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
