Академический Документы
Профессиональный Документы
Культура Документы
Tarea N1
Procesos Aleatorios.
Jorge Pezoa.
1.
Desarrollo Problema.
El espacio de muestra que corresponde a cada uno de estos Discos, asociado a este problema es: = {{Disco1}, {Disco2}, {Disco3}....{DiscoN }}
En donde N N Las observaciones en el espacio de muestra quedan denidas como: {1 , 2 ....N } Es decir, en donde 1 = Al evento de acceder un Disco de utilizacin normal o 2 = Al evento de acceder un Disco de utilizacin mayor o Un evento imposible (probabilidad = 0), se establece cuando: 3 = Al evento de NO se pueda acceder a un Disco 4 = Al evento de acceder a un Disco mayor a N Consideramos un sistema con N=10 Discos. donde solo el 10 % de estos Discos tiene un nivel de utilizacin ms alto que los otros, es decir, solo uno en este caso. o a Los otros nueve discos tienen la misma probabilidad de ser elegidos entre ellos. Para efectos prctia cos consideraremos los ultimos discos como los ms usados. a Ahora quedando en claro lo anterior, se dene a variables aleatorias X e Y, las que representan las cantidades de veces que se accede a un Disco de utilizacin normal y a un Disco de utilizacin o o mayor, es decir X [1, 0,9N ] Y [0,9N, N ] Luego teniendo en cuenta que cada una de estas variables posee su propia funcin de distribucin o o uniforme discreta, las cuales son: 1 P (x = X) = 0,9N P (y = Y ) = 1 0,1N
x
P (x X) =
1 0,9N
xi
i= y
1 P (y Y ) = 0,1N
yi
i=
As solo basta el responder a la pregunta que dice Cul de estas variables aleatorias entrega , a mayor informacin sobre el problema?, en donde la respuesta queda a la luz cuando se analiza que, o Y solo representa un evento del espacio de muestra, en cambio X dene prcticamente el problema a completo, es decir que la variable aleatoria X entrega mayor informacin. o
2.
Desarrollo Problema.
El espacio de muestra que corresponde al tiempo de escritura de los Discos, es denido como: = {]0, nf[}
Las observaciones en el espacio de muestra quedan denidas como: {1 , 2 ....N N} Es donde 1 = Al evento de tardanza de escritura de un Disco de utilizacin normal o Se piensa que el problema debiese seguir una distribucin del tipo exponencial, ya en lo que se trata o la escritura de Discos el tiempo de escritura es muy pequeo, es decir del orden aproximado de los n milisegundos (ms), entonces se tiene que f (x) = ex 0 si x 0 en otro caso (1)
Con valor esperado y la varianza de una variable aleatoria X con distribucin exponencial en (1) se o 1 tiene que = E[X] , Toma ese valor porque el rea bajo la curva es mayor en ese intervalo. Luego a como el acceso no tiene inuencia sobre el tiempo de espera podemos decir que los Discos de mayor prioridad siguen la misma distribucin que los de menor prioridad. o
3.
Desarrollo Problema.
El espacio de muestra que corresponde al nmero de accesos a la pgina de la UdeC, es denido u a como = {{0accesos}, {1accesos}, {2accesos}....{N accesos}} En donde N N Luego, se dene la funcin de masa de probabilidad (pmf) de la distribucin de Poisson, que eso o tar dada por a k e fx (k) = k! As tambin la funcin de distribucin acumulada (CDF) que se denota como sigue e o o
k
Fx (k) =
i!
i e i!
Donde se dene a : parmetro positivo que representa la frecuencia esperada del fenmeno modelado por la distria o bucin. o k: variable no negativa que denota el nmero de xitos que se desea que ocurra. u e Luego, debemos obtener la probabilidad de que el nmero de accesos sea mayor o igual a N0 , u para lo cual trabajaremos con la CDF. As entonces, la probabilidad de que el sistema operativo genere un reporte es: P (X N0 ) = 1 P (X < N0 ) P (X N0 ) = 1 P (X < N0 1)
N0 1
P (X N0 ) = 1 e
i=0
i i!
Para este problema es igual a 2, lo que nos quiere decir que se esperan en promedio 2 accesos por minuto al servidor (para esta distribucin la media y la varianza son iguales a ). Ahora, evaluamos o con N0 = 10 y reemplazando en la ecuacin anterior resulta o
9
P (X 10) = 1 e
2 i=0
2i i!
P (X N0 ) = 1
20947e2 2835
P (X N0 ) 4,6498 105 El cdigo MATLAB que trata de implementa lo expuesto, ya que por el comando poissrnd es o ciertamente probable que solo se trate de un valor cercano al esperado, entonces as se tiene: clc;close all;clear all; NO=10; Total=1e06; Z=poissrnd(2,1,Total) A=sum(Z>=NO) Prob=A/Total
4.
4.1.
Desarrollo Problema.
