Última actualización: 28/04/2023


Curso Académico: 2023/2024

Tratamiento Estadístico de Señales
(19404)
Máster Universitario en Matemática Aplicada y Computacional (Plan: 458 - Estudio: 372)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: MIGUEZ ARENAS, JOAQUIN

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
MATERIAS QUE SE RECOMIENDA HABER SUPERADO Se suponen conocimientos básicos de - teoría de la probabilidad y estadística - álgebra lineal.
Objetivos
Competencias Básicas CB6 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. CB7 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. Competencias generales: CG1 Capacidad para mantener una formación continuada una vez graduado, permitiéndole enfrentarse a tecnologías de nueva aparición. CG2 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ingenierías. CG3 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ciencias de la Vida. CG4 Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original, parte de la cual merezca la publicación referenciada a nivel internacional. Competencias específicas: CE1 Habilidad para conocer las peculiaridades de la adquisición de datos y tratamiento de información en el ámbito de las señales e imágenes biomédicas. CE2 Capacidad para diseñar e implementar sistemas de aprendizaje automático para la resolución de problemas supervisados y no supervisados. CE3 Capacidad para diseñar procedimientos de estimación y decisión a partir de señales e imágenes empleando modelado estadístico.
Descripción de contenidos: Programa
DESCRIPCIÓN DE CONTENIDOS: PROGRAMA · Estimación de parámetros. - Método de los momentos - Estimadores de máxima verosimilitud - Estimadores bayesianos · Estimación de señales - Estimación MMSE - Estimación y predicción lineal - Filtrado óptimo · Tratamiento de señal basado en modelos - Cadenas y procesos de Markov - Modelos de espacio de estados · Test de hipótesis y clasificación de señales - Tests de Wald - Cocientes de verosimilitudes - Métodos bayesianos
Actividades formativas, metodología a utilizar y régimen de tutorías
AF3 Clases teórico prácticas AF4 Prácticas de laboratorio AF5 Tutorías AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Exámenes parciales y finales Código actividad Nº Horas totales Nº Horas Presenciales % Presencialidad Estudiante AF3 100 100 100% AF4 32 32 100% AF5 18 0 0% AF6 90 0 0% AF7 186 0 0% AF8 12 12 100% TOTAL MATERIA 450 138 30,6%
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • C. P. Robert, G. Casella. Monte Carlo Statistical Methods. Springer. 2004
  • H. Stark, J. W. Woods. Probability and Random Processes with Applications to Signal Processing. Prentice-Hall. 2002
  • L. Wasserman. All of statistics. Springer. 2013
  • V. Poor. An introduction to signal detection and estimation. Springer. 1994

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.