A02 ProbabProcEstoc

EE-240
Probabilidades
Probabilidade e
e Processos Estocsticos Processos
Estocsticos
EE-240/2009
Probabilidades
e Processos Estocsticos
1. Espao de Probabilidades: uma Tripla , F , P
2. Espao Amostral: o conjunto dos resultados possveis
3. Classe de Eventos: a classe F de sub-conjuntos de que satisfaz:
i) A F A C F
ii) A i F ; i 1,2,....
Ai F
i1
iii) A i F ; i 1,2,....
Ai F
i 1
4. Medida de Probabilidade: uma funo P: F 0,1 tal que, para A F

i ) P A 0
ii) P 1
iii) A 1 A 2 P A 1 A 2 P A 1 P A 2
EE-240/2009
Probabilidades
5. Probabilidade Condicional:
P A M
P A M
P M
A
A M
M
Exemplo:
1,2,3,4,5,6
1
P i , i 1,...,6
6
M 2,4,6 P 5 M 0
1
3
2
P 3 M
3
M 1,3,5 P 5 M
M 1,3,5
EE-240/2009
Probabilidades
5. Probabilidade Condicional:
P A M
P A M
P M
A
A M
M
6. Frmula de Bayes:
P A M
P M
P A M
P M A
P A
P A M
P A M
P M A P A
P M
EE-240/2009
Probabilidades
7. Independncia:
A, B
PA B PA PB
A e B independentes
8. Variveis Aleatrias: x : R
R
0
EE-240/2009
Probabilidades
Exemplo:
1,2,3,4,5,6
35 par
x
20 mpar
x
$
-20
+35
EE-240/2009
Probabilidades
9. Funo Distribuio de Probabilidade: Fx P x
Fx
P x
R
0
EE-240/2009
Probabilidades
9. Funo Distribuio de Probabilidade: Fx P x
10. Propriedades da Funo Distribuio:
a ) F 1 e F 0
b ) 1 2 F 1 F 2
c ) F 0 F 0
d) F F
e ) P 1 x 2 F 2 F 1
11. Funo Densidade de Probabilidade:

fx
dFx

d
EE-240/2009
Probabilidades
12. Distribuio Condicional de Probabilidade:
Fx M P x M
Exemplo: M x a
P x M
P M
Fx | x a
P x x a
P x a
a x x a x a Fx x a 1
a x x a x F x a
x
Fx
Fx a
Fx
Fx | x a
1
Fx
a
EE-240/2009
Probabilidades
13. Funes de uma varivel aleatria:

y g x() g x
R
g x() g x
Fy P | y()
EE-240/2009
Probabilidades
14. Mdia: mx E [x ] x P d fx d
d
fx
EE-240/2009
Probabilidades
P d
fx
x .
R
0
EE-240/2009
Probabilidades
P d
x .
fx
f
R
0
EE-240/2009
Probabilidades
15. Estatstica conjunta de duas variveis aleatrias:
y
Fx , y , P | x , y
x
x
16. Propriedades de Fx,y:
a ) Fx , y , 0
b ) Fx , y , 0
c ) Fx , y , 1
d) P 1 x() 2 , y() Fxy 2 , Fxy 1 ,

EE-240/2009
Probabilidades
17. Distribuio Marginal:
Fx Fxy ,
Fy Fxy ,
18. Independncia de Variveis Aleatrias:
As variveis aleatrias x e y so ditas independentes se, para A,B
| x() A e | y() B so independentes, ou seja,
P { x() A} { y() B} P x() A P y() B
A x()
B y()
Fxy , Fx Fy
fxy , fx fy
EE-240/2009
Probabilidades
19. Funo de duas variveis aleatrias:
z = g(x,y)
z
g(.,.)
g(x,y)
x
x
EE-240/2009
Probabilidades
19. Funo de duas variveis aleatrias:
z = g(x,y)
z
g(.,.)
g(x,y)
Dz
x
x
Fz P | z()
P | g( x(), y())
fx , y , d d
Dz
EE-240/2009
Probabilidades
Conexo Srie
S1
P min T1 , T 2 t
S2
(, , P)
T1 t T 2 t
P T1 t P T 2 t P
t2
T1 t T 2 t
FT1 ( t ) FT 2 ( t ) FT1 ( t ) FT 2 ( t )
T2()
FTi ( t ) 1 e t
t
t1
T1()
FT ( t ) 1 e t 1 e t 1 e t 1 e t 1 e 2 t
d
dt
Na rea sombreada,
o sistema conectado
em srie ficou
inoperante antes
do instante t
f T ( t ) 2e 2t
E T
1
2
EE-240/2009
Probabilidades
Conexo Paralela
S1
P max T1 , T 2 t
S2
(, , P)
T1 t T 2 t
P T1 t P T 2 t
t2
FT1 ( t )FT 2 ( t )
T2()
FTi ( t ) 1 e t
t
t1
T1()
FT ( t ) 1 e t 1 e t 1 e t
d
dt
Na rea sombreada,
o sistema conectado
em paralelo ficou
inoperante antes
do instante t
f T ( t ) 2 e
0.03
0.025
2 t
0.02
0.015
0.01
0.005
E T
10
20
30
40
50
60
70
80
90
100
3
2
EE-240/2009
Probabilidades
Conexo Stand By
FT1 ( t ) P T1 T 2 t
S1
f T1, T 2 ( t1 , t 2 ) f T1 ( t1 )f T1 ( t1 )
S2
(, , P)
FT ( t )
t2
tt 2
f T1, T 2 t1 , t 2 dt1 dt 2
tt 2
f T1 t1 dt1 f T 2 t 2 dt 2
FT1(t t 2 ) fT 2 (t 2 )dt 2
T2()
d
dt
t1
T1()
fT (t)
d
FT1 ( t t 2 ) f T 2 ( t 2 )dt 2
dt
dt1 FT1 (t t 2 )
dt1
f T 2 ( t 2 )dt 2
x z y dt
fT1 (t t 2 )fT 2 (t 2 )dt 2 fT1 * f T 2 (t )

Na rea sombreada,
o sistema conectado
em configurao stand
by ficou inoperante
antes do instante t
f Ti ( t ) e t
z
0 e
( t t 2 )
e t 2 dt 2 2 te t
E T
EE-240/2009
Probabilidades
20. Covariana: xy E ( x m x )( y m y )
( m x )( m y )fx , y , dd
21. Distribuio Normal: x ~ N(m,Q), x R n

fx
T
exp
m
)
Q
(
m
)
n 2 det Q 1 / 2
2
EE-240/2009
Probabilidades
22. Processos Estocsticos:
Coleo de variveis aleatrias indexadas por parmetro t Z ou R
Exemplo de Processo Estocstico
2.5
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
-2.5
20
40
60
80
100
tempo
120
140
160
180
200
EE-240/2009
Probabilidades
23. Caracterizao de Processos Estocsticos: x t
Para cada t fixo, x t uma varivel aleatria. Logo, para caracterizar
a coleo de variveis aleatrias, necessita-se de
t
fx t
,
t 1 , t 2 , t 3 fx t , x t , x t , ,
1
2
3
t 1 , t 2
fx t
, x t2
EE-240/2009
Probabilidades
Caracterizao de Processos Estocsticos:
t
fx t
,
t 1 , t 2 , t 3 fx t , x t , x t , ,
1
2
3
t 1 , t 2
fx t
, x t2
x t5
x t1
x t3
x t4
x t2
EE-240/2009
Probabilidades
23. Caracterizao de Processos Estocsticos: x t
t
fx t
,
t 1 , t 2 , t 3 fx t , x t , x t , ,
1
2
3
t 1 , t 2
fx t
, x t2
24. Processos Estacionrios (no Sentido Estrito)

Um processo xt(.) dito ser estacionrio se, n , t , t 1 , t 2 , , t n
fx t
, , x tn
1 , , n fx t1 t ,, x tn t 1 , , n
EE-240/2009
Probabilidades
Exemplo:
Processo No-Estacionrio
8
6
4
2
0
-2
-4
-6
-8
20
40
60
80
100
tempo
120
140
160
180
200
t
EE-240/2009
Probabilidades
Exemplo:
Processo No-Estacionrio
10
8
6
4
2
0
-2
-4
20
40
60
80
100
tempo
120
140
160
180
200
t
EE-240/2009
Probabilidades
25. Processos Estacionrios no Sentido Amplo
Um processo xt(.) dito ser estacionrio no sentido amplo se,
fx t fx t t
fx t
, x t2
, fx t 1 t , x t 2 t ,
Estacionrio no Sentido Amplo
Estacionrio no
Sentido Estrito
EE-240/2009
Probabilidades
26. Funo de Auto-Correlao
R xx t 1 , t 2 E x t 1 x t 2
No caso de processo estacionrio no sentido amplo:

R xx t 1 , t 2 R x t 2 t 1 R x t
EE-240/2009
Probabilidades
Funo de Auto-correlao e Densidade Espectral de Potncia
5
0
-5
0.5
0
0
10
20
30
40
50
60
-1
-1
0
20
40
60
80
100 120 140 160 180 200

