Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Piano Didattico

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

1° Anno

InsegnamentiCreditiTAFSSD

2° Anno  Attivato nell'A.A. 2021/2022

InsegnamentiCreditiTAFSSD
Training
6
F
-
Final exam
22
E
-
Attivato nell'A.A. 2021/2022
InsegnamentiCreditiTAFSSD
Training
6
F
-
Final exam
22
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 module among the following (1st year: Big Data epistemology and Social research; 2nd year: Cybercrime, Data protection in business organizations, Comparative and Transnational Law & Technology)
6
C
IUS/17
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Business analytics, Digital Marketing and market research; 2nd year: Logistics, Operations & Supply Chain, Digital transformation and IT change, Statistical methods for Business intelligence)
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Complex systems and social physics, Discrete Optimization and Decision Making, 2nd year: Statistical models for Data Science, Continuous Optimization for Data Science, Network science and econophysics, Marketing research for agrifood and natural resources)
Tra gli anni: 1°- 2°
2 courses among the following (1st year: Data Visualisation, Data Security & Privacy, Statistical learning, Mining Massive Dataset, 2nd year: Machine Learning for Data Science)

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009077

Crediti

12

Coordinatore

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

MAT/06 - PROBABILITÀ E STATISTICA MATEMATICA

L'insegnamento è organizzato come segue:

Parte II

Crediti

7

Periodo

I semestre

Docenti

Francesco Giuseppe Cordoni

Parte I

Crediti

4

Periodo

I semestre

Teoria

Crediti

1

Periodo

I semestre

Obiettivi formativi

Il corso fornirà un'introduzione auto-contenuta e matematicamente rigorosa alle moderne tecniche di analisi dei dati e modellizzazione dei fenomeni aleatori, con particolare attenzione alle basi teoriche, proprie della teoria delle probabilità, necessarie per sviluppare soluzioni efficaci alle sfide caratterizzanti ambiti eterogenei, e.g., finanza, fault-detection, innovation forecasting, energy prediction, etc., tipici della Industria 4.0, con particolare riferimento alle sfide poste in ambito big data analytics. La presentazione di concetti, problemi e relative soluzioni teorico/pratiche, verrà orientata alle applicazioni, anche facendo uso di software statistico specifico (e.g.: Matlab, R, KNIME, etc.) sempre mantenendo un elevato livello di rigore matematico. All'interno del corso verranno ricordate le nozioni di base della teoria della Probabilità moderna (e.g.: variabili casuali, le loro distribuzioni e principali proprietà statistiche, teoremi di convergenza e applicazioni), con particolare attenzione ai processi stocastici fondamentali (e.g. : catene di Markov, processi di nascita e morte, teoria della code con applicazioni del mondo reale) e le loro applicazioni all'interno di scenari del mondo reale e caratterizzati dalla presenza di big data e serie temporali correlate.

Al termine del corso lo studente dovrà dimostrare di:

● conoscere le basi formali della teoria della probabilità
● saper utilizzare i concetti di variabile aleatoria (tanto in ambito discreto che continuo)
● saper sviluppare modelli basati su modelli probabilistici noti, e.g., v.a. binomiali, di Poisson, Gaussiane, misture di Gaussiane, etc.
● aver compreso e saper utilizzare la teoria di base dei processi stocastici, con particolare riferimento alla teoria delle catene di Markov (a tempo discreto e continuo), ai processi di nascita e morte ed applicazioni correlate
● conoscere e saper utilizzare i concetti di base in ambito statistico descrittivo ed inferenziale

Programma

Probabilità, condizionamento e indipendenza.

Variabili aleatorie e distribuzioni. Distribuzioni discrete. Valor medio e varianza. Distribuzioni continue.

Vettori aleatori. Indipendenza di variabili aleatorie. Covarianza e correlazione.

Teoremi limite: Legge dei Grandi numeri e Teorema Limite Centrale. Approssimazione normale.

Vettori aleatori normali.

Catene di Markov a tempo discreto. Markov Chain Monte Carlo.

Processi di Poisson ed elementi di Teoria delle Code. Catene di Markov a tempo continuo.

Introduzione alle reti aleatorie.

Bibliografia

Testi di riferimento
Attività Autore Titolo Casa editrice Anno ISBN Note
Parte II S. Ross A First Course in Probability (Edizione 10) Pearson 2018
Parte II P. Baldi Calcolo delle Probabilità McGraw Hill 2007 9788838663659
Parte II S. Ross Introduction to Probability models (Edizione 12) Academic Press 2019
Teoria Durret, R. Random graph dynamics Cambridge university press 2007
Teoria Bolloas, B. Random graphs Cambridge university press 2001
Teoria Chung, F. R. K. and Lu, L. Random graphs AMS Bookstore 2006
Teoria Duflo, M. Random Iterative Models, Applications of Mathematics, 34 SpringerVerlag, Berlin 1997
Teoria Albert, R. and Barab´asi, A.-L. Statistical mechanics of complex networks. Reviews of modern physics, 74(1):47. 2002 Reviews of modern physics, 74(1):47.

Modalità d'esame

L’esame si svolge in due parti.
La prima parte, obbligatoria per tutti gli studenti, consiste di una prova scritta con esercizi.
La seconda parte può essere svolta, a scelta dello studente, con una delle seguenti modalità:
- prova orale, in cui lo studente dovrà essere in grado di esporre le nozioni e i modelli descritti nel corso, sia negli aspetti teorici che in quelli applicativi;
- un progetto assegnato dal docente, che includerà la scrittura di un codice per una simulazione.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI