Probabilità e Statistica Matematica (6 CFU)
Transcript
Probabilità e Statistica Matematica (6 CFU)
Probabilità e Statistica Matematica (6 CFU) • Lingua di insegnamento Italiano • Contenuti Catene di Markov. Processi stocastici. Inferenza statistica. • Testi di riferimento [1] Karlin S., Taylor H. (1975) A first course in stochastic processes, Academic Press. [2] Di Crescenzo A., Ricciardi L. (2000) Elementi di Statistica. Liguori editore. • Obiettivi formativi Il corso presenta i fondamenti ed i risultati principali della teoria delle catene di Markov e dei processi stocastici a tempo continuo, secondo l’impostazione che si è diffusa negli ultimi anni, prestando particolare attenzione agli aspetti di formalizzazione della teoria. Oltre alle definizioni fondamentali e ai teoremi principali vengono presentati problemi di natura applicativa, anche in ambito statistico assieme alle relative soluzioni • Prerequisiti Elementi di calcolo: serie numeriche, limiti, derivate ed integrali. Teoria della misura. • Metodi didattici Lezioni frontali con l’ausilio di strumenti informatici. • Modalità di verifica dell’apprendimento Prova orale. • Programma Catene di Markov: matrice di transizione di una catena di Markov; passeggiate aleatorie e successioni di eventi; funzionali definiti a partire dalle passeggiate aleatorie. Processi di diramazione e funzioni generatrici. Matrice di transizione di una catena di Markov regolare. La classificazione degli stati. Catene di Markov riducibili. Metodi di Monte Carlo per le catene di Markov. Processi di Poisson: la legge degli eventi rari, distribuzioni associate al processo di Poisson. La distribuzione uniforme. Processi di Poisson spaziali. Processi di Poisson composti. Processi di rinnovo. Catene di Markov a tempo continuo: processi di pura nascita, processi di pura morte, processi di nascita-morte. Applicazioni in dinamica delle popolazioni. Comportamento asintotico. Stati assorbenti. Processi stocastici: spazio degli stati. Processi di Markov. Densità di transizione. Processi temporalmente omogenei. Densità stazionarie. Equazioni differenziali in avanti e all’indietro. Equazione di Chapmann-Kolmogorov. Momenti infinitesimali. Processi di Wiener e moto browniano. Connessioni con le passeggiate aleatorie. Processi di Gauss-Markov. Cenni all’integrazione stocastica e alle equazioni differenziali stocastiche. Ponte browniano. Processo di Ornstein-Uhlenbeck. Statistica Matematica: campioni casuali con e senza ripetizione; stimatori di massima verosimiglianza. Intervalli di confidenza, test di ipotesi: a una coda e a due code. Test sulla media e sulla varianza della popolazione. Distribuzioni normali multivariate. Come confrontare due campioni casuali indipendenti. Test del chi-quadrato. Fitting di una distribuzione: test di Kolmogorov-Smirnov. • Note Scopo primario del corso è quello di consentire agli studenti una capacità di formalizzazione di problemi applicativi sia di modellizzazione stocastica che di sintesi ed analisi dei dati, provenienti da varie discipline, in modo da formulare proposte e soluzioni per la loro comprensione.