Prof. Elena Bandini: Complementi di Probabilità e Statistica Matematica
4,1difficoltà
Bologna · Facoltà: Scienze · Matematica (LM-40)
Di cosa si tratta: Statistica descrittiva con popolazione e campione, tipi di dati, frequenze, rappresentazioni grafiche, indici di posizione e di dispersione, boxplot e indici di forma apre il quadro. Dati bivariati, covarianza, correlazione lineare e regressione ai minimi quadrati precedono un'introduzione alla probabilità, con le sue interpretazioni e una breve storia.
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 definisce la convergenza in legge di una successione di variabili aleatorie e quale teorema la caratterizza?
Che cosa afferma la legge dei grandi numeri nelle sue versioni debole e forte?
Come si enuncia il teorema del limite centrale e quali ipotesi richiede sulla varianza?
Qual è la differenza tra stimatore corretto e stimatore consistente di un parametro?
Come si costruisce la disuguaglianza di Cramér-Rao e quale informazione di Fisher è coinvolta?
In che modo il lemma di Neyman-Pearson definisce il test più potente per ipotesi semplici?
Come si determina un intervallo di confidenza per la media di una popolazione gaussiana con varianza ignota?
Qual è la proprietà di sufficienza di una statistica e come si verifica con il criterio di fattorizzazione?
Come si applica la stima di massima verosimiglianza e quali condizioni di regolarità la rendono asintoticamente efficiente?
Qual è il significato del teorema di Rao-Blackwell nella costruzione di stimatori con varianza minima?
Come si definisce la famiglia esponenziale e perché le sue statistiche sono sufficienti e complete?
In che modo il metodo dei momenti fornisce stimatori per i parametri di una distribuzione?
Come si costruisce un test del rapporto di verosimiglianza e quale distribuzione asintotica ha la statistica?
Qual è la relazione tra convergenza quasi certa e convergenza in probabilità per una successione di variabili?
Come si calcola la distribuzione di una somma di variabili indipendenti con funzioni caratteristiche?
Che cosa afferma il teorema di Glivenko-Cantelli sulla funzione di ripartizione empirica?
Come si usa il bootstrap per stimare la distribuzione di uno stimatore in assenza di formule chiuse?
Qual è il ruolo dei quantili nella costruzione di intervalli di confidenza non parametrici?
Come si confrontano due campioni indipendenti con un test di Wilcoxon e quali ipotesi richiede?
Qual è la differenza tra errore di prima specie ed errore di seconda specie in un test statistico?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Prof. Elena Bandini: Statistica Matematica
4,1difficoltà
Bologna · Facoltà: Scienze · Matematica (L-35)
Di cosa si tratta: Stimatori puntuali, metodo dei momenti e metodo di massima verosimiglianza aprono il quadro. Per valutare gli stimatori si usano errore quadratico medio, stimatori UMVU, statistica sufficiente e completa, teorema di Cramér-Rao ed efficienza. Seguono intervalli di confidenza ottimali e asintotici e test d'ipotesi, con rapporto di verosimiglianza, funzione potenza e test randomizzati.
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
Che cosa si intende per campione casuale e quali proprietà deve avere?
Come si definisce uno stimatore consistente e come si verifica questa proprietà?
Che cosa misura l'errore quadratico medio di uno stimatore e come si scompone?
Quando uno stimatore si dice non distorto e perché questa proprietà non basta da sola?
Che cosa afferma la disuguaglianza di Cramér-Rao e quali condizioni richiede?
Come si costruisce lo stimatore di massima verosimiglianza per un parametro?
Quali proprietà asintotiche ha lo stimatore di massima verosimiglianza?
Che cosa è una statistica sufficiente e come si verifica con il criterio di fattorizzazione?
Come si definisce la completezza di una statistica e a cosa serve?
Che cosa è il teorema di Rao-Blackwell e come si applica per migliorare uno stimatore?
Come si costruisce un test di ipotesi e che cosa sono errore di primo e di secondo tipo?
Che cosa è il lemma di Neyman-Pearson e quale test ottimo fornisce?
Come si definisce la potenza di un test e da quali fattori dipende?
Quando un test si dice uniformemente più potente e come si dimostra?
Come si costruisce un intervallo di confidenza esatto per la media di una normale?
Che cosa afferma il teorema del limite centrale e come si usa nelle applicazioni?
Quali sono le differenze tra approccio frequentista e approccio bayesiano nella stima?
Come si calcola la distribuzione a posteriori di un parametro con una prior coniugata?
Che cosa è la famiglia esponenziale e perché è importante nella teoria dell'inferenza?
Come si applica il test del rapporto di verosimiglianze per verificare ipotesi composte?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Scorri di lato: 2 insegnamenti →
Facoltà: Scienze Statistiche
Prof. Elena Bandini: Fondamenti di Reinforcement Learning
4,1difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistica, economia e impresa (LM-82)
Di cosa si tratta: Catene di Markov a tempo discreto e processi decisionali di Markov, poi algoritmi di programmazione dinamica come policy evaluation, policy improvement, policy iteration e value iteration. Seguono poi i metodi model-free di apprendimento, con prediction e control basati su Monte Carlo e temporal-difference, TD(lambda), SARSA e Q-learning.
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
Che cos'è un processo decisionale di Markov e quali elementi lo definiscono?
Che cosa rappresenta il fattore di sconto e quale effetto ha sul valore delle ricompense future?
Come si scrive l'equazione di Bellman per la funzione valore di una politica?
Qual è la differenza concettuale tra la funzione valore e la funzione azione-valore?
Come funziona la valutazione di una politica nella programmazione dinamica?
Quali sono le differenze tra policy iteration e value iteration in termini di convergenza?
Perché il metodo Monte Carlo richiede episodi completi per stimare il valore?
In che modo il metodo TD aggiorna le stime a ogni passo temporale?
Quale differenza c'è tra SARSA e Q-learning nel tipo di politica aggiornata?
Perché Q-learning è detto off-policy e quale vantaggio comporta?
Che cosa si intende per dilemma tra esplorazione e sfruttamento?
Come si confrontano la strategia epsilon-greedy e il metodo UCB nei problemi di bandit?
Quali proprietà garantiscono l'esistenza di una politica ottima in un processo finito?
Che cosa si intende per bias e varianza nelle stime temporal-difference?
Come si applica l'approssimazione di funzione per trattare spazi di stati molto grandi?
Perché l'uso di reti neurali può rendere instabile l'apprendimento per rinforzo?
Quale ruolo svolgono il replay buffer e la rete target nella stabilizzazione di DQN?
In che modo i metodi policy gradient ottimizzano direttamente la politica?
Che cosa descrive un metodo actor-critic rispetto a un metodo basato solo sul valore?
Come si valuta la performance di un agente di rinforzo su più episodi di prova?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Elena Bandini a Bologna
Che libro usa il prof. Elena Bandini per Complementi di Probabilità e Statistica Matematica a Bologna?
Per Complementi di Probabilità e Statistica Matematica (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Quentin Berger – Un primo corso attraverso esempi, modelli e….
Quanto è impegnativo Complementi di Probabilità e Statistica Matematica?
6 CFU, difficoltà stimata 4.1 su 10 rispetto agli esami della stessa area.
Che libro usa il prof. Elena Bandini per Statistica Matematica a Bologna?
Per Statistica Matematica (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Berger – Statistical inference.
Quanto è impegnativo Statistica Matematica?
6 CFU, difficoltà stimata 4.1 su 10 rispetto agli esami della stessa area.
Che libro usa il prof. Elena Bandini per Fondamenti di Reinforcement Learning a Bologna?
Per Fondamenti di Reinforcement Learning (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Barto – Reinforcement Learning.
Quanto è impegnativo Fondamenti di Reinforcement Learning?
6 CFU, difficoltà stimata 4.1 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