Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
OTTIMIZZAZIONE STOCASTICA
SCP4063217, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STOCHASTIC OPTIMIZATION
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2018-SS1736-000ZZ-2018-SCP4063217-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile LUIGI DE GIOVANNI MAT/09
Altri docenti CARLA DE FRANCESCO MAT/09

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/09 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LABORATORIO 1.5 14 23.5
LEZIONE 7.5 50 137.5

Calendario
Inizio attività didattiche 25/02/2019
Fine attività didattiche 14/06/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Commissione Dal Al Membri
5 Commissione a.a.2018/19 01/10/2018 30/09/2019 DE GIOVANNI LUIGI (Presidente)
ANDREATTA GIOVANNI (Membro Effettivo)
DE FRANCESCO CARLA (Membro Effettivo)
FISCHER MARKUS (Membro Effettivo)

Syllabus
Prerequisiti: Una buona conoscenza e comprensione della lingua inglese sia scritta che parlata.
Conoscenze e abilita' da acquisire: Fornire una panoramica degli strumenti che aiutano a prendere le migliori decisioni anche quando le informazioni utili non sono completamente disponibili in modo certo ma solo in termini probabilistici.
Modalita' di esame: L'esame consiste in una prova scritta individuale, eventualmente integrata da una prova orale, e nell'analisi di un progetto (lavoro di squadra, tipicamente 3-4 persone) su un argomento da concordare con il docente.
Criteri di valutazione:
Contenuti: Il programma del corso verte sui seguenti argomenti:
- Teoria delle Code
- Analisi decisionale

- Ottimizzazione robusta
- Processi decisionali markoviani
- Ottimizzazione stocastica
- Revenue Management
- Simulazione a eventi discreti
- Simulazione di tipo continuo
- Uso di software specifico per la Simulazione
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni teoriche in aula. Esercitazioni in laboratorio.
Eventuali indicazioni sui materiali di studio: Oltre al libro di testo, ulteriore materiale sarà messo a disposizione nel sito dedicato al corso.
Testi di riferimento:
  • G. Ghiani e R. Musmanno, Modelli e metodi decisionali in condizioni di incertezza e rischio. Milano: McGraw Hill, 2009. ISBN 978-88-386-6636-0 Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • ANYLOGIC