Informe 02

- Lab. Telecomunicaciones I–
“Procesos Estocásticos”

Instructor : Ing. Christian del Carpio

Sección : 60G
Alumnos : Pribilov Morales,
Nicolette Entregado el : 10 /Septiembre/09’
Alejos Martínez, Víctor

I. Procedimientos:

Procedimiento 1: Funciones y medidas Estadísticas.

1. Cargar en matlab los archivos de datos senal1.mat, senal2.mat, senal3.mat y

senal4.mat provistos por el profesor.
2. Los datos contenidos en los archivos pueden tener como máximo valores de
hasta +127 y como mínimo hasta -127.
3. Genere un programa en matlab que permita obtener y graficar la función de
densidad de probabilidad (fdp) y la función de distribución acumulativa (fda)
de cada señal e indique que distribución tiene cada una de estas. Sustente.
4. Los resultados gráficos colóquelos en un documento Word con su respectivo
titulo.
5. Genere en matlab un programa que permita obtener de las señales anteriores
las medidas estadísticas:
a. Media estadística
b. Valor cuadrático medio
c. Varianza
d. Desviación estándar
e. Tercer momento central (Skew)
MATLAB
fs=8000; % frecuencia de muestreo
Bm=8; % bits por muestra
duración=3; % duracion de captura
numcan=1; % numero de canales
version=0; % version
repeticiones=0; % numero de repeticones en la señal de salida
%------------ funcion que configura la tarjeta de audio------------------%
ai=configcapturasenal(fs,Bm,duracion,numcan,version);
%---------------------------------------------------------------------------------------%
%----------------funcion que obtiene la señal capturada-----------------%
senalo=capturasenal(ai);
%---------------------------------------------------------------------------------------%
senal=round(senalo*127); %señal en el rango de <-127 , 127>
senal=senal'; %convierte a vector fila
%--------cálculo de la funcion de densidad de probabilidad---------%
fdp=[];
tam=length(senal);
j=1;
for i=-127:127
fdp(j)= length(find(senal==i));
j=j+1;
end;
fdp=fdp/tam;
x=-127:127;
figure(1)
colordef(1,'black')
set(1,'MenuBar','none')
plot(x,fdp,'LineWidth',2)
grid on
title('Función de Densidad de Probabilidad')
%-------------------------------------------------------------------------%
%-----------cálculo de la funcion de distribución acumulativa-------------%
fda=[];
j=1;
for i=-127:127
fda(j)= sum(fdp(1:j));
j=j+1;
end;
x=-127:127;
figure(2)
colordef(2,'black')
set(2,'MenuBar','none')
plot(x,fda,'LineWidth',2)
axis([-130 130 0 1.5])
grid on
title('Función de Distribucion Acumulativa')
%-------------------------------------------------------------------------%
%--------------------cálculo de la media estadistica----------------------%
x=-127:127;
medestad1=x*fdp';
%-------------------------------------------------------------------------%
%----------------------cálculo de la media temporal-----------------------%
medtemp1=sum(senal)/length(senal);
%-------------------------------------------------------------------------%
%--------------cálculo del valor cuadratico medio estadistico-------------%
x=-127:127;
valcuad1=(x.^2)*fdp';
%-------------------------------------------------------------------------%
%----------------cálculo del valor cuadratico medio temporal--------------%
 valctem1= sum(senal.^2)/length(senal);
%-------------------------------------------------------------------------%
%-------------------cálculo de la varianza estadistica--------------------%
x=-127:127;
varestad1=(x-medestad1).^2*fdp';
%-------------------------------------------------------------------------%
%----------------------cálculo de la varianza temporal--------------------%
vartemp1=valctem1-(medtemp1)^2;
%-------------------------------------------------------------------------%
%-------------cálculo de la desviacion estandar estadistica---------------%
devestad1=sqrt(varestad1);
%------------------------------------------------------------------------%
%-------------cálculo de la desviacion estandar temporal------------------%
devtemp1=sqrt(vartemp1);
%------------------------------------------------------------------------%
%-----------cálculo del tercer momento central estadistico----------------%
x=-127:127;
skew1=(x-medestad1).^3*fdp';
%-------------------------------------------------------------------------%
%------------ funcion que configura la tarjeta de audio-------------------%
ao=configsalidasenal(fs,Bm,numcan,repeticiones,version);
%------------------------------------------------------------------------%
%---------------funcion que reproduce la señal de salida------------------%
reproduccionsenal(ao,senalo,repeticiones, 'señal de salida');
%-------------------------------------------------------------------------%

VALORES
 load senal1
medestad1 =0.2006
medtemp1 =0.2032
 valcuad1 =945.9935
valctem1 =946.3212
varestad1 =945.9532
vartemp1 =946.2799
devestad1 =30.7564
devtemp1 =30.7617
skew1 =196.7440
 load senal2
medestad1 =5.8276
medtemp1 =5.8276
valcuad1 =67.9817
valctem1 =67.9817
varestad1 =34.0211
vartemp1 =34.0211
devestad1 =5.8328
devtemp1 =5.8328
skew1 =397.3281
 load senal3
medestad1 =16.9819
medtemp1 =16.9819
valcuad1 =366.7543
valctem1 =366.7543
varestad1 =78.3685
vartemp1 =78.3685
devestad1 =8.8526
devtemp1 =8.8526
skew1 =431.9983
 load senal4
medestad1 =7.0080
medtemp1 =7.0080
 valcuad1 =52.2709
valctem1 =52.2709
varestad1 =3.1594
vartemp1 =3.1594
devestad1 =1.7775
devtemp1 =1.7775
skew1 =-0.0021

GRAFICAS: se encuentran en el Anexo 1

6. Genere una señal en matlab de 5000 muestras que tenga una distribución
uniforme y cuyos valores oscilen entre [a,b

a= input('ingrese a')
b= input('ingrese b')

muestra= (rand(1,5000)*[b-a])+a;

Procedimiento 1: Aplicar los procesaminetos de la figura 2 a las señales de la

experiencia 1. Luego se deberá calcular las medidas estadísticas de la señal
de salida normalizada para cada caso.

1. Grafica dfe la señal de entrada y de la señal de salida en el tiempo

(normalizada para cada caso). Todos los graficos requeridos deberán estar
debidanmente rotulados
a. Estas graficas se encuentran en el anexo 2
2. Mostrar una tabla de resultados numéricos, a fin que se pueda comparar las
medidas estadísticas de las señales obtenidas en la experiencia 1 y de las
señales de salida normalizadas obtenidas en la experiencia 2
a. Esta tabla se encuentra en el anexo 3
3. Mostrar la función de densidad de probabilidad y la función distribución
acumultiva (todo en un mismo cuadro de figura) de la señal de entrada y de la
señal de Salida normalizada para cada caso
a. Estas graficas se encuentran en el anexo 4
4. A partir de los resultados obtenidos comparar para cada caso el efecto
introducido por la transformación y establecer conclusiones al respecto (para
cada media).
5. Programa debidamente comentado

