Captulo 11 (Preguntas) Comunicaciones II

Probabilidad y procesos aleatorios

1. Qu es una seal aleatoria?

R: Es aquella que cuyos valores ocurren sin orden y son imposibles de predecir, es decir, al azar.

2. Describa un experimento aleatorio y sus componentes.

R: Un experimento aleatorio consiste en un procedimiento y observaciones. Es un experimento

que se puede repetir y cuya salida puede diferir debido a la influencia del fenmeno aleatorio
subyacente. Sus componentes son:

Salida: Una salida de un experimento es cualquier observacin posible del experimento.

Cada salida es distinguible de todas las otras salidas.
Espacio Muestral: es el conjunto atmico, mutuamente excluyente, colectivamente
exhaustivo de todas las posibles salidas.
Evento: Es un conjunto de salidas de un experimento

3. Cmo se define la probabilidad de un evento?

R: La probabilidad de un evento representa la posibilidad de que ocurra el evento en una

realizacin del experimento.

4. Cules son las tres propiedades o axiomas de la probabilidad?

R: Los tres axiomas de la probabilidad son los siguientes:

I. P[S]=1
II. 0P[A] 1
III. Para cualquier coleccin contable (que se pueden enumerar) A1, A2, de eventos
mutuamente excluyentes en la clase E, entonces:
P[A1 A 2 ...] P[A1 ] P[A 2 ] ...

5. Qu es la probabilidad condicional?

R: Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo que tambin

sucede otro evento B. La probabilidad condicional se escribe P(A|B), y se lee la probabilidad
de A dado B. La probabilidad condicional est definida solo cuando [ ] > 0.
[ ]
[ / ]=
[ ]
6. Qu establece el teorema de Bayes?

R: Proporciona la distribucin de probabilidad condicional de un evento A dado otro evento B, en

funcin de la distribucin de probabilidad condicional del evento B dado A y de distribucin de
probabilidad marginal del evento A.
 7. Qu es una variable aleatoria?

R: Una variable aleatoria es una funcin cuyo dominio es un espacio muestral y cuyo rango es un
conjunto de nmeros reales. Para los eventos en E, una variable aleatoria asigna un subconjunto
de la lnea real. As, si la salida del experimento es si, la variable aleatoria se designa X (si) o X.

8. Qu es la funcin de probabilidad de masa?

R: La funcin de probabilidad de masa pmf describe la probabilidad de cada valor posible de la

varianza aleatoria.

( )= [ = ]

Observe que X=x es un evento que consiste de todas las salidas del experimento subyacentes para
el cual X(s)=x. por otro lado px(x)es una funcin que tiene un rango sobre todos los nmeros reales
x. para cualquier valor de la funcin px(x) es la probabilidad del evento X=x.

9. Qu es la funcin de distribucin acumulativa?

R: Es la probabilidad que el valor tomado por la variable aleatoria sea menor o igual a un nmero
real.
( )= [ ]

10. Qu es la funcin de densidad de probabilidad?

R: Es una funcin de nmero real X y su probabilidad de un evento x1< X < x2 es igual a P (x1< X
< x2) =
1-Px(X)>0 y 2- Px(X)dx=1.

11. Describa un canal binario simtrico y dibuje su modelo.

R: Un canal simtrico binario es un modelo de canal discreto sin memoria en el que la entrada en
un instante dado es uno de dos posibles smbolos (X = {0,1}) y la salida, que tambin es uno de los
dos posibles smbolos (Y = {0,1}), depende solamente de la entrada del canal en el instante dado.
Debido a la presencia del ruido, se pueden producir errores en el smbolo recibido.
Especficamente, cuando se transmite un 1, ocasionalmente el ruido hace que se reciba un 0 y
viceversa. Como el canal es simtrico, la probabilidad de este error, p, es igual en ambos casos.
 12. Cul es la importancia del modelo de canal binario simtrico?

R: Un Canal Binario Simtrico (en ingls Binary SymmetricChannel, BSC en adelante) es un canal
tpico de comunicaciones usado habitualmente en la teora de cdigos y teora de la informacin.
En este modelo, el transmisor enva un bit (que puede tomar valor cero o uno), y el receptor lo
recibe. Este bit se recibir correctamente en la mayora de los casos, pero existe una probabilidad
(probabilidad de error) de que se transmita incorrectamente. La importancia de este canal reside
en ser uno de los ms simples de analizar, es por ello por lo que es utilizado frecuentemente en la
teora de la informacin ya que es un modelo idealizado.

13. Qu es el valor esperado de una variable aleatoria? Como se calcula?

R: El valor promedio de un conjunto de observaciones numricas es una estadstica del conjunto,

un solo nmero que describe el conjunto entero. Los promedios que ms se usan son el valor
esperado o valor medio de una variable aleatoria X es:

[ ]= = ( )

14. Qu es la varianza de una variable aleatoria? Como se calcula?

R: La varianza es una medida de la aleatoriedad de la variable aleatoria y al especificarla se

restringe el ancho de la funcin de densidad de probabilidad. Se calcula restando la media de la
variable cuadrada y la media al cuadrado.

15. Describa algunas familias de variables aleatorias de importancia para el estudio de los
sistemas de comunicacin.

R: Variable aleatoria Bernoulli: X es una variable aleatoria Bernoulli si la pmf de X tiene la forma.
1 ; =0
( )= ; =1
0 ;
Donde el parmetro p est en el rango 0 < p < 1. Una variable aleatoria Bernoulli se asocia a una
nica realizacin de un experimento y la probabilidad de que el resultado sea exitoso (p) o no-
exitoso (1 p).

