Documente Academic
Documente Profesional
Documente Cultură
TEORÍA DE TELECOMUNICACIONES
• La aplicación de las estadísticas y particularmente la
probabilidad a las telecomunicaciones han ayudado a definir
principios y métodos que ayudan con el diseño de los
sistemas reales
• Por ejemplo, la transmisión por radio digital se apoya
totalmente en los principios de la probabilidad
• También es posible definir la tasa de errores con los que un
sistema trabaja
• En esta parte solo se recordarán y aplicarán determinados
parámetros y principios útiles en telecomunicaciones
Frecuencia relativa
• Proporción de ocasiones en los que un evento en particular se produce en el
marco referencial de un conjunto de eventos
• Para la aplicación a las telecomunicaciones, normalmente se considera conjuntos
de eventos de “largo aliento”
• La frecuencia relativa en que se producen los eventos implica una probabilidad
de ocurrencia de los mismos P(xi), donde P(xi) es la probabilidad de que el
evento xi se produzca dentro de un conjunto: x0, x1, x2, …, xn
• La probabilidad P(xi) puede estar distribuida de cualquier manera dentro del
conjunto x0, x1, x2, …, xn
• La manera como se distribuye la probabilidad de los eventos P(x0), P(x2), …,
P(xn) se conoce como función de distribución
• Por ejemplo la distribución de P(xi) puede ser uniforme como se da en el
lanzamiento de un dado
1 2 3 4 5 6
1/6
1 2 3 4 5 6
• Los espacios muestrales pueden a su vez dividirse en subconjuntos
• Por ejemplo el lanzamiento de dos dados => Espacio muestral es
bidimensional
Dado 2
Subconjunto
De suma = 11
6 } }
5 } }
4 } Subconjunto
3 } De suma = 7
2 }
1 }
1 2 3 4 5 6 Dado 1
ηA => frecuencia de A
ηB => frecuencia de B
ηA + ηB => frecuencia del espacio muestral
A A
P( A B)
A B A B
P(A) P(B)
Probabilidad conjunta
A B U
P(A) P(B)
Donde:
U => Conjunto universo (Espacio muestral)
A,B => Subconjuntos de fuentes de U
A B U
2 1
4 6 3 5
A B U
P(A) P(B)
Donde:
P(AB)
U => Conjunto universo (Espacio muestral) Probabilidad de
A,B => Subconjuntos de fuentes de U Intersección
A B U
1
5 3 2
4 6
P(A) = 1/2
P(B) = 1/2 P(A+B) = 1/2 + 1/2 -1/3 = 2/3
P(AB) = 1/3
Probabilidad condicional
• Es el Chance de que ocurra un evento del subconjunto A, siempre
y cuando el evento B haya ocurrido
• Se aplica a probabilidades conjuntas con eventos no mutuamente
exclusivos
n!
n Pr
(el orden de los elementos importa)
( n r )!
• Combinaciones
• nCr => es el número de combinaciones r en r de un conjunto de n elementos
n!
nCr
(El orden de los elementos no importa)
( n r )! r !
Distribuciones de probabilidad
• Es la forma de asignación P(xi)
• Para un espacio muestral, la sumatoria de las probabilidades de todos los
elementos debe ser igual a la unidad
Espacio muestral finito
x1
x2 n
xi
xn P( xi) 1
i 1
• En el caso de que los eventos no sean discretos y finitos
P (xi ) 1=> 0 ≤ P(xi) ≤ 1
• La distribución puede representarse de varias formas:
a) Diagrama de barras b) Polígono c) Diagrama de barras
(discreta) (intervalos)
P(xi)
P(xi)
xi
xi
Distribución acumulativa
i
F ( xi )
i
P ( xi )
F ( xi ) P ( xi ) 1
Medidas de dispersión
• Promedio
n
x
i 1
xiP ( xi ) x
f ( x ) P ( x ) dx
• Valor cuadrático medio
v es la variable
E (v )
2
v 2 P ( v ) dv
• Varianza
n
(v v) P(v)dv xi P(xi) x
2 v es la variable 2 2 2
(para variables discretas)
v es el promedio
i1
Ejemplo aplicado a telecomunicaciones
• La tabla muestra una prueba sobre 500 diodos laser, manufacturados por AT&T
a) Construir una distribución de frecuencias y frecuencias acumulativas (histograma)
b) Encuentre el porcentaje de diodos laser cuyo tiempo de vida no excede 700 Hrs
c) Encuentre el N° de componentes cuyo tiempo de vida es al menos 600 Hrs pero menor a
1000 Hrs
d) Determine el promedio y la desviación estándar
Tiempo 400 a 500 a 600 a 700 a 800 a 900 a 1000 a 1100 a
de vida 499 599 699 799 899 999 1099 1199
N° de 25 65 79 108 92 76 34 21
componentes
a)
560
108
479
92
445
79
76
369
65
217
34 169
25
21
90
25
400 a 500 a 600 a 700 a 800 a 900 a 1000 a 1100 a 400 a 500 a 600 a 700 a 800 a 900 a 1000 a 1100 a
499 599 699 799 899 999 1099 1199
499 599 699 799 899 999 1099 1199
t vida muestras
b) N° de componentes con vida < 700 hrs.
