Universidad Nacional Experimental del Táchira

Telecomunicaciones - 02444704T
Guía de Estudio. Unidad III Procesos aleatorios y ruido.

Objetivos
1. Enunciar las propiedades de un proceso aleatorio estacionario en sentido amplio (WSS).

2. Enunciar las propiedades de un proceso gaussiano

3. Relacionar los promedios temporales y conjuntos de un proceso ergodico

4. Obtener el valor medio cuadrático, la varianza y el espectro de potencia de una señal aleatoria WSS,
dada su función de autocorrelacion.

5. Calcular el ancho de banda de ruido de un filtro

6. Determinar el espectro de potencia y la potencia de salida total con ruido blanco en la entrada de un
sistema LTI.

Sección B-4. Variables aleatorias

Una variable aleatoria es una función que genera números a partir de los resultados de un experimento
azaroso.

Sección B-5.

Funcion de distribución acumulativa (CDF): 𝐹 𝑎 = 𝑃 𝑥 ≤ 𝑎

Funcion de densidad de probabilidad (PDF): 𝑓(𝑥)

𝑎+𝜀
Relación entre la CDF y la PDF: 𝑃 𝑥 ≤ 𝑎 = 𝐹 𝑎 = lim𝜀→0 −∞
𝑓(𝑥)𝑑𝑥
𝜀>0

La función de densidad de probabilidad es no negativa, y su área total es igual a la unidad.

∞
𝑓𝑥 𝑥 𝑑𝑥 = 1
−∞

Sección B-6. Promedio Conjunto y momentos

∞
El operador momento: (𝑥 − 𝑥0 )𝑟 = −∞
(𝑥 − 𝑥0 )𝑟 𝑓 𝑥 𝑑𝑥

∞
Media: es el primer momento alrededor del origen: 𝑥 = −∞
𝑥 𝑓 𝑥 𝑑𝑥

∞
Varianza: segundo momento alrededor de la media: 𝜎 2 = (𝑥 − 𝑥 )2 = −∞
(𝑥 − 𝑥 )2 𝑓 𝑥 𝑑𝑥

Desviación estándar: es la raíz cuadrada de la varianza: 𝜎 = (𝑥 − 𝑥 )2

Segundo momento alrededor del origen: 𝑥 2 = (𝑥 )2 + 𝜎 2

𝑥 𝑥 = 𝑥 2 , ya que 𝑥 es una constante dentro de 𝑥 𝑥 .

Varianza de la suma de dos VA independientes: Si 𝑍 = 𝑋 + 𝑌 entonces 𝜎𝑧 2 = 𝜎𝑥 2 + 𝜎𝑦 2

Universidad Nacional Experimental del Táchira
Telecomunicaciones - 02444704T
Guía de Estudio. Unidad III Procesos aleatorios y ruido.

Sección B-7. Distribuciones

Distribución uniforme:
𝐴2
𝑥 = 𝑚; 𝜎 2 =
12

Distribución Gaussiana o Normal

𝑚−𝑎
𝑃 𝑥≤𝑎 =𝐹 𝑎 =𝑄
𝜎

Sección B-9 Estadísticas multivariantes

La PDF multivariante: 𝑓 𝑥, 𝑦 = 𝑓 𝑥 . 𝑓 𝑦 𝑥
𝑑 𝑏
La probabilidad conjunta del evento P(a<X<b, c<Y<d)= 𝑓
𝑐 𝑎 𝑥,𝑦
𝑥, 𝑦 𝑑𝑥𝑑𝑦

PDF conjunta en V.A. independientes: 𝑓 𝑥, 𝑦 = 𝑓 𝑥 . 𝑓 𝑦

∞ ∞
Correlación o media conjunta: 𝑥 𝑦 = −∞ −∞
𝑥 𝑦 𝑓𝑥,𝑦 𝑥, 𝑦 𝑑𝑥𝑑𝑦

Si dos VA no están correlacionadas: 𝑥 𝑦 = 𝑥 . 𝑦

Si dos VA son ortogonales: 𝑥 𝑦 = 0

Si dos VA son independientes, tampoco están correlacionadas.

Covarianza: 𝑢11 = (𝑥1 − 𝑚1 )(𝑥2 − 𝑚2 )

Si dos VA son independientes, la covarianza es cero.

