Con questa funzione puoi costruire il tuo calendario settimanale delle lezioni, personalizzato sulla base dei corsi che intendi seguire.
Attenzione: l'Orario Personalizzato non sostituisce la presentazione del piano degli studi! E' uno strumento informale, che ti può aiutare a gestire al meglio l'organizzazione della frequenza alle lezioni prima della presentazione del piano studi.
Dopo aver presentato piano ti raccomandiamo di utilizzare il servizio Orario delle lezioni presente nel tuo elenco dei Servizi Online.
Per creare il calendario personalizzato segui queste istruzioni:
- Clicca sul link "Abilita" per procedere. Ti verrà chiesto il cognome e nome per determinare il tuo scaglione alfabetico.
-
Per aggiungere o togliere insegnamenti dal tuo Orario Personalizzato, utilizza le iconcine che trovi in corrispondenza degli insegnamenti:
 aggiunta dell'insegnamento rimozione dell'insegnamento selezione della sezione del laboratorio di Architettura
(N.B: la sezione effettiva in cui si dovrà seguire la didattica verrà determinata dopo la presentazione dei Piani di Studio)
-
Nella barra laterale a sinistra è indicato il numero degli insegnamenti inseriti nell'Orario.
Sono inoltre presenti questi comandi:
 Visualizza orario: permette di visualizzare l'orario sinottico settimanale Elimina orario: cancella le selezioni effettuate
Al termine dell'inserimento, puoi stampare il calendario che hai costruito.
| Semestre (Sem) | | 1 | Primo Semestre | | 2 | Secondo Semestre | | A | Insegnamento Annuale | Attività formative | | C | Affini o integrative | Lingua d'erogazione |  | Insegnamento completamente offerto in lingua italiana |  | Insegnamento completamente offerto in lingua inglese | | -- | Non definita | Didattica innovativa |  | I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa.
Tali CFU riguardano:
- Cotutela con mondo esterno
- Blended Learning & Flipped Classroom
- Massive Open Online Courses (MOOC)
- Soft Skills
|
|
|
Anno Accademico
|
2020/2021
|
|
Scuola
|
Scuola di Ingegneria Industriale e dell'Informazione
|
|
Corso di Studi
|
(Mag.)(ord. 270) - MI (487) Mathematical Engineering - Ingegneria Matematica
|
|
Piano di Studio preventivamente approvato
|
MCS - Computational Science and Computational Learning
|
|
Anno di Corso
|
1
|
|
Codice Identificativo
|
052498
|
|
Denominazione Insegnamento
|
APPLIED STATISTICS
|
|
Tipo Insegnamento
|
Monodisciplinare
|
|
Crediti Formativi Universitari (CFU)
|
10.0
|
|
Semestre
|
Secondo Semestre
|
|
Programma sintetico
|
Esplorazione di dati multivariati: analisi descrittiva e grafica di dati multivariati. La geometria di un campione di dati multivariati. La distanza indotta dalla matrice di covarianza.
Analisi della struttura di covarianza: Componenti principali e riduzione dimensionale.
Inferenza per vettori di medie: Test T^2 di Hotelling. Regioni e intervalli di confidenza simultanei per le componenti di un vettore di medie. Metodi per i confronti multipli. ANOVA e MANOVA.
Discriminazione, classificazione, raggruppamento: La classificazione statistica: modello, costi di misclassificazione e distribuzione a priori. Classificazione supervisionata Bayesiana e approccio di Fisher all'analisi discriminante. Metodi alternativi per la classificazione: i CART, la regressione logistica. Misure di similarità. Analisi di classificazione non supervisionata: metodi gerarchici e metodi non gerarchici. Multidimensional scaling.
Analisi di dati funzionali: Lisciamento e rappresentazione di dati funzionali. Riduzione dimensionale: analisi delle componenti principali funzionali. Il problema dell'allineamento di dati funzionali; variabilità di ampiezza e variabilità di fase. Procedure di registrazione. Classificazione di dati funzionali.
Modelli lineari a effetti misti: introduzione ai modelli multilivello lineari e generalizzati. Modelli di regressione logistica multilivello per dati binari: previsione a classificazione. Modelli multilivello per dati longitudinali. Modelli per curve di crescita con residui autocorrelati. Modelli per misure multivariate ripetute.
Introduzione ai modelli statistici per l'analisi di dati spaziali.
|
|
Settori Scientifico Disciplinari (SSD)
|
|
Attività formative
|
Codice SSD
|
Descrizione SSD
|
CFU
|
|
C
|
SECS-S/01
|
STATISTICA
|
10.0
|
|
|
Didattica innovativa
|
L'insegnamento prevede 3.0 CFU erogati con Didattica Innovativa come segue:
- Blended Learning & Flipped Classroom
|
| Orario: aggiungi e rimuovi | Scaglione | Docente/i | Lingua offerta | Programma dettagliato |
|---|
| Da (compreso) | A (escluso) |
|---|
| --- | A | ZZZZ | Secchi Piercesare | |  |
|
|
Dettaglio 
Orario didattico