Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PROCESSOS ESTOCÁSTICOS
BIBLIOGRAFIA
[2] Peebles, P. Z. , “Probability and Random Variables and Random Signal Principles”, 4th edition,
2001. McGraw-Hill.
[3] Leon-Garcia, A. “Probability and Random Processes for Electrical Engineers”, 2nd edition,
Addison Wesley, 1994.
_
f) Se A é o evento complementar do evento A, então:
_
P( A) = 1- P( A)
g) Se A e B são eventos quaisquer, então:
P(A U B) = P(A) + P(B) - P(A ∩ B)
Ex 1.2.3 - Um dado é lançado uma vez. O evento é definido como sendo aparecimento do
número sete na face superior do dado. Determine E , o conjunto do evento.
Ex 1.5.1- Testes de qualidade foram realizados nos circuitos integrados produzidos por
diversos fabricantes, tendo-se obtido os seguintes resultados em relação aos defeitos
encontrados:
Fabricantes Classe de Defeitos Total
Nenhum Sério Crítico
N S C
F1 50 15 20 85
F2 30 5 15 50
F3 20 10 5 35
Total 100 30 40 170
Ex. 1.6.1- Suponha que em uma loja existam 20 microcomputadores, conforme mostra a
tabela abaixo. Alguns micros possuem HD de 160 Gbytes (160G) , enquanto outros
possuem HD de 320 Gbytes (320G). Alguns micros têm monitor de 17 polegadas (M17) e
outros têm monitor de 19 polegadas (M19). Um cliente entra na loja e escolhe,
aleatoriamente, um micro e observa na ficha técnica do equipamento que o mesmo possui
um monitor de 17 polegadas. Qual é a probabilidade de que este micro possua um HD de
160 Gbytes.
Ex. 1.7.1- Uma caixa contém 2000 componentes, dos quais 5% são defeituosos. Uma
segunda caixa contém 500 componentes, dos quais 10% são defeituosos. Seleciona-se,
aleatoriamente, uma das caixas e retira-se dela um componente. Qual é a probabilidade do
componente ser defeituoso?
ss X
2
(s2)
domínio contradomínio
x
F(x) = ∑ p(xi)
xi = -∞
e que representa a probabilidade da variável aleatória X discreta assumir um valor menor ou
igual a x.
Observações: b
a) para um intervalo (a,b) a P[a ≤ X ≤ b] = ∫ f(x) dx, onde a<b
a
b) Sendo X uma V. A. contínua a P[ X= x0 ] = 0
2.5.1.2 - Poisson
Representa uma extensão da distribuição binomial e se aplica quando o número de
vezes que o experimento é repetido é muito grande e a probabilidade do evento de interesse
ocorrer é muito pequena.
a) Parâmetros
a.1) λ - representa um valor médio e é dado por λ = n P
a.2) xi - representa o número de vezes que o evento de interesse ocorre ou o valor
que a variável aleatória pode assumir
b) Função Densidade de Probabilidade da Distribuição de Poisson
-λ xi
p(xi) = e λ / xi!
f(x) = { 0 x≤ a
{ 1/ (b-a) a≤ x≤ b com b > a
{0 x≥ b
S RXY
(X,Y)
[X(s1),Y(s1)
s1
ss ]
s2 [X(s2),Y(s2)
]
Domínio Contradomínio
2.7.1- Função densidade de probabilidade conjunta para uma V.A. bidimensional discreta.
é uma função definida por p(xi, yJ) = P[X= xi , Y= yJ] e tem que satisfazer as
seguintes condições:
2.9.1- Função Densidade de Probabilidade Marginal para uma Variável Aleatória Discreta
É a função designada por p X(xi)= P[X=xi , sem nenhuma restrição sobre a v. a. y]. a v.
a. Y pode assumir todos os valores desde -∞ até +∞, ou seja:
pX(xi) = P[X=xi ,Y=y1;ou X=xi , Y=y2 ; ou ...]
∞ ∞
pX(xi) = ∑ P[X=xi ,Y=yJ] → pX(xi) = ∑ p(xi , yJ)
yJ= -∞ yJ= -∞
2.9.2- Função Distribuição de Probabilidade Marginal para uma Variável Aleatória Discreta.
