PROCESOS ESTOCSTICOS

Un proceso estocstico es una secuencia de variables aleatorias

-

El trmino proceso estocstico puede hacer referencia tanto al proceso que genera la
secuencia como a la secuencia misma.
Se representa como { X(k) , k K }.
o es el espacio muestral, el conjunto de valores posibles que puede tomar {X(k)}.
o K es el indice que hace referencia a la posicin dentro de la secuencia, y toma
valores en K.
La secuencia puede ser a lo largo del tiempo, o posiciones a lo largo de una linea, o en
general, parametros que indican posicin relativa.
Nosotros vamos a estudiar procesos estocsticos en los que k indica tiempo, es decir,
{X(k)} son valores registrados a lo largo del tiempo. Por esta razn tambin se les conoce
como seales, y tambin como series temporales
Una realizacin del proceso son los valores que toman las variables aleatorias en un
experimento determinado.

VARIABLES ALEATORIAS
Una variable aleatoria es una funcin que asigna un nmero real al resultado de un experimento
aleatorio.
-

Al lanzar dos monedas al aire, los resultados posibles son {CC, CX, XC, XX}
Se puede definir la siguiente variable aleatoria: C: nmero de caras que se obtienen al
lanzar dos monedas al aire. C {0,1,2}

variable aleatoria discreta.

La mayora de las veces el resultado del experimento aleatorio ya es un nmero, por lo
que la variable aleatoria es directamente el resultado: H: altura de una persona elegida al
azar.
H (0,+)

Variable aleatoria continua.

En general, las variables donde el resultado se cuenta son v.a. discretas, y cuando el
resultado se mide son v.a. continuas.

EJEMPLO
Se ha registrado un dato cada 0.25 segundos durante 10 minutos Seales discretas
Podemos organizar los datos en forma matricial

El valor que estamos registrando en un instante de tiempo ti depende de la seal que

observemos, Vj(ti) Vk(ti). Son variables aleatorias.

El conjunto de los datos registrados (1) provienen de un proceso estocstico o aleatorio.

Tenemos una secuencia de variables aleatorias:

V (tj) es la variable aleatoria velocidad registrada en el instante de tiempo tj.

Una observacin de los valores de las variables aleatorias se conoce como realizacin del
proceso estocstico. Cada realizacin es nica.

Realizacin

El proceso estocstico viento se representa como

Toda variable aleatoria X tiene asociada una funcin de densidad de probabilidad, fx(x), que
cumple que:

FUNCIN DE DENSIDAD DE PROBABILIDAD

-

fX(x) 0 para todo x.

() = 1

( ) = ()

ESPERANZA
Se define la esperanza o media de una variable aleatoria X continua como

VARIANZA
Se denomina varianza de una variable X

EJEMPLO
Sea X una variable aleatoria con funcin de densidad de probabilidad dada por la figura. Calcular la
media y la varianza de X.

Segn la figura
Como

() = 2

Por tanto:

La varianza tambin se puede calcular mediante

PROCESOS ESTACIONARIOS
Formalmente, un proceso { X(t) } se denomina estrctamente estacionario si para cualquier :

En otras palabras, los parmetros estadsticos en tj y en tk= tj + son iguales

Por otro lado, un proceso { X(t) } se denomina dbilmente estacionario si

PROCESOS ERGDICOS

PROCESOS GAUSSIANOS
Un P.A. X(t) es un proceso gaussiano, si cada funcin muestra de X(t) es una v.a. gaussiana.
Podemos decir que X(t) tiene una distribucin gaussiana si su funcin de distribucin de
probabilidad tiene la forma

Si la variable X(t), est normalizada, se tiene que

para N(0,1) = N(, 2)

Propiedades
-

Si X(t) es un proceso gaussiano aplicado a la entrada de un sistema LIT, la salida tambin

es un proceso aleatorio gaussiano Y(t).
Si un P.A. X(t), es gaussiano, entonces las funciones muestra generadas por X(t) son
conjuntamente gaussianas, para cualquier n, siendo n, el orden del P.A.
Si el proceso gaussiano es estacionario, entonces el proceso es estrictamente estacionario.
Si las v.a. X(t1) X(t2) X(tn), son obtenidos de un proceso gaussiano X(t) en los tiempos t1 , t2,
tn y son no correlacionados entonces las v.a. son estadsticamente independientes.