La statistica consente di analizzare dati e di prendere decisioni in condizioni di incertezza. Gli strumenti statistici sono una parte fondamentale nella educazione dell’ingegnere moderno e contribuiscono in maniera sostanziale all’attuale sviluppo della cosiddetta data science.
Statistics allows for data analysis and decision making under uncertainty. Statistical methods are an essential part in the education of a modern engineer and contribute substantially to the current development of the so called data science.
Lo studente apprenderà i metodi di calcolo basilari nella matematica dell'incerto e della analisi dei dati, inclusa la probabilità, le variabili aleatorie, gli intervalli di confidenza e la regressione (lineare e logistica). La preparazione di base in Statistica completerà l’educazione matematica di base dell’ingegnere e consentirà la scelta di software appropriato.
Lo studente apprenderà i metodi di calcolo basilari nella matematica dell'incerto e della analisi dei dati, inclusa la probabilità, le variabili aleatorie, gli intervalli di confidenza e la regressione (lineare e logistica). La preparazione di base in Statistica completerà l’educazione matematica di base dell’ingegnere e consentirà la scelta di software appropriato.
Conoscenze matematiche di base tipiche degli insegnamenti del primo e secondo anno di Analisi Matematica, Geometria e Algebra Lineare.
Conoscenze matematiche di base tipiche degli insegnamenti del primo e secondo anno di Analisi Matematica, Geometria e Algebra Lineare.
1) Database, tipi di variabili, rappresentazioni grafiche
2) Laboratorio: database con software a scelta (Excel, R, Matlab, Python)
3) Calcolo combinatorio elementare
4) Probabilità
5) Probabilità condizionata e teorema di Bayes
6) Esercizi: probabilità
7) Variabili aleatorie discrete
8) Distribuzioni Bernoulli e Binomiale
9) Esercizi: variabili aleatorie discrete
10) Variabili aleatorie continue
11) Distribuzioni normale e esponenziale
12) Esercizi: variabili aleatorie continue
13) Momenti, varianza, propagazione dell'incertezza
14) La simulazione
15) Laboratorio: database simulato e interpolazione
16) Il campionamento statistico
17) Stima puntuale e stima a intervalli
18) Il teorema limite centrale
19) Applicazioni del teorema limite centrale
20) Esercizi: approssimazioni e dimensione campionaria
21) Intervalli di confidenza per una proporzione
22) Intervalli di confidenza per una differenza tra medie
23) Laboratorio: software per gli intervalli di confidenza
24) Cenni di regressione lineare
25) Laboratorio: software per la regressione lineare
26) Cenni di regressione logistica
27) Laboratorio: software per la regressione logistica
1) Database, tipi di variabili, rappresentazioni grafiche
2) Laboratorio: database con software a scelta (Excel, R, Matlab, Python)
3) Calcolo combinatorio elementare
4) Probabilità
5) Probabilità condizionata e teorema di Bayes
6) Esercizi: probabilità
7) Variabili aleatorie discrete
8) Distribuzioni Bernoulli e Binomiale
9) Esercizi: variabili aleatorie discrete
10) Variabili aleatorie continue
11) Distribuzioni normale e esponenziale
12) Esercizi: variabili aleatorie continue
13) Momenti, varianza, propagazione dell'incertezza
14) La simulazione
15) Laboratorio: database simulato e interpolazione
16) Il campionamento statistico
17) Stima puntuale e stima a intervalli
18) Il teorema limite centrale
19) Applicazioni del teorema limite centrale
20) Esercizi: approssimazioni e dimensione campionaria
21) Intervalli di confidenza per una proporzione
22) Intervalli di confidenza per una differenza tra medie
23) Laboratorio: software per gli intervalli di confidenza
24) Cenni di regressione lineare
25) Laboratorio: software per la regressione lineare
26) Cenni di regressione logistica
27) Laboratorio: software per la regressione logistica
L'insegnamento è strutturato in lezioni, esercitazioni in classe e laboratori, con una certa flessibilità nella scelta del software statistico (R, Matlab, Python).
L'insegnamento è strutturato in lezioni, esercitazioni in classe e laboratori, con una certa flessibilità nella scelta del software statistico (R, Matlab, Python).
Il testo di riferimento è S.M. Ross, "Probabilità e Statistica per l'ingegneria e le scienze", Apogeo (seconda, terza o quarta edizione).
Il testo di riferimento è S.M. Ross, "Probabilità e Statistica per l'ingegneria e le scienze", Apogeo (seconda, terza o quarta edizione).
Modalità di esame: Prova scritta (in aula); Prova orale facoltativa;
Exam: Written test; Optional oral exam;
...
Prova scritta a risposta aperta strutturata su 4 domande (grosso modo, una ciascuna di probabilità elementare, variabili aleatorie, intervalli di confidenza e regressione, con la presenza di eventuali output di softare statistico da interpretare) con risposte scritte a mano su carta. Prova orale per chiarimenti ed approfondimenti, a discrezione del docente.
Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.
Exam: Written test; Optional oral exam;
Prova scritta a risposta aperta strutturata su 4 domande (grosso modo, una ciascuna di probabilità elementare, variabili aleatorie, intervalli di confidenza e regressione, con la presenza di eventuali output di softare statistico da interpretare) con risposte scritte a mano su carta. Prova orale per chiarimenti ed approfondimenti, a discrezione del docente.
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.