Docente/i: Federico Di Palma  

Denominazione del corso: Identificazione dei modelli e analisi dei dati LS (mn)
Codice del corso: 064210
Corso di laurea: Ingegneria Informatica
Settore scientifico disciplinare: ING-INF/04
L'insegnamento è affine per:
Crediti formativi: CFU 6
Sito web del corso: http://sisdin.unipv.it/labsisdin/teaching/teaching.php

Obiettivi formativi specifici

Fornire gli strumenti probabilistici, matematici e informatici necessari alla modellizzazione, alla simulazione e alla identificazione di sistemi casuali.

Programma del corso

Introduzione ai modelli matematici dei processi casuali, alle problematiche relative alla identificazione e alle principali applicazioni.

Argomenti

1. Descrizione probabilistica degli eventi casuali: variabili aleatorie, funzione distribuzione e densità di probabilità. Esempi. 2. Vettori aleatori, valori attesi e momenti. Funzioni di vettori aleatori. Vettori aleatori gaussiani. Principali proprietà. 3.Processi stocastici. Stazionarietà. Rumore bianco. 4. Sistemi dinamici stocastici. Rappresentazioni ingresso-uscita e nello spazio degli stati. Principali proprietà. 5. Il problema della stima nei sistemi stocastici. Stima a minima varianza, stima a massima verosimiglianza e stima bayesiana. 6. Identificazione di modelli AR, ARX, ARMA e ARMAX. Principali algoritmi e proprietà. 7. Uso di MATLAB per la simulazione e identificazione di modelli casuali. 8. Esempi e applicazioni

Prerequisiti

Matematica di base della laurea triennale : algebra delle matrici, calcolo differenziale e integrale di funzioni di piu' variabili reali, massimizzazione di una funzione di piu' variabili reali, equazioni differenziali.

Tipologia delle attività formative

Lezioni (ore/anno in aula): 28
Esercitazioni (ore/anno in aula): 14
Laboratori (ore/anno in aula): 15
Progetti (ore/anno in aula): 15

Materiale didattico consigliato

M.R. Spiegel, J. Schiller, R. A. Srinivasan. Probabilit. Schaum's.

S.Bittanti. Serie temporali e processi casuali. Pitagora Editrice.

A.Tiano. Dispense per il corso di Identificazione dei modelli e analisi dei dati.

Modalità di verifica dell'apprendimento

La prova d'esame consiste nello sviluppo e nella presentazione di un progetto relativo ad una serie di argomenti trattati nel corso, preventivamente concordato, anche via email, col docente. Il relativo elaborato deve pervenire al docente via email almeno una settimana prima dell'esame.