CFU: 9

anno acc. 2016/2017

Identificazione di modelli per sistemi dinamici a tempo discreto :

• Problemi e metodi. Leggi e modelli nell'ingegneria e nelle scienze. Accuratezza dei modelli e loro complessità.
• Il problema della stima e della predizione da osservazioni sperimentali: modelli per la predizione, il controllo; tecniche di trattamento dei dati.

Variabili aleatorie e processi stocastici :

• Brevi richiami su variabili aleatorie e processi stocastici a tempo discreto.
• La Z-Trasformata.

Modelli dinamici di processi stazionari, analisi spettrale e predizione:

• Modelli ingresso/uscita per serie temporali e relazioni causa/effetto: modelli AR, MA, ARMA, ARX, ARMAX.
• Analisi di correlazione e analisi spettrale.
• Teoria della stima e caratteristiche degli stimatori: polarizzazione, minima varianza, caratteristiche asintotiche (convergenza in probabilità, quasi certa, confidenza; stima ai minimi quadrati.
• Soluzione al problema della predizione: modelli e predittori AR, ARX, ARMA, MA; identificazione a minimizzazione dell’errore di predizione; algoritmi batch e ricorsivi ai minimi quadrati; algoritmi a massima verosimiglianza; stima adattativa; stima della complessità dei modelli (AIC, MDL, FPE, cross-validazione).

 Complementi:

• Cenni sull’uso di Matlab e Simulink per l’identificazione di modelli dinamici.