PROBABILITY AND STATISTICS-2

L’insegnamento ricade tra le attività affini del corso di laurea in Informatica nell’ambito del curriculum `Data Science’ e ha lo scopo di fornire agli studenti strumenti di base dell’inferenza statistica e dell’analisi dei dati. L’obiettivo dell’insegnamento è sviluppare competenze per rispondere a quesiti di natura statistica che sorgono in ambito tecnologico, scientifico, biomedico, economico ed aziendale. Particolare attenzione viene dedicata all’integrazione della metodologia con strumenti computazionali attraverso l’utilizzo del linguaggio R. Il raggiungimento degli obiettivi formativi dell’insegnamento permette allo studente di ottenere le basi per l'apprendimento di strumenti più avanzati di data science.

La frequenza e la partecipazione alle attività formative proposte dal corso e lo studio individuale consentiranno agli studenti di:
1. Conoscenza e capacità di comprensione:
-- conoscere e comprendere i principali metodi inferenziali
2. Capacità di applicare conoscenza e comprensione:
-- descrivere e modellare fenomeni caratterizzati da variabilità e incertezza
-- utilizzare software statistico per la manipolazione, la rappresentazione e l'analisi di dati
3. Autonomia di giudizio:
-- interpretare correttamente i risultati delle analisi prodotte da software statistici
4. Abilità comunicative:
-- saper presentare in modo chiaro ed esaustivo i risultati ottenuti come soluzione da una analisi statistica, utilizzando formule rigorose e una terminologia appropriata
5. Capacità di apprendimento:
-- saper utilizzare ed integrare informazioni provenienti da appunti, libri, slide e sessioni pratiche
-- saper valutare la propria preparazione utilizzando quiz ed esercizi di autovalutazione assegnati durante il corso

Si assume che gli studenti abbiano raggiunto gli obiettivi formativi dell'insegnamento di Probabilità e Statistica - 1. In particolare, è importante che gli studenti abbiano una piena dimestichezza delle principali proprietà e operazioni relative alle variabili casuali discrete e continue.

Il programma del corso prevede la presentazione e la discussione dei seguenti argomenti:
1. Concetti di base
2. Stima puntuale
3. Stima intervallare
4. Verifica d'ipotesi
5. Dipendenza
I metodi saranno illustrati con dati simulati e reali utilizzando il linguaggio R (www.r-project.org).
L'utilizzo del programma R è parte integrante del corso e costituisce il principale strumento per svolgere gli esercizi assegnati.

Testi principali:
- Baron M (2014). Probability and Statistics for Computer Scientistis. Second Edition. CRC Press. Parti selezionate dei capitoli 8-9-10-11
- Mor Harchol-Balter (2024). Introduction to probability for Computing. Cambridge University Press. (Disponibile online: https://www.cs.cmu.edu/~harchol/Probability/book.html )
- Letture e materiali integrativi distribuiti durante il corso tramite la piattaforma Moodle

Altri testi suggeriti:
S.M. Ross (2004). Calcolo delle probabilità. Apogeo.
M. Boella (2011). Probabilità e statistica per ingegneria e scienze. Pearson Italia, Milano.
G. Espa, R. Micciolo (2014). Problemi ed esperimenti di statistica con R. Apogeo.
H. Hsu (2011). Probabilità, variabili casuali e processi stocastici. McGraw-Hill.
R.A. Johnson (2007). Probabilità e statistica per ingegneria e scienze. Prentice Hall.
W. Navidi (2006). Probabilità e statistica per l'ingegneria e le scienze. McGraw-Hill.
S.M. Ross (2003). Probabilità e statistica per l'ingegneria e le scienze. Apogeo.

Metodo di Valutazione dell'insegnamento:
La verifica dell'apprendimento per l'intero insegnamento (12 CFU) avviene tramite un esame scritto costituito da due prove parziali. Ciascuna prova parziale ha un valore massimo di 31 punti e una durata di 90 minuti.
Per superare il corso, è necessario ottenere un punteggio sufficiente in ciascuna delle due prove parziali, ovvero almeno 18 punti per ogni parziale.
- Requisito Sequenziale: solo gli studenti che hanno superato la prima prova parziale possono sostenere la seconda.
- Opzione Esame Completo: è possibile sostenere l’esame completo svolgendo entrambe le prove parziali nella stessa giornata, ma in rigorosa successione. Se il punteggio della prima prova parziale non risulta sufficiente, la seconda prova parziale non verrà corretta.
- Validità: entrambe le prove parziali devono essere superate durante lo stesso anno accademico. Una volta superata la prima prova parziale, il voto resta valido per il superamento della seconda unicamente per i rimanenti appelli dello stesso anno accademico.
- Voto Finale: una volta superate entrambe le prove parziali, il voto finale sarà la media dei due voti. Un punteggio complessivo che supera 30 punti corrisponde alla lode.

Indicazioni per la Seconda Prova Parziale (6 CFU):
La seconda prova parziale includerà il materiale del Modulo 2 soltanto. L'uso di R è una parte importante del corso e sarà oggetto di valutazione tramite l'uso adeguato dei comandi nell'esame scritto.
L'esame sarà composto come segue:
- Una domanda aperta sulla teoria (5 punti): Verranno valutate la chiarezza, la completezza, la correttezza e la concisione della risposta.
- Sei domande a risposta singola (1 punto ciascuna): verrà valutata solo la risposta finale; non è richiesta alcuna giustificazione o traccia di procedimento.
- Tre esercizi (7 punti ciascuno): è richiesta una giustificazione, che ha un valore superiore rispetto alla risposta numerica finale. La chiarezza e l'ordine saranno presi in considerazione in fase di valutazione.
Regolamento d'Esame:
+ Esame a libro chiuso: sarà tuttavia consentito un formulario. Ogni studente è responsabile del proprio formulario, che dovrà essere contenuto interamente su entrambi i lati di un foglio A4.
+ È richiesta una calcolatrice adeguata. È responsabilità dello studente portare una calcolatrice funzionante e saperla utilizzare.

scritto

Per quanto riguarda la gradazione del voto, i punteggi ottenuti all'esame dipenderanno dalle capacità dimostrate:
- sufficiente (punteggi nella fascia 18-22): a chi dimostra una sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma e sufficienti abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico e la notazione matematica associata ai modelli di probabilità e la loro interpretazione
- buona (punteggi nella fascia 23-26): a chi dimostra una discreta conoscenza e capacità di comprensione applicata in riferimento al programma e discrete abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico e la notazione matematica associata ai modelli di probabilità e la loro interpretazione
- molto buona (punteggi nella fascia 27-30): a chi dimostra una buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma, buone o ottime abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico e la notazione matematica associata ai modelli di probabilità e la loro interpretazione e almeno una minima capacità di collegare i diversi concetti studiati durante il corso, formulando giudizi autonomi.
- la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al programma, capacità di giudizio e abilità comunicative, eccellenti.

Lezioni frontali ed esercitazioni in classe anche con l'uso del programma R. Utilizzo della piattaforma Moodle per la verifica dell'apprendimento in itinere.