Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Triennale
  3. Scienze Statistiche ed Economiche [E4103B - E4101B]
  4. Insegnamenti
  5. A.A. 2022-2023
  6. 3° anno
  1. Statistica Computazionale
  2. Introduzione
Insegnamento Titolo del corso
Statistica Computazionale
Codice identificativo del corso
2223-3-E4101B041
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Il Corso si propone di fornire nozioni relative ad alcuni 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, classificazione e regressione basate sulle misture.

Programma esteso

Modelli mistura. Model-based clustering. Model-based classification. Mixture of experts models. Tecniche di data visualization e di gestione dei dati (tidyverse).

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.

Modalità di verifica dell'apprendimento

La modalità di verifica è così articolata :

- un homework intermedio

- un project work finale da consegnare almeno 4 giorni lavorativi prima della data dell'esame

- una prova scritta in laboratorio informatico (esercizi con R e domande teoriche sugli argomenti svolti a lezione)

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 periodo del secondo semestre dell'Anno Accademico.

Lingua di insegnamento

Italiano

Esporta

Learning objectives

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

Contents

Mixture-based clustering , classification and regression methods.

Detailed program

Mixture models. Model-based clustering. Model-based classification. Mixture of experts models. Data visualization and manipulation (tidyverse)..

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

The exam consists of an intermediate homework, a final project work and a 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
Lingua
Italiano

Staff

    Docente

  • SM
    Sonia Migliorati

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

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche