METODI MATEMATICI E STATISTICI PER LE APPLICAZIONI 2

Anno accademico 2019/2020 - 1° anno
Docente: Vittorio ROMANO
Crediti: 6
SSD: MAT/07 - Fisica matematica
Organizzazione didattica: 150 ore d'impegno totale, 103 di studio individuale, 35 di lezione frontale, 12 di esercitazione
Semestre:

Obiettivi formativi

Il corso mira a fornire i principali strumenti di indagine statistica assieme allo studio di argomenti avanzati che consentono di affrontare questioni di interesse fisico-matematico, economico, industriale e applicativo in genere. Il corso fornisce anche i principali strumenti matematici di analisi economica e, pertanto, consigliabile pure agli studenti del curriculum economico-finanziario. In ogni caso vengono fornite nozioni che rientrano nel bagaglio culturale di base per chi volesse tentare l’insegnamento della matematica applicata nelle scuole medie superiori.

In maggiore dettaglio il corso mira a quanto segue.

Conoscenza e capacità di comprensione

Conoscenza di risultati e di metodi fondamentali nella statistica avanzata, nella teoria dei processi stocastici e nei metodi Monte Carlo.Capacità di leggere, comprendere e approfondire un argomento della letteratura in materia e riproporlo in modo chiaro ed accurato. Capacità di comprendere i problemi e di estrarne gli elementi sostanziali.

Capacità di applicare conoscenza e comprensione

Capacità di costruire o risolvere esempi o esercizi e di affrontare problemi teorici nuovi, ricercando le tecniche più adatte e applicandole opportunamente.

Autonomia di giudizio

Essere in grado di produrre proposte atte a interpretare correttamente problematiche complesse nell'ambito della statistica avanzata, nella teoria dei processi stocastici, nei metodi Monte Carlo e loro applicazioni. Essere in grado di formulare autonomamente giudizi pertinenti sull'applicabilità di modelli statistici e stocastici a situazioni teoriche e/o concrete.

Abilità comunicative

Capacità di presentare argomenti, problemi, idee e soluzioni con chiarezza e accuratezza e con modalità adeguate agli ascoltatori a cui ci si rivolge, sia in forma orale che in forma scritta. Capacità di motivare chiaramente la scelta delle strategie, metodi e contenuti, nonché degli strumenti computazionali adottati.

Capacità di apprendimento

Leggere e approfondire un argomento della letteratura statistica avanzata o concernente i processi stocastici o i metodi Monte Carlo. Affrontare in modo autonomo lo studio sistematico di argomenti del settore non precedentemente approfonditi. Acquisire un grado di autonomia tale da poter anche intraprendere una attività di ricerca.


Modalità di svolgimento dell'insegnamento

Principalmente lezioni frontali a cui si affiancheranno attività di laboratorio in cui si applicheranno le conoscenze teoriche acquisite alla risuluzione di casi studio in ambiente MATLAB.


Prerequisiti richiesti

Elementi di calcolo delle probabilità. Si consiglia, ma non è obbligatorio, il corso di Metodi Matematici e Statistici 1.


Frequenza lezioni

Fortemente consigliata


Contenuti del corso

  1. Metodo della massima verosimiglianza. Correlazione normale. Inferenza statistica Bayesiana. Metodo della massima entropia. Processi stocastici. Equazioni differenziali stocastiche. Metodi Monte Carlo.


Testi di riferimento

[1] Appunti del docente

[2] V. Romano, Metodi Matematici per i Corsi di Ingegneria, CittàStudi



Programmazione del corso

 ArgomentiRiferimenti testi
1 Metodo della massima verosimiglianza. Correlazione normale. Inferenza statistica Bayesiana. Metodo della massima entropia. Processi stocastici. Equazioni differenziali stocastiche. Metodi Monte Carlo. Appunti del docente 

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

È prevista la stesura di un elaborato di corso, preferibilmente con applicazioni in MATLAB, seguita da un esame orale.


Esempi di domande e/o esercizi frequenti

Inferenza statistica bayesiana. Metodo della massima verosimiglianza. Metodo della massima entropia. Processi di Markov omogenei. Catene di Markov. Problemi di assorbimento in una catena di Markov. Catene di nascita e di morte. Processi di Wiener-Levy. Passeggiata aleatoria. Formula di Ito. Generazione di numeri random. Metodo Monte Carlo. Modello di Ising.