RESPUESTAS AL TRABAJO TITULADO “TRABAJO EXTRACLASE”

INTEGRANTES:

Cerezo Sánchez Lisandro

Hernández Flores José David

Reyes Valdez Gustavo Ignacio

Olmos Napoles Andrew Sebastian

I. ¿Cómo se define la energía de una señal?

Una señal es un signo, un gesto u otro tipo de informe o aviso de algo. La señal
sustituye por lo tanto a la palabra escrita o al lenguaje. Ellas obedecen a
convenciones, por lo que son fácilmente interpretadas.

Asimismo, una señal puede ser también la variación de una corriente eléctrica u otra
magnitud física que se utiliza para transmitir información. Por ejemplo,
en telefonía existen diferentes señales, que consisten en un tono continuo o
intermitente, en una frecuencia característica, que permite conocer al usuario en qué
situación se encuentra la llamada.

Para una señal x (t) arbitraria una forma habitual de caracterizarla suele ser en
función de la potencia (no confundir con energía), ya que nos dice el gasto que nos
supone enviar o transmitir esa señal. Así, una señal con más potencia que otra podrá
enviarse hasta lugares más remotos, mientras una señal de potencia débil, a
igualdad de factor de atenuación en el medio de propagación, se desvanecerá más
rápidamente, limitando la distancia máxima de su alcance. Igualmente, una señal de
más potencia requerirá más gasto del sistema eléctrico. Resumiendo, la potencia nos
dice la energía de una señal por unidades de tiempo, y su unidad son los wattios. La
energía es atemporal y se mide en Joules. Por lo dicho anteriormente, la potencia y
la energía de una señal están relacionadas entre sí. Definamos pues la potencia y la
energía de una señal x (t).

1 +∞
𝑃𝑥 = 𝑙𝑖𝑚 ∫ |𝑥(𝑡)|2 𝜕𝑡
𝑇→∞ 𝑇 −∞

+∞ +∞
𝐸𝑥 = ∫ |𝑥(𝑡)|2 𝜕𝑡 = ∫ 𝑥(𝑡) ∙ 𝑥 ∗ (𝑡) 𝜕𝑡
−∞ −∞

𝐸𝑥
𝑃𝑥 = 𝑙𝑖𝑚
𝑇→∞ 𝑇

Es importante recalcar las unidades de cada uno para ver así la diferencia entre una
medida y la otra. E se mide en Joules (J). La potencia, se mide en Joules entre s
(J/s). Por lo dicho anteriormente, wattios = J/s.

II. ¿Cuál es la formula matemática para calcular el valor RMS de una señal
(raíz cuadrática del promedio de la suma del cuadrado de los datos)?

En matemáticas, la media cuadrática, valor cuadrático medio o RMS (del inglés root
mean square) es una medida estadística de la magnitud de una cantidad variable.
Puede calcularse para una serie de valores discretos o para una función
matemática de variable continua. El nombre deriva del hecho de que es la raíz
cuadrada de la media aritmética de los cuadrados de los valores.

La media cuadrática para una colección de N valores {x1, x2,..., Xn} de una variable
discreta x, viene dada por la fórmula:

𝑁
1 𝑥12 + 𝑥22 + … + 𝑥𝑁2
𝑥𝑅𝑀𝑆 = √ 2
∑ 𝑥𝑖 = √
𝑁 𝑁
𝑖=1

Para una función de variable continua f (t) definida sobre el intervalo T1 ≤ t ≤ T2 viene
dada por la expresión:
 𝑇2
1
𝑥𝑅𝑀𝑆 = √ ∫ |𝑓(𝑡)|2 𝑑𝑡
𝑇2 − 𝑇1 𝑇1

Se denomina valor eficaz al valor cuadrático medio de una magnitud eléctrica. El

concepto de valor eficaz se utiliza especialmente para estudiar las formas de onda
periódicas, a pesar de ser aplicable a todas las formas de onda, constantes o no. En
ocasiones se denomina con el extranjerismo RMS (del inglés, root mean square).

El valor eficaz de la intensidad i (t) es el valor cuadrático medio:

1 𝑡0 +𝑇 2
𝐼𝑒𝑓 = √ ∫ 𝑖 (𝑡)𝑑𝑡
𝑇 𝑡0

Donde:

T es el periodo de la señal.

