| |
 |
|
|
|
|
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 |
|
Attività frontale:
Lectures: |
48.0 |
|
|
Esercitazioni:
Applied activities: |
24.0 |
|
|
Studio individuale:
Individual work: |
0.0 |
|
|
Attività didattica a piccoli gruppi:
Group work: |
0.0 |
|
|
|
|
Seminari:
Seminars: |
0.0 |
|
|
|
|
Laboratori:
Laboratories: |
0.0 |
|
|
TOTALE (voci sopra-elencate):
TOTAL: |
72.0 |
|
|
Ore di lezione settimanali:
|
0.0 |
|
|
|
|
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: |
|
|
| |
|
|