Insegnamento CALCOLO DELLE PROBABILITA' E STATISTICA MATEMATICA
| Nome del corso di laurea | Informatica |
|---|---|
| Codice insegnamento | 55007206 |
| Curriculum | Comune a tutti i curricula |
| Docente responsabile | Alessio Troiani |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2022 |
| Erogato | Erogato nel 2023/24 |
| 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. 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. Erto P.: Probabilita' e Statistica per le scienze e l'ingegneria, Mc-Graw-Hill, ed. 2004 Scozzafava R.: Incertezza e Probabilità,Zanichelli Ed. Testo in inglese alternativo: S. Ross, Introduction to probability and Statistics for Engineers and Scientists, Academic Press, 2009. |
| Obiettivi formativi | Conoscenza e capacità d'utilizzo nozioni base di probabilità, statistica descrittiva ed inferenziale. Gli studenti saranno in grado di di affrontare e risolvere problemi sia pratici che teorici relativi alla statistica descrittiva, la regressione lineare e i test d'ipotesi. Essi saranno anche in grado di esporre con cognizione di causa le nozioni apprese. |
| 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 I e II e Informatica I. |
| 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 | Prova pratica R per verificare le capacità ad affrontare e risolvere problemi pratici di statistica di base e domande teoriche (test a risposta multipla o sintetica, con punteggio pieno solo in caso di risposta esatta, eventuale penalità in caso di risposta errata) atta a verificare la padronanza delle nozioni studiate. La prova pratica in R consta di una serie di quesiti (orientativamente fra 3 e 6) da sviluppare su base di dati simulati o direttamente forniti. Deve essere svolta entro un'ora e mezza e i vari punti hanno indicati il punteggio massimo raggiungibile (variabile di norma tra i 3 e 10 a seconda della complessità di analisi richiesta). Il punteggio relativo alle domande teoriche sarà indicato sul testo della prova. PER GLI STUDENTI FREQUENTANTI: sono previste due prove parziali con le stesse modalità di verifica complessiva ma su argomenti solo sulla prima o la seconda parte del corso, rispettivamente. La media delle due prove costituirà il voto finale. 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 le domande teoriche 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. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile |