Estimación y Predicción en Series Temporales (EPST)

En este curso se presentan técnicas que son parte fundamental del cuerpo teórico de la disciplina procesamiento digital de señales. El objetivo es presentar las ideas principales y sus herramientas asociadas, de forma que el estudiante pueda aplicarlas a problemas concretos y a su vez tenga acceso a la vasta literatura del área.

Para ver ejemplos  del tipo de cosas que se pueden hacer con las herramientas de este curso, les recomendamos mirar algunos de los trabajos finales de años anteriores al final de esta página.

Atención: esta asignatura reemplaza a la asignatura Tratamiento Estadístico de Señales (TES)

Información general

• Modalidad:  Grado y Posgrado.
  
• Créditos: 10
  
• Docentes:
• Ignacio Ramírez <nacho@fing.edu.uy> (responsable)
• Julieta Umpierrez <jumpierrez@fing.edu.uy>
• Horario de clases: martes y jueves de 8:30 a 10:00
  
• Lugar físico: salón 727, séptimo piso del edificio central
• Inicio:

  jueves 7 de marzo de 2024

Forma de evaluación

• La evaluación consiste en la entrega de cuatro obligatorios (preguntas teóricas, ejercicios en máquina) y una prueba final.
• Cáda actividad suma una cierta cantidad de puntos. Para aprobar es necesario alcanzar un mínimo de 60 puntos en un total de 100.
  
• La prueba final se considera un examen y pueden por ley pedirse el día para hacerlo. En esta página, abajo, pueden encontrar el formulario de constancia laboral para completar y enviar al docente para su firma.

Conocimientos previos

• Cálculo diferencial e integral
  
• Álgebra lineal
• Probabilidad y estadística
• Procesamiento de señales
  
• Programación (Python, Matlab, R, etc.)

Materiales

• Tutorial Python-numpy Stanford  [web]
• Tutorial Python for Matlab users [web]
• Tutorial Jupyter Notebook (a.k.a. IPython Notebook) [web]
• The Matrix Cookbook [pdf]
  
• Notas cálculo vectorial/matricial [pdf]
• Bibliografía básica [zip]
• Clases grabadas (2020-2021) [OpenFing]
• Slides (2021) [owncloud]
  

Bibliografía

Principal

• "Fundamentals of Statistical Signal Processing", Volume I: Estimation Theory, Steven M. Kay, Prentice Hall PTR; 1 edition (April 5, 1993).
• "Statistical Digital Signal Processing and Modeling", Monson H. Hayes, Wiley, New York, ISBN 0-471 59431-8, 1996.
• "Adaptive Filter Theory", 3rd Edition, Simon Haykin, Prentice-Hall, New Jersey, ISBN 0-13-004052-5, 1995.
• A. Gelman et al., "Bayesian Data Analysis", 3rd. Ed.
  
• W. Bolstad and J. Curran, "Introduction to Bayesian Statistics", 3rd. Ed. 

Complementaria 

• "Introduction to Random Signals and Applied Kalman Filtering", R. G. Brown and P. Hwang, John Wiley & Sons, New York, ISBN 0-471-12839-2, 1996.
• "Optimum Signal Processing", Sophocles Orphanidis, 2nd Edition, MacMillan, New York, ISBN 0-02-389380-X, 1988.
• "Random Signals, Detection, Estimation and Data Analysis", S. Shanmugan y A. Breeipohl, John Wiley & Sons, New York, ISBN 0-471-81555-1, 1988. 

Encuestas