Statistica e analisi dei dati
A.A. 2018/2019
Obiettivi formativi
L'insegnamento è volto a introdurre i principali concetti legati alla statistica descrittiva, alla teoria della probabilità e alla statistica inferenziale.
Risultati apprendimento attesi
Lo studente avrà acquisito competenze di base che gli permetteranno di riassumere un campione di dati utilizzando indicatori numerici e rappresentazioni grafiche, di ragionare in termini delle principali distribuzioni di probabilità, di eseguire semplici analisi statistiche, di comprendere le analisi statistiche condotte da altri e di affrontare lo studio di tecniche più sofisticate di analisi dei dati.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Linea Milano
Responsabile
Periodo
Primo semestre
STUDENTI FREQUENTANTI
Programma
Introduzione al linguaggio python
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Propedeuticità
Matematica del continuo (propedeuticità obbligatoria)
Matematica del discreto (propedeuticità consigliata)
Matematica del discreto (propedeuticità consigliata)
Prerequisiti
Prerequisiti: basi di programmazione, matematica del continuo e matematica del discreto.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Metodi didattici
Lezioni frontali ed esercitazioni
Materiale di riferimento
STUDENTI NON FREQUENTANTI
S. Ross, Introduzione alla statistica, Apogeo education, 2014, ISBN 9788838786020
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
Programma
Introduzione al linguaggio python
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Statistica descrittiva:
- Frequenze e frequenze cumulate. Frequenze congiunte e marginali.
- Indici di centralità, dispersione, correlazione, eterogeneità e concentrazione.
- Metodi grafici: diagrammi di dispersione, diagrammi a scatola e diagrammi QQ.
- Classificatori e curve ROC.
Calcolo delle probabilità:
- Calcolo combinatorio. Richiami di teoria degli insiemi.
- Assiomi di probabilità.
- Probabilità condizionata. Teorema di Bayes. Indipendenza.
- Variabili aleatorie discrete.
- Variabili aleatorie multivariate. Indipendenza di variabili aleatorie.
- Variabili aleatorie continue.
- Disuguaglianze di Markov e di Tchebyshev
- Modelli di Bernoulli, binomiale, geometrico, di Poisson, uniforme discreto e ipergeometrico.
- Modelli uniforme continuo, esponenziale e gaussiano.
- Processo di Poisson.
Statistica inferenziale:
- Popolazione, campione casuale e stima puntuale
- Media campionaria. Teorema centrale del limite.
- Varianza campionaria.
- Stimatori non deviati e stimatori consistenti in media quadratica.
- Calcolo della taglia del campione.
Prerequisiti
Prerequisiti: basi di programmazione, matematica del continuo e matematica del discreto.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Modalità di esame: prova orale a seguito di una selezione tramite prova scritto/pratica.
Materiale di riferimento
S. Ross, Introduzione alla statistica, Apogeo education, 2014, ISBN 9788838786020
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
S. Ross, Probabilità e statistca per l'ingegneria e le scienze, terza edizione, Apogeo education, 2015, ISBN 8891609946
Dispense
Docente/i