Insegnamento CALCOLO DELLE PROBABILITA' E STATISTICA MATEMATICA
| Nome del corso di laurea | Informatica |
|---|---|
| Codice insegnamento | 55007206 |
| Curriculum | Comune a tutti i curricula |
| Docente responsabile | Andrea Capotorti |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2024 |
| Erogato | Erogato nel 2025/26 |
| Erogato altro regolamento | |
| Attività | Base |
| Ambito | Formazione matematico-fisica |
| Settore | MAT/06 |
| Anno | 2 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | ITALIANO |
| Contenuti | Nozione di base di statistica descrittiva. Regressione lineare semplice. Nozioni di base di probabilità. Principali distribuzioni discrete e continue. Stima parametrica. Stima intervallare. Verifica di ipotesi. Principio di coerenza. |
| Testi di riferimento | Iacus S.M., Masarotto G.: Laboratorio di statistica con R. McGraw-Hill. Scozzafava R.: Incertezza e Probabilità,Zanichelli Ed. S. Ross, Introduction to probability and Statistics for Engineers and Scientists, Academic Press. |
| Obiettivi formativi | Conoscenza e capacità d'utilizzo nozioni base di probabilità, statistica descrittiva ed inferenziale. Gli studenti saranno in grado di affrontare e risolvere problemi sia pratici che teorici relativi alla statistica descrittiva e inferenziale, la regressione lineare e i test d'ipotesi. |
| Prerequisiti | Nozioni base di analisi matematica, con particolare attenzione al calcolo differenziale e integrale. Nozioni base di algebra e calcolo combinatorio e di alfabetizzazione informatica. Per poter al meglio comprendere gli argomenti del corso sono fondamentali le nozioni sviluppate negli insegnamenti Analisi Matematica e Programmazione procedurale con Laboratorio. |
| Metodi didattici | Lezioni teoriche in aula su tutti i contenuti & svolgimento esercizi pratici anche con software R. |
| Altre informazioni | Per studenti con DSA e/o invalidità far riferimento al referente didipartimento e al sito dell’ateneo: http://www.unipg.it/disabilita-e-dsai. |
| Modalità di verifica dell'apprendimento | Test preliminare atto a verificare l’apprendimento delle nozioni teoriche fondamentali. Per chi supera il test preliminare, in seguito dovrà affrontare una prova in R per verificare le capacità ad affrontare e risolvere problemi pratici di statistica di base. Il test preliminare consta di 10 domande teoriche a risposta semi-aperta. La prova pratica in R consta di 4 o 5 punti da sviluppare su base di dati simulati o direttamente forniti. Deve essere svolta entro un'ora. Per poter essere ammessi alla prova pratica in R bisogna raggiungere il punteggio minimo di 18/30 nel test preliminare. PER GLI STUDENTI FREQUENTANTI: sono previste due prove parziali con le stesse modalità di verifica complessiva relativa al test preliminare e alla prova pratica in R, ma su argomenti pertinenti solo la prima o la seconda parte del corso. Il voto medio delle due parti concorrerà a stabilire il voto complessivo. Per lo svolgimento della prova pratica in R il materiale di riferimento è principalmente quello all'interno del primo testo consigliato (laboratorio di statistica in R) e il materiale presente in Unistudium. Per il test preliminare si fa riferimento a quanto contenuto nei restanti testi consigliati. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Statistica descrittiva: distribuzioni statistiche unitarie, di frequenze e in classi; rappresentazioni grafiche distribuzioni; valori medi: moda, mediana, media aritmetica, medie alla Chisini; proprietà valori medi; indici di variazione; quantili; Boxplots; distribuzione campionaria doppia: frequenze congiunte, marginali, condizionate, indice di dipendenza chi-quadro (assoluto e relativo).Regressione lineare semplice: metodo dei minimi quadrati; previsioni; indice di accostamento lineare R2. Principali distribuzioni di probabilità: binomiale, geometrica, Poisson, uniforme, esponenziale, normale. Distribuzioni di statistiche campionarie: chi-quadro e t-student. Stima parametrica: principali stimatori e loro proprietà. Stima intervallare: tecnica generale individuazione intervalli di confidenza, casi particolari per la media e la varianza popolazione normale. Verifica di ipotesi: test parametrici con loro definizioni generali, casi particolari campionamento da popolazione normale; test non parametrici: test binomiale, di adattamento, d’indipendenza. Principio di coerenza e sue implicazioni: |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile |