Libri UniversitariZoom 100%

Prof. Saverio Ranciati: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 4
Bologna 4 insegnamenti
Facoltà: Economia e management

Prof. Saverio Ranciati: Numerical Analysis (I.C.)

9,5difficoltà
Bologna · Facoltà: Economia e management · Economics and Finance (L-33)
Di cosa si tratta: Statistica computazionale e linguaggio R introducono generazione di variabili casuali, simulazione uniforme, trasformazione inversa e distribuzioni discrete, poi integrazione Monte Carlo classica e importance sampling e ottimizzazione Monte Carlo con ricerca stocastica, metodi stocastici del gradiente e simulated annealing. La programmazione in Python parte da sistemi operativi, reti di calcolatori, linguaggi di programmazione, interpreti e compilatori.

Dettagli corso

3º annoCorso: L-33
CFU: 12Canale: Unico

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: 10 libri
Robert – Introducing Monte Carlo Methods with RISBN 9781441915757
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
283 pagine
Difficoltà
9,5
Efron – An introduction to the bootstrapISBN 9780412042317
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
436 pagine
Difficoltà
9,5
Higham – Accuracy and Stability of Numerical AlgorithmsISBN 9780898715217
Tempo di studio del libro≈ 7,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
680 pagine
Difficoltà
9,5
Kincaid – Numerical analysisISBN 9780821847886
Tempo di studio del libro≈ 9 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
788 pagine
Difficoltà
9
Bau – Numerical linear algebraISBN 9781611977158
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
370 pagine
Difficoltà
9,5
Stewart – Afternotes on Numerical AnalysisISBN 9780898713626
Tempo di studio del libro≈ 2 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
200 pagine
Difficoltà
9,5
Bevilacqua – Introduzione alla matematica computazionaleISBN 9788808043566
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,5
Spaletta – Analisi NumericaISBN 9788837114411
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,5
Overton – Numerical Computing with IEEE Floating Point ArithmeticISBN 9780898714821
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
MathWorld – First released 1999 by E.WeissteinISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Domande possibili all’esame
  1. Che cosa si intende per errore assoluto e per errore relativo in un calcolo numerico?
  2. Come agisce il metodo di bisezione per la ricerca di uno zero di una funzione continua?
  3. Quando il metodo di Newton converge rapidamente alla radice cercata?
  4. In che cosa consiste la fattorizzazione LU di una matrice quadrata?
  5. Perché il condizionamento di un problema è diverso dalla stabilità di un algoritmo?
  6. Come si costruisce il polinomio di interpolazione di Lagrange per n+1 nodi distinti?
  7. Quale vantaggio offrono le splines cubiche rispetto a un unico polinomio di grado elevato?
  8. In che modo si applica la formula dei trapezi composita per approssimare un integrale?
  9. Che cosa afferma il criterio di Simpson sull'errore di quadratura?
  10. Quando un metodo iterativo di Jacobi per sistemi lineari è garantito a convergere?
  11. Come si risolve un problema di minimi quadrati tramite le equazioni normali?
  12. Che differenza c'è tra il metodo di Eulero esplicito e quello implicito per equazioni differenziali?
  13. Che cosa si intende per stabilità assoluta di un metodo numerico per equazioni differenziali ordinarie?
  14. Come si calcola l'approssimazione di una derivata con differenze finite in avanti?
  15. Perché l'aritmetica in virgola mobile introduce errori di arrotondamento?
  16. Quale ruolo svolge il numero di condizionamento nella valutazione di un sistema lineare mal condizionato?
  17. Come si ottiene l'ordine di convergenza di un metodo iterativo a partire dalle iterazioni?
  18. In che modo il metodo di Runge-Kutta di ordine quattro approssima la soluzione di un'equazione differenziale?
  19. Quale differenza c'è tra interpolazione e approssimazione di dati sperimentali?
  20. Come si scelgono i nodi di Chebyshev per ridurre l'errore di interpolazione?

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

Facoltà: Scienze

Prof. Saverio Ranciati: Computational Statistics

3,6difficoltà
Bologna · Facoltà: Scienze · Matematica (L-35)
Di cosa si tratta: Metodi Monte Carlo e generazione di numeri casuali, con inversione, trasformazioni e accettazione-rifiuto, tecniche di riduzione della varianza, funzione di ripartizione empirica e bootstrap. Si aggiungono ottimizzazione con Newton-Raphson e discesa del gradiente, algoritmo EM con modelli mixture, modelli state-space e sessioni di laboratorio in Python.

