Probabilità e inferenza statistica (Paola Monari) Probabilità: esperimenti aleatori, spazio degli eventi e spazio campionario, teoremi del calcolo delle probabilità, probabilità condizionata. Variabili aleatorie unidimensionali continue e discrete. Alcune fondamentali distribuzioni di probabilità. Variabili aleatorie multiple. Funzioni di probabilità marginali e condizionate. Inferenza statistica: stima puntuale e per intervallo. Criteri di valutazione degli stimatori. Metodi per la determinazione degli stimatori. Il principio di sufficienza. Verifica delle ipotesi: teoria della significatività e test d'ipotesi. Potenza. Robustezza. Test parametrici e non parametrici. Modello lineare. Testi di riferimento: Cicchitelli G. (2001), Probabilità e statistica, Maggioli Azzalini A. (1990), Inferenza statistica, Springer-Verlag Articoli scelti da riviste specializzate. Modelli lineari generalizzati (Stefania Mignani, Angela Montanari) Parte I Modelli lineari generalizzati con variabili manifeste 1. Modelli univariati 1.1 Definizione 1.2 Modelli per dati dicotomici: modello logit e probit 1.3 Modelli per dati di conteggio 1.4 Metodi di stima 2. Modelli multivariati 2.1 Modelli per dati categorici 2.2 Modelli per dati ordinali 2.3 Metodi di stima 3. Indicatori e test per valutare la bontà del modello Parte II Modelli lineari generalizzati con variabili latenti 1 Premessa generale sui modelli con variabili latenti: 2 Breve introduzione all’item response theory 3 Modelli per dati dicotomici: il modello di Rasch 4 Modelli per dati categorici 5 Modelli per dati ordinali 6 Metodi di stima 7 Indicatori e test per valutare la bontà del modello Parte III Casi studio Testi di riferimento: Fahrmeir L., Tutz G. (1994), "Multivariate statistical modelling based on generalized linear models", Springer -Verlag Bartholomew D.J., Knott M. (1999), “Latent variable models and factor analysis” Second edition. Arnold Introduzione ai piani di esperimento (Alessandra Giovagnoli) 1. La teoria classica dei disegni di esperimento 1.1 La problematica degli esperimenti scientifici 1.2 Disegni randomizzati, disegni a blocchi 1.3 Disegni fattoriali 2. Esperimenti per la tecnologia 2.1 Gli esperimenti industriali degli anni '50: la metodologia delle superfici di risposta 2.2 Le ripercussioni negli anni '80: i "metodi di Taguchi" in Giappone e in U.S.A. 2.3 La progettazione robusta. Testi di riferimento Montgomery D.C. (1997), “Design and analysis of experiments”, Wiley, New York Logothetis N., Wynn H.P. (1989), “Quality through design: experimental design, off-line quality control and Taguchis contributions” , Clarendon Press, Oxford C.F.J. Wu, Hamada M. (2001), “Experiments: planning analysis and parameter design optimization” , Wiley, New York Modelli statistici (Daniela Cocchi) Inferenza statistica. Metodi di stima e loro proprietà. Il ruolo della verosimiglianza nell’inferenza. Distribuzioni a priori, a posteriori e predittive. Inferenza statistica classica e Bayesiana. Modelli gerarchici Costruzione e verifica di modelli statistici. Applicazioni dei metodi Bayesiani con tecniche basate su simulazioni Valutazione dei modelli. Testi di riferimento Casella G., Berger R. L. (1990) Statistical inference. Pacific Grove, Wadsworth & Brooks/Cole advanced books & software. Gelman A, Carlin JB, Stern HS, Rubin DB (1995) Bayesian Data Analysis. New York: Chapman & Hall. Processi stocatistici (Rodolfo Rosa) Generalità sui processi stocastici: concetti fondamentali ed esempi. Processi stazionari. Processi di conteggio. Processi di rinnovo. Processi stocastici poissoniani omogenei e non omogenei. Catene di Markov. Classificazione degli stati. Teoremi limite. Le urne degli Ehrenfest. Generalizzazione di Costantini e Garibaldi. Martingale. Processi di diffusione. Metodi di simulazione nello studio dei processi stocastici. Cenni sul metodo di Monte Carlo applicato alle Catene di Markov. Testi di riferimento: Ross S.M.(1983), Stochastic Processes, Wiley, New York Grimmet G.R., Stirzaker D.R. (1992), Probability and Random Processes, Claredon Press, Oxford