
74 2.5 Señales aleatorias Caracterización estadística ˆ Media (t) X(t 0 ) = E[X(t 0 )] 2 (t) 3 (t) t t t 0 t ˆ Autocorrelación R X (t, t 2 ) = E[X(t )X(t 2 )] (t) 2 (t) 3 (t) t t t t 2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 74/ 03 t
75 2.5 Señales aleatorias Caracterización estadística Ejemplo: X(t) = A cos(2πƒ 0 t + ) donde es una variable aleatoria uniforme en el intervalo [ π, π] (t), 2 (t), 3 (t)... t t 2 t N... t A cos(2πƒ 0 t + )... A cos(2πƒ 0 t 2 + )... A cos(2πƒ 0 t N + ) Arranque E.A. Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 75/ 03
76 2.5 Señales aleatorias Caracterización estadística Ejemplo: ˆ Media X(t) = E[X(t)] = E[A cos(2πƒ 0 t+)] = π A cos(2πƒ 0 t+ϕ) π 2π dϕ = 0 s(t) = cos(2πƒ 0 t + ϕ) cos(2πƒ 0t)... π π... ϕ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 76/ 03
77 2.5 Señales aleatorias Caracterización estadística Ejemplo: ˆ Autocorrelación R X (t, t 2 ) = E[X(t )X(t 2 )] = E[A 2 cos(2πƒ 0 t + ) cos(2πƒ 0 t 2 + )] = = π A 2 cos(2πƒ 0 t + ϕ) cos(2πƒ 0 t 2 + ϕ) π 2π dϕ π A 2 π 4π cos(2πƒ 0(t + t 2 ) + 2ϕ)dϕ + = A2 2 cos(2πƒ 0(t 2 t )) π A 2 π 4π cos(2πƒ 0(t 2 t ))dϕ s(t) = cos(2πƒ 0 (t + t 2 ) + 2ϕ) cos(2πƒ 0(t + t 2)) π π ϕ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 77/ 03
78 2.5 Señales aleatorias Caracterización estadística Ejemplo: X[n], señal discreta en tiempo cuyas variables aleatorias son independientes y uniformes en el intervalo [ A, A]. [n] 2 [n] 3 [n] 4 [n] 5 [n] X[n 0 ] X[n ] n n n n n A A A A A A A A A A Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 78/ 03
79 2.5 Señales aleatorias Caracterización estadística Ejemplo: X[n], señal discreta en tiempo cuyas variables aleatorias son independientes y uniformes en el intervalo [ A, A]. ˆ Media ˆ Autocorrelación X[n] = E[X[n]] = ƒ X[n] ()d = R X [n, n 2 ] = E[X[n ]X[n 2 ]] = A2 Hay que distinguir dos casos A A 2A d = 0 3 δ[n n 2 ] ˆ n = n 2 R X [n, n 2 ] = E[X[n ]X[n 2 ]] = E[X[n ]]E[X[n 2 ]] = 0 ˆ n = n 2 A R X [n, n ] = E[X 2 [n ]] = 2 ƒ X[n ]()d = 2 3 A d = = A2 A 2A 6A 3 A Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 79/ 03
80 2.5 Señales aleatorias Señales estacionarias ˆ Definición Señal cuyos parámetros estadísticos no cambian ante cualquier desplazamiento temporal. Sus realizaciones son señales de potencia ˆ Ejemplos (realizaciones significativas): (t), 2 (t), 3 (t) y (t), y 2 (t), y 3 (t) t t z (t), z 2 (t), z 3 (t) t Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 80/ 03
81 2.5 Señales aleatorias Señales estacionarias ˆ Estacionariedad en sentido amplio Para ser estacionaria en sentido amplio debe cumplir dos requisitos: ˆ Estacionaria en la media La media es constante ˆ X(t) = E[X(t)] = K, t, X[n] = E[X[n]] = K, n Estacionaria en la autocorrelación La autocorrelación sólo depende de la diferencia de instantes de tiempo ˆ R X (t, t 2 ) = R X (t, t + τ) = E[X(t )X(t + τ)] = R X (τ), t R X [k, k 2 ] = R X [k, k + n] = E[X[k ]X[k + n]] = R X [n], k Ejemplo: X(t) = A cos(2πƒ 0 t + ), donde es uniforme en el intervalo [ π, π] X(t) = 0, R X (t, t 2 ) = R X (t, t + τ) = A2 2 cos(2πƒ 0τ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 8/ 03