MATLAB
load senal1 %se realiza load para cada una de las 4
señales
Y1=(sign(senal)).*(sqrt(abs(senal)));
Y2=(senal).^2;
Y3=(2.*(senal))-5;
Y1barra=Y1/max(abs(Y1));
Y2barra=Y2/max(abs(Y2));
Y3barra=Y3/max(abs(Y3));
Y11=round((127*Y1barra)/max(abs(Y1barra)));
Y12=round((127*Y2barra)/max(abs(Y2barra)));
Y13=round((127*Y3barra)/max(abs(Y3barra)));
fdp=[];
tam=length(Y11);
j=1;
for i=-127:127
fdp(j)=length(find(Y11==i));
j=j+1;
end;
fdp=fdp/tam;
x=-127:127;
figure(1)
colordef(1,'black')
set(1,'Menubar','none')
plot(x,fdp,'lineWidth',2)
%-------------------- calculo de la funcion de distribucion acumulativa
----------------------%
fda=[];
j=1;
for i=-127:127
fda(j)= sum(fdp(1:j));
j=j+1;
end;
x=-127:127;
figure(2)
colordef(2,'black')
set(2,'MenuBar','none')
plot(x,fda,'LineWidth',2)
axis([-130 130 0 1.5])
grid on
title('Función de Distribucion Acumulativa')
%-------toda la operación siguiente se realiza para Y11,Y12,Y13 a continuación
mostramos el ejercicio usando Y11-----------%
%--------------------cálculo de la media estadistica----------------------%
x=-127:127;
medestad1=x*fdp';
%-------------------------------------------------------------------------%
%----------------------cálculo de la media temporal-----------------------%
medtemp1=sum(Y11)/length(Y11);
%-------------------------------------------------------------------------%
%--------------cálculo del valor cuadratico medio estadistico-------------%
x=-127:127;
valcuad1=(x.^2)*fdp';
%-------------------------------------------------------------------------%
%----------------cálculo del valor cuadratico medio temporal--------------%
valctem1= sum(Y11.^2)/length(Y11);
%-------------------------------------------------------------------------%
%-------------------cálculo de la varianza estadistica--------------------%
x=-127:127;
varestad1=(x-medestad1).^2*fdp';
%-------------------------------------------------------------------------%
%----------------------cálculo de la varianza temporal--------------------%
vartemp1=valctem1-(medtemp1)^2;
%-------------------------------------------------------------------------%
%-------------cálculo de la desviacion estandar estadistica---------------%
devestad1=sqrt(varestad1);
%-------------------------------------------------------------------------%
%-------------cálculo de la desviacion estandar temporal------------------%
devtemp1=sqrt(vartemp1);
%-------------------------------------------------------------------------%
%-----------cálculo del tercer momento central estadistico----------------%
x=-127:127;
skew1=(x-medestad1).^3*fdp';
%-------------------------------------------------------------------------%
 CUESTIONARIO

1. ¿Cuáles son las principales funciones de densidad de probabilidad de una variable

aleatoria discreta?
Distribución Binomial, y Distribución de Poisson

2. ¿Cuál es la función de distribución normal?

La Distribución Normal

Una distribución muy

importante es la
Distribución Normal o
de Gauss.

La ecuación
matemática de la
función de Gauss es
la siguiente:

La distribución normal es una curva con forma de campana, con eje de simetría en el
punto correspondiente al promedio del universo . La distancia entre el eje de
simetría de la campana y el punto de inflexión de la curva es igual a , la desviación
standard de la población.

El área total debajo de la curva es igual a 1. El área debajo de la curva comprendida

entre es aproximadamente igual a 0,68 del área total; Es importante ver que los
únicos parámetros necesarios para dibujar el gráfico de la distribución normal son y
(Media y desviación standard de la población). Con estos dos parámetros sabemos
donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es
su ancho (Determinado por la desviación standard).

Cuando nos encontramos con una población de observaciones, si podemos afirmar

que la distribución correspondiente es normal, sólo hace falta estimar la media y la
desviación standard para tener toda la información necesaria acerca de dicha
población.

La Distribución Normal Standard: Podemos escribir la fórmula de la distribución

normal de la siguiente manera:

con

Esta es la fórmula de la Distribución Normal Standard o Tipificada. Como podemos

observar, en ella hay un sólo parámetro, Z, que incluye al promedio y la desviación
standard de la población. Esta función está tabulada.
Al calcular Z, lo que estamos haciendo, en realidad, es un cambio de variable por el
cual movemos la campana de Gauss centrándola en el 0 del eje X, y modificamos el
ancho para que la desviación standard sea 1.

