Ergodicidad con respecto a la Media

Universidad Nacional de Loja

Loja, Ecuador

Abstract- Un proceso estocstico () es

denominado Ergdico si todas sus
propiedades
estadsticas
pueden
determinarse a partir de una sola muestra.
Un proceso estocstico ergdico debe ser
estacionario en sentido estricto.

del proceso para conocer los promedios

estadsticos.

A la ergodicidad tambin puede drsela una

interpretacin ms limitada cuando solo
determinadas propiedades de () puedan
ser determinadas a partir de una sola
muestra. En este caso solo ser necesaria la
estacionaridad con respecto a dichas
propiedades. En ste artculo daremos
condiciones para la ergodicidad con respecto
a la media.

Definicin.- Dado que la media temporal

no depende del tiempo, para que un proceso
sea ergdico en media, es necesario que la
media del proceso sea constante, esto se
cumple si el proceso es estacionario.

I.

INTRODUCCION

La ergodicidad es una propiedad por la cual

las medias a lo largo del tiempo convergen a
los valores esperados poblacionales. Existen
diferentes tipos de ergodicidad, segn la
caracterstica poblacional involucrada.
En muchas ocasiones, slo disponemos de
una realizacin del proceso (es decir,
disponemos de una funcin temporal), en
este caso, para conocer el proceso,
calculamos sus promedios temporales.
Sea () un proceso estocstico:
=
-

La Media Temporal o valor medio

en el tiempo se define como:
1
lim ()
2

= lim (1)

La Auto correlacin Temporal se

define como:
1
(
2

= lim

+ ) (2)

Ambas son variables aleatorias que toman

valores distintos para cada realizacin del
proceso.
Diremos que un proceso es ergdico si sus
promedios estadsticos coinciden con los
temporales, slo necesitamos una relacin

II.

DESARROLLO
CONTENIDOS

DE

Ergodicidad con respecto a la media

Para que un proceso sea ergdico, la

observaciones nuevas tienen que aportar
suciente informacin para que la varianza
converga a 0. Esto no ocurre si la
dependencia entre las variables es muy
fuerte.
Deducciones:
Comenzaremos estableciendo los siguientes
trminos:
: Variable
: Valor de la variable
: Media
2 : Varianza
Una vez hemos establecido esos trminos,
creamos otra variable:
=

1

=1

(3)

Por lo tanto podemos decir que {} = ,

siendo estas variables incorreladas, entonces
la varianza de Z es
2 =

(4)

En la ecuacin (4), conforme aumenta, la

variable tiene una varianza menor, y en el
limite ( ), pasara a ser una
constante de valor igual a . Y deducimos
que es un buen estimador del valor de la
media de cada una de las variables .

Ahora consideremos el proceso estocstico

WSS (), que cumple las siguientes
caractersticas:
-

Media constante
Varianza constante
La correlacin es funcin de la
separacin entre las variables
escogidas.

Entonces procedemos a calcular la media de

la variable (0 ) (donde 0 es un valor
concreto en el tiempo). Para ello haremos
mltiples realizaciones del proceso (, ),
desechando todos los valores de las
realizaciones en instantes diferentes de 0 y
nos limitamos a promediar el ndice , es
decir:
=

1
(0 , )
=1

(5)

De esta manera nos acercamos a la ecuacin

(3) y podemos decir que su medio coincidira
con la del proceso y su varianza se reducira
cada vez ms con cada realizacin, esto nos
dice que en su lmite su valor seria nulo.
Sin embargo en este procedimiento descrito
anteriormente
se
desprecia
mucha
informacin ya que solo se toma valores en
0 . No obstante como dijimos al principio
este es un proceso WSS es decir estacionario
por lo tanto la media sera igual en las dems
variables. Es as como deducimos que solo
es necesario una nica realizacin para
encontrar el valor medio sin acudir a
infinitas realizaciones, esto es por lo tanto un
proceso estocstico () ergdico, con
respecto a la media.
Condiciones necesarias para que un
proceso sea Ergdico con respecto a la
media:

observaciones sucientemente alejadas

sean prcticamente independientes.
La media del proceso no puede variar
con el tiempo (WSS).
Ahora definamos el operador media
temporal de la siguiente forma:
1
= [] = () (7)
2

Caracterizado por la funcin de las

infinitas
variables
del
proceso
estocstico es decir una Variable
Aleatoria.
Calculamos la media y la varianza de
dicho operador.
Media:
1
{ } = { ()}
2

1
1
=
{()} =

2
2
=
Como vemos coincide con la media del
proceso.
Varianza:
2

= {( )( ) }

1
= { ((1 )
2
1
)1
((2 ) ) 2 }
2
1 2
= ( ) {((1 )
2

)((2 ) ) }1 2
1 2
= ( ) (1 , 2 )1 2
2

1 2
= ( ) (1 2 ) 1 2
2

Para calcular esta integral es
conveniente hacer el cambio de variable.

Una condicin necesaria pero no

suciente para que un proceso
estacionario sea ergdico es
lim = 0 (6)

Es decir, que la correlacin entre las

observaciones tienda a 0 al aumentar el
retardo,
de
manera
que
las

Figura 1: dominio original (1 , 2 ) y

transformando (, ) de integracin.

= 1 + 2
= 1 2

Realizamos
el
transformacin:

||1

jacobiano

de

la

2 |
1 1
=|
| = 2
|
1 1
2

1
=
2

= lim

Por lo tanto no es ergdico con respecto a la
media.
Ejemplo 2:

Entonces:
= |2|1 2 = 21 2

Lanzamiento de una moneda y dos

formas de onda

1
1 2 =
2

(, "") = ()
(, "") =

De forma que la integral pasa a ser:

2

(2||)
1 2 2
1
= ( )
()
2
2
2
(2||)
2

1
1
=( )
()2(2 ||)
2
2 2
||
1 2 2
= ( ) ()2 (1 )
2
2
2
2
||
1
=
() (1 )
2 2
2
Para que el proceso sea ergdico con
respecto de la media hace falta que la
varianza de esta variable tienda a cero
cuando el tiempo de integracin tienda a
infinito, de forma que, en el lmite, la
variable media temporal sea igual, sin
error ninguno, a .
Formalmente el proceso es ergdico con
respecto de la media si
2
lim
=0

Es decir, si se verifica que

||
1 2
lim
() (1 ) = 0
2 2
2
III.
EJEMPLOS
Ejemplo 1:
() = con variable aleatoria
uniforme en (, )
Promedio estadstico vertical:
= [()] = [] =
Promedio temporal horizontal:

1
2

() No es WSS No es ergdico con

respecto a la media
Ejemplo 3:
() = ( + ) Donde es
uniforme en (, )
() es estacionario en sentido amplio:
= 0
() =

2
cos()
2

Promedio temporal:
1
= lim
Acos( + )
2

= lim
( + )|
2

= lim
(( + )
2
( + ))

= lim
() cos() = 0 =
2
WSS y = Ergdico respecto a la
media
IV.
CONCLUSIONES
- Un proceso es ergdico si los
parmetros estadsticos calculados
en un conjunto de realizaciones
(promedios de conjunto) son iguales
que los parmetros estadsticos
calculados en una nica realizacin
(promedios temporales).

Para que un proceso sea ergdico

primero tiene que ser estacionario.
El recproco no es cierto.
- Si () es ergdico, todos sus
promedios estadsticos pueden
determinarse de una funcin de
muestra.
- A veces slo se ha medido una
realizacin
de
un
proceso
estocstico y tenemos que admitir
ergodicidad para poder extraer
conclusiones de nuestros datos.
V.
REFERENCIAS
[1] ALBEROLA LOPZ, Carlos; Probabilidad,
variables aleatorias y procesos estocsticos:
una introduccin orientada a las
Telecomunicaciones / Carlos Alberola
Lpez. Valladolid: Universidad de
Valladolid, Secretariado de Publicaciones e
Intercambio Editorial, 2004
[2]https://www.cis.rit.edu/class/
simg713/Lectures/Lecture713-134.pdf

[3]http://ocw.unican.es/ensenanza
s-tecnicas/teoria-de-lacomunicacion/material-de-clase2/TC_Tema_7.pdf