Variables aleatorias gaussianas

Cualquier combinación lineal de dos VA gaussianas x y y: 𝑎𝑥 + 𝑏𝑦 es también gaussiana

Universidad Nacional Experimental del Táchira
Telecomunicaciones - 02444704T
Guía de Estudio. Unidad III Procesos aleatorios y ruido.

Las VA gaussianas no correlacionadas son estadísticamente independientes.

Sección 6-1

Proceso aleatorio real (o proceso estocástico) se puede describir como un conjunto indexado de variables
aleatorias: 𝑣 𝑡 = 𝑣1 , 𝑣2, … …

Donde 𝑣1 = 𝑣(𝑡1 ) es la V.A. que toma los valores que se describen para el conjunto de constantes obtenidas
al evaluar el voltaje de la fuente en 𝑡 = 𝑡1 .

𝑣(𝑡) es la media del proceso aleatorio 𝑣(𝑡), que puede ser constante en el tiempo o depender del mismo.

Aunque la amplitud de una señal aleatoria puede cambiar con el tiempo, los parámetros del proceso que
genera la señal puede permanecer constante (proceso estacionario) o cambiar con el tiempo (proceso no
estacionario).
∞
Media para un proceso aleatorio 𝑦 = 𝑔 𝑥 : 𝑦 = 𝑔 𝑥 = −∞
𝑔 𝑥 𝑓𝑥 (𝑥)𝑑𝑥

La media o valor esperado de una suma de procesos aleatorios, es la suma de las medias de cada proceso
aleatorio: 𝑔1 𝑡 + 𝑔2 𝑡 = 𝑔1 𝑡 + 𝑔2 𝑡

En procesos aleatorios complejos: 𝑔1 𝑡 + 𝑗𝑔2 𝑡 = 𝑔1 𝑡 + 𝑗𝑔2 𝑡

Sea el proceso aleatorio 𝑎𝑥(𝑡) + 𝑏, donde a y b son funciones determinísticas ( no son procesos aleatorios):

𝑎𝑥(𝑡) + 𝑏 = 𝑎𝑥 + 𝑏

El segundo momento de una suma: (𝑥1 𝑡 + 𝑥2 𝑡 )2 = (𝑥1 𝑡 )2 + 2𝑥1 𝑡 . 𝑥2 𝑡 + (𝑥2 𝑡 )2

Donde 𝑥1 𝑡 . 𝑥2 𝑡 es la correlación cruzada o media conjunta de los procesos 𝑥1 𝑡 y 𝑥2 𝑡 .

En procesos aleatorios no correlacionados: 𝑥1 𝑡 𝑥2 𝑡 = 𝑥1 . 𝑥2

En procesos aleatorios ortogonales: 𝑥1 𝑡 𝑥2 (𝑡) = 0

Función de autocorrelación: 𝑅𝑥 𝑡1 , 𝑡2 = 𝑥(𝑡1 )𝑥(𝑡2 )

Función de autocorrelación si el proceso es estacionario de segundo orden: 𝑅𝑥 𝜏 = 𝑥(𝑡)𝑥(𝑡 + 𝜏)

Los procesos aleatorios físicamente independientes suelen ser estadísticamente independientes y, por tanto,
no correlacionados.

Sin embargo, los procesos no correlacionados no son necesariamente independientes.

Un proceso es estrictamente estacionario si todos los parámetros del modelo probabilísto (media, varianza,
momentos de alto orden y composición espectral de la potencia) del proceso son invariantes en el tiempo, en
otro caso no es estrictamente estacionario.

Sin embargo, en la práctica existen varios grados de estacionalidad.

Universidad Nacional Experimental del Táchira
Telecomunicaciones - 02444704T
Guía de Estudio. Unidad III Procesos aleatorios y ruido.

Un proceso aleatorio en sentido amplio (WSS) requiere que la media sea independiente del tiempo (constante
) y la función de autocorrelacion depende sólo de la diferencia de tiempos 𝜏 = 𝜏1 − 𝜏2

La función de autocorrelacion de un proceso WSS es análoga a la función de autocorrealción de una función

determinística. Debe ser par, su máximo debe estar en el origen, y al evaluarse en 𝜏 = 0 el resultado es el
segundo momento.

