logo-polimi
Loading...
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2018/2019
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Insegnamento 085932 - MODELLI E METODI DELL'INFERENZA STATISTICA
Docente Paganoni Anna Maria
Cfu 10.00 Tipo insegnamento Monodisciplinare

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (1 liv.)(ord. 270) - MI (365) INGEGNERIA MATEMATICA*AZZZZ085932 - MODELLI E METODI DELL'INFERENZA STATISTICA
094891 - INFERENZA STATISTICA
Ing Ind - Inf (Mag.)(ord. 270) - BV (478) NUCLEAR ENGINEERING - INGEGNERIA NUCLEARE*AZZZZ094891 - INFERENZA STATISTICA

Obiettivi dell'insegnamento
L’insegnamento prevede una versione da 10 cfu, cui è agganciato in Unione-Corso un insegnamento da 5 cfu denominato INFERENZA STATISTICA.
La presente scheda definisce obiettivi, programmi e risultati di apprendimento attesi per entrambi gli insegnamenti.

(*) Scopo dell'insegnamento è quello di fornire agli studenti le conoscenze, i modelli matematici e le tecniche statistiche alla base della teoria della stima inferenziale (parametrica e non parametrica)  per modellare e affrontare problemi di analisi di dati.

 

(*) Gli obiettivi sono validi anche per l'insegnamento collegato


Risultati di apprendimento attesi

A seguito del superamento dell'esame lo studente:

  • conosce i principi fondamentali della statistica matematica (*) ;
  • conosce la terminologia adeguata (*) ;
  • è in grado di modellare l'analisi statistica di problemi ingegneristici inerenti a fenomeni casuali (*) ;
  • è capace di utilizzare software statistici (quali R) per l’analisi dei dati;
  • è in grado di estrarre indicatori significativi e conoscenza da grandi moli di dati;
  • modella in termini astratti il problema in esame per poterne simulare il comportamento (*) ;
  • è in grado di gestire in autonomia problemi non strettamente inerenti alle problematiche affrontate nell'insegnamento assumendo decisioni motivate che è in grado di comunicare in modo chiaro e convincente (*) ;

(*) RAA  validi anche per l'insegnamento collegato


Argomenti trattati
  • Stima puntuale: metodi per valutare gli stimatori, stimatori UMVU (*);
  • Prova delle ipotesi: test basati sul rapporto di verosimiglianza, test unione intersezione, metodi per valutare i test, probabilità di errore e funzione potenza, test UMP, p-value (*);
  • Stima intervallare: metodi per costruire e valutare regioni di confidenza, inversione di statistiche test, quantità pivotali, ampiezza e probabilità di copertura (*);
  • Inferenza sulla media di distribuzioni univariate: richiami sul t-test per una o più popolazioni, ANOVA one-way e two-way (*);
  • Modelli lineari. Approccio matriciale alla regressione multivariata con risposta semplice o multipla. Stime ai minimi quadrati, inferenza sul modello di regressione, inferenza dalla funzione di regressione stimata, diagnostica e selezione del modello;
  • Modelli lineari generalizzati;
  • Principi di statistica non parametrica, analisi della sopravvivenza;

(*) Argomenti trattati anche nell'insegnamento collegato


Prerequisiti

Prerequisito consigliato: insegnamento di Calcolo delle probabilità (*).

(*) Prerequisito consigliato anche nell'insegnamento collegato


Modalità di valutazione

La verifica dell’apprendimento verrà effettuata mediante: 

1) una prova d'esame scritta nell'ambito degli appelli d’esame previsti (*)
2) una prova orale (*)
 
Lo studente è ammesso a sostenere la provo orale solo se la prova scritta è risultata sufficiente. La prova orale deve essere sostenuta prima del successivo appello scritto (*).
 
In particolare per il superamento della prova scritta viene richiesto di
a) risolvere problemi teorici (*) 
b) svolgere l'analisi di dataset mediante l'utilizzo del software R.
 
Questo consente di valutare il raggiungimento dei seguenti risultati di apprendimento attesi:
- conoscenza e capacità di comprensione (*);
- capacità di applicare conoscenza e comprensione (*);
- capacità di comunicare i risultati di un'analisi dati.
 
Per il superamento della prova orale viene richiesto di rispondere a
a) domande di carattere teorico sugli argomenti trattati nell'insegnamento (*); 
b) domande volte ad evidenziare le capacità dello studente a elaborare collegamenti tra differenti argomenti trattati nell'insegnamento stesso o in insegnamenti precedenti (*).
 
Questo consente di valutare il raggiungimento dei seguenti risultati di apprendimento attesi:
- conoscenza e capacità di comprensione (*);
- capacità di applicare conoscenza e comprensione (*);
- abilità comunicative (*).
 
(*) Modalità di valutazione valide anche nell'insegnamento collegato

Bibliografia
Risorsa bibliografica facoltativaCasella, G. e Berger, R.L., Statistical Inference, Editore: Duxbury, CA, Anno edizione: 2002
Risorsa bibliografica facoltativaBartoszynski, R. e Newiadomska-Bugaj, M., Probability and Statistical Inference, Editore: Wiley, Anno edizione: 2007
Risorsa bibliografica facoltativaLehmann, L. E. e Casella, G., Theory of Point Estimation, Editore: Springer-Verlag, N.Y., Anno edizione: 2001
Risorsa bibliografica facoltativaJohnson R.A. e Wichern, D.W., Applied Multivariate Statistical Analysis , Editore: Prentice Hall, Upper Saddle River, Anno edizione: 2002
Risorsa bibliografica facoltativaAgresti, A., Categorical Data Analysis, Editore: Wiley, Anno edizione: 2002

Forme didattiche
Tipo Forma Didattica Ore di attività svolte in aula
(hh:mm)
Ore di studio autonome
(hh:mm)
Lezione
60:00
90:00
Esercitazione
40:00
60:00
Laboratorio Informatico
0:00
0:00
Laboratorio Sperimentale
0:00
0:00
Laboratorio Di Progetto
0:00
0:00
Totale 100:00 150:00

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua Italiano
Disponibilità di libri di testo/bibliografia in lingua inglese
Possibilità di sostenere l'esame in lingua inglese
Disponibilità di supporto didattico in lingua inglese
schedaincarico v. 1.6.5 / 1.6.5
Area Servizi ICT
24/02/2021