82 2.5 Señales aleatorias Señales ergódicas ˆ Definición de señal ergódica Señal estacionaria para la que el promedio temporal de cualquier realización es igual al promedio estadístico (t) 2 (t) 3 (t) 4 (t) 5 (t) E[X(t 0 )] E[X(t )] < (t) > t < 2 (t) > t < 3 (t) > t < 4 (t) > t < 5 (t) > t Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 82/ 03
83 2.5 Señales aleatorias Señales ergódicas ˆ Definición de señal ergódica Señal estacionaria para la que el promedio temporal de cualquier realización es igual al promedio estadístico ˆ Señales ergódicas en sentido amplio ˆ Ergódica en cuanto a la media < k (t) >= X(t), k ˆ Ergódica en cuanto a la autocorrelación R k (τ) =< k (t) k (t τ) >= R X (τ), k ˆ Concepto de ergodicidad Cualquier realización es representativa de la señal, contiene toda la variabilidad de la señal aleatoria ˆ Propiedad importante R X (0) =< 2 k (t) >= P k, k Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 83/ 03
84 2.5 Señales aleatorias Señales ergódicas Ejemplo: X(t) = A cos(ω 0 t + ) donde es una variable uniforme en el intervalo ( π, π] ˆ Ergódica en cuanto a la media < k (t) >= 0 = X(t) ˆ Ergódica en cuanto a la autocorrelación R (τ) = A2 2 cos(ω 0τ) = R X (τ) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 84/ 03
85 2.5 Señales aleatorias Señales ergódicas Ejemplo: X(t) = A cos(ω 0 t + ), donde A y son variables independientes y uniformes en los intervalo [0, ] y ( π, π] respectivamente (t), 2 (t), 3 (t) t t t 2 t N A cos(2πƒ 0 t + )... A cos(2πƒ 0 t 2 + )... A cos(2πƒ 0 t N + ) Arranque E.A., A Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 85/ 03
86 2.5 Señales aleatorias Señales ergódicas ˆ Ergódica en cuanto a la media X(t) =E[X(t)] = E[A cos(ω 0 t + )] = π π < k (t) >= T 0 T0 /2 0 cos(ω 0 t + ϕ) T 0 /2 2π dϕd = 0 k cos(ω 0 t + ϕ k )dt = 0 < k (t) >= X(t) = 0 es ergódica en cuanto a la media Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 86/ 03
87 2.5 Señales aleatorias Señales ergódicas ˆ Ergódica en cuanto a la autocorrelación R X (τ) = R X (t, t + τ) = E[X(t )X(t + τ)] = π 2 0 π π 2 0 R k (τ) = π cos(ω 0 τ) T 0 /2 T 0 /2 2π cos(ω 0t + ϕ) cos(ω 0 (t + τ) + ϕ)dϕd = 4π (cos(ω 0(2t + τ) + 2ϕ) + cos(ω 0 τ)) dϕd = d = 6 cos(ω 0τ) 2 k cos(ω 0t+ϕ k ) cos(ω 0 (t+τ)+ϕ k )dt = 2 k 2 cos(ω 0τ) R k (τ) = R X (τ) no es ergódica en la autocorrelación Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 87/ 03
88 2.5 Señales aleatorias Correlación y covarianza Para analizar la relación estadística de dos señales se suelen usar dos funciones: la correlación y la covarianza. Su definición para señales estacionarias es ˆ Correlación ˆ Covarianza R X,Y (τ) = E[X(t + τ)y(t)] C X,Y (τ) = E[(X(t + τ) X(t))(Y(t) Y(t))] Ambos parámetros están relacionados R X,Y (τ) = C X,Y (τ) + X(t) Y(t) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 88/ 03
