Didattica - Università degli Studi di Padova

Corsi di Laurea	Corsi di Laurea Magistrale	Corsi di Laurea Magistrale a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA DELL'INFORMAZIONE

Insegnamento
ANALISI DEI DATI (Numerosita' canale 1)
INL1000178, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento

Corso di studio	Corso di laurea in INGEGNERIA DELL'INFORMAZIONE IN0513, ordinamento 2011/12, A.A. 2018/19	porta questa pagina con te
Crediti formativi	9.0
Tipo di valutazione	Voto
Denominazione inglese	STATISTICAL DATA ANALYSIS
Dipartimento di riferimento	Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning	https://elearning.dei.unipd.it/course/view.php?idnumber=2018-IN0513-000ZZ-2017-INL1000178-N2CN1
Obbligo di frequenza	No
Lingua di erogazione	ITALIANO
Sede	PADOVA
Corso singolo	È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta	È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti

Responsabile	LORENZO VANGELISTA		ING-INF/03

Mutuazioni

Codice	Insegnamento	Responsabile	Corso di studio
INL1000178	ANALISI DEI DATI (Numerosita' canale 1)	LORENZO VANGELISTA	IN0507
INL1000178	ANALISI DEI DATI (Numerosita' canale 1)	LORENZO VANGELISTA	IN0512

Dettaglio crediti formativi

Tipologia	Ambito Disciplinare	Settore Scientifico-Disciplinare	Crediti
CARATTERIZZANTE	Ingegneria dell'automazione	ING-INF/04	5.0
CARATTERIZZANTE	Ingegneria delle telecomunicazioni	ING-INF/03	4.0

Organizzazione dell'insegnamento

Periodo di erogazione	Secondo semestre
Anno di corso	II Anno
Modalità di erogazione	frontale

Tipo ore	Crediti	Ore di didattica assistita	Ore Studio Individuale
LEZIONE	9.0	72	153.0

Calendario

Inizio attività didattiche	25/02/2019
Fine attività didattiche	14/06/2019
Visualizza il calendario delle lezioni	Lezioni 2019/20 Ord.2011

Commissioni d'esame

Commissione	Dal	Al	Membri
24 A.A. 2019/2020	01/10/2019	15/03/2021	CALVAGNO GIANCARLO (Presidente) VANGELISTA LORENZO (Membro Effettivo) BADIA LEONARDO (Supplente) BENVENUTO NEVIO (Supplente) CORVAJA ROBERTO (Supplente) ERSEGHE TOMASO (Supplente) LAURENTI NICOLA (Supplente) MILANI SIMONE (Supplente) ROSSI MICHELE (Supplente) TOMASIN STEFANO (Supplente) ZANELLA ANDREA (Supplente) ZANUTTIGH PIETRO (Supplente) ZORZI MICHELE (Supplente)
23 A.A. 2018/2019	01/10/2018	15/03/2020	VANGELISTA LORENZO (Presidente) FINESSO LORENZO (Membro Effettivo) ZANELLA ANDREA (Membro Effettivo) BADIA LEONARDO (Supplente) CALVAGNO GIANCARLO (Supplente) CORVAJA ROBERTO (Supplente) ERSEGHE TOMASO (Supplente) LAURENTI NICOLA (Supplente) MILANI SIMONE (Supplente) ROSSI MICHELE (Supplente) TOMASIN STEFANO (Supplente) ZANUTTIGH PIETRO (Supplente) ZORZI MICHELE (Supplente)
22 A.A. 2018/2019	01/10/2018	15/03/2020	FINESSO LORENZO (Presidente) VANGELISTA LORENZO (Membro Effettivo) CALVAGNO GIANCARLO (Supplente)
21 A.A. 2017/2018	01/10/2017	15/03/2019	VANGELISTA LORENZO (Presidente) FINESSO LORENZO (Membro Effettivo) ZANELLA ANDREA (Membro Effettivo) BADIA LEONARDO (Supplente) CALVAGNO GIANCARLO (Supplente) CORVAJA ROBERTO (Supplente) ERSEGHE TOMASO (Supplente) LAURENTI NICOLA (Supplente) MILANI SIMONE (Supplente) ROSSI MICHELE (Supplente) TOMASIN STEFANO (Supplente) ZANUTTIGH PIETRO (Supplente) ZORZI MICHELE (Supplente)
20 A.A. 2017/2018	01/10/2017	15/03/2019	FINESSO LORENZO (Presidente) VANGELISTA LORENZO (Membro Effettivo) CALVAGNO GIANCARLO (Supplente)

