ESCUELA POLITCNICA DEL EJRCITO EXTENSIN

LATACUNGA

Lagla Quinaluisa Johana Estefana.

Electrnica e Instrumentacin, Quinto Nivel, Escuela Politcnica del Ejrcito Extensin Latacunga,
Mrquez de Maenza S/N Latacunga, Ecuador.
Email: johastefy_365@hotmail.com
Fecha de presentacin: 09 de febrero del 2015

PROCESOS ERGDICOS
RESUMEN
Un sistema es Ergdico si el nico conjunto invariante de medida no nula de la hipersuperficie de
energa constante del espacio de las fases es toda la hipersuperficie de energa constante. X (t) es un
proceso Ergdico si y solo si todas sus medias estadsticas de la familia pueden ser
intercambiadas por sus correspondientes medias temporales. Es decir una simple realizacin
temporal es representativa de todo el proceso. Que un proceso sea Ergdico implica que ste sea
estacionario, pero al revs no.

ABSTRACT
A system is ergodic if the only invariant set of nonzero measure of constant energy hypersurface of
phase space is the whole constant energy hypersurface. process is ergodic if and only if all its
statistical averages of the family will be exchanged for the corresponding time averages. Ie a simple
temporal embodiment is representative of the entire process. That a process is ergodic implies that
it is stationary, but not backwards.

PALABRAS CLAVES

Clave 1
Clave 2
Clave 3

Procesos
Ergdico
Hipersuperficie

E[ X t ]

OBJETIVOS

Determinar que un proceso ergdico

Entonces el promedio de la serie de

se puede aplicar siempre y cuando

tiempo converge a

, es decir:

es estacionario

Determinar

que

los

procesos

ergdico cumple que los promedios

totales son los mismos promedios en

La ergodicidad en sentido estricto, si

el tiempo

Analizar las caractersticas de un

bien es fcil de definir formalmente,

no es fcilmente verificable dado el

proceso ergdico.

modelo del proceso.

Estudiar los tipos de ergodicidad.

Determinar la ergodicidad en algunos

Condiciones ms dbiles son la

ejemplos.

ergodicidad

Precisar que es un proceso ergdico.

ergodicidad en auto correlacin, que

Verificar que los procesos ergdicos

valen

cumplen con que los promedios

correlacin temporales coinciden con

conjuntos, son iguales a promedios

las estadsticas.

en

cuando

la

media

media

la

auto

en el tiempo
En un proceso estocstico uno puede
determinar ciertos parmetros de dos

DESARROLLO

formas:

1. Definicin

Se toma una muestra completa del

X (t) es un proceso ergdico si y solo

proceso (Ej: x1(t)) y se realizan

si todas sus medias estadsticas de

clculos sobre ella.

la familia pueden ser intercambiadas

Se toman los valores de todas las

por sus correspondientes medias

salidas posibles para un tiempo fijo tk

temporales. Es decir una simple

y se calcula el parmetro deseado. Si

realizacin

el valor del parmetro resulta igual

temporal

es

representativa de todo el proceso.

Que un proceso sea ergdico implica
que ste sea estacionario, pero al
revs no.

por los dos mtodos, se dice que el

proceso es Ergdico con respecto a
ese

parmetro.

Por

ergodicidad con respecto a la media

sera decir que:

Por lo tanto: Si la serie de tiempo X(t)

es estacionaria y ergdica con

ejemplo,

Esta

Ecuacin 1.- Ergodicidad con respecto a la

medida

ltima

relacin

es

importantsima ya que nos dice que a

pesar de que la seal es aleatoria, su

Para ello, disponemos de muestreos

auto correlacin, y por ende, su

de ambas seales en los instantes de

densidad espectral de potencia, son

tiempo nt, que llamaremos x[n] y

determinsticas. La demostracin es

h [n-k] (Donde n y k son enteros).

la siguiente:

Dara el mismo resultado tomar, por

Uno

ejemplo, x2(t) y promediarla en el

espectral de un proceso aleatorio

tiempo, o tomar los valores de x1(tk),

como el promedio de las densidades

x2(tk),......, xn(tk) y promediarlos.

espectrales

puede

definir

de

la

las

densidad

funciones

muestras as:
Es evidente que si un proceso es

|
|

ergdico tambin es estacionario y si

la

salida

representa

una

seal

elctrica, esta ser de potencia y se

Ecuacin 7.- Densidad espectral de un

cumplir que:

proceso

[ ]

Donde

es la transformada de

Fourier
Ecuacin 2.- Nivel D.C. de x (t)

del

proceso

aleatorio

truncado x (t) (t/T). Su mdulo al

cuadrado es igual a:
|

Ecuacin 3.- Potencia promedio total de

x (t)

[ ]

Ecuacin 4.- Potencia D.C. de x (t)

Ecuacin 8.- Modulo al cuadrado del proceso

[ ]
Estas

Ecuacin 5.- Potencia promedio A.C de x (t)

dos

integrales

pueden

expresarse como una integral doble

del producto de x (t1)x(t2), y como la
operacin de pro mediacin es otra

Ecuacin 6.- Densidad espectral de

Potencia

Siendo:

integral

ms,

puede

realizarse

primero; esto ltimo se expresara

como la pro mediacin previa del

producto x (t1)x(t2) . Queda entonces

que:

Ecuacin 9.- Densidad espectral de un

proceso entre

Para desarrollar la frmula de la

Figura 1.- rea de la integral doble sobre t2-t1

convolucion discreta partimos de dos

seales discretas x[n], la entrada del

Donde podemos reducir la segunda

sistema, y h[n] la respuesta del

sumatoria de la ecuacin de la

sistema, se puede definir como:

ecuacin de arriba:

Si el proceso es estacionario en el

Quedara 0.5(T- )2 - 0.5(T- -)2 (

sentido

del

Resta de las reas de los dos

auto

tringulos) esto es aproximadamente

correlacin evaluada en la diferencia

(T- ) cuando t t ende a cero. Para

de tiempos t2 - t1. La densidad

t negat vo el rea resulta (T+ ) .

espectral queda entonces igual a:

Por lo tanto el volumen, en la

producto

amplio,

el

x(t1)x(t2)

promedio
es

la

pequea zona ser F(t) (T- | | ) .

El volumen total es la densidad

espectral de potencia Gx(f), y resulta
igual a:

| |

La integral doble puede cambiarse

por una integral nica respecto a la

| |

diferencia (t2 - t ) = notando que el

argumento a integrar es constante

cuando (t2 - t1) lo es.

Eso significa que la integral doble

Finalmente,

sobre (t2, t1), lo cual es un volumen,

definicin de F(t), tendremos:

recordando

la

puede calcularse como el argumento

multiplicado por el rea de la base.

F { Rx() } = Gx (f) = Densidad

Espectral de Potencia

El clculo de esta rea puede verse

de la siguiente figura:

Una vez conocido esto, si el proceso

pasa por un sistema dado, se podr

conocer caractersticas de la salida

Teorema 2: Condicin Suficiente

de la siguiente forma:

a) Si el sistema es lineal, conocemos

la densidad espectral de potencia de

Teorema 3: Condicin Suficiente

la seal de entrada Gx(f) y el

cuadrado de la magnitud de la
funcin

transferencia

podremos

conocer

la

| |

|H(f)|2,
densidad

espectral de potencia de la seal de

2.1 Ergodicidad Respecto a la

Autocorrelacin

salida Gy(f) de la siguiente forma:

Definicin: Un P.E. X(t) es ergdico
Gy (f) = | H(f) |2 Gx (f)

respecto a la autocorrelacin si:

b) Si el sistema es no lineal,

podemos transformar el proceso de

X(t)

es

estacionario

en

sentido amplio

entrada con el conocimiento de la

funcin caracterstica.

La Autocorrelacin Temporal
es igual a la Autocorrelacin

2. Ergodicidad Respecto a la Media

Un P.E. X(t) es ergdico respecto a

ANLISIS DE

la media si:

X(t)

es

estacionario

en

RESULTADOS

es

Convule (n=4)

sentido amplio

El

promedio

temporal

igual a la media
- Un proceso ergdico tiene la
siguiente
Condiciones para que X(t) (WSS) sea

funcin

de

auto

correlacin:

ergdico respecto a la media

Teorema 1: Condicin Necesaria y

Determine: La densidad espectral

Suficiente

de

| |

potencia

potencia

del

promedio

proceso,
total,

la
la

potencia A.C, la potencia D.C y el

voltaje R.M.S.

a) La densidad espectral de potencia

dara el mismo resultado integrar la

es la transformada de Fourier de la

densidad espectral de potencia entre

auto correlacin, resultando entonces

menos infinito e infinito.

(por tablas de Fourier):

Potencia total = Potencia AC = Rx(0)
= A2
d) El voltaje R.M.S es igual a la raz
de la potencia AC.
b) La potencia DC es nula ya que en
f=0 no existe una delta de Dirac.

Es decir, VR.M.S = A.

c) La potencia AC en este caso es

igual a la potencia total, ya que la
potencia DC es nula. Al evaluar la
autocorrelacin en cero, tendremos
el valor de la potencia total. Tambin

CONCLUSIONES

Los sistemas ergdicos tienen el inters de que en ellos el promedio temporal de ciertas
magnitudes pueden obtenerse como promedios sobre el espacio de estados lo cual
simplifica las predicciones sobre los mismos.

Un sistema es ergdico si no existe un subconjunto del espacio de estados con una

medida finita que sea invariante por el conjunto de aplicaciones

Un proceso es ergdico si los parmetros estadsticos calculados en un conjunto de

realizaciones (promedios de conjunto) son iguales que los parmetros estadsticos
calculados en una nica realizacin (promedios temporales).

BIBLIOGRAFA Y/O ENLACES

Probabilidad, variables y seales aleatorias- Peebles/ tercera edicin/1999 /editorial El Tinter,

SAL

http://prof.usb.ve/tperez/docencia/1421/Capi/CAPITULO%20VI.pdf

http://iie.fing.edu.uy/ense/asign/mpd/recursos/procesos.pdf