Professional Documents
Culture Documents
1057-2
Los modelos de propagacin de las ondas radioelctricas requieren un amplio uso de mtodos
estadsticos. Esta Recomendacin proporciona informacin general sobre las distribuciones de
probabilidad ms importantes, con el fin de dar una base comn a los mtodos estadsticos para la
prediccin de propagacin utilizada en las Recomendaciones de las Comisiones de Estudio de
Radiocomunicaciones.
La Asamblea de Radiocomunicaciones de la UIT,
considerando
a)
que la propagacin de las ondas radioelctricas est asociada principalmente con un medio
aleatorio, lo que hace necesario analizar los fenmenos de propagacin con mtodos estadsticos;
b)
que, en la mayora de los casos, es posible describir satisfactoriamente las variaciones de
los parmetros de propagacin en el tiempo y en el espacio sobre la base de distribuciones
estadsticas conocidas;
c)
que, por consiguiente, es importante conocer las propiedades fundamentales de las
distribuciones de probabilidad ms comnmente utilizadas en las estadsticas de los estudios de
propagacin,
recomienda
1
que para la planificacin de los servicios de radiocomunicaciones y para la prediccin de
los parmetros de calidad de funcionamiento de los sistemas se utilice la informacin estadstica
pertinente al modelo de propagacin proporcionado en el Anexo 1;
2
que el procedimiento paso a paso suministrado en el Anexo 2 se utilice para aproximar una
distribucin acumulativa complementaria mediante una distribucin acumulativa complementaria
log-normal.
Anexo 1
Distribuciones de probabilidad para establecer modelos de la propagacin
de las ondas radioelctricas
1
Introduccin
La experiencia ha mostrado que la informacin sobre los valores medios de las seales recibidas no
es suficiente para caracterizar la calidad de funcionamiento de los sistemas de radiocomunicaciones,
por lo que se han de tener tambin en cuenta las variaciones en funcin del tiempo, del espacio y de
la frecuencia.
Distribuciones de probabilidad
d
F ( x)
dx
o:
x
F ( x)
p(t )
dt
distribucin log-normal,
distribucin de Rayleigh,
distribucin m de Nakagami,
distribucin 2 de Pearson.
Esta distribucin se aplica a una variable continua de cualquier signo. La densidad de probabilidad
tiene la forma:
p(x) eT (x)
(1)
donde T(x) es un polinomio de segundo grado no negativo. Si se utilizan como parmetros el valor
medio, m, y la desviacin tpica, , p(x) se escribe en la forma usual:
p( x)
1
1 xm
exp
2
2
(2)
de donde:
1 t m
1
exp
2
2
x
F ( x)
dt
1
xm
1 erf
2
2
(3)
con:
z
erf ( z )
2
2
e t dt
(4)
1 F(x)
1 F(x)
0,5
1,282
101
0,1587
2,326
102
0,02275
3,090
103
1,350 103
3,719
104
3,167 105
4,265
105
2,867 107
4,753
106
9,866 1010
5,199
107
5,612
108
En los clculos prcticos se puede representar F(x) mediante funciones aproximadas como, por
ejemplo, la siguiente, que es vlida para x positivo con un error relativo inferior a 2,8 103:
1 F ( x)
exp ( x 2 / 2)
(5)
La distribucin gaussiana se da sobre todo cuando los valores de la magnitud considerada resultan
del efecto aditivo de varias causas aleatorias, cada una de las cuales tiene una importancia
relativamente pequea.
En la propagacin, la mayora de las magnitudes fsicas que intervienen (potencia, tensin, duracin
de un desvanecimiento, etc.) son magnitudes esencialmente positivas, y, por tanto, no pueden
representarse directamente mediante una distribucin gaussiana. En cambio, esta distribucin
interviene en dos casos importantes:
para representar las fluctuaciones de una magnitud alrededor de su valor medio (centelleo);
para representar el logaritmo de una magnitud. Se obtiene entonces la distribucin lognormal que se estudia ms adelante.
