STATISTICS FOR HIGH DIMENSIONAL DATA AND COMPSTAT LAB - 38106

insegnamento

ID:

38106

Dettaglio:

SSD: STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA Durata: 48 CFU: 6

Sede:

DALMINE

Url:

Dettaglio Insegnamento:

INGEGNERIA INFORMATICA/PERCORSO COMUNE Anno: 2

Anno:

2024

Course Catalogue:

https://unibg.coursecatalogue.cineca.it/af/2024?co...

Periodo di attività

Primo Semestre (16/09/2024 - 23/12/2024)

Obiettivi Formativi

L'obiettivo del corso è quello di fornire allo studente i metodi e gli strumenti per analizzare data set spazio-temporali cioè inerenti fenomeni che evolvono nello spazio e nel tempo.
Lo studente imparerà la modellazione statistica utile a descrivere le correlazioni spaziali e temporali inerenti i dati e utile ad effettuare previsioni nello spazio e nel tempo, valutando al contempo l'incertezza della previsione.
Tramite l'utilizzo degli ambienti Matlab e R, lo studente prenderà dimestichezza con i software di stima dei modelli statistici e di previsione spazio-temporale.

Prerequisiti

Conoscenze base di probabilità ed inferenza statistica

Metodi didattici

Il corso è strutturato in lezioni frontali teoriche in aula e lezioni frontali in laboratorio informatico. Le lezioni in aula affrontano la metodologia statistica mentre le lezioni in laboratorio sono basate sui software Matlab e R. Durante le lezioni in laboratorio gli studenti sono chiamati ad analizzare dataset provenienti da applicazioni reali tramite i metodi visti nelle lezioni teoriche.

Verifica Apprendimento

La verifica profitto si basa sulla valutazione dell'output prodotto da un lavoro di gruppo. Nel lavoro di gruppo, svolto in Matlab, R o Python, gli studenti scelgono un dataset e lo analizzano tramite i metodi statistici imparati a lezione. Al gruppo sarà richiesto di presentare il lavoro davanti alla classe e di consegnare un report insieme al codice software implementato.

Contenuti

- Processi stocastici e serie storiche
- Funzione di autocovarianza
- Modelli per serie storiche stazionarie
- Modelli autoregressivi e a media mobile
- Stima dei modelli per serie storiche
- Modelli nello spazio degli stati e filtro di Kalman
- Stima tramite algoritmo EM dei modelli nello spazio degli stati
- Modelli per dati geostatistici
- Modelli gaussiani
- Funzioni di covarianza spaziale
- Modelli lineari generalizzati per dati geostatistici
- Stima parametrica dei modelli per dati geostatistici
- Previsione spaziale (kriging)
- Modelli per dati spazio-temporali
- Stima dei modelli spazio-temporali
- Previsione spazio-temporale