2. Docenti
  3. POSTIGLIONE Fabio
  4. Didattica

STATISTICA APPLICATA

Fabio POSTIGLIONE STATISTICA APPLICATA

0612700117
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA
INGEGNERIA INFORMATICA
2021/2022



ANNO CORSO 3
ANNO ORDINAMENTO 2017
PRIMO SEMESTRE
CFUOREATTIVITÀ
1STATISTICA APPLICATA - MOD.1
432LEZIONE
216ESERCITAZIONE
2STATISTICA APPLICATA - MOD.2
216LEZIONE
18ESERCITAZIONE


FABIO POSTIGLIONE1 T Curriculum
MARIO DI MAURO2 Curriculum
Obiettivi
L’INSEGNAMENTO MIRA A FORNIRE:
- I PRINCIPALI STRUMENTI PER VISUALIZZARE I DATI E DESCRIVERLI TRAMITE SEMPLICI MODELLI, IN PARTICOLARE BASATI SULLA REGRESSIONE;
- I METODI PIÙ RILEVANTI PER PIANIFICARE LA RACCOLTA DI DATI, PER SOTTOPORRE A VERIFICA SPERIMENTALE I MODELLI, E ANALIZZARE L’EFFETTO DEI DIVERSI FATTORI DI INFLUENZA;
- I METODI PRINCIPALI PER COSTRUIRE E SOTTOPORRE A VERIFICA SPERIMENTALE MODELLI INTERPRETATIVI DI UN FENOMENO.
- LA CAPACITÀ DI UTILIZZARE I PRINCIPALI STRUMENTI SOFTWARE PER L’ANALISI DEI DATI.

CONOSCENZE E COMPRENSIONE
DESCRIZIONE DI FENOMENI NON DETERMINISTICI BASATA SULLA TEORIA DELLA PROBABILITÀ. ELEMENTI DI BASE DI STATISTICA DESCRITTIVA, PER SINTETIZZARE I DATI NELL’ANALISI UNIVARIATA E MULTIVARIATA, E DELL’INFERENZA STATISTICA. ANALISI DEI FATTORI PIÙ SIGNIFICATIVI NELLA DESCRIZIONE DI UN FENOMENO. MODELLI DI REGRESSIONE LINEARE. TEST PER VALUTARE LA SIGNIFICATIVITÀ STATISTICA.

APPLICAZIONE DELLE CONOSCENZE E DELLA COMPRENSIONE
ANALIZZARE SEMPLICI DATASET DI INTERESSE APPLICATIVO TRAMITE SOFTWARE DEDICATI PER APPLICAZIONI DI STATISTICA.
STIMARE I PARAMETRI DI MODELLI DI REGRESSIONE LINEARE DEI DATI.
PROGETTARE SEMPLICI ESPERIMENTI PER LA RACCOLTA DEI DATI E ANALIZZARE I FATTORI DI INFLUENZA TRAMITE ANALISI DELLA VARIANZA.
Prerequisiti
PREREQUISITI: ADEGUATE CONOSCENZE MATEMATICHE. NOZIONI DI PROBABILITÀ DI BASE.

PROPEDEUTICITÀ: FONDAMENTI DI SEGNALI E TRASMISSIONE.
Contenuti
INTRODUZIONE AL CORSO. RICHIAMI DI TEORIA DELLA PROBABILITÀ. CALCOLO COMBINATORIO. MODELLI DI VARIABILI ALEATORIE. COPPIE DI VARIABILI ALEATORIE. DISTRIBUZIONI CONGIUNTE E MARGINALI. INDICATORI SINTETICI PER COPPIE DI VARIABILI ALEATORIE. MODELLI DI VARIABILI ALEATORIE DISCRETE E CONTINUE DI USO NELL’ANALISI DEI DATI (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 5/5/0)
• INTRODUZIONE AL SOFTWARE R. STATISTICA DESCRITTIVA TRAMITE R: POPOLAZIONE E CAMPIONE, CAMPIONAMENTO CASUALE, DISTRIBUZIONE DI FREQUENZA E FREQUENZA RELATIVA PER VARIABILI DISCRETE E CONTINUE. INDICI STATISTICI DI POSIZIONE E DI VARIABILITÀ: MEDIA CAMPIONARIA, MEDIANA, VARIANZA CAMPIONARIA. BOX PLOT. (6/0/6)
• STATISTICA INFERENZIALE E CONCETTI DI BASE DEL RAGIONAMENTO INDUTTIVO. LA FUNZIONE DI VEROSIMIGLIANZA. TEORIA DEGLI STIMATORI. SUFFICIENZA DI UNO STIMATORE, PROPRIETÀ DI UNO STIMATORE. METODO DELLA MASSIMA VEROSIMIGLIANZA: PRINCIPI ED APPLICAZIONI. STIMA DEI PARAMETRI DI UNA POPOLAZIONE. STIMA PUNTUALE ED INTERVALLARE. INTERVALLI DI CONFIDENZA: ESEMPI PRINCIPALI. LA DISTRIBUZIONE T DI STUDENT. LA DISTRIBUZIONE CHI-QUADRATO. APPLICAZIONE IN R DEI CONCETTI SPIEGATI. (7/3/3)
• VERIFICA (TEST) DI IPOTESI. RISCHIO DI I E DI II SPECIE DI UN TEST D’IPOTESI. IPOTESI NULLA, LIVELLO DI SIGNIFICATIVITÀ E POTENZA DI UN TEST. CURVE ROC. TEST DEL RAPPORTO DI VEROSIMIGLIANZA. TEST STATISTICI ASINTOTICI. TEST D’IPOTESI SULLA POPOLAZIONE NORMALE. APPLICAZIONE IN R DEI CONCETTI SPIEGATI. (8/3/3)
• PROGETTAZIONE DEGLI ESPERIMENTI E ANALISI DI VARIANZA (ANOVA). PIANI COMPLETAMENTE CASUALIZZATI. PIANI A BLOCCHI COMPLETI E QUADRATI LATINI. PIANI FATTORIALI. CONFRONTO TRA MEDIE DI POPOLAZIONI NORMALI. PARTIZIONE DELLA VARIABILITÀ SPERIMENTALE. ANOVA AD UNA VIA E A DUE VIE. ANALISI DEI RESIDUI. IMPLEMENTAZIONE IN R DEGLI STRUMENTI PRESENTATI. (6/2/3)
• ANALISI DI CORRELAZIONE E REGRESSIONE LINEARE. MATRICE DI CORRELAZIONE. MODELLO DI REGRESSIONE LINEARE SEMPLICE. STIMA AI MINIMI QUADRATI DEI PARAMETRI DEL MODELLO. IL COEFFICIENTE DI DETERMINAZIONE. MODELLO DI REGRESSIONE LINEARE MULTIPLA. SCELTA DEL MIGLIORE MODELLO DI REGRESSIONE E PROCEDURA STEPWISE. IMPLEMENTAZIONE IN R DEGLI STRUMENTI PRESENTATI. (ORE 6/1/5)

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 38/14/20
Metodi Didattici
L’INSEGNAMENTO PREVEDE LEZIONI TEORICHE ED ESERCITAZIONI IN AULA E AL CALCOLATORE TRAMITE R SUGLI ARGOMENTI PROPOSTI.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALL’ATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.
Verifica dell'apprendimento
L’ESAME PREVEDE UN PROGETTO DI GRUPPO E UN COLLOQUIO ORALE. IL PROGETTO MIRA A STABILIRE LE CAPACITÀ DI ANALIZZARE UN SEMPLICE DATASET TRAMITE IL SOFTWARE R. IL COLLOQUIO ORALE È FINALIZZATO A VALUTARE NEL SUO COMPLESSO: LA CAPACITÀ DI AFFRONTARE PROBLEMI DI STATISTICA APPLICATA ATTRAVERSO LE METODOLOGIE E GLI STRUMENTI ILLUSTRATI DURANTE IL CORSO; LA CONOSCENZA ED IL LIVELLO DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO. VENGONO ANCHE VALUTATE L’AUTONOMIA DI GIUDIZIO E LA CAPACITÀ ESPOSITIVA.
Testi
D. PICCOLO, STATISTICA PER LE DECISIONI. 3° ED., IL MULINO, 2020.
S. M. IACUS, G. MASAROTTO, LABORATORIO DI STATISTICA CON R, 2° ED., MCGRAW-HILL, 2014

TESTI DI SUPPORTO:
M. GUIDA, AFFIDABILITÀ, ARACNE, 2020.
A. PAPOULIS, S. U. PILLAI, PROBABILITY, RANDOM VARIABLES AND STOCHASTIC PROCESSES, 4TH ED., MCGRAW-HILL, 2001.

MATERIALE DIDATTICO INTEGRATIVO SARÀ DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
LA LINGUA DELL’INSEGNAMENTO È L’ITALIANO.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-11-21]