- Docente: Saverio Ranciati
- Crediti formativi: 6
- SSD: SECS-S/01
- Lingua di insegnamento: Inglese
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
-
Corso:
Laurea in
Scienze statistiche (cod. 8873)
Valido anche per Laurea in Matematica (cod. 8010)
Laurea in Scienze statistiche (cod. 8873)
-
dal 11/11/2024 al 10/12/2024
Conoscenze e abilità da conseguire
The student will learn computational techniques useful in the context of classical and bayesian estimation. In particular, the student will be able to: - find estimates for one or more parameters using iterative algorithms; - evaluate the bias and the precision of the estimates using resampling methods. The student will be able to implement all the computational techniques studied during the course with the statistical software R. Furthermore, the student will be able to perform real data analyses in a critical way in terms of both choice of the best technique to apply and interpretation of results.
Contenuti
Introduzione alla statistica computazionale ed all'uso del linguaggio R.
Generazione di Variabili Casuali. Simulazione uniforme, trasformazione inversa, metodi generali di inversione, distribuzioni discrete.
Integrazione Monte Carlo. Introduzione, integrazione Monte Carlo classica, Importance Sampling.
Ottimizzazione Monte Carlo. Introduzione, metodi di ottimizzazione numerica, ricerca stocastica (soluzioni base, metodi stocastici del gradiente, simulated annealing).
[Tentative] Bootstrapping. Introduzione, boostrap parametrico e non-parametrico.
Testi/Bibliografia
-
Robert, C. & Casella, G. (2010). Introducing Monte Carlo Methods with R. New York: Springer-Verlag.
-
Efron, B. & Tibshirani, R. J. (1993). An introduction to the bootstrap. London: Chapman & Hall/CRC.
Metodi didattici
• Lezioni convenzionali
Modalità di verifica e valutazione dell'apprendimento
L'esame consiste in un set di domande a risposta aperta e/o esercizi pratici da svolgere mediante l'utilizzo del software R.
Il voto finale del corso di "Numerical Analysis" è calcolato come media aritmetica dei voti ottenuti nel test del modulo Numerical Analysis e nell'esame scritto del modulo di Computational Statistics.
Strumenti a supporto della didattica
Materiale aggiuntivo messo a disposizione dal docente (iol.unibo.it)
Orario di ricevimento
Consulta il sito web di Saverio Ranciati