N<700 = 169 = 25 + 65 + 79
Porcentaje = 169*100%/500 = 33,8%
c) Láser con tiempo de vida mayor a 600 hrs. Pero menor a 1000 hrs.
79 + 108 + 92 + 76 = 355
% = 355*100%/500 = 71,0%
d) Promedio y varianza:
25 65 79 108 92 76 34 21
x 450 550 650 750 850 950 1050 1150
500 500 500 500 500 500 500 500
x = 779.2 hrs.
Varianza
xi P(xi) x
2
2 2 1
xi 2
P ( xi )
500
( 25 * 450 2 65 * 550 2 ... 21 * 1150 2 ) 638 ,84 * 10 3
A B E F
D Destino de la
Fuente de
Información Información
Repetidores
P(e) = Probabilidad de que el mensaje llegue o no llegue
P = Probabilidad de falla de cualquier repetidor
E B De la figura se tiene:
P(E) P(B) P(e) = P(B) + P(E) +P(CD) – P(BE)
- P(BCD) – P(ECD)
P(CD) + P(BECD)
DATOS:
P(T0) = 0,45
P(T1) = 0,55
P(R1/T0) = 0,2 => P(R0/T0) = 1 – 0,2 = 0,8
P(R0/T1) = 0,1 => P(R1/T1) = 1 – 0,1 = 0,9
Solución:
Probabilidad de recibir cero:
P(R0) = P(R0/T0) P(T0) + P(R0/T1) P(T1)
= 0,8 * 0,45 + 0,1 * 0,55 = 0,415
Probabilidad de recibir uno:
P(R1) = P(R1/T1) P(T1) + P(R1/T0) P(T0)
= 0,9 * 0,55 + 0,2 * 0,45 = 0,585
Aplicando Bayes:
P(T0/R0) P(R0) = P(R0/T0) P(T0)
P( R0 / T 0) P (T 0)
P(T 0 / R0) 0,867
P ( R0)
P( R1 / T 1) P(T 1)
P(T 1 / R1) 0,846
P ( R1)
Funciones de Probabilidad
(Distribución)
•Distribución Binomial
•Distribución Poisson
•Distribución Gauss
Distribución Binomial
• También conocida como distribución de Bernoulli
• Las condiciones para aplicar la distribución son:
• El experimento consiste en n eventos con n discreto y
finito
• Cada evento solo tiene dos posibles resultados: éxito o
fracaso
• La probabilidad de éxito es constante
• Los eventos son independientes
x éxitos n eventos
Probabilidad de éxito: p
Probabilidad de fracaso: q=1-p
P(x) = ηx px q(n-x)
n!
P( x) p x q ( n x)
(n x)! x!
Promedio: np
Varianza: npq = σ2
Ejemplo aplicado a
telecomunicaciones
• Entre La Paz, CBBA y Sta. Cruz existe un enlace de STM‐1 que asigna 2 VC‐3
para la comunicación entre LP – CBBA y 1 VC‐3 para CBBA – SCZ por esos
contenedores se envían mensajes constantemente y el tráfico está
equilibrado para VC‐3 la interconexión LP – CBBA produce 0,001% de error
en los mensajes enviados y entre SCZ – CBBA 0,0001% de error. En un
instante aleatorio determinado en CBBA se toman 20 mensajes aleatorios
de la combinación de los recibidos de LP y SCZ. Cual es la probabilidad de
que esta muestra contenga dos errores
LP CBBA
2 VC-3
1 VC-3
SCZ
Enlace Mensaje Total Mensaje/Enlace
LP - CBBA 2n 2n(0,001/100)=2*10-5n
SCZ – CBBA 1n n(0,0001/100)=1*10-6n
Totales 3n 2,1*10-5n
Por Bernoulli:
n x n x n = 20
P ( x ) p q
x x=2
20
P( x 2) (7 *106 ) 2 (1 7 *106 )18
2
P(x=2) = 9,309*10-9
Distribución de Poisson
• Se conoce como un caso especial de la distribución binomial cuando n ‐> ∞
• Partimos de que:
P(x) = nCx px q n‐x
La media μ = np permanece constante
En estas condiciones
n!
P ( x) p x q n xsi μ = np => p = μ/n
( n x )! x!
nx
x
n!
P ( x ) q
( n x )! x ! n
Arreglando la expresión
n! x n x
P( x) q q
( n x )! n x x! 1
1
n ( n 1)( n 2 )...( n x )! x
P( x) (1 p ) n (1 p ) x
( n x )! n x
x!
Simplificaciones de Poisson
x Poisson calcula el límite si n ‐> ∞ de (*)
n
P( x) 1
x! n
(*)
2 3
n(n 1) n(n 1)(n 2)
n
lim 1 1 n
n n
n 2!
n 3!
...
n
n ( n 1) 2 n ( n 1)( n 2 ) 3
n
lim 1 1 ...
n
n nn 2! nnn 3!
2 3
Si n -> ∞ lim 1 ...
n 2! 3!
Donde x = μ
x
P ( x) e μ = promedio
x!
x = N° de muestras exitosas
Ejemplo aplicado a
telecomunicaciones
• Un sistema de supervisión de una red de fibra óptica tiene un promedio de fallas de
26 componentes al año. Los componentes son del mismo tipo (Puertos 2 Mbits) y
son reemplazados de un stock que se actualiza cada 2 semanas. Cuantos repuestos
deben haber en el almacén para asegurar que el sistema de supervisión esté fuera
de servicio menos del 1%?
SOLUCIÓN
• P(0)=e‐μ = 0,368
• P(≥1) = e‐1 =0,368 => P(0) + P(1) = 0,736 = P(≤1)
• P(≥2) = 1/2 e‐μ = 0,184 => P(≤1) + P(2) = 0,920 = P(≤2)
• P(≥3) = 1/6 e‐μ = 0,061 => P(≤2) + P(3) = 0,981 = P(≤3)
• P(≥4) = 1/24 e‐μ = 0,015 => P(≤3) + P(4) = 0,996 = P(≤4)
• Ya que P(>4) < 0,01 ó P(≤n)>0,99
=> Se necesitan 4 componentes
Distribución de Gauss
• Se aplica al proceso de voz, ruido, señales aleatorias, etc
( x )2
1
P ( x)
2
e 2 Donde: x : valor de la muestra
2 μ : promedio
σ2 : varianza
P(x)
0 μ x
• La función normalizada asume μ=0 con desviaciones simétricas a la izquierda
y a la derecha
• Cambio de variable:
x ( x )2 dx
z z 2
dz dx dz
2
• Para P(z); la función de distribución acumulativa
1 z
2 z 1 z2 2
P( z )
z
P( z) e 2 dz e dz
2
2
t2
1 x
( x)
2
e 2
dt Φ(x) = Función de distribución acumulativa
( x )2
1
P(x) e 2 2
2
Φ(x) : Distribución
P(x)
acumulativa
El área bajo la curva es igual a uno
x
• En tablas solo se muestran valores positivos
• Para x negativos se usa la simetría de la función
Φ(x)
Φ(-x) = 1 – Φ(x)
Áreas iguales
Φ(-x) Entonces sólo se necesitan los
valores positivos
-x 0 x
μ=0
Ejemplo aplicado a
telecomunicaciones
• El tiempo promedio de un equipo OLT de Fibra óptica es de 10 años, con una
desviación estándar de 2 años. El fabricante ofrece reemplazar gratis, todos los
equipos que sufran una falla dentro del periodo de garantía
• Si el fabricante solo quiere reemplazar el 3% de los equipos. Cuanto tiempo de
garantía podrá ofrecer? Asuma que los tiempos de vida de los equipos tienen
distribución normal
• Solución:
• Si el fabricante está dispuesto a reemplazar solo el 3% de los equipos, se busca un
valor de Φx que corresponda a 0,03 (3%). Este valor, no está tabulado, sin embargo
se puede usar la simetría de la función, ya que las tablas solo están tabuladas para
Φx > 0.5
Simétricos
No hay en tablas
Hay tabulado
• Φ(x) es la probabilidad de variable random con 0 promedio y varianza unitaria, que
será ≤ x (acumulativa)
• Se busca en tablas el valor de x que corresponde a Φ(x) = 0,97
X Φ(x)
… …
Son los mas próximos
1,87 0,9693
1,88 0,9699
1,89 0,9706
1,90 0,9713
… …
• Φ(x) = 0,9699 => x = 1,88
• Φ(x) = 0,9706 => x = 1,89 => ≈ Φ(x) = 0,97 ≈ 1,881
Φ(‐1,881) = 0,03
Por lo cual Promedio
T 10
1,881
2
Desviación Estándar
T = 6,23 años
Teoría de la decisión estadística
