Servizi per la didattica
PORTALE DELLA DIDATTICA

Statistica

12CKRPL, 12CKRPI

A.A. 2019/20

Lingua dell'insegnamento

Italiano

Corsi di studio

Corso di Laurea in Ingegneria Gestionale - Torino

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 60
Esercitazioni in aula 31
Esercitazioni in laboratorio 9
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Vicario Grazia - Corso 1 Professore Associato SECS-S/01 60 0 0 0 17
Vicario Grazia - Corso 2 Professore Associato SECS-S/01 60 0 0 0 17
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
SECS-S/01 10 C - Affini o integrative A11
2019/20
L’analisi statistica di dati e l’uso di modelli probabilistici costituiscono attualmente pratica comune in numerosi ambiti applicativi. Il corso si propone di fornire una introduzione a quegli strumenti che verranno ampiamente utilizzati dagli studenti nel corso della loro futura attività professionale. Accanto alla trattazione teorica degli argomenti, il corso prepara alla lettura critica di output generati da software statistici per l’analisi di dati, strumenti peraltro indispensabili nelle applicazioni. Viene riservato un opportuno spazio per l'esame di problemi pratici frequenti, illustrando, mediante esempi, applicabilità e limiti dei metodi usati.
The use of statistical methods and probability models for analyzing data has become common practice in all business and industrial sectors. This course aims at providing a comprehensive introduction to those models and methods most likely to be encountered and used by students in their careers in engineering. Output of statistical software are examined, due to the importance of statistical software in particular for the analysis of large datasets. Problems and case-studies that frequently occur in practice are examined.
Obiettivo del corso è quello di presentare i metodi della statistica come strumenti fondamentali per produrre, selezionare ed elaborare informazioni. Si vuole dotare gli studenti di logiche e metodologie statistiche utilizzabili per la pianificazione delle prove e l’analisi dei dati, tali da poter essere utilizzati in numerosi contesti applicativi. L’abilità acquisita consentirà di trattare problemi pratici di frequente ricorrenza.
Decision making has to be based on pieces of appropriate and good quality information: statistical methods are vital tools in order to get, select and work out information. Therefore the learning outcome of the course is aimed to provide the students of methodologies in order to afford advanced elaborations and working knowledge of the most popular techniques among the experimenters. Practical problems that frequently occur are used as examples in order to enlighten limits and features of the proposed methods. The transferable skills is to supply statistical tools to analyze experimental data.
Conoscenze matematiche di base, quali si possono avere nei corsi di Analisi Matematica e di Geometria.
The complete program of the current courses of Mathematical Analysis and Geometry (including Linear Algebra) or equivalent education.
Statistica descrittiva: popolazione, campione e cenni ai principali metodi di campionamento; rappresentazioni grafiche; principali indici di tendenza centrale; la variabilità e i suoi indici; caratteristiche bidimensionali e loro rappresentazione. Probabilità elementare: definizioni di probabilità e loro applicabilità; regole per il calcolo delle probabilità; probabilità condizionata, la formula di Bayes, indipendenza stocastica. Distribuzioni univariate. Variabile casuale; distribuzioni di variabili discrete e continue; parametri principali relativi a posizione, dispersione, forma; principali distribuzioni teoriche. Inferenza statistica: distribuzioni campionarie; teorema del limite centrale e sue applicazioni ed implicazioni; stima puntuale, stimatori e loro proprietà; intervallo di fiducia per medie, differenza di medie, osservazioni a coppie e varianze; test di ipotesi, determinazione della numerosità campionaria, significatività e p-value, potenza. Analisi della Varianza e della Covarianza: separazione dei contributi di più fonti di variabilità; assegnazione della variabilità osservata in esperimenti programmati a differenti fattori; identificabilità di effetti principali ed interazioni; test statistici per la significatività di effetti principali e interazioni. Discussione di output statistici ottenuti con software dedicato. Modelli predittivi: modellazione statistica mediante regressione multipla (analisi preliminare dei dati , identificazione del modello, stima dei parametri, verifica della qualità statistica del modello, intervalli di previsione). Discussione di output statistici ottenuti con software dedicato.