Variable aleatoria Geomtrica: X es una variable aleatoria Geomtrica si la pmf de X tiene la

forma

(1 ) ; = 1,2,
( )=
0 ;
Donde el parmetro p est en el rango 0 < p < 1. La variable aleatoria geomtrica se asocia a
realizaciones independientes y consecutivas de un experimento hasta que el mismo resulte no-
exitoso.

Variable aleatoria Pascal: X es una variable aleatoria Pascal si la pmf de X tiene la forma
1
( )= (1 )
1
Donde el parmetro p est en el rango 0 < p < 1 y k es un entero tal que k 1. Para una secuencia
de n realizaciones independientes con probabilidad de xito p, una variable aleatoria Pascal es el
nmero de intentos hasta e incluyendo el k-simo xito.

Variable aleatoria uniforme: X es una variable aleatoria uniforme si la pdf de X tiene la forma

, < <
( )=
0 ;
Variable aleatoria Gaussiana: X es una variable aleatoria Gaussiana si la pdf de X tiene la forma
( )
1
( )=
2

Es la variable aleatoria ms comnmente encontrada en el anlisis estadstico de los sistemas de

comunicacin.

Propiedades de las variables aleatorias Gaussianas (VAG).

Una VAG est completamente caracterizada por su media y su varianza 2.

Una VAG ms una constante es otra VAG con su ajustada por la constante.
Una VAG multiplicada por una constante es otra VAG, ambas con y 2 afectadas por la
constante.
La suma de dos VAG independientes es tambin una VAG.
La suma ponderada de N VAG independientes es una VAG.
Si dos VAG tienen Cov cero (no estn correlacionadas), ellas tambin son independientes.

16. Qu es la funcin Q?

R: La funcin Q se define como:

Donde Fx(x) est dada por:

Observe que la funcin Q es igual al rea bajo la cola positiva de una funcin de densidad
Gaussiana con media cero y varianza unitaria.

La funcin Q es una funcin que decrece monotnicamente y tiene las siguientes propiedades:

La funcin Q se puede aproximar por:

17. Qu establece el teorema del lmite central? Cul es su importancia?

R: Sea Y la suma de n variables aleatorias Xk independientes y con idntica distribucin (iid

independent identically distributed), y que tienen media finita E[X] = y varianza finita 2, y sea Z
una variable aleatoria con media cero y varianza unitaria definida por

=

Entonces
1
lim [ ] =
2 2
As, de acuerdo al teorema del lmite central, la variable aleatoria normalizada
[ ]
=
se aproxima a una variable aleatoria Gaussiana con media cero y varianza unitaria a medida que el
nmero de variables aleatorias Xk se incrementa sin lmite, independientemente de las
distribuciones individuales.
El teorema del lmite central hace posible realizar clculos precisos en forma rpida que de otra
forma resultaran muy complejos. En estos clculos, la variable aleatoria de inters es la suma de
otras variables aleatorias, y la probabilidad de los eventos se calcula usando la correspondiente
variable aleatoria Gaussiana.
 18. Defina proceso aleatorio.

R: ste puede verse como una funcin de 2 variables: un evento A y el tiempo t. Un proceso
aleatorio x(t) consiste en un experimento en una medida de probabilidad p[.] definida en un
espacio muestral S asociada a una funcin muestral xs(t) a cada salida S en el espacio muestral del
experimento.

19. Qu son las secuencias aleatorias independientes e idnticamente distribuidas? Cul

es su importancia?

R: Las secuencias aleatorias independientes e idnticamente distribuidas (iid independent

identically distributed) son secuencias en la cual , , , , , , son variables
aleatorias iid. Una secuencia aleatoria ocurre cada vez que se realizan ensayos independientes de
un experimento a una razn constante. Una secuencia aleatoria iid puede ser de valor discreto o
continuo.

En el Estudio de los sistemas de comunicacin hay varios tipos de procesos que corresponden a
secuencias aleatorias iid y que son de inters en diversos tipos de estudio como por ejemplo en
transmisin de datos en redes comunicaciones, anlisis de trfico de llamadas, o desempeo de
sistemas de comunicacin en presencia ruido. As se tienen, por ejemplo, los procesos de
Bernoulli, de Poisson y Gaussianos por una funcin de densidad de probabilidad especfica Los
procesos Gaussianos son los ms importante para el estudio del desempeo de los sistemas de
comunicacin analgica y digital en presencia de ruido aditivo blanco.

20. Qu es un proceso aleatorio estacionario? Por qu es importante?

R: Es cuando la descripcin estadstica de un proceso aleatorio no cambia con el tiempo, se dice

que este es estacionario e importancia est en que casi todos lo resultados tiles en teora de la
comunicacin son determinados para seales de informacin aleatorias y ruido de tipo WSS.

21. Qu es ergodicidad? Por qu es importante?

R: Es la propiedad de que los promedios en el tiempo de una funcin aleatoria muestral

corresponden a los promedios del proceso aleatorio, para los sistemas de comunicacin
solamente es necesario la media y la funcin de autocorrelacin.

22. Describa las propiedades de la densidad espectral de energa en un proceso aleatorio

estacionario en sentido amplio.

R: Valor cuadrtico medio: En un proceso estacionario es igual al rea total bajo la curva de la
densidad espectral de potencia:

No-negatividad: la densidad espectral de potencia es siempre una funcin no-negativa,

 Simetra: la densidad espectral de potencia de un proceso aleatorio real es una funcin par de la
frecuencia,

Proceso aleatorio filtrado: si X(t) se pasa a travs de un filtro lineal con respuesta en frecuencia
H(t), la densidad espectral de potencia del proceso aleatorio estacionario de salida Y(t) est dado
por: