Libri UniversitariZoom 100%

Prof. Christian Martin Hennig: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 2
Bologna 2 insegnamenti
Facoltà: Scienze

Prof. Christian Martin Hennig: Statistics II

5,1difficoltà
Bologna · Facoltà: Scienze · Scienze statistiche (L-41)
Di cosa si tratta: Random sampling e sampling distributions, central limit theorem e estimation theory aprono lo studio, con point estimation: finite sample and asymptotic estimator properties e confidence intervals. Si passa poi a statistical hypothesis tests, al concetto di p-values e ai test su mean, proportion, two sample comparison e categorical data.

Dettagli corso

1º annoCorso: L-41
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6,5 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Mann – Introductiory StatisticsISBN 9781119248941
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,5
Rice – Mathematical Statistics and Data AnalysisISBN 9780534399429
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,5
Domande possibili all’esame
  1. Che cosa si intende per stimatore non distorto e perché la distorsione è un criterio importante?
  2. Come si costruisce un intervallo di confidenza per la media di una popolazione normale con varianza nota?
  3. Qual è la differenza tra errore di primo tipo ed errore di secondo tipo in un test di ipotesi?
  4. Come si definisce la potenza di un test statistico e da quali fattori dipende?
  5. In che modo il metodo della massima verosimiglianza fornisce una stima dei parametri?
  6. Quando è appropriato utilizzare un test t per campioni indipendenti invece di un test per campioni appaiati?
  7. Che cosa afferma il teorema del limite centrale e perché è centrale nell'inferenza?
  8. Come si interpreta il p-value in un test di ipotesi bilaterale?
  9. Quali sono le proprietà desiderabili di uno stimatore consistente?
  10. Come si verifica l'ipotesi di indipendenza in una tabella di contingenza con il test chi-quadrato?
  11. In che modo cambia l'ampiezza di un intervallo di confidenza al variare del livello di confidenza?
  12. Perché la stima per intervalli fornisce più informazioni rispetto a una stima puntuale?
  13. Come si costruisce la funzione di verosimiglianza per un campione di variabili di Bernoulli?
  14. Quali assunzioni servono per applicare in modo inferenziale la regressione lineare semplice?
  15. Quando conviene ricorrere a un test non parametrico al posto di un test t?
  16. Come si determina la numerosità campionaria necessaria per stimare una proporzione con precisione prefissata?
  17. Quale ruolo gioca la statistica sufficiente nella riduzione dei dati?
  18. In che modo il metodo dei momenti stima i parametri di una distribuzione?
  19. Quale differenza c'è tra un test unilaterale e un test bilaterale sulla stessa ipotesi?
  20. Come si confrontano due varianze campionarie attraverso il test F?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Facoltà: Scienze Statistiche

Prof. Christian Martin Hennig: Modern Statistics And Big Data Analytics

9,9difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistical Sciences (LM-82)
Di cosa si tratta: Il clustering è al centro dei contenuti: k-means, costruzione delle distanze, clustering gerarchico, partitioning around medoids, ampiezza media della silhouette e modelli a mistura. Accanto a questi si studia la statistica robusta, con funzione di influenza, breakdown point e stima robusta di posizione, scala e regressione, sempre con algoritmi, codice in R e teoria.

Dettagli corso

2º annoCorso: LM-82
CFU: 10Canale: Unico
🕒 Orario lezioni
  • Lun9–11AULA A. RUFFINI - Accesso da Via Belmeloro 8/2
  • Mar14–16AULA FILOPANTI
  • Gio9–11AULA FILOPANTI

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Everitt – Cluster AnalysisISBN 9780470749913
Tempo di studio del libro≈ 3,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
330 pagine
Difficoltà
9,9
Hastie – The Elements of Statistical LearningISBN 9780387848570
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
2 materie
Tipo
Manuale
Pagine
745 pagine
Difficoltà
7,7
Hennig – Handbook of Cluster AnalysisISBN 9781466551886
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
753 pagine
Difficoltà
9,9
Maronna – Robust StatisticsISBN 9781119214687
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
430 pagine
Difficoltà
9,9
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Cerca su Amazon
Consigliato
Eserciziario di statistica
Cerca su Amazon
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale
Può servirti
Manuale di Python
Cerca su Amazon

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa cambia nell'inferenza statistica quando il numero di variabili supera quello delle osservazioni?
  2. Come si applica la regressione con penalizzazione lasso per selezionare le variabili rilevanti?
  3. Perché la convalida incrociata è preferibile alla semplice valutazione sui dati di addestramento?
  4. Come funziona il metodo bootstrap per stimare l'errore standard di uno stimatore?
  5. Quando un'analisi per componenti principali aiuta a ridurre la dimensionalità dei dati?
  6. Quali sono i limiti dell'analisi di grandi dataset basata su test di ipotesi multipli?
  7. Come si controlla il tasso di falsi positivi quando si eseguono molti test contemporaneamente?
  8. In che modo gli algoritmi di clustering gerarchico costruiscono una struttura ad albero?
  9. Quali vantaggi offre il metodo ridge rispetto alla regressione ai minimi quadrati ordinari?
  10. Come si stimano i parametri in un modello con molte variabili tramite discesa del gradiente?
  11. Quali criteri di informazione aiutano a scegliere un modello parsimonioso?
  12. Come si gestisce la sovrapposizione di dati provenienti da fonti amministrative diverse?
  13. Perché la distribuzione dei dati può cambiare nel tempo e quali effetti ha sulle previsioni?
  14. Che cosa significa campionamento per importanza e in quali casi è utile?
  15. Come si valuta la stabilità di un risultato statistico rispetto a piccole variazioni dei dati?
  16. Quale ruolo gioca la trasformazione dei dati nella riduzione della distorsione dei modelli?
  17. Come si misura l'incertezza delle previsioni in un modello con molti parametri?
  18. Quali differenze esistono tra big data strutturati e non strutturati dal punto di vista statistico?
  19. Come si interpretano i risultati di un albero di regressione in termini di variabili importanti?
  20. Quali precauzioni sono necessarie quando si combinano dati campionari e dati censiti?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Domande frequenti Libri, programma ed esami del prof. Christian Martin Hennig a Bologna

Che libro usa il prof. Christian Martin Hennig per Statistics II a Bologna?

Per Statistics II (Canale unico) indica come obbligatorio: Mann – Introductiory Statistics, Rice – Mathematical Statistics and Data Analysis.

Quanto è impegnativo Statistics II?

6 CFU, difficoltà stimata 5.1 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Christian Martin Hennig per Modern Statistics And Big Data Analytics a Bologna?

Per Modern Statistics And Big Data Analytics (Canale unico) indica come obbligatorio: Everitt – Cluster Analysis, Hastie – The Elements of Statistical Learning, Hennig – Handbook of Cluster Analysis, Maronna – Robust Statistics.

Quanto è impegnativo Modern Statistics And Big Data Analytics?

10 CFU, difficoltà stimata 9.9 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.