Guía docente de Sistemas Estocásticos. Estimación de Señales (M42/56/2/46)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- María Jesús García-Ligero Ramírez
Breve descripción de contenidos (Según memoria de verificación del Máster)
1. Fundamentos de la teoría de sistemas dinámicos.
2. Fundamentos del problema de estimación.
3. Estimación en sistemas lineales discretos.
4. Estimación en sistemas lineales discretos con observaciones inciertas.
Prerrequisitos y/o Recomendaciones
Para realizar este curso es necesario tener conocimientos sobre Estadística, Probabilidad y Procesos Estocásticos a nivel de la formación que proporcionan las titulaciones de Estadística, Matemáticas y Física.
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
OBJETIVOS:
- Conocer y comprender los fundamentos y nociones básicas de la teoría de sistemas dinámicos. Reconocer los elementos para la descripción matemática de un sistema.
- Conocer los fundamentos del problema de estimación.
- Adquirir destreza en la resolución de problemas de predicción, filtrado y suavizamiento en sistemas lineales discretos y en la obtención de algoritmos para el cálculo de los estimadores.
- Adquirir habilidad en la formulación y resolución del problema de estimación de señales a partir de observaciones inciertas.
El alumno sabrá/comprenderá:
- Los fundamentos y nociones básicas de la teoría de sistemas dinámicos. Reconocer los elementos para la descripción matemática de un sistema.
- Los fundamentos del problema de estimación.
- Resolución de problemas de predicción, filtrado y suavizamiento en sistemas lineales discretos y en la obtención de algoritmos para el cálculo de los estimadores.
El alumno será capaz:
- Adquirir habilidad en la formulación y resolución del problema de estimación de señales a partir de observaciones inciertas.
Programa de contenidos Teóricos y Prácticos
Teórico
Tema 1. Fundamentos de la teoría de sistemas dinámicos.
- Etapas en el estudio de un sistema dinámico.
- Descripción matemática de un sistema dinámico.
- Sistemas lineales en tiempo continuo.
- Sistemas lineales en tiempo discreto.
- Análisis cualitativo de sistemas lineales
Tema 2. Fundamentos del problema de estimación.
- Formulación del problema de estimación.
- Solución del problema de estimación.
- Estimación lineal mínimo cuadrática.
Tema 3. Estimación en sistemas lineales discretos.
- Modelo de espacio de estados
- Predicción óptima
- Filtrado óptimo
- Suavizamiento óptimo
Tema 4. Estimación en sistemas lineales discretos con observaciones inciertas.
- Sistemas con observaciones inciertas
- Estimación óptima de mínimos cuadrados
- Estimación lineal mínimo cuadrática
Práctico
TEMARIO PRÁCTICO:
- Se realizarán relaciones de problemas y programas de los algoritmos estudiados mediante el software R o MATLAB
Bibliografía
Bibliografía fundamental
BIBLIOGRAFÍA FUNDAMENTAL:
- Aoki, M. (1989). Optimization of Stochastic Systems. Topics in discrete-time dinamics. Academic Press.
- Anderson, B. y Moore, J. (1979). Optimal Filtering. Prentice Hall. Englewood Cliffs. New Jersey.
- Evensen, G. (2007). Data Assimilation. The Ensemble Kalman Filter. Springer- Verlag, Berlin.
- Grewal, M.S. Y Andrews, A.P. (2001). Kalman Filtering: Theory and practice. John Wiley & Sons.
- Haykin, S. (2001). Kalman Filtering and Neural Networks. John Wiley & Sons.
- Kailath,T. Sayed, A.H. y Hassibi, B. (2000). Linear Estimation.
- Simon, D. (2006). Optimal State Estimation. John Wiley & Sons. Prentice Hall.
Bibliografía complementaria
BIBLIOGRAFÍA COMPLEMENTARIA:
- Chui, C.K. y Chen, G. (1999). Kalman Filtering with real-time applications. Springer-Verlag, New York.
- Weinert, H.L. (2001). Fixed Interval Smoothing for State Space Models. Kluwer Academic.
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
El artículo 17 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que la convocatoria ordinaria estará basada preferentemente en la evaluación continua del estudiante, excepto para quienes se les haya reconocido el derecho a la evaluación única final.
- Valoración de los conocimientos adquiridos mediante la realización de un trabajo con los principales contenidos de los temas 1 y 2 (hasta 3 puntos).
- Resolución de las relaciones de problemas propuestos (hasta 3.5 puntos cada una).
La superación del curso se obtendrá con una puntuación acumulada de 5 o más puntos.
Evaluación Extraordinaria
El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua. De esta forma, el estudiante que no haya realizado la evaluación continua tendrá la posibilidad de obtener el 100% de la calificación mediante la realización de una prueba y/o trabajo.
- Valoración de los conocimientos adquiridos mediante la realización de un trabajo con los principales contenidos de los temas 1 y 2 (hasta 3 puntos).
- Resolución de las relaciones de problemas propuestos (hasta 3.5 puntos cada una).
La superación del curso se obtendrá con una puntuación acumulada de 5 o más puntos.
Evaluación única final
El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.
Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.
- Valoración de los conocimientos adquiridos mediante la realización de un trabajo con los principales contenidos de los temas 1 y 2 (hasta 3 puntos).
- Resolución de las relaciones de problemas propuestos (hasta 3.5 puntos cada una).
La superación del curso se obtendrá con una puntuación acumulada de 5 o más puntos.
Información adicional
Para realizar este curso es necesario tener conocimientos sobre Estadística, Probabilidad y Procesos Estocásticos a nivel de la formación que proporcionan las titulaciones de Estadística, Matemáticas y Física.