IE509 – Processos Estocásticos para Engenharia – Turma A

1º Semetre 2011 - Professores: Gustavo Fraidenraich e José Cândido S.

Santos Filho

• Livro adotado:
“Probability, Statistics, and Random Processes for Electrical
Engineering ,“ Alberto Leon-Garcia – 3ª Edição.
No de chamada na BAE: 621.30151 L551p

• Cronograma:
12 capítulos – 30 aulas (60 horas)
Parte I – Capítulos 1 – 7 – Prof. Gustavo
Parte II – Capítulos 9 – 12 – Prof. Cândido

Parte I –
Capítulos 1 e 2 – 2 aulas (28/02 e 02/03)
Capítulo 3 – 2 aulas (14/03 T e 16/03)
Capítulo 4 – 3 aulas (21/03T , 23/03 e 28/03Trab.)
Capítulo 5 – 3 aulas (30/03T, 04/04 e 06/04Trab.)
Capítulo 6 – 3 aulas (11/04T, 13/04 e 18/04Trab.)
Capítulo 7 – 1 aula (20/04T)
P1 - 1 aula (25/04)

• Avaliação:
Nota final= (media parte I+ media parte II)/2
Média Parte I= 15% Testinho + 15% Trabalhos + 70% prova P1
Média Parte II= 15% Testinho + 15% Trabalhos + 70% prova P2
Conceitos:

A 9-10
B 7-9
C 5-7
D ≤5
 Trabalhos: Elaboração de programas em Matlab/Octave /SciLab.
Listas de exercício: serão passadas periodicamente, cerca de uma por
capítulo. Não será necessário entregar a lista resolvida. Ela será
cobrada na forma de exercícios individuais, retirados da lista, a
serem resolvidos na sala de aula.
• Presença
25% de faltas = 7 faltas.

• Bibliografia adicional:
1. “Probability Random Variables and Stochastic Processes,”
Papoulis Pillai, 4ª Edição.
2. “Introduction to Probability,” – Dimitri Bertsekas e John N.
Tsitsiklis, 2ª Edição.
3. S. Kay, Intuitive Probability and Random Processes using
Matlab, Springer 2005.

• Ementa Detalhada (Parte I – Prof. Gustavo):

1. Capítulo 1 – Modelos Probabilísticos em Engenharia Elétrica e
Computação.
a. Modelos
i. Determinísticos (1.2)
ii. Probabilísticos (1.3)

2. Capítulo 2 – Conceitos Básicos de Teoria de Probabilidade

a. Os axiomas básicos (2.2)
b. Probabilidade condicional (2.4)
c. Eventos independentes (2.5)

3. Variáveis Aleatórias Discretas

a. Noção de variável aleatória (3.1)
b. Variável aleatória discreta e função massa de
probabilidade (3.2)
c. Valor esperado e momentos (3.3)
d. Função massa de probabilidade condicional (3.4)
e. Variáveis discretas importantes (3.5)
 f. Geração de variáveis aleatórias discretas (3.6)

4. Variáveis Aleatórias Contínuas

a. Função distribuição acumulada (4.1)
b. Função densidade de probabilidade (4.2)
i. Variável aleatória complexa.(5.3 – Papoulis)
c. Valor esperado (4.3)
d. Variáveis aleatórias contínuas importantes (4.4)
e. Funções de variáveis aleatórias (4.5).
f. Desigualdades de Chebyshev e Markov (4.6)
g. Métodos de transformação (4.7)
i. Função geradora de momento
ii. Função geradora de probabilidade
iii. A transformada de Laplace de uma função
densidade de probabilidade
h. Métodos computacionais para geração de variáveis
aleatórias (4.9)
5. Par de Variáveis Aleatórias
a. Duas variáveis aleatórias (5.1 e 5.2)
b. Função densidade acumulada conjunta de duas varíaveis
aleatórias (5.3 e 5.4)
c. Independência entre variáveis aleatórias (5.5)
d. Momentos e médias conjuntas para duas variáveis
aleatórias (5.6)
e. Probabilidade condicional e esperança condicional (5.7)
f. Funções de duas variáveis aleatórias (5.8)
g. Par de variáveis aleatórias conjuntas Gaussianas (5.9)
h. Geração de variáveis aleatórias independentes (5.10)
6. Vetores de Variáveis Aleatórias
a. Vetor de variáveis aleatórias (6.1)
b. Funções de várias variáveis aleatórias (6.2)
c. Valor esperado de vetores de variáveis aleatórias (6.3)
d. Vetores aleatórios Gaussianos conjuntos (6.4)
e. Estimação de variáveis aleatórias (6.5)
f. Geração de variáveis aleatórias correlacionadas (6.6)
7. Soma de Variáveis Aleatórias
a. Soma de variáveis aleatórias (7.1)
b. A média amostral e a lei dos grandes números (7.2)
i. Lei fraca e lei forte
c. Teorema do limite central (7.3)