Procesos Ergodicos Santana
-
Upload
alex-santana -
Category
Documents
-
view
26 -
download
0
Transcript of Procesos Ergodicos Santana
ESPE-L
ALEX SANTANA Página 1
ESCUELA POLITÉCNICA DEL EJÉRCITO
INGENIERIA ELECTRÓNICA
PROCESOS ESTOCASTICOS
PROCESOS ERGÓDICOS
Santana Gallo Alex Mauricio
Resumen: En este documento realizaremos el estudio de los procesos ergodicó si sus
promedios estadísticos coinciden con los respectivos promedios temporales. Por lo tanto,
cualquier estadístico podrá obtenerse a partir de una sola realización del proceso, es decir
que cualquier proceso ergódico de cierto orden, es estacionario en ese mismo orden,
además será ergódico en órdenes inferiores.
PALABRAS CLAVE
Proceso Ergódico
Ergódico
Sistemas Ergódico
INTRODUCCION
Un proceso estocástico es ergodicó si se
puede caracterizar estadísticamente a
partir de una realización
DESARROLLO
PROCESOS ERGÓDICO
Se dice que un proceso estacionario es
ergódico cuando las funciones que
entrañan valores esperados a lo largo de
las realizaciones pueden obtenerse
también a partir de una sola realización.
Es decir que una sola realización es
representativa de toda la familia.
Un ejemplo de proceso ergódico es un
promedio temporal:
Se supone entonces que se tiene una señal
X(t) por analizar. En el caso de un
proceso ergódico X(t) es una de las
funciones muestra del proceso X(t) entonces
𝑋(𝑡) Es un proceso ergódico si y solo si
todas sus medias estadísticas de la familia
pueden ser intercambiadas por sus
correspondientes medias temporales. Es
decir una simple realización temporal es
representativa de todo el proceso. Que un
proceso sea ergódico implica que éste sea
estacionario, pero al revés no.
Por lo tanto: Si la serie de tiempo 𝑋𝑡es
estacionaria y ergódica con 𝐸 𝑋𝑡 = 𝜇,
ESPE-L
ALEX SANTANA Página 2
entonces el promedio de la serie de
tiempo converge a 𝜇, es decir:
𝑋 𝑡 = 𝑡−1 𝑋𝑖 → 𝜇
𝑛
𝑖=1
En un proceso estocástico uno puede
determinar ciertos parámetros de dos
formas: a) Se toma una muestra completa
del proceso (Ej: 𝑥1(𝑡)) y se realizan
cálculos sobre ella ó b) Se toman los
valores de todas las salidas posibles para
un tiempo fijo 𝑡𝑘 y se calcula el
parámetro deseado. Si el valor del
parámetro resulta igual por los dos
métodos, se dice que el proceso es
ergódico con respecto a ese parámetro.
Por ejemplo, ergodicidad con respecto a
la media sería decir que:
𝐸 𝑥 𝑡 = lim𝑇→∞
1
𝑇 𝑥𝑘 𝑡 𝑑𝑡
𝑇2
−𝑇2
= 𝑥𝑘 𝑡 𝑝 𝑥 𝑡𝑘 𝑑𝑥(𝑡𝑘)∞
∞
Daría el mismo resultado tomar, por
ejemplo, 𝑥2(𝑡) y promediarla en el
tiempo, o tomar los valores de
𝑥1(𝑡𝑘), 𝑥2(𝑡𝑘), . . . . . . , 𝑥𝑛(𝑡𝑘)
y promediarlos.
Es evidente que si un proceso es ergódico
también es estacionario y si la salida
representa una señal eléctrica, esta será de
potencia y se cumplirá que:
𝐸 𝑥 = 𝑥 = 𝑁𝑖𝑣𝑒𝑙 𝐷𝐶 𝑑𝑒 𝑥(𝑡)
𝐸 𝑥2 = 𝑥2
= 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑥(𝑡)
𝜎2𝑥 = 𝐸 𝑥2 − 𝐸[𝑥]2
= 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝐴𝐶 𝑑𝑒 𝑥(𝑡)
𝜎𝑥 = 𝑉𝑜𝑙𝑡𝑎𝑗𝑒 𝑅𝑀𝑆 𝑑𝑒 𝑥(𝑡)
𝐹 { 𝑅𝑥(𝜏) } = 𝐺𝑥 (𝑓)
= 𝐷𝑒𝑛𝑠𝑖𝑑𝑎𝑑 𝐸𝑠𝑝𝑒𝑐𝑡𝑟𝑎𝑙 𝑑𝑒 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎.
Esta última relación es importantísima ya
que nos dice que a pesar de que la señal
es aleatoria, su auto correlación, y por
ende, su densidad espectral de potencia,
son determinísticas. La demostración es
la siguiente:
Uno puede definir la densidad espectral
de un proceso aleatorio como el promedio
de las densidades espectrales de las
funciones muestras así:
𝐺𝑥 𝑓 = lim𝑇→∞
𝑋𝑇 𝑓 2
𝑇
Donde 𝑋𝑇(𝑓) es la transformada de
Fourier del proceso aleatorio truncado
𝑋(𝑡) 𝛱(𝑡/𝑇). Su módulo al cuadrado es
igual a:
𝑋𝑇(𝑓) 2 = 𝑋𝑇∗ 𝑓 𝑋𝑇 𝑓
= 𝑥(𝑡1)𝑇/2
−𝑇/2
𝑒𝑗𝜔 𝑡1𝑑𝑡1 𝑥(𝑡2)𝑇/2
−𝑇/2
𝑒−𝑗𝜔 𝑡2𝑑𝑡2
Estas dos integrales pueden expresarse
como una integral doble del producto de
x(t1)x(t2), y como la operación de
promediación es otra integral más, puede
realizarse primero; esto último se
expresaría como la promediación previa
del producto x(t1)x(t2) . Queda entonces
que:
ESPE-L
ALEX SANTANA Página 3
𝐺𝑥 𝑓 = lim𝑇→∞
1
𝑇 𝑠 𝑡1)𝑥(𝑡2 𝑒(−𝑗𝜔 𝑡2−𝑡1 𝑑𝑡1𝑑𝑡2
𝑇2
−𝑇2
𝑇2
−𝑇2
Si el proceso es estacionario en el sentido
amplio, el promedio del producto
𝑥(𝑡1)𝑥(𝑡2) es la auto correlación
evaluada en la diferencia de tiempos t2 -
t1. La densidad espectral queda entonces
igual a:
lim𝑇→∞
1
𝑇 𝑅𝑋 𝑡2 − 𝑡1 𝑒
(−𝑗𝜔 𝑡2−𝑡1 𝑑𝑡1𝑑𝑡2
𝑇2
−𝑇2
𝑇2
−𝑇2
= lim𝑇→∞
1
𝑇 Φ 𝑡2 − 𝑡1 𝑑𝑡1𝑑𝑡2
𝑇2
−𝑇2
𝑇2
−𝑇2
Ejemplo:
1. Un proceso ergódico x(t) tiene un
valor medio igual a 4v. Si x(t) pasa
por un sistema LIT cuya respuesta
impulsiva es h(t)=4Sinc(t),
determine el valor medio de la
señal de salida.
Solución
Si el proceso x(t) es ergódico entonces es
estacionario y se cumple que
𝐸[𝑥(𝑡)] = 𝐸[𝑥] = 𝑁𝑖𝑣𝑒𝑙 𝐷. 𝐶. de la señal
eléctrica. De los datos tenemos que:
𝐸[𝑥] = 4𝑣 ⇒ (𝐸[𝑥])2 = 16 𝑊
𝐺𝑦 𝑓 = |𝐻 𝑓 |2 𝐺𝑥(𝑓),
Que es el valor de la densidad espectral
de potencia a la salida del sistema LIT .
Sabemos que 𝐺𝑥(𝑓) tendrá una delta en
el origen de amplitud 16, la cual
representa la potencia D.C. de la señal a
la entrada del sistema LIT, es decir:
𝐺𝑥(𝑓) = 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑠𝑒ñ𝑎𝑙 + 16 𝛿(𝑓)
La respuesta impulsiva del sistema es
h(t)=4Sinc(t) cuya transformada de
Fourier es
𝐻(𝑓) = 4 𝛱(𝑓) ⇒ |𝐻 𝑓 |2
= 16𝛱(𝑓)
A la salida del sistema LIT tenemos que
la función de densidad espectral de
potencia es
𝐺𝑦(𝑓) = 16 ∗ 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑠𝑒ñ𝑎𝑙 +
256 𝛿(𝑓), y como queremos el valor
medio de la señal de salida tenemos que:
(𝐸[𝑦])2 = 256 ⇒ 𝐸[𝑦] = ±16 =
16 = 𝑁𝑖𝑣𝑒𝑙 𝐷. 𝐶. de la señal a la salida
También hemos podido decir que
𝑁𝑖𝑣𝑒𝑙 𝐷𝐶 𝑆𝑎𝑙𝑖𝑑𝑎
= 𝑁𝑖𝑣𝑒𝑙 𝐷𝐶 𝑑𝑒 𝑒𝑛𝑡𝑟𝑎𝑑𝑎
∗ 𝐻(0) = 4 ∗ 4 = 16
CONCLUSIONES
Cuando un proceso es ergódico, los
promedios totales son los mismos
promedios de tiempo, luego un
promedio total se puede calcular a
partir de una sola función muestra.
Para que un proceso sea ergódico, la
observaciones nuevas tienen que
aportar suficiente información para
ESPE-L
ALEX SANTANA Página 4
que la varianza converja a 0. Esto no
ocurre si la dependencia entre las
variables es muy fuerte.
Una condición necesaria pero no
suficiente para que un proceso
estacionario sea ergódico es, que la
correlación entre las observaciones
tienda a 0 al aumentar el retardo, de
manera que las observaciones
suficientemente alejadas sean
prácticamente independientes.
BIBLIOGRAFÍA:
http://cnx.org/content/m41097/late
st/?collection=col11361/latest
http://marga.com.ar/6615/estocasti
cos.pdf
http://prof.usb.ve/cmquiroz/ec142
1/apuntes/procesos_aleatorios.pdf
http://prof.usb.ve/tperez/docencia/
1421/Capi/CAPITULO%20VI.pdf
http://marga.com.ar/6615/estocasti
cos.pdf