Stochastic processes : Estimation and prediction [ LINMA1731 ]

A l'issue de cet enseignement, les étudiants seront en mesure : - D'utiliser les grandeurs qui caractérisent des variables aléatoires et les processus stochastiques; - De caractériser et utiliser les processus stationnaires et leur description spectrale; - D'utiliser les principaux estimateurs, et de caractériser leurs performances ; - De synthétiser des prédicteurs, filtres ou lisseurs de Wiener ou de Kalman.

néant

- Probabilités, variables aléatoires, moments, changement de variable - Processus stochastiques, indépendance, stationnarité, ergodisme, représentation spectrale, modèles classiques de processus stochastiques - Estimation, biais, variance, bornes, convergence, propriétés asymptotiques, estimateurs classiques - Filtrage, prédiction, lissage, estimateurs de Wiener, de Kalman - L'apprentissage sera basé sur des cours entrecoupés de séances de travaux pratiques (exercices en salle et/ou en salle informatique à l'aide du logiciel MATLAB) ainsi que sur un projet réalisé par groupes de 2 ou 3 étudiants.

• FSAB1106 (ou formation équivalente en signaux et systèmes)
• FSAB1105 (ou formation équivalente en probabilités et statistiques)

Mode d'évaluation: l'évaluation sera basée sur un examen écrit d'exercices, à livre ouvert, et sur une entrevue portant sur le projet.

- Pré-requis : 

• FSAB1106 (ou formation équivalente en signaux et systèmes)
• FSAB1105 (ou formation équivalente en probabilités et statistiques)

- Support : les notes de cours des co-titulaires sont disponibles.