Existen en el comercio diagramas en los que una de las coordenadas tiene la forma denominada
gaussiana, es decir que la graduacin es tal que una distribucin gaussiana se representa mediante
una recta. Estos diagramas se utilizan mucho, incluso para representar distribuciones que no son
gaussianas.
4
Distribucin log-normal
Es la distribucin de una variable positiva cuyo logaritmo tiene una distribucin gaussiana. Se
pueden, pues, escribir directamente la densidad de probabilidad y la distribucin acumulativa:
p( x)
1
1
1 ln x m
exp
2 x
1 ln t m
1
1
exp
2 0 t
F ( x)
dt
1
ln x m
1 erf
2
2
(6)
(7)
Sin embargo, en estas relaciones, m y son el valor medio y la desviacin tpica, no de la variable x
sino del logaritmo de esta variable. Las magnitudes caractersticas de la variable x se deducen sin
dificultad. Siendo:
el valor ms probable:
exp (m 2)
el valor mediano:
exp (m)
el valor medio:
2
exp m
exp (m 2)
la desviacin tpica:
2
exp m
exp ( 2 ) 1
Distribucin de Rayleigh
La distribucin de Rayleigh se aplica a una variable continua positiva no limitada. Est ligada a la
distribucin gaussiana del modo siguiente. Dada una distribucin gaussiana bidimensional con dos
variables independientes y y z de media cero y con la misma desviacin tpica , la variable
aleatoria:
x
y2 z2
(8)
x 2
exp
2
2 2
(9)
x 2
F ( x ) 1 exp
2 2
(10)
p ( x)
el valor ms probable:
el valor mediano:
2 ln 2 1,18
el valor medio:
1,25
2
2 1,41
la desviacin tpica:
0,655
2
x2
2 2
(11)
En ciertos casos, la distribucin de una variable aleatoria puede considerarse como resultante de la
combinacin de dos contribuciones: una distribucin log-normal para las variaciones a largo plazo y
una distribucin de Rayleigh para las variaciones a corto plazo. La distribucin de los valores
instantneos se obtiene considerando una variable de Rayleigh cuyo valor medio (o valor cuadrtico
medio) es en s una variable aleatoria que tiene una distribucin log-normal.
Si se designan con m y , respectivamente, el valor medio y la desviacin tpica de la distribucin
gaussiana asociada a la distribucin log-normal, se obtiene la distribucin siguiente:
1 F ( x)
1
u2
exp x 2 e 2 u
du
2
2
(12)
(13)
La Fig. 3 muestra una representacin grfica de esta distribucin para un nmero determinado de
valores de la desviacin tpica, donde se considera que el valor de m es igual a cero.
Esta distribucin interviene principalmente en la propagacin por inhomogeneidad del medio,
cuando las caractersticas de ste tienen variaciones significativas a largo plazo, como, por ejemplo,
en la difusin troposfrica.
Si se designa por a la longitud del vector fijo, y la longitud ms probable del vector de Rayleigh,
la densidad de probabilidad vendr dada por:
p( x)
ax
x 2 a 2
exp
I
2
2 0
2
2
(14)
a 2
2 2
K 10 log
dB
(15)
que es la relacin entre las potencias del vector fijo y de la componente aleatoria.
b)
La potencia total de las componentes fija y aleatoria es constante, pero varan ambas
componentes
Si se estudia la propagacin por trayectos mltiples a travs de la atmsfera, se puede considerar
que la suma de la potencia transportada por el vector fijo y de la potencia media transportada por el
vector aleatorio es constante, puesto que la potencia transportada por el vector aleatorio proviene de
la del vector fijo. Tomando la potencia total como unidad, se obtiene, pues:
(16)
a 2 2 2 1
y la fraccin de la potencia total transportada por el vector aleatorio es, pues, igual a 2 2 .
Igualmente, si se designa por X la amplitud instantnea del vector resultante y por x un valor
numrico de esta amplitud, la probabilidad de obtener un nivel instantneo superior a x viene dada
por:
Prob (X x) 1 F(x)
a 2
2a
2 exp
exp 2 I 0
d
2
2 x/ 2
(17)
10
La Fig. 4 muestra esta distribucin para diferentes valores de la fraccin de potencia transportada
por el vector aleatorio.
