Offerta Didattica
MATEMATICA
PROBABILITA' E STATISTICA
Classe di corso: L-35 - Scienze matematiche
AA: 2019/2020
Sedi: MESSINA
SSD | TAF | tipologia | frequenza | moduli |
---|---|---|---|---|
MAT/06 | Affine/Integrativa | Libera | Libera | No |
CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
---|---|---|---|---|---|---|---|
6 | 4 | 0 | 2 | 48 | 24 | 0 | 24 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Scopo del corso e' fornire la conoscenza del calcolo delle probabilità, delle variabili aleatorie e della statistica descrittiva. Vengono inoltre trattati esempi ed applicazione in vari ambiti.Learning Goals
Metodi didattici
Lezioni frontaliTeaching Methods
Prerequisiti
Conoscenze di base di analisi matematica.Prerequisites
Verifiche dell'apprendimento
Esame oraleAssessment
Programma del Corso
Fenomeni deterministici e fenomeni aleatori. Differenti definizioni di probabilità. Impostazione classica. Impostazione frequentista. Impostazione soggettiva. Pregi e difetti delle tre differenti impostazioni. Impostazione assiomatica. Elementi di Teoria astratta della misura. Anelli, algebre, σ-algebre e loro proprietà. Teoria assiomatica della Probabilità. Spazio campionario. Spazi campionari discreti. Spazi campionari continui. Eventi elementari. Eventi. Probabilità. Spazio di probabilità. Proprietà della probabilità. Principio di inclusione-esclusione di Poincarè. Costruzione di uno spazio di probabilità finito. Spazi equiprobabili. Campionamento da urne con rimpiazzo e senza rimpiazzo. Costruzione di uno spazio di probabilità numerabile. Esempi notevoli. Costruzione di uno spazio di probabilità continuo. Probabilità condizionata. Legge delle probabilità composte. Teorema della probabilità totale. Teorema di Bayes. Applicazione ai test clinici. Indipendenza di eventi. Prove di Bernoulli. Variabili aleatorie. Funzione di ripartizione di una variabile aleatoria e sue proprietà. Variabili aleatorie discrete. Densità discreta di una variabile aleatoria discreta. Variabili aleatorie assolutamente continue. Densità di una variabile aleatoria assolutamente continua. Alcune densità discrete di probabilità notevoli: uniforme discreta, binomiale, bernoulliana, Poisson, geometrica, ipergeometrica. Alcune densità continue di probabilità notevoli: uniforme continua, esponenziale, gaussiana standard, normale. Variabile aleatoria condizionata. Funzioni di variabile aleatoria. Valore atteso o media di una variabile aleatoria. Valore atteso di funzioni di variabile aleatoria. Varianza e deviazione standard di una variabile aleatoria. Calcolo della media e della varianza di tutti gli esempi notevoli di variabili aleatorie discrete e assolutamente continue. Disuguaglianza di Markov. Disuguaglianza di Chebychev. Legge dei tre σ. Standardizzazione di una variabile aleatoria. Approssimazione gaussiana della funzione di ripartizione binomiale. Variabili aleatorie indipendenti. Vettori aleatori. Funzione di ripartizione congiunta. Funzione di ripartizione marginale. Vettori aleatori discreti. Vettori aleatori assolutamente continui. Esempi notevoli di vettori aleatori discreti e assolutamente continui. Funzioni di vettori aleatori discreti. Funzioni di vettori aleatori assolutamente continui. Valore atteso di funzioni di vettori aleatori. Covarianza e coefficiente di correlazione. Matrice di covarianza. Vettori gaussiani. Convergenza di variabili aleatorie. Successioni di variabili aleatorie. Convergenza in distribuzione. Convergenza in probabilità. Convergenza in media quadratica. Legge debole dei grandi numeri. Legge forte dei grandi numeri. Metodo di integrazione Monte Carlo. Teorema centrale del limite. Statistica descrittiva. Distribuzioni di frequenza. Grafici delle distribuzioni di frequenza. Indici di posizione e di dispersione. Calcolo di media e varianza per dati raggruppati. Forma di una distribuzione. Correlazione fra variabili. Metodo dei minimi quadrati. Regressione lineare. Regressione polinomiale. Metodi di linearizzazione. Popolazioni e campioni. Campionamento. Distribuzioni di campionamento. Distribuzione della media campionaria (varianza nota). Stima dei parametri. Test di ipotesi. Test χ2.Course Syllabus
Testi di riferimento: Dall’Aglio G. - Calcolo delle Probabilità, 1987, Zanichelli, Bologna. Weiss N.A. - Calcolo delle Probabilità, 2008, Pearson Johnson R.A. - Probabilità e Statistica per Ingegneria e Scienze, 2007, Pearson
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: PATRIZIA ROGOLINO
Orario di Ricevimento - PATRIZIA ROGOLINO
Giorno | Ora inizio | Ora fine | Luogo |
---|---|---|---|
Lunedì | 15:00 | 16:00 | Studio. Dipatimento di Matematica ed Informatica (Blocco A) |
Mercoledì | 12:00 | 13:30 | Studio. Dipartimento di Matematica ed Informatica (Blocco A) |
Giovedì | 15:00 | 16:00 | Studio. Dipartimeno di Matematica ed Informatica (Blocco A) |
Note: