|
eredorn
Nuovo Utente
Regione: Puglia
Prov.: Bari
Città: Bari
|
 Inserito il - 23/05/2008 : 22:40:08
|
Ciao a tutti,
grazie alla disponibilità dei professori del corso abbiamo finalmente un programma dettagliato.
Questo è il link: http://eredorn.altervista.org/prog_INTPS_dettagliato.doc
Lo incollo anche di seguito:
magari è cosa buona e giusta avere questo post in rilievo ;)
Buono Studio.
CORSO DI LAUREA IN INFORMATICA E TECNOLOGIE
PER PRODUZIONE DEL SOFTWARE
(Laurea Triennale)
Programma di Analisi dei Dati per l’Ingegneria del Software
a.a. 2006/2007
Docente: Dott.ssa Rosa Maria MININNI
1. Introduzione alla probabilità
Esperimento casuale, spazio campione, eventi. Definizione frequentista e assiomatica di probabilità. Spazi campione finiti. Eventi equiprobabili. (Cap. 3 di [1])
2. Probabilità condizionata e indipendenza di eventi
Probabilità condizionata e sue proprietà. La formula di Bayes. Eventi indipendenti. (Cap. 3 di [1])
3. Variabili casuali unidimensionali
Concetto generale di variabile casuale. Variabili casuali discrete: definizione di distribuzione di probabilità di una variabile casuale. Variabili casuali continue: definizione di funzione densità di
probabilità. Funzione di ripartizione. (Cap. 4 di [1] ad esclusione dei paragrafi 4.3 – 4.8 – 4.9)
5. Alcune caratteristiche delle variabili casuali.
Valore atteso di una variabile casuale e sue proprietà. Varianza di una variabile casuale e sue proprietà. Covarianza. Coefficiente di correlazione e sue proprietà. Relazione tra il coefficiente di correlazione e la retta di regressione. (Cap. 4 di [1] ad esclusione dei paragrafi 4.3 – 4.8 – 4.9, paragrafo 11.2 di [2])
4. Alcune distribuzioni di probabilità importanti
Distribuzioni discrete: di Bernoulli, binomiale, di Poisson, geometrica, binomiale negativa o di Pascal. Distribuzioni continue: uniforme, esponenziale, gamma, chi-quadro, normale, di Student, di Fisher. Proprietà riproduttiva. Percentili di una distribuzione (Cap. 5 di [1] ad esclusione dei paragrafi 5.3 e 5.6.1).
6. Teoremi limite
La legge dei grandi numeri. Il Teorema del Limite Centrale e sue applicazioni. (paragrafi 4.9 e 6.3 di [1], vedi anche paragrafi 5.4 e 5.5 di [2])
7. Statistica Descrittiva
Campioni casuali. Scale di misura. Frequenze assolute e relative. Istogrammi. Misure di posizione centrale: moda, media, mediana. Misure di variabilità: varianza, quartili e percentili. Coefficiente di correlazione. Retta di regressione (Cap. 2 di [1])
8. Statistica parametrica
Definizione di campione casuale e di stimatore di un parametro incognito. Proprietà di correttezza ed efficienza di uno stimatore. Gli stimatori della media e della varianza di una distribuzione e loro proprietà. (Cap. 6 di [1] escluso il paragrafo 6.6)
I test di verifica di ipotesi: regione di rifiuto di un test, errore del primo e del secondo tipo, livello di significatività. Test di verifica delle ipotesi per la media, la varianza, la differenza di medie e il rapporto di varianze in modelli normali, nel caso di campioni indipendenti e non. L'analisi per grandi campioni. Test di verifica delle ipotesi per una proporzione e per la differenza di proporzioni.
Definizione di intervallo di fiducia. Intervalli di fiducia per la media, la varianza, la differenza di medie e il rapporto di varianze in modelli normali. Approssimazione per grandi campioni. Intervalli di fiducia per una proporzione e per la differenza di proporzioni. (Cap. 7-8 di [1] ad esclusione dei paragrafi 7.2 ,7.8, 8.7)
TESTI CONSIGLIATI
Per teoria , esercizi e tabelle statistiche:
[1] S.M. Ross: Probabilità e statistica per l’Ingegneria e le Scienze, Apogeo, 2003
[2] R.V. Hogg – E.A. Tanis: Probability and Statistical Inference, VI edizione, Prentice Hall.
Per esercizi:
S. Bernstein, R. Bernstein, Collana Schaum’s di Matematica e Statistica, vol. 109-110-111, Mc Graw Hill, 2003.
|
|
PROGRAMMA DETTAGLIATO - link
