Folleto de probalidad y
procesos estocásticos
TEORIA, EJERCICIOS y FORMULARIOS
Michael Andrés Herrera Pilatuña
II TÉRMINO 202011
Probabilidades y Procesos Estocásticos
TEMAS RESUMIDO DEL DESARROLLO DEL CURSO
- Variables Aleatorias Simples
- Variable Aleatorias Múltiples
- Suma de Variables Aleatorias
- Procesos Estocásticos
- Análisis y Procesamiento de Señales Aleatorias
Función Distribución de Probabilidad
( ) * +
Propiedades
( ) ( ) ( )
( )
( ) ( )
( ) ( )
( ) ( )
* + * + – ( )
( ) ( ) ( )
* + ( )– ( )
* + ( ) * +
* + ( ) ( )
Función de Densidad de Probabilidad
( )
( )
Propiedades
F x ( ) =∫ ( ) dx
( )
P{ + ∫ ( )
∫ ( ) Comprobar, si no se cumple no se cumple no es
una función de densidad de probabilidad.
EJERCICIO
( ) *
) ( ⁄ ⁄ )
) ( )
) ( ) ( )
a. ∫
∫ =1 ∫
c= 6
b.
( ) *
⁄
4 ⁄ 5– ( ⁄ ) ∫⁄ ( )
⁄ ( ⁄ ) ( ⁄ ( ⁄ ( ⁄
) ) )
=6 ∫⁄
c.
( ) ∫ ( – ) 0 – 1 ∫ 0 1
Fx ( ) = 1 , x
3 , 0
0 ,
d. Fx ( ) Fx ( )
EJERCICIO
P, -= , x
Determinar
Fx( )
P, -,T ⁄
a.
( ) ( )
( ) ∫
( )
b.
( ) ( ) ( )
. /
= 1- - ( . /)
= 1-
= -
= 0.318
EJERCICIO: sea la grafica
𝑓𝑋(𝑥)
a. Determinar y graficar ( ).
∫ ( ) ∫ ( ) ∫ ( )
∫ ( ) ∫ ∫ ( )
∫ ( )
∫ ( ) ∫
∫ ( ) ∫ ∫ ( )
b. Determinar c para que (| | ) .
𝐹𝑋 (𝑥)
, -
, -
( ) ( )
( )
( ) ( )
EJERCICIO
) ( )
∑ ( )
) ( )
∑ ( )
c) ( ) {
EJERCICIO
Dado
( ) {
a)
b)
( ) ∫
c)
( ) ∫
d)
( ) ∫
Distribución Binomial
Existen solamente dos resultados posibles en cada ensayo.
La probabilidad de un éxito es la misma en cada ensayo.
Hay n ensayos, donde n es constante.
Los n ensayos son independientes
( ) . / ( )
EJERCICIO
Cuáles son las probabilidades que se reduzcan al menos una tercera parte en
a)
( ) ( )( ) ( )
b)
( ) ( )( ) ( ) ( )( ) ( )
Si es id ( ) ∑ ( )
Identidades Binomiales
( ) ( )
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
EJERCICIO
Alguien asegura que el 75 de los accidentes industriales pueden producirse por las
disposiciones de de seguridad. Suponiendo que la información sea verdadera, cuáles son las
posibilidades que:
( ) ( )( ) ( ) ( )( ) ( )
( )( ) ( ) ( )( ) ( )
( )( ) ( )
( ) ( )( ) ( )
EJERCICIO
𝐹𝑋 (𝑥)
a) , -
b) , -
Ecuación de la recta:
( ) ( ) [ ( ) ]
c) , -
d) , - ( ) ( ) 0 . / 1
e) , -
f) , -
g) , - 0 1 . /
EJERCICIO
( ) , -
∑[ ]
( )
Valor Esperado
, - ∑ , - ar a le leator a scretas
Propiedades
, - , siendo c una constante.
, ( )- , ( )- , ( )-
, ( ) ( ) ( )- , ( )- , ( )- , ( )-
Si ( ) es simétrica en , -
Si ( ) es simétrica en , -
EJERCICIO
( )
( )
{ ( )
𝑓𝑋(𝑥)
𝟐⁄
𝟕
, - ∫ ( ) ∫ ∫ ( )
Varianza
( ) [( ) ]
( ) ∫( ) ( )
( ) ∑ ( ) , -
( ) [ ] ( ) [ ]
Propiedades
( )
( ) ( )
( ) ( )
EJERCICIO
Una V.A puede tomar los valores de -4, -3, -2, -1, 1 ,2 ,3 ,4 con igual probabilidad. Determinar
la varianza de .
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
EJERCICIO
( )
( )
{ ( )
𝑓𝑋(𝑥)
𝟐⁄
𝟕
( ) ∫ ( ) ( )
( ) ∫ ( ) ( )
∫ ( ) ∫ ( ) ( )
( ) ∫ ( )( ) ∫ ( )
∫ ( )( )
( ) ∫ ( )
∫ ( )
( )
∫ 4 5
( ) 6 7 6 7
6 7
( )
Probabilidad Condicional
( )
, - ( )
( )
Propiedades
( )
( )
( )
( ) ( ) ( )
( )
Eje:
Determinar ( )y ( ); dado * +
*( ) ( )+
( ) ( ) ( )
( )
Caso 1:
* + ( )
( )
* + ( )
( )
( ) ( ) ( ) constante
( ) ( )
Caso 2:
* +
( )
* +
( )
Eje:
Calcular ( )y ( ) dado * +
b a
a a
* +
( )
( )
Caso 1: a
( )
( )
( )
( )
Caso 2: a
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( )
( ) ( )
Caso 3:
( )
( )
Eje:
Determinar ( )y ( ) * +.
( )
𝑓𝑋(𝑥)
𝒙
𝟐⁄
𝟕
*( ) ( )+
( )
( )
( )
( )
( ) ( )
( )
( )
( )
( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
( )
0.7142
0.1428
1 2 3 4 5 6
Probabilidad total
( ) ( ) ( ) ( ) ( ) …… ( ) ( )
( ) ( ) ( ) ( ) ( ) …. ……. ( ) ( )
( ) ( ) ( ) ( ) ( ) …… ( ) ( )
( ) ( ) ( ) ( ) ( ) …… ( ) ( )
( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
( )
Valor Esperado de ( )
, - , ( )- ∫ ( ) ( )
Valor Esperado condicional
, - ∑ , - ar a le leator a screta
: , -
: , -
, - , -
, -
, -
, -
, - , - , -
, - , - ∫ ( )
, - ∫ , -
( )
-1 3
Ejercicio 2: Si determine y dibuje ( ) ( )
( ) , - , -
, -
, - ( )
( ) ( )
( )
( )
( )
( ) ( )
( )
( )
( )
( )
Graficar ( ) y ( )
𝐹𝑌 (𝑦)
𝒚
𝑓𝑌 (𝑦)
( ) ( ) ( ) ( )
( ) ( )
| ( )| | ( )| | ( )|
Ejercicio:
Dado determine ( ).
( )
( )
{ ( )
( )
( )
( )
( ) ( )
Dos Variables Aleatorias
Distribución de probabilidad
( ) * +
( )
( )
Propiedades de ( )
( )
( )
( )
* + ( ) ( )
* + ( ) ( )
* + ( ) ( ) ( ) ( )
Propiedades de f ( )
∫ ∫ ( ) ( ) ∫ ∫ ( )
Marginales
( ) ( ) ( ) ( )
( ) ∫ ( ) ( ) ∫ ( )
Eje:
| |
( ) 2
𝒙
∫ ∫
b. Comprobar la media de
( ) ∫ ( ) ∫
( ) ∫
, - ∫ ( ) ∫
, - ∫ ( ) ∫ ( ) ∫ ( ) ∫ ( )
Desigualdad de Chebyschev
(| | )
Eje:
Suponga que el número de artículos producidos en una fábrica durante una semana es una
variable aleatoria con . Si la varianza de una semana de producción se sabe que es igual
a 25; entonces ¿Qué podemos decir acerca de la probabilidad de que en esta semana la
producción difiera en más de 10 a la media?
(| | )
( )
Eje:
El número de clientes que visitan la sala de exhibición de una empresa automotriz un sábado
por la mañana es una variable aleatoria con 18 y 2.5. ¿Con qué probabilidad podemos
asegurar que habrá entre 8 y 28 clientes?
(| | )
( ) ( )
( ) ( )
(| | )
Momentos
Respecto al origen
, - ∫ ( ) { , -
, -
Central
,( ) - ∫( ) ( ) {
( )
Variables Independientes
( ) ( ) ( )
( ) ( ) ( )
* + * + * +
Una función de dos Variables Aleatorias
Dadas dos Variables Aleatorias y una función ( ), se forma la Variable Aleatoria ( ).
Se requiere calcular ( ) y ( )
Eje:
y=-x+z
( ) ( ) ∫ ∫ ( )
Ejercicio propuesto
Una compañía dulcera distribuye cajas de dulces con una mezcla de dos componentes A y B.
Suponga que una máquina dentro del proceso está dañada por lo que no se produce una mezcla
uniforme de los componentes individuales resultando en cajas con diferentes pesos. Para una
caja seleccionada aleatoriamente; representan los pesos en kilogramos de los
componentes A y B respectivamente y suponga que la función de densidad conjunta de estas
variables es
( ) { ( )
Encuentre:
b) Calcular la probabilidad de que el peso total de la caja de dulces sea mayor que 1.5
kilogramos.
c) ¿Es independiente?
Graficas:
Literal b
Eje:
( ) {
Calcular:
a) El valor de k.
∫ ∫
b) ¿Son independientes?
( ) ∫ ( ) ∫
, - ∫ ( ) ∫
, - ∫ ( ) ∫
( ) ( ) , - ( , -)
( )
( ) , -
, ( ) ( ) -
(( ) )
( ) ∬ ( )
( )
( )
( ) || ||
( )
{ en t rm nos de
( )
( ) ( ) ( )
( ) ( ) ( )
( )
( ) ∑
| ( )|
Eje:
( ) ( )
( ) Uniforme , -
Obtener ( )
( ) | |
( )
. /
√
( )
( )
√ ( )
( )
√
Función Característica
Si ( ) ( ) [ ]
( ) ( )
Si [ ]
Si son independientes:
( ) [ ] [ ] ( ) ( )
( ) ∫ ( )
( ) ∫ ( ) ( ) ( ) ( ) convoluc n l neal
Probabilidad Condicional
, -
( ⁄ = )=
, -
( ⁄ = )= ( ⁄ = )
( x, y) = P ,X ≤ x, Y ≤ y - = P,X ≤ x- * P*Y ≤ y+
Momentos condicionales
E[ ⁄ ]=∫ ( ⁄ ) V,A,C
0 ⁄ 1 ∑ 0 ⁄ 1
Nota:
( )
( ⁄ = x) =
( )
Momentos Conjuntos
Dados dos V.A. X e Y (x, y, = y( x,y )
y=-x+z
E[ ( )]=∑ ( ) , ] V, A, D
Covarianza:
,( )( )-
, -
Coeficiente de Covarianza:
= ; 0≤| | | |=
Ejercicio:
Calcule la probabilidad de que el peso de la componente B sea mayor que ⁄ Kg, si se sabe que
el peso de la componente A constituye ⁄ del peso mínimo del total.
( x, y ) = {
=∫ ∫ ( )
=∫ ( )
=∫ ( )
= 2y –y∫
= 2 – 1.5 – 1 + 0.75
= 0.75 =
(x) = ∫ ( )
= , -
= , -
= , -
( )
( = y) = |
)
, -
=
, . ( ) / . / -
P {y > / x = + = ∫ , -
= , ( ) . / ( ) . /-
= , -
=1
Ej:
‗ =E[uw]-
‗ ‗12
[ ] ( , -) [ ] , -
‗ [( ) ] E[x+y] E[x+y]
[ ] , - [ ] , - 2E[x] [y]
-2E [xy]
√ √
( ) = P( )
(
( )=
∫ ∫ ∫ ( )
P{( ) + ∫ ∫ …..∫ ( )
Densidades Marginales
Ej: Si se tienen V.A.
( ) ( )
( ) ∫ ∫ ( )
Densidad Condicional
( )
( )‗
( )
Regla de la cadena
( )
, ⁄
- [ ⁄ ] ( ⁄ ) ( )
Ej:
Suponga que las ordenes en un comedor son variables aleatorias independientes con igual
distribución con media=$3 y una Determine .
a) La probabilidad de que los primeros 200 clientes gasten un total de más de $840.
b) La probabilidad de que los primeros 100 clientes gasten un total entre $780 y $820.
c) Después de cuantas órdenes se puede estar un 90% seguro que el total gastado, por todos los
clientes es más de $1000.
= 1 – 0.9773 = 0.0227
( )
=2
√
=P (Z<1) – P (Z<-1)
√
= 0.841-0.159 = 0.682
√
c) P=0.9 P( ) =0.9
( )
√
1- P ( ) =0.9
P (Z< )
( ) ( √ )
Ej.
Un estudiante utiliza lápices cuyo tiempo de duración es una variable exponencial con u=1
semana. Usando el teorema del límite central determine el número de lápices que el estudiante
debería comprar el inicio del semestre (duración de 12 semanas) para que tenga una
probabilidad de 0.99 y no quedarse sin lápices durante el semestre.
( )
√
Variables Aleatorias
( )( ) ∫ ( )
= x( ), = x( ) , ……… , = x( )
( ) , -
Media
( ) , ( )- ∫ ( )( )
Ejemplo:
Dado x (t)=A
A , -
Determine la media:
( ) ∫ cos cos
( , )= E , ( ) ( )- ( ) ( ) se denomina
=∫ ∫ ( ) ( ) ( ) cros correlación ( , )
=∫ cos cos , - ∫ ( )
( ) ( )
= ∫ ∫
Auto covarianza ( )
Covarianza de ( ) ( )
( ) ,* ( ) ( )+-* ( ) ( )+
( ) , ( )- ,* ( ) ( )+ -
Coeficientes de Correlación
De ( ) ( ) ( )
( )
( ) | ( )|
√ ( )√ ( )
Ejemplo:
Sea ( ) ( )
, -
(
( )
∫ ∫
cos( ) cos( ) ( )
( )
Autocorrelación
( ) , ( ) ( )- , cos( ) cos( )-
cos( ) cos( )
6 7
cos( ) cos(cos )
∫ 6 7
s n( )
6 ∫ cos( ) ∫
cos( ) cos( )
6 cos( ) 7
( ) cos( )
Auto covarianza ( )
( ) ( ) ( ) ( )
( ) cos( )
Coeficiente de correlación
( ) ( )
( ) =cos( )
√ ( )√ ( )
( ) , ( ) ( )- , ( )- ( ) cos( )
( )
= ∫ 0 1 d ( ) cos( )
( )
0 ∫ 1
, -
Ejemplo:
Sea ( )
, -
( )
. ( )( )/ ( )( ) ( )( ) * +
* +
2 3
⁄
=∫ ( )
. /
=
Proceso Estocásticos Gaussiano
Un P.E. x (t) es un P.E.G. Si las muestras ( ) ( ) ( ),…., ( ) son
V.A. conjuntamente Gaussianas para todo K y todas las elecciones de .
El conjunto de pdf de V.A. conjuntamente Gaussianas es determinada por el vector de las medias y
por la matriz de covarianzas.