Sea el sistema de transmisión digital:
Tx Medio
De Tx
Rx
Espacio muestral
Símbolos:
De recepción
1 0
Región Región
0 1
Frontera
• El límite entre las 2 regiones (frontera) debe ser escogido de tal
modo que el error sea mínimo
• En recepción normalmente se tiene una intensidad
A
Zona de
V1 Validación 1
T
Zona de
V0 Validación 0
Punto de frontera
• El receptor recibe un valor de voltaje v que debe asociar a 1 o 0
• El medio de transmisión es afectado por ruido cuya distribución es
gaussiana
Valor del
pulso
Efecto del ruido
• Asumimos que
• P0 es la probabilidad de transmitir 0
• P1 es la probabilidad de transmitir 1
• La probabilidad de error en recepción: Pe
Pe P 0 0( v ) dv P1 1( v ) dv (1)
v1 v0
• Donde:
• P0 = probabilidad de error total
• ρ0(v) = Densidad de probabilidad de la función recibir 0
• ρ1(v) = Densidad de probabilidad de la función recibir 1
(Ambos afectados por ruido)
Pe P 0 0 (v ) dv P1 1( v ) dv
v1 v0
1( v ) P0
P 1 1 ( v ) P 0 0 ( v )
0 (v ) P1
• La funciones de densidad afectadas por ruido:
v2 (v A )2
2 2 2 2
e e
0 (v ) 1( v )
2 2
2 2
0 A
0 lógico 1 lógico
• Reemplazando ρ0(v) y ρ1(v) en (3)
(v A )2
2
2
e P0
2
v
2
P1
2
e
• Tomando logaritmos neperianos:
2vA A2 P0
ln
2 2 P1
• Por lo que:
A 2 P0
v ln
2 A P1
• Como v es un valor instantáneo de tensión representa la región de error
para 1. Por lo cual el punto de frontera
A 2 P0
v T ln
2 A P1
0 A
T
• Una vez encontrado el punto de frontera, el error total puede ser calculado
• Si 0 es enviado, la probabilidad de que sea confundido con 1 (Error) será de
que pase el umbral T hacia la región v1 por influencia del ruido
• Si:
A
P0 P1 T
•
2
El error debido a cero sería sobrepasar A/2
A
Error
A/2
T=A/2
error
• La Probabilidad de error debidoa cero Pe0 es:
v
2
2
e
Pe 0 A
2 2 2
dv
• Similarmente la probabilidad de que 1 sea confundido con cero Pe1 es:
v
2
A 2
e
Pe 1 2
2 2
dv
0 A
• Debido a la sumatoria de la función
Pe0 = Pe1 => Pe = P0 Pe0 + P1 Pe1
• Se puede escribir:
Pe = P0 Pe1 + P1 Pe1 = (P1+P1)Pe1
Pe ≈Pe1 => Pe = Pe0
• Entonces:
v2 v2 v2
2
2
2
A 2 2 2
e 0 e 0 e
Pe
2
2 2
dv
2 2
dv
A
2 2 2
dv
2 2
dv transmisión digital afectado
por ruido de Gauss
Ejemplo aplicado a
telecomunicaciones
• Un sistema de comunicación envía una secuencia de prueba de dos códigos
hexadecimales (FC) repetidamente para sincronizar el umbral de validación de 1 y 0
en recepción. Asumiendo que el medio ruidoso atenua la señal en 30 dB y la
distorsiona un 25% de su forma original (ruido Gauss) establecer el lumbral de
validación para los símbolos 1 y 0 en potencia si el nivel de salida del transmisor es
250mW, la modulación es ON/OFF
SOLUCIÓN:
Tx Medio
De Tx
Rx
A 2 P0
P0, P1 T ln
Atenuación: 30dB 2 A P1
Distorsión: 25%
• Distribución de probabilidades de la secuencia de prueba FC
FC : 1111 1100 P1 = 6/8 = 3/4
6/8 2/8 P2 = 2/8 = ¼
• Salida en dB del transmisor:
Pot dB(salida) = 10 log 250mW/1mW = 23,97 dBm
• Atenuación del medio: 30dB => Nivel de llegada a Recepción
PotRx = 23,97 – 30 = ‐6,02 dBm
en watts: ‐6,02 dBm = 10 log x => x = 0,25mW = A
• σ = 0,25A = 0,25 * 0,25 (mW) = 0,0625 mW
( 0 , 0625 mW ) 2 4
1
0 , 25 mW
• T ln 0 ,108 mW
2 0 , 25 mW 3
4
Pot (mW)
A = 0,25
Región 1
T = 0,108
Región 0
Fin de la presentación