Programma
Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.
Di cosa parla
- Il corso introduce i concetti fondamentali delle variabili aleatorie e dei processi stocastici necessari per formulare il problema della stima parametrica basata su dati osservati.
- Vengono analizzati gli stimatori non distorti a varianza minima (MVU) attraverso la definizione del limite inferiore di Cramer-Rao, l'informazione di Fisher e le proprietà delle statistiche sufficienti secondo i teoremi di Rao-Blackwell e Lehmann-Scheffe.
- Si studiano diverse classi di stimatori lineari come il BLUE per modelli generalizzati e gli approcci ai minimi quadrati (LS) con la loro interpretazione geometrica, inclusi casi pesati e non lineari.
- L'approccio bayesiano viene trattato definendo PDF a priori e posteriori per ottenere stimatori MMSE e MAP, mentre il filtraggio ottimo tramite filtri di Wiener permette predizione, smoothing e analisi spaziale su array di sensori con tecniche come MUSIC ed ESPRIT.
Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.