Processos Estocsticos (ou Aleatrios)

1.1 - Conceito.
Suponha que seja realizado um experimento aleatrio cujo resultado s pertence ao
espao amostral S. Para cada resultado s associado uma funo X(t,s) real. Ento, teremos
criado uma famlia de funes (ensemble), denominada de processo estocstico ou aleatrio.
Um processo aleatrio pode ser visto como uma funo de duas variveis, t e s, onde
o domnio de s o espao amostral S e o domnio de t um conjunto T, chamado conjunto
ndice.

1.2 - Interpretaes de X(t,s).

Um processo aleatrio pode ser interpretado, dando-se quatro diferentes significaes:
a) Uma famlia de funes do tempo (um processo aleatrio propriamente dito) - quando t e
s so variveis.
b) Uma funo do tempo (funo amostra ou realizao ou trajetria) - quando t varivel e
s fixado.
c) Uma varivel aleatria - quando t fixado e s varivel.
d) Um nmero - quando t e s so fixados.

1.3- Classificao dos Processos Aleatrios.

Dependendo dos valores que t e s assumam, isto , se so contnuos ou discretos, os

processos aleatrios classificam-se em:
a) Processo aleatrio contnuo de parmetro contnuo - quando t e s so contnuos.
b) Processo aleatrio discreto de parmetro contnuo - quando t contnuo e s discreto.
c) Seqncia aleatria contnua de parmetro discreto - quando t discreto e s contnua.
d) Seqncia aleatria discreta de parmetro discreto - quando t e s so discretos.

1.4 - Estatsticas de Primeira e Segunda Ordens.

1.4.1 - Funo distribuio de probabilidade de primeira ordem do processo aleatrio X(t).

a funo que define a probabilidade do processo aleatrio X(t) assumir um valor

menor ou igual a x em um determinado tempo t e representada por F(x, t) = P[X(t) x].

1.4.2- Funo densidade de probabilidade de primeira ordem do processo aleatrio X(t).

representada por f(x,t) = F(x,t) / x

1.4.3- Funo distribuio de probabilidade de segunda ordem do processo aleatrio X(t).

a funo que define a probabilidade do processo aleatrio X(t) assumir valores

menores ou iguais a x1 e x2 em dois instantes de tempo t1 e t2, respectivamente, e
representada por : F(x1, x2 ; t1, t2) = P[ X(t1) x1 , X(t2) x2].

1
1.4.4 - Funo densidade de probabilidade de segunda ordem do processo aleatrio X(t).
representada por f(x1,x2;t1,t2) = 2F(x1, x2 ;t1,t2) /x1x2.

1.5 - Momentos de um Processo Aleatrio X(t).

1.5.1-Momento ou valor mdio de um processo aleatrio X(t).

E[X(t)] = X(t) = x f(x,t) dx
-

Ou , E[X(t)] = X(t) = X(t) f() d
-
onde f() a funo densidade de probabilidade da varivel aleatria associada com o
processo aleatrio.

1.5.2- Funo Auto-Correlao de um Processo Aleatrio

o momento conjunto das variveis aleatrias X(t1) e X(t2) e definido por:

RXX(t1, t2) = E[X(t1) X(t2)] = x1x2 f(x1,x2; t1, t2)dx1dx2
- -
onde f(x1,x2 ; t1, t2) a funo densidade de 2 a ordem de X(t).

Ou , RXX(t1, t2) = E[X(t1) X(t2)] = X(t1) X(t2) f() d
-
onde f() a funo densidade de probabilidade da varivel aleatria associada com o
processo aleatrio.

1.5.3 Funo Auto-Covarincia de X(t).

a covarincia das variveis aleatrias X(t1) e X(t2), e obtida pelo uso da equao:
CXX(t1, t2) = E{[X(t1) - X(t1)] [X(t2) - X(t2)]}

CXX(t1, t2) = RXX(t1, t2) - X(t1) X(t2)

1.5.4 Varincia de um processo aleatrio X(t)

A varincia de um processo aleatrio X(t) o segundo momento central do processo,

definido por: E[(X(t) - X(t))2] ou 2X(t) = E[X(t)2] - [X(t)]2

Fazendo-se t1 = t2 = t, ento a auto-correlao de X(t) dada por:

RXX(t, t) = E[X(t) X(t)] = E[X(t)2] , ento tem-se que:

2X(t) = RXX(t, t) - [X(t)]2

1.5.5 Desvio Padro do Processo Aleatrio X(t).

_____ ________________
X(t) = X(t) = RXX(t, t) - [X(t)]2
2

2
1.6 - Processo Aleatrio Estacionrio.
Um processo aleatrio dito estacionrio se suas propriedades estatsticas (valor
mdio, momentos, varincia, etc.) relacionadas a funo densidade de probabilidade do
processo no mudam com o tempo.
Um processo aleatrio estacionrio pode ser definido em dois sentidos: o sentido
amplo e o sentido estrito.

