Skip to Main Content (Press Enter)

Logo UNIBG
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze

UNI-FIND
Logo UNIBG

|

UNI-FIND

unibg.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze
  1. Insegnamenti

COMPUTATIONAL STATISTICS - 149021-ENG

insegnamento
ID:
149021-ENG
Dettaglio:
SSD: STATISTICA Durata: 48 CFU: 6
Sede:
BERGAMO
Url:
Dettaglio Insegnamento:
ECONOMICS AND DATA ANALYSIS - 149-R-EN/Data Science Anno: 2
Anno:
2026
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone
  • Altre Info

Dati Generali

Periodo di attività

Secondo Semestre (15/02/2027 - 28/05/2027)

Syllabus

Obiettivi Formativi

Il corso è progettato per fornire conoscenze e comprensione dei metodi computazionali contemporanei per risolvere problemi inferenziali complessi. Alla fine del corso, gli studenti saranno in grado di applicare le funzioni esistenti all'interno del framework software R e di implementare autonomamente nuove funzioni e tecniche computazionali su misura per sfide inferenziali specifiche nei vari modelli statistici.


Prerequisiti

- Buona conoscenza della teoria della probabilità, della statistica inferenziale e dei modelli statistici fondamentali.

- Conoscenza di base del linguaggio di programmazione R.


Metodi didattici

Il corso ha una durata complessiva di 48 ore, che includono lezioni teoriche (supportate da slide) e sessioni pratiche utilizzando il software R.


Verifica Apprendimento

L'esame consiste in una prova pratica che comprende sia domande teoriche che esercizi che richiedono l'uso del software R. La valutazione si concentrerà anche sulla capacità di interpretare criticamente i risultati.


Contenuti

-Trasformazione di variabili casuali
-Funzione di ripartizione empirica e risultati asintotici
-Metodi Monte Carlo e generazione di numeri casuali
-Metodi bootstrap
-Ottimizzazione: bisezione, Newton-Raphson, secante
-Ottimizzazione multivariata: discesa/ascesa del gradiente, discesa/ascesa del gradiente con momento e metodo di Newton-Raphson multivariato
-Algoritmo EM, con i modelli mixture come esempio
-Introduzione ai modelli state-space

Risorse Online

  • Materiali didattici online (e-learning)
  • Leganto - Testi d'esame

Corsi

Corsi

ECONOMICS AND DATA ANALYSIS - 149-R-EN 
Laurea Magistrale
2 anni
No Results Found

Persone

Persone (2)

LANDO Tommaso
Settore STAT-01/A - Statistica
Gruppo 13/STAT-01 - STATISTICA
AREA MIN. 13 - Scienze economiche e statistiche
Professori Associati
RIMELLA Lorenzo
Settore STAT-01/A - Statistica
Gruppo 13/STAT-01 - STATISTICA
AREA MIN. 13 - Scienze economiche e statistiche
Ricercatori Legge 240/10 - t.det.
No Results Found

Altre Info

Insegnamento principale

COMPUTATIONAL STATISTICS
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 26.7.2.0