- Oggetto:
- Oggetto:
Statistica Bayesiana
- Oggetto:
Bayesian Statistics
- Oggetto:
Anno accademico 2022/2023
- Codice attività didattica
- ECM0122
- Docente
- Cinzia Carota (Titolare del corso)
- Corso di studio
- Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
- Anno
- 2° anno
- Periodo
- Secondo semestre
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- SSD attività didattica
- SECS-S/01 - statistica
- Erogazione
- Mista
- Lingua
- Italiano
- Frequenza
- Consigliata/Recommended
- Tipologia esame
- Scritto
- Prerequisiti
-
Buona conoscenza del metodo di stima della massima verosimiglianza e dei ragionamenti inferenziali sottostanti alla prova delle ipotesi frequentista. Buona conoscenza dei modelli lineari e, in generale, buone basi di Matematica e di calcolo delle Probabilità. - Propedeutico a
-
Si consultino il Regolamento didattico e il Piano degli studi relativi al proprio anno di iscrizione a questo corso di laurea magistrale. - Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
L'insegnamento è finalizzato a:
- arricchire gli strumenti analitici disponibili allo studente,- arricchire la sua formazione critica,
- arricchire la capacità di comprendere e applicare i metodi di statistical learning e data mining sempre più basati sull'approccio bayesiano alla statistica e sempre più apprezzati nel mondo del lavoro,
- arricchire le abilità richieste a futuri Data Analyst e Data Scientist da parte delle moderne aziende pubbliche e private.
-
The course is aimed at:
- enriching the analytical tools available to students;
- enriching their critical vision of statistical inference;- enriching their ability to understand and apply statistical learning and data mining methods, nowadays increasingly based on the Bayesian approach to statistical inference and increasingly appreciated in the job market.
- improving skills required to Data Analysts and Data Scientists by modern public and private companies.
- Oggetto:
Risultati dell'apprendimento attesi
Alla fine dell'insegnamento lo studente saprà:
- comparare gli approcci classico e bayesiano all'inferenza statistica, comprendere problemi aperti sia nei modelli statistici classici che bayesiani ed esplorare le limitazioni di risultati teorici consolidati nella statistica inferenziale;
-apprezzare i principali benefici dell'approccio bayesiano che consente di tener conto dell'incertezza in maniera migliore, di ottenere risultati dal significato più intuitivo e facile da interpretare e di rendere più esplicite tutte le assunzioni sottostanti alle analisi;
- leggere, comprendere e applicare le tecniche di base dell'inferenza Bayesiana;
- discutere e comunicare con linguaggio appropriato i risultati delle inferenze anzidette.Students who complete this course will have the ability to:
-make comparisons between classical and Bayesian approaches to statistical inference, understand open problems in both classical and Bayesian statistical models and explore limitations of a series of well-established results in inferential statistics:
-appreciate some of the main benefits of the Bayesian approach, which allows for better accounting of uncertainty, results that have more intuitive and interpretable meaning, and more explicit statements of assumptions;
- read, understand and apply basic Bayesian inferential methods;
- appropriately discuss and comunicate the results of the above mentioned Bayesian inferential methods.- Oggetto:
Programma
Temi trattati:
- logica induttiva bayesiana
- distribuzioni a priori
- funzione di verosimiglianza
- distribuzioni a posteriori
- stima puntuale e intervalli di credibilità
- prova delle ipotesi bayesiana
- criteri scelta del modelloIl programma è lo stesso per studenti frequenanti e non frequentanti.
List of topics:
- Bayesian approach to inference
- prior distributions
- likelihood function
- posterior distributions
- point estimation and credible intervals
- Bayesian hypothesis testing
- model choiceThe list of topics is the same for both those students attending the lectures and those who do not.
- Oggetto:
Modalità di insegnamento
lezioni frontali in aula F4 del Campus Luigi Einaudi
frontal lectures: room F4, Campus Luigi Einaudi
- Oggetto:
Modalità di verifica dell'apprendimento
Esame orale comprendente problemi da risolvere ed alcune domande di commento analitico e critico sulla teoria sottostante alla soluzione proposta. Tempo: 1 ora.
La valutazione avviene in trentesimi.The final exam consists in an oral test including exercises and analytical and critical comments on the theorethical aspects underlying the provided solutions. Time: 1 hour. The exam score is evaluated over a range of 30 points.
- Oggetto:
Attività di supporto
--
Testi consigliati e bibliografia
- Oggetto:
- Libro
- Titolo:
- A first course in Bayesian Statistcal Methods
- Anno pubblicazione:
- 2009
- Editore:
- Springer
- Autore:
- Peter Hoff
- Capitoli:
- 1-6
- Obbligatorio:
- Si
- Oggetto:
- Libro
- Oggetto:
In aggiunta a:
-Peter D. Hoff, A first course in Bayesian Statistcal Methods, Springer
si veda anche:
-Jim Albert, Bayesian Computation with R, Springer
In addition to:
-Peter D. Hoff, A first course in Bayesian Statistcal Methods, Springer
see also:
-Jim Albert, Bayesian Computation with R, Springer
- Oggetto:
Note
-Si raccomanda l'iscrizione al corso.
-Il programma è lo stesso per i frequentanti e per i non frequentanti le lezioni.-Per ulteriori dettagli sul libro di testo rivolgersi alla docente.
-Le modalità di svolgimento dell'attività didattica potranno subire variazioni in base alle limitazioni imposte dalla crisi sanitaria in corso.- Registrazione
- Aperta
- Apertura registrazione
- 16/04/2023 alle ore 00:00
- Chiusura registrazione
- 30/06/2023 alle ore 23:55
- Oggetto: