UniversitÓ degli Studi di Pavia - FacoltÓ di Scienze MMFFNN

Le informazioni di questo sito non sono pi¨ aggiornate. Consultare il nuovo link
Home

HomeDidatticaCorsi › Modelli probabilistici e statistici

Modelli probabilistici e statistici

Corsi di laurea:
Matematica
Docenti:
Carbone Raffaella, Barbaini Franco
Anno accademico:
2009/2010
Codice corso:
83242
Crediti formativi:
6
Ambiti:
MAT/07
Decreto Ministeriale:
509/99
Ore di lezione:
56
Lingua di insegnamento:
Italiano

ModalitÓ

Scritto e orale.

Prerequisiti

I concetti base di calcolo delle probabilita'.

Programma

Contenuti: 1. definizione di catena di Markov omogenea, insieme degli stati e matrice di transizione; 2. tempi d'arresto e proprietÓ di Markov forte; 3. misure invarianti e teoremi limite; 4. esempi ed applicazioni.

Concetti base di statistica, regressione e anova.

Bibliografia

Appunti del docente.


Moduli

Modulo:
Modelli probabilistici e statistici 1 (modulo)
Docente:
Carbone Raffaella
Ore di lezione:
28
Crediti formativi:
3
Ambito:
MAT/07

Programma


Contenuti: 1. definizione di catena di Markov omogenea, insieme degli stati e matrice di transizione; 2. tempi d'arresto e proprietÓ di Markov forte; 3. misure invarianti e teoremi limite; 4. esempi ed applicazioni.

Bibliografia

Appunti del docente.


Modulo:
Modelli probabilistici e statistici 2 (modulo)
Docente:
Barbaini Franco
Ore di lezione:
28
Crediti formativi:
3
Ambito:
MAT/07

Programma

1. Statistica descrittiva: matrice dei dati, variabili qualitative e numeriche. Statistiche di base, grafici, funzione di ripartizione empirica, quantili, media, varianza, deviazione standard, covarianza, correlazione, skwness, curtosi. Tabelle a doppia entrata.

2. Modello di Bernoulli, modello gaussiano, stimatori di media e varianza. Distribuzione della media empirica e della varianza empirica. Teorema per le proprietÓ di questi stimatori nel modello gaussiano. Corollario per la variabile t di student e sua legge.

3. Stimatori e loro proprieta', stimatori corretti, consistenti. Verosimiglianza, stimatore di massima verosimiglianza, stimatore dei momenti, stimatori di varianza minima. Cenno al caso di popolazioni non gaussiane. Cenno alla distribuzione chi-quadrato e di Fisher. Intervalli di confidenza per la media e la varianza. Caso gaussiano e non. Intervalli di confidenza per i parametri di una legge esponenziale, di una legge binomiale.

4. Statistica inferenziale. Verifica delle ipotesi, errori di prima e seconda specie. Test di student, p-value. Test di student per dati accopiati, Test per verificare che la media di due campioni gaussiani e’ uguale, con varienze non note ma supposte uguali, con varianze ignote e diverse. Verifica delle ipotesi sulla varianza di due popolazioni gaussiane. Test di una proporzione. Potenza di un test e funzione della curva operativa caratteristica, valutazione della lunghezza del campione. Test di adattamento ad una distribuzione del chi-quadrato, test d’indipendenza per due variabili discrete. Suddivisione in classi per v.a. assolutamente continue ed applicazione del test chi-quadrato.

5. Retta di regressione. Modelli lineari univariati e multivariati. Previsioni, validita' del modello. Grafico dei residui e dei previsti, normal-plot dei residui. Significato di R-quadrato. Intervalli di confidenza e di previsione per nuove osservazioni. Analisi della varianza
ad una via, a due vie con e senza interazione. Validita’ del modello. Metodo Tukey.

Bibliografia

Riferimenti bibliografici:
Sheldon M.Ross "Probabilita` e statistica per l'ingegneria e le scienze". Apogeo, Milano 2003.
S.M.Iacus-G.Masarotto "Statistica con R". McGraw?-Hill, Milano 2003.


Elenco appelli e prove

Nessuna prova presente

Credits: apnetwork.it