Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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}
EJEMPLO
Se ha registrado un dato cada 0.25 segundos durante 10 minutos Seales discretas
Podemos organizar los datos en forma matricial
Realizacin
Toda variable aleatoria X tiene asociada una funcin de densidad de probabilidad, fx(x), que
cumple que:
() = 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:
PROCESOS ESTACIONARIOS
Formalmente, un proceso { X(t) } se denomina estrctamente estacionario si para cualquier :
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
Propiedades
-