É a função representada por:
FX(x) = P[X≤ x, sem nenhuma restrição sobre a V. A. Y]
FX(x) = P[X≤ x, Y≤ ∞] = F(x, ∞)
x ∞ x
FX(x) = ∑ ∑ p(xi, yJ) → FX(x) = ∑ pX(xi)
xi= -∞ yJ = - ∞ xi= -∞
2.9.3- Função Densidade de Probabilidade Marginal para uma Variável Aleatória Contínua.
Por analogia com a função densidade de probabilidade Marginal obtida para uma
variável aleatória discreta, tem-se que a função a função densidade de probabilidade
marginal para uma variável aleatória é dada por:
∞
fX(x) = ∫ f(x,y) dy
-∞
Esta função é representada por F X/Y(x /y) e pode ser interpretada de duas formas,
tendo os seguintes significados:
x y y
FX/Y(x /y) = ∫ ∫ f(x,y) dy dx / ∫ fY(y) dy
-∞ -∞ -∞
Ex 2.5.2.2.1- Uma variável aleatória X é normalmente distribuída com média igual a 1200
e desvio padrão igual a 200. Qual é a probabilidade P[ 800≤ X≤ 1000]
Ex 2.8.1.1- Determine o valor de a para que a função dada abaixo possa representar uma
função densidade de probabilidade conjunta.
f(x,y) = { a [x2 +(xy / 3)] 0≤ x ≤ 1 ; 0≤ y ≤ 2
{ 0 para outros x e y
Ex 2.9.1.1- Para um experimento aleatório onde obteve-se a seguinte tabela, na qual estão
representados os valores da função densidade de probabilidade conjunta das V. A. (X,Y),
determine pY(4);
xi 3 10 12
yj
4 0,17 0,13 0,25
5 0,1 0,3 0,05
Ex 2.9.3.1- Sabendo-se que a função densidade de probabilidade conjunta f(x,y) é dada por:
f(x,y) = { x2 +(xy)/3 0≤ x≤ 1 ; 0≤ y≤ 2
{0 para outros valores de x e y
Determine a função densidade de probabilidade marginal para a variável aleatória X
Ex 2.10.1.1- Duas linhas de produção fabricam um certo tipo de peça. Suponha que em
qualquer dia a capacidade de produção seja de 4 peças na linha I e de 2 peças na linha II.
Admita que o número de peças realmente produzidas, em qualquer linha, seja uma variável
aleatória e que (X,Y) represente a variável aleatória bidimensional que fornece o número de
peças produzidas pelas linhas I e II, respectivamente. A tabela abaixo fornece a função
densidade de probabilidade conjunta. Determine pX/Y(xi / 2) FX/Y (4/2).
xi 0 1 2 3 4
yj
0 0 0,01 0,03 0,05 0,16
1 0,01 0,02 0.04 0,05 0,14
2 0,02 0,05 0,09 0,11 0,22
f(x,y) = { (x + y) / 3 0≤ x≤ 1 ; 0≤ y≤ 2
{ 0 para outros intervalos de x e y
determine a função densidade de probabilidade condicional fX/Y(x/y);
∞
E[X] = µ X = ∑ xi p(xi)
xi= -∞
3.2 - Momento
É o valor média dos valores que a variável aleatória assume elevados a uma potência
r.
3.2.1- Momento para uma V. A. Discreta
r ∞
E[ X ] = mr = ∑ xir p(xi)
xi = - ∞
3.4 Variância
É definida como sendo o segundo momento central da variável aleatória, ou seja,
Var[X] = σx2 = E[(X-µx)2]
Obs. A variância é uma medida de dispersão da variável aleatória e terá um grande valor
(será mais dispersa) quanto mais distante da média µX, a variável aleatória assumir valores
com grandes probabilidades e terá um pequeno valor( será menos dispersa ou mais
concentrada ) quanto mais próximo da média a variável aleatória assumir valores com
grandes probabilidades.
3.7.1- Covariância
É a variância entre duas variáveis aleatórias e representa o valor médio do produto
dos desvios das médias das variáveis aleatórias.
σXY = E[(X-µX) (Y-µY)] ⇒ σXY = E[XY] - µX µY
Suponha que g(X) seja uma variável, função de uma variável aleatória X complexa,
através da expressão g(X) = e jωX. Denomina-se de função geratriz de momentos ao valor
médio de g(X), isto é, ϕX (ω) = E[e jωX].
∞
ϕX (ω) = ∫ e jωx f(x) dx
-∞
-∞
∞ ∞ ∞ ∞
ϕX (ω) = ∫ f(x)dx + ∫ j ω x f(x) dx + ∫ [(j ω x) / 2! ] f(x) dx + ∫
2
[(j ω x)k / k! ] f(x)
dx
-∞ -∞ -∞ -∞
α0 = 1
α1 = j E[X] ⇒ E[X] = α1 / j
α2 = j2 E[X2] / 2! ⇒ E[X2] = 2! α2 / j2
αk = jk E[Xk] / k! ⇒ E[Xk] = k! αk / jk
Ex 3.1.2.1- Determine o valor médio da variável aleatória X que apresenta a seguinte função
densidade de probabilidade:
f(x) = { 2x 0 ≤ x≤ 1
{ 0 para outros x
xi 2 3 4
p(xi) 1/4 1/2 1/4
Ex 3.7.2.1- suponha que a variável aleatória Y esteja relacionada com a variável aleatória X
pela expressão Y = -3X/2, onde a V. A. X é uniformemente distribuída entre 0 e 2.
Determine o coeficiente de correlação.
f(x,y) = { (x + y) / 3 0≤ x≤ 1 ; 0≤ y≤ 2
{ 0 para outros intervalos de x e y
determine o valor médio condicional E[X/Y=1].
yo = g(xo)
y1 = g(x1)
xi = g-1(yi) xo = g-1(yo) x
y1 = g(x1)
xo = g-1(yo)
xi = g-1(yi) x
yo = g(xo)
a
x1 x2 x3 x4 x
x1 x
f(y) = 0
k
a b x
P[Y=k] = P[a ≤ X ≤ b]
b
P[Y=k] = ∫ f(x) dx
a
∞
p(yJ) = ∑ pX1(xi) pX2 (yJ -xi )
xi = -∞
substituindo-se o argumento -x1 por (y - x1), atribuindo-se para y um valor, por exemplo,
igual a 1, tem-se:
fX2(1-x1) = {(1-x1)/2 0≤ 1-x1≤ 2 ⇒ -1≤ -x1≤ 1 ⇒ -1≤ x1≤ 1
{0 para outros x1
Ex 4.2.1- A função densidade de probabilidade da variável aleatória X é dada por: f(x) = e-x
para x≥ 0 e zero para outros valores de x. Sabe-se que Y é uma variável função de X
através da expressão Y = 2X - 2. Determine a função densidade de probabilidade da variável
Y.
5.1 - Conceito.
Suponha que seja realizado um experimento aleatório cujo resultado compõe o espaço
amostral S, onde a probabilidade de ocorrência de cada evento s é conhecida. Para cada
resultado ou evento s é atribuída uma função do tempo X(t,s) real. Então, teremos criado
uma família de funções, a qual denominaremos de processo aleatório ou estocástico.
Um processo aleatório pode ser visto como uma função de duas variáveis, t e s, onde
o domínio de s é o espaço amostral S e o domínio de t é o conjunto dos números reais.
É a covariância das variáveis aleatórias X(t1) e X(t2), e é obtida pelo uso da equação:
CXX(t1, t2) = E{[ X(t1) - µX(t1)] [ X(t2) - µ X(t2)]}
Obs. Se um processo aleatório é estacionário no sentido estrito, então ele será estacionário
no sentido amplo. O contrário nem sempre é verdadeiro.
2) o segundo momento do processo estacionário no sentido amplo é igual a área total sob o
gráfico de ΦXX(ω)
∞
RXX(0) = E[ X (t)] = ∫ ΦXX(ω) dω
2
-∞
-∞
Portanto, se X(t) é uma corrente através de um resistor de um Ohms, então
E[X2(t)] é a potência instantânea esperada ser dissipada no resistor. Então a integral de
ΦXX(ω) é também a potência instantânea dissipada no resistor. Logo ΦXX(ω) é uma densidade
de potência. T
Se X(t) é ergódico, E[X2(t)] = lim (1/2T) ∫ X2(t) dt
T →∞ -T
então, E[X2(t)] é a potência média dissipada no resistor de um Ohms.
