Scheda programma d'esame
STATISTICS
MARIO MAURELLI
Academic year2022/23
CourseCOMPUTER SCIENCE
Code737AA
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
STATISTICAMAT/06LEZIONI48
MARIO MAURELLI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Al termine del corso lo studente saprà risolvere problemi elementari di probabilità, fare un'analisi statistica di dati e impostare la verifica delle ipotesi (test statistici), usare in modo elementare il lunguaggio di programmazione statistica R.

Knowledge

The student will be able to solve basic problems on Probability Theory, to analyze statistical data and to use statistical tests for the verification of the hypothesis. Moreover the student will be introduced to basic knowledges of the statistical programming language R.

Modalità di verifica delle conoscenze

Esame finale.

Assessment criteria of knowledge

Final exam.

Capacità

Al termine del corso lo studente saprà utilizzare il software statistico R evidenziando le procedure utili per il particolare problema concreto, leggere in maniera consapevole e critica articoli scientifici che usino elaborazioni statistiche.

Skills

After the class, the student will be able to use the statistical software R with the ability of using the correct procedures to study a specific problem. Moreover the student will be able to read scientific papers on statistical elaborations in a critical and aware way.

Modalità di verifica delle capacità

Esame finale.

Assessment criteria of skills

Final exam.

Comportamenti

Lo studente guarderà con spirito statistico all'esame di dati reali.

Behaviors

The student will look at real data with a statistical way of thinking.

Modalità di verifica dei comportamenti

Esame finale.

Assessment criteria of behaviors

Final exam.

Prerequisiti (conoscenze iniziali)

Il contenuto del corso di Analisi del primo anno, nozioni di Algebra Lineare.

Prerequisites

The notions of the classes Mathematical Analysis and Linear Algebra.

Indicazioni metodologiche

Il corso consta di lezioni frontali ed esercitazioni riguardanti soluzioni di problemi ed esempi di programmazione in R.

Teaching methods

Frontal didactics concerning theory, exercises, and programming using R.

Programma (contenuti dell'insegnamento)

Nozioni di Statistica Descrittiva: dati numerici singoli e multipli e grandezze che li descrivono.

Probabilità e Variabili Aleatorie: probabilità condizionata e indipendenza, variabili aleatorie discrete e con densità, valori attesi e momenti, le principali distribuzioni di probabilità dell'inferenza statistica, Legge dei Grandi Numeri e Teorema Limite Centrale.

Inferenza Statistica: modelli statistici e stima dei parametri, intervalli di fiducia e test statistici, i principali test statistici sulle Variabili Gaussiane.

Syllabus

Notions of descriptive statistics: numerical data and quantities describing them.

Probability and random variables: conditional probability and independence, discrete random variables, random variables with a density, expected values and moments, the main probability distributions for statistical inference, the Law of Large Numbers, the Central Limit Theorem.

Statistical inference: statistical models and estimates of the parameters, confidence intervals and statistical tests, main statistical tests for Gaussian Variables.

Bibliografia e materiale didattico

Appunti scritti dai docenti sui contenuti del corso e fogli di esercizi.

S. Ross "Probabilità e Statistica per l'Ingegneria e le Scienze" Apogeo

Bibliography

Notes from the lecturers.

S. Ross "Probabilità e Statistica per l'Ingegneria e le Scienze" Apogeo

Indicazioni per non frequentanti

Non ci sono variazioni per i "non frequentanti".

Non-attending students info

Nothing particular.

Modalità d'esame

L'esame consiste in una prova scritta seguita da un colloquio orale (secondo le modalità consentite dalla situazione didattica del corrente anno accademico).

Assessment methods

Written and oral exam.

Updated: 13/09/2022 19:30