Instrucciones Generales para el informe del tra-

bajo
• El informe de su trabajo debe ser realizado en Latex.

• Si existen apartados que requieran soluciones analı́ticas (e.g. demostraciones,

ejercicios teóricos), transcribirlos en Latex (no inserte imágenes escaneadas).

• Las figuras deberán ser insertadas en formato eps. Para más información:
https://www.overleaf.com/learn/latex/Inserting_Images.

• El código fuente debe ser insertado con el paquete “listings” con “sintax high-
lighting” en colores (ver https://www.overleaf.com/learn/latex/Code_
listing)

• Etiquete los ejes de las figuras y coloque un descripción apropiada.

• Suba las siguientes evidencias

– Código fuente Latex

– PDF generado en Latex
– Código fuente Matlab (archivos .m)

1
 Trabajo 04
Análisis de Señales y Procesos Estocásticos

Realice un informe enfatizando principalmente las comparaciones con la

teória y conclusiones de cada ejercicio práctico.
Para este trabajo, solo se puede usar los comandos rand y randn para generar
números aleatorios.
En la carátula de su informe, junto a su nombre, coloque su números único.

1 PDF y CDF empı́ricas

1. Genere un vector X de tamaño n de variables aleatorias que asumen 0 o 1 con
la misma probabilidad, i.e., variables aleatorioas de Bernoulli con p = q =
1/2. Realice la suma de los elementos de este vector y guarde el resultado
en un vector Y . Repita este procedimiento 10000 veces. Obtenga la PDF y
CDF empı́rica de Y (i.e histogramas normalizados). Compare sus resultados
con las PDF y CDF teóricas obtenidas usando la distribución binomial, dada
por:
n!
P (Y = k) = pk (1 − p)(n−k) (1)
k!(n − k)!
Haga n igual a los 2 últimos dı́gitos de su número único más 100 y divida
el resultado por 20. Redondee el resultado hacia abajo. Repita el mismo
problema para p = 0.6 y q = 0.4.

2. Haga un gráfico discreto de la PMF de la distribución binomial, dada por 1

con p = 1/2 y para k variando de 0 a n, donde n es igual a los 2 últimos
dı́gitos de su número único más 50. Sobreponga este gráfico discreto con
un gráfico contı́nuo de la PDF
p de una distribución gaussiana con µx = np y
desviación standard σx = np(1 − p). A continuación, realizar lo siguiente

• Demuestre numericamente que

n
X
P (Y = k) = 1
k=0

2
 para la distrubución binomial. Use el mismo valor de n con el cual
generó el gráfico discreto de la PMF.
• Calcule numericamente la integral
Z n
pX (x),
0

donde pX (x) es la PDF dep la distribución de Gauss con µx = np y

desviación standard σx = np(1 − p).

3. Cree una loteria en la que sean sorteadas 6 bolas en un universo de N bolas.

Determine la probabilidad teórica de obtener de 0 a 6 puntos utilizando la
distribución hipergeométrica (resuma los resultados en un tabla). Obtenga
la probabilidad experimental de obtener de 0 a 6 puntos realizando 100000
extracciones de su loterı́a, donde en cada extracción son sorteadas 6 bo-
las diferentes y el apostador selecion 6 números de acuerdo a las siguientes
estrategias

(a) En la primera estrategia, el apostador siempre juega a los números del

1 al 6.
(b) En la segunda estrategia, el apostador juega usando 6 números aleato-
rios.
(c) En la tercera estrategia, a partir de la extracción número 1000, el apos-
tador juega a los números que fueron menos frecuentes en .

Para obtener el número de bolas N , tome los 2 últimos dı́gitos de su número

único, sume 100, divida este resultado por 3 e extraiga la parte entera. Cómo
y por qué afecta cada estrategia en las probabilidades de ganar la loterı́a?
Grafique la PMF teórica y las PMFs de cada estrategia en el mismo plot.

2 Transformación de Variables Aleatorias

1. Usando comandos básicos, genere en matlab un vector de variables aleatorias
(VAs) uniformente distribuı́das entre 1 y n de tamaño 10000, a partir de un
vector de VAs uniformemente distribuı́das entre 0 y 1, donde n es igual a los
dos últimos dı́gitos de su número único más 10. Calcule la media y varianza
de este vector y compare con los resultados teóricos. Obtenga la PDF y CDF
del vector de VAs através del histograma normalizado. Divida el histograma
en 100 barras.

3
2. El algoritmo de Box-Muller establece que a partir de dos VAs independientes
uniformemente distribuı́das entre 0 y 1, u1 y u2 , puede obtenerse dos VAs
normales g1 y g2 independientes de media nula y variancia unitaria, dadas
por la siguiente transformación:

p
g1 = −2 ln u1 cos 2πu2 (2)
p
g2 = −2 ln u1 sin 2πu2 (3)

Genere dos vectores de VAs uniformes de longitud 10000. A partir de es-

tos vectores, genere dos vectores de VAs normales, usando las transforma-
ciones de las Ecuaciones 2 y 3. Con base en una de las VAs normales,
genere una variable gaussiana con media igual a los dos últimos dı́gitos de su
número único más 50 y desviación estandard igual a la media dividida por 10.
Grafique la PDF experimental e obtenga la media y varianza experimentales.
Compare con los valores teóricos esperados.