| Obiettivi formativi e risultati di apprendimento |
---|
| Il corso si propone di fornire agli studenti una buona comprensione degli elementi di base e caratteristiche fondamentali della Teoria della Probabilità e della Statistica Matematica attraverso una rigorosa discussione di definizioni, teoremi, dimostrazioni e applicazioni. - Conoscenza e capacità di comprensione: lo studente deve essere in grado di conoscere ed esporre i principali concetti e risultati presentati nel corso e di dimostrare i teoremi fondamentali del programma.
- Capacità di applicare conoscenza e comprensione: lo studente deve essere in grado di elaborare e risolvere i vari problemi del Calcolo della Probabilità e della Statistica Matematica e di saper estendere le metodologie acquisite ad ambiti diversi da quelli nei quali le conoscenze apprese vengono tradizionalmente utilizzate.
- Autonomia di giudizio: lo studente deve essere in grado di approfondire autonomamente quanto imparato, al fine di utilizzare le conoscenze acquisite come base di partenza che gli consenta di pervenire a risultati ulteriori, contraddistinti da una maturità sempre maggiore e da una autonomia di giudizio sempre più ampia.
- Abilità comunicative: lo studente deve avere la capacità di spiegare, in maniera semplice, a persone non esperte i concetti base del Calcolo della Probabilità e della Statistica Matematica. Deve saper presentare un elaborato (ad esempio in sede di esame, durante il corso o durante la tesi di laurea) e riassumere in maniera completa e precisa i risultati raggiunti utilizzando correttamente il linguaggio matematico-statistico.
- Capacità di apprendimento: Lo studente deve essere in grado di aggiornarsi o ampliare le proprie conoscenze continuamente e autonomamente, tramite la consultazione di testi, e articoli scientifici relativi al proprio settore disciplinare. Inoltre, la frequenza delle lezioni costituisce un sussidio didattico di fondamentale importanza, oltre che un preciso dovere.
|
| Prerequisiti |
---|
| Lo studente deve aver acquisito conoscenze di logica matematica e di analisi matematica (calcolo combinatorio, studio di funzioni, derivate, integrali, convergenza e serie di funzioni). |
| Contenuti del corso |
---|
| Modulo 1: Calcolo delle probabilità - Costruzione assiomatica dello spazio di probabilità: spazio campionario, eventi, sigma-algebre, assiomi della probabilità, definizione di probabilità (come funzione di insieme continua e come misura della fiducia).
- Probabilità condizionata e Indipendenza: probabilità condizionata, formula delle probabilità totali, Teorema di Bayes, eventi indipendenti, Lemma di Borel-Cantelli.
- Variabili aleatorie: funzione di distribuzione e sue proprietà, variabili discrete (Bernoulli, Binomiale, Geometrica, Binomiale Negativa, Ipergeometrica) e variabili continue (Normale, Uniforme, Cauchy, Esponenziale, Gamma, Chi-Quadro, t di Student, Fisher), variabili aleatorie multidimensionali, indipendenza tra variabili aleatorie, definizione di valore atteso e varianza di una variabile aleatoria (discreta e continua).
- Momenti: funzione generatrice dei momenti e funzione caratteristica.
- Teoremi limite: convergenza in legge, convergenza in probabilità, convergenza quasi certa, disuguaglianza di Chebyshev e legge debole dei grandi numeri, teorema del limite centrale, legge forte dei grandi numeri, approssimazione di variabili aleatorie discrete.
Modulo 2: Introduzione alla Statistica - Generalità sul campionamento: costruzione dello spazio campionario e definizione di campione casuale estratto da una popolazione, statistiche e momenti campionari, media e varianza campionaria.
- Stima puntuale: definizione di stimatore, stimatori corretti, stimatori a varianza minima, Teorema di Cramér-Rao, proprietà asintotiche degli stimatori, statistiche sufficienti, teorema di fattorizzazione e teorema di Blackwell-Rao, metodi per la ricerca degli stimatori (metodo della massima verosimiglianza e metodo dei momenti), stimatori di Bayes.