Parte Teorica
En este problema se trabajara con la transformacin T(.): o Y = aX + b
Con a = 27 y b=8192; Adems de que X es una variable aleatoria discreta, pues puede tomar valores nitos, lo mismo a ser para Y, debido a que tanto X y T (.) lo son, de igual modo tendr una distribucin con una a a o forma semejante a X, ya que solo estamos amplicando y desfasando a la variable aleatoria X. Luego, sabiendo que X sigue una distribucin FX (x), la variable aleatoria Y tendr la siguiente o a distribucin: o FY (y) = P {Y y} FY (y) = P {aX y b} FY (y) = P {X yb } a yb FY (y) = FX ( ) a
b 1 Donde es claramente apreciable que X esta desplazada a y se contrae a , todo esto respecto a la CDF de X, que mantiene su forma de Distribucin despus de la transformacin. o e o
4.2.
Parte Prctica a
Sea el siguiente cdigo MATLAB, denido como: o Imagen = double(imread(trees.tif)); % Lee una imagen X = Imagen(:); % Transforma la matrix Imagen en el vector X que corresponde a una v.a. figure(1);imshow(Imagen,[0 255]); % Despliega imagen [p x]= hist(X(:),0:255); % Crea el histograma de la imagen p = p/length(X); figure(2);stem(x,p); % Despliega el histograma de la imagen Entonces se puede dar respuesta a las siguientes preguntas: A qu corresponde el histograma? e El comando hist sobre el vector X se tiene que el vector p, tendr asociado a cada valor de intena sidad una cierta funcin de probabilidad (pdf), para una variable aleatoria X. o Qu hace el comando plot(x,cumsum(p))? e El comando cumsum(p)retorna un vector de la misma dimensin de p con la suma acumulada de o cada uno de sus elementos. Luego el comando plot(x,cumsum(p)) muestra el grco de intensia dad de color con respecto a la suma acumulada de los elementos del vector p, es decir la funcin de o distribucin acumulada (CDF). o Ejecutado ahora en MATLAB, lo siguiente a = 2^7; b = 8192; Imagen2 = a * Imagen + b; % Lee una imagen X2 = Imagen2(:); figure(3);imshow(Imagen2,[b 255*a+b]); [p2 x2]= hist(X2(:),256); p2 = p2/length(X2); figure(4);stem(x2,p2); Se puede apreciar de mejor manera lo dicho ya en la parte Terica, ejecutando el cdigo anterior o o con una nueva imagen, resultando Para X
Para a*X+b
Luego, los histogramas son semejantes, debido a que la transformacin es lineal. La imagen transo formada tiene valores de intensidad mucho ms altos que los del vector original, los cuales estn a a muy por fuera del rango de la escala de grises.
5.
5.1.
Desarrollo Problema.
Parte Terica o
Sean las variables aleatorias continua, independientes y uniforme, denidas como: X,Y y Z en donde el soporte es denido en los intervalos correspondientes [-10,10],[0,1]y[1,2]. Luego, se denen para las variable aleatorias X,Y y Z, sus respectivas funcin de densida de probao bilidad (pdf) que son: 1 20 10 x 10 fX (x) = (2) 0 en otro caso fY (y) = fZ (z) = 1 0x1 0 en otro caso 1 1x2 0 en otro caso distribucin acumulada (CDF). o x < 10 10 x 10 x > 10 x<0 0x1 x>1 x<1 1x2 x>2 (3) (4)
(5)
0 x1 FY (y) = 1 0 x2 FZ (z) = 1
(6)
(7)
10
FW (W ) =
10 10 2
FW (W ) =
10 1
FW (W ) =
10 10 1
FW (W ) =
10 1
Donde, queda demostrado que la CDF de W se dene como FW (W ) = FY (W ) fZ (W ) fX (W ) De igual forma, para la pdf de W se tiene que fW (W ) = fY (W ) fZ (W ) fX (W )
5.2.
Parte Prctica a
Calculando en MATLAB la suma W = X + Y + Z una gran cantidad de veces, es decir clc;close all;clear all; N=1e06; X=(20*rand(1,N)-10); Y=rand(1,N); Z=(rand(1,N)+1); W=X+Y+Z; hist(W,N/10000); dom=-10:.01:13; %Numero de muestras (1 million) %V.A.==> X %V.A.==> Y %V.A.==> Z %Suma %Histograma %Dominio
6.
6.1.
Desarrollo Problema.
caso 1
Si consideramos a X e Y, variables aleatorias independientes entre si E[XY ] = E[X]E[Y ] y con media nula E[X] = 0 ; E[Y ] = 0, en donde se tiene E[XY ] = 0, que representa la ortogonalidad de ambas variables y su NO correlacin, de forma similar ser el resultado, si solo una de las variables o a fuera independiente.
6.2.
caso 2
Ahora, consideremos que X e Y no son independientes (dependiente), pero si su correlacin o satisface que E[XY ] = E[X]E[Y ] = 0 no se podr decir con seguridad si las variable X e Y, son a ortogonales o no. Entonces se cumple que, si solo una de las variable aleatorias posee media nula E[X] = 0 E[Y ] = 0, quiere decir que representa ortogonalidad y correlacin. o o
Agradecimientos
La siguiente tarea fue comentada, discutida y analizada en ayuda con: Emilio Tramon. Natali Snchez. a Maykoll Palacios. Alvaro Alarcn. o