89 2.5 Señales aleatorias Relaciones entre señales aleatorias ˆ Independencia Si las variables aleatorias de X(t) son independientes de las variables aleatorias de Y(t) ˆ Ortogonalidad ˆ En sentido estricto: R X,Y (τ) = 0, τ ˆ En sentido amplio: R X,Y (0) = 0 ˆ Incorrelación ˆ En sentido estricto: C X,Y (τ) = 0, τ ˆ En sentido amplio: C X,Y (0) = 0 Independencia Incorrelación X(t)=0 Ortogonalidad Y(t)=0 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 89/ 03
90 2.5 Señales aleatorias Potencia de la suma Sea Z(t) una señal aleatoria estacionaria tal que Z(t) = X(t) + Y(t) La potencia de la señal Z(t) es P Z =R Z (0) = E[Z 2 (t)] = E[(X(t) + Y(t)) 2 ] = E[X 2 (t)] + E[Y 2 (t)] + 2E[X(t)Y(t)] = R X (0) + R Y (0) + 2R X,Y (0) = P X + P Y + 2R X,Y (0) Si las señales son ortogonales entonces R X,Y (0) = 0 P Z = P X + P Y Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 90/ 03
91 2.5 Señales aleatorias Densidad Espectral de potencia ˆ Definición S X (ƒ ) = T F{R X (τ)} = S X (ƒ ) = T F{R X [n]} = R X (τ)e j2πƒ τ dτ n= ˆ Propiedades. S X (ƒ ) R y S X (ƒ ) 0 2. S X (ƒ ) = S X ( ƒ ) 3. S X (ƒ )dƒ = R X (0) = Potencia promedio ƒ2 R X [n]e j2πƒ n 4. 2 S X (ƒ )dƒ = Potencia promedio en la banda [ƒ, ƒ 2 ] ƒ 5. Señales estacionarias S X (ƒ ) = E[S k (ƒ )] 6. Señales ergódicas S X (ƒ ) = S k (ƒ ) k Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 9/ 03
92 2.5 Señales aleatorias Sistemas lineales Caracterización de la salida de un sistema lineal X(t) Sistema LTI h(t) Y(t) Y(t) = X(t) h(t) En general es complicado, pero para señales estacionarias: ˆ Autocorrelación a la salida de un sistema lineal R Y (τ) = R X (τ) h(τ) h( τ) ˆ Densidad espectral de potencia S Y (ƒ ) = T F{R Y (τ)} = T F{R X (τ) h(τ) h( τ)} = S X (ƒ ) H(ƒ ) 2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 92/ 03
93 2.5 Señales aleatorias Ruido: modelo AWGN AWGN (Aditive White Gaussian Noise) Señal ergódica, densidad espectral de potencia constante y distribución de sus variables gaussianas ƒr (n,δ) Δ n n (t) t ƒr (,Δ) Δ [n] n Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 93/ 03
94 2.5 Señales aleatorias Ruido: modelo AWGN Densidad espectral de potencia de la señal de ruido N(t) S N (ƒ ) N 0 / Ideal ƒ Real Autocorrelación de la señal de ruido N(t) R N (τ) Ideal Real τ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 94/ 03
95 2.5 Señales aleatorias Ruido: modelo AWGN Densidad espectral de potencia de la señal de ruido N(t) S N (ƒ ) N 0 / P N = S N (ƒ )dƒ = N 0 /2dƒ = Densidad espectral de potencia de la señal de ruido filtrado W PB (t) S WPB (ƒ ) N 0 / B B B P WPB = S WPB (ƒ )dƒ = N 0 /2dƒ = N 0 B B Ideal ƒ Real ƒ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 95/ 03
96 2.5 Señales aleatorias Ruido: modelo AWGN Ancho de banda equivalente de ruido B eq S WPB (ƒ ) N 0 / ƒ P WPB = B eq S WPBeq (ƒ ) N 0 /2 S WPB (ƒ )dƒ = P WPBeq = N 0 B eq P WPB = P WPBeq B eq = 2 B eq N 0 /2 H(ƒ ) 2 dƒ H(ƒ ) 2 dƒ Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 96/ 03 ƒ
97 2.5 Señales aleatorias Ruido: modelo AWGN Muestreo de ruido N(t) Filtro W PB (t) Muestreo W[n] Antialiasing ƒ m Potencia W[n] P W = N 0 ƒ M /2 Se puede comprobar que W[n] = W PB (nt m ) R W [n] = R WPB (nt m ) Usando la relación del teorema de muestreo S W (ƒ ) = ƒ m S WPB (ƒ m (ƒ k)) k= Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 97/ 03
98 2.5 Señales aleatorias Ruido: modelo AWGN S WPB (ƒ ) N 0 / P WPB = Usando, S W (ƒ ) = ƒ m /2 ƒ m /2 ƒm /2 S WPB (ƒ )dƒ = N 0 /2dƒ = N 0 ƒ m /2 ƒ m /2 ƒ m S WPB (ƒ m (ƒ k)) k= S W (ƒ ) N 0 ƒ m /2 ƒ /2 /2 ƒ /2 /2 P W = S W (ƒ )dƒ = /2 N 0 ƒ m /2dƒ = N 0 ƒ m /2 /2 Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 98/ 03
99 2.5 Señales aleatorias Ruido: modelo AWGN Densidad espectral de potencia de la señal de ruido W[n] S W (ƒ ) N 0 ƒ m / /2 /2 ƒ Autocorrelación de la señal de ruido W[n] R W [n] N 0 ƒ m / n Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 99/ 03
100 2.5 Señales aleatorias Cuantificación Convertidor A/D (t) Muestreo [n] Cuantificador c [n] (t) t [n] n c [n] n Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 00/ 03
101 2.5 Señales aleatorias Cuantificación Función entrada/salida c MN MAX Δ Δ = MAX MN 2 B [n] c [n] n Δ/ Δ/2 e[n] n n Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 0/ 03
102 2.5 Señales aleatorias Cuantificación Función densidad de probabilidad del error Δ ƒ r (e, Δ) Δ Δ/2 Δ/2 Media y varianza E[n] = ƒ r (e, Δ) lim = ƒ E (e) Δ 0, Δ N T e eƒ E (e)de = Δ/2 σ 2 E[n] = E2 [n] = e 2 e3 Δ/2 de = Δ/2 Δ 3Δ Δ/2 Δ ƒ E (e) Δ/2 Δ/2 Δ/2 e e2 Δ/2 de = = 0 Δ/2 Δ 2Δ Δ/2 e = Δ2 2 = ( MAX MN) B Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 02/ 03
103 2.5 Señales aleatorias Cuantificación Relación señal a error de cuantificación SER = P X = P X P E R E [0] = P X σ 2 = P X Δ 2 E 2 SER (db) = 0 log PX P E = = 6B + 0 log 2 P X MAX ( MAX MN ) 2 = MN X[n] = 0 P X 2 22B ( MAX MN ) 2 P X ( MAX MN ) = 3σ2 X 2 = FC = MAX = 3 σ MAX X FC 2 SER (db) = 6B 20 log(fc) + 0 log(3) = 6B 20 log(fc) Grado Ing. Sist. Telecomunicación Tema 2: Señales aleatorias (Sistemas de Comunicaciones) 03/ 03
Procesos estocásticos
Teoría de la comunicación Comunicaciones - U.A.H. Indice Probabilidad. Variables Aleatorias. Procesos Estocásticos. Comunicaciones - U.A.H. Probabilidad Probabilidad. Dado un experimento ε del tipo que
Más detallesRepaso de Estadística
Teoría de la Comunicación I.T.T. Sonido e Imagen 25 de febrero de 2008 Indice Teoría de la probabilidad 1 Teoría de la probabilidad 2 3 4 Espacio de probabilidad: (Ω, B, P) Espacio muestral (Ω) Espacio
Más detallesTema 7: Procesos Estoca sticos
Tema 7: Procesos Estoca sticos Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Definición 2 Caracterización Estadística 3 Estadísticos 4 Estacionariedad 5 Ergodicidad 6 Densidad Espectral de Potencia
Más detallesTEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES. Variable aleatoria (Real)
TEORÍA DE LA COMUNICACIÓN TEMA 2 RUIDO EN LOS SISTEMA DE COMUNICACIONES Grado Ing Telemática (UC3M) Teoría de la Comunicación Variable Aleatoria / 26 Variable aleatoria (Real) Función que asigna un valor
Más detallesRepaso de Teoría de la Probabilidad
Repaso de Teoría de la Probabilidad Luis Mendo Tomás Escuela Politécnica Superior Universidad Autónoma de Madrid Febrero de 2008 1. Introducción Este documento contiene, de forma esquemática, los conceptos
