Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Filtres Invariants du temps linéaire: Séries chronologiques

Dans cours

MATH-342: Time series

A first course in statistical time series analysis and applications. ...

Description

Cette séance de cours porte sur l'estimation de la cohérence moyenne de l'échantillon, de l'ergonomie et de la stationnarité dans les séries chronologiques. Il s'inscrit dans les concepts d'échantillonnage, d'aliasing et de représentation spectrale, mettant l'accent sur les propriétés des filtres invariants linéaires du temps. La séance de cours explore également la fonction de transfert, la fonction de réponse de fréquence et la représentation spectrale des processus stationnaires.

Enseignant·e

Sofia Charlotta Olhede

Sofia Olhede is a professor of Statistics at EPFL in Switzerland. She joined UCL prior to this in 2007, before which she was a senior lecturer of statistics (associate professor) at Imperial College London (2006-2007), a lecturer of statistics (assistant professor) (2002-2006), where she also completed her PhD in 2003 and MSci in 2000. She has held three research fellowships while at UCL: UK Engineering and Physical Sciences Springboard fellowship as well as a five-year Leadership fellowship, and now holds a European Research Council Consolidator fellowship. Sofia has contributed to the study of stochastic processes; time series, random fields and networks. Sofia was part of the multi-institutional team that set up the UK national data science institute, the Alan Turing Institute. She organised and served as chair of the science committee that developed the initial 500 000 pounds scientific programme of the institute; peer-reviewing over 100 workshop proposals and hosting over 30. She also chaired the first recruitment wave of the institute hiring 13 data scientists as a multi-university recruitment drive. Sofia was a member of the Royal Society and British Academy Data Governance Working Group, and the Royal Society working group on machine learning. Most recently she was one of 3 commissioners on a law society commission on the usage of algorithms in the justice system.

Source officielle

Concepts associés (32)

Filtre numérique

En électronique, un filtre numérique est un élément qui effectue un filtrage à l'aide d'une succession d'opérations mathématiques sur un signal discret. C'est-à-dire qu'il modifie le contenu spectral du signal d'entrée en atténuant ou éliminant certaines composantes spectrales indésirées. Contrairement aux filtres analogiques, qui sont réalisés à l'aide d'un agencement de composantes physiques (résistance, condensateur, inductance, transistor, etc.

Fonction de transfert

En traitement du signal, une fonction de transfert est un modèle mathématique de la relation entre l'entrée et la sortie d'un système linéaire, le plus souvent invariant. Elle est utilisée notamment en théorie des communications, en automatique, et dans toutes les sciences de l'ingénieur qui font appel à cette discipline (électronique, mécanique, mécatronique). Les signaux d'entrée et de sortie ci-dessus peuvent avoir plusieurs composantes, auquel cas on précise souvent (sans que ce soit une obligation) que la fonction de transfert est une matrice de transfert.

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Échantillonnage stratifié

vignette|Vous prenez un échantillon aléatoire stratifié en divisant d'abord la population en groupes homogènes (semblables en eux-mêmes) (strates) qui sont distincts les uns des autres, c'est-à-dire. Le groupe 1 est différent du groupe 2. Ensuite, choisissez un EAS (échantillon aléatoire simple) distinct dans chaque strate et combinez ces EAS pour former l'échantillon complet. L'échantillonnage aléatoire stratifié est utilisé pour produire des échantillons non biaisés.

Filtre passe-haut

thumb|right|Image sur laquelle a été appliqué un filtre passe-haut (résultat à droite) Un filtre passe-haut (en anglais, high-pass filter ou HPF) est un filtre qui laisse passer les hautes fréquences et qui atténue les basses fréquences, c'est-à-dire les fréquences inférieures à la fréquence de coupure. Il pourrait également être appelé filtre coupe-bas. Le filtre passe-haut est l'inverse du filtre passe-bas et ces deux filtres combinés forment un filtre passe-bande.

Afficher plus

Séances de cours associées (58)

Contrôle numérique des systèmes dynamiques

Couvre des sujets tels que le filtrage numérique, la stabilité et les systèmes discrets, y compris les expériences et les manipulations.

Séries chronologiques: Estimation et représentation spectrale

Explore en profondeur l'estimation des séries chronologiques, la représentation spectrale et l'analyse des variables p.

Échantillonnage en fréquence

Explore la méthode d'échantillonnage de fréquence pour approximer les filtres idéaux, utiles pour le prototypage rapide mais manquant de contrôle fin sur les erreurs.

Théorie du MCMC

Couvre la théorie de l'échantillonnage de Markov Chain Monte Carlo (MCMC) et discute des conditions de convergence, du choix de la matrice de transition et de l'évolution de la distribution cible.

Processus de détermination des points et extrapolation

Couvre les processus de point déterminant, le sinus-processus et leur extrapolation dans différents espaces.

Afficher plus

Concepts associés (32)

Filtre numérique

Fonction de transfert

Échantillonnage (statistiques)

Échantillonnage stratifié

Filtre passe-haut

Afficher plus