RANDOM PROCESSES FOR INFORMATION REPRESENTATION AND DECISION SUPPORT

iten
Codice
94662
ANNO ACCADEMICO
2021/2022
CFU
5 cfu al 1° anno di 10553 ENGINEERING FOR NATURAL RISK MANAGEMENT (LM-26) SAVONA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/03
LINGUA
Inglese
SEDE
SAVONA (ENGINEERING FOR NATURAL RISK MANAGEMENT)
periodo
1° Semestre
materiale didattico

PRESENTAZIONE

Obiettivo del corso è fornire agli studenti una conoscenza di base su probabilità, variabili aleatorie (v.a.) discrete e continue e processi stocastici. Il corso è organizzato in linea con questi argomenti e tratta inizialmente probabilità e relativi assiomi e regole, analisi combinatoria, v.a. discrete e continue (in entrambi i casi con la definizione dei momenti di primo e secondo ordine e con esempi di distribuzioni statistiche e densità di probabilità), v.a. multiple e distribuzioni congiunte, disuguaglianze notevoli e Teorema del Limite Centrale e, infine, concetti di base sui processi aleatori (stazionarietà, funzioni di correlazione e covarianza)

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

The course introduces the key concepts related to stochastic modeling in the framework of disaster risk prevention and assessment. Basic knowledge will be provided about probability theory, random variables, stochastic processes, and Bayesian decision theory. Examples of applications to problems of data modeling and analysis associated with risk applications will be discussed.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L'obiettivo principale del corso è quello di fornire conoscenze di base sulla probabilità, sulle variabili aleatorie e sui processi stocastici. Una conoscenza di base dell'analisi matematica è necessaria per seguire efficacemente il corso. Più specificamente, le lezioni iniziano con le definizioni e i concetti di base della probabilità, compresa la probabilità condizionata e l'indipendenza, la regola di Bayes e alcune nozioni di analisi combinatoria. L'argomento successivo sono i le variabili aleatorie (v.a.) discrete, iniziando con la definizione di Funzione di Massa o di Probabilità e coprendo alcuni casi specifici (uniforme, Bernoulli, Binomiale, Poisson, ...), insieme al calcolo dei primi e secondi momenti. Questo è seguito dal trattamento analogo delle v. a. continue, con le definizioni di distribuzione cumulativa e funzione di densità di probabilità (pdf), media e varianza, ed esempi legati a casi specifici (uniforme, esponenziale, normale,...). In entrambi i casi, vengono trattati anche v. a. multiple e le loro distribuzioni. Gli ultimi argomenti sulle v. a. includono correlazione e covarianza, disuguaglianze di Markov e Chebyshev e il teorema del limite centrale. Il corso si conclude con le basi dei processi stocastici, inclusa la nozione di stazionarietà, autocorrelazione e funzione di covarianza. Durante tutto il corso vengono presentati, risolti e commentati esempi e problemi esplicativi.

MODALITA' DIDATTICHE

Lezioni frontali tradizionali

PROGRAMMA/CONTENUTO

  • Nozioni di base sulla probabilità
    • Definizioni di base, regole di probabilità, probabilità condizionata, indipendenza, metodi combinatori.
  • Variabili aleatorie discrete
    • Funzione di massa o probabilità, media, varianza; distribuzioni discrete: uniforme, Bernoulli, Binomiale, Poisson; variabili aleatorie discrete multiple.
  • Variabili aleatorie continue
    • Funzione di distribuzione cumulativa, funzione di densità di probabilità; media e varianza; distribuzioni continue: uniforme, esponenziale, normale; variabili aleatorie continue multiple, distribuzione congiunta e densità; funzioni di variabili aleatorie.
  • Correlazione, covarianza; disuguaglianze di Markov e Chebyshev; teorema del limite centrale.
  • Processi stocastici.
  • Processi stocastici e variabili aleatorie.; valore medio e varianza; autocorrelazione, autocovarianza, coefficiente di correlazione; processi complessi; stazionarietà e proprietà dei processi stazionari.

TESTI/BIBLIOGRAFIA

- Materiale del corso su Aulaweb  (https://www.aulaweb.unige.it): copia delle slide utilizzate a lezione

- Dimitri P. Bertsekas and John Tsitsiklis, Introduction to Probability, 2nd Ed., Athena Scientific, Belmont, MA, 2008

DOCENTI E COMMISSIONI

Ricevimento: Per appuntamento da fissare via email o al termine della lezione.

Ricevimento: Previo accordo con gli studenti.

LEZIONI

MODALITA' DIDATTICHE

Lezioni frontali tradizionali

Orari delle lezioni

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

ESAMI

MODALITA' D'ESAME

Prova scritta integrata opzionalmente (su decisione dello studente) da una prova orale per incrementare (ma anche potenzialmente ridurre) la votazione ottenuta nello scritto.

MODALITA' DI ACCERTAMENTO

Prova scritta con problemi da risolvere. Orale: domande sul programma.

Calendario appelli

Data Ora Luogo Tipologia Note
18/01/2022 10:00 SAVONA Scritto + Orale
01/02/2022 10:00 SAVONA Scritto + Orale
16/02/2022 10:00 SAVONA Scritto + Orale
15/06/2022 10:00 SAVONA Scritto + Orale
29/06/2022 10:00 SAVONA Scritto + Orale
13/07/2022 10:00 SAVONA Scritto + Orale
07/09/2022 10:00 SAVONA Scritto + Orale