Saltar para:
Logótipo
This page in english Ajuda Autenticar-se
FCUP
Você está em: Início > M4064
Autenticação




Mapa das Instalações
FC6 - Departamento de Ciência de Computadores FC5 - Edifício Central FC4 - Departamento de Biologia FC3 - Departamento de Física e Astronomia e Departamento GAOT FC2 - Departamento de Química e Bioquímica FC1 - Departamento de Matemática

Processos Estocásticos e Aplicações

Código: M4064     Sigla: M4064

Áreas Científicas
Classificação Área Científica
OFICIAL Matemática

Ocorrência: 2017/2018 - 2S Ícone do Moodle

Ativa? Sim
Unidade Responsável: Departamento de Matemática
Curso/CE Responsável: Mestrado em Engenharia Matemática

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
M:AST 9 Plano de Estudos oficial desde_2013/14 1 - 6 56 162
2
M:CC 0 PE a partir do ano letivo de 2014 1 - 6 56 162
M:ENM 16 Plano de Estudos do M:Engenharia Matemática_2013-2014 1 - 6 56 162
M:M 0 Plano de Estudos do M:Matemática 1 - 6 56 162
2

Docência - Responsabilidades

Docente Responsabilidade
Ana Paula de Frias Viegas Proença Rocha Regente

Docência - Horas

Teorico-Prática: 4,00
Tipo Docente Turmas Horas
Teorico-Prática Totais 1 4,00
Ana Paula de Frias Viegas Proença Rocha 4,00

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

Disciplina introdutória aos processos estocásticos. Pretende-se apresentar um conjunto de ferramentas para a descrição e análise de processos estocásticos em áreas diversificadas, como processamento de sinal, teoria da informação, ambiente, economia e finanças, biologia e medicina. A orientação da disciplina privilegia a compreensão dos conceitos e métodos e a sua aplicação em áreas interdisciplinares utilizando dados simulados ou reais.

Resultados de aprendizagem e competências

Num contexto transversal de aplicações, pretende-se especificamente fazer :

·Integração dos conhecimentos adquiridos noutras disciplinas, nomeadamente Probabilidades de Estatística e a sua extensão numa perspectiva mais abrangente da análise probabilística e estatística de Sinais e Sistemas. Introdução à estimação em média quadrática e filtragem ótima.

·Introdução à modelação estocástica. Processos Gaussianos, de Bernoulli e de Wiener. Processo de Poisson e processos dele derivados (“shot noise” e sinal telegráfico aleatório). Cadeias de Markov.

 A orientação da unidade curricular privilegia a compreensão dos conceitos e métodos  e a extensão das competências dos estudantesatravés de um balanço apropriado entre a teoria e aplicações motivadoras.

 

O estudante deverá ser capaz de:

1.            Caracterizar variáveis aleatórias multivariadas (distribuições, parâmetros e transformações). Usar a função característica e analisar convergência estocástica.

2.            Caracterizar/classificar um processo estocástico (p.e.): estacionariedade, ergodicidade e estimação. Fazer a caracterização simples/conjunta de p.e. estacionários em sentido lato (e o seu processamento), nos domínios do tempo e da frequência: autocorrelação, correlação cruzada, densidade espectral e coerência.

3.            Caracterizar modelos variados: p.e. de incrementos independentes e/ou estacionários, de Bernoulli e Gaussianos, de Poisson e dele derivados (sinal telegráfico aleatório) e de Wiener.

4.            Analisar uma cadeia de Markov e estudar o seu comportamento transitório, a existência de distribuições limites / estacionárias.

5.            Aplicar e ilustrar os resultados estudados usando as ferramentas adequadas em problemas ou casos de estudo concretos com capacidade de interpretação crítica dos resultados.

Modo de trabalho

Presencial

Programa

Distribuições multivariadas, função característica, convergência estocástica.

Processos estocásticos. Descrição nos domínios do tempo e da frequência. Caracterização, descrições de segunda ordem. Estacionariedade. Densidade espectral, densidade espectral cruzada e coerência. Ergodicidade e estimação. Transformações lineares. Processos ARMA.

Modelação Estocástica. Caso i.i.d. Alguns processos relevantes, como Poisson, Gaussiano e de Wiener. Cadeias de Markov. Aplicações e simulação.

Bibliografia Obrigatória

Leon-Garcia Alberto; Probability, Statistics, and random processes for electrical engineering. ISBN: 978-0-13-715560-6 (A. Leon-Garcia, Probability, Statistics and Random Processes for Electrical Engineering (3rd ed), Prentice Hall, 2009.)
Ross Sheldon M.; Introduction to probability models. ISBN: 978-0-12-375686-2 (Introduction to Probability Models (10th edition), S. Ross, Academic Press, 2010)

Bibliografia Complementar

000104696. ISBN: 1-58488-493-2 (- Stochastic processes in science, engineering, and finance, Frank Beichelt, Chapman & Hall/CRC, 2006)
000105255. ISBN: 978-1-4398-1882-4 (An introduction to stochastic processes with applications to biology / Linda J. S. Allen)
Miller Scott L.; Probability and random processes. ISBN: 978-0-12-386981-4

Métodos de ensino e atividades de aprendizagem

Aulas TP para apresentação da matéria ilustrada com exemplos variados e orientadas para a resolução de problemas /projecto, com uma forte componente de computação laboratorial em Matlab (ou R).

Software

Matlab
(R)

Palavras Chave

Ciências Físicas > Matemática > Matemática aplicada
Ciências Físicas > Matemática > Teoria das probabilidades
Ciências Físicas > Matemática > Estatística

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação Peso (%)
Prova oral 20,00
Teste 60,00
Trabalho escrito 20,00
Total: 100,00

Obtenção de frequência

Trabalhos práticos/ Projecto (P), apresentados nos prazos limites fixados (P>=40%).

Fórmula de cálculo da classificação final

Durante o semestre realizar-se-ão dois testes. Não há exame final.

Classificação final: (T*12+P*8)/20.

A classificação final é feita com base na média aritmética dos testes escritos (T) e da avaliação dos Trabalhos práticos/Projeto (P), que inclui a prova oral (correspondente à apresentação e discussão) e trabalho escrito (relatório),  realizados até às datas limites fixadas.

Na época de recurso (ER) o exame (E) substitui os testes na fórmula de cálculo.

A classificação das componentes P e T ou E não deverão ser inferiores a 40%.

Poderá eventualmente ser pedida uma prova complementar para classificações finais superiores a 18 valores.

Qualquer componente não realizada no prazo e/ou condições estabelecidas nas páginas da disciplina será considerada como não efetuada.

 

 

Provas e trabalhos especiais

Realização do 1º teste: A marcar no inicio das aulas (realizado na aula)

Realização do 2º teste: Na data de exame da EN

Apresentação oral dos Trabalhos práticos/Projeto: Ultimas 2 semanas das aulas (horário da aula)

Submissão de relatório escrito Trabalhos práticos/Projeto: a marcar no inicio das aulas 

Avaliação especial (TE, DA, ...)

n.a.

Melhoria de classificação

EN - Os estudantes que pretendam melhorar a classificação final obtida no ano letivo anterior devem proceder à respetiva inscrição junto dos serviços académicos logo que possível e efetuar os testes nas datas definidas.

Não existe a possibilidade de melhorar só a classificação dum teste, nem da componente P.

 

Recomendar Página Voltar ao Topo
Copyright 1996-2021 © Faculdade de Ciências da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2021-07-29 às 14:44:14 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais