Skip to content
Open
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
107 changes: 107 additions & 0 deletions docs/2_7_4_ejemplos_de_determinacion.md
Original file line number Diff line number Diff line change
Expand Up @@ -5,3 +5,110 @@
### Secciones
- Ejemplo de determinación de la función característica VIII-XII (18 - 24)

<<<<<<< HEAD
=======
\[
m_n = (-j)^n \frac{d^n}{d\omega^n} \Phi_Y(\omega)\bigg|_{\omega=0}
\]

---

## Ejemplo de determinación de la función característica IX

\[
m_2 = (-j)^2 \frac{d^2}{d\omega^2} \Phi_Y(\omega) \Big|_{\omega=0}
\]

\[
= -1 \cdot \frac{d^2}{d\omega^2} \left[
0.0062\,e^{j\omega1} + 0.1525\,e^{j\omega2} + 0.6826\,e^{j\omega3} + 0.1587\,e^{j\omega4}
\right] \Bigg|_{\omega=0}
\]

\[
= -1 \left[
(-0.0062)\,e^{j\omega1} + (-0.6100)\,e^{j\omega2} + (-6.1434)\,e^{j\omega3} + (-2.5392)\,e^{j\omega4}
\right]_{\omega=0}
\]

\[
m_2 = 9.2988
\]

---

## Ejemplo de determinación de la función característica X

**Confirmación con la definición directa:**

\[
E(Y^2) = \int_{-\infty}^{+\infty} y^2 f_Y(y)\,dy
\]

\[
= \int_{-\infty}^{+\infty} y^2 \left[
0.0062\,\delta(y - 1) +
0.1525\,\delta(y - 2) +
0.6826\,\delta(y - 3) +
0.1587\,\delta(y - 4)
\right] dy
\]

\[
= 0.0062 \cdot 1^2 +
0.1525 \cdot 2^2 +
0.6826 \cdot 3^2 +
0.1587 \cdot 4^2
\]

\[
= 0.0062 \cdot 1 +
0.1525 \cdot 4 +
0.6826 \cdot 9 +
0.1587 \cdot 16
\]

\[
E(Y^2) = 9.2988
\]

Resultado coincide con el obtenido por derivación de la función característica..

---

## Ejemplo de determinación de la función característica XI

**Cálculo de la media \( E[Y] \):**

\[
E[Y] = \int_{-\infty}^{+\infty} y f_Y(y)\,dy
\]

\[
= 0.0062 \cdot 1 + 0.1525 \cdot 2 + 0.6826 \cdot 3 + 0.1587 \cdot 4
\]

\[
E[Y] = 0.0062 + 0.3050 + 2.0478 + 0.6348 = 2.9938
\]

---

## Ejemplo de determinación de la función característica XII

El resultado \( E[Y] = 2.9938 \) tiene sentido porque es muy cercano a 3, donde está concentrada la mayor probabilidad según \( f_Y(y) \).

Entonces la **varianza** es:

\[
\sigma_Y^2 = E[Y^2] - (E[Y])^2 = 9.2988 - (2.9938)^2 = 0.3360
\]

Y la **desviación estándar**:

\[
\sigma_Y = \sqrt{0.3360} = 0.5796
\]

Esto indica una **dispersión baja**, lo cual concuerda con la fuerte concentración de valores alrededor de 3.
>>>>>>> 69a5172 (Transcripción de función característica)