Professional Documents
Culture Documents
R”
Resumen:
Introducción.
El mundo ha cambiado sus tecnologías por una forma aleatoria, entonces debemos
sistemas digitales. Tal es el desempeño que tomar un estudio de nuestros datos en
tienen éstos dispositivos, que los han hecho forma probabilística y estimar los posibles
los preferidos por casi todos. Un mundo fallos en nuestros datos, así como los
tecnológico digital involucra datos binarios, futuros errores en nuestras líneas de
datos que se transportan a través medios, comunicación.
medios que se contraponen con la
Para tratar matemáticamente nuestros
información ya que el medio desempeña un
factor importante en las comunicaciones. experimentos aleatorios es necesario
cuantificar los resultados y establecer una
Dijimos que nuestros datos viajan en un función que asocia los valores reales con los
medio, ya sea aire, el espacio, metal, o elementos del espacio muestral.
líquidos, ese medio tiene a su vez
componentes que introducen diferencias en A partir de nuestra variable aleatoria
nuestros datos. Éstas componentes que podemos obtener la distribución de
alterantes tienen una naturaleza aleatoria, probabilidad, y no es más que una
independiente de nuestra señal de forma asignación de cada evento con una
definida. Si graficáramos nuestra señal de probabilidad y viene dada por la siguiente
ruido tendría una trayectoria conocida expresión:
campana de gauss. 𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥)
Si la forma que influye una modificación de La distribución de probabilidad tiene las
nuestros datos en posteriores errores, es siguientes características:
1
lim 𝐹(𝑥) = 0 FIG. 1. (a) Gráfica vista en tres dimensiones (b)
𝑥→−∞
Proyección en dos dimensiones de una gráfica de tres
dimensiones.
y
Una forma de abordar el estudio
lim 𝐹(𝑥) = 1
𝑥→∞ probabilístico es usar lo que se conoce como
Y también es continua por la derecha, como probabilidad. La probabilidad es un número
monótona y no decreciente. que resulta de una fórmula matemática.
# 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
La acumulación de la función de densidad de 𝑃(𝑥) =
# 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
probabilidad genera la función de
distribución. Para una variable aleatoria La probabilidad tiene características que lo
continua se tiene: hacen interesante. Cuando el cociente es
𝑥
cero implica que dicho evento no ha
ocurrido; cuando el cociente da uno, quiere
𝐹(𝑥) = ∫ 𝑓(𝑡)𝑑𝑡
decir que el evento se repite sin excepción.
−∞
Cualquier resultado posible entre cero y uno
es permitido, lo que quiere decir que un
evento ocurre un mínimo de veces en toda
(a) la gama de resultados posibles.
Desarrollo Experimental:
Construcción de la práctica.
2
cierta velocidad. Los resultados son llevados vez tomados varios puntos, tomado clases1 y
a un registro de corrimiento, con el fin de graficando las clases vs voltaje. Si la gráfica
llevar un dato tras otro en forma serial, para no muestra ninguna trayectoria como la
que esos datos seriales sean contaminados campana de gauss, entonces no es un ruido
con ruido gaussiano en un punto suma. gaussiano; pero si la trayectoria es muy
similar entonces son datos gaussianos.
La parte que ayudará a saber si existen
discrepancias con la señal original y la señal Pero expliquemos un poco la gráfica de la
con ruido, es un comparador. De ahí vamos campana de gauss. La campana es una
a contar el número de errores. Para calcular estimación de aquellos valores que ocurren
el B.E.R usamos la siguiente fórmula: con mucha mayor frecuencia, esos datos
aparecen en la cima; caso contrario aquellos
# 𝑑𝑒 𝑑í𝑔𝑖𝑡𝑜𝑠 𝑒𝑛 𝑒𝑟𝑟𝑜𝑟
𝐵. 𝐸. 𝑅 = datos con poca ocurrencia, son los que están
# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑖𝑡𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠
en las partes llanas de ambos lados que se
Para generar el ruido gaussiano usamos el aproximan al eje x.
siguiente circuito:
Frecuencia relativa Vs Voltaje
R7 0.03
1MΩ
5% f(x)
7 0.025
4 U1
R3 5
2 C2 R4
4.7kΩ 8 9
6 C1 6 0.02
5% 3 100Ω Datos experimentales
3 10uF
5%
10nF 0
7 1 5 741
C3
220nF 0.015
R2
Q1 2.2MΩ
2N3904 2
1 R5 5% 0.01
2.2MΩ C4
10uF
R1 05% 9 V V1
4
0.005
1MΩ
5% R6
1MΩ
5%
0
-6 -4 -2 0 2 4 6
-3
x 10
FIG. 2. Generador de ruido gaussiano. Produce ruido
aleatorio como referencia para audio y como una FIG. 3. Podemos ver que los datos mantienen la forma
ayuda para practicar la recepción de señales bajo de la campana de gauss.
condiciones difíciles.
Nuestros valores en voltaje más pequeños,
Resultados: próximos a cero son los que ocurren con
mucha frecuencia, mientras que los valores
Pero cómo sabemos que nuestro generador de voltaje mayor, ocurren con poca
de ruido tiene una forma de campana. Una
1
Le llamamos clases al agrupamiento de valores
próximos entre ellos, así reducimos el número de
valores a graficar.
