Il corso, che ha come prerequisito la conoscenza dei fondamenti della teoria delle probabilità e della statistica inferenziale, completa la formazione dello studente di dottorato su: 1. modelli gerarchici e statistica bayesiana; 2. modelli per dati dipendenti; 3. metodi statistici per la pianificazione degli esperimenti. I metodi verranno illustrati in concreto mediante applicazioni del software R e/o SAS a problemi di tipo industriale, scientifico e gestionale, in modo da rendere il corso di interesse per un ampio spettro di studenti di dottorato.

Conoscenza delle basi della teoria della probabilità e della statistica inferenziale.

Bayesian Networks and Bayesian Statistics: - naive Bayesian networks; - fundamentals of Bayesian Statistics; - industrial and scientific applications. Models for dependent data: - time-series; - spatial data; - mixtures. Design of Experiments: - orthogonal fractional factorial designs - saturated designs

In presenza

Presentazione report scritto

P.D.2-2 - Giugno

PERIODO: GIUGNO - LUGLIO