Beruflich Dokumente
Kultur Dokumente
PRACTICA #05
Nombres:
Caracas, 29/11/2012
1. Crear una variable aleatoria con una distribución probabilística uniforme con 50
muestras (rand). Observe el histograma de esta variable aleatoria, utilizando para
ello el comando (hist). Repita este mismo experimento realizándolo para 4 variables
aleatorias de [100, 1000, 10000 y 100000]
Código
n1=0:50;
n2=0:100;
n3=0:1000;
n4=0:10000;
n5=0:100000;
va1=rand(size(n1));
va2=rand(size(n2));
va3=rand(size(n3));
va4=rand(size(n4));
va5=rand(size(n5));
media1=mean(va1);
media2=mean(va2);
media3=mean(va3);
media4=mean(va4);
media5=mean(va5);
subplot(3,2,1);
hist(va1);
xlabel('50 muestras media=')
subplot(3,2,2);
hist(va2);
xlabel('100 muestras media=')
subplot(3,2,3);
hist(va3);
xlabel('1000 muestras media=')
subplot(3,2,4);
hist(va4);
xlabel('10000 muestras media=')
subplot(3,2,5);
hist(va5);
xlabel('100000 muestras media=')
Gráficas
Medias Estadísticas
media1 =0.4997
media2 =0.5035
media3 =0.5023
media4 =0.4980
media5 =0.5002
Código
for i = 1:20
uniforme = rand(muestras,1);
y = y + uniforme;
end
salida = salida/20;
figure
hist(y);
title('Sumatoria de variables uniformes')
Gráfica
Conclusiones
Según la teoría del teorema del límite central se puede comprobar que a partir
de la sumatoria de ésta cantidad de variables aleatorias uniformes se puede obtener
una distribución Gaussiana, tal como se reprodujo en la grafica msotrada
anteriormente.
Código
muestras = 100000;
%Variable aleatoria con distribución gaussiana
Normal = randn(1,muestras);
hist(Normal)
title('Proceso Aleatorio con Distribución Gaussiana')
Gráfica
Conclusiones
4. Filtre una variable aleatoria de N(t) con un filtro pasabanda, lo cual da origen
al ruido pasabanda n(t) .
Código
Gráfica
Gráfica
Conclusiones
Se empleo la función "butter", la cual arroja los valores de los coeficientes del
numerador y denominador de la función de transferencia que describe a un filtro
Butterworth; estos son utilizados por la función "filter", quien a su vez genera un filtro
que según la manera en la que se ingresen sus parámetros, permitirá obtener un filtro
pasabanda (‘bandpass’), y así la señal de ruido filtrado. También podemos verificar
mediante el gráfico, que tenemos una función cuyo histograma nos refleja una
distribución Gaussiana, tal como se esperaba antes de aplicarle un filtro.
Código
%Autocorrelación de nh(t)
Rnh = xcorr(nh,nh);
Gráfica
Conclusiones
Código
Código
Código
hist(abs(nQ))
title('Histograma de componente de cuadratura')
hist(abs(nI))
title('Histograma de componente de Fase')
hist(abs(ruido))
title('Histograma de ruido pasabanda')
Gráficas
Conclusiones
Código
Ortogonal = median(nQ.*nI);
Ortogonal = -7.8577e-007
Codigo
P_n =0.1486
P_nI =0.1486
P_nQ =0.1486
Conclusiones
Código
Resultados
u_nI = -7.5303e-005
u_nQ = 0.0010
MEDIA_ruido =4.9479e-007
Código
% Envolvente de A(t)
At = sqrt((nQ).^2 + (nI).^2);
Código
figure(1);
subplot(2,1,1); hist(At);
title('Histograma de la envolvente A(t)')
subplot(2,1,2); hist(phit);
title('Histograma de phit')
Gráfica
Conclusiones