Introdurre le moderne metodologie statistiche e la loro implementazione sul calcolatore.

Capacità di eseguire analisi statistiche di dati sperimentali su solide basi metodologiche.

Conoscenza di base dell'analisi e della geometria, fino alle serie numeriche e agli integrali doppi.

Tabelle e rappresentazioni grafiche.
Misure di variabilità e trattamento di dati multidimensionali.
Spazi di probabilità, Spazi uniformi.
Probabilità condizionata, indipendenza, teorema di Bayes.
Variabili aleatorie.
Distribuzioni condizionate.
Valore atteso. Covarianza e funzione generatrice dei momenti.
Distribuzioni notevoli discrete e continue.
Il processo di Poisson.
Teorema limite centrale.
Distribuzioni campionarie.
Il metodo della massima verosimiglianza per la stima di parametri incogniti.
Intervalli di confidenza.
Regressione semplice e cenni di regressione multipla.
L'uso delle distribuzioni esponenziale e Weibull in affidabilità.
Affidabilità di sistemi.

Per ogni argomento trattato a lezione vengono tenute delle esercitazioni alla lavagna in formato tradizionale.

Inoltre, in un LAIB, vengono tenuti quattro o più incontri sui seguenti argomenti:
Introduzione a R.
Probabilità in R.
Programmazione in R.
Formule e modelli lineari in R.

Il libro di testo è

Sheldon M. Ross
Probabilità e Statistica per l'ingegneria e le scienze
Apogeo
2003
ISBN: 88-7303-897-2

L'esame è scritto e si compone di due esercizi sul programma più un esercizio che richiede la conoscenza passiva del linguaggio R.