| | | corso | | | | | |
Calcolo delle probabilità e statistica A
Codice: | 269AA | Crediti: | 6 | Semestre: | 1 | Sigla: | CPS | |
|
Settore disciplinare: | MAT/06 - Probabilità e Statistica Matematica |
Docente
Dario Trevisan
Prerequisiti
I contenuti degli insegnamenti di Matematica del I anno: Analisi matematica, Matematica Discreta e Algebra Lineare (consigliato)
Per le propedeuticità formali, fare riferimento al
regolamento del corso di laurea.
Obiettivi di apprendimento
Acquisizione degli strumenti logici, analitici e numerici, propri della teoria della Probabilità, per la risoluzione di problemi formulati in contesti di incertezza ed informazione incompleta.
Conoscenze. Conoscenza del linguaggio della probabilità astratta e di alcuni esempi di applicazione in contesti legati alle scienze informatiche.
Capacità. Saper studiare con un linguaggio probabilistico semplici problemi, saperli risolvere analiticamente o con l'aiuto di un calcolatore.
Comportamenti. Nessuna modifica rispetto agli altri insegnamenti del Corso di Laurea.
Descrizione
Un corso introduttivo alle idee e ai concetti di base del calcolo delle probabilità e della inferenza statistica.
English Description
Short introduction to Probability and Statistical Inference.
Indicazioni metodologiche
Lezioni frontali. Esercitazioni/presentazione del software R (in aula, non in laboratorio). Esercitazioni frontali.
Programma
- Introduzione alla Probabilità: regole di calcolo (cenni agli assiomi di Kolmogorov) ed interpretazione.
- Probabilità 'diretta': modello delle estrazioni da un'urna, senza e con rimpiazzo.
Indipendenza probabilistica.
- Formula di Bayes e probabilità 'inversa': test di ipotesi e stime di parametri.
- Variabili aleatorie discrete: densità, funzione di ripartizione, valore atteso, varianza, momenti. Esempi: Bernoulli, (binomiale), uniforme, Poisson, geometrica, (ipergeometrica).
- Catene di Markov (cenni: matrici di transizione, distribuzioni invarianti).
- Variabili aleatorie (assolutamente) continue: densità, funzione di ripartizione, valore atteso, varianza, momenti. Esempi: uniforme, gaussiana, esponenziale.
- Probabilità congiunte, marginali e condizionali di variabili aleatorie discrete e continue (con densità regolare).
- Cenni di statistica bayesiana continua. Regressione lineare. Cenni alla teoria delle code. Statistica parametrica (cenni).
- Esercitazioni in aula su quesiti teorici e pratici relativi ai concetti introdotti a lezione.
- Esercitazioni/presentazione del software per la statistica R: implementazione di funzioni per il calcolo della probabilità di semplici eventi/processi stocastici.
Visualizzazione di funzioni di densità e di ripartizione al variare dei parametri, generazione campioni da distribuzioni note. Modelli lineari, coefficiente di correlazione.
Ore lezione: | 48 | Ore esercitazione: | 16 | | | |
Bibliografia
- R. Giuliano, Argomenti di probabilità e statistica. Springer Milan, 2011.
- Probability and Statistics for Computer Scientists, by M. Baron, Chapman & Hall/CRC Press, second edition (2013)
- E.T. Jaynes, Probability Theory. Cambridge University Press, 2003.
Modalità di esame
Prova scritta ed orale. La prova scritta pụ essere sostituita dalle prove di verifica intermedia.