Recursos en estimación de sistemas dinámicos

Recursos en estimación de parámetros, identificación de sistemas dinámicos, estimación del estado (filtro de Kalman y observadores lineales) y teoría de errores y aproximación.

1. Videos sobre estimación del estado
2. Videos sobre identificación de sistemas dinámicos y estimación de parámetros
3. Intervalos de confianza. Definición, interpretación y ejemplos del cálculo de los intervalos de confianza.
4. Problemas en la interpretación de los intervalos de confianza (IC). Un IC indica una propiedad del procedimiento: si se repite el experimento, el 95 % de las veces los intervalos de confianza contienen la media verdadera.
5. Método de bootstrapping. Método de remuestreo para el cálculo simple del intervalo de confianza y otras estadísticas de los parámetros de un modelo a partir de un solo conjunto de datos experimentales.
6. Teorema del límite central (estadística). El teorema del límite central establece que, en general y dado un conjunto de muestras aleatorias independientes e idénticamente distribuidas con una función de distribución arbitraria, si se calcula la media a partir de un subconjunto de muestras, entonces la función de distribución de dichas medias tiende a una función de distribución gaussiana cuando N→∞. Además, las medias de las dos distribuciones serán las mismas y la desviación estándar de la distribución gaussiana es igual al error estándar. 
7. Análisis dimensional. El análisis dimensional es un método que se ocupa del análisis de las relaciones entre diferentes cantidades físicas por medio de la identificación de sus dimensiones sin necesidad de una teoría. Por ejemplo, se pueden establecer los exponentes de expresiones matemáticas que dependen de magnitudes conocidas. 
8. Cálculo de intervalos de confianza partir del análisis de incertidumbre
9. Guía para utilizar estadística en computación evolutiva. No se deben comparar algoritmos evolutivos basados ​​en ejecuciones individuales. Se deben utilizar intervalos de confianza, repitiendo la estimación varias veces.
10. Applications of Kalman Filtering in Aerospace 1960 to the Present. Este artículo trata sobre el período previo al trabajo de Kalman, los descubrimientos clave en el desarrollo y la maduración del filtro.
11. Artículo original de Kalman de 1960 sobre su filtro: A New Approach to Linear Filtering and Prediction Problems
12. The Kalman Filter: Some tutorials, references, and research related to the Kalman filter
13. Discovery of the Kalman filter as a practical tool for aerospace and industry (1985).Secuencia de eventos que llevaron a los investigadores al descubrimiento del filtro de Kalman poco después de su introducción en la literatura.
14. Kalman filtering: Past and present. An outlook from Russia. (On the occasion of the 80th birthday of Rudolf Emil Kalman).
15. Primera aplicación: estimación de trayectorias en el programa Apolo (1961, Sistema PGNCS). PGNCS fue desarrollado por el Laboratorio de Instrumentación del MIT bajo la dirección de Charles Stark Draper.
16. Historia de cómo llegó el filtro de Kalman al programa Apolo. Schmidt invitó a Kalman a dar una conferencia en la NASA y allí supo que Kalman había escrito un artículo sobre cómo estimar la ubicación y la velocidad de un vehículo.
17. Metaheurística. En la búsqueda de soluciones óptimas se pueden utilizar métodos matemáticos, de búsqueda exhaustiva o metaheurísticos. Los últimos son una búsqueda que excluye regiones poco factibles con base en ciertas reglas.
18. Herramienta de MATLAB para una prueba de blancura de una señal aleatoria. Da varios atributos de una señal: autocorrelación, espectro, prueba Ljung-Box con nivel significativo, histograma.
19. Söderström, T., & Stoica, P. (1989). System Identification. Excelente libro de identificación de sistemas que se puede descargar legalmente. Un clásico. 
20. Aplicación de la estimación de parámetros: Método para estimar el momento de inercia. De la ecuación de estado de un péndulo de torsión y utilizando el Simulink Design Optimization Toolbox de MATLAB, con muy pocas simplificaciones.