Codice: Course code: |
218462 | |||||||||||||||||||||||||||||||||||
Anno accademico: Academic year: |
2007-2008 | |||||||||||||||||||||||||||||||||||
Titolo del corso: Course title: |
Statistica
Statistics |
|||||||||||||||||||||||||||||||||||
Modulo: Module: |
Unico | |||||||||||||||||||||||||||||||||||
Docente 1: Teacher 1: |
FASSO' Alessandro | |||||||||||||||||||||||||||||||||||
Ruolo Docente 1: Teacher 1: |
||||||||||||||||||||||||||||||||||||
Modalitą 1: Type 1: |
Convenzionale | |||||||||||||||||||||||||||||||||||
Settore scientifico-disciplinare: Reference sector: |
SECS-S/02 Statistica per la ricerca sperimentale e tecnologica | |||||||||||||||||||||||||||||||||||
Anno di corso: Year of degree course: |
2
Second |
|||||||||||||||||||||||||||||||||||
Facoltą: Faculty: |
Ingegneria | |||||||||||||||||||||||||||||||||||
Modalitą di frequenza: Type: |
Non obbligatoria | |||||||||||||||||||||||||||||||||||
Semestre: Semester: |
2 | |||||||||||||||||||||||||||||||||||
Sottoperiodo: Sub period: |
0° | |||||||||||||||||||||||||||||||||||
Numero totale di crediti: Total credits: |
7.5 | |||||||||||||||||||||||||||||||||||
Carico di lavoro Workload |
|
|||||||||||||||||||||||||||||||||||
Prerequisiti: Prerequisites: |
Matematica 1
Mathematics 1 |
|||||||||||||||||||||||||||||||||||
Obiettivi formativi: Educational goals: |
||||||||||||||||||||||||||||||||||||
Contenuto del corso: Course contents: |
ELEMENTI DI CALCOLO DELLE PROBABILITA'
Struttura del modello probabilistico: esperimenti casuali, eventi elementari, algebre di eventi, misura di probabilitą, probabilitą e assiomi del calcolo delle probabilitą, spazi di probabilitą finiti e calcolo combinatorio, probabilitą condizionate, teorema di Bayes, indipendenza in probabilitą.
Variabili casuali: variabili casuali continue, variabili casuali discrete, variabili casuali vettoriali, funzioni di ripartizione, valore atteso e varianza di una variabile casuale, momenti, valore atteso condizionato e momenti condizionati,
trasformazioni di variabili casuali: trasformate monotone e nonmonotone, la trasformata in CdF,
descrizione delle principali variabili casuali discrete (binomiale, binomiale negativa, ipergeometrica, Poisson), descrizione delle principali variabili casuali continue (uniforme, normale, esponenziale, gamma, chi quadro, T di Student, F di Snedecor, Weibull),
Normale doppia
Generazione dei numeri casuali. Definizione, algoritmi congruenziali lineari, nonlineari etc...., proproietą asintottiche dei numeri pseudocasuali
Teoremi di convergenza e approssimazione: convergenza in probabilitą, convergenza in distribuzione, teorema di normalitą asintotica.
ELEMENTS OF PROBABILITY CALCULUS Structure of probability model: casual experiments, elementary events, algebra of events, measuring probability, Probability in axioms of probability calculus, finite spaces of probability and combinatory calculus, Conditioned probability, Bayes Theorem, probability independence. Casual variables: Continuous casual variables, discreet casual variables, vectoral casual variables, repartition functions, expected value and variation of a casual variable, moments, conditioned expected value and conditioned moments, transformation of casual variables: Monotone or non-monotone, CdF, description of principle discreet casual variables (binomial, negative binomial, hypergeometric, Poisson), Description of principle continuous casual variables (uniform, normal, exponential, range, chi quadrant, T of Student, F of Snedecor, Weibull), Normal double generation of casual numbers. Definition, congruent linear and non-linear algorithms etc., asymptotic properties of pseudo-casual numbers Theorems of convergence and of approximation: convergence in probability, convergence in distribution, theorem of asymptotic normality. |
|||||||||||||||||||||||||||||||||||
Testo di riferimento 1: Course text 1: |
STATISTICA Elementi di statistica descrittiva: distribuzioni di frequenze, indici di posizione, indici di variabilitą, indici di forma, rappresentazioni grafiche dei dati statistici. Introduzione all'inferenza statistica: modelli statistici parametrici, campioni casuali, statistiche, distribuzioni campionarie, funzione di verosimiglianza, stima puntuale, stima per intervalli, verifica di ipotesi. Stima puntuale: stimatori corretti, stimatori consistenti, stimatori efficienti. Stima mediante intervalli: intervalli casuali, livello di confidenza, costruzione di intervalli con il metodo della variabile casuale pivotale, applicazioni ai principali modelli parametrici statistici. Verifica di ipotesi statistiche: ipotesi parametriche semplici e composte, statistiche test e regione critica, errori e rischi di primo e secondo tipo, significativitą osservata, potenza di un test, test su medie e varianze per uno o due campioni. Il modello di regressione lineare ed i suoi impieghi: dipend | |||||||||||||||||||||||||||||||||||
Metodi didattici: Teaching activities: |
||||||||||||||||||||||||||||||||||||
Struttura della verifica del
profitto: Assessment: |
||||||||||||||||||||||||||||||||||||
Descrizione verifica del profitto: |
||||||||||||||||||||||||||||||||||||
Lingua di insegnamento: Teaching language: |
||||||||||||||||||||||||||||||||||||
Altre informazioni: Other information: |
||||||||||||||||||||||||||||||||||||