- Corsi di Laurea Magistrale
- Laurea Magistrale in DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
- Statistica e matematica per la data science
- Statistica e matematica per la data science - Mod. I
Statistica e matematica per la data science - Mod. I
- Insegnamento
- Statistica e matematica per la data science - Mod. I
- Insegnamento in inglese
- Statistics and mathematics for data science - Mod. I
- Settore disciplinare
- SECS-S/02
- Corso di studi di riferimento
- DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
- Tipo corso di studio
- Laurea Magistrale
- Crediti
- 6.0
- Ripartizione oraria
- Ore Attività Frontale: 36.0
- Anno accademico
- 2024/2025
- Anno di erogazione
- 2024/2025
- Anno di corso
- 1
- Percorso
- PERCORSI COMUNE/GENERICO
- Docente responsabile dell'erogazione
- ARIMA SERENA
Descrizione dell'insegnamento
Strumenti di matematica di base, strumenti di statistica di base.
Il corso mira ad approfondire gli strumenti di matematici necessari per la definizione e la stima di modelli statistico-probabilistici (funzioni generatrici di variabili aleatorie, momenti di variabili aleatorie e funzioni di esse)
Il corso introduce gli studenti agli strumenti fondamentali per l’analisi statistica e matematica relativi alla data science. Dopo aver richiamato le nozioni di base, si introdurranno gli strumenti di matematici necessari per la definizione e la stima di modelli statistico-probabilistici (funzioni generatrici di variabili aleatorie, momenti di variabili aleatorie e funzioni di esse)
Conoscenze e comprensione.
Acquisire una conoscenza dei principali metodi matematici e statistici per l’inferenza mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti più avanzati della statistica e della data sciencea nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Lezioni frontali, esercitazioni e attività di laboratorio.
Modalità di accertamento dei risultati: esame scritto accompagnato dall’analisi di casi di studio.
Introduzione alla scienza statistica
Statistica: descrizioni e inferenze;
Tipi di dati e variabili;
Raccolta dei dati e casualizzazione;
Statistiche descrittive: sintetizzare i dati univariati e multivariati.
Distribuzioni di probabilità
Introduzione alla probabilità
Variabili aleatorie e distribuzioni di probabilità
Valori attesi delle variabili aleatorie
Distribuzioni di probabilità discrete
Distribuzioni di probabilità continue
Generazione numeri casuali
Distribuzioni congiunte, condizionate e indipendenza
Correlazione tra variabili aleatorie
A. Agresti, M. Kateri (2022) Statistica per data scientist, EGEA
Semestre
Tipo esame
Valutazione
Orario dell'insegnamento
https://easyroom.unisalento.it/Orario
Insegnamento padre
Statistica e matematica per la data science (LM81)