Dettagli corso

3º annoCorso: L-35
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 8 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Robert – Introducing Monte Carlo Methods with RISBN 9781441915757
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
283 pagine
Difficoltà
3,6
Efron – An introduction to the bootstrapISBN 9780412042317
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
436 pagine
Difficoltà
3,6
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

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 si intende per generazione di numeri pseudocasuali e quali proprietà devono avere?
  2. Come funziona il metodo di inversione per generare campioni da una distribuzione assegnata?
  3. Quando conviene usare il metodo Monte Carlo a catena di Markov per stimare una distribuzione?
  4. Che cosa è il metodo di Metropolis-Hastings e come sceglie le proposte?
  5. Come si valuta la convergenza di una catena di Markov prodotta da un campionatore?
  6. Che cosa è il bootstrap e in quali situazioni è utile per stimare l'errore standard?
  7. Come si costruisce un intervallo di confidenza con il metodo bootstrap percentile?
  8. Quali vantaggi offre il Gibbs sampling rispetto ad altri campionatori?
  9. Come si stima la densità di una variabile con il metodo del kernel?
  10. Che ruolo ha la scelta della larghezza di banda negli stimatori di densità kernel?
  11. Come funziona la cross-validation per selezionare il parametro di un modello?
  12. Che cosa significa overfitting e come si può riconoscere in un modello statistico?
  13. Quali tecniche permettono di ridurre la varianza in una simulazione Monte Carlo?
  14. Come si calcola l'errore di Monte Carlo di una stima ottenuta da campioni indipendenti?
  15. Che cosa si intende per algoritmo EM e in quali modelli viene usato?
  16. Come si stima il massimo di verosimiglianza con metodi numerici iterativi?
  17. Quali differenze esistono tra metodi di ottimizzazione basati sul gradiente e metodi senza derivate?
  18. Come si implementa un test di permutazione per verificare un'ipotesi senza assumere una distribuzione?
  19. Quali problemi pone la gestione di dataset molto grandi nella stima di modelli statistici?
  20. Come si confrontano le prestazioni di due algoritmi di simulazione a parità di tempo di calcolo?

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

Prof. Saverio Ranciati: Computational Statistics

3,6difficoltà
Bologna · Facoltà: Scienze · Scienze statistiche (L-41)
Di cosa si tratta: Metodi Monte Carlo e generazione di numeri casuali, con inversione, trasformazioni e accettazione-rifiuto, tecniche di riduzione della varianza, funzione di ripartizione empirica e bootstrap. Si aggiungono ottimizzazione con Newton-Raphson e discesa del gradiente, algoritmo EM con modelli mixture, modelli state-space e sessioni di laboratorio in Python.

Dettagli corso

3º annoCorso: L-41
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 8 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Robert – Introducing Monte Carlo Methods with RISBN 9781441915757
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
283 pagine
Difficoltà
3,6
Efron – An introduction to the bootstrapISBN 9780412042317
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
436 pagine
Difficoltà
3,6
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
Consigliato
Eserciziario di statistica
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

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 si intende per generazione di numeri pseudocasuali e quali proprietà devono avere?
  2. Come funziona il metodo di inversione per generare campioni da una distribuzione assegnata?
  3. Quando conviene usare il metodo Monte Carlo a catena di Markov per stimare una distribuzione?
  4. Che cosa è il metodo di Metropolis-Hastings e come sceglie le proposte?
  5. Come si valuta la convergenza di una catena di Markov prodotta da un campionatore?
  6. Che cosa è il bootstrap e in quali situazioni è utile per stimare l'errore standard?
  7. Come si costruisce un intervallo di confidenza con il metodo bootstrap percentile?
  8. Quali vantaggi offre il Gibbs sampling rispetto ad altri campionatori?
  9. Come si stima la densità di una variabile con il metodo del kernel?
  10. Che ruolo ha la scelta della larghezza di banda negli stimatori di densità kernel?
  11. Come funziona la cross-validation per selezionare il parametro di un modello?
  12. Che cosa significa overfitting e come si può riconoscere in un modello statistico?
  13. Quali tecniche permettono di ridurre la varianza in una simulazione Monte Carlo?
  14. Come si calcola l'errore di Monte Carlo di una stima ottenuta da campioni indipendenti?
  15. Che cosa si intende per algoritmo EM e in quali modelli viene usato?
  16. Come si stima il massimo di verosimiglianza con metodi numerici iterativi?
  17. Quali differenze esistono tra metodi di ottimizzazione basati sul gradiente e metodi senza derivate?
  18. Come si implementa un test di permutazione per verificare un'ipotesi senza assumere una distribuzione?
  19. Quali problemi pone la gestione di dataset molto grandi nella stima di modelli statistici?
  20. Come si confrontano le prestazioni di due algoritmi di simulazione a parità di tempo di calcolo?