3
frecuencia, por lo que se localizan en las
partes más llanas.
4
Las señales TTL se manejan con voltajes Conclusiones:
entre 0 V y 5 V. Un “1” lógico representa 5 V
y un “0” lógico representa 0 V. Aunque para Nuestro medio influye en el momento
que se detecte como un cero lógico los mismo de la transmisión de nuestros datos.
umbrales de voltaje deben estar entre 0 V y El ruido deforma nuestra señal y produce
0.8 V; mientras que para un uno lógico los errores cuando tomamos los datos y los
umbrales de voltaje deben estar entre 5 V y procesamos.
2 V. Para valores entre 0.8 V y 2 V nuestros Nuestra función de densidad de
dispositivos no responden adecuadamente. probabilidad nos dice con que regularidad
Si nuestra función de densidad de vamos a tener errores, en nuestro caso,
probabilidad nos muestra que nuestro valor como teníamos valores de ruido ínfimos,
máximo de voltaje es de 0.004 V o 4 mV y éstos no podían generar errores visibles. De
nosotros podemos modificar el cero lógico hecho cuando la señal mezclada con ruido
de 0 V a 0.004V en el umbral más bajo, o de se visualizaba en el osciloscopio veíamos la
0.8 V a 0.804 V en el umbral permitido, señal tal cual, se esperaba ver la señal con
entonces necesitaríamos alrededor de 1.2 V picos fuera de lugar.
para modificar nuestro cero lógico y tener
un error significativo a la hora de comparar Bibliografía
los datos. De esto se desprende que nunca De la Redacción de la Revista Saber
podamos meter un error en el sistema ni Electrónica
detectarlo. http://www.clubse.com.ar/DIEGO/NOTAS/2/
Los datos entonces quedarían como siguen: nota03.htm
# 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 http://es.wikipedia.org/wiki/Variable_aleato
𝑃𝑒 (𝑥) =
# 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
ria*
0 http://es.wikipedia.org/wiki/Densidad_de_pr
𝑃𝑒 (𝑥) = =0
100 obabilidad
# 𝑑𝑒 𝑑í𝑔𝑖𝑡𝑜𝑠 𝑒𝑛 𝑒𝑟𝑟𝑜𝑟
𝐵. 𝐸. 𝑅 = *
# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑖𝑡𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠 La dirección de Internet se basa a su vez en
0 la siguiente referencia: Peña Sánchez de
𝐵. 𝐸. 𝑅 = =0 Rivera, Daniel ;(2008). Fundamentos de
# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑖𝑡𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠
Estadística, 1ª edición, Alianza Editorial,
págs. 688. ISBN 9788420683805
Pe B.E.R
ANEXO
0 0
Ahora vamos a modificar nuestra función de
densidad de probabilidad para obtener una
diferencia en los valores Pe(x) y El B.E.R; en
otras palabras, vamos a amplificar el ruido.
5
Primero que nada mostremos la función de (c)
densidad de probabilidad modificada.
0.06
0.05
Frecuencia relativa
0.04
0.03
0.02 (d)
0.01
0
-8 -6 -4 -2 0 2 4 6 8
Voltaje
(a)
# 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
𝑃𝑒 (𝑥) =
# 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
6
Probabilidad de convertir un uno a un cero Antes nuestra probabilidad de encontrar un
f1 = error, así como de contabilizar el B.E.R era
0.30380000000000 nula; ahora tenemos que nuestra
probabilidad conjunta es de 2/6 y nuestro
Probabilidad de convertir un cero en un uno B.E.R de 3. Tenemos que una probabilidad, la
f2 = de convertir un uno a un cero es de 1/3;
0.35940000000000 también la probabilidad de convertir un cero
a un uno es de 1/3, mientras que la
Probabilidad de no afectar los datos. probabilidad de no encontrar algún error es
f3 = el otro 1/3, lo cual tiene sentido, pues ahora
tenemos tres eventos: 1) No tener algún
0.33600000000000 error, 2) Convertir un uno en un cero, 3)
Convertir un cero en un uno; y como la
Probabilidad total probabilidad es:
f4 = # 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠
𝑃𝑒 (𝑥) =
0.99920000000000 # 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Por otra parte el B.E.R sale de los siguientes Entonces para cualquier resultado posible
datos: A 18 μs tenemos 3 errores, en esa hay 1/3 de probabilidad. Ahora bien, existen
misma frecuencia mandamos 1 dato. Por lo 2/3 de probabilidad de encontrar un error,
tanto nuestro B.E.R es de 3. dado que amplificamos el ruido gaussiano 82
veces, y ello hace que ensuciemos nuestra
señal original con más regularidad lo cual se
# 𝑑𝑒 𝑑í𝑔𝑖𝑡𝑜𝑠 𝑒𝑛 𝑒𝑟𝑟𝑜𝑟 demuestra en nuestro B.E.R.
𝐵. 𝐸. 𝑅 =
# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑏𝑖𝑡𝑠 𝑒𝑛𝑣𝑖𝑎𝑑𝑜𝑠
0.3038000000000 0.359400000000 3
0 00
P1(x)+P2(x) B.E.R
0.6632000000000 3
Pe B.E.R
0 0