- Stima intervallare: definizione di intervallo di confidenza, metodo del cardine, intervalli fiduciari per medie (varianza nota e incognita), differenze tra medie (varianze note e incognite), intervalli fiduciari per variante (media nota e incognita), rapporti di varianze, popolazioni di Bernoulli, popolazioni esponenziali.
- Ipotesi statistiche: definizione di ipotesi statistica, regione critica, errore di prima e seconda specie, potenza del test e ampiezza del test, verifica delle ipotesi, Lemma di Neyman-Pearson, rapporto di verosimiglianze, differenze tra proporzioni, tabelle di contingenza.
- Modelli lineari generali: analisi della varianza (ANOVA), regressione lineare semplice e multivariata. Stima nei modelli lineari generali, teorema di Gauss-Markov.
Modulo 3: Introduzione a R - Conoscere R
- Il mondo aleatorio: Calcolo delle Probabilità e variabili aleatorie
- Dal Campione alla popolazione: Media e varianza campionaria, intervalli fiduciari, verifica delle ipotesi, ANOVA e Analisi di regressione (semplice e multivariata).
|
| Metodi didattici |
---|
| Il corso prevede 48 ore di didattica tra lezioni ed esercitazioni in aula. In particolare sono previste alcune ore di esercitazioni guidate in laboratorio. |
| Modalità di verifica dell'apprendimento |
---|
| L’obiettivo della prova d’esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. L’esame è diviso in 2 parti che hanno luogo nello stesso giorno: - Discussione di un elaborato progettuale.
- Prova orale nella quale sarà valutata la capacità di esporre, collegare e confrontare i diversi argomenti trattati durante il corso; per superare la prova è necessario acquisire almeno 18 punti su 30.
Il voto finale è dato dalla somma dei 2 punteggi. Qualora una delle 2 prove risulti insufficiente o qualora il punteggio totale sia inferiore a 18 è necessario ripetere tutte e 2 le prove. |
| Testi di riferimento e di approfondimento, materiale didattico Online |
---|
| - Appunti forniti dal docente disponibili su richiesta
Testi di riferimento - Ross S.M. (2007). Calcolo delle probabilità. II Edizione. Apogeo.
- Crescenzo, A., Luigi M. Ricciardi (2000). Elementi di statistica. Liguori.
- Iacus S.M., e Masarotto G., Laboratorio di Statistica con R. McGraw-Hill.
Argomenti specifici possono essere approfonditi sui seguenti testi: - Buonocore A., Di Crescenzo A., Ricciardi L.M. (2011). Appunti di Probabilità, Liguori.
- Baldi P. (2011). Calcolo delle Probabilità, McGraw-Hill.
- Ricciardi L.M., Rinaldi S. (1994). Esercizi del calcolo delle probabilità. Liguori.
- Casella G., Berger R.L. (2001). Statistical Inference, Duxbury Press.
- Piccolo D. (2010). Statistica, Il Mulino.
|
| Metodi e modalità di gestione dei rapporti con gli studenti |
---|
| - All’inizio del corso, dopo aver descritto obiettivi, programma e metodi di verifica, il docente mette a disposizione degli studenti il materiale didattico (cartelle condivise, sito web, etc).
- Orario di ricevimento: il giorno merccoledì dalle 14:00 alle 16:00 presso il proprio studio.
- Oltre all’orario di ricevimento settimanale, il docente è disponibile in ogni momento per un contatto con gli studenti, attraverso il proprio indirizzo e-mail.
|
| Date di esame previste |
---|
| 20/07/2022, 21/09/2022, 26/10/2022, 23/11/2022, 15/12/2022, 26/01/2023, 23/02/2023, 23/03/2023, 23/04/2023 |
| Seminari di esperti esterni |
---|
| Si |