Acquisire una buona conoscenza delle metodologie statistico matematiche di base per problemi di inferenza e modellistica statistica. Sviluppare una conoscenza anche operativa di alcuni specifici pacchetti statistici per l'applicazione pratica degli strumenti teorici acquisiti.
Curriculum
scheda docente
materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Modalità Erogazione
Le lezioni si terranno in aula con scrittura sulla lavagna o su tabletModalità Frequenza
FacoltativaModalità Valutazione
La valutazione in itinere consiste nel risolvere in circa 10 giorni e per tre volte durante il corso una serie di quesiti di carattere pratico (esercizi) e teorico. Ciascuno foglio riceve un voto da 0 a 10. L'esame finale consiste di 4 esercizi, ciascuno articolato in 2 o 3 quesiti a carattere teorico e pratico. Il voto finale e' il massimo tra il voto dell'esame finale e 2/3 x (voto esame finale) + media dei voti dei fogli di esercizi
scheda docente
materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Mutuazione: 20410555 ST410-STATISTICA in Scienze Computazionali LM-40 MARTINELLI FABIO
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Modalità Erogazione
Le lezioni si terranno in aula con scrittura sulla lavagna o su tabletModalità Frequenza
FacoltativaModalità Valutazione
La valutazione in itinere consiste nel risolvere in circa 10 giorni e per tre volte durante il corso una serie di quesiti di carattere pratico (esercizi) e teorico. Ciascuno foglio riceve un voto da 0 a 10. L'esame finale consiste di 4 esercizi, ciascuno articolato in 2 o 3 quesiti a carattere teorico e pratico. Il voto finale e' il massimo tra il voto dell'esame finale e 2/3 x (voto esame finale) + media dei voti dei fogli di esercizi
scheda docente
materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Mutuazione: 20410555 ST410-STATISTICA in Scienze Computazionali LM-40 MARTINELLI FABIO
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.testo aggiuntivo: Luca Leuzzi, Enzo Marinari, Giorgio Parisi
CALCOLO DELLE PROBABILITÀ: un trattatello per principianti volenterosi
Modalità Erogazione
Le lezioni si terranno in aula con scrittura sulla lavagna o su tabletModalità Frequenza
FacoltativaModalità Valutazione
La valutazione in itinere consiste nel risolvere in circa 10 giorni e per tre volte durante il corso una serie di quesiti di carattere pratico (esercizi) e teorico. Ciascuno foglio riceve un voto da 0 a 10. L'esame finale consiste di 4 esercizi, ciascuno articolato in 2 o 3 quesiti a carattere teorico e pratico. Il voto finale e' il massimo tra il voto dell'esame finale e 2/3 x (voto esame finale) + media dei voti dei fogli di esercizi