Análogamente, el valor eficaz de la tensión es:

1 𝑡0 +𝑇 2
𝑉𝑒𝑓 = √ ∫ 𝑣 (𝑡)𝑑𝑡
𝑇 𝑡0

En física, la media cuadrática de la velocidad de un gas se define como la raíz

cuadrada de la media de los cuadrados de las velocidades de las moléculas de
un gas. La velocidad RMS de un gas ideal es calculada usando la siguiente
ecuación:
 3𝑘𝑇
𝑣𝑅𝑀𝑆 = √
𝑀

Donde:

K: es la constante de Boltzman (1.3806503*10-23 J/°K)

T: es la temperatura del gas en Kelvins

M: es la masa del gas en kilogramos

III. ¿Cómo es un histograma y que información nos proporciona?

En estadística, un histograma es una representación gráfica de una variable en forma

de barras, donde la superficie de cada barra es proporcional a la frecuencia de los
valores representados. Sirven para obtener una "primera vista" general, o panorama,
de la distribución de la población, o de la muestra, respecto a una característica,
cuantitativa y continua (como la longitud o el peso). De esta manera ofrece una visión
de grupo permitiendo observar una preferencia, o tendencia, por parte de la muestra
o población por ubicarse hacia una determinada región de valores dentro del
espectro de valores posibles (sean infinitos o no) que pueda adquirir la característica.

 Histograma de frecuencias absolutas

Representa la frecuencia absoluta mediante la altura de las barras. Se usa
mucho en educación no universitaria por su sencillez, pero sólo se puede
aplicar cuando todos los intervalos son iguales, ya que en ese caso las alturas
y las superficies son proporcionales. En esos niveles educativos se introduce
una estadística elemental y todavía no se puede profundizar en estos detalles.

 Histograma de frecuencias relativas

Representa la frecuencia relativa mediante la altura de las barras. Igual que en
el caso anterior se usa mucho en educación no universitaria. La elaboración
del gráfico es más complicada pues los números ya no son enteros. Como en
el caso anterior sólo se puede aplicar cuando todos los intervalos son iguales,
ya que en ese caso las alturas y las superficies son proporcionales.
Como realizar un histograma:

 Paso 1

Determinar el rango de los datos. Rango es igual al dato de proporción menos el dato
de desigualdad.

 Paso 2

Obtener todos los números de grupos, existen 4 criterios para determinar el número
de clases (o barras) –por ejemplo, la regla de Sturges etc.

La regla de Sturges, propuesta por Herbert Sturges en 1926, es una regla práctica
acerca del número de clases que deben considerar al elaborarse un histograma.1

Este número viene dado por la siguiente expresión: 𝑐 = 1 + log 2 𝑀

Donde M es el tamaño de la muestra.

Que puede escribirse a partir de logaritmos base 10 de la siguiente forma:

log 𝑀
𝑐 =1+ log 2

Donde M es el tamaño de la muestra.

El valor de c (número de clases) es común redondearlo, si tu entero del

resultado previo al redondeo es "par" se redondea a la alta y si el entero es
"impar" se redondea a la baja.

 Paso 3

Establecer la anchura de clase. Si queremos intervalos iguales tomaremos el rango

dividido por el número de clases y comparar con los resultado obtenidos de la
dispersión.

 Paso 4
Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los
datos en segmentos iguales usando la anchura de clase obtenida en el PASO 2.

 Paso 5

Graficar el histograma: Como todas las clases tienen la misma amplitud las bases de
las barras son los intervalos de clases y la altura es la frecuencia de las clases.

Por ejemplo:

El histograma de una imagen representa la frecuencia relativa de los niveles de gris

de la imagen. Las técnicas de modificación del histograma de una imagen son útiles
para aumentar el contraste de imágenes con histogramas muy concentrados. Sea
una imagen de tamaño N×N, la función de distribución del histograma es:

IV. ¿Qué es la correlación de Pearson?

En estadística, el coeficiente de correlación de Pearson es una medida de la relación

lineal entre dos variables aleatorias cuantitativas. A diferencia de la covarianza, la
correlación de Pearson es independiente de la escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlación de Pearson
como un índice que puede utilizarse para medir el grado de relación de dos variables
siempre y cuando ambas sean cuantitativas.