( ⁄ )( ) ( )
( )
⁄ ⁄
( )
( ) ( ) ( )
( ) ( ) ( ) ( )
[ ( )]
[ ( ) ( ) ( )]
*Nota:
Varias señales y procesos de ruidos son exactamente modelados como Gaussianos (Procesamiento
de señales).
( ),……, ( )
( ) ( )
( ) , ( ) ( )-
( ) y ( ) son ortogonales si ( ) para todo .
( ) ( ) ( ) ( )
( ) y ( ) son no correlacionales si ( ) para todo .
Ejemplo:
( ) ( )
} ( )
( ) ( )
Determine:
Cros correlación: ( ) ( ) * + * +
Cros covarianza: ( )
( ) , ( ) ( )- ( )
,cos( ) s n( )- cos( )
,s n( ) s n( )-
0 s n( )1 ,s n( )-
( ) s n( )
( ) s n( ) ∫ cos( ) ∫ s n( )
s n( )
Estacionalidad
Un proceso aleatorio es estacionario en sentido estricto si sus propiedades estadísticas no
cambian con un desplazamiento de origen temporal.
( ) ( ) ( ( ) ( ) ( ) ( )( ( ) ( )
Auto correlación ( ) , ( ) ( )-
Ejemplo:
Un P. Estacionario x (t):
, ( )-
( ) | |
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( )
P, ( ) son interpretados
a) ( ) ( ) ( )
( ) [( ( ) ( ))( ( ) ( ))]
, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )-
| | | | , ( ) ( )- , ( ) ( )-
| | | |
| | | | | | | |
| | | | | |
b) ( ) ( )
( ) , ( ) cos( ) ( ) cos( )-
, ( ) cos( ) cos( )-
cos( ) cos( ) ( )
c) ( ) ( ) ( )
, ( ) cos( ) ( ) cos( )-
, ( ) ( )- ,cos( ) cos( )-
( ) ∫ cos( ) cos( )
( ) ∫ cos( ) cos( )
( ) ( )
0 ∫ cos 1
( )
d) , ( ) ( ) ( ) ( )-
, ( ) ( )- ,cos cos -
( ) [ ∫ ∫ cos( ) ∫ ∫ cos ]
( ) cos
e) , ( ) ( ) ( ) ( )-
( ) ,cos( ) cos( )-
( )
0∫ ∫ cos( ) ∫ ∫ cos 1
( ) cos( )
[∫ ∫ cos ]
( )
cos( )
Ejemplo:
( ) ( )
Sea z (t)=s+x(t)
P (z(t) 1
a) ( ) , ( )- ( ) , ( ) ( )-
, - , ( )- [( ( ))( ( )]
( ) ( ) , - , ( )- , ( )- , ( ) ( )-
( ) ( ) ( ) ( )
( )
( )
b) ( ( ) ) , ( ) -
. ( ) / ( ) , ( ) -
( )
( ( ) ) ( ( ) 1)
( ) ( ( ) ⁄ ) ( ) ( ( ) ⁄ )
( ( ) ) ( ( ) )
. ( ) / . /
( ) ( )
c) ( ( ) ) ( ) ( ( ) ⁄ ) ( ) ( ( ) ⁄ )
∮( ) ( )
d) Sabiendo 7(3) (0.44, 0.45) ¿Qué es más probable s=1 o s=0?
( ) ( )
( ) ( )
Taller
Sea(x (E)) un Normal y Estacionarlo de media , - y Autocorrelación
( )
Calcular:
, ( ) ( ) -
( ) ( )
( ) ( )
( ) lm | ( )|
⁄ ( )
(f)=∫ ( )
⁄
( ) * ( )+ ∫ ( )
( ) , ( )- ∫ ( )
Si X (t) es WSS
( ) , ( )- ∫ ( ) [ ⁄ ]
( ) , ( )- ∫ ( ) df
Ej:
X (t)=a cos (2 )
( )
a) Determinar y graficar ( )
b) es WSS
( ) ( ) ( )
( ) , ( ) ( )-
( ) ,cos ( )-
( )= ( ) ,cos ( )-
( ) cos, ( )- cos( )
( )∫ cos( ) ∫ cos( )
( ) ∫ 4 5( )
cos( )
( ) ∫ ( ) ( )
( ) ( )
( ) 6 7
( ) ( )
( ) [ | |
( ) ( )
6 | | 7]
( ) ( )
( ) [6 | | 7]
( ) ( )
( ) ( )
( ) → →
( ) ( )
( ) ( ) ( )
→ →
( ) ( )
( ) [∫( ) ∫( )]
𝑎
𝑆𝑋 (𝑓) ,𝛿(𝑓 𝑓) 𝛿(𝑓 𝑓 )-
𝑓 𝑓 𝑓
Ej:
Y (t)=2+3 x (t-1) , ( )-
Determinar ( )
a) ¿Es ( ) WSS?
, ( )- , ( )- , - , ( )-
( ) , ( ) ( )-
( ) ,* ( )+ * (( ) )+-
( ) [ ( ) (( ) ) (( ) ) ( )]
( ) ( )
( ) , ( )- , ( )-
( ) ( ) ( )
Deber:
① ( )
( ) , -
Si ( ) ( ) ( )
Si ( ) ( ) ( ) ( )
( ) , ( ) ( )- , ( ) cos( ) ( ) cos( )-
, ( ) cos( )- , ( ) cos( )-
( ) , ( )- ( ) , ( )-
, ( )-
b) ( ) ( ) ( )
( ) , ( ) ( )- [( ( ) ( )) ( ( ) ( ))]
( ) , ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )-
, ( ) ( )- , ( ) ( )- , ( ) ( )- , ( ) (
)-
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
| | | | | |
, ( )- , ( )-( )
cos( )
Paso de la señal aleatoria por un sistema lineal
( )
( ) ( ) ( )
( ) , ( ) ( )-
( ) ( ) ( ) ( )
( ) | ( )|
( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( ) ( )
( )
( ) , ( ) ( )- , ( ) ( )-
( ) , ( ) ( )- , ( ) ( )-
( ) ( ) ( )
② Sumador ? , ( )-
( ) ( ) ( )
( ) [( ( ) ( )) ( ( ) ( ))]
, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )-
( ) , ( ) ( )- , ( ) ( )- ( )
( ) , ( )- , ( )- , ( )- , ( )- ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
Deber
( )
( ) ( )
0 . /1
Se aplica ( )
( )
, ( )-
( )
( ) ( )
( ) ( )
( )
( ) ( )
( ) ( )
( ) ( ) ( )
: ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) | ( )| ( )
( ) |( ( ))| ( ) ( )
) ( )
, ( )- lm ∫ ( ) ∫ ( ) ( ( )) ( )
, - ( )
, - ( )
( , - ) ( )
( ) ( ) ( )
( )
, ( )- ( )
Ejemplos:
1. Un proceso ergodigo
( ) | |
, ( )- | | , ( )-
lm
( ) , ( )-
, - , -
, | |
( )- [ ] ( )
P (0.5 )
La med a es “o”
( ) | |
( )
, ( )- | | , ( )-
lm
( ) , ( )-
, - , -
( ) [ ] ( )
DEBER
Sea ( ) () , -
( )
( ) ( )
𝑆𝐴 (𝑓)
Dibuje ( )
( ) , y sea
P(s=1) = 0,7
P(s=2) = 0,2
P(s=3) = 0,1
S: Z(t) = Sx(t)
Z(t) es Wss??
