"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.

Stationära stokastiska processer

  • Antal högskolepoäng 7,5 hp

Om kursen

Kursens övergripande syfte är att studenten ska tillägna sig en verktygslåda med begrepp och modeller för beskrivning och hantering av stationära stokastiska processer inom många olika områden, exempelvis signalbehandling, reglerteknik, informationsteori, ekonomi, biologi, kemi och medicin. De matematisk-statistiska momenten illustreras därför genom rikligt med exempel från olika tillämpningsområden. Kursen ska också ge studenten förmågan att identifiera förekomsten av stationära processer i andra kurser inom utbildningen, använda kunskaper om stationära processer på andra kurser och överföra begrepp och verktyg mellan olika kurser som bygger på stationära processer.

I kursen behandlas modeller för statistiskt beroende, begrepp för beskrivning av stationära stokastiska processer i tidsdomän såsom väntevärden, kovarians- och korskovariansfunktion samt begrepp för beskrivning av stationära stokastiska processer i frekvensdomän såsom effektspektrum och korsspektrum. Vidare behandlas några särskilt viktiga processer: normalprocessen, Wienerprocessen och vitt brus samt Gaussiska fält i tid och rum.

I kursen ingår även stokastiska processer i linjära filter: samband mellan insignal och utsignal, autoregression och glidande medelvärde (AR, MA, ARMA), samt derivering och integrering av stokastiska processer. Slutligen ges en introduktion till statistisk signalbehandling, inkluderande uppskattning av väntevärden, kovariansfunktion och spektrum samt tillämpning på linjära filter inkluderande frekvensanalys och bestämning av optimala filter.

Kontaktformulär

Kontaktformulär

Tänk på att universitetet är en statlig myndighet och att det du skriver här kan bli en allmän handling. Var därför försiktig med att skriva känsliga eller personliga frågor här i kontaktformuläret. Alla uppgifter behandlas enligt dataskyddsförordningen (GDPR)

Kontaktperson för kursen är:
Studievägledare Lars-Daniel Öhman