Stohastički sistemi i estimacija (OS3SSE)
| Predmet | Status | Broj časova (P+V+L) | Krediti |
 Stohastički sistemi i estimacija (OS3SSE) |
|||
| Predavanja - Branko Kovačević, Predrag Tadić, Sanja Vujnović | |||
| Vežbe - Maša Tiosavljević |
|||
Način polaganja ispita: U toku semestra će studenti dobiti dva domaća zadatka koja će braniti pred nekim od saradnika angažovanih na predmetu. Ovi domaći zadaci nose po 5 poena. Na sredini kursa će biti organizovan kolokvijum koji pokriva jednu polovinu gradiva. Kolokvijum nosi 30 poena, a u toku ispitnog roka, prema zvaničnom rasporedu, održaće se ispit koji nosi 60 poena. Student koji je nezadovoljan rezultatom na kolokvijumu ili nije radio kolokvijum može da polaže integralni ispit koji nosi 90 poena. Ova pravila važe za januarski i februarski ispitni rok. Za preostale ispitne rokove studenti mogu da rade isključivo integralni ispit koji se boduje sa 90 poena.
Tim predmeta na MS Teams platformi 2024/25: 13E053SSE - Stohastički sistemi i estimacija Kod za direktni pristup timu: uxkgwj9
13E053SSE - Obaveštenja
- 26.9.2024. U ponedeljak 30.9. neće biti održane vežbe. Prvi čas iz ovog predmeta održaće se u četvrtak 3.10. u terminu predavanja.
13E053SSE - Materijali
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.
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
13E053SSE - Rokovi
- Kolokvijum 19/20
- Jan 19
- III test 2015/16: grupa 1
- II test 2015/16: grupa 1, grupa 2
- Jun 14
- Jan14
- Jan13
- Feb 12 - integralni
- Feb 12 - zavrsni
- Jan 12 - integralni
- Jan 12 - zavrsni
- Test 3 2012
- Test 2 2012
- Test 1 2012
- Okt 11
- Sep 11
- Jul 11
- Jun 11
- Feb 11
- Jan 11
- Test I 10
- Okt2 10
- Okt 10
- Sep 10
- Jun 10
- Jan 10
- Nov 09 I kol
- Okt 09
- Sep 09
- Jun 09
- Februar 2009
- Primer ispita/kolokvijuma
- Januar 2009 (ispit)
- Januar 2009 (kolokvijum)
- I kolokvijum 2008/09
- Okt 08
- Jun 08
- Feb 08
- II kol 07/08
- I kol 07/08
- I kol 06/07
- Feb 05
- Jan 05
- Nov 04
13E053SSE