Un proceso aleatorio es ergódico si todos los promedios de tiempo se igualan a los promedios conjuntos
correspondientes:

Sección 6-3 Valores DC y RMS para procesos ergódicos aleatorios.

Valor DC: 𝑋𝐷𝐶 =< 𝑥 𝑡 >= 𝑥

Potencia DC normalizada: 𝑃𝐷𝐶 = (< 𝑥(𝑡) >)2 = (𝑥 )2

Valor RMS de AC: (𝑋𝑅𝑀𝑆 )𝑎𝑐 = < (𝑥 𝑡 − 𝑋𝐷𝐶 )2 > = 𝜎𝑥

Potencia promedio de AC: 𝑃𝐴𝐶 = (< 𝑥(𝑡) − 𝑋𝐷𝐶 >)2 = 𝜎𝑥 2

2
Potencia promedio normalizada: 𝑃 = < 𝑥 𝑡 > = 𝑥2

Valor RMS: 𝑋𝑅𝑀𝑆 = <𝑥 𝑡 2 >= 𝑥2

Autocorrelación: 𝑅𝑥 𝜏 =< 𝑥 𝑡 𝑥 𝑡 + 𝜏 > = 𝑥 𝑡 𝑥 𝑡 + 𝜏

Un proceso ergódico es WSS, pero no todos los procesos WSS son ergódicos porque cualquier función de
muestra de un proceso ergódico debe ser representativa de todo el conjunto.

Cuando una señal aleatoria proviene de una fuente ergódica, los valores de la media y del segundo momento
son constantes. Un proceso ergódico es estrictamente estacionario porque todos los promedios conjuntos son
independientes del tiempo.

Todos los procesos estacionarios de interés práctico tienen 𝑅𝑥 0 > 0, de suerte que la mayoría de funciones
de muestra son señales de potencia y no señales de energía finita.

Combinación lineal de procesos aleatorios conjuntamente estacionarios.

Si 𝑥 𝑡 y 𝑦 𝑡 son conjuntamente estacionarios, la combinación lineal 𝑧 𝑡 = 𝑥 𝑡 ± 𝑦 𝑡 tiene

autocorrelacion 𝑅𝑥𝑦 𝑡1 , 𝑡2 = 𝑅𝑥𝑦 𝑡1 − 𝑡2

𝑅𝑧 𝜏 = 𝑅𝑥 𝜏 + 𝑅𝑦 𝜏 ± 𝑅𝑥𝑦 𝜏 + 𝑅𝑦𝑥 𝜏

Cuando los procesos no están correlacionados se cumple la superposición de la autocorrelación, y por

tanto, de la densidad espectral de potencia y de la potencia promedio.

𝑅𝑧 𝜏 = 𝑅𝑥 𝜏 + 𝑅𝑦 𝜏
Universidad Nacional Experimental del Táchira
Telecomunicaciones - 02444704T
Guía de Estudio. Unidad III Procesos aleatorios y ruido.

Para un proceso aleatorio WSS se cumple el teorema de Wiener-Kinchhine:

Teorema de Wiener-Kinchine
∞
𝑃𝑆𝐷𝑥 (𝑓) = 𝑅𝑥 𝜏 𝑒 −𝑗 2𝜋𝑓𝜏 𝑑𝜏
−∞

Para un proceso aleatorio WSS, El área bajo la curva de la función de autocorrelación es igual al valor de la
PSD en f=0.
∞
𝑃𝑆𝐷𝑥 0 = 𝑅𝑥 𝜏 𝑑𝜏
−∞

Para un proceso aleatorio WSS, la potencia promedio es el área bajo la curva de la PSD, e igual a la
autocorrelación evaluada en 𝜏 = 0.
∞
𝑃 = 𝑥 2 = 𝑅(0) = 𝑃𝑆𝐷𝑥 𝑓 𝑑𝑓
−∞

∞
Cuando una señal aleatoria pasa por un sistema lineal, 𝑃𝑦 = 𝑦 2 = 𝑅𝑦 0 = −∞
𝑃𝑆𝐷𝑥 𝑓 𝐻(𝑓) 2 𝑑𝑓