Más detallesEjercicios de Procesos Estocásticos
Ejercicios de Procesos Estocásticos Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros Ejemplo Considerar
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesSistemas de Comunicaciones
Sistemas de Comunicaciones Tema 1: Introducción Grado en Ingeniería de Sistemas de Telecomunicación Departamento de Ingeniería de Comunicaciones Universidad de Málaga Curso 2012/2013 Tema 1: Introducción
Más detallesTEMA 5. PROCESOS ESTOCÁSTICOS.-CURSO 2017/18
TEMA 5. PROCESOS ESTOCÁSTICOS.-CURSO 2017/18 5.1. Concepto de proceso estocástico. Tipos de procesos. Realización de un proceso. 5.2. Características de un proceso estocástico. 5.3. Ejemplos de procesos
Más detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesSistemas de comunicación
Sistemas de comunicación Práctico Repaso de procesos estocásticos Cada ejercicio comienza con un símbolo el cuál indica su dificultad de acuerdo a la siguiente escala: básica, media, avanzada, y difícil.
Más detallesProcesos Estocásticos. Procesos Estocásticos. Procesos Estocásticos. 1 Introducción y conceptos básicos. Al final del tema el alumno será capaz de:
Procesos Estocásticos Procesos Estocásticos Referencias: Capítulo 8 de Introducción a los Sistemas de Comunicación. Stremler, C.G. (993 Estadísticos de un proceso estocástico Apuntes de la Universidad
Más detallesTEMA 2. MMC (UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 N 1. A j [n] φ j (t nt)
EMA 2 MODULACIONES DIGIALES: LINEALES, DE FASE Y FRECUENCIA MMC UC3M) Comunicaciones Digitales Modulaciones Lineales 1 / 43 Modulaciones lineales Modulación lineal en espacio multidimensional N) st) =
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesResumen de Probabilidad
Definiciones básicas * Probabilidad Resumen de Probabilidad Para calcular la probabilidad de un evento A: P (A) = N o decasosfavorables N o decasosposibles * Espacio muestral (Ω) Es el conjunto de TODOS
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 6 de Mayo de 6 Cuestiones solución h 45m C (.5 puntos). Considera tres eventos A, B, C S tales que P (A) = P (B) =.5, P (A B) =.5, y P (C)
Más detallesTeoría de la Comunicación. a) Si X es una variable aleatoria con una distribución uniforme en el intervalo [ 2, 2], calcule las probabilidades
.6. Ejercicios Ejercicio.1 Se tiene una variable aleatoria X. a) Si X es una variable aleatoria con una distribución uniforme en el intervalo [, ], calcule las probabilidades i) P (X >1) ii) P (X > 1)
Más detallesTransmisión digital por canales con ruido
Ingeniería Informática Medios de Transmisión (MT) Problemas del tema 8 Transmisión digital por canales con ruido Curso 008-09 18/1/008 Enunciados 1. Un sistema de transmisión binario con se nalización
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesSEÑALES ALEATORIAS Y RUIDO. E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid.
SEÑALES ALEATORIAS Y RUIDO. Marcos Martín Fernández E. T. S. de Ingenieros de Telecomunicación Universidad de Valladolid. CONTENIDOS INDICE. DE FIGURAS VII 1. PROBABILIDAD. 1 2. VARIABLES ALEATORIAS.