11
Para las aplicaciones prcticas, se ha utilizado para las amplitudes una escala en decibelios y, para
las probabilidades, una escala tal que una distribucin de Rayleigh se representa mediante una recta.
Se observa que para los valores de la fraccin de potencia del vector aleatorio superior a
0,5 aproximadamente, las curvas se acercan a un lmite, que corresponde a una distribucin de
Rayleigh. Esto se debe a que, en ese caso, el vector fijo tiene una amplitud del mismo orden de
magnitud que la del vector aleatorio y prcticamente ya no se distingue de ste. En cambio, para
pequeos valores de esta fraccin, se puede demostrar que la distribucin de la amplitud tiende
hacia una distribucin gaussiana.
8
1 x
x
e
( )
(18)
valor medio:
desviacin tpica:
(1 )
La integral que expresa la distribucin acumulativa no puede evaluarse en forma cerrada, salvo para
valores enteros de . En cambio se pueden dar los desarrollos siguientes:
Aproximacin mediante una serie con x 1:
F ( x)
1
x
( x ) 2
e x ( x ) 1
....
( 1)
1 ( 1) ( 2)
(19)
1
1 ( 1) ( 2)
e x ( x ) 1 1
....
( )
x
( x ) 2
(20)
12
En propagacin, los valores interesantes de son los valores muy bajos, del orden de 1 102 a
1 10 4. Ahora bien, para prximo a cero, tenemos:
1 ~
~
( )
( 1)
(21)
1 F ( x) ~
e t
dt
t
(22)
Para el clculo prctico, se puede hallar una aproximacin a la integral anterior, por ejemplo:
1 F ( x) ~
e x
0,68 x 0,28 log x
(23)
2m m
( m) m
x 2 m 1 e
x2
(24)
(25)
si una variable tiene una distribucin m de Nakagami, el cuadrado de esta variable tiene una
distribucin gamma;
13
14
10
Distribucin 2 de Pearson
p ( )
22
2
e 2
( )
1
2
(26)
15
1 !
2
2
par:
(27)
1
2 ...
2
2
2
2
impar:
(28)
F ( )
22
t
1
2 t2
dt
(29)
(30)
(31)
Una propiedad esencial de la distribucin de 2 es la siguiente: Si n variables xi tienen distribuciones de Gauss con una media mi y una desviacin tpica i, la variable:
n
i l
xi mi
(32)
tiene una distribucin de 2 con n grados de libertad. En particular, el cuadrado de una variable de
Gauss tipificada tiene una distribucin 2 con un grado de libertad.
Si varias variables independientes tienen distribuciones 2, su suma tiene tambin una distribucin 2 cuyo
nmero de grados de libertad es igual a la suma de los grados de libertad de cada una de las variables.
La distribucin 2 no es esencialmente distinta de la distribucin gamma. Se pasa de una a otra
mediante las relaciones siguientes:
2
x
2
(33)
n
2
(34)
x
2
m
2
(35)
(36)
16
17
Anexo 2
Procedimiento paso a paso para aproximar una distribucin
acumulativa complementaria mediante una distribucin
acumulativa complementaria log-normal
1
Antecedentes
2
2
ln t m
F ( x)
dt
(37)
o equivalentemente:
1
2
F ( x)
ln x m
t2
exp
dt
2
(38)
1 ln t m
1
1
G( x )
exp
2 x t
2
1
1
ln x m
erfc
1 erf
2
2
2
dt
(39)
ln x m
2
o equivalentemente:
t2
1
exp
dt
2
2 ln x m
G( x )
(40)
ln x m
Procedimiento
2 erfc 1 2 Gi
Gi
18
como sigue:
n
Z i ln xi Z i ln xi
i 1
i 1
i 1
2
Zi 2 Zi
i 1
i 1
ln xi Zi
m i 1
i 1