AGRICOLTURA, ALIMENTAZIONE E AMBIENTE (Di3A)Pianificazione e sostenibilità ambientale del territorio e del paesaggioAnno accademico 2022/2023
9795477 - INFORMATICA PER LA GESTIONE DEI DATI
Docente: CLAUDIA CAVALLARO
Risultati di apprendimento attesi
OBIETTIVI DELL'INSEGNAMENTO "INFORMATICA PER LA GESTIONE DEI DATI": fornire un insieme di
strumenti informatici e statistici per l’analisi dei dati
Il corso ha
l'obiettivo di presentare una breve introduzione alle metodologie statistiche,
al calcolo delle probabilità, al metodo Monte Carlo ed
alle catene di Markov. A tale scopo si utilizzeranno fogli di calcolo
elettronico (software Microsoft Excel).
Conoscenza e capacità di comprensione: l'obiettivo del corso è acquisire conoscenze che consentano allo studente di analizzare dati numerici per fare previsioni probabilistiche.
Conoscenza e capacità di comprensione applicate: lo studente acquisirà le competenze necessarie per utilizzare gli strumenti statistici di uso comune. A tal proposito, una parte del corso consisterà in lezioni frontali di laboratorio, con esempi pratici.
Autonomia di giudizio: attraverso esempi concreti, lo studente sarà in grado di applicare vari test statistici per analizzare al meglio i dati.
Abilità comunicative: lo studente acquisirà le necessarie capacità comunicative e adeguatezza espressiva nell'uso del linguaggio statistico.
Capacità di apprendimento: il corso si propone di fornire allo studente i metodi teorici e pratici necessari per essere in grado di affrontare e risolvere nuovi problemi che possono sorgere durante un'attività lavorativa.
Modalità di svolgimento dell'insegnamento
Lezioni in aula. Esercizi in aula su foglio di calcolo. Qualora l'insegnamento si svolga in modalità mista o a distanza, potrebbe essere necessario introdurre modifiche rispetto a quanto prescritto, in linea con il programma previsto e delineato in programma.
Prerequisiti richiesti
Conoscenza
di base dell'uso del personal computer
Frequenza lezioni
Fortemente consigliata
Contenuti del corso
Statistica descrittiva. Rappresentazioni
numeriche di dati statistici. Rappresentazioni grafiche di distribuzioni di frequenza. Indici di
tendenza centrale, variabilità e di forma. Regressione lineare e non lineare
per una serie di dati. Esercitazioni con
foglio di calcolo elettronico.
Elementi di probabilità. Alcune definizioni di
probabilità. Definizione assiomatica di probabilità. Probabilità condizionata. Teorema
di Bayes. Variabili aleatorie discrete e continue. Indici di tendenza centrale
e variabilità.
Distribuzioni notevoli. Distribuzione di
Bernoulli, Binomiale, di Poisson, esponenziale, di Weibull, Normale, Chi-Quadro, di Student.
Teoremi di convergenza. Convergenza in
distribuzione, Legge dei grandi numeri, Teorema del limite centrale.
Stime di parametri. Campionamento e campioni. Principali
distribuzioni campionarie. Stimatori e stime puntuali. Stime intervallari:
intervalli di confidenza per la media e la varianza.
Verifica di ipotesi. Caratteristiche
generali di un test di ipotesi. Test parametrici. Esempi. Test non parametrici.
Test per la bontà
dell'adattamento. Test di Kolmogorov-Smirnov. Test del Chi-Quadro. Esercitazioni
con foglio di calcolo elettronico.
Generazione di numeri casuali. Generatori basati su
ricorrenze lineari. Test statistici per i numeri casuali. Generazione di numeri
casuali con assegnata densità di probabilità: tecnica diretta, di reiezione,
combinata.
Metodo Monte Carlo. Algoritmo Monte Carlo "Hit or Miss". Algoritmo Monte Carlo
di sampling. Algoritmo Monte Carlo di sample-mean.
Catene di Markov. Definizioni e generalità. Calcolo di
leggi congiunte. Classificazione degli stati. Probabilità invarianti. Stato stazionario.
Algoritmo di Metropolis. Cenni sulla teoria delle code.
Testi di riferimento
Dispense fornite dal docente
Verifica dell'apprendimento
Modalità di verifica dell'apprendimento
L'esame finale
consiste in una prova scritta con esercizi o in una prova di laboratorio con foglio di
calcolo elettronico.
English version