72534 - STATISTICA NUMERICA

Conoscenze e abilità da conseguire

Alla fine del corso lo studente possiede a) la conoscenza di strumenti software per l'analisi dei dati; b) la definizione e le caratteristiche di distribuzioni discrete e continue con i loro momenti; c) il metodo della Massima Verosimiglianza per la stima dei parametri; d) alcuni metodi numerici per la regressione con applicazioni in campo economico; e) i concetti di base dell’approccio statistical learning per fare regressione e classificazione.

Contenuti

Definizione di probabilità ed esempi. Distribuzioni discrete e continue di probabilità. Statistica descrittiva. Stime puntuali e di intervalli. Test di ipotesi. Approssimazione dati ai minimi quadrati: regressione lineare, funzioni polinomiali di grado superiore, minimi quadrati non lineari. Metodi numerici per il calcolo della soluzione del problema discreto dei minimi quadrati.

Ambiente di simulazione e programmazione Python.Principali funzioni grafiche e di analisi statistica dati. Esercitazioni guidate su esempi con dati simulati e reali.

Introduzione a statistical learning. Classificazione.

Testi/Bibliografia

j. Unpingco, Python for probability, statistics and machine learning, Springer

Metodi didattici

Lezioni in aula ed esercitazioni guidate con portatile. Le esercitazioni consistono in brevi programmi in ambiente R sui metodi numerici trattati a lezione.

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai Moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/ ] in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

Verifica scritta con domande a quiz e discussione orale di un progetto assegnato.

Strumenti a supporto della didattica

Programmi test forniti dal docente.

Orario di ricevimento

Consulta il sito web di Elena Loli Piccolomini