∑ xi yi − nx̅y̅ n ∑ xi yi − ∑ xi ∑ yi
rxy = =
(n − 1)sx sy √n ∑ xi2 − (∑ xi )2 √n ∑ yi2 − (∑ yi )2

El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo el

sentido de la relación:

 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia

total entre las dos variables denominada relación directa: cuando una de ellas
aumenta, la otra también lo hace en proporción constante.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las
variables son independientes: pueden existir todavía relaciones no lineales entre
las dos variables.
 Si -1 < r < 0, existe una correlación negativa.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una
dependencia total entre las dos variables llamada relación inversa: cuando una
de ellas aumenta, la otra disminuye en proporción constante.
V. ¿Qué es la función de correlación?

En probabilidad y estadística, la correlación indica la fuerza y la dirección de

una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera
que dos variables cuantitativas están correlacionadas cuando los valores de una de
ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si
tenemos dos variables (A y B) existe correlación entre ellas si al disminuir los valores
de A lo hacen también los de B y viceversa. La correlación entre dos variables no
implica, por sí misma, ninguna relación de causalidad.

La relación entre dos variables cuantitativas queda representada mediante la línea de

mejor ajuste, trazada a partir de la nube de puntos. Los principales componentes
elementales de una línea de ajuste y, por lo tanto, de una correlación, son la fuerza,
el sentido y la forma:

 La fuerza extrema según el caso, mide el grado en que la línea representa a la

nube de puntos: si la nube es estrecha y alargada, se representa por una línea
recta, lo que indica que la relación es fuerte; si la nube de puntos tiene una
tendencia elíptica o circular, la relación es débil.
 El sentido mide la variación de los valores de B con respecto a A: si al crecer los
valores de A lo hacen los de B, la relación es directa (pendiente positiva); si al
crecer los valores de A disminuyen los de B, la relación es inversa (pendiente
negativa).
 La forma establece el tipo de línea que define el mejor ajuste: la línea recta,
la curva monotónica o la curva no monotónica
VI. ¿Qué es la función de convolución?

En matemáticas y, en particular, análisis funcional, una convolución es

un operador matemático que transforma dos funciones f y g en una tercera función
que en cierto sentido representa la magnitud en la que se superponen f y una versión
trasladada e invertida de g. Una convolución es un tipo muy general de media móvil,
como se puede observar si una de las funciones se toma como la función
característica de un intervalo.
a convolución y las operaciones relacionadas se encuentran en muchas aplicaciones
de ingeniería y matemáticas.

 En estadística, como un promedio móvil ponderado.

 En teoría de la probabilidad, la distribución de probabilidad de la suma de
dos variables aleatorias independientes es la convolución de cada una de sus
distribuciones de probabilidad.
 En óptica, muchos tipos de manchas se describen con convoluciones. Una
sombra (p. ej. la sombra en la mesa cuando se tiene la mano entre ésta y la
fuente de luz) es la convolución de la forma de la fuente de luz que crea la
sombra y del objeto cuya sombra se está proyectando. Una fotografía
desenfocada es la convolución de la imagen correcta con el círculo borroso
formado por el diafragma del iris.
 En acústica, un eco es la convolución del sonido original con una función que
represente los objetos variados que lo reflejan.
 En ingeniería eléctrica, electrónica y otras disciplinas, la salida de un sistema
lineal (estacionario o bien tiempo-invariante o espacio-invariante) es la
convolución de la entrada con la respuesta del sistema a un impulso (ver
animaciones).
 En física, allí donde haya un sistema lineal con un principio de superposición,
aparece una operación de convolución.
VII. ¿Qué es el análisis espectral?

El análisis espectral o análisis de espectro es un examen de un rango de frecuencias

o cantidades relacionadas, como la energía. La representación obtenida mediante el
análisis espectral se denomina espectrograma.

Una serie temporal puede entenderse como una sucesión de números. Las
sucesiones de números reales se pueden escribir como combinaciones lineales de
senos y cosenos (o exponenciales complejas). Esta representación se hace
mediante la Transformada de Fourier Discreta (TFD).
Análogamente a las series temporales, los procesos estocásticos se pueden
representar mediante combinaciones lineales (más exactamente, integrales) de
funciones trigonométricas o exponenciales complejas, aunque ponderados por
coeficientes aleatorios. Esta representación es la llamada representación espectral
de un proceso estocástico, que presentamos. La varianza de los coeficientes de la
representación se llama densidad espectral. Desgraciadamente, la representación
espectral de un proceso estocástico requiere usar un concepto matemático complejo:
una medida aleatoria. Por otra parte, es posible definir la densidad espectral a partir
de la función de auto covarianza sin aludir a la representación espectral.

Una sucesión finita x1,..., xT (que puede ser una serie temporal, es decir, una
realización de un proceso estocástico) puede escribirse como suma de senos y
cosenos de la forma siguiente:
n

xt = ∑ ak cos wk t + bk sen wk t
k=0

Donde wk= 2k/T son las frecuencias naturales. Cuando T es par, n = T/2.
Entonces, sen w0 t = sen wk t = 0, mientras que cos w0 t = 1 y cos wn t = (−1)t
Consecuentemente,
n−1

xt = a0 + ∑(ak cos wk t + bk sen wk t) + an (−1)t

k=1

Si T es impar entonces n = (T − 1)/2 y

n

xt = a0 + ∑(ak cos wk t + bk sen wk t)

k=1

Los coeficientes ak y bk nos dan la amplitud de las funciones sinusoidales. Se puede

comprobar que, en estas dos formas, la representa con es única viendo que
{cos wk t, sen wk t}n−1 t n
k=0 ∩ {1, (−1) } en el caso par y {cos wk t, sen wk t}k=1 ∩ {1}

k =1 ∩ {1} en el impar forman una base del espacio de las sucesiones finitas de T
elementos.
Por otra parte, los coeficientes ak y bk se pueden obtener como:
 T
2
ak = ∑ xt cos wk t
T
t=1
T
2
bk = ∑ xt sen wk t
T
t=1

En ambos casos, las frecuencias que aparecen en la representación cumplen:

wk ≤ π

VIII. ¿Qué tipos de filtros digitales conoces?

Un filtro digital es un tipo de filtro que opera sobre señales discretas y cuantizadas,
implementado con tecnología digital, bien como un circuito digital o como
un programa informático.

El filtrado digital es parte del procesado de señal digital. Se le da la denominación

de digital más por su funcionamiento interno que por su dependencia del tipo de
señal a filtrar, así podríamos llamar filtro digital tanto a un filtro que realiza el
procesado de señales digitales como a otro que lo haga de señales analógicas.

Comúnmente se usa para atenuar o amplificar algunas frecuencias. Por ejemplo, se

puede implementar un sistema para controlar los tonos graves y agudos de cualquier
sistema de audio.

El procesamiento interno y la entrada del filtro serán digitales, por lo que puede ser
necesario una conversión analógica-digital o digital-analógica para uso de filtros
digitales con señales analógicas.

Hay muchas formas de representar un filtro. Por ejemplo, en función de w (frecuencia

digital), en función de z y en función de n (número de muestra). Todas son
equivalentes, pero a la hora de trabajar a veces conviene más una u otra. Como
regla general se suele dejar el término a0=1.

Si se expresa en función de z y en forma de fracción:

Tipos de filtros digitales:

FIR es un acrónimo en inglés para Finite Impulse Response o Respuesta finita al

impulso. Se trata de un tipo de filtros digitales cuya respuesta a una señal
impulso como entrada tendrá un número finito de términos no nulos.

EXPRESION MATEMATICA:

𝑦−1

𝑦𝑦 = ∑ 𝑦𝑦 𝑦𝑦−𝑦
𝑦=0

De la expresión anterior N-1 es el orden del filtro.

N es el número de términos no nulos y el número de coeficientes del filtro son bk.

La salida también se puede expresar como la convolución de la señal de entrada x(n)

con la respuesta al impulso h(n):

𝑦−1

𝑦𝑦 = ∑ 𝑦𝑦 𝑦𝑦−𝑦
𝑦=0

Aplicando la tranformada Z a la expresión anterior:

𝑦−1

𝑦(𝑦) = ∑ 𝑦𝑦 𝑦−𝑦 = 𝑦0 + 𝑦1 𝑦−1 + … + 𝑦𝑦−1 𝑦−(𝑦−1)

𝑦=0
IX. Dadas señales de EMG del archivo adjunto de Excel, realice lo siguiente:
a) Grafique cada una de la señal en función del tiempo. Para generar la
columna de tiempo aplique la siguiente fórmula: Tm = (m-1)/fs.

