TEORIA DA ESTIMAÇÃO (EST0751)

Ementa: Revisão de Processos Estocásticos. Estimação Clássica (Parâmetro Determinístico): Limite Inferior de Cramer-Rao (CRLB), Estimador de Variância Mínima e Não-Tendencioso (MVU), Mínimos Quadrados (LS), Máxima Verosimilhança (ML). Estimação Bayesiana (Parâmetro Aleatório): Erro Médio Quadrático Mínimo (MMSE), Máximo A Posteriori (MAP). Aplicações e tópicos avançados.

Syllabus: Review of Random Processes. Classical Estimation (Deterministic Parameter): Cramer-Rao Lower Bound, Minimum Variance Unbiased (MVU) Estimation, Least Squares (LS) Estimation, Maximum Likelihood (ML) Estimation. Bayesian Estimation (Random Parameter): Minimum Mean Square Estimation (MMSE), Maximum A Posteriori (MAP) Estimation. Applications and advanced topics.

[1] S. M. Kay, Fundamentals of statistical signal processing: Estimation theory. Prentice-Hall, 1993.

[2] C. W. Therrien, Discrete Random Signals and Statistical Signal Processing. Prentice-Hall, 1992.

[3] J. M. Mendel, Lessons in Estimation Theory for Signal Processing, Communications, and Control. Prentice-Hall, 1995.

[4] B. C. Levy, Principles of signal detection and parameter estimation. Springer, 2008.

[5] D. S. Sivia and J. Skilling, Data Analysis. Oxford University Press, 2006.

[6] H. V. Trees and K. L. Bell, Detection, Estimation, And Modulation Theory. Wiley, 2011.