Stampa  
Codice:  
Course code:
21022
Anno accademico:
Academic year:
2011-2012
Titolo del corso:
Course title:
Statistica e Modelli Stocastici
Statistics and Stochastic Models
Modulo:  
Module:
2 - Modelli Stocastici
2 - Stochastic Models
Docente 1:
Teacher 1:
Ruolo Docente 1:
Teacher 1:
Modalità 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:
secondo
Facoltà:
Faculty:
Ingegneria
Modalità di frequenza:
Type:
Non obbligatoria
Semestre:
Semester:
2
Sottoperiodo:
Sub period:
Numero totale di crediti:
Total credits:
6.0
Carico di lavoro
Workload
Attività frontale:
Lectures:
32.0
Esercitazioni:
Applied activities:
28.0
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:
60.0
Ore di lezione settimanali:
0.0
Prerequisiti:
Prerequisites:
Statistica e probabilità Analisi matematica e algebra lineare
Obiettivi formativi:
Educational goals:
Contenuto del corso:
Course contents:
 Effetto della dipendenza sulla stima della media e sulla regressione  Normale multivariata  Regressione multipla:  Minimi quadrati ordinari (OLS)  Correlazione ed eteroschedasticità degli errori  Regressione nonparametrica: modelli localmente polinomiali, splines  Metodo dei momenti  Stima di massima verosimiglianza  Algoritmo Newton-Raphson  Algoritmo EM  Applicazione alle misture  Stima Bayesiana  Modelli autoregressivi a mediamobile: ARIMAX  Modelli parzialmente osservabili (DLS) e filtro di Kalman  Ottimalità del filtro e problemi di robustezza  Stima EM  Modelli a memoria lunga - Autocovarianze non sommabili e varianza della media - Modelli ARIMA Frazionari: - Simulazione Stocastica - Il metodo Monte Carlo ordinario - Metodi Monte Carlo modificati (MC stratificato e ipercubi latini) - Metodi di ricampionamento e metodo Bootstrap
Multivariate Gaussian distribution Multivariate regression Estimation: Method of moments, Maximum Likelihood and asymptotic theory Newton-Raphson Algorithm EM Algorithm Mixtures and images segmentation Stichastic Simulation: Monte Carlo method and Bootstrap Stationary stochastic processes – Short memory Forectasting, autocovariance and autocorrelation ARMAX models, estimation, inference and forecasting Stationary stochastic processes – Long memory - Selfsimilarity - Gaussian Fractional Noise - Fractional ARIMA models State space models and Kalman filtering Control charts and surveillance: Shewhart and EWMA
Metodi didattici:
Teaching activities:
Struttura della verifica del profitto:
Assessment:
Descrizione verifica del profitto:
Lingua di insegnamento:
Teaching language:
Altre informazioni:
Other information:
 
Stampa