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. 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 OPTIMIZATION
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 LUIGI DE GIOVANNI 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 02/03/2020
Fine attività didattiche 12/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: Conoscenze di base di calcolo delle probabilità
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 sono date in condizioni di incertezza.
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 2-3 persone) su un argomento da concordare con il docente.
Criteri di valutazione: L'esame verifica il livello di apprendimento degli argomenti svolti e la capacità di applicarli per la soluzione di problemi decisionali in condizioni di incertezza.
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. Lavoro di gruppo. Le attività di apprendimento sono supportate da mezzi informatici come presentazioni elettroniche, software di ottimizzazione, fogli elettronici, software di simulazione.
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
  • Case study
  • Working in group
  • Questioning
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • One Note (inchiostro digitale)
  • Latex
  • AnyLogic, IBM Cplex Optimization Studio, Excel Spreadsheet and Solver

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Lavoro dignitoso e crescita economica Industria, innovazione e infrastrutture Consumo e produzione responsabili