Adquiriendo señal…
Adquiriendo señal…
Lección 7 de 9· Matemáticas
0 de 9 lecciones · 0 %
Una senoide es predecible: en un milisegundo vale siempre lo mismo. La salida de un sensor ruidoso no: mídela tres veces y obtendrás tres trazas, que en el mismo milisegundo valen 0.01, −1.24 y −2.23 mV en el modelo del video 7.1. Un proceso aleatorio es una familia de variables aleatorias indexada por el tiempo; cada traza observada es una realización, y el conjunto de todas, con sus probabilidades, es el proceso.
Hay dos maneras de mirarlo. Fijar el instante y recorrer las realizaciones da una variable aleatoria , con su media y su varianza. Fijar la realización y recorrer el tiempo da una señal ordinaria. Los procesos se clasifican además por el tiempo (continuo o discreto) y por el estado (continuo o discreto): la temperatura de un panel, el número acumulado de impactos, la tensión muestreada y el enlace arriba/caído son los cuatro casos.
La segunda estadística clave es la autocorrelación, que compara el proceso consigo mismo en dos instantes:
Un proceso es estacionario en sentido amplio (ESA) si su media no depende del tiempo y su autocorrelación solo depende del retardo : . Un ruido más una rampa rompe lo primero (su media pasa de 0.77 a 2.24 en el video); un ruido de amplitud creciente rompe lo segundo (su varianza pasa de 0.58 a 2.08).
Tres propiedades, demostradas. Para un proceso ESA real:
Ejemplo: la portadora de fase aleatoria. con uniforme en . Como , la media es cero. Con la identidad del producto de cosenos,
que solo depende de : es ESA. Su autocorrelación no se apaga, oscila: la señal es periódica.
El ruido blanco discreto es una sucesión de muestras independientes de media cero y varianza : si y en otro caso. Con , el video 7.3 estima frente a 4 teóricos y en los demás retardos nada mayor que 0.18: puro azar de estimar.
El proceso AR(1), deducido. Pasamos el blanco por el filtro más simple con memoria: , con . Si el proceso es estacionario, tomar varianzas en los dos lados (con independiente de ) da
Multiplicando la ecuación por con y tomando esperanzas, como es independiente del pasado, ; por inducción,
Con , la autocorrelación normalizada vale 0.90, 0.59 y 0.35 en = 1, 5 y 10, y las estimaciones del video coinciden (0.90, 0.58, 0.33). El ruido coloreado tiene memoria: la traza se suaviza. El color del ruido es su memoria.
El paseo aleatorio. Con y , . Su media es cero, pero su varianza es la suma de varianzas: . No es estacionario: doscientas trayectorias se abren en abanico con una dispersión que crece como (varianzas estimadas de 9.8, 91.5 y 1000.7 en = 10, 100 y 1000). Es el modelo de ruido blanco integrado, como la deriva angular de un giróscopo.
Ruido de fase. Un oscilador local cuya fase hace un paseo aleatorio continuo con varianza pierde coherencia: para una fase gaussiana. Con rad²/s el tiempo de coherencia es s; trescientas realizaciones del video estiman 1.76 s.
En la práctica solo se mide una traza larga. Un proceso es ergódico (en la media) si el promedio temporal de una realización converge al promedio del conjunto. Un nivel fijo de 1 mV más ruido blanco lo es. Pero si cada realización lleva una constante distinta elegida al azar, cada promedio temporal converge a su constante (2.37, −0.35 y −1.58 en el video) mientras el conjunto vale casi cero: el proceso es estacionario y no ergódico. Una traza no basta.
Un proceso AR(1) con a = 0.9 tiene potencia 1. ¿Cuánto vale su autocorrelación en el retardo k = 10?
En el laboratorio hay dos mil realizaciones de un AR(1) y se ven cuatro, con la banda medida sobre el conjunto. Arrastra el corte y el panel inferior muestra el histograma de los dos mil valores en ese instante. Al lado, la autocorrelación estimada con una sola realización larga se compara con la del conjunto. Cambia a «Paseo aleatorio» para ver crecer la varianza, o a «Constante al azar» para ver fallar la ergodicidad.
La memoria del ruido tiene una segunda cara: en frecuencia. La lección 8 muestra que la autocorrelación y la densidad espectral de potencia son un par de Fourier (Wiener-Khinchin), qué le hace un filtro a esa densidad y de dónde sale físicamente el piso de ruido: .
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Probabilidad y procesos: del azar al ruido».