Di cosa si tratta: Confronto tra impostazione classica e bayesiana, teorema di Bayes per eventi e variabili casuali, revisione di una prior tramite un esperimento e inferenza con prior discrete sono il punto di partenza. Si trattano distribuzioni a posteriori e predittive per verosimiglianza di Bernoulli, la distribuzione Beta come prior continua, il caso normale-normale con varianza nota, statistiche sufficienti e distribuzioni coniugate.
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
Come si ricava la distribuzione a posteriori da una verosimiglianza binomiale con prior Beta?
Qual è la differenza tra verosimiglianza, distribuzione a priori e distribuzione a posteriori?
Perché un intervallo di credibilità al 95% ha un significato diverso da un intervallo di confidenza?
Quando è preferibile un prior di Jeffreys rispetto a un prior uniforme?
Che cosa sono le famiglie coniugate e quale vantaggio computazionale offrono?
Come si calcola la media a posteriori nel modello Normale-Normale con varianza nota?
Che cos'è la distribuzione predittiva a posteriori e come si utilizza per fare previsioni?
Come funziona l'algoritmo Metropolis-Hastings e perché la catena converge alla distribuzione target?
Che cosa misura il fattore di Bayes nel confronto tra due modelli concorrenti?
In che senso un modello gerarchico produce un effetto di shrinkage sulle stime?
Quali sono i vantaggi del Gibbs sampling rispetto ad altri metodi di campionamento MCMC?
Come si diagnostica la convergenza di una catena di Markov attraverso R-hat e la dimensione campionaria effettiva?
Quale ruolo svolge la scelta del prior nell'inferenza su campioni di piccole dimensioni?
Come si confrontano modelli bayesiani tramite criteri come DIC, WAIC o LOO?
Perché la stima puntuale a posteriori può essere vista come soluzione di un problema di perdita minima?
Qual è la differenza tra un prior informativo e un prior debolmente informativo?
Come si costruisce un intervallo di credibilità a partire da un campione della distribuzione a posteriori?
In quali casi un prior improprio può produrre una distribuzione a posteriori non valida?
Come si usa la regola di Bayes per aggiornare una credenza dopo l'osservazione di nuovi dati?
Quali sono le principali differenze tra inferenza bayesiana e inferenza frequentista nella pratica?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Daniela Cocchi a Bologna
Che libro usa il prof. Daniela Cocchi per Bayesian Inference a Bologna?
Per Bayesian Inference (Canale unico) indica come obbligatorio: Hoff – A First Course in Bayesian Statistical Methods, Lambert – A Student’s Guide to Bayesian Statistics.
Quanto è impegnativo Bayesian Inference?
6 CFU, difficoltà stimata 5.1 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.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy