Insegnamento
STATISTICA COMPUTAZIONALE
SCP4063598, A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
SC2094, ordinamento 2014/15, A.A. 2016/17
1124452
Crediti formativi 9.0
Denominazione inglese COMPUTATIONAL STATISTICS
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2016/laurea_statisticatecnologiescienze
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2016-SC2094-000ZZ-2015-SCP4063598-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA

Docenti
Responsabile MATTEO GRIGOLETTO SECS-S/01

Mutuazioni
Codice Insegnamento Responsabile Corso
SCP4063598 STATISTICA COMPUTAZIONALE MATTEO GRIGOLETTO SC2095

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Statistico, statistico applicato, demografico SECS-S/01 9.0

Modalità di erogazione
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LABORATORIO 3.0 22 53.0 Nessun turno
LEZIONE 6.0 42 108.0 Nessun turno

Calendario
Inizio attività didattiche 27/02/2017
Fine attività didattiche 09/06/2017
Orario della didattica Visualizza calendario delle lezioni
Giorno Ora Aula Edificio
Orari_chiudi Lunedi' 14.30-16.30 SC60 S.CATERINA
  27/02/2017 14.30-16.30 SC60 S.CATERINA
06/03/2017 14.30-16.30 SC60 S.CATERINA
13/03/2017 14.30-16.30 SC60 S.CATERINA
20/03/2017 14.30-16.30 SC60 S.CATERINA
27/03/2017 14.30-16.30 SC60 S.CATERINA
03/04/2017 14.30-16.30 SC60 S.CATERINA
10/04/2017 14.30-16.30 SC60 S.CATERINA
08/05/2017 14.30-16.30 SC60 S.CATERINA
15/05/2017 14.30-16.30 SC60 S.CATERINA
29/05/2017 14.30-16.30 SC60 S.CATERINA
05/06/2017 14.30-16.30 SC60 S.CATERINA
Orari_chiudi Martedi' 8.30-10.30 SC60 S.CATERINA
  28/02/2017 8.30-10.30 SC60 S.CATERINA
07/03/2017 8.30-10.30 SC60 S.CATERINA
14/03/2017 8.30-10.30 SC60 S.CATERINA
21/03/2017 8.30-10.30 SC60 S.CATERINA
28/03/2017 8.30-10.30 SC60 S.CATERINA
04/04/2017 8.30-10.30 SC60 S.CATERINA
11/04/2017 8.30-10.30 SC60 S.CATERINA
18/04/2017 8.30-10.30 SC60 S.CATERINA
09/05/2017 8.30-10.30 SC60 S.CATERINA
16/05/2017 8.30-10.30 SC60 S.CATERINA
23/05/2017 8.30-10.30 SC60 S.CATERINA
30/05/2017 8.30-10.30 SC60 S.CATERINA
06/06/2017 8.30-10.30 SC60 S.CATERINA
Orari_chiudi Mercoledi' 8.30-10.30 ASID60, SC60 S.CATERINA
  01/03/2017 8.30-10.30 SC60 S.CATERINA
08/03/2017 8.30-10.30 SC60 S.CATERINA
15/03/2017 8.30-10.30 ASID60 S.CATERINA
22/03/2017 8.30-10.30 ASID60 S.CATERINA
29/03/2017 8.30-10.30 ASID60 S.CATERINA
05/04/2017 8.30-10.30 ASID60 S.CATERINA
12/04/2017 8.30-10.30 ASID60 S.CATERINA
19/04/2017 8.30-10.30 ASID60 S.CATERINA
26/04/2017 8.30-10.30 ASID60 S.CATERINA
03/05/2017 8.30-10.30 ASID60 S.CATERINA
10/05/2017 8.30-10.30 ASID60 S.CATERINA
17/05/2017 8.30-10.30 ASID60 S.CATERINA

Commissioni d'esame
Commissione Dal Al Membri
3 Commissione a.a.2017/18 01/10/2017 30/09/2018 GRIGOLETTO MATTEO (Presidente)
CANALE ANTONIO (Membro Effettivo)
SARTORI NICOLA (Membro Effettivo)
SCARPA BRUNO (Membro Effettivo)

Syllabus
Prerequisiti: Statistica 1 e 2, modelli statistici 1.
Conoscenze e abilita' da acquisire: Comprensione dell'utilità, specialmente con obiettivi inferenziali, di strumenti computazionali ``intensivi'' dal punto di vista del calcolo.
Capacità di applicare i metodi studiati usando funzioni disponibili in R, e capacità di programmazione tali da permettere di sviluppare nuove funzioni.
Modalita' di esame: Prova pratica in laboratorio informatico.
Criteri di valutazione: La valutazione si baserà sul livello di comprensione di strumenti teorici e pratici forniti e sulla capacità di creare un legame tra le applicazioni ed i modelli necessari a metterle in atto.
Contenuti: Tecniche di simulazione e applicazioni in statistica. Introduzione alla simulazione: cenno alla generazione di variabili casuali uniformi, algoritmo di inversione, algoritmo accetto-rifiuto, campionamento per importanza, Rao-Blackwell, l'idea delle variabili antitetiche. Applicazioni: calcolo di integrali multidimensionali, valutazione dell'efficienza e robustezza di un metodo statistico, calcolo dei valori critici di una statistica test in situazioni "complicate".

Inferenza via bootstrap. L'idea del bootstrap, bootstrap parametrico e non parametrico, esempi di applicazioni (quantili, modello lineare).

Stima non parametrica. Funzione di densità: il metodo del nucleo, l'importanza della scelta del grado di lisciamento, criteri automatici (validazione incrociata, Sheather-Jones). Funzione di regressione: regressione polinomiale locale, splines, idea dei gradi di libertà equivalenti, scelta degli stessi usando AICc e GCV, valutazione della precisione via bootstrap. Applicazioni a dati reali.

Esplorazione numerica della funzione di verosimiglianza. Introduzione agli algoritmi di ottimizzazione e differenziazione numerica in R, loro uso per calcolare le stime di massima verosimiglianza, costruzione di intervalli o regioni di confidenza basati sulla verosimiglianza profilo o su una valutazione numerica della matrice di informazione osservata.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni di teoria e lezioni in laboratorio informatico.
Eventuali indicazioni sui materiali di studio: Le dispense del corso, rese disponibili in rete, costituiscono il materiale di riferimento.
Testi di riferimento: