Ecco quanto vorrei discutere nei prossimi mesi. Per preparare l'esame fate riferimento al Registro delle lezioni
Introduzione agli spazi di probabilità: richiami di teoria degli insiemi e delle loro proprietà.
Definizione di misura e misura di probabilità, definizione di eventi incompatibili, probabilità dell'evento complementare, proprietà.
Calcolo combinatorio: definizione di spazio di probabilità uniforme e sue proprietà, combinazioni semplici, disposizioni semplici, permutazioni semplici, disposizioni con re-immissione, legge ipergeometrica (estrazione senza re-immissione); disposizioni senza re-immissione, legge binomiale (estrazione con re-immissione).
Probabilità condizionata e legge delle probabilità totali.
Teorema di Bayes: dimostrazione, problema dei falsi positivi ed adattabilità dei test.
Indipendenza stocastica: indipendenza tra due eventi, indipendenza tra più di due eventi, indipendenza a coppie.
Introduzione alle variabile aleatorie: intuizione, descrizione e definizione, legge di una variabile aleatoria.
Variabili aleatorie discrete: definizione e proprietà, densità discreta, variabile aleatoria binomiale, variabile aleatoria geometrica, variabile aleatoria uniforme discreta, variabile aleatoria ipergeometrica, variabile aleatoria di Poisson,
Funzione di ripartizione di una variabile aleatoria discreta: definizione e proprietà.
Vettori aleatori discreti: definizione, significato ed esempi; densità di un vettore aleatorio discreto, densità discreta congiunta di variabili aleatorie, densità marginale di una componente di un vettore aleatorio discreto.
Indipendenza tra variabili aleatorie: definizione, significato e fattorizzazione della densità discreta congiunta, densità condizionale di una variabile aleatoria discreta, indipendenza tra funzioni di variabili aleatorie indipendenti.
Funzioni di vettori aleatori discreti: definizione, significato, densità discreta di una funzione di un vettore aleatorio, indipendenza tra funzioni di vettori aleatori indipendenti.
Media di una variabile aleatoria: definizione, media di funzioni reali di vettori aleatori, linearità della media, media di variabili aleatorie di tipo Bernoulli, binomiale, Poisson e geometrica.
Momenti di una variabile aleatoria: momento k-esimo e momento k-esimo centrato, varianza di una variabile aleatoria, disuguaglianza di Chebyshev, proprietà della varianza, varianza della somma di variabili aleatorie.
Covarianza tra due variabili aleatorie: definizione, significato e proprietà della covarianza, coefficiente di correlazione lineare e le sue proprietà.
Variabili aleatorie continue: definizione e significato; variabili aleatorie assolutamente continue, densità continua di una variabile aleatoria continua, proprietà, modelli notevoli (variabile aleatoria uniforme su un intervallo, variabile aleatoria esponenziale).
Vettori aleatori assolutamente continui bidimensionali: densità congiunta e densità marginali, indipendenza, verifica della condizione di indipendenza, variabile aleatoria uniforme su una regione di piano.
Funzioni unidimensionali di variabili aleatorie continue: significato e metodo per determinare la legge della variabile aleatoria trasformata; funzioni unidimensionali di vettori assolutamente continui bidimensionali, formula di convoluzione.
Vettori assolutamente continui bidimensionali: densità condizionale di una variabile aleatoria continua, momenti di vettori aleatori assolutamente continui, media di variabili aleatorie ottenute come funzioni di vettori aleatori assolutamente continui, calcolo dei momenti di variabili aleatorie notevoli.
Variabili aleatorie normali standard e normali: definizione, proprietà di una variabile aleatoria Gaussiana, calcolo della media, calcolo della varianza, variabile aleatoria Gaussiana come trasformazione di Gaussiana standard, grafico della densità con studio di funzione.
Convergenza in distribuzione di successioni di variabili aleatorie (definizione e significato), teorema del limite centrale, legge debole dei grandi numeri.
Inferenza, campionamento e campione statistico, statistica campionaria, media campionaria e varianza campionaria, non distorsione della media e della varianza campionaria, calcolo della varianza della media campionaria.
Applicazioni del teorema centrale del limite: approssimazione normale della media campionaria; campionamento da modello normale, distribuzione esatta della media e della varianza, variabili aleatorie chi-quadrato e t-Student.
Inferenza basata sulla verosimiglianza: funzione di verosimiglianza, stima di massima verosimiglianza, metodo di calcolo della stima di massima verosimiglianza, log-verosimiglianza, problemi di stima non regolari; momenti campionari.
Metodo dei momenti: sistema dei momenti, stima dei momenti.
Cenni su intervalli di confidenza e test d'ipotesi.