De esta manera tenemos

tabulada una función de Gauss
que no depende de cual sea el
promedio y la desviación
standard de nuestra población
real. El cambio de variable hace
que se conserve la forma de la
función y que sirva para
cualquier población, siempre y
cuando esa población tenga una distribución normal.
 Cuando queremos calcular las probabilidades para una población real, calculamos Z
y entramos en la tabla de la función normal standard.

3. ¿Cuáles son las funciones propias de matlab sobre estadística (Statistics toolbox)?
- Distribuciones.
- Estimación de parámetros
- Funciones de densidad de probabilidad (pdf).
- Funciones de distribución acumulada (fda).

Generadores de números aleatorios.

 betarnd - Beta números aleatorios.
 binornd - binomiales números aleatorios.
 chi2rnd - Chi cuadrado números aleatorios.
 evrnd - Extremos valor números aleatorios.
 exprnd - Exponencial números aleatorios.
 frnd - F números aleatorios.
 gamrnd - Gamma de números aleatorios.
 geornd - geométrica de números aleatorios.
 hygernd - Hypergeometric números aleatorios.
 iwishrnd - Wishart azar matriz inversa.
 lognrnd - lognormal números aleatorios.
 mvnrnd - normal multivariante números aleatorios.
 mvtrnd - No multivariante números aleatorios.
 nbinrnd - Negativo binomio números aleatorios.
 ncfrnd - F Noncentral números aleatorios.
 nctrnd - No Noncentral números aleatorios.
 ncx2rnd - Chi-cuadrado Noncentral números aleatorios.
 normrnd - Normal (Gaussian) números aleatorios.
 poissrnd - Poisson números aleatorios.
 randg - Gamma de números aleatorios (unidad de escala).
 random - los números al azar de distribución especificada.
 randsample - muestra aleatoria de población finita.
 raylrnd - Rayleigh números aleatorios.
trnd - T números aleatorios.
 unidrnd - discreta uniforme números aleatorios.
 unifrnd - Uniforme de números aleatorios.
 wblrnd - Weibull números aleatorios.
 wishrnd - Wishart azar matriz.

Estadísticas.
betastat - Beta media y la varianza.

binostat - binomiales media y la varianza.

chi2stat - Chi cuadrado media y la varianza.

evstat - Extremos valor media y la varianza.

expstat - exponencial media y la varianza.

fstat - F media y la varianza.

gamstat - Gama media y la varianza.

 Geostat - geométrica media y la varianza.

hygestat - Hypergeometric media y la varianza.

lognstat - lognormal media y la varianza.

nbinstat - Negativo binomio media y la varianza.

ncfstat - Noncentral F media y la varianza.

nctstat - No Noncentral media y la varianza.

ncx2stat - Chi-cuadrado Noncentral media y la varianza.

normstat - Normal (Gaussian) media y la varianza.

poisstat - media y la varianza de Poisson.

raylstat - Rayleigh media y la varianza.

tstat - T media y la varianza.

unidstat - uniforme discreta media y la varianza.

unifstat - Uniforme de media y la varianza.

wblstat - Weibull media y la varianza.

4. Conclusiones y observaciones.

 Con el desarrollo de este laboratorio y gracias a la comprensión de conceptos y el

manejo del programa Matlab entendimos que es una poderosa herramienta
estadística que bien aplicada nos podrá ayudar a facilitar los cálculos para la solución
de problemas.
 Aprendimos que no es limitativa el área en que nos desempeñemos en nuestro
trabajo ya que tanto en Ingeniería como en un Negocio Propio, en Comercio o en
Industria, o bien por puro pasatiempo en el panorama de la probabilidad estadística,
estas herramientas serán siempre de gran utilidad.
 Para este laboratorio aprendimos la aplicación y manejo de las funciones de densidad
de probabilidad y de sus densidades de probabilidad, la Uniforme, la Gaussiana, la
normal y finalmente la Exponencial.