Donde;

Tm = es el tiempo de muestra.

m = es la muestra

fs = es la frecuencia de muestreo para este caso es de 1000.

(las señales están compuestas de 6000 muestras)

6000 − 1
𝑦𝑦 = = 5 𝑦𝑦𝑦
1000

𝑦𝑦 − 1
𝑦𝑦 = = 𝑦𝑦𝑦 𝑦𝑦𝑦
1000

log 𝑦 log 6000

𝑦 =1+ =1+
log 2 log 2

𝑦 = 13.55 = 14
 b) Calcula el valor RMS de cada señal en el estado basal (las primeras
3000 muestras) y la respuesta muscular, grafíquelas en una grafica de
barras a la misma escala.

𝑦
1 2 𝑦21 + 𝑦22 + … + 𝑦2𝑦
𝑦𝑦𝑦𝑦 = √ ∑ 𝑦𝑦 = √
𝑦 𝑦
𝑦=1

XRMS = 0.020401884 para “Adrian”

XRMS = 0.005463462 para “Ari”

XRMS = 0.011949228 para “Brenda”

XRMS = 0.027870099 para “Gerónimo”

XRMS = 0.006546513 para “Luisa”

XRMS = 0.00568609 para “Monse”

La respuesta muscular esta dad por:

Velocidad de conducción = distancia (m)/ (t2 – t1) (ms)

D = 23 cm = 0.23 m

t2 – t1 = 0.001012142 - 0.000980946 = 0.000031178 => ADRIAN

t2 – t1 = 0.001009089 - 0.001000176 = 0.000008913 => ARI

t2 – t1 = 0.001031835 - 0.000989816 = 0.000042019 => BRENDA

t2 – t1 = 0.001024509 - 0.00097294 = 0.000051569 => GERONIMO

t2 – t1 = 0.001015305 - 0.001001299 = 0.000014006 => LUISA

t2 – t1 = 0.000996196 - 0.00098983 = 0.000006366 => MONSE

Entonces la velocidad de conducción es:

ADRIAN => 7376.9966 m/s

ARI => 12805.004 m/s

BRENDA => 5473.7143 m/s

GERONIMO => 4460.0438 m/s

LUISA => 16421.5336 m/s

MONSE => 36129.4386 m/s
 c) Calcule los histogramas en el estado basal y comente sus
observaciones de los resultados.

En química y física, el estado basal (también denominado estado fundamental) de un

sistema es su estado cuántico de menor energía. Un estado excitado es todo estado
con una energía superior a la del estado fundamental.

 La señal generada por una gran unidad motora tiene una amplitud de 0 volt
(en reposo, es decir, cuando no existe contracción muscular) y 250 µV durante
la contracción.

Esto significa que en el estado basal de estas mediciones la respuesta que me

tendría que dar teóricamente cada paciente es de 250V cuando exista alguna
contracción muscular, si no es así tendría que dar una respuesta de 0 V.
 d) Realice la función de autocorrección de Pearson del estado basal de
las señales.

∑ xi yi − nx̅ y̅ n ∑ xi yi − ∑ xi ∑ yi
rxy = =
(n − 1)sx sy
√n ∑ x2i − (∑ xi )2 √n ∑ y2i − (∑ yi )2

Esta función relaciona dos variables aleatorias cuantitativas, las cuales no es

necesario que estén expresadas en la misma escala, por ende si tomamos a:

x= 0.00025, y = 0 como valores en el estado basal los cuales indican que es cero
cuando no hay ninguna contracción y 0.00025 cuando haya alguna contracción
entonces: rxy = indeterminado ya que la variable y es una variable cualitativa mas no
cuantitativa.

e) Realice una matriz de correlación de Pearson del estado basal de las

señales.
 X. Calcule la frecuencia cardiaca de cada una de las señales del archivo en
Excel adjunto.

La frecuencia cardiaca se obtiene contando el número de pulsos cardiacos dividido

entre el tiempo del registro. Muestre los resultados en una grafica de barras.

Las fórmulas más utilizadas

 El primero en calcular la FCM fue Robson en 1938, que estableció la

fórmula FCM = 212 – (0,775 * edad).
 La fórmula más utilizada, al menos a nivel usuario, suele ser la de FCM = 220
- edad. Bastante simple, como podéis ver, por lo que faltan variables que nos
lleven a un resultado más acertado.
 En 2001, Tanaka propuso una nueva fórmula para calcular la FCM en
adultos: FCM = 208,75 – (0,73 * edad).

