Statistica e analisi dei dati
A.A. 2018/2019
Learning objectives
Il corso si propone di introdurre lo studente ai concetti di base del Calcolo delle Probabilità e della Statistica inferenziale e di indicare le principali applicazioni di queste discipline in ambito informatico.
Expected learning outcomes
Saper valutare e utilizzare le tecniche di base del calcolo della probabilità e della statistica nella prospettiva di modellare e analizzare problemi e sistemi in regime di incertezza.
Periodo: Secondo 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
Edizione unica
Responsabile
Periodo
Secondo semestre
Informazioni sul programma
Programma
PARTE I: PROBABILITÀ ELEMENTARE
· Definizioni di base
--- Definizione insiemistica di Probabilità
--- Operazioni insiemistiche con eventi
--- Assiomi di probabilità - Normalizzazione
· Probabilità Condizionata e Legge del Prodotto
--- Principio di moltiplicazione - Alberi
--- Esperimenti compositi
--- Legge del Prodotto per due eventi
--- Probabilità di un evento condizionato
--- Legge del Prodotto per due eventi indipendenti
--- Legge del prodotto in generale
--- Legge del prodotto per tre o più eventi indipendenti
· Legge della Somma
--- Calcolo dell'Unione
--- Legge della somma
--- Legge della somma per n cammini
--- Applicazioni all'affidabilità dei sistemi
· Legge dei Grandi numeri e Valore atteso
--- Legge dei grandi numeri per il conteggio
--- Legge dei grandi numeri per il valore atteso
· Teorema di Bayes e Probabilità Inversa
--- Introduzione al Teorema di Bayes
--- Il Teorema di Bayes, esempi
--- Prior e verosimiglianza
--- Teorema di Bayes e aggiornamento della conoscenza
PARTE II: INTRODUZIONE ALLE VARIABILI ALEATORIE
· Introduzione alle variabili aleatorie
--- Distribuzioni e densità di variabili aleatorie
--- Cumulativa e anticumulativa
--- Indicatori di posizione
--- Indicatori d'ampiezza
· Distribuzioni e densità dei tempi di attesa
--- Distribuzione Geometrica
--- Forma analitica della densità esponenziale negativa
--- Caratteristiche dell'esponenziale negativa
--- Applicazioni all'affidabilità dei sistemi
· Distribuzioni di conteggio
--- Distribuzione Binomiale
--- Forma analitica della Poissoniana
--- Processi Bernoulliani e Poissoniani
· Densità Normale o Gaussiana
--- Densità Normale o Gaussiana
--- Altre considerazioni sulla Gaussiana
PARTE III: ARGOMENTI AVANZATI
· Somma di Variabili Aleatorie
--- Introduzione alla Somma di variabili aleatorie
--- Convoluzione di distribuzioni e densità
--- Funzioni Generatrici della Probabilità e Somma di variabili
--- Somma di variabili aleatorie discrete notevoli
--- Funzioni Generatrici dei Momenti e Somma di variabili aleatorie continue notevoli
--- Il Teorema del Limite Centrale
· Distribuzioni campionarie
--- Dalla distribuzione al campione - Statistica descrittiva
--- Distribuzioni del minimo campionario e del massimo campionario
--- Distribuzione della media campionaria
· Statistica inferenziale
--- Introduzione alla statistica inferenziale
--- Stima della media
PARTE I: PROBABILITÀ ELEMENTARE
· Definizioni di base
--- Definizione insiemistica di Probabilità
--- Operazioni insiemistiche con eventi
--- Assiomi di probabilità - Normalizzazione
· Probabilità Condizionata e Legge del Prodotto
--- Principio di moltiplicazione - Alberi
--- Esperimenti compositi
--- Legge del Prodotto per due eventi
--- Probabilità di un evento condizionato
--- Legge del Prodotto per due eventi indipendenti
--- Legge del prodotto in generale
--- Legge del prodotto per tre o più eventi indipendenti
· Legge della Somma
--- Calcolo dell'Unione
--- Legge della somma
--- Legge della somma per n cammini
--- Applicazioni all'affidabilità dei sistemi
· Legge dei Grandi numeri e Valore atteso
--- Legge dei grandi numeri per il conteggio
--- Legge dei grandi numeri per il valore atteso
· Teorema di Bayes e Probabilità Inversa
--- Introduzione al Teorema di Bayes
--- Il Teorema di Bayes, esempi
--- Prior e verosimiglianza
--- Teorema di Bayes e aggiornamento della conoscenza
PARTE II: INTRODUZIONE ALLE VARIABILI ALEATORIE
· Introduzione alle variabili aleatorie
--- Distribuzioni e densità di variabili aleatorie
--- Cumulativa e anticumulativa
--- Indicatori di posizione
--- Indicatori d'ampiezza
· Distribuzioni e densità dei tempi di attesa
--- Distribuzione Geometrica
--- Forma analitica della densità esponenziale negativa
--- Caratteristiche dell'esponenziale negativa
--- Applicazioni all'affidabilità dei sistemi
· Distribuzioni di conteggio
--- Distribuzione Binomiale
--- Forma analitica della Poissoniana
--- Processi Bernoulliani e Poissoniani
· Densità Normale o Gaussiana
--- Densità Normale o Gaussiana
--- Altre considerazioni sulla Gaussiana
PARTE III: ARGOMENTI AVANZATI
· Somma di Variabili Aleatorie
--- Introduzione alla Somma di variabili aleatorie
--- Convoluzione di distribuzioni e densità
--- Funzioni Generatrici della Probabilità e Somma di variabili
--- Somma di variabili aleatorie discrete notevoli
--- Funzioni Generatrici dei Momenti e Somma di variabili aleatorie continue notevoli
--- Il Teorema del Limite Centrale
· Distribuzioni campionarie
--- Dalla distribuzione al campione - Statistica descrittiva
--- Distribuzioni del minimo campionario e del massimo campionario
--- Distribuzione della media campionaria
· Statistica inferenziale
--- Introduzione alla statistica inferenziale
--- Stima della media
Prerequisiti
L'esame si articola in una prova scritta obbligatoria, che consente di conseguire una votazione fino a 30/30 e lode, strutturata in cinque esercizi a risposta libera, di tipo applicativo, aventi contenuti e difficoltà analoghi a quelli affrontati negli esercizi discussi a lezione. Il tempo assegnato è di 2 ore. Durante la prova scritta è ammessa la consultazione di testi, appunti e tavole e l'uso della calcolatrice.
INF/01 - INFORMATICA - CFU: 6
Esercitazioni: 36 ore
Lezioni: 24 ore
Lezioni: 24 ore
Docenti:
Pizzi Rita Maria Rosa, Sassi Roberto
Professor(s)
Ricevimento:
Su appuntamento (concordato per email o telefono)
Dipartimento di Informatica, via Celoria 18, stanza 6004 (6 piano, ala Ovest), Milano o remoto via Microsoft Teams