Stampa  
Codice:  
Course code:
218462
Anno accademico:
Academic year:
2007-2008
Titolo del corso:
Course title:
Statistica
Statistics
Modulo:  
Module:
Unico
Docente 1:
Teacher 1:
FASSO' Alessandro
Ruolo Docente 1:
Teacher 1:
Professori Ordinari
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:
2
Second
Facoltà:
Faculty:
Ingegneria
Modalità di frequenza:
Type:
Non obbligatoria
Semestre:
Semester:
2
Sottoperiodo:
Sub period:
Numero totale di crediti:
Total credits:
7.5
Carico di lavoro
Workload
Attività frontale:
Lectures:
48.0
Esercitazioni:
Applied activities:
24.0
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:
72.0
Ore di lezione settimanali:
0.0
Prerequisiti:
Prerequisites:
Matematica 1
Mathematics 1
Obiettivi formativi:
Educational goals:
Contenuto del corso:
Course contents:
ELEMENTI DI CALCOLO DELLE PROBABILITA’ Struttura del modello probabilistico: esperimenti casuali, eventi elementari, algebre di eventi, misura di probabilità, probabilità e assiomi del calcolo delle probabilità, spazi di probabilità finiti e calcolo combinatorio, probabilità condizionate, teorema di Bayes, indipendenza in probabilità. Variabili casuali: variabili casuali continue, variabili casuali discrete, variabili casuali vettoriali, funzioni di ripartizione, valore atteso e varianza di una variabile casuale, momenti, valore atteso condizionato e momenti condizionati, trasformazioni di variabili casuali: trasformate monotone e nonmonotone, la trasformata in CdF, descrizione delle principali variabili casuali discrete (binomiale, binomiale negativa, ipergeometrica, Poisson), descrizione delle principali variabili casuali continue (uniforme, normale, esponenziale, gamma, chi quadro, T di Student, F di Snedecor, Weibull), Normale doppia Generazione dei numeri casuali. Definizione, algoritmi congruenziali lineari, nonlineari etc...., proproietà asintottiche dei numeri pseudocasuali Teoremi di convergenza e approssimazione: convergenza in probabilità, convergenza in distribuzione, teorema di normalità asintotica.
ELEMENTS OF PROBABILITY CALCULUS Structure of probability model: casual experiments, elementary events, algebra of events, measuring probability, Probability in axioms of probability calculus, finite spaces of probability and combinatory calculus, Conditioned probability, Bayes Theorem, probability independence. Casual variables: Continuous casual variables, discreet casual variables, vectoral casual variables, repartition functions, expected value and variation of a casual variable, moments, conditioned expected value and conditioned moments, transformation of casual variables: Monotone or non-monotone, CdF, description of principle discreet casual variables (binomial, negative binomial, hypergeometric, Poisson), Description of principle continuous casual variables (uniform, normal, exponential, range, chi quadrant, T of Student, F of Snedecor, Weibull), Normal double generation of casual numbers. Definition, congruent linear and non-linear algorithms etc., asymptotic properties of pseudo-casual numbers Theorems of convergence and of approximation: convergence in probability, convergence in distribution, theorem of asymptotic normality.
Testo di riferimento 1:
Course text 1:
STATISTICA Elementi di statistica descrittiva: distribuzioni di frequenze, indici di posizione, indici di variabilità, indici di forma, rappresentazioni grafiche dei dati statistici. Introduzione all’inferenza statistica: modelli statistici parametrici, campioni casuali, statistiche, distribuzioni campionarie, funzione di verosimiglianza, stima puntuale, stima per intervalli, verifica di ipotesi. Stima puntuale: stimatori corretti, stimatori consistenti, stimatori efficienti. Stima mediante intervalli: intervalli casuali, livello di confidenza, costruzione di intervalli con il metodo della variabile casuale pivotale, applicazioni ai principali modelli parametrici statistici. Verifica di ipotesi statistiche: ipotesi parametriche semplici e composte, statistiche test e regione critica, errori e rischi di primo e secondo tipo, significatività osservata, potenza di un test, test su medie e varianze per uno o due campioni. Il modello di regressione lineare ed i suoi impieghi: dipend
Metodi didattici:
Teaching activities:
Struttura della verifica del profitto:
Assessment:
Descrizione verifica del profitto:
Lingua di insegnamento:
Teaching language:
Altre informazioni:
Other information:
 
Stampa