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesExamen de Estadística
Examen de Estadística Grado en Ingeniería de Telecomunicación 4 de Junio de 03 Cuestiones solucion h 30m C. (p) Un sistema de comunicación está compuesto por los componentes A, B, C, D y E, donde cada
Más detallesTeoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y
Profesores de TMDE Teoría Moderna de Decisión y Estimación, Notas Introductorias: Cálculo de probabilidades y estadística Monograph 9 de septiembre de 23 Springer Índice general. Variables aleatorias
Más detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
Más detallesRuido en los sistemas de comunicaciones
Capítulo 2 Ruido en los sistemas de comunicaciones Cuando una señal se transmite a través de un canal de comunicaciones hay dos tipos de imperfecciones que hacen que la señal recibida sea diferente de
Más detallesSEÑALES Y SISTEMAS Clase 5
SEÑALES Y SISTEMAS Clase 5 Carlos H. Muravchik 15 de Marzo de 2018 1 / 43 Habíamos visto: Repaso Probabilidades (sobrevuelo) Veremos: 1. Repaso Probabilidades 2. Repaso Variables aleatorias. Distribuciones.
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesUnidad 3. Probabilidad. Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre / 22
Unidad 3. Probabilidad Javier Santibáñez (IIMAS, UNAM) Inferencia Estadística Semestre 2018-1 1 / 22 Espacios de probabilidad El modelo matemático para estudiar la probabilidad se conoce como espacio de
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO 22/23 FECHA: 9 de Enero de 23 Duración del examen: 3 horas Fecha publicación
Más detallesCapítulo 5: Probabilidad e inferencia
Capítulo 5: Probabilidad e inferencia estadística (Fundamentos Matemáticos de la Biotecnología) Departamento de Matemáticas Universidad de Murcia Contenidos Principios de la probabilidad Conceptos básicos
Más detallesTema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:
Tema 4: Variables aleatorias Tema 4: Variables Aleatorias Distribución de Bernouilli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno
Más detallesIDENTIFICACIÓN DE SISTEMAS SISTEMAS LINEALES Y PROCESOS ESTOCÁSTICOS
IDENTIFICACIÓN DE SISTEMAS SISTEMAS LINEALES Y PROCESOS ESTOCÁSTICOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Sistema Un sistema
Más detallesTEMA 3.- VECTORES ALEATORIOS.- CURSO
TEMA 3.- VECTORES ALEATORIOS.- CURSO 017-018 3.1. VARIABLES ALEATORIAS BIDIMENSIONALES. FUNCIÓN DE DISTRIBUCIÓN CONJUNTA. 3.. VARIABLES BIDIMENSIONALES DISCRETAS. 3.3. VARIABLES BIDIMENSIONALES CONTINUAS.
Más detallesProbabilidad y Procesos Aleatorios
y Dr. Héctor E. Poveda P. hector.poveda@utp.ac.pa www.hpoveda7.com.pa @hpoveda7 Plan del curso Probabilidad Múltiples 1. Probabilidad Espacios probabilísticos Probabilidad condicional 2. 3. Múltiples 4.
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesPAM de doble banda lateral (PAM-DSB)
PAM paso banda - Modulación AM Generar una PAM banda base st) = n A[n] gt nt) Modular st) en amplitud PAM de doble banda lateral PAM-DSB) PAM de banda lateral única PAM-SSB) Banda lateral inferior. Banda
Más detallesFormulario. sinc(x) = sin(πx) πx Relación entre senoidales y exponenciales complejas
1 1.1. Repaso matemático Formulario z = x + jy = x 2 + y 2 e jθ = me jθ = m(cos(θ) + j sin(θ)); θ = arctan x y b a e f f = e f(b) e f(a) sinc(x) = sin(πx) πx N 1 n=0 α n = N α = 1 1 α N 1 α α 1 b a δ(x)f(x)dx
Más detallesTema 3. Probabilidad y variables aleatorias
1 Tema 3. Probabilidad y variables aleatorias En este tema: Probabilidad: Experimentos aleatorios, espacio muestral, sucesos. Interpretaciones de la probabilidad. Propiedades de la probabilidad. Probabilidad
Más detallesEstadística aplicada al Periodismo
Estadística aplicada al Periodismo Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad y Modelos probabilísticos.
Más detallesDISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD
DISTRIBUCIONES MULTIDIMENSIONALES DE PROBABILIDAD FUNCIÓN DE DISTRIBUCIÓN ( CONJUNTA ) DE UN VECTOR ALEATORIO FUNCIÓN DE CUANTÍA ( CONJUNTA) DE VECTORES ALETORIOS DISCRETOS FUNCIÓN DE DENSIDAD (CONJUNTA)
Más detallesGuía 3 - Densidad espectral de potencia, transformación de procesos, ergodicidad
Guía 3 - Densidad espectral de potencia, transformación de procesos, ergodicidad Nivel de dificultad de los ejercicios Estrellas Dificultad Normal Intermedio Desafío Densidad espectral de potencia, transformación
Más detallesVECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción VECTORES ALEATORIOS Julián de la Horra Departamento de Matemáticas U.A.M. Desde un punto de vista formal, los vectores aleatorios son la herramienta matemática adecuada para transportar
Más detallesPRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD
PRINCIPALES CONCEPTOS DE LA TEORÍA DE LA PROBABILIDAD CONCEPTOS PREVIOS EXPERIMENTO RESULTADO ESPACIO DE RESULTADOS, W ÁLGEBRA DE SUCESOS SUCESO PROBABILIDAD (AXIOMÁTICA) PROPIEDADES Y TEOREMAS DERIVADOS
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesSistemas de comunicación
Sistemas de comunicación Práctico 5 Ruido Pasabanda Cada ejercicio comienza con un símbolo el cuál indica su dificultad de acuerdo a la siguiente escala: básica, media, avanzada, y difícil. Además puede
Más detallesDistribución conjunta de variables aleatorias
Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Primavera 15 FECHA: de Junio de 15 Fecha publicación notas: 11 de Junio de 15 Fecha revisión
Más detallesSEÑALES Y SISTEMAS Clase 4
SEÑALES Y SISTEMAS Clase 4 Carlos H. Muravchik 12 de Marzo de 2018 1 / 1 Habíamos visto: 1. Ejemplos audibles 2. Transformaciones de la variable independiente Y se vienen: Ejemplo audible de reflexión
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detalles5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias. Jorge Eduardo Ortiz Triviño
5. TEOREMA FUNDAMENTAL: Repaso Variables Aleatorias Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ CONTENIDO 1. INTRODUCCIÓN 2. VARIABLES ALEATORIAS 3. TEOREMA
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Otoño 3 Duración: 3 horas FECHA: 9 de Enero de 4 Fecha publicación notas: 6--4 Fecha revisión
Más detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesSistemas de comunicación
Sistemas de comunicación Práctico Transmisión digital en banda base Cada ejercicio comienza con un símbolo el cuál indica su dificultad de acuerdo a la siguiente escala: básica, media, avanzada, y difícil.
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 5 Esperanza y momentos Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesVariables aleatorias. Descripción breve del tema. Objetivos. Descripción breve del tema. Tema 4
Descripción breve del tema Variables aleatorias Tema 4 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Descripción breve
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesRESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL
RESUMEN CONTENIDOS TERCERA EVALUACIÓN PROBABILIDAD DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN NORMAL 1) PROBABILIDAD Experimentos aleatorios. Concepto de espacio muestral y de suceso elemental. Operaciones con
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesTema 4: VARIABLE ALEATORIA N-DIMENSIONAL
Tema 4: VARIABLE ALEATORIA N-DIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesModulación y Detección en Canales Gaussianos
2 de noviembre de 2009 Índice Modelo de Comunicaciones Digitales 1 Modelo de Comunicaciones Digitales 2 3 4 5 6 7 Modelo General Info. Formato (e.g. A/D) Codif. Fuente Encriptado Codif. Canal Modulador
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesUniversidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD
Universidad Mariano Gálvez Estadística y probabilidad para Ingeniería Sección B. UNIDAD 2 PROBABILIDAD PRESENTA DRA. EN ING. RITA VICTORIA DE LEÓN ARDÓN 2.Trabajo en equipo 3. Estudio independiente 1.