1.6.1- Processo Aleatrio Estacionrio no Sentido Estrito (ESE).

Um processo aleatrio estacionrio no sentido estrito se satisfeita a seguinte
condio:
f(x1,x2, . . .,xn ; t1,t2, . . .,tn) = f(x1,x2, . . .,xn ; t1+,t2+, . . .,tn+), ou seja, a funo densidade
de probabilidade de n-sima ordem do processo aleatrio independe do tempo, onde o
acrscimo de tempo dado.

1.6.2 - Estacionaridade de Primeira Ordem.

Restringindo a estacionaridade no sentido estrito para a funo densidade de
probabilidade de primeira ordem, tem-se que:
f(x ; t1) = f(x ; t1 + ) = f(x) , pois independe do tempo e uma conseqncia que: E[X(t)] =
X = constante.

Para um processo aleatrio X(t) tem-se que:

E[X(t1)] = x f(x, t1) dx
-

E[X(t1 +)] = x f(x, t1+) dx
-
Para estacionaridade de primeira ordem tem - se que:
f(x ; t1) = f(x ; t1 + ) , ento:
E[X(t1 +)] = E[ X(t1)] = cte. , para t e arbitrrios

1.6.3 - Estacionaridade de segunda ordem.

Um processo aleatrio para ser estacionrio em segunda ordem tem que satisfazer as
seguintes condies:
f(x1,x2 ; t1, t2) = f(x1,x2 ; t1+, t2 +) e
RXX(t1, t2) = RXX(t1 +, t2 +) (1) e a consequncia que:
RXX(t1, t2) = E [X(t1) X(t2)] = RXX( ) , onde = t2 - t1.
fazendo-se t = t1 + , e substituindo-se em (1) tem-se que:
RXX(t1, t2) = RXX(t, t2 + ) (2) . Como = t - t1 e substituindo-se em (2) obtm-se:
RXX(t1, t2) = RXX(t, t2 + t - t1) (3). Reordenando-se (3) tem-se:
RXX(t1, t2) = RXX[(t, t + (t2 - t1) ] , fazendo-se t2 - t1 = tem-se:
RXX(t1,t2) = RXX(t, t + ) = RXX( ) = E[X(t) X(t+)]

3
1.6.4 - Processo Estacionrio no Sentido Amplo (ESA).
A condio necessria para que um processo aleatrio seja considerado estacionrio
no sentido amplo que sejam satisfeitas as condies abaixo:
a) E[X(t)] = X (constante).
b) E[X(t)X(t + )] = RXX( ).

Obs. Se um processo aleatrio estacionrio no sentido estrito, ento ele estacionrio no

sentido amplo. O contrrio nem sempre verdadeiro.

1.7 - Funo Auto-Correlao de Processos Aleatrios Estacionrios.

RXX(t1,t2) = RXX(t1, t1 + ) = RXX(t , t + ) = RXX( ), onde = t2 - t1

1.7.1 - Propriedades de RXX( ).

a) RXX( ) = RXX(- ) - propriedade simtrica;

b) RXX(0 ) 0 , onde para = 0 tem-se que:
RXX(0 ) = RXX(t, t) = E[X(t)X(t)] = E[X2(t)]
c) RXX(0 ) RXX( )
d) Se X(t) e X(t + ) so independentes, ento RXX( ) = x2.

1.8 - Mdia no Tempo

A mdia no tempo de uma funo amostra de um processo aleatrio obtida atravs da

expresso:
b
(a,b) = = 1/(b-a) X(t) dt
a
A mdia no tempo (a,b) = uma varivel aleatria, pois para diferentes valores de
s tem-se diferentes funes amostras, consequentemente ter valores diferentes. Com isso,
pode-se obter o valor mdio da mdia no tempo , isto , E[], ou seja.
b
E[] = E{[1/(b-a)] X(t) dt}
a
b
E[] = [1/(b-a)] E[X(t)] dt
a
b
E[] = [1/(b-a)] X(t) dt
a
Se o processo aleatrio estacionrio, X(t) uma constante igual a , ento:
b
E[] = [1/(b-a)] dt E[] = [1/(b-a)] (b-a) =
a

4
1.9 - Processo Aleatrio Ergdico ( Ergodicidade).

Ergdico o termo usado para descrever um processo aleatrio em que uma nica amostra
deste processo, normalmente propicia informaes suficientes para determinar-se a
estatstica referente ao processo aleatrio.
Quando o processo aleatrio ergdico os valores esperados do processo podem ser
substitudos por mdias no tempo.
De um modo geral um processo aleatrio ergdico se:
T
E{g[X(t)]} = lim (1/2T) g[X(t)] dt
T -T
onde as formas de maior interesse para a funo g[ X(t)] so as seguintes:
g[X(t)] = X(t) e g[X(t)] = X(t)X(t + ).

1.9.1 - Ergodicidade na Mdia.

Se um processo aleatrio ergdico na mdia, ento a condio abaixo deve ser
satisfeita:
T
E[X(t)] = lim (1/2T) X(t) dt , ento:
T - T
X(t) = (-T, T)
Para haver esta igualdade necessrio que X(t) independa do tempo t, o que significa
que o processo aleatrio deve ser estacionrio e, consequentemente, X(t) = = cte., e (-T,
T) deve ser independente da funo amostra escolhida, ou seja, (-T, T) deve ser a mesma
para qualquer funo amostra do processo aleatrio, consequentemente (-T,T) deve ser
constante

1.9.2 - Ergodicidade na Auto-Correlao

Se um processo aleatrio ergdico na auto-correlao, ento a condio abaixo deve
ser satisfeita:
T
E[X(t)X(t + )] = lim (1/2T) X(t)X(t+ )dt
T -T
onde o termo E[X(t)X(t+)] = RXX() a auto-correlao de um processo aleatrio
estacionrio e o termo:
T
lim (1/2T) X(t)X(t + )dt = RT() a mdia no tempo do
T -T produto do processo aleatrio considerando-se dois instantes
de tempo, t e t + .

5
1.10 - Densidade Espectral de Potncia.
Chama-se densidade espectral de potncia para a transformada de Fourier da funo
auto-correlao RXX() de um processo aleatrio estacionrio. Desse modo tem-se que:
- j
XX() = e RXX() d
-
Achando-se a transformada inversa de Fourier de XX(), obtm-se a funo auto-
correlao, ou seja:
j
RXX() = (1/2) e XX()d
-

1.10.1- Propriedades da Densidade Espectral de Potncia.

1) O valor de XX() em = 0 igual a rea total sob o grfico da funo auto-correlao,

ou seja:

XX(0) = RXX() d
-

2) O segundo momento do processo estacionrio no sentido amplo igual a rea total sob o
grfico de XX()

RXX(0) = E[X (t)] = XX() d
2

3) A densidade espectral de potncia de um processo aleatrio no sentido amplo sempre

no negativa,isto , XX() 0 ;

4) A densidade espectral de potncia de um processo aleatrio real uma funo par da

frequncia, isto , XX() = XX(-)

1.10.2 - Significado da Densidade Espectral de Potncia.

Considerando-se = 0 na expresso da transformada inversa de Fourier tem-se:

RXX(0) = E[X2(t)] = (1/ 2) XX() d
-
Portanto, se X(t) uma corrente atravs de um resistor de um Ohm, ento E[X2(t)]
a potncia instantnea dissipada no resistor. Ento a integral de XX() tambm a potncia
instantnea dissipada no resistor. Logo XX() uma densidade de potncia.
T
Se X(t) ergdico , ento E[X (t)] = lim (1/2T) X2(t) dt
2

T -T
2
ento, E[X (t)] a potncia mdia dissipada no resistor de um Ohm.

6
1. 11 Processos Aleatrios Conjuntos.

Considere a existncia de dois processo aleatrios X(t) e Y(t), para os quais pode-se definir
os seguintes parmetros:

1.11.1- Funo distribuio de Probabilidade conjunta de primeira ordem.

F(x1,t1;y2, t2) = P[X(t1) x1 , Y(t2) y2].

