- Docente: Cinzia Viroli
- Crediti formativi: 10
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Scienze statistiche (cod. 8875)
Conoscenze e abilità da conseguire
Al termine del corso lo studente possiede gli strumenti per affrontare in modo numerico il problema della stima in ambito classico e bayesiano. In particolare, lo studente è in grado di: -ottenere le stime di massima verosimiglianza con il metodo di Newton-Raphson - applicare l'algoritmo EM a semplici modelli probabilistici - valutare la distorsione e la precisione delle stime mediante metodi di ricampionamento - utilizzare il Gibbs sampler e metodi MCMC per la stima bayesiana di parametri
Contenuti
- Tecniche numeriche per la soluzione di equazioni non lineari, con applicazioni al metodo della massima verosimiglianza.
- L'algoritmo E-M: definizione, proprietà ed estensioni.
- Tecniche di ricampionamento: aspetti introduttivi; verifica di ipotesi e costruzione di intervalli di confidenza con il metodo bootstrap; confronto tra due distribuzioni mediante test di permutazione.
- Introduzione alle tecniche di integrazione numerica e di integrazione Monte Carlo.
- Metodi Markov Chain Monte Carlo per la soluzione di problemi di stima bayesiana: algoritmo Metropolis-Hastings e Gibbs sampler.
Testi/Bibliografia
- G. H. Givens, J. A. Hoeting (2005): Computational Statistics. Wiley & Sons, Hoboken.
- M. L. Rizzo (2008): Statistical Computing with R. Chapman & Hall, Boca Raton.
- Appunti del docente
Metodi didattici
- Lezioni frontali in aula
- Esercitazioni in laboratorio informatico
Modalità di verifica e valutazione dell'apprendimento
La verifica dell'apprendimento avviene attraverso un esame finale, che accerta l'acquisizione degli obiettivi didattici tramite lo svolgimento di una prova in laboratorio della durata di 2 ore, seguita da una prova orale. La prova in laboratorio si svolge in R, con l'ausilio degli appunti, e ha l'obiettivo di accertare la capacità dello studente di impiegare gli strumenti teorici acquisiti nel corso nell'analisi di dati reali e casi di studio. L'esame in laboratorio è composto da 1 o 2 esercizi articolati in più punti con voto finale espresso in trentesimi. Per sostenere la prova d'esame è necessaria l'iscrizione tramite almaesami, nel rispetto inderogabile delle scadenze previste.
Strumenti a supporto della didattica
slides del docente
Orario di ricevimento
Consulta il sito web di Cinzia Viroli