FOUNDATIONS OF PROBABILITY AND STATISTICS

Scheda dell'insegnamento

Anno accademico di regolamento: 
2018/2019
Anno di corso: 
1
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
46
Prerequisiti: 

Nessuno

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

PROVA SCRITTA

PROJECT WORK (Sviluppo di un progetto originale a partire da una semplice idea o dall’analisi di un caso esistente)

Lavoro applicativo da svolgere autonomamente o in gruppo su un dataset scelto dallo studente (con R o SAS) su cui applicare i principali argomenti svolti a lezione (analisi descrittive, test, modello lineare, modello logistico).

I principali output del PROJECT WORK vanno stampati e portati all'orale.

Portali per la scelta del dataset:

https://archive.ics.uci.edu/ml/datasets

kaggle.com

PROVE ORALI
COLLOQUIO DI DISCUSSIONE SULLO SCRITTO

L'esame orale consta di domande sulla TEORIA affrontata a lezione e sul commento degli output del lavoro applicativo per verificare la comprensione dei principali strumenti adottati e il conseguente "modus operandi" dell'analisi statistica svolta.

Non sono previste prove in itinere

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso si propone di introdurre i concetti e i metodi di statistica descrittiva, calcolo delle probabilità ed inferenza statistica (stima, test, modelli) sia dal punto di vista teorico che applicativo attraverso l’utilizzo di software , con particolare attenzione agli argomenti rilevanti per i corsi più avanzati di datamining e machine learning.

Alla fine del corso lo studente ha la possibiltà di capire l’induzione statistica e le implicazioni sulla popolazione derivanti dallo studio di un campione di dati, essendo in grado di sperimentare ed applicare le conoscenze acquisite su dataset reali.

Contenuti

Metodi di statistica descrittiva, calcolo delle probabilità ed inferenza statistica (stima, test, modelli)

Programma esteso

-Introduzione al trattamento dati con SAS ed R

-Analisi descrittiva

-Calcolo delle probabilità

-Inferenza statistica

-Stimatori,

-Test

- Modelli lineari

- Regressione logistica

Bibliografia consigliata

MANN P. S., INTRODUCTORY STATISTICS, Wiley (7 edition) Chapter 1-13

Gareth, Witten, Hastie, Tibshirani, An Introduction to Statistical Learning with Applications in R Chapter 3 (no section 3.5), Chapter 4 (sections 4.1,4.2, 4.3) free online

Lucidi sul moodle

Metodi didattici

Lezione frontale e sessioni di laboratorio