1
-1
10
20
30
40
50
60
20
40
60
80
100
120
140
-1
20
40
60
80
100 120 140 160 180 200
10
20
30
40
50
60
20
40
60
80
100
120
60
40
20
40
1.5
0.5
500 1000 1500 2000 2500 3000 3500 4000 4500 5000
-0.5
20
0
20
40
60
80
100
120
EE-240/2009
Probabilidades
26. Funo de Auto-Correlao
R xx t 1 , t 2 E x t 1 x t 2
No caso de processo estacionrio no sentido amplo:

R xx t 1 , t 2 R x t 2 t 1 R x t
27. Rudo Branco
t 1 t 2 x t 1 independente de x t 2
28. Rudo Gaussiano
x t 1 e x t 2 conjuntamente gaussianas
EE-240/2009
Probabilidades
26. Rudo Branco Gaussiano
Se x e y so variveis aleatrias conjuntamente normais de mdia 0,
E xy 0 x independente de y
Portanto, no caso do Rudo Branco Gaussiano Padro
R x t t
Observao:
independncia no-correlao
no-correlao independncia
EE-240/2009
Probabilidades
Exemplo: Rudo em Sistemas Lineares
uk
yk
hk
k
yk hk iui
i0
Ruy ( j, k ) E [u j yk ]
E u j hk iui
i0
hk i E [ u j ui ]
i0
k
hk i Ruu ( j, i)
i0
Ruu ( j, i) ji
Ruy ( j, k ) hk i ji hk j
i0
EE-240/2009
Probabilidades
uk
yk
hk
q i
*
E (.)
hi
EE-240/2009
Probabilidades
Resposta Impulso
350
300
G(s)
250
200
0.4
150
h(k)
4
s 2 1 .2 s 4
n 2
G(z )
100
0.073 z 0.0674
z 2 1.646 z 0.786
50
0
-50
-100
-150
10
15
k
20
25
30
EE-240/2009
Probabilidades
Exemplos de
Processos Estocsticos
EE-240/2009
Probabilidades
Rudo Branco Gaussiano
15
10
-5
-10
-15
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Rudo Branco Gaussiano
Nova Variana
15
10
-5
-10
-15
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Outlier
15
?
10
?
5
-5
-10
-15
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Novelty
15
?
10
-5
-10
-15
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Alterao Brusca de Tendncia
14
12
10
8
6
4
2
0
-2
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
15
10
-5
-10
-15
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Sinal dependente de varivel manipulada...
10
5
y(t) 0
-5
-10
20
40
60
80
100
120
140
160
180
200
20
40
60
80
100
120
140
160
180
200
u(t)
y(t)
1
0.5
u(t) 0
-0.5
-1
EE-240/2009
Probabilidades
Ausncia de Resposta pode ser Falha ...
10
5
y(t) 0
-5
-10
20
40
60
80
100
120
140
160
180
200
20
40
60
80
100
120
140
160
180
200
u(t)
y(t)
1
0.5
u(t) 0
-0.5
-1
EE-240/2009
Probabilidades
Saturao
10
-5
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Modelo AR: y(k)=0.8*y(k-1) + rudo
Nova Variana do Rudo
6
-2
-4
-6
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Qual a distribuio do rudo?
6
4
2
N(0, 2)
0
-2
-4
-6
20
40
60
80
100
120
140
160
180
200
6
4
2
U(-2,2)
0
-2
-4
-6
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Rudo aumentando com o tempo...
50
40
30
20
10
-10
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Falhas Intermitentes ...
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
-0.5
20
40
60
80
100
120
140
160
180
200
EE-240/2009
Probabilidades
Muito Obrigado!
EE-240/2009

A02 ProbabProcEstoc

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A02 ProbabProcEstoc

Uploaded by

Copyright:

Available Formats

EE-240

4. Medida de Probabilidade: uma funo P: F 0,1 tal que, para A F

11. Funo Densidade de Probabilidade:

13. Funes de uma varivel aleatria:

d) P 1 x() 2 , y() Fxy 2 , Fxy 1 ,

fT1 (t t 2 )fT 2 (t 2 )dt 2 fT1 * f T 2 (t )

21. Distribuio Normal: x ~ N(m,Q), x R n

24. Processos Estacionrios (no Sentido Estrito)

Estacionrio no Sentido Amplo

No caso de processo estacionrio no sentido amplo:

100 120 140 160 180 200

100 120 140 160 180 200

No caso de processo estacionrio no sentido amplo:

You might also like