Más detallesTema 2: Variables Aleatorias Unidimensionales
Tema 2: Variables Aleatorias Unidimensionales Teorı a de la Comunicacio n Curso 27-28 Contenido 1 Concepto de Variable Aleatoria 2 Función Distribución 3 Clasificación de Variables Aleatorias 4 Función
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesTema 1. Introducción a las señales y los sistemas (Sesión 2)
SISTEMAS LINEALES Tema. Introducción a las señales y los sistemas (Sesión ) 7 de septiembre de F. JAVIER ACEVEDO javier.acevedo@uah.es TEMA Contenidos. Definiciones. Clasificación de señales. Transformaciones
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesUniversidad Nacional de La Plata
Universidad Nacional de La Plata Facultad de Ciencias Agrarias y Forestales CÁLCULO ESTADÍSTICO STICO Y BIOMETRÍA CONTENIDOS UNIDAD 3: Introducción al Cálculo de Probabilidades. Experimento aleatorio.
Más detallesVectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
Más detallesTema 3: VARIABLE ALEATORIA BIDIMENSIONAL
Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL Carlos Alberola López Lab. Procesado de Imagen, ETSI Telecomunicación Despacho 2D014 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar Concepto
Más detallesTransformaciones y esperanza
Capítulo 3 Transformaciones y esperanza 3.1. Introducción Por lo general estamos en condiciones de modelar un fenómeno en términos de una variable aleatoria X cuya función de distribución acumulada es
Más detallesProbabilidad y Estadística
Vectores aleatorios Probabilidad y Estadística Vectores aleatorios Federico De Olivera Cerp del Sur-Semi Presencial curso 2015 Federico De Olivera (Cerp del Sur-Semi Presencial) Probabilidad y Estadística
Más detallesClase 3. Procesos estocásticos en Teoría de la señal.
1 Introducción Clase 3. Procesos estocásticos en Teoría de la señal. Como ya se comentó en la clase anterior, el ruido es una señal inherente a cualquier transmisión de telecomunicación. El ruido es una
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesClases 8 y 9: Detección de una señal con ruido. Eytan Modiano. Departamento de aeronáutica y astronáutica
Clases 8 y 9: Detección de una señal con ruido Departamento de aeronáutica y astronáutica Slide 1 Ruido en los sistemas de comunicación S(t) Canal r(t) r(t) = S(t) + n(t) n(t) El ruido es la señal adicional
Más detallesHoja de Problemas Tema 3 (Variables aleatorias multidimensionales)
Depto. de Matemáticas Estadística (Ing. de Telecom.) Curso 2004-2005 Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales) 1. Consideremos dos variables aleatorias independientes X 1 y X 2,
Más detallesApunte de procesos estocásticos
Apunte de procesos estocásticos Margarita Manterola 6 de junio de 2005 Resumen Este apunte pretende ser un resumen de lo dado en clase (tanto práctica como teórica) en la materia Procesos Estocásticos
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Experimento aleatorio Probabilidad Definición variable aleatoria: discretas y continuas Función de distribución y medidas Distribución Binomial Distribución de Poisson Distribución
Más detallesDetección y Estimación Maestría en Ing. Electrónica Capitulo I Probabilidad, Variables y Procesos Aleatorios
Detección y Estimación Maestría en Ing. Electrónica Capitulo I Probabilidad, Variables y Procesos Aleatorios D.U. Campos-Delgado Facultad de Ciencias UASLP Agosto-Diciembre/2017 1 CONTENIDO Espacio muestral
Más detallesValeri Makarov: Estadística Aplicada y Cálculo Numérico (Grado en Química)
Estadística Aplicada y Cálculo Numérico (Grado en Química) Valeri Makarov 10/02/2015 29/05/2015 F.CC. Matemáticas, Desp. 420 http://www.mat.ucm.es/ vmakarov e-mail: vmakarov@mat.ucm.es Capítulo 4 Variables
Más detalles