Vai al contenuto principale
e-Learning - UNIMIB
  • Italiano ‎(it)‎
    English ‎(en)‎ Italiano ‎(it)‎
  • Ascolta questa pagina con ReadSpeaker
  •  Login
Home
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Triennale
  3. Scienze Statistiche ed Economiche [E4101B]
  4. Insegnamenti
  5. A.A. 2020-2021
  6. 3° anno
  1. Statistica Computazionale
  2. Introduzione
Insegnamento Titolo del corso
Statistica Computazionale
Codice identificativo del corso
2021-3-E4101B041
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Il Corso si propone di fornire nozioni relative ai principali strumenti computazionali in ambito statistico utili per eseguire modellazione statistica  e analisi dei dati.

Contenuti sintetici

Il Corso tratta  i modelli mistura e le principali tecniche di clustering e classificazione basate sulle  misture.

Programma esteso

Modelli mistura. Model-based clustering. Model-based classification. Mixture of experts models. Tecniche di data visualization. 

Prerequisiti

Si consiglia la conoscenza degli argomenti di "Analisi Statistica Multivariata" e "Statistica III"

Metodi didattici

Il corso è erogato in italiano e prevede lezioni frontali sia in aula sia in laboratorio informatico. Le lezioni in aula sono mirate all'approfondimento delle conoscenze teoriche dello studente sugli argomenti del Corso ed alla loro formalizzazione. Nelle lezioni svolte in laboratorio informatico  si trattano gli aspetti di implementazione dei modelli su dati reali e simulati utilizzando il software R.

Nel periodo di emergenza Covid-19 le lezioni si svolgeranno da remoto asincrono con eventi in videoconferenza sincrona.


Modalità di verifica dell'apprendimento

La modalità di verifica si basa su un elaborato finale ed una prova scritta eseguita in laboratorio. 

Nel periodo di emergenza Covid-19 gli esami si svolgeranno da remoto con l'ausilio dell'e-proctoring.


Testi di riferimento

  • Fruhwirth-Schnatter (2006) Finite mixture and Markov switching models

  • McLahan-Peel (2000) Finite_Mixture_Models
  • Kabacoff (2018) Data Visualization with R

Ulteriore materiale è reso disponibile agli studenti sulla pagina e-learning dedicata al Corso.

Periodo di erogazione dell’insegnamento

ll Corso viene erogato nel primo ciclo del secondo semestre dell'Anno Accademico.

Lingua di insegnamento

Italiano

Esporta

Learning objectives

The aim of the course is to illustrate the main computational statistical tools which are fundamental for modeling and data analyzing data.



Contents

Mixture-based clustering and classification methods.

Detailed program

Mixture models. Model-based clustering. Model-based classification. Mixture of experts models. Data visualization. 

Prerequisites

Knowledge of the notions given in the courses "Multivariate Statistics" and  "Statistics III” is recommended.

Teaching methods

Class lectures and lab sessions.

Assessment methods

Final homework and  written exam. 

Textbooks and Reading Materials

  • Fruhwirth-Schnatter (2006) Finite mixture and Markov switching models
  • McLahan-Peel (2000) Finite_Mixture_Models
  • Kabacoff (2018) Data Visualization with R

Further material  will be circulated via the e-learning page of the course.

Semester

The course is scheduled in the first part (six weeks) of the second semester.

Teaching language

Italian

Entra

Scheda del corso

Settore disciplinare
SECS-S/01
CFU
6
Periodo
Secondo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
42
Tipologia CdS
Laurea Triennale

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

  • Iscrizione spontanea (Studente)
  • Iscrizione manuale

Staff

    Docente

  • Sonia Migliorati

  • Statistica Computazionale
  • Home
Ottieni l'app mobile
Politiche
© 2023 Università degli Studi di Milano-Bicocca