logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Indicatori corsi di studio
Elenco docenti
Strutture didattiche
Internazionalizzazione
Orario Personalizzato
Il tuo orario personalizzato è disabilitato
Abilita
Ricerche
Cerca Docenti
Cerca Insegnamenti
Cerca insegnamenti degli Ordinamenti precedenti al D.M.509
Erogati in lingua Inglese

Legenda
Semestre (Sem)
1Primo Semestre
2Secondo Semestre
AInsegnamento Annuale
Attività formative
CAffini 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
Dati Insegnamento
Contesto
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

Scheda Insegnamento
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 rimuoviScaglioneDocente/iLingua offertaProgramma dettagliato
Da (compreso)A (escluso)
---AZZZZSecchi Piercesare
manifesti v. 3.9.3 / 3.9.3
Area Servizi ICT
21/04/2025