Baixe o app para aproveitar ainda mais
Prévia do material em texto
Teoria de Probabilidades Variáveis Aleatórias Revisão de Probabilidade e Variáveis Aleatórias Prof. Fabrício Braga Soares de Carvalho, D.Sc. Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica Fevereiro 2016 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 1 / 45 Teoria de Probabilidades Variáveis Aleatórias Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 2 / 45 Teoria de Probabilidades Variáveis Aleatórias Introdução Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 3 / 45 Teoria de Probabilidades Variáveis Aleatórias Introdução Introdução A teoria da probabilidade fornece as ferramentas para o estudo dos fenômenos aleatórios Os axiomas da probabilidade estabelecidos por Kolmogorov permitem o desenvolvimento de toda a teoria de probabilidade axiomática: P(S) = 1, em que S representa o espaço amostral ou conjunto universo e P(.) é a probabilidade associada; P(A) ≥ 0, em que A representa um evento do conjunto universo; P(A ⋃ B) = P(A) + P(B), em que A e B são eventos mutuamente exclusivos e A ⋃ B representa a união dos eventos A e B (desde que A ⋂ B = 0). Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 4 / 45 Teoria de Probabilidades Variáveis Aleatórias Introdução Introdução A probabilidade se refere à observação de testes ou experimentos a partir de um determinado número de amostras A probabilidade derivada da intuição e da lógica (ou seja, antes do experimento) é denominada de probabilidade a priori A probabilidade resultante da observação do evento (ou seja, após o experimento) é denominada de probabilidade a posteriori Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 5 / 45 Teoria de Probabilidades Variáveis Aleatórias Probabilidade Condicional e Independência Estatística Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 6 / 45 Teoria de Probabilidades Variáveis Aleatórias Probabilidade Condicional e Independência Estatística Probabilidade Condicional Considerando-se um experimento conjunto que ocorre com probabilidade P(A,B) = P(A ⋂ B) Admitindo-se que o evento B ocorreu, a probabilidade condicional do evento A dado B é dada por P(A|B) = P(A,B) P(B) , P(B) > 0 De modo similar, a probabilidade do evento B dado A é dada por P(B|A) = P(A,B) P(A) , P(A) > 0 OBS.: Se os eventos são mutuamente exclusivos, ou seja, independentes, então P(A,B) = P(A).P(B) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 7 / 45 Teoria de Probabilidades Variáveis Aleatórias Probabilidade Condicional e Independência Estatística Probabilidade Condicional Verifica-se que: P(A,B) = P(A|B)P(B) = P(B|A)P(A) A ∩ B = ∅ =⇒ P(A|B) = 0 A ⊂ B =⇒ A ∩ B = A =⇒ P(A|B) = P(A) P(B) B ⊂ A =⇒ A ∩ B = B =⇒ P(B|A) = P(B) P(B) = 1 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 8 / 45 Teoria de Probabilidades Variáveis Aleatórias Probabilidade Condicional e Independência Estatística Probabilidade Condicional A forma clássica do teorema de Bayes é: P(B|A) = P(B) · P(A|B) P(A) O teorema de Bayes é importante na teoria de decisões estatísticas pois permite retornar ao evento condicionante Ou seja: P(B) = P(B|A) · P(A) (1) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 9 / 45 Teoria de Probabilidades Variáveis Aleatórias Probabilidade Condicional e Independência Estatística Regra de Bayes Seja Ai , i = 1, 2, · · · , n um conjunto de eventos mutuamente exclusivos com ⋃n i=1 Ai = Ω e B um evento arbitrário A regra de Bayes é definida como P(Ai |B) = P(Ai ,B) P(B) = P(B|Ai )P(Ai )∑n j=1 P(B|Aj)P(Aj) Em telecomunicações tem-se: Ai - Mensagem transmitida P(Ai ) - Probabilidade a priori de Ai B - Mensagem recebida P(Ai |B) Probabilidade a posteriori de Ai dado que B foi recebido Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 10 / 45 Teoria de Probabilidades Variáveis Aleatórias Variável Aleatória Uma variável aleatória (VA) é uma regra ou uma relação, denotada por X , que para cada número real X (S) associa um ponto no espaço amostral S Cada resultado produz um número, mas dois ou mais resultados podem mapear o mesmo número Por exemplo, o experimento "jogar uma moeda e observar o resultado"pode ser mapeado no conjunto R da seguinte forma: Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 11 / 45 Teoria de Probabilidades Variáveis Aleatórias Variável Aleatória Apesar do nome, uma variável aleatória não é uma variável nem é aleatória! Trata-se de uma função que gera números a partir dos resultados de um experimento A idéia de variável aleatória tem o objetivo de transpor eventos do espaço amostral para segmentos de retas nos reais O mapeamento X : Ω→ < é completamente determinístico, ou seja, X = f (w) para w ∈ Ω Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 12 / 45 Teoria de Probabilidades Variáveis Aleatórias Função Cumulativa de Probabilidade (FCP) Do ponto de vista do receptor, os sinais de interesse prático aparentam ser aleatórios Uma variável aleatória X (A) ou simplesmente X representa uma relação funcional entre um evento aleatório A e um número real A função cumulativa de probabilidade (FCP) ou função de distribuição acumulada de X é definida como: FX (x) = P(X ≤ x) (2) Sendo P(X ≤ x) a probabilidade de X ser menor que o número real x Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba(UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 13 / 45 Teoria de Probabilidades Variáveis Aleatórias Função Cumulativa de Probabilidade (FCP) A FCP FX (x) tem as seguintes propriedades: 0 ≤ FX (x) ≤ 1 FX (x1) ≤ FX (x2) se x1 ≤ x2 FX (−∞) = 0 FX (+∞) = 1 P(a < X ≤ b) = PX (b)− PX (a) = = P(X ≤ b)− P(X ≤ a) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 14 / 45 Teoria de Probabilidades Variáveis Aleatórias Função Densidade de Probabilidade (FDP) Uma outra função de grande importância é a função densidade de probabilidade (FDP) da variável x , denotada por pX (x) = dFX (x) dx A FCP FX pode ser escrita como a primitiva da FDP pX : FX (x) = ∫ x −∞ pX (α)dα (3) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 15 / 45 Teoria de Probabilidades Variáveis Aleatórias Função Densidade de Probabilidade (FDP) A FCP fornece uma medida da probabilidade, portanto é adimensional A FDP tem dimensão, assim pode ser maior do que 1 Uma importante propriedade da FDP é:∫ +∞ −∞ pX (x)dx = 1 (4) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 16 / 45 Teoria de Probabilidades Variáveis Aleatórias Função Densidade de Probabilidade A partir da FDP é possível calcular a probabilidade de eventos como x 1 ≤ X ≤ x 2 P(x 1 ≤ X ≤ x 2 ) = P(X ≤ x 2 )− P(X ≤ x 1 ) = FX (x2)− FX (x1) = ∫ x 2 x 1 pX (x)dx A FDP tem as seguintes propriedades: pX (x) ≥ 0∫ ∞ −∞ pX (x)dx = FX (+∞)− FX (−∞) = 1 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 17 / 45 Teoria de Probabilidades Variáveis Aleatórias Independência Estatística Considerando-se dois eventos A e B , se A não depende de B então: P(A|B) = P(A) =⇒ P(A,B) = P(A|B)P(B) = P(A)P(B) Resultados similares podem ser obtidos para variáveis aleatórias em termos da função de distribuição e da função densidade de probabilidade p(x 1 |x 2 ) = p(x 1 , x 2 ) p(x 2 ) p(x 1 , · · · , xn) = p(x1, · · · , xk |xk+1, · · · , xn)p(xk+1, · · · , xn) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 18 / 45 Teoria de Probabilidades Variáveis Aleatórias Independência Estatística Assim, se n variáveis aleatórias são independentes então: F (x 1 , x 2 , · · · , xn) = F (x1)F (x2) · · ·F (xn) p(x 1 , x 2 , · · · , xn) = p(x1)p(x2) · · · p(xn) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 19 / 45 Teoria de Probabilidades Variáveis Aleatórias Momentos da Variável Aleatória Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 20 / 45 Teoria de Probabilidades Variáveis Aleatórias Momentos da Variável Aleatória Médias de Variáveis Aleatórias O valor esperado ou valor médio de uma variável aleatória X é definido como mX = E{X} = ∫ ∞ −∞ xpX (x)dx Vários momentos de X têm especial importância e interpretação física. De maneira geral, são definidos pela fórmula: mi = E{X i} = ∫ ∞ −∞ x ipX (x)dx Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 21 / 45 Teoria de Probabilidades Variáveis Aleatórias Momentos da Variável Aleatória Médias de Variáveis Aleatórias A função característica ou função geratriz de momentos é geralmente definida a partir da transformada de Fourier da FDP Isto equivale a fazer f (x) = e−jwx na equação abaixo, em que j = √−1: PX (w) = E{e−jwx} = ∫ +∞ −∞ e−jwxpX (x)dx (5) Os momentos da VA X podem ser obtidos diretamente a partir da função característica: mi = 1 (−j)i ∂ i ∂w i [Px(w)]|w=0 (6) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 22 / 45 Teoria de Probabilidades Variáveis Aleatórias Momentos da Variável Aleatória Médias de Variáveis Aleatórias Os primeiros momentos são os mais importantes, usualmente relacionados com médias e