Syllabus del corso
Obiettivi formativi
1. Conoscenza e capacità di comprensione
Al termine dell’insegnamento, lo studente avrà acquisito una solida conoscenza dei fondamenti del calcolo delle probabilità, con particolare riferimento alla misurazione dell’incertezza nei processi decisionali. Sarà in grado di comprendere le regole matematiche alla base di un sistema coerente per la quantificazione dell’incertezza, nonché le proprietà e i limiti dei principali modelli probabilistici utilizzati in ambito scientifico e applicativo. Tali competenze teoriche rappresentano una base essenziale per l’analisi statistica dei dati e per la prosecuzione degli studi in ambito quantitativo.
2. Conoscenza e capacità di comprensione applicate
Lo studente sarà in grado di applicare le conoscenze acquisite per riconoscere e descrivere gli elementi essenziali di un processo aleatorio, costruendo modelli probabilistici adeguati a diversi contesti decisionali. Saprà utilizzare tali modelli per elaborare indicatori quantitativi utili al supporto delle decisioni e sarà in grado di integrare il calcolo delle probabilità all’interno dei modelli statistici, in particolare come fondamento per l’analisi inferenziale dei dati. L’applicazione sarà orientata sia alla comprensione teorica che alla risoluzione di problemi pratici.
3. Autonomia di giudizio
Durante il percorso formativo, lo studente svilupperà una crescente autonomia di giudizio, che si tradurrà nella capacità di valutare criticamente l’adeguatezza e la coerenza di un modello probabilistico rispetto al problema affrontato. Sarà in grado di riflettere sui limiti delle assunzioni adottate e di interpretare in modo consapevole i risultati ottenuti, formulando scelte e valutazioni basate su una solida base quantitativa. Ciò contribuirà a formare un atteggiamento analitico utile sia in ambito accademico che professionale.
4. Abilità comunicative
Lo studente maturerà la capacità di comunicare in modo chiaro e preciso i concetti appresi, utilizzando un linguaggio tecnico appropriato e coerente con il lessico della probabilità e della statistica. Sarà in grado di presentare e discutere modelli probabilistici e i relativi risultati sia in forma scritta che orale, adattando il registro comunicativo al tipo di interlocutore, specialista o non specialista. Tali abilità contribuiranno a una comunicazione efficace nell’ambito del lavoro di gruppo, della didattica e della divulgazione scientifica.
5. Capacità di apprendere
Infine, il corso mira a sviluppare nello studente una solida capacità di apprendimento autonomo. Sarà in grado di approfondire in modo indipendente temi avanzati del calcolo delle probabilità e della statistica, di affrontare con maggiore consapevolezza insegnamenti successivi e di aggiornarsi rispetto all’evoluzione degli strumenti quantitativi. Questo apprendimento permanente sarà essenziale sia per il prosieguo degli studi universitari che per l’adattamento a contesti lavorativi in continua trasformazione.
Contenuti sintetici
Probabilità di eventi e sue regole. Variabili aleatorie. Distribuzioni notevoli. Vettori aleatori. Teoremi limite.
Programma esteso
Calcolo combinatorio. Eventi e loro algebra. Misure di probabilità. Regole del calcolo delle probabilità. Assegnazione di una misura di probabilità. Probabilità condizionate. Teorema di Bayes. Indipendenza di eventi. Variabili aleatorie. Funzione di ripartizione, funzione di probabilità e funzione di densità. Sintesi di una variabile aleatoria: valore atteso, varianza, percentili, momenti. Funzione generatrice dei momenti. Distribuzione di funzioni di variabili aleatorie. Particolari leggi di distribuzione discrete: bernoulliana, binomiale, Poisson, geometrica, binomiale negativa, ipergeometrica. Particolari leggi di distribuzione continue (uniforme, normale, esponenziale negativa, gamma, chi-quadrato). Variabili aleatorie bidimensionali e multidimensionali (cenni). Funzioni di vettori aleatori. Teoremi limite del calcolo delle probabilità: legge dei grandi numeri e teorema centrale del limite.
Prerequisiti
L’esame non ha propedeuticità, tuttavia è vivamente consigliata la conoscenza degli argomenti trattati nei corsi di Analisi Matematica I e di Statistica I. Nello specifico, lo studente deve avere familiarità con i limiti, le serie numeriche, il calcolo integrale, le principali sintesi grafiche e numeriche di un insieme di dati.
Metodi didattici
Il corso prevede 63 ore tra lezioni ed esercitazioni svolte in modalità erogativa in presenza.
Il docente sarà inoltre affiancato da un tutor che svolgerà attività di tutoraggio in prossimità degli esami.
Modalità di verifica dell'apprendimento
L’esame prevede una prova scritta, comprendente esercizi e domande aperte di teoria, e una prova orale obbligatoria. Accedono all'orale gli studenti che abbiano riportato almeno 18 trentesimi nella prova scritta.
Le domande di teoria consentono di verificare la conoscenza e la comprensione delle regole del calcolo delle probabilità e dei principali modelli probabilistici. Gli esercizi consentono di verificare la capacità di analizzare un processo aleatorio, la capacità di scegliere un adeguato modello probabilistico e la capacità di dedurre indicatori sintetici dal modello scelto. Inoltre, sia le domande di teoria sia gli esercizi consentono di verificare la capacità di esprimersi con un linguaggio tecnico adeguato.
Testi di riferimento
Il libro di testo è:
Ross, S. M. “Calcolo delle probabilità (terza edizione italiana)”, Maggioli, 2016.
Il riferimento al libro di testo è essenziale per seguire lezioni ed esercitazioni. Ulteriore materiale di supporto viene fornito tramite la piattaforma e-learning.
Periodo di erogazione dell'insegnamento
II semestre (III e IV ciclo)
Lingua di insegnamento
Italiano
Sustainable Development Goals
Learning objectives
1. Knowledge and understanding
By the end of the course, students will have acquired a solid foundation in probability theory, with a particular focus on the measurement of uncertainty in decision-making processes. They will understand the mathematical rules underpinning a coherent system for quantifying uncertainty, as well as the properties and limitations of the most commonly used probabilistic models. These theoretical competencies provide an essential basis for data analysis and for further academic study in the quantitative disciplines.
2. Applying knowledge and understanding
Students will be able to apply the knowledge acquired to identify and describe the essential elements of a random process, and to construct probabilistic models suited to various decision-making contexts. They will be able to use these models to derive quantitative indicators that support informed decisions and will understand how probability theory serves as a foundation for statistical models, particularly in the context of inferential data analysis. The application of knowledge will be both theoretical and problem-oriented.
3. Making judgements
Throughout the course, students will develop independent judgement skills, allowing them to critically assess the appropriateness and coherence of a probabilistic model in relation to the problem under analysis. They will be able to reflect on the limitations of the assumptions made and to interpret the results with awareness, making decisions and evaluations based on a sound quantitative foundation. This analytical mindset will be valuable in both academic and professional settings.
4. Communication skills
Students will develop the ability to communicate clearly and accurately the concepts learned, using appropriate technical language consistent with the terminology of probability and statistics. They will be able to present and discuss probabilistic models and their results effectively, both in written and oral form, and to adapt their communication to different audiences, whether specialists or non-specialists. These skills will support effective communication in group work, teaching, and scientific dissemination.
5. Learning skills
Finally, the course aims to foster strong independent learning abilities. Students will be able to further explore advanced topics in probability and statistics autonomously, to approach more advanced courses with confidence, and to stay up to date with developments in quantitative tools. These lifelong learning skills will be essential both for continuing academic studies and for adapting to evolving professional environments.
Contents
Probability and its rules. Random variables. Main distributions. Random vectors. Limit theorems.
Detailed program
Combinatorics. Events and their algebra. Probability measures. Rules of probability. Assignment of a probability measure. Conditional probabilities. Bayes theorem. Independent events. Random variables. Cumulative distribution function, probability function, density function. Summary of a random variable: expected value, variance, percentiles, moments. Moment generating function. Distribution of functions of a random variable. Relevant discrete distributions: Bernoulli, binomial, Poisson, geometric, negative binomial, hypergeometric. relevant continuous distributions: uniform, normal, negative exponential, gamma, chi-squared. Bivariate and multivariate random variables. Functions of random vectors. Limit theorem of probability theory: law of large numbers, central limit theorem.
Prerequisites
There are no propaedeutic exams; however, familiarity with the subjects of the courses of Analisi Matematica I and Statistica I is highly recommended. Specifically, students must be familiar with limits, series, integrals and the main summaries (both numerical and graphical) of datasets.
Teaching methods
The course is taught by 63 hours of in-person lessons and practical sessions (exercises).
Tutoring is also provided in preparation to exams.
Assessment methods
The exam consists of a written test, containing both exercises 'open' questions about theory, and of a compulsory oral test. Only students with a grade of at least 18/30 can take the oral test.
Questions about theory aim at testing knowledge and understanding of the rules of probability and of the main probabilistic models. Exercises aim at testing the ability to analyze a random process, the ability to choose a suitable probabilistic model and the ability to derive synthetic indicators from the model. Moreover, both questions about theory and exercises aim at testing the ability to report results in a suitable technical language.
Textbooks and Reading Materials
The textbook is :
Ross, S. M. “Calcolo delle probabilità (terza edizione italiana)”, Maggioli, 2016.
Reference to the textbook is crucial to attend lessons and practical sessions. Additional materials are provided by the e-learning website.
Semester
II semester (III and IV cycle)
Teaching language
Italian