UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

PROCESOS ESTOCÁSTICOS
EJERCICIOS

1. Mostrar que un proceso aleatorio es contiuo de WSS x(t) es continuo si y solo si su función de
autocorrelación RX(τ ) es continua en τ = 0.

E[X(t + ε) − X(t)]2 = 2[RX (0)RX (ε)]

Por lo tanto si RX(r) es continuo en z=0 se tiene

lı́m [Rx (ε) − Rx (0)] = 0

ε→0

entonces:
lı́m E[X(t + ε) − X(t)2 ] = 0
ε→0
Se puede decir que es continua para τ = 0

2. Mostrar que un proceso aleatorio X(t) es continuo si y solo si su función de autocorrelación

Rx (t, s) es continua.
La función de auto correlación es continua si:

lı́m µx (t + ε) = µx (t)
ε→0

con lo que se tiene

V ar[X(t + ε) − X(t)] = E[X(t + ε) − X(t)2 ] − E[x(t + ε) − X(t)]2 ≥ 0

E[X(t + ε) − X(t)]2 ≥ E[X(t + ε) − X(t)]2 = [µX (t + ε) − µx (t)]2

la correlación de wiener es:
lı́m µx (t + ε) = 0
ε→0

lı́m µx (t + ε) = µx (t)
ε→0

3. Mostrar que un proceso de Wiener X(t) es continuo.

La correlación de wiener es:
RX (t, s) = σ 2 min(t, s)
Por lo tanto Tenemos

|RX (t + ε1 , t + ε2 ) − Rx (t, t)| = σ 2 |min(t + ε1 , t + ε2 ) − t| ≤ σ 2 max(ε1 , ε2 )

done
lı́m máx(ε1 + ε2 ) = 0
ε→0

4. Suponer que un proceso aleatorio X(t) tiene una derivada x0 (t)

a) Encontrar EX 0 (t)
b) Encontrar la función de correlación cruzada de X(t) y X 0 (t)
c) Encontrar la función de autocorrelación de X 0 (t) a) tenemos

E[X 0 (t)] = E[ lı́m

X(t+ε)−X(t)
ε→0 ε

X(t + ε) − X(t)
= lı́m E[ ]
ε→0 ε

1
 µ(t + ε) − µX (t)
= lı́m ] = µ0x (t)
ε→0 ε
b)
X(s + ε) − X(s)
RXX 0 = E[X(t)X 0 (s)] = E[X(t) lı́m ]
ε→0 ε

E[X(t)X(s + ε) − E[X(t)X(s)]
lı́m
ε→0 ε

RX (t, s + ε) − RX (t, s) ∂Rx (t, s)

lı́m =
ε→0 ε ∂s
c)
X(t + ε) − X(t) 0
RX = E[X(t)X 0 (s)] = E[X(t) lı́m ]X (t)
ε→0 ε

E[X(t + ε)X 0 (s) − E[X(t)X 0 (s)]

lı́m
ε→0 ε

RXX 0 (t + ε, s) − RXX 0 (t, s)

lı́m
ε→0 ε
∂RXX 0 (t, s) ∂ 2 Rx (t, s)
= =
∂t ∂t∂s
5. si X(t) es un proceso aleatorio WSS y tiene derivada X 0 (t), mostrar que:
d
RXX 0 (τ ) = dτ RX (τ )
d2
RX (τ ) = − dτ 2 RX (τ )

a) Para el proceso de WSS X(t), RX (t, s) = RX (s − t), haciendo s − t = τ se obtiene

∂RX (s − t)/∂s = dRX (τ )/dτ

dRX (τ )
RXX 0 (t, t + τ ) = RXX 0 (τ ) =
dτ
b)ahora ∂RX (s − t)/∂t = −dRX (τ )/dτ entonces ∂ 2 RX (s − t)/∂t ∂s = −d2 RX (τ )/dτ 2 con lo que
se tiene
d2
RX (t, t + τ ) = Rx (τ ) = − 2 RX (τ )
dτ
t
6. X(t) es un proceso de Wiener con σ 2 , Y (t) = o X(α)dα
R

a) Encontrar la media y la varianza de Y (t)

b) Encontrar la función autocorrelación de Y (t)
a) E[X(t)] = se tiene
Z t Z t
E[Y (t)] = E[ X(α)dα] = E[X(α)]dα = 0
0 0

entonces Z tZ t
2
V ar[Y (t)] = E[Y (t)] = E[X(α)X(β)]dαdβ
0 0
Z tZ t
= RX (α, β)dαdβ
0 0

2
si RX (α, β) = σ 2 min(α, β)
Z tZ t
V ar[Y (t)] = σ 2 min(α, β)dαdβ
0 0

t β t α
σ 2 t3
Z Z Z Z
2 2
=σ dβ αdα + σ dα βdβ =
0 0 0 0 3
b) t > s ≥ 0
Z t Z t
Y (t) = X(α)dα + [X(α) − X(s)]dα + (t − s)X(s)
0 0
Z t
= Y (s) + [X(α) − X(s)]dα + (t − s)X(s)
0
ahora para t > s ≥ 0
Ry (t, s) = E[Y (t)Y (s)]
Z t
= E[Y 2 (s)] + E[X(α) − X(s)]Y (s)dα + (t − s)E[X(s)Y (s)]
s

σ 2 s3
E[Y 2 (s)] = V ar[Y (s)] =
3
si s ≤ α ≤ t se tiene
Z t Z t  Z s 
E[X(α) − X(s)]Y (s)dα = E [X(α) − X(s)] X(β)dβ dα
s s 0
Z tZ s
= E([X(α) − X(s)][X(β) − X(0)])dβdα
s 0
Z tZ s
= E([X(α) − X(s)]E[X(s) − X(0)])dβdα = 0
s 0
Finalmente 0 ≤ β ≤ s
Z 2
(t − s)E[X(s)Y (s)] = (t − s) E[X(s)X(β)]dβ
0
Z s Z s
= (t − s) RX (s, β)dβ = (t − s) σ 2 min(s, β)dβ
0 0
s
s2
Z
= σ 2 (t − s) βdβ = σ 2 (t − s)
0 2
σ 2 s3 s2 1
RY (t, s) = + σ 2 (t − s) = σ 2 s2 (3t − s)
3 2 6
si Ry (t.s) = Ry (s, t)
1 2 2

6 σ s (3t − s) t > s ≥ 0
Ry (t, s) = 1 2 2
6 σ s (3t − s) s > t ≥ 0