Acquisire una buona conoscenza delle metodologie statistico matematiche di base per problemi di inferenza e modellistica statistica. Sviluppare una conoscenza anche operativa di alcuni specifici pacchetti statistici per l'applicazione pratica degli strumenti teorici acquisiti.
Curriculum
scheda docente materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Bibliografia Di Riferimento
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Modalità Frequenza
FacoltativaModalità Valutazione
Esame scritto (30 punti), Progetto (opzionale, 3 punti), media dei fogli di esercizi (10 punti). Voto finale: max{voto esame scritto, 2/3 * esame + fogli di esercizi + progetto, 30}. scheda docente materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Mutuazione: 20410555 ST410-STATISTICA in Scienze Computazionali LM-40 MARTINELLI FABIO
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Bibliografia Di Riferimento
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Modalità Frequenza
FacoltativaModalità Valutazione
Esame scritto (30 punti), Progetto (opzionale, 3 punti), media dei fogli di esercizi (10 punti). Voto finale: max{voto esame scritto, 2/3 * esame + fogli di esercizi + progetto, 30}. scheda docente materiale didattico
Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Programma
Variabili casuali e la loro distribuzione, funzione generatrice dei momenti, media varianza e covarianza.Modello di campionamento casuale e modello statistico.
Statistica: concetto, esempi, statistica sufficiente e minimale.
Stimatori puntuali: definizione e propriet`a desiderata, mo- menti, massima verosimiglianza e Bayes.
Metodi computazionali: Newton-Raphson, algoritmo EM
Migliorare uno stimatore: Rao-Blackwell, stimatore UMVU, statistica completa, Lehman-Scheff ́e II e Cramer- Rao
Intervalli di confidenza: intuitivo, quantit`a pivotale, IC per Bayes e IC asintotico.
Verifica d’ipotesi: rapporto di verosimiglianza, test via quantit`a pivotale (test Z e T), dualit`a con IC, test UMP, Neyman-Pearson e Karlin-Rubin.
Metodi non parametrici: goodness-of-fit, tabella di contingenza, Kolmogorov-Smirnov e test tramite graduatoria.
Analisi della varianza (ANOVA) e test F.
Regressione: lineare, lineare multipla, lineare generalizzata e Logistica/Poisson
Testi Adottati
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Bibliografia Di Riferimento
Introduzione alla Statistica, S.M. Ross, Apogeo - Maggioli Editore.Modalità Frequenza
FacoltativaModalità Valutazione
Esame scritto (30 punti), Progetto (opzionale, 3 punti), media dei fogli di esercizi (10 punti). Voto finale: max{voto esame scritto, 2/3 * esame + fogli di esercizi + progetto, 30}.