M. Eisencraft 5.7 Amostragem e alguns teoremas sobre limites 7 5.7 Amostragem e alguns teoremas sobre limites Para quantificar os problemas associados às medidas práticas de uma VA, considere o problema de medir a tensão média dc) de uma tensão ruidosa aleatória. Suponha que tome-se uma sequência de amostras em um período de tempo em que se assume que as propriedades estatísticas da fonte permanecem inalteradas. Cada amostra pode ser considerada como o valor de uma de variáveis aleatórias estatísticamente independentes X n, todas tendo mesma distribuição de probabilidades. Assim, elas tem mesma média X e variância σx 2 Se queremos estimar ou medir) a média da tensão ruidosa, a intuição leva a obter a média dos valores medidos: X = estimativadamédiadeamostras = X n. 5.55) i= Esta equação é uma função do conjunto específico deamostras {x n }; ela fornece um número que chamamos de uma estimativa ou medida da média da VA. Uma pergunta importante é: quão bom é esta estimativa? Para responder, podemos calcular o valor esperado e a variância do estimador. E X = E X n = n= EX n = X,. 5.56) i= Qualquer estimador função de mensuração) para o qual a média iguala a quantidade sendo estimada é chamado de não-enviesiado. Para a variância σx 2 = E X X ) 2 2 = E X 2 X X + X 2 = E X 2 X 2 = X 2 +E = X 2 + 2 n= m= n= X n X m m= 5.57) 5.58) EX n X m 5.59)
M. Eisencraft 5.8 Variáveis aleatórias complexas 72 Mas, pela independência, EX n X m = EX 2 para m = n e EX n X m = X 2 para m n. Assim, σ 2 X = X 2 + 2 E X 2 ) + 2 ) X2 5.60) = E X 2 ) X 2 = σ2 X 5.6) Daí vemos que a variância de nosso estimador da média vai para zero quando. Este fato implica que para grande nosso estimador fornecer-a uma estimativa próxima da quantidade sendo estimada com alta probabilidade. Da mesma forma que a Eq. 5.55) é um bom estimador para a média, a expressão a seguir é um bom estimador para a variância de X,5 σ 2 X = n= X n X ) 2 5.62) Exercício 5.0. Uma tensão aleatória X se comporta aproximadamente como uma VA exponencial com um valor médio 4 e uma variância de 6. Onze amostras são tomadas tendo valores 0.V, 0.4, 0.9,.4, 2.0, 2.8, 3.7, 4.8, 6.4, 9.2 e 2.0V. Estime a média a variância desta VA a partir destas amostras e discuta o resultado. 5.8 Variáveis aleatórias complexas Uma variável aleatória complexa Z pode ser definida em termos de variáveis aleatórias reais X e Y por Z = X +jy 5.63) em que j =. Considerando-se valores esperados envolvendo Z, a densidade conjunta de X e Y deve ser usada. Por exemplo, se g ) for uma função real ou complexa) de Z, o valor
M. Eisencraft 5.8 Variáveis aleatórias complexas 73 esperado de gz) é obtido por EgZ) = gz)f X,Y x,y)dxdy. 5.64) Exercícios de Revisão para P Exercício 5.. 6 Existem 00 pacientes em um hospital com uma certa doença. Destes, 0 são selecionados para passar por um tratamento por drogas que aumenta a taxa de cura porcentual de 50% para 75%. Qual a probabilidade do paciente ter recebido o tratamento por drogas sabendo-se que ele foi curado? Exercício 5.2. 6 Seja X uma VA contínua com FDP kx, 0 < x < f X x) = 0, caso contrário 5.65) em que k é uma constante. a Determine o valor de k que esboce f X x) b Encontre e esboce a correspondente função distribuição de probabilidades F X x) c Encontre P 4 < X 2) Exercício 5.3. Seja X uma variável aleatória contínua com FDP uniforme entre a e b. Mostre que EX = a+b 2 σ 2 X = b a)2 2 5.66) 5.67)
M. Eisencraft 5.8 Variáveis aleatórias complexas 74 Exercício 5.4. 6 A FDP conjunta de uma VA bivariada X,Y) é dada por kx+y), 0 < x < 2,0 < y < 2 f XY x,y) = 0, caso contrário 5.68) a Encontre o valor de k b Encontre as FDPs marginais de X e Y c X e Y são independetes? Exercício 5.5. Suponha que a queda de neve anual quantidade de neve acumulada em metros) em dois hotéis de esqui alpinos vizinhos seja representada por variáveis aleatórias gaussianas conjuntas X e Y para as quais ρ = 0,82, σ X =,5m, σ Y =,2m e R XY = 8,476m 2. Se a queda de neve média no primeiro hotel é 0m, qual a taxa de queda média no outro hotel?
Referências Bibliográficas P. Z. P. Jr., Probability, Random Variables And Random Signal Principles, 4th ed. ew York: Mcgraw-Hill, 200. 2 B. P. Lathi, Modern Digital and Analog Communication Systems, 3rd ed. ew York, Y, USA: Oxford University Press, Inc., 998. 3 A. V. Oppenheim, A. S. Willsky, and S. H. awab, Sinais e sistemas, 2nd ed. São Paulo: Pearson Prentice Hall, 200. 4 R. E. Ziemer and W. H. Tranter, Principles of Communications, 6th ed. Wiley Publishing, 2008. 5 S. M. Kay, Fundamentals of statistical signal processing: estimation theory. Upper Saddle River, J, USA: Prentice-Hall, Inc., 993. 6 H. P. Hsu, Probability, Random Variables, & Random Processes, ser. Schaum s Outline Series. McGraw-Hill, 997. 75