( )
( ) ,( ) ( ) ( )- , ( ) ( )- , -
( ) ( ) ∑ ( ) ( )( ( ) ( ) ( )
( ) ( )
( ) , ( ) ( )-
( ) [ ]
(w)=108 ( )
Ejercicio:
Sea a, b una
Densidad de tipo
Conjunto (a, b) =2
Si x (t)= A
Determinar
De x (2)
𝒂 𝒃 𝒙𝟏
𝒂 𝒃 𝒙𝟐
, ( )- ∬ ( ) ( ) ∬ ( ) ∫ ∫ ( )
( )
, ( )- ∫, - ∫ ∫( ( ) )
, ( )- 6 7∫ 6 7
, ( )- [ ]
( ) , ( ) ( )- ∫ ∫ ( )( )
( ) ∫ ∫ ( )
∫ 6 7∫
( ) ( )
∫ 6 ( )7
( ) ( ) ( )
∫ 6 7
∫ 6 7 6 7 6 7
( ) [ ] [ ]
( )
( ) ( ) ( )
, ( ) - ∫ ∫ ( ) ∫ ∫ ( )
( )
, ( ) - ∫ 6 7∫
( ) ( )
∫ ( )
6 4 5 4 5
7∫ [ ] ( )
( )
( ) ( )
Var (2)= , - ( , -)
( )
4 5 ( )
( )
P( ( ) ) ( )
= ( )
Deber
1. Sea el PE x(t) =(1/4)a
A=V.A U (-1,1)
Encuentre:
Dibujar 4 relaciones
Var (x (t))
a) , ( )- [ ( )]
b) ( )
c) ( ( ) ( ) )
Ejemplo:
Determine el valor de a:
lm ( )
( ) , ( )-
, ( )- | | , ( )-
lm
( ) , ( )- ∫ ( )
∫ ( )
Ejercicio:
Un proceso Ergodicó x (t) tiene un valor medio igual a 4(v). Si x (t) pasa por un sistema cuya
respuesta impulsada es h (t)=4. Determine el valor medio.
E, ( )-
( ) ( ) ( )
s n( )
sec
s n( )
sn
( )
( ) ( ) ( )
( ) | | ( )
( )( ( ) ( )) ( ) ( )
( ) | | ( )
( ) ( ( )) ( )
( ) ( sn ) . /
( ) ( ) ( ( ( ) ( ))
( ) ( ( )) ( )
( ) ( )
( )
, ( )-
Ejercicio.-
( ) ( ) ( )
( ) ( )
( ) ( ) cos( )
( )
( ) ( )
| ( )| ( )
, ( ) cos( ) ( ) cos ( ) -
( ) cos( )
Dibuje ( )
𝑆𝑌 (𝑓)
Eje:
B) Graficar ( )
( , -)
s n( )
lm lm
s n( )
lm
√
, - , -
( ) s n( )
s n( ) s n( )
sn
lm [ ]
sn cos( )( )
lm lm lm
s n( )
( )
( )
Graficar ( )
𝝉
Ejercicios del libro de Alberto león García
Sección 3.5
EJERCICIO 57
Dado y=g(x)
( ) ( ) ( )
( )
Fy(Y) ( )
( ) ( )
( ) ( ) ( ) ( ( )) ( ) | |
( )
( ) | |
( ) ∫ ( )
Resolvemos la integral en los intervalos correspondientes
| | | |
∫ 4 5
| | | |
∫ 4 5
| | | |
| | | |
| |
Fx(X)
| |
Fy(Y)
( ) ( )
( ) ( ) | |
( )
( )
( )
√
( )
∫
√
( )
( )
( ) ∫
Fu(U)
( )( ( )) ( ( ) ( ))
( ( ))
( )
4 5
( )
4 4 55
( )
. /
( )
. / ( )
Fy(x)Y(x)= . /
( )
. /
EJERCICIO 58
Y= h(x)
, - , - , - ( )
, - , - ( )
, - , - , - ( )
( )
Fy(Y) ( )
( )
Para obtener la función de densidad lo procedemos a derivar
( )
( ) ( )
( )
( )
. ⁄ /
Su función de distribución
( ) ∫ ( )
( )
( ) ( )
EJERCICIO 59
Y=ex
Encontrar cdf y pdf de Y en términos de la cdf y la pdf de X
, -
, - , - , ( ) ( )- , ( )-
( ( ))
Fy(Y) ( ( ))
( ) ( )
( ) ( ) ( ( ))
( )
( )
√
( ( ) )
( )
√
EJERCICIO 60
Dado
( ) ( )
a) Determinar el valor de c
∫ ( )
6 7
( ) ( )
√ ⁄
( ) , - , - 6 √ ⁄ √ ⁄ 7
4√ ⁄ 5 4 √ ⁄ 5
Obtenemos
4√ ⁄ 5 4 √ ⁄ 5
( )
( )
√ ⁄ √ ⁄
4√ ⁄ 5
( )
√
Remplazando en la función original tenemos
4√ ⁄ 5
( ) ( √ ⁄ )
√
( ) ( √ ⁄ )
( ) ( ) √( )
⁄ ⁄
⁄
Por lo tanto ( ) . / 4 . / 5. /
Simplificando la expresión
( ) ( )[ √ ]
√
0 ; para el resto
( ) ( ) (√ )
Remplazando en Fx(X) original tenemos la expresión
( √ )
( ) √
0 ; para el resto
EJERCICIO 3
Un proceso aleatorio discreto X esta definido como sigue. Una moneda es lanzada, si el
resultado de las caras es ( ) para todo n; si el resultado de los sellos es
( ) para todo n
b) la pmf para Xn
Debemos tomar en cuenta que
, ( ) - , ( ) -
, ( ) ( ) - , ( ) ( ) -
En caso contrario su valor será cero
Su auto covarianza
( ) , - , - , - , -
, ( ) ( ) - ( )( ) , ( ) ( ) -
( )
EJERCICIO 5
El proceso aleatorio X(t) esta definido como X(t)= Ag(t), donde A toma valores de +1 y -1
con igual probabilidad
b) Encuentre ( )
Para t [0,1]
d) Encuentre ( )
Cx(t,t+d)=E [X(t)(t+d)]- Mx(t) Mx(t+d)= E [X(t)(t+d)]
Cx(t,t+d)=E [Ag (t) Ag (t+d)]= E [ ]g(t)g (t+d)
E[ ]= 1
Sección 6.5
EJERCICIO 50
EJERCICIO 53
( ) ,( ( ) ( ))( ( ( ))
( ( )))-
, - ( ) ( ( ))
, -. ( ) ( ( )) ( ) ( ( ))/
, - ( ) ( ( ))
, - , - , - , - , -
( ) , - ( ) ( ( )) , - ( ) ( ( ))
( ) , - ( ( )) , - ( )
( ) , - ( )
, - ,( ( ) ( ) ( ) ( ))( ( )
( ))-
, - , ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )-
, - , - ( )
, - ( )
EJERCICIO 54
( )
a) ¿Es Yn un proceso estacionario si Xn es un proceso independiente?
Primero observamos 3 puntos arbitrarios de nuestra pdf Yn n1<n2<n3
, -
[ ( ) ( ) ( )
[ ( ) ( ) ( ) ]
[ ( ) ( ) ( )
Esto se cumple solo si Xn es estacionario, lo que nos quiere decir que sus propiedades
estadísticas no cambian con un desplazamiento del origen temporal y aun si se incluye el
efecto que Xn sea ind, no afecta en nada al desplazamiento de t por lo tanto Yn es
estacionario
Sección 7.1
EJERCICIO 1
( )
Sx (f)= F [Rx( )] lo que da como resultado ( )
( )
| |
( ) 8 ( 9
( )
( ) ( )
EJERCICIO 2
Esto solo se cumple con el requerimiento de pico en , además debe cumplir que
( ) ( )
EJERCICIO 3
Partimos de la definición
( ) , ( ) ( )-
( ) 6 ( )4 57
( ) [ ( ) ] [ ( ) ]
( ) ( ) ( )
EJERCICIO 5
( ) , ( ) ( )- ,( ( ) ( ))( ( ) ( ))-
( ) ,( ( ) ( )- ,( ( ) ( )- ,( ( ) ( )- ,( ( ) ( )-
( ) ( ) ( ) ( ) ( )
( ) , ( )-
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )
EJERCICIO 6
Demuestre que
a) RX,Y( ) = RY,X( )
( ) ∫ ( )
∫ ( )
∫ ( )
=S*y ,x(f).