Diz-se que X(t) é um processo aleatório gaussiano se uma função amostra deste
processo segue a distribuição de gaussiana, ou seja, a sua função densidade de
probabilidade é dada por :
onde:
G G C
A
1 2
R
G
A
Ex. 5.5.1.1- Determine a média do processo aleatório X(t) = 2 Y t, onde Y é uma variável
aleatória cuja função densidade de probabilidade é dada por: f(y) ={ 2y/3 1≤ y≤ 2
{0 para outros y
Ex. 5.5.2.2- Determine a função auto-correlação do processo aleatório dado por X(t) = A
cos(ω t + θ ), onde θ é uma variável aleatória uniforme entre - π e π , enquanto A e ω são
constantes.
Ex 5.10.1- O ruído branco B(t) é um processo aleatório caracterizado por uma densidade
espectral de potência constante dada por:
ΦXX(ω) = No / 2 W/ Hz. Determine a auto-correlação de B(t),
Ex. 5.12.1 – O número de chamadas em uma central telefônica, que pode ser modelada por
um processo de poisson, apresenta a taxa média de uma chamada a cada quatro segundos.
Determine a probabilidade de que o número de chamadas no intervalo de zero a dez
segundos seja maior do que 5 chamadas.
∞
RYY(τ) = ∫ E[ Y(t+ τ) X(t-α) ] h(α) dα
-∞
como E[ Y(t+ τ) X(t-α) ] = RYX(τ +α) , tem-se que:
∞
RYY(τ)=∫ RYX(τ +α) h(α) dα
-∞
∞
RYX(τ +α) = ∫ RXX(λ -τ -α ) h (λ) dλ
-∞
∞
RYY(τ)=∫ ∫ RXX(λ -τ -α ) h (λ) dλ h(α) dα
-∞
X(t) Y(t)
X(t) e Y(t) são sinais de tensão
Ex. 6.5.1- Um sinal recebido X(t) é a soma de um sinal de informação S(t) e um ruído N(t).
Se ambos possuem média zero e são independentes com RSS(τ)=e -5τ e
RNN(τ)= (sen 1000τ) /τ , determine o valor médio e a auto-correlação de X(t).
FORMULÁRIO - CAPÍTULO I
n n
P[A] = NA / N - @ P[BJ ] = ∑ P[ Ai . BJ ] @ P[BJ ] = ∑ P[ BJ / Ai ] P[ Ai ]
definição de i=1 i=1
probabilidade probabilidade marginal probabilidade total
-------------------------------------------------------------------------------------------------------------
n
P[A/B]=P[A.B]/ P[B] @ P[Ai /B]={P[B/Ai }P[Ai ]}/ ∑ P[B/Ai ]P[Ai ] @ P[A.B]= P[A]P[B]
Probabilidade i=1 Independência de
condicional Teorema de Bayés eventos
-------------------------------------------------------------------------------------------------------------
FORMULÁRIO - CAPÍTULO II
x x
p(xi ) = P [ X= xi ] @ F(x) = ∑ p(xi) @ f(x) = dF(x) / dx @ F(x) = ∫ f(x) dx
função densidade xi = - ∞ função densidade -∞
de probabilidade função distribuição de de probabilidade função distribuição
de
V.A.D. probabilidade V.A.D. V.A.C. probabilidade V.A.C.
-------------------------------------------------------------------------------------------------------------
xi xi n-xi -λ xi
p(xi ) = C P Q @ p(xi ) = e λ / xi ! @ f(x) = { 1 / (b-a ) a < x < b
n { 0 para outros x
função densidade de função densidade de função densidade de
probabilidade
probabilidade binomial probabilidade poisson uniforme
------------------------------------------------------------------------------------------------------------
___ - ( x - µx )2 / 2 σx2
f(x) = { (1/ λ ) e- x / λ x ≥ 0 @ f(x) = 1/ (σx √ 2 π ) e -∞ ≤ x ≤
∞
{ x< 0
função densidade de função densidade de probabilidade
probabilidade exponencial normal ou gaussiana
-------------------------------------------------------------------------------------------------------------
y x
p(xi , yj ) =P[X= xi ,Y= yJ ] @ F(x,y) = Σ Σ p(xi , yJ ) @ f(x,y) = ∂ 2 F(x,y) /∂x ∂y
yJ = -∞ xi = -∞
função densidade de proba- função distribuição de proba- função densidade de pro-
bilidade conjunta V.A.D. bilidade conjunta V.A.D. babilidade conjunta
V.A.C
-------------------------------------------------------------------------------------------------------------
x y ∞ ∞
F(x,y) = ∫ ∫ f(x,y) dy dx @ pX (x) = Σ p(xi, yJ ) @ fX (x) = ∫ f(x,y)
dy
-∞ - ∞ yJ= - ∞ -∞
Função distribuição de proba- função densidade de proba- função densidade de
pro-
lidade conjunta V.A.C. bilidade marginal V.A.D. babilidade marginal
V.A.C.
x x
FX(x) = Σ pX (xi ) @ FX (x) = ∫ fX (x) dx @ pX / Y (xi , YJ ) = p(xi , yJ ) / pY (yJ)
xi= -∞ -∞
Função distribuição de Função distribuição de Função densidade de
probabilidade
probab. marginal V.A.D. probab. Marginal V.A.C. condicional V. A. D.
CONTINUAÇÃO DO FORMULÁRIO DO SEGUNDO CAPÍTULO
x
fX / Y (x / y) = f (x,y) / fY (y ) @ FX / Y ( x / yJ) = Σ pX /Y (xi / yJ )
função densidade de probabilidade xi = -∞
condicional V. A. C. Função distribuição de probabilidade
condicional V. A. D.
-------------------------------------------------------------------------------------------------------------
x
FX / Y ( x / y) = P [X ≤ x / Y= yJ ] = ∫ fX / Y ( x / y ) dx
-∞
Função disribuição de probabilidade condicional V. A. C.
-------------------------------------------------------------------------------------------------------------
x y y
FX /Y ( x / y ) = P[ X ≤ x / Y≤ y ] = [ ∫ ∫ f(x,y) dy dx ] / [ ∫ fY ( y ) dy ]
-∞ -∞ -∞
Função distribuição de probabilidade condicional para V. A. C.
-------------------------------------------------------------------------------------------------------------
r ∞
E[ X ] = mr = ∑ xir p(xi) Momento de ordem r p/ V. A. Discreta
xi = - ∞
r ∞
E[X] = mr = ∫ xr f(x) dx Momento de ordem r p/ V. A.Contínua
-∞
∞
E[ (X-µX)r ] = mcr = ∑ (xi-µX) r p(xi) Momento Cemtral de ordem r p/ V.A. Discreta
xi = - ∞
∞
E[ (X-µX)r ] = mcr = ∫ (x-µX) r f(x) dx Momento Central de ordem r p/ V. A.
Contínua
-∞
∞
σx2 = ∑ (xi-µX)2 p(xi) Variância para uma Variável Aleatória Discreta
xi = - ∞
∞
σx2 = ∫ (x-µX) 2 f(x) dx Variância para uma Variável Aleatória Contínua
-∞
∞
E[X/Y= yJ ] = ∑ xi pX/Y(xi/yJ) valor médio Condicional para Variável Aleatória
Discreta
xi = -∞
∞
E[X/Y= yJ ] = ∫ x fX/Y(x/y) dx Esperança Condicional para Variável Aleatória
contínua
-∞
∞
ϕX (ω) = ∑ e jωxi p(xi) função característica para uma variável aleatória discreta
xi = - ∞
∞
ϕX (ω) = ∫ e jωx f(x) dx função característica para uma variável aleatória contínua
-∞
FORMULÁRIO - CAPÍTULO IV
∞ ∞
f(y) = ∫ fX1(x1) fX2(y-x1) dx1 = ∫ fX2(x2) fX1(y-x2) dx2 Convolução
-∞ -∞
FORMULÁRIO – CAPÍTULO V
F(x, t) = P[X(t) ≤ x] f(x,t) = ∂ F(x,t) / ∂ x
Função distribuição de probabilidade de 1ª ordem Função densidade de probabilidade
de 1ª ordem
___-_____________________________________________________________________________
F(x1, x2 ; t1, t2) = P[ X(t1) ≤ x1 , X(t2) ≤ x2] f(x1,x2;t1,t2) = ∂ 2F(x1, x2 ;t1,t2) /∂x1∂x2.
