Statistica e analisi dei dati
A.A. 2018/2019
Learning objectives
L'insegnamento è volto a introdurre i principali concetti legati alla statistica descrittiva, alla teoria della probabilità e alla statistica inferenziale.
Expected learning outcomes
Lo studente avrà acquisito competenze di base che gli permetteranno di riassumere un campione di dati utilizzando indicatori numerici e rappresentazioni grafiche, di ragionare in termini delle principali distribuzioni di probabilità, di eseguire semplici analisi statistiche, di comprendere le analisi statistiche condotte da altri e di affrontare lo studio di tecniche più sofisticate di analisi dei dati.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Linea Milano
Responsabile
Periodo
Primo semestre
STUDENTI FREQUENTANTI
Programma
Introduzione al linguaggio python
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Propedeuticità
Matematica del continuo (propedeuticità obbligatoria)
Matematica del discreto (propedeuticità consigliata)
Matematica del discreto (propedeuticità consigliata)
Prerequisiti
Prerequisiti: basi di programmazione, matematica del continuo e matematica del discreto.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Metodi didattici
Lezioni frontali ed esercitazioni
Materiale di riferimento
STUDENTI NON FREQUENTANTI
S. Ross, Introduzione alla statistica, Apogeo education, 2014, ISBN 9788838786020
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
Programma
Introduzione al linguaggio python
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Prerequisiti
Prerequisiti: basi di programmazione, matematica del continuo e matematica del discreto.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Materiale di riferimento
S. Ross, Introduzione alla statistica, Apogeo education, 2014, ISBN 9788838786020
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
Professor(s)