Alzate Monroy, Marco Aurelio2019-09-192019-09-19http://hdl.handle.net/11349/19545En ingeniería de redes es necesario que los modelos de tráfico capturen las principales características estadísticas del tráfico moderno. En este sentido, los modelos autosimilares son los únicos que representan las complejas estructuras de correlación que este tráfico moderno exhibe en un amplio rango de escalas de tiempo. Desafortunadamente, la gran variabilidad de estos modelos dificultan enormente su análisis matemático. La transformada wavelet se ha venido conviritiendo en una poderosa herramienta para dicho análisis, pues elimina las complejas correlaciones al generar una serie de procesos independientes e idénticamente distribuidos que representan el tráfico original. En este artículo se hace una presentación sencilla y de manera tutorial tanto de la transformada wavelet como de su aplicación al estudio del tráfico autosimilar, en continuación de un artículo previo donde se presentaron de igual manera los conceptos más básicos sobre este tipo de tráfico [7]. El objetivo es ofrecer al lector mejores herramientas para iniciar el estudio del tema y, porqué no, para conducir su propia investigación al respecto.application/pdftext/htmlWavelet TransformSelf-Similar TrafficDetection and EstimationFBM Synthesis.Transformada waveletTráfico AutosimilarDetección y EstimaciónSíntesis de Movimiento Browniano Fraccional.Transformada waveletTráfico AutosimilarDetección y EstimaciónSíntesis de Movimiento Browniano Fraccional.info:eu-repo/semantics/article