Estocásticos
parte II
Análise de Fourier Estocástica
(análise de sinais aleatórios)
Revisando Variáveis aleatórias
Médias
Processo discreto
v.a. discreta x {x1,x2,...,xM}
N experimentos g(x1 )n(x1 ) g(x 2 )n(x2 )...g(x M )n(x M )
g(x) av
N
M
E{g(x)} g(xm )P(xm )
m 1
Processo Contínuo
E{g(xt )} g(xt )p(x t )dxt (função do tempo)
Momentos
momento E(x ) x n p(x)dx
n
momentos de interesse
1. E(x)=m (ou mx) média 2. E(x2) segundo momento
momento central
n (x m)n p(x)dx
momentos de interesse
1. µ1=E{x-m}=0 2. µ2=E{(x-m)2}=2 variância
momentos cruzados
E{xnyn’} e E{(x-mx)n{y-my)n’}
Momentos cruzados de 2a ordem importantes
Correlação E(xy)=Rxy
Covariância E{(x-mx)(y-my)]=Kxy
Propriedade:
Kxy=Rxy-mxmy=E(XY)-E(X)E(Y).
Correlação/ Covariância normalizada
Co-variância normalizada:
E(xy) E(x)E(y) -1<<1
xy
xy
y y y y
x x x x
Independência Estatística
Assim,
V.a. e P.E.
espaço amostral
X variável aleatória X: --> R
X w |---> X(w)
w1
X(w2)
w2
X(w1) R
Distribuição: FX(x)=P(X<x).
Processos Aleatórios
X(t,w1)
séries temporais
Xt
w1
t
w2
t
w3
w4
...
t
t
X(t,w4)
X(w,t) b
Y (w) X(w,t)dt
a
notação simplificada
b
y x(t)dt
a
SENTIDO ESTRITO
FX t1 , Xt 2 , X t3 , Xt 4 ,....,X t N (x1 , x2 ,...,x N ) FX t1 , Xt 2 , X t3 , X t4 ,....,X t N (x1 , x2 ,...,x N ) N
E{ xt } = E {xt+
t+};
Rx(t,t+)=Rx()
Teorema de Wiener-Kinchine:
F Rx() = Sx(f)
ANÁLISE ESPECTRAL DE PROCESSOS
ESTOCÁSTICOS
xc 0
x(t) xcn Cosnw0t xsn Sennw0 t w0
2
2 n 1 ba
com coeficientes:
2 b
b a a
xcn x(t)cos nw0tdt
São v.a.’s !
2 b
xsn
ba a
x(t)sennw0 tdt
Propriedades das Séries de Fourier
Estocásticas
T=b-a