Además de estas fórmulas hay muchas más que quizás difieren en algún dígito de
las anteriores, pero estas son las tres que más se utilizan.

La formula a utilizar será la de Tanaka puesto que es la más reciente, pero para este
se necesita la edad de los individuos sometidos a estudio.
Puesto que para calcular de forma correcta la frecuencia cardiaca en un
Electrocardiograma se necesita de forma indispensable la hoja milimetrado donde
cada pequeño cuadro mide 1mm. Cada 5 cuadros chicos hay una linea gruesa que
define un cuadro grande de 5 mm.

Ele je vertical mide la amplitud de la corriente eléctrica del corazón y se da en volts.

Por norma, 10 mm de altura equivalen a 1 mV. Por tanto, cada milímetro de altura de
papel equivale a 0.1 mV y cada cuadro grande 0.5 mV.

El método es: 1500 entre el numero de cuadros chicos entre dos ondas R. Por
ejemplo si a dos ondas R la separan 20 cuadros chicos (que equivale a 4 cuadrados
grandes) hacemos 1500/20 = 75, y esa es la frecuencia cardíaca.

Otra opción es:

300 entre el número de cuadrados grandes que hay entre dos ondas R. Por ejemplo
si a dos ondas R la separan 4 cuadrados grandes (de los que tienen 5 cuadros
chicos) hacemos 300/4 = 75, y esa es la frecuencia cardíaca.

PASO 1: Localice un QRS que se encuentra sobre una línea de división mayor del
papel, localice ahora el siguiente QRS y cuente cuantos cuadros de 200 mseg los
separa.
PASO 2: Ahora divida 300 por el número de cuadros, obteniendo así los latidos por
minuto. Aproxime el número de cuadros si no es exacto.

¿ De donde sale el "300" ?

A. Es necesario recordar la velocidad que normalmente es 25 mm/seg

B. Si recorre 25 mm en un segundo, entonces recorrera 1500 mm en un minuto (en
60 segundos, desarrollando una simple regla de tres)
C Pero como no estamos contando los cuadros pequeños que miden 1 mm, sino los
grandes que miden 5, entonces dividimos 1500/5 = 300

¿Y si la onda no cae sobre la linea?

Cuando el segundo QRS no coincide exactamente con una línea de división mayor,
halle la diferencia entre las frecuencias que corresponderían a las líneas divisorias
mayores que enmarcan el segundo complejo y divida éste resultado por 5 (un cuadro
de 200 mseg contiene 5 cuadros de 40 mseg) obteniendo así el número de latidos a
los que equivale cada cuadro de 40 mseg.
Examine el registro y calcule cuantos cuadros de 40 mseg separan al complejo de la
línea divisoria mayor que le sigue inmediatamente. Reste el número de latidos al
valor de ésta frecuencia.

Otro ejemplo que encontre es que si cae a 12 cuadraditos chicos es lo mismo que
decir que cayó a 2,4 cuadrados entonces la frecuencia será de 125 lpmn (300/2.4) .
Recordemos que el entero es 1 por eso se agregan de 0,2 decimales por cada
cuadradito chico para dividir ya que tiene 5 cuadraditos.

XI. De los análisis espectrales proporcionados en el archivo adjunto

comente su interpretación.

El análisis espectral o análisis de espectro es un examen de un rango de frecuencias

o cantidades relacionadas, como la energía, en estos espectrogramas nos
proporcionan la relación que existe entre la energía de cada individuo o en otras
palabras el voltaje que proporciona en este caso su corazón con respecto a un rango
de frecuencias en este caso.

A continuación se desarrollan fórmulas para el cálculo de la energía requerida por

una señal y de la potencia o rapidez de consumo d energía. Adicionalmente, se
realiza una análisis dimensional o de unidades con lo que se verifica la validez de las
ecuaciones. Para nuestro caso particular, trabajamos con señales temporales cuyas
magnitudes se miden en volts, es decir (v).
Energía Media: El promedio de energía consumida por una señal durante un
intervalo de tiempo T se calcula como:

𝑇
𝐸{𝑓(𝑡)} = ∫ 𝑓 2 (𝑡)𝑑𝑡[𝑣 2 𝑠]
0

De ahí que la energía se mida en v2.