Syllabus

Prerequisiti:	Analisi matematica 1, Analisi Matematica 2, Algebra lineare e geometria.
Conoscenze e abilita' da acquisire:	Conoscenza di base della teoria della probabilità, delle variabili aleatorie e dei processi aleatori. Alla fine del corso l'allievo dovrà essere in grado di costruire semplici modelli probabilistici di fenomeni aleatori e saper effettuare i relativi calcoli probabilistici.
Modalita' di esame:	Prova scritta.
Criteri di valutazione:	Lo studente dovrà dimostrare di aver acquisito le conoscenze di base della teoria della probabilità, delle variabili aleatorie discrete e continue e i fondamenti dei processi aleatori. Inoltre dovrà dimostrare di saper applicare la teoria acquisita per individuare gli appropriati modelli probabilistici relativi a fenomeni aleatori e di saper risolvere problemi di calcolo delle probabilità.
Contenuti:	Probabilità: Spazi di probabilità e loro proprietà. Elementi di calcolo combinatorio e problemi di probabilità classica. Probabilità condizionata. Formula della probabilità totale e di Bayes. Eventi indipendenti. Indipendenza condizionata. Variabili Aleatorie (VA): Definizione di VA. Densità discreta e funzione di distribuzione: definizione e proprietà. VA discrete notevoli: Bernoulli, binomiale, geometrica, Poisson. Teorema limite di Poisson. VA assolutamente continue, funzione di densità. Classificazione delle VA: assolutamente continue, discrete e miste. VA ass.continue notevoli: uniforme, esponenziale, gaussiana. Trasformazioni di VA. Valore atteso, varianza, momenti: definizione e proprietà. Funzione generatrice dei momenti e funzione caratteristica. Diseguaglianze di Markov e Chebychev. Vettori Aleatori (VeA): Definizione di VeA. Distribuzione congiunta e sue proprietà. VeA continui. Densità congiunta e sue proprietà. VeA discreti. Densità di probabilità congiunta e sue proprietà. Valore atteso di VeA e momenti di VeA. Funzione caratteristica di un VeA. Variabili aleatorie incorrelate ed indipendenti. VeA gaussiani. Somma di VA indipendenti. Valore atteso condizionato. Formula del valore atteso iterato. Successioni di Variabili Aleatorie: Successioni di VA. Convergenza in distribuzione, in probabilità, in media. Legge dei grandi numeri e teorema del limite centrale. Processi Aleatori: Definizioni. Descrizione probabilistica completa e di potenza. Stazionarietà. Correlazione e densità spettrale. Analisi spettrale nel filtraggio di processi aleatori.
Attivita' di apprendimento previste e metodologie di insegnamento:	Lezioni frontali. Nel corso delle lezioni sono esposti gli aspetti teorici del corso, vengono illustrati esempi di applicazione e svolte esercitazioni. Vengono inoltre proposte esercitazioni individuali da svolgere a casa con successiva illustrazione delle soluzioni.
Eventuali indicazioni sui materiali di studio:	Tutti gli argomenti del corso vengono illustrati in aula. Gli appunti delle lezioni possono essere integrati dal libro di testo e dal materiale aggiuntivo reso disponibile sulla piattaforma moodle.
Testi di riferimento:	L.Finesso, Lezioni di Probabilità. Padova: Libreria Progetto, 2018. Gubner, John A., Probability and random processes for electrical and computer engineersJohn A. Gubner. Cambridge [etc.]: Cambridge University press, 2006.