Caricamento in corso...
Bayesian inference: examples in civil and environmental engineering
01DMCRW
A.A. 2021/22
Course Language
Inglese
Degree programme(s)
Doctorate Research in Ingegneria Civile E Ambientale - Torino
Course structure
| Teaching | Hours |
|---|---|
| Lezioni | 10 |
Lecturers
| Teacher | Status | SSD | h.Les | h.Ex | h.Lab | h.Tut | Years teaching |
|---|---|---|---|---|---|---|---|
| Viglione Alberto | Professore Associato | CEAR-01/B | 10 | 0 | 0 | 0 | 2 |
Co-lectures
Context
| SSD | CFU | Activities | Area context | *** N/A *** |
|---|
Gli ingegneri civili e ambientali di oggi devono affrontare il problema dell'incertezza nella corretta caratterizzazione dei sistemi. La statistica Bayesiana può fornire una quantificazione rigorosa dell'incertezza delle variabili strutturali e ambientali (ad esempio, delle portate di piena, della resistenza del calcestruzzo, della concentrazione di inquinanti, ...). Essa consente il trattamento probabilistico dell'informazione aggiuntiva (p.es., proveniente da esperimenti) per l'aggiornamento dei modelli numerici associati a sistemi reali. Inoltre, la statistica Bayesiana consente di combinare diverse fonti di informazione, compreso il giudizio soggettivo di esperti, per l'inferenza dei parametri dei modelli (p.es., della curva di frequenza delle piene, dei modelli di carico e resistenza, ...). L'obiettivo di questo corso è quello di illustrare le basi dell'inferenza Bayesiana e dei metodi di approssimazione numerica che hanno dato impulso alle sue applicazioni negli ultimi anni. Il software statistico R verrà utilizzato per illustrare alcuni esempi pratici.
Today's civil and environmental engineers face many uncertainties in properly characterising systems. Bayesian statistics can provide a rigorous quantification of uncertainty of structural and environmental variables (e.g., flood flows, strength of concrete, pollutant concentrations, ...). Bayesian statistics allows the probabilistic treatment of new information coming from experiments on real systems for the updating of the associated numerical models. Besides, Bayesian statistics allows to combine different sources of information, including subjective expert judgement, for the inference of model parameters (e.g., flood frequency curve, load and resistance models, ...). The objective of this course is to illustrate the basics of Bayesian inference and of the numerical approximation methods that have boosted Bayesian statistics applications in recent years. The statistical software R will be used to illustrate some practical examples.
Nessuno
None
- Introduzione alla statistica Bayesiana (1 ora)
- Illustrazione di esempi di inferenza Bayesiana in Ingegneria Civile e Ambientale (2 ore)
- Algoritmi Markov Chain Monte Carlo (MCMC) (2 ore)
- Applicazione dell'inferenza Bayesiana a dati reali tramite il software R (4 ore)
- Conclusioni (1 ora)
Esame: Breve relazione sugli esercizi o applicazione ad un problema (e ai dati) proposto dallo studente
- Introduction on Bayesian statistics (1 hour)
- Illustration of examples of Bayesian inference in Civil and Environmental Engineering (2 hours)
- Markov Chain Monte Carlo (MCMC) algorithms (2 hours)
- Application of Bayesian inference to real data using the software R (4 hours)
- Conclusions (1 hour)
Exam: Short report on the exercises or application to own problem and data
A distanza in modalità sincrona
On line synchronous mode
Presentazione report scritto
Written report presentation
P.D.2-2 - Giugno
P.D.2-2 - June