Elvira ROMANO
Insegnamento di INFERENTIAL STATISTICS
Corso di laurea magistrale in PHYSICS
SSD: SECS-S/01
CFU: 6,00
ORE PER UNITÀ DIDATTICA: 48,00
Periodo di Erogazione: Primo Semestre
Italiano
Lingua di insegnamento | INGLESE |
Contenuti | I. Dall'analisi dei dati all'inferenza statistica classica :La produzione dei dati: il campionamento; La produzione dei dati gli esperimenti. |
Testi di riferimento | 1. The Basic Practice of Statistics. DAVID S. MOORE. Purdue University. W. H. Freeman and Company. New York |
Obiettivi formativi | Il corso ha l'obiettivo di fornire le basi metodologiche dell'inferenza statistica classica. Dal momento che l'inferenza statistica si basa sulla teoria della probabilità, la prima parte del corso è incentrata su richiami di concetti di base di probabilità. Verrà pertanto introdotta la teoria dell'inferenza statistica classica e saranno trattati i temi della stima e la teoria della verifica delle ipotesi. Saranno inoltre introdotti algoritmi di campionamento per l'analisi di big data. |
Prerequisiti | L’approccio al programma formativo richiede conoscenze di Statistica descrittiva e Probabilità; pertanto sono propedeutici i corsi di Statistica descrittiva e Probabilità. |
Metodologie didattiche | Il corso è articolato 84 ore di lezioni frontali di cui 48 di lezione e 24 ore di esercitazione, il tutto svolto in laboratorio di calcolo. |
Metodi di valutazione | Per la verifica dell'apprendimento è prevista una prova scritta a metà del corso ed |
Altre informazioni | |
Programma del corso | I INTRODUZIONE ALL'INFERENZA |
English
Teaching language | English |
Contents | I. FROM EXPLORATION TO CLASSICAL INFERENCE: Producing data: Sampling and Experiments; Probability and Sampling distributions |
Textbook and course materials | 1. The Basic Practice of Statistics. DAVID S. MOORE. Purdue University. W. H. Freeman and Company. New York |
Course objectives | The course aims at providing metodological basis of Inferential Statistics. Since Inferential statistics is built on the foundation of probability theory, the first part of the course will focus on basic probability. Subsequently, the course will deal with the theory of point estimation, interval estimation, hypothesis testing. At least the course will look into some modern algorithmic methodologies for the analysis of big data within the framework of the statistical theory of inference. |
Prerequisites | The course demands a degree of maturity in Statistics and Probability. |
Teaching methods | Number of course hours is 84, 48 of classroom and 36 of practical work with R on real case studies. |
Evaluation methods | Written mid-term exam and (individual) project. The project is due by the end of the course. |
Other information | |
Course Syllabus | I. FROM DATA PRODUCTION TO INFERENCE :The idea of probability: main notions of probability and Theorems |