Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
PROCESSI STOCASTICI
SCP4063083, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STOCHASTIC PROCESSES
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
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 MARCO FORMENTIN MAT/06

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCO2046352 INTRODUZIONE AI PROCESSI STOCASTICI MARCO FORMENTIN SC1172

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/06 9.0

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

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 64 161.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: Un corso base di Calcolo delle Probabilità
Conoscenze e abilita' da acquisire: Conoscenza approfondita di modelli Markoviani a tempo discreto e tempo continuo, con capacita' di risolvere autonomamente esercizi e problemi anche di livello avanzato.
Modalita' di esame: Esame scritto con esercizi simili a quelli svolti in classe. Potranno essere richieste enunciati e dimostrazioni di teoremi.
Criteri di valutazione: Lo studente dovra' dimostrare di saper acquisito le conoscenze teoriche sui processi di Markov viste nel corso e di saperle applicare correttamente in esercizi sui processi stocastici di congrua difficoltà.
Contenuti: Definizione di processo stocastico. Probabilità condizionata e valore atteso condizionato. Indipendenza condizionata.
Catene di Markov a tempo discreto: definizione. Matrice di transizione, leggi congiunte e proprietà di Markov. Random Walk e sue proprietà. Tempi di arresto e proprietà di Markov forte. Probabilità e tempo medio di assorbimento. Classificazione degli stati. Distribuzioni invarianti. Teorema di Markov. Periodicità. Teorema ergodico.
Campi di Gibbs e simulazioni Monte Carlo. Introduzione alle Grandi deviazioni.
Processo di Poisson: costruzione del processo e definizioni equivalenti. Principali proprietà ed alcune importanti applicazioni.
Catene di Markov a tempo continuo: definizione. Matrice generatrice. Principali proprietà, classificazione degli stati, probabilità e tempo medio di assorbimento, distribuzioni invarianti. Teorema ergodico.
Applicazioni: Processi di nascita e morte. Teoria delle code.
Attivita' di apprendimento previste e metodologie di insegnamento: 64 ore di lezioni frontali (34 teoria e 30 esercitazioni)
Eventuali indicazioni sui materiali di studio: Tutti gli argomenti d'esame vengono illustrati a lezione. Materiale addizionale (esercizi, appunti del docente) saranno disponibile su moodle.
Testi di riferimento:
  • Pierre Bremaud, Markov Chains, Gibbs Fields, Monte Carlo Simulation and queues. --: Springer, 1998. Cerca nel catalogo
  • Frank den Hollander, Large deviations. --: --, 2000. Cerca nel catalogo
  • Paolo Dai Pra, Francesco Caravenna, Probabilità. Un'introduzione attraverso modelli e applicazioni. --: Springer Verlag, 2013. Cerca nel catalogo