Inferenza statistica per Hidden Markov Models

L’oggetto di questa tesi consiste nello studio degli Hidden Markov Models, processi doppiamente stocastici che possono essere definiti in diversi modi ma tutti con la caratteristica comune di presentare un processo di Markov a cui non si può accedere direttamente. Una volta proposte le diverse definizioni e dimostrato come tutte abbiano sostanzialmente la stessa potenza espressiva, si passa all’analisi dei problemi collegati a questo tipo di modelli, problemi che coinvolgono il calcolo delle probabilità e l’inferenza statistica. Infine si propongono vari campi di applicazione degli HMM e si traggono delle conclusioni, identificando i vantaggi e gli svantaggi che si incontrano nell’impiego di tali modelli