13E053SSE

13E053SSE - Materijali

 Plan i program predmeta

 

Predavanja

•  Estimacija 01 - Uvod
•  Estimacija 02 - NEMV
•  Estimacija 03 - CRDG
•  Estimacija 04 - Linearni modeli
•  Estimacija 05 - RBLS teorema
•  Estimacija 06 - NLNE
•  Estimacija 07 - EMV
•  Estimacija 08 - Bayesovska estimacija
•  Estimacija 09 - Opšta BE
•  Estimacija 10 - Linearna BE
•  Estimacija 11 - Kalmanov filtar

 

Računske vežbe

•  01 Uvod u verovatnoću
•  02 Slučajne promenljive
•  03 Slučajni vektori
•  04 Uslovne raspodele
•  05 Funkcije dve slučajne promenljive
•  06 Estimacija
•  07 Slučajni procesi
•  08 Gauss-Markovski procesi
•  09 Svojstva slučajnih procesa
•  10 Spektralna faktorizacija
•  11 Wiener
•  12 Kalman
•  2D normalna raspodela
•  Rešeni ispitni zadaci
•  Primena 2D DFT na analizu slike

Matlab kodovi sa predavanja

•  Centralna granična teorema
•  Moivre - Laplace teorema
•  Generisanje slučajne promenljive
•  Gausovski slučajni vektori

Python kodovi sa predavanja

Najjednostavniji način da pokrenete ove primere jeste da ih kopirate na svoj Google Drive i da ih otvorite u Colab-u (desni klik, Open with > Colaboratory). Alternativa: Jupyter Notebook.

• Poredjenje estimatora
• Maksimalna verodostojnost
• Gauss-Markovljev model

Domaći zadaci

•  Spisak studenata
•  Prvi domaći zadatak 2022/23
•  Prvi domaći zadatak - Raspored i termini odbrane
• Drugi domaći zadatak 2019/20

Preporučena literatura

• B. Kovačević, Ž. Đurović, Fundamentals of Stochastic Signals, Systems and Estimation Theory with Worked Examples, Akademska misao
• M. Merkle, P. Vasić, Verovatnoća i statistika sa primenama i primerima, ETF Beograd
• Steven M. Kay, Intuitive Probability and Random Processes Using Matlab, Springer
• Steven M. Kay, Fundamentals of statistical signal processing, volume I: Estimation theory, 1993