Riassunti VERIFICATO

MIDA summary

94 visualizzazioni

Nessun voto ancora

Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.

Di cosa parla

Il predittore lineare è costruito come combinazione lineare dei campioni precedenti: v(t) = a₁v(t-1) + ... + a_nv(t-n). Si cerca un criterio per stimare i parametri a₁, ..., a_n.
L'errore di predizione è definito come β = v(t) - ^v(t|t-1). In caso ideale, l'errore sarebbe sempre zero, ma in pratica si cerca un errore stocastico con media zero e varianza costante (white noise).
Il trasferimento W(z) può essere ottenuto introducendo l'operatore z: v(t) = a₁z^-1v(t) + ... + a_nz^-nv(t) + β(t). I poli e i zero di W(z) sono calcolati come soluzioni dell'equazione del numeratore e del denominatore rispettivamente.
Una variabile casuale è una funzione reale di un evento casuale associato ai risultati di un esperimento casuale. La sua media è E[v] = m. La varianza è V ar[v] = E[(v - E[v])²] = μ². Il vettore casuale ha una matrice di varianze simmetrica.
La covarianza tra due variabili casuali v1 e v2 è μ₁₂ = E[(v1 - E[v1])(v2 - E[v2])]. Per una variabile casuale gaussiana con distribuzione v ~ G(m, μ²), in circa il 95% dei casi v prenderà valori nell'intervallo m ± 2μ.

Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.