Stochastic processes : Estimation and prediction

linma1731  2018-2019  Louvain-la-Neuve

Stochastic processes : Estimation and prediction
5 crédits
30.0 h + 30.0 h
Q2
Enseignants
Absil Pierre-Antoine; Vandendorpe Luc coordinateur;
Langue
d'enseignement
Anglais
Préalables
Ce cours suppose acquises des notions en signaux et systèmes ainsi qu'en probabilités telles qu'enseignées dans les cours LEPL1106 et LEPL1108.

Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
L'objectif de ce cours est d'amener à une bonne compréhension des processus stochastiques, de leur modèles les plus couramment utilisés et de leurs propriétés, de même que la dérivation de certains des estimateurs les plus couramment utilisés pour ces processus : les filtres, les prédicteurs et les lisseurs de Wiener et de Kalman.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1
1.1; 1.2; 1.3
3.1; 3.2; 3.3
4.2

A l'issue de cet enseignement, les étudiants seront en mesure :

  • D'utiliser les grandeurs qui caractérisent des variables aléatoires et les processus stochastiques ;
  • De caractériser et utiliser les processus stationnaires et leur description spectrale ;
  • D'utiliser les principaux estimateurs, et de caractériser leurs performances ;
  • De synthétiser des prédicteurs, filtres ou lisseurs de Wiener ou de Kalman.
 

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Le cours est subdivisé en quatre parties :
  • Probabilités, variables aléatoires, moments, changement de variable
  • Processus stochastiques, indépendance, stationnarité, ergodisme, représentation spectrale, modèles classiques de processus stochastiques
  • Estimation, biais, variance, bornes, convergence, propriétés asymptotiques, estimateurs classiques
  • Filtrage, prédiction, lissage, estimateurs de Wiener, de Kalman
Méthodes d'enseignement
L'apprentissage sera basé sur des cours entrecoupés de séances de travaux pratiques (exercices en salle et/ou en salle informatique à l'aide du logiciel MATLAB) ainsi que sur un projet réalisé par groupes de 2 ou 3 étudiants.
Modes d'évaluation
des acquis des étudiants
  • Projet réalisé pendant le quadrimestre
  • Examen
  • D'autres activités, telles que des tests et des devoirs, peuvent entrer en considération dans la note finale.
Bibliographie
Les notes de cours des co-titulaires sont disponibles.
Faculté ou entité
en charge
MAP


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] : ingénieur civil électricien

Master [120] en statistique, orientation générale

Bachelier en sciences de l'ingénieur, orientation ingénieur civil

Mineure en sciences de l'ingénieur : mathématiques appliquées