1.11.2- Funo densidade de Probabilidade conjunta de primeira ordem.

f(x1,t1 ; y2, t2) = 2 F(x1,t1; y2, t2)/x1y2

1.11.3- Correlao cruzada

RXY(t1,t2) = E[X(t1)Y(t2)]

RYX (t2,t1) = E[Y(t2)X(t1)]

RXY(t1,t2) = RYX (t2,t1)

pela propriedade da funo auto-correlao de processos aleatrios estacionrios, tem-se que

RXY(-) = RYX ()

1.12 Processos Aleatrios Especiais.

1.12.1 Processo Aleatrio de Poisson

X(t) um processo aleatrio de Poisson se as funes amostras deste processo

seguem uma distribuio de Poisson, ou seja, a sua funo densidade de probabilidade
dada por :

p(k , t) = P[X(t) = k] = [ e -t (t) k ] / k!

A funo distribuio de probabilidade dada por:

x
F(x , t) = P[X(t) x]= [ e -t (t) k ] /k!
k=0

onde a taxa mdia.

7
1.12.2 Processo Aleatrio Gaussiano ou Normal

Diz-se que X(t) um processo aleatrio gaussiano se as funes amostras deste

processo seguem a distribuio gaussiana ou normal, ou seja, a sua funo densidade de
probabilidade dada por :

___ - (1/2) {[ x - x(t)] /x(t)]} 2

f(x,t) = (1/x(t) 2 ) e

Qualquer conjunto de n variveis aleatrias, definidas para este processo, constitui um

vetor gaussiano X = [X(t1) X(t2) . . . X(tn)] , onde a funo densidade de probabilidade do
vetor aleatrio dada por:

_______ ___ -(1/2) [( x - x)T (x)-1 ( x - x) ]

f(x) = [1/ det x ( 2) ] e
n

onde:

x = {E[X(t1)] E[X(t2)] . . . E[X(tn)]}T o vetor que contm os valores mdios das variveis
aleatrias definidas nos instantes t1, t2, . . . , tn , e

Cxx(t1,t1) Cxx(t1,t2) . . .Cxx(t1,tn)

Cxx(t2,t1) Cxx(t2,t2) . . . Cxx(t2,tn)

x = . . .
. . .
. . .

Cxx(tn,t1) Cxx(tn,t2) . . . Cxx(tn,tn)

x a matriz covarincia do processo gaussiano.

8
 EXERCCIOS

1- Um experimento aleatrio consiste na conexo de dois geradores G1 e G2 a uma carga.

Esta conexo depende do resultado obtido quando se lana uma moeda no viciada uma
nica vez. Na ocorrncia de cara o gerador G1 conectado na carga, se ocorrer coroa o
gerador G2 conectado. As formas de onda de sada dos geradores so mostradas na figura
abaixo. Faa as interpretaes para o processo aleatrio e classifique-o.

G1 G2 C
A
R
G
A

2- Determine a f.d.p. de primeira ordem e a mdia do processo aleatrio X(t) = 2Yt ; t > 0,
onde Y uma varivel aleatria cuja f.d.p. dada por: f(y) = { 2y/3 1 y 2
{0 c.c.

3- Determine a funo auto-correlao do processo aleatrio X(t) = 2Yt visto no exerccio

anterior.

4- Determine a funo auto-correlao do processo aleatrio dado por

X(t) = Acos(t + ), onde uma varivel aleatria uniforme em (-, ) , enquanto A e
so constantes.

5- Determine a funo auto-covarincia do processo aleatrio X(t) = Acos(t + ), visto

anteriormente.

9
6- Verifique se o processo aleatrio X(t) = Acos(t + ) estacionrio no sentido amplo.

7- Verifique quais das funes abaixo podem representar funes auto-correlaes:

a) RXX() = 2e - 2 b) RXX() = 4 ; c) RXX() = 1- e -

8- Verifique se o processo aleatrio X(t )= Acos (t + ), j estudado anteriormente,

ergdico na mdia e na auto-correlao.

9- O rudo branco N(t) um processo aleatrio caracterizado por uma densidade espectral de
potncia constante dada por:
XX() = No / 2 W/Hz. Determine a auto-correlao de N(t),

10 O nmero de chamadas em uma central telefnica, que pode ser modelado por um
processo de Poisson, apresenta a taxa mdia de uma chamada a cada quatro segundos.
Determine a probabilidade de que o nmero de chamadas no intervalo de zero a dez
segundos seja menor ou igual a 5 chamadas.

11- Um processo aleatrio gaussiano estacionrio com valor mdio e

auto-correlao dados por:

X(t) = 1 e RXX() = 2 - + 1, determine a probabilidade do processo aleatrio, no instante t

= 4, assumir valores entre 1 e 3.

10