Descriptive Statistics. Population, sample and different sampling techniques; graphical representations; main indices of central tendency; variability and its indices; two-dimensional characteristics and their representation. Probability. Different definitions of probability and their use in different contests; rules for computing the probability; conditional probability, Bayes, stochastic independence. Distributions. Random variable; discrete and continuous random variables; main parameters for position, variability and shape; main theoretical distributions. Statistical Inference. Sampling distributions, central limit theorem and its applications and implications, point estimation, estimators and their properties, confidence interval and confidence limits for means, pair observations and variances. Analysis of Variance and Covariance: partitioning the variability; designed experiments and controlled factors: assigning the variability to different factors; main effects and interactions; significance test for main effects and interactions. Discussion of software outputs. Modeling. Linear regression model (exploratory data analysis, parameters estimation, check of the estimations quality, prediction). Decomposition of the variability; assigning the observed variability in designed experiments to the single variables; statistical tests for the variables significance. Discussion of software outputs.
Il corso è strutturato in lezioni (60 ore), esercitazioni (30 ore) e laboratori (10 ore). Le esercitazioni in aula tratteranno applicazioni delle metodologie viste a lezione per la soluzione di problemi reali in campo tecnologico esperimentale, a differenti e crescenti livelli di complessità. In laboratorio, con l’aiuto di software statistico ad hoc, saranno analizzate basi di dati, per imparare ad estrarre il massimo dell’informazione con l’ausilio di rappresentazioni grafiche e di alcuni indici statistici.
Traditional exercise sessions will complement lectures; practical problems and case-studies that frequently occur are examined besides the rigorously theoretical lessons, using a number of examples and case-studies: Whereas appropriate statistical software will be taught in the computer laboratory.
Il testo di riferimento per le lezioni è: Grazia Vicario, Raffaello Levi (2014), Metodi statistici per la sperimentazione, Casa Editrice Esculapio, Bologna. Il testo di riferimento per le esercitazioni è: G. Vicario, R. Fontana (2018), Laboratorio di Metodi statistici per la sperimentazione – Problemi svolti ed esercizi, Casa Editrice Esculapio, Bologna. Verranno fornite eventualmente dispense per le esercitazioni e/o per il Laboratorio di Statistica.
Lesson book: Grazia Vicario, Raffaello Levi (2014), Metodi statistici per la sperimentazione, Casa Editrice Esculapio, Bologna, will be used as the reference textbook. Exercise book: G. Vicario, R. Fontana (2018), Laboratorio di Metodi statistici per la sperimentazione – Problemi svolti ed esercizi, Casa Editrice Esculapio, Bologna, will be used as the reference exercisebook. May be the students will be given some issues of exercises and/or Statistic Laboratory.
Modalità di esame: test informatizzato in laboratorio; prova orale obbligatoria;
L’esame consiste in una prova scritta che si svolge in laboratorio ed è composta di due parti. La durata complessiva è di due ore: la prima parte dura un’ora e trenta minuti, la seconda dura trenta minuti. Nella prima parte vengono proposti esercizi con annesse tre risposte riguardanti argomenti trattati durante lezioni ed esercitazioni e in laboratorio. Questa parte è rivolta al controllo dell'apprendimento dei concetti fondamentali introdotti. Durante la prova viene fornito un formulario; non può essere usato altro materiale (libri, dispense, appunti, …). Il voto massimo della prova in laboratorio è 24/30 e sono previste penalizzazioni per risposte errate; si è ammessi alla seconda parte della prova in laboratorio con un voto maggiore o uguale a 12/30. Questa seconda parte consiste di due domande a scelta multipla riguardanti argomenti teorici e viene richiesto il commento di un output ottenuto con il software statistico impiegato in laboratorio. La valutazione della seconda parte vale fino a otto punti, che possono essere aggiunti o tolti al voto conseguito nella prima prova per ottenere il voto finale dell’esame.
Exam: computer lab-based test; compulsory oral exam;
The exam consists of a written exam in the laboratory. The exam consists of two separated parts and lasts two hours. The first part lasts one hour and a half and the second part lasts 30 minutes. The first one consists of exercises (multiple choice) and concerns all the subjects dealt with during the lessons and in the laboratories. During the exam formulary is provided, no books and other teaching material are allowed. The maximal mark is 24/30, there are penalties for wrong answers and the minimal mark to be admitted to the second part is 12/30. The second part consists of two theoretical questions (multiple choice) and of the comment of an output created with the software used in the laboratories. The final mark is the mark of the first part plus or minus 8 points according to the valuation of the second part.


© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
m@il