PRE-EngTel (Plano de Ensino)

De MediaWiki do Campus São José
Ir para: navegação, pesquisa
LogoIFSCCampusSJ.png

MINISTÉRIO DA EDUCAÇÃO
SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE SANTA CATARINA
CAMPUS SÃO JOSÉ
Curso de Engenharia de Telecomunicações

Plano de Ensino de 2014-2 - atual

Dados gerais
COMPONENTE CURRICULAR: PRE - PROCESSOS ESTOCÁSTICOS
UCs vizinhas
CARGA HORÁRIA: 3 HORAS/SEMANA 54 HORAS. TEÓRICA = 54 HORAS. LABORATÓRIO = 0 HORAS
PRÉ REQUISITOS: EST, CAL4
DISCIPLINAS SUCESSORAS: CSF, ADS, COM1
MÓDULO PROFISSIONALIZANTE
Ementa
Variáveis aleatórias. Definição e classificação de processo estocásticos. Processos contínuos e discretos no tempo. Classes de processos estocásticos. Processos Random Walk e Wiener. Processos de Poisson. Estacionariedade. Autocorrelação e representação espectral. Continuidade, Diferenciação e Integração. Ergodicidade e média no tempo. Decomposição espectral e expansão em séries. Resposta de sistemas lineares a entradas aleatórias. Processos Estocásticos especiais: processos autoregressivos, modelos “moving average”. Processos e sequências de Markov. Processos Gaussianos. Aplicação de processos estocásticos em Telecomunicações.
Objetivos
  • Conhecer os fundamentos da teoria da probabilidade, variáveis aleatórias e processos estocásticos.
  • Saber modelar e solucionar problemas de natureza probabilística, em particular aqueles com aplicações na área de telecomunicações.
  • Possuir conhecimento básico sobre a simulação em computador de experimentos probabilísticos.
Conteúdo Programático
Semestre 2016-1 - Prof. Roberto Nóbrega
  1. Variáveis aleatórias (16h)
    1. Funções massa, densidade e cumulativa
    2. Variávels aleatórias mistas
    3. Variáveis aleatórias conjuntamente distribuídas
    4. Independência de variáveis aleatórias
    5. Distribuição condicional
  2. Valor esperado (8h)
    1. Média, variância, momentos
    2. Valor esperado de função de variável aleatória
    3. Correlação e covariância
    4. Valor esperado condicional
  3. Vetores aleatórios (8h)
    1. Vetor média e matriz covariância
    2. Vetores aleatórios gaussianos
  4. Definição e classificação de processos estocásticos (8h)
    1. Processos contínuos e discretos
    2. Especificação de processos estocásticos
    3. Momentos de um processo estocástico
    4. Estacionariedade e ergodicidade
  5. Processos estocásticos estacionários no sentido amplo (8h)
    1. Função autocorrelação
    2. Densidade espectral de potência
    3. Resposta de sistemas lineares a entradas aleatórias
    4. Processos estocásticos gaussianos
  6. Cadeias de Markov e processos de Poisson (6h)
    1. Cadeias de Markov
    2. Processos de Poisson
    3. Introdução à teoria das filas
Semestre 2015-2 - Prof. Roberto Nóbrega
  1. Variáveis aleatórias (12h)
    1. Funções massa, densidade e cumulativa
    2. Variáveis aleatórias mistas
    3. Variáveis aleatórias conjuntamente distribuídas
    4. Independência de variáveis aleatórias
    5. Distribuição condicional
  2. Valor esperado (12h)
    1. Média, variância, momentos
    2. Valor esperado de função de variável aleatória
    3. Correlação e covariância
    4. Valor esperado condicional
  3. Vetores aleatórios (10h)
    1. Vetor média e matriz covariância
    2. Descorrelacionando variáveis aleatórias
    3. Vetores aleatórios gaussianos
  4. Definição e classificação de processos estocásticos (6h)
    1. Processos contínuos e discretos
    2. Especificação de processos estocásticos
    3. Momentos de um processo estocástico
    4. Estacionariedade e ergodicidade
  5. Processos estocásticos estacionários no sentido amplo (8h)
    1. Função autocorrelação
    2. Densidade espectral de potência
    3. Resposta de sistemas lineares a entradas aleatórias
    4. Processos estocásticos gaussianos
  6. Cadeias de Markov e processos de Poisson (6h)
    1. Cadeias de Markov
    2. Processos de Poisson
    3. Introdução à teoria das filas
Semestre 2015-1 - Prof. Roberto Nóbrega
  1. Variáveis aleatórias
    1. Funções massa, densidade e cumulativa
    2. Variávels aleatórias mistas
    3. Variáveis aleatórias conjuntamente distribuídas
    4. Independência de variáveis aleatórias
    5. Distribuição condicional
  2. Valor esperado
    1. Média, variância, momentos
    2. Valor esperado de função de variável aleatória
    3. Correlação e covariância
    4. Valor esperado condicional
  3. Vetores aleatórios
    1. Vetor média e matriz covariância
    2. Descorrelacionando variáveis aleatórias
    3. Vetores aleatórios gaussianos
  4. Definição e classificação de processos estocásticos
    1. Processos contínuos e discretos
    2. Especificação de processos estocásticos
    3. Momentos de um processo estocástico
    4. Estacionariedade e ergodicidade
  5. Processos estocásticos estacionários no sentido amplo
    1. Função autocorrelação
    2. Densidade espectral de potência
    3. Resposta de sistemas lineares a entradas aleatórias
    4. Processos estocásticos gaussianos
  6. Cadeias de Markov e processos de Poisson
    1. Cadeias de Markov
    2. Processos de Poisson
    3. Introdução à teoria das filas
Semestre 2014-2 - Prof. Roberto Nóbrega
  1. Revisão de teoria da probabilidade e variáveis aleatórias
    1. Teoria da probabilidade
    2. Variáveis aleatórias contínuas e discretas
    3. Funções massa, densidade e cumulativa
    4. Esperança matemática (média, variância, momentos)
    5. Função característica
    6. Variáveis aleatórias conjuntas
    7. Probabilidade condicional e o Teorema de Bayes
    8. Vetores aleatórios
  2. Definição e classificação de processos estocásticos
    1. Definição e especificação de processos estocásticos
    2. Processos contínuos e discretos
    3. Estacionariedade e ergodicidade
    4. Exemplos de processos estocásticos
  3. Processos estocásticos estacionários no sentido amplo
    1. Função de autocorrelação
    2. Densidade espectral de potência
    3. Resposta de sistemas lineares a entradas aleatórias
    4. Processos auto-regressivos e de média-móvel
    5. Processos gaussianos
  4. Processos de Poisson e cadeias de Markov
    1. Processos de Poisson
    2. Cadeias de Markov
    3. Introdução à teoria das filas
  5. Processos de Wiener e caminhadas aleatórias
Estratégias de ensino utilizadas
  • Aulas expositivas teóricas.
  • Listas de exercícios extraclasses.
  • Atividades de simulação computacional.
Critérios e instrumentos de avaliação
  • Três provas teóricas escritas.
  • Um trabalho de simulação computacional.
Bibliografia Básica
  1. Jose Paulo de Almeida e Albuquerque, Jose Mauro Pedro Fortes, Weiler Alves Finamore Probabilidade, Variáveis e Processos Estocásticos; 1ª ed. [S.l]:Interciência, 2008. 334p. ISBN 9788571931909
  2. Roy D. Yates and David J. Goodman Probability and Stochastic Processes: A Friendly Introduction for Electrical and Computer Engineers; 3ª ed. [S.l]:Wiley, 2014. 512p. ISBN 9781118324561
  3. Marcelo Sampaio de Alencar Probabilidade e Processos Estocásticos; 1ª ed. [S.l]:Erica, 2009. 288p. ISBN 9788536502168
Bibliografia Complementar
  1. Papoulis, Athanasios Probability, Random Variables and Stochastic Processes; 4ª ed. Boston:McGraw-Hill, 2002. 852p. ISBN 9780071226615
  2. Steven Kay Intuitive Probability and Random Processes using MATLAB; ed. [S.l]:Springer, 2006. p. ISBN 9780387241579
  3. Hwei Hsu Schaum's Outline of Probability, Random Variables, and Random Processes; 2ª ed. [S.l]:McGraw-Hill, 2010. p. ISBN 9780071632898
  4. Stewart, William J. Probability, markov chains, queues, and simulation : the mathematical basis of performance modeling; ed. New Jersey:Princeton University Press, 2009. 776p. ISBN 9780691140629
  5. Henry Stark, John Woods Probability, Statistics, and Random Processes for Engineers; 4ª ed. [S.l]:Prentice Hall, 2011. 704p. ISBN 9780132311236

ANEXOS

Cronograma de atividades
Horário de Aula e Atendimento Paralelo


Curso de Engenharia de Telecomunicações