SECCION 7.2
EJERCICIO 17
Sy(f ) =| ( )| SX (f ) = | | SX (f ) = 4 SX (f )
( )
⇔ J2πf S (f)
EJERCICIO 18
Sea Y (t) la derivada de X (t), un proceso de ruido blanco con banda limitada.
a) Determine ( ) y ( ).
b) ¿Cuál es la potencia promedio de salida?
( )
( )
Y(t)=h(t)∙x(t) ( )
( ) | ( )| ( )
( )
E, ( )- 0 1
( ) ( (
E, ( ) ( -=E0 1
( ) ( ( )
( ) [ ]
( ) | ( )| ( )
( ) ( ( )
( ) {[ ]}
Sx(f)=
Sy(f)=( )
( )
( )=
( )= − ( Rx( ))
( )
( )=
( ) ( )
= 0 1
( ) ( ) ( ) ( ) ( ) ( )
( Rx( ))= No[ - - ]
( ) [ (( ) – 2) ( ) ( )]
( )=∫ ( ) ∫ ( )
EJERCICIO 19
Y(t)= ∫ ( )
h(t)= ∫ ( ) = ∫ ( ) - ∫ ( )
= ( ( ) ( ))
H(f)= ∫ dt = =
( )
=
Con esto
( )
Sy(f)= | ( )| SX (f ) =( ) Sx(f)
EJERCICIO 20
Determine ( )
Determine E[ ( )-
Y(t)= ∫ ( )
( )=(1-| |T)para | |
E, ( )- = ∫ ( )
E, ( )-= ∫ | |
E, ( )-= ( ( )) T=k
E, ( ) ( )-=E0 ∫ ( ) ∫ ( ) 1
E, ( ) ( )-=E0 ∫ ( ) ∫ ( ) 1
( ) ( )
( ) { ( )}
( ) * ( )+
E, ( )-= ( )
| |
E, ( )- ( ) . / ( )
E, ( )-
∫ dz + ∫
-∫ d +∫
=1+1+2
( ) ( )
( )
∫ d = +∫ =
u= du=d
dv= d v=
=| |
( )
=
( )
| |
( )
=
( )
EJERCICIO 21
La entrada a un filtro de ruido blanco con media cero y densidad de ruido de potencia
No/2.
H (f) =
Determine ( )y ( )
Determine ( )y ( ).
( )=H(f)Sx(f)=
( )
Sy(f)= | ( )| SX (f )=)= ( )
( ) | |
( )
EJERCICIO 24
Un proceso wss aleatorio gaussiano X(t) es aplicado a dos sistemas lineales como se
muestra en la figura. Determine el conjunto pdf de Y (t) y W (t)
( ) ( ) ( )
Y(t)=∫ ( ) ( ) , ( )-= ∫ ( )d E, ( -
W(t)=∫ ( ) ( ) E, ( )-=∫ ( )d E, ( -
Como x(0) es normal los las salidas a los procesos también son normales
( ) ( )
4 5
( )
( )
√ ( )
( ) ( )
4 5
( )
( )
√ ( )
( ) | ( )| ( )
( ) *, ( )- ( )+
, ( )-= ( )
var( ( )) , ( )- , ( )-
var(W(t))= , ( )- , ( )-
EJERCICIO 25
Determine ( ) en términos de ( )
Determine E[ ( )-
Figura
( ) ( ) ( ) ( ) ( ) ( )
E, ( ) ( )- [( ( ) ( ))( ( ) ( ))]
E, ( ) ( )- E, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )-
E[x(t+ ) ∫ ( ) ( ) ]
E[∫ ( ) ( ) ( ) ]
∫ ( ) , ( ) ( ) ]
= ( )∫ ( )
Escuela Superior Politécnica del Litoral
Facultad Ingeniería en Electricidad y Computación
CORRECCION LECCION
PROBABILIDADES Y PROCESOS ESTOCASTICOS
Nombre:
Paralelo:
Ejercicio 1
Sea x(t) un proceso normal estacionario con medio 0 y densidad
espectral ( ) y sea Y(t) la respuesta de un sistema lineal
a la entrada X(t), siendo.
| |
( )
| |
La función de transferencia del sistema
Calcular
a) (| ( ) ( )| )
b) Potencia media de X(t) y de Y(t)
c) ( ( ) )
Literal a)
(| ( ) ( )| ) ( ( ) ( ) )
, ( ) ( )- , ( )- , ( )-
0( ( ) ( )) 1
, ( )- , ( ) ( )- , ( )-
( ) ( ) ( )
Como sabemos
X(w) Y(w)
H(w)
( ) ( ) ( )
( ) | ( )| ( )
( )
Si queremos ( ) * ( )+
( ) { }
( ) | |
, - ( )
, - ( )
, - , - , -
Por otro lado
( )
Si queremos ( ) * ( )+
( ) | |
, - ( )
, - ( )
, - , - , -
Regresando al ejercicio
0( ( ) ( )) 1
, ( )- , ( ) ( )- , ( )-
( ) ( ) ( ) . /
( ( ) ( ) ) ( )
( ) ( ) ( )
Literal b)
, - ( )
, - ( )
Literal c)
( ( ) ) ( )
√
( )
Ejercicio 2
Literal a)
, ( )- , - , - , - , - , -
[( )( ( ))]
, - , - , ( )- ,( ) ( )-
, - , - ( ) , - ( ) ,( ) -
( ) ( )
Literal b)
, -
, - ( )
, - , - , -
. /
( )
√
Reemplazando
( )
√
Literal c)
( ) ∫
√
( )
√
Literal d)
Literal e)
()
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )| ( )| ( ) ( )| ( )|
( ) ( )
( )
, ( )- ( )
, ( )- ( )
Ejercicio 4
a) Calcula ( ( ) ( ) )
b) Determina la distribución de la variable aleatorio Y(t).
Literal a)
( ( ) ( )) ( ( )) ( ( ))
( ( ) ( ))
0( ( ) ( )) 1 [ ( ( )) ( ( ))]
. ( )/ ( ( )) ( ( )) . ( )/
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( ) ( )
Regresando a lo anterior
( ( ) ( )) ( )
( ( ) ( ) ) ( ) ( )
Literal b)
Como ( ) | ( )|
( ) ( )| ( )| ( )
( ) ( )
, ( )- , ( )-
( ) ( )
( )
√
Ejercicio 1
El receptor decide que un cero (0) fue enviado si el voltaje que llega es
negativo y un uno (1) si el voltaje de entrada es positivo.
, - , -
, - , -
( )
, - , -
, - , -
( )
Ejercicio 2
fX (x)
1 2 5 x
4
a)
Area= +2a +∫ ( ) dx=1
+ 2a + 0.337=1
a=0.266
F(x) ={
( )
b)
∫ ( ) = 0.133 -0.266x
∫ ( ) + ∫ ) = 0.133 + 0.266x
( )
∫ ( ) + ∫ ) + ∫ ( ) =
c)
, - ∫ ( ) ∫ ( )
∫ ( )
, - ∫ ( ) ∫ ∫ ( )
, - , -
(| | )
√ ( )
d)
(| | ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
∫ ) ∫ ( )
e)
( ) ( )
( ) ( ) ( )“ ”
Ejercicio 3
24 xy 0 x 1,0 y 1, x y 1
f ( x, y)
0 d .o.m
0.5
0.5 1
a) ( )
b) ∫ “ ”
, -
( )
) ( ( )| )
( )
( ) ( ) ( ) ( )
( ) ∬
∫ ∫
( )
( )
Ejercicio 4
P(A)= 0,1
P(B)=0,5
P(C)= 0,4
b) P(X=n)=( )( )( ) ; n=1,2,3,4…
c) ( ) ( )( ) ( )
( ) ( )( ) ( )
( ) ( )( ) ( )
P(c)=P(1)P(2)P(3)= 3,038x10-7
Ejercicio 5
Una variable aleatoria X tiene la pdf mostrada en la figura.
f) Determinar y graficar FX(x)
g) Determinar b para que P(|X-3| < b) = 1/2.
h) Encontrar E[x/x≥3]
i) Asumiendo que Y=3-X, determine y dibuje fY(y)
fX (x)
1 2 4 6
a)
a/2 + 2a + a=1 a=2/7
( )
1<x<2: ∫
2<x<4 ∫ ∫
4<x<6 ∫ ∫ ∫
( )
{
b) , - ∫ ∫ ∫
, - ∫ ∫ ∫
, - , - 1.3
P(|x-3|<b)=1/2
½=1- 1/k2 k=√
b= kσ = 1.61
c) E[x/x≥3]=∫ ∫
d) y=3-x
y<0; F(y)=P[Y≤y]=P[3-x≤y]=Fx(3-y)
( ) ( )
( )
( )
( ) ( )
( )
( )
( )
{
Ejercicio 6
Encuentre:
a) Calcule la probabilidad que el peso de la componente “envinada” sea
mayor que el de la componente “crema”
b) Calcule la probabilidad de que el peso total del paquete sea mayor
que 1.5 gramos.
a) ( )
b) ( ) ( )
∫ ∫ ( )
( )
( ) –
Ejercicio 7
Dos variables aleatorias X, Y tienen la siguiente pdf:
( ) {
∬ ∬
K=1/3
( )
( ) ∫ ∫
( ) ∫
√ √
( ) √
( | )
( )
( )∫ ∫
( ) ∫
Ejercicio 8
∑( )
( ) ( )
( )
( )
Ejercicio 9
a) E[ x ] ==============
_________________________________
b) E[ x2 ] ==============
_________________________________
c) E[ x ]2 ==============
_________________________________
d) σx2 = E[ x2 ] - E[ x ]2 ====
_________________________________
e) σx ==============
_________________________________
E[ x ] = Nivel DC de x(t)
E[ x ]2 = Potencia DC de x(t)
fX (x)
1 2 5 x
4
∫( )
( ){
( )
)
∫ ( )
∫ ( ) ∫ )
( )
∫ ( ) ∫ ) ∫ ( )
( )
, - ∫ ( ) ∫ ( ) ∫ ( )
, - ∫ ( ) ∫ ∫ ( )
, - , -
(| | )
√ ( )
)
(| | ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
∫ ) ∫ ( )
Ejercicio 11
TABLA
CDF PDF
(a) b
(b) e
(c) d
(d) c
(e) a
Ejercicio 12
Un proceso aleatorio estacionario en sentido amplio X(t), con valor medio
igual a 5 y el espectro de potencia.
3
XX ( ) 50 ( )
1 / 2
2
( )
* ( )+
( )
( )
( ) ( ( ) )
. /
, ( )- , ( )- ( ) “ ”
( ) , ( )- , ( )-
, ( )- ( )
Ejercicio 13
Literal a)
,( ( ) ( ))( ( ) ( ))-
, ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
)-
, ( ) ( )- , ( ) ( )- , ( ) ( )- , (
) ( )-
( ) ( ) ( ) ( )
( ) ( ) ( )
| | | | | |
( )
* +
Literal )
, ( ) ( ) ( ) ( )-
( ) ( ) , ( ) ( )-
( ( ) ( )) | |
“”
Literal )
, ( ) ( ) ( ) ( )-
, ( ) ( )- , ( ) ( )+
( | |) , ( ( ) ( ))-
| |
( )
( )( ( ) ∫ )
| |
( )( ( )
Literal )
, ( ) ( ) ( ) ( ( ) )-
, ( ) ( )- , ( ) ( )-
| |
, ( ) ( )-
| |
, ( ) ( ) ( ) ( )-
, ( )-
| |
, ( )- , ( )- , (
)- , ( )- , ( )-
| |
( , ( )-( ) , ( )-( )
, ( )-)
| |
(∫ ( ) )
| |
( )
Ejercicio 14
c
c
fx(x)
-a a
-a 0 a
x
| |
a) ( ) *
( | | ) | |
∫ ( )
b) ( ) ( )
( ) ∫ 4 5
( )
( ) ∫ ( ) ∫ ( ) ∫ 〖 4 〗5
( )
c) ,| | - ( ) ( ) ( √ )
Ejercicio 15
1
0.8
0.6
0.4
0.2 x
-1.5 -1 -0.5 0.2 1 1.5
a)
( )
( )
( )
(( ) )
fy
1 2 3 4 5 6 7 8 9
b)
( )
( )
( )
c)
, - ∫ ( )
, - ∫ ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
, -
Ejercicio 16
( ) {
Determinar:
a) La función de densidad de S = X + Y.
b) La covarianza entre S y X.
c) La ( ).
)
( ) ( )
( )
∫ ∫
∫( )
( ) ( )
( )
∫ ∫
∫ ( )
( )
)
, - , - , -
∬ ( ) – (∫ )(∫ )
)
( )
∬ ( ) ∬ ( )
Ejercicio 17
a)
, ( )- , ( )- , -
( ( )) , ( )- , ( )-
, ( )-
, ( )-
b)
, ( ) ( )-
,( ( ) )( ( ) )-
, ( ) ( ) ( ) ( ) -
, ( ) ( )- , ( )- , ( )- , -
, ( ) ( )- , - , ( )- , - , ( )-
( )
c)
( ( ) )
( ( ) ) ( ( ))
( ) {
( ) ( )
( ( ) ) {
Ejercicio 18
to to
b)
( ) , ( )( ( ))-
( ) ( ) ( ) , -
( ) ( ) ( )( )
“ ”
Ejercicio 19
Como
( )
, -
4 5 ( )
√ ( ) √
( )
√
( )
√
( )
√
√
Ejercicio 20
t
0 1
Siendo X(t) = Ag(t), donde A es una variable aleatoria que toma los
valores -1 y +1 con igual probabilidad. Determine:
( ) ( )
a) ( ( ) ( )) ( ( ) ( )) . ( )
/ . ( )
/
Cuando A=-1 x(t)=-g(t)
A= 1 x(t)=g(t) P(A=1)=1/2
( )
( ) ( )
( ) { ( ) ( ) ( ( )) { ( ) ( )
( )
{
( ) ( )
( ) {
( ) ( )
b) , ( )- ∑ ( )( ( ) ( )) ( ( ( )) ( ( )))
( ) ( )
c) ( ) {
( ) ( )
( ) ( ) ( )
( ( ) ( ) ( ) ( ))
( ) ( ) ( )
{
Ejercicio 21
() () ( )
( ) , ( ) ( -
,( ( ) ( ))( ( ) ( ))-
( ) ( ( )) , ( )- ( ) , ( )-
( ) ( ( )) ( )
( ) ( ( )) ( ) ( ) ( ) ( ) ( (
)) ( )
, ( )- ( )
, ( )-
( ) , ( ( ) ( )- ( ),( )( ( )
( ( )))-
( | |)
( ) , ( ( ) ( )- ( )( )( ( )
( ( )))-
autocorrelación ( ) .
( ) ( )
Determinar: P(X(2)-X(1)1)
( )
, ( ) - ( )
( ) , ( ) - , ( )-
( ) ( )
, -
, - , ( ) -– , ( ) ( )- , ( ) -
, -) ( ( ) ( ))
( ( ) ( )) ( ( ) ( )) – , ( )- , ( )- ( )
( ) ( )
√
( ( ) ( ) ) ( ) –
Escuela Superior Politécnica del Litoral
Facultad Ingeniería en Electricidad y Computación
CORRECCION PRIMERA EVALUACION
PROBABILIDADES Y PROCESOS ESTOCASTICOS
Nombre:
Paralelo:
Ejercicio 1
Determine:
a) ¿Cuál es el número de bits erróneos por bloque?
b) ¿Cuál debería ser la probabilidad p, para que este valor
medio no fuese mayor que 1?
Literal a)
Literal b)
( -
( ) ( -
( - ( )
( -
( ) ( -
( -
( ) ( )
1 1 x -1/2 1/2 x
-1
Literal a)
(| | )
( )
( ) ( )
( ) ∫ ( ) 64 57
( ) ∫ ( ) ∫ ( ) 64 57
( ) ∫ ( ) ∫ ( )
( )
( ) ( )
( )
√ ( ). /
( )
√ √
Literal b) ( ( )) ( )
f(x) 0 ]( x+ 1 ]( -x+1 ]( 0
-1 -1/2 0 -1/2 1
g(x) -1 ]( 0 ]( 1
-1 -1/2 0 -1/2 1
f(g(x)) 0 ]( 0 ]( 1 ]( 1 ]( 0 ](0
( - ( )
( ) . 1
( )
-1 -1/2 1/2 1
( ) ∫
( ) ∫ ∫ , -
( ) ∫ ∫
( -
( ) ( ]
( )
( )
-1/2 1/2
Literal c)
Si ( ) √
( )
(√ ) (√ )
( )
( ) ( ) ( √ ) (√ ) ( )
√ √
( ) ∫ ( ) 6 7 √
√ √
( ) ∫ ( ) 6 7 √
√
( )
√
( )
-1 1
Para hallar fy(y) debemos derivar la funcion Fy(y)
( )
( )
( )
( ) √
√
( ) √
√
( )
√
( )
√
EJERCICIO 3
( )
Determinar
Literal a)
( ) ( )
( ) ( )
( ) ( )
( ) ( )
Entonces Fx(x) quedaría
( )
( ) ( ) ( )
( ) ( )
( )
Fx(x)
1 2
Para hallar fx(x) y fy(y) hay que derivar las funciones Fx(x) y Fy(y)
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
fx(x)
1 2
Literal c)
, - ∫ ( ) 6 7
, - ∫ 4 5
Escuela Superior Politécnica del Litoral
Facultad Ingeniería en Electricidad y Computación
CORRECCION SEGUNDA EVALUACION
PROBABILIDADES Y PROCESOS ESTOCASTICOS
Nombre:
Paralelo:
Ejercicio 1
( )
| |
( +
| |
Literal a)
E(X(-2))=0
E(X(1)+5X(2))= E(X(1))+5E(X(2))= 0.
Entonces
( ) ( ( ) )
( ( ))
E( ( ) ) ( )
E[( ( ) ( )) - ( ( ) ) ( ( ) ( )) ( ( ) )
( ) ( ) ( ) ( ) ( )
( )
,( ( ) ( ( ) ( ))- (( ( ) ( )) (( ( ) ( ))
( ( )) ( ( ))
( ) ( )
( ) ( ( ) ) ( ( ))
Entonces
( ( ))
( ( ) ( ))
( ) ( ( ) ( )) ( ( )) ( ( ))
( ( ) ( ) ( ))
[ ]
Literal b)
( )
( )
Como es una variable aleatoria normal entonces
. /
( )
√
Reemplazando
( )
√
Literal c)
C= A+ B
( ) ( ) ( )
( | ) ( ) ( | ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Como P(B=0)=P(B=1)=1/2
( ) ( )
( )
√
REEMPLAZANDO
( ) ( )
( ) ∫ ∫
√ √
( ) ∫ ∫
√ √
( )
( ) ∫ ∫
√ √
Literal d)
( ) | ( )| ( )
Como H(W) es
| |
( +
| |
Entonces | ( )|
( ) 8 9
| |
( )
Reemplazando quedaría
( ) ( )
| |
( )
Si queremos ( ) * ( )+
( ) | |
{ }
( )
, - ( )
, - ( )
, - , - , -
Si f(x) es normal entonces f(y) también es normal por tener media igual a
cerp y varianza igual 9.
. /
( )
√
Reemplazando media y varianza
( )
√
Ejercicio 2
( )
a) P[X(t+2)<1+X(t+1)+X(t)]
b) P[X(t)>A]
c) La función de densidad de la variable aleatoria , ( ) ( )-
RESOLUCION
LITERAL a)
, ( ) ( ) ( )- , ( ) ( ) ( ) -
, ( ) ( ) ( )- , ( )- , ( )- , ( )-=0
0( ( ) ( ) ( )) 1=
, ( )- , ( )- , ( )- , ( ) ( )-
, ( ) ( )- , ( ) ( )-
= ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
P[ z ≥ ]= 0.732
√
Literal b)
a) , ( ) - , ( ) -
, ( ) | - ( ) , ( ) | - ( )
, ( ) - ( ) , ( ) - ( )
, ( ) - , ( ) -
, - , ( ) -
, - ( )
, - ( )
, - , - , -
, - , -
( ) ( )
Literal c)
, ( ) ( )-
√ ( ) ( )
Cambio de variable √
( ( )) ( ( ) ( )) ( ( )) ( ( ))
. ( )/ ,, ( ) ( )- - , ( )- , ( ) ( )- , ( )-
, ( ) ( )- ( ) ( )
, ( )- , ( )- ( )
Remplazando
. ( )/ , ( )- , ( ) ( )- , ( )-
( )
Como es normal
. /
( )
√
Reemplazando
( )
√
Como √
( )
√
Ejercicio 3
( )
( ) ( )
RESOLUCION
Literal a)
GRAFICO Xn
Xn
0 1 2 3 4 5 6 7 8 9 10 n
GRAFICO Yn
Yn
0 1 2 3 4 5 6 7 8 9 10 n
GRAFICO Zn
Zn
2/3
1/3
0 1 2 3 4 5 6 7 8 9 10 n
Literal b)
( ) ∑ ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ∑ ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( ) ∑( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ∑( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ∑( ) ( )
Literal c)
Como es Gaussiana Xn
. /
( )
√
( )
( )
√
Si la función Xn es Gaussiana entonces la función Yn y Zn también lo
son
( )
( ) √
√
( )
( ) √
√
Escuela Superior Politécnica del Litoral
Facultad Ingeniería en Electricidad y Computación
CORRECCION TERCERA EVALUACION
PROBABILIDADES Y PROCESOS ESTOCASTICOS
Nombre:
Paralelo:
Ejercicio 1
Un canal de comunicaciones acepta un voltaje de entrada arbitrario v y
genera un voltaje de salida y=v+n, donde n es una variable aleatoria
uniforme con valor esperado 0 y varianza igual a 3. Suponga que el canal
se usa para trasmitir información binaria como sigue:
El receptor decide que un cero (0) fue enviado si el voltaje que llega es
negativo y un uno (1) si el voltaje de entrada es positivo.
c) Determinar y graficar ( ) y ( )
d) Asumiendo de que un uno (1) fue enviado, encontrar la
probabilidad de que el receptor detecte un cero (0).
e) Encuentre la Probabilidad de que el Receptor este en error.
f) Si n fuese una variable aleatoria uniforme con valor esperado 3 y
varianza igual 4/3. Determinar y graficar ( ) y ( )
RESOLUCION
Literal a)
Datos
( )
( )
( )
Entonces
f(n)
1/6
-3 3 n
Entonces
1/6 ; -3<n< 3
f(n) =
0 : resto de n
Para hallar F(n) debemos
( ) ∫
( ) ( )
Entonces F(n)
0 ; n< -3
F(n)= ( )
1 ; n> 3
-3 3 n
Literal b)
p[V+N ≥0/v=-1]
p[0/v=-1]=p[y≥0/v=-1]
=p[V+N ≥0/v=-1] como v=-1
=p[-1+N≥0]=p[N≥1]
=p[ z ≥ ]= 0.28
√
Literal c)
P[error/v=1]=p[y<0/v=1]
=p[V+N <0/v=-1] como v=1
=p[1+N<0]=p[N<-1]
= p[z< ]=0.28
√
Literal c
Datos
( )
( )
( )
( )
( )
Entonces
( )
10
Entonces
Entonces f(n) quedaría
f(n)
1/4
1 5 n
Entonces
1/4 ; 1<n< 5
f(n) =
0 : resto de n
( ) ∫
( ) ( )
Entonces F(n)
0 ; n< 1
F(n)= ( )
1 ; n> 5
Su grafica seria la siguiente
F(n)
1 5 n
Ejercicio 2
Sea (X,Y) una variable aleatoria bidimensional, con función de densidad
( ) {
Determinar:
d) La función de densidad de S = (X + Y)/2.
e) La covarianza entre S y X.
f) La ( ).
Literal a)
F(s)=p(S≤s)
=P((x+y)/2≤s)
∫ ∫
∫ ( )
; 0≤s≤1/2
( )
; 1/2≤s≤1
0 ; s<0
; 0≤s1</2
F(s) =
; 1/2≤s<1
1 ; s>1
( )
f(s)=
4s ; 0≤s≤1/2
0; resto de s
Literal b)
Cov(SX)=E[SX]-E[S]E[X]
E(X)= ∫ ( ) =∫ ( )
E[S]= ∫ ( ) ∫ ( ) , - , -
E(SX)= 0
Cov(SX)=E[SX]-E[S]E[X]
Cov(SX)=0-(0.5)(0.5)=0.25
c)
p(x≤0.5; s≤1)
∬ ( ) +∬ ( )
3 Ejercicio
Literal a)
(| | )
( )
( ) ( ) ( )
Literal b)
fx(x/X )
( )
Entonces ( )
0.6 ( )
0.2 ( ) 0.2 ( )
0 0.5 1
Literal c)
Literal d) f(y)
0.2
( ) ∑ ( ) ( ) ( ) ( ) ( ) ( )
E(y)= 1.7
Ejercicio 4
a) Encuentre Var[X(t)]
b) Sx(w) ( o Sx(f)) y grafique
Literal a)
, - ( )
, - ( )
, - , - , -
Literal b) ( ) ( ) ( )
( ) ( )
A= 3
A= 2
* ( )+ * ( )+ * ( )+
( ) ( ) ( )
( ) ( ) ( )
FORMULARIO OFICIAL DE PROCESOS
ESTOCASTICOS
. / ( )
( )
∑ . / ( )
( ) ( ) ( ) ( ) ( ̅)
̅
( ) ( ( ̅ ))
( )
. /
( )
Teorema de Bayes
. / ( )
( )
( )
( ) ( ) ( )
. / ( )
( ) ( )
( ) ( )
( )
( )
( )
( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
∑ ( )
( ) ( ) ∑ ( )
( )
( )
( )
∫ ( )
( ) ∫ ( )
∫ ( ) ( ) ( )
Condicional
*( ) +
. / 4 ⁄ 5
( )
. /
. /
4 ⁄ 5 4 ⁄ 5 ( ⁄ )
Media
Varianza
, - , - ( , -)
, -
Momento
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
∑∑ ( )
( ) ∑ ∑ ( )
( ) ( ) ∑ ( )
( ) ( ) ∑ ( )
Independencia
( ) ( ) ( )
Funciones Condicionales para discretas
( )
⁄ 4 ⁄ 5
( )
( )
⁄ 4 ⁄ 5
( )
∑ ⁄ 4 ⁄ 5
∑ ⁄ 4 ⁄ 5
Independencia
⁄ 4 ⁄ 5 ( )
⁄ 4 ⁄ 5 ( )
Funciones Continua
( ) ∫ ∫ ( )
( ) ∫ ∫ ( )
( )
( )
∫ ∫ ( )
Funciones Marginales
( ) ∫ ( )
( ) ∫ ( )
Funciones de Independencia
( ) ( ) ( )
( ) ( ) ( )
( )
⁄ ( ⁄ )
( )
∫ ⁄ ( ⁄ )
∫ ⁄ ( ⁄ )
Independencia
⁄ ( ⁄ ) ( )
⁄ ( ⁄ ) ( )
Covarianza
( ) , - , - , - ( ) , -
Sea ( )=
: : : : : :
[ ]
, donde
Su función de probabilidad es
Su media es
Su varianza es
En ambos casos.
Ejemplos
La solución es:
FUNCION POISSON
Donde
DISTRIBUCION BERNOULLI
Propiedades características
Varianza:
Función característica:
Funciones de distribución continúas
FUNCION EXPONENCIAL
( )
Varianza
( )
( )
FUNCION NORMAL
Función de densidad
Se dice que una variable aleatoria continua X sigue una distribución normal de
parámetros μ y σ y se denota X~N(μ, σ) si su función de densidad está dada por:
( ) , ( ) ( )-
( ) , ( ) ( )-
, ( )- , ( )- , ( )-
:
( ) ,* ( ) , ( )-+* ( ) , ( )-+-
( ) ( ) , ( )- , ( )-
:
( )
( )
√ ( )√ ( )
Propiedades de la autocorrelación ( )
( ) , ( )-
( )
, ( )- ( ) ( )
( ) ( )
| ( )| ( )
( ) ( , ( )-)
( ) ∫ ( )
( ) ∫ ( )
Forma Generalizada:
( ) , ( )- ∫ ( )
( ) , ( )- ∫ ( )
( ) , ( )- ∫ ( )
( ) , ( )- ∫ ( )
Paso de la señal aleatoria por un sistema lineal
X(t) Y(t)
h (t)
( ) , ( ) ( )-
Desarrollando se obtiene:
( ) ( ) ( ) ( )
( ) | ( )| ( )
( ) ( ) ( ) ∫ ( ) ( ) ∫ ( ) ( )
, ( )- 6∫ ( ) ( ) 7 ∫ ( ) , ( )-
, ( )- , ( )- ∫ ( ) , ( )- ( )
Por lo tanto si se tiene el valor esperado del proceso x(t) y su
correspondiente ( ) se puede obtener fácilmente el valor esperado de
y(t).
Retardador
( ) ( )
( ) ( )
Transformada de Hilbert
( ) ( )
( ) ̂ Transformada de Hilbert
̂( ) ( ) ( ) Transformada de Fourier
̂( ) ( ) ( )
( ) ( ) ( ) ( )
( ) | ( )| ( )
( ) |( ( ))| ( ) ( )
Procesos Ergódicos
Respecto a la media
, ( )- ∫ ( ) ∫ ( ) ( ( )) ( )
Nivel DC de x(t)
, - ̅
, - ̅̅̅
Potencia DC de x(t)
( , ( )-) ̅
( ) , ( )- ( , ( )-)
( )
* ( )+ ( )
FUNCIONES DE DISTRIBUCCIONES
DISCRETAS Y CONTINUAS DE PROBABILIDAD
TRANSFORMADAS DE FOURIER
PROPIEDADES DE LA TRANSFORMADA DE FOURIER