medidas físicas: m 1 = mX = E{X} = média aritmética, valor médio, tensão média, média estatística; m 2 = PX = E{X 2} = média quadrática, potência total; m 3 = E{X 3} = medida de assimetria da função densidade de probabilidade (se simétrico: m 3 = 0); m 4 = E{X 4} = medida de achatamento da função densidade de probabilidade Além disso, m2 1 = E{X}2 é a potência DC Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 23 / 45 Teoria de Probabilidades Variáveis Aleatórias Momentos da Variável Aleatória Médias de Variáveis Aleatórias Pode-se também definir os momentos centrais de uma variável aleatória X , bastando substituir nas expressões anteriores x por x −mX O momento central mais importante é a variância, definida por var(X ) = σ2X = E{(X −mX )2} = ∫ ∞ −∞ (x −mX )2pX (x)dx A relação entre a variância e o valor médio quadrático é dada por σ2X = E{(X −mX )2} = E{X 2 − 2mXX + m2X} = E{X 2} − 2mXE{X}+ m2X = E{X 2} −m2X Ou seja: var(X ) = σ2X = m2−m21 = E{X 2}−E{X}2 é a potência AC Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 24 / 45 Teoria de Probabilidades Variáveis Aleatórias Funções de Variável Aleatória Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 25 / 45 Teoria de Probabilidades Variáveis Aleatórias Funções de Variável Aleatória Transformação de FDP's A teoria de funções de uma variável aleatória é rica em aplicações na Engenharia Se pX (x)dx = pY (y)dy , a transformação de FDP's é dada por: pY (y) = pX (x) |dy/dx | |x=f −1(y) (7) A fórmula acima supõe a existência da inversa da função em todos os pontos, assim como sua derivada Como a probabilidade é sempre positiva e como dy/dx pode ser negativo, deve-se tomar o módulo da derivada Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica)Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 26 / 45 Teoria de Probabilidades Variáveis Aleatórias Funções de Variável Aleatória Transformação de FDP's A fórmula geral para o cálculo da transformação de FDP (que inclui os casos em que a função apresenta inversa apenas por partes, ou não apresenta inversa em todo o intervalo) é obtida com a ajuda da função impulso: Se a função tem inversa apenas nos intervalos i , dados por f −1i (y) e fica constante nos intervalos j , então: pY (y) = ∑ i pX (x) |dy/dx | |x=f −1(y) + ∑ j ajδ(y − yj) (8) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 27 / 45 Teoria de Probabilidades Variáveis Aleatórias Funções de Variável Aleatória Função de Distribuição Conjunta Pode-se definir a função de distribuição e a função densidade de probabilidade para mais de uma variável aleatória Consideram-se n variáveis aleatórias denotadas por Xi , i = 1, · · · , n A função de distribuição conjunta é definida como F (x 1 , · · · , xn) = P(X1 ≤ x1,X2 ≤ x2, · · · ,Xn ≤ xn) = ∫ x 1 −∞ · · · ∫ xn −∞ p(u 1 , · · · , un)du1 · · · dun Sendo a fdp conjunta dada por p(x 1 , · · · , xn) = ∂ n ∂x 1 · · · ∂xnF (x1, · · · , xn) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 28 / 45 Teoria de Probabilidades Variáveis Aleatórias Funções de Variável Aleatória Função de Distribuição Conjunta A partir da FDP conjunta pode-se obter a distribuição de uma variável aleatória Xi integrando-se a fdp conjunta em relação às demais p(x 1 ) = ∫ ∞ −∞ · · · ∫ ∞ −∞ p(x 2 , · · · , xn)dx2 · · · dxn Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 29 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Roteiro 1 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística 2 Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 30 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana A variável aleatória com FDP gaussiana ou Normal é uma das mais importantes em Comunicações A maioria dos processos de ruído observados na prática é gaussiana O ruído presente em sistemas de comunicações (analógicos ou digitais) é geralmente considerado gaussiano O ruído é considerado o resultado de múltiplos fatores Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 31 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana A variável aleatória Gaussiana geral tem dois parâmetros: mX representa o valor médio da FDP σ2X representa a variância da FDP Utiliza-se a notação X ∼ N(mX , σ2X ) para indicar que X tem distribuição normal (ou gaussiana) com média mX e variância σ 2 X Suas FDP e FCP são: pX (x) = 1 σX √ 2pi e − (x−mX ) 2 2σ2 X (9) FX (x) = 1 σX √ 2pi ∫ x −∞ e − (x−mX ) 2 2σ2 X dx (10) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 32 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 33 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana A variável aleatória Gaussiana com média zero e variância unitária é dada por: pX (x) = 1√ 2pi e− x2 2 (11) FX (x) = 1√ 2pi ∫ x −∞ e− x2 2 dx (12) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 34 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana O valor da integral da FCP não pode ser calculado diretamente Utiliza-se a função Q(.) para calcular a integral: Q(y) = 1√ 2pi ∫ +∞ y e− x2 2 dx (13) Para a PDF do slide anterior, a CDF é dada por FX (x) = 1− Q(x) A função Q(x) é largamente tabelada e pode ser encontrada na maioria dos livros de tabelas matemáticas Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 35 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana Pode ser demonstrado que: Q(x) ∼= 1 x √ 2pi e− x2 2 , x � 1 (14) A função Q(x) tem uma relação próxima com as funções erro (erf (x)) e erro complementar (erfc (x)): erfc(x) = 2Q(x √ 2) (15) Q(x) = 1 2 [1− erf ( x√ 2 )] (16) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 36 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Gaussiana A função Q(.) é muito útil para avaliar probabilidades na forma Prob(X > x) Assim: Pr(X > x) = ∫ +∞ x−mX σX 1√ 2pi e− t2 2 dt (17) Ou seja: Pr(X > x) = Q( x −mX σX ) (18) A FCP de uma gaussiana pode ser escrita como: FX (x) = Q( x −mX σX ) (19) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 37 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Uniforme A FDP uniforme é constante em um intervalo [a, b): pX (x) = { 1 b−a , a ≤ x < b, 0, cc (20) FX (x) = 0, x < a, x−a b−a , a ≤ x < b, 1, x ≥ b (21) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 38 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Exponencial Uma V.A. exponencial tem as seguintes distribuições: pX (x) = 1 b e− x b u(x) (22) FX (x) = [1− e− x b ]u(x) (23) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 39 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição Senoidal Um tom senoidal tem FDP dada por: pX(x) = 1 pi √ V 2 − x2 , |x | < V (24) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 40 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição de Laplace A distribuição de Laplace é dada por: pX (x) = 1 2b e− |x| b (25) FX (x) = { 1 2 e |x| b , x < 0, 1− 1 2 e− x b , x ≥ 0 (26) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 41 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição de Laplace O sinal de voz pode ser modelado através de uma distribuição de Laplace, com a seguinte FDP: pX (x) = α 2 e−α|x | (27) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 42 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Distribuição de Rayleigh A distribuição de Rayleigh é empregada para modelar as estatísticas de amplitude de sinais em ambientes sujeitos a desvanecimento Esta distribuição representa o efeito de múltiplos sinais (refletidos ou refratados), que serão captados por um receptor sem que haja uma componente ou direção principal A FDP de Rayleigh é dada por: pX (x) = x σ2 e− x2 2σ2 u(x) (28) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 43 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Outras distribuições importantes Gama Erlang Chi-quadrada Rice Cauchi Bessel Nakagami Lognormal etc... Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 44 / 45 Teoria de Probabilidades Variáveis Aleatórias Algumas Distribuições Importantes em Comunicações Referências Bibliográficas M. S. ALENCAR. Princípios de Comunicação. Editora Universitária UFPB, 1999. S. L. MILLER and D. G. CHILDERS. Probability and Random Processes with Applications to Signal Processing and Communications. Elsevier, 2012. A. B. CARLSON e P. B. CRILLY. Communication Systems - An Introduction to Signals and Noise in Electrical Communication. McGraw-Hill, Fifth Edition, 2010. B.P. LATHI e Z. DING. Sistemas de Comunicações Analógicos e Digitais Modernos. Rio de Janeiro: LTC, 2012. Notas de aula do prof. Edmar Nascimento, do Colegiado de Engenharia Elétrica da UNIVASF. Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Probabilidade e Variáveis Aleatórias Fevereiro 2016 45 / 45 Teoria de Probabilidades Introdução Probabilidade Condicional e Independência Estatística Variáveis Aleatórias Momentos da Variável Aleatória Funções de Variável Aleatória Algumas Distribuições Importantes em Comunicações
Compartilhar