Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
0
Se dice que X(t) es un proceso Gaussiano si cada
funcional lineal de X(t) es una variable aleatoria
Gaussiana.
Procesos Gaussianos
Se dice que la variable aleatoria Y tiene una distribucin
Gaussiana, si su funcin de densidad de probabilidad tiene
la siguiente forma:
=
1
2
[
(
2
]
Donde
Y s la media de la distribucin y
2
es su Varianza
Procesos Gaussianos
Normalizado para media igual a cero y varianza
Este tipo de procesos tiene dos
ventajas:
Este proceso posee propiedades
que hacen posible los resultados
analticos,
Los posesos aleatorios de los
Fenmenos fsicos pueden ser
representados por este proceso
Proporciona la justificacin matemtica para usar el proceso
Gaussiano como un modelo para un nmero grande de fenmenos
fsicos en que la variable aleatoria observada, en un instante de
tiempo en particular es el resultado de un gran nmero elementos
aleatorios individuales.
Para formular este teorema, digamos que Xi, i=1,2,, N, es un set
de variables aleatorias que satisfacen los siguientes requerimientos:
Xi son estadsticamente independientes
Xi tienen la misma distribucin de probabilidad con media
varianza
2
Teorema de Limite Central
Teorema de Limite Central
Las Xi as definidas constituyen un set de variables aleatorias
idnticamente e independientemente distribuidas.
Estas VA son normalizadas como sigue:
Tomar en cuenta que el teorema del limite central da solamente la forma de
limitar la distribucin de probabilidad de la variable aleatoria normalizada VN
cuando N se aproxima a infinito
Cuando N es finito, esto en ocasiones consigue que el limite gaussiano de
una relativamente pobre aproximacin para la distribucin real de VN a pesar de que N puede ser
bastante grande
El teorema de Limite central
establece que la distribucin probabilidad
de VN se aproxima a una distribucin
gaussiana N(0,1) en el limite de cuando N se
aproxima al infinito.
Procesos Gaussianos
1. Si un proceso aleatorio X(t) es aplicado a un filtro lineal estable,
entonces el proceso aleatorio Y(t) desarrollado en la salida del
filtro tambin es Gaussiano
2. Considere el set de variables aleatorias o muestras X(t1), X(t2), ,
X(tn), obtenidas observando el proceso aleatorio X(t) en los
tiempos t1,t2,,tn. Si el proceso X(t) es Gaussiano, entonces este
set de variables aleatorias es conjuntamente Gaussiano para
cualquier n, con sus n densidades de probabilidad conjunta siendo
completamente determinada por especificar el conjunto de medias:
Procesos Gaussianos
Extendiendo la propiedad a dos o mas procesos aleatorios: Considere las
variables aleatorias X(t1), X(t2),,X(tn), Y(u1), Y(u2), ,Y(um) obtenidas
observando los procesos aleatorios X(t) y Y(t) en los tiempos {ti,i=1,2,..,n}
y {uk, k=1,2,,m} , respectivamente.
Se dice que los procesos X(t) y Y(t) son conjuntamente Gaussianos si
este set de variables aleatorias es conjuntamente Gaussiano para
cualquier n y m.
3. Si un proceso Gaussiano es estacionario, entonces el
proceso es tambin estrictamente estacionario
Procesos Gaussianos
4. Si el conjunto de variables aleatorias X(t1),X(t2),...,X(tn)
obtenidas al muestrear un proceso Gaussiano en los instantes
t1,t2,...,tn estn incorreladas, esto es:
entonces estas variables aleatorias son estadsticamente
independientes, y su funcin de distribucin de probabilidad
conjunta puede expresarse como el producto de las funciones
variables aleatorias de distribucin de probabilidad de las
individuales en el conjunto.