Função distribuição de probabilidade de 2ª ordem Função densidade de probabilidade de
2ª ordem
∞ ∞
E[X(t)] =µX(t) =∫ x f(x,t) dx E[X(t)]=µX(t) = ∫ X(t) f(λ) dλ
-∞ -∞
Valor médio do processo aleatório X(t)
________________________________________________________________________________
∞
RXX(t1, t2) =E[X(t1) X(t2)] =∫ X(t1) X(t2) f(λ) dλ
-∞
Auto-correlação do processo aleatório X(t)
________________________________________________________________________________
∞
RXX(t1, t2) = ∫ x1 x2 f(x1,x2; t1, t2) dx1 dx2 RXX(τ ) = RXX(t, t + τ ) = E[X(t) X(t+τ)]
-∞
Auto-correlação do processo aleatório X(t) Auto-correlação p/ um processo
aleatório estacionário
________________________________________________________________________________
CXX(t1, t2) =E{[X(t1) -µX(t1)][X(t2) -µ X(t2)]} CXX(t1, t2) = RXX(t1, t2) -µX(t1) µX(t2) σ2X ( t) =E[X
2
(t)]-[µ X(t)]2
Covariância do processo aleatório X(t) Covariância do processo aleatório X(t)
Variância de X(t)
T T T
η(-T,T) = η= Lim (1/2T) ∫ X(t) dt E[η]= Lim (1/2T) ∫ µX (t) dt E[X(t)]= lim (1/2T) ∫ X(t) dt
T →∞ -T T →∞ -T T →∞ -T
Média no tempo do processo X(t) Valor médio da média no tempo Ergodicidade na média de X(t)
________________________________________________________________________________
T ∞ - jωτ ∞ jωτ
E[X(t)X(t+τ)]=lim (1/2T)∫ X (t)X(t+τ ) dt ΦXX(ω)=∫ e RXX(τ) dτ RXX(τ) = (1/2π) ∫ e ΦXX(ω) dω
T→ ∞ - T -∞ -∞
Ergodicidade na auto-correlação Densidade Espectral de potência Auto-correlação de
X(t)
x
F(x, t) = P[ X(t) ≤ x]= ∑ [ e -λt (λt) xi
] / xi! função distribuição de probabilidade
do
xi = 0 processso de poisson
FORMULÁRIO – CAPÍTULO VI
∞ n
Y(t) = ∫ h(τ) X(t- τ) d τ H(ω) = Y(ω) / X(ω) H(ω) = 1/ [ ∑ ai (jω)i ]
-∞ i=0
Resposta de um sistema a um processo de entrada X(t) Função de transferência de um sistema
________________________________________________________________________________________
∞ ∞
E[Y(t)] = ∫ h(τ) E[ X(t- τ)] d τ RXY(-τ) = RYX(τ) = ∫ h(λ) RXX(τ-λ)dλ ΦXY(-ω) = ΦYX(ω) = ΦXX(ω) H(ω)
-∞ -∞
valor médio da resposta do Correlação cruzada entre o processo de Densidade espectral de
potência
sistema Y(t) entrada X(t) e a resposta Y(t) cruzada
________________________________________________________________________________________
∞ ∞
RYY(τ)=∫ ∫ RXX(λ -τ -α ) h (λ) dλ h(α) dα ΦYY(ω) = ΦXX(ω ) H(ω)2
-∞ -∞
Auto-correlação da resposta do sistema Y(t) Densidade espectral de potência da resposta Y(t)
________________________________________________________________________________________
µZ(t) = µX(t) + µY(t) RZZ(t1,t2) = RXX(t1,t2) + RXY(t1,t2) + RYX(t1,t2) + RYY(t1,t2)
Valor médio da resposta do sistema da Auto-correlação da resposta do sistema da
forma Z(t)=X(t)+Y(t) forma Z(t)=X(t)+Y(t)
________________________________________________________________________________________