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

Prof. Saverio Ranciati: Numerical Analysis (I.C.)

9,5difficoltà
Bologna · Facoltà: Scienze · Scienze statistiche (L-41)
Di cosa si tratta: Statistica computazionale e linguaggio R introducono generazione di variabili casuali, simulazione uniforme, trasformazione inversa e distribuzioni discrete, poi integrazione Monte Carlo classica e importance sampling e ottimizzazione Monte Carlo con ricerca stocastica, metodi stocastici del gradiente e simulated annealing. La programmazione in Python parte da sistemi operativi, reti di calcolatori, linguaggi di programmazione, interpreti e compilatori.

Dettagli corso

3º annoCorso: L-41
CFU: 12Canale: Unico
🕒 Orario lezioni
  • Lun9–11AULA VIII (accesso Via Ranzani, 1)
  • Mar14–16AULA VIII (accesso Via Ranzani, 1)
  • Gio9–11LAB INF D (Accesso da Via Zamboni, 34)

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: 10 libri
Robert – Introducing Monte Carlo Methods with RISBN 9781441915757
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
283 pagine
Difficoltà
9,5
Efron – An introduction to the bootstrapISBN 9780412042317
Tempo di studio del libro≈ 5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
436 pagine
Difficoltà
9,5
Higham – Accuracy and Stability of Numerical AlgorithmsISBN 9780898715217
Tempo di studio del libro≈ 7,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
680 pagine
Difficoltà
9,5
Kincaid – Numerical analysisISBN 9780821847886
Tempo di studio del libro≈ 9 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
788 pagine
Difficoltà
9
Bau – Numerical linear algebraISBN 9781611977158
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
370 pagine
Difficoltà
9,5
Stewart – Afternotes on Numerical AnalysisISBN 9780898713626
Tempo di studio del libro≈ 2 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
200 pagine
Difficoltà
9,5
Bevilacqua – Introduzione alla matematica computazionaleISBN 9788808043566
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,5
Spaletta – Analisi NumericaISBN 9788837114411
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
6,5
Overton – Numerical Computing with IEEE Floating Point ArithmeticISBN 9780898714821
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
MathWorld – First released 1999 by E.WeissteinISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Domande possibili all’esame
  1. Che cosa si intende per errore assoluto e per errore relativo in un calcolo numerico?
  2. Come agisce il metodo di bisezione per la ricerca di uno zero di una funzione continua?
  3. Quando il metodo di Newton converge rapidamente alla radice cercata?
  4. In che cosa consiste la fattorizzazione LU di una matrice quadrata?
  5. Perché il condizionamento di un problema è diverso dalla stabilità di un algoritmo?
  6. Come si costruisce il polinomio di interpolazione di Lagrange per n+1 nodi distinti?
  7. Quale vantaggio offrono le splines cubiche rispetto a un unico polinomio di grado elevato?
  8. In che modo si applica la formula dei trapezi composita per approssimare un integrale?
  9. Che cosa afferma il criterio di Simpson sull'errore di quadratura?
  10. Quando un metodo iterativo di Jacobi per sistemi lineari è garantito a convergere?
  11. Come si risolve un problema di minimi quadrati tramite le equazioni normali?
  12. Che differenza c'è tra il metodo di Eulero esplicito e quello implicito per equazioni differenziali?
  13. Che cosa si intende per stabilità assoluta di un metodo numerico per equazioni differenziali ordinarie?
  14. Come si calcola l'approssimazione di una derivata con differenze finite in avanti?
  15. Perché l'aritmetica in virgola mobile introduce errori di arrotondamento?
  16. Quale ruolo svolge il numero di condizionamento nella valutazione di un sistema lineare mal condizionato?
  17. Come si ottiene l'ordine di convergenza di un metodo iterativo a partire dalle iterazioni?
  18. In che modo il metodo di Runge-Kutta di ordine quattro approssima la soluzione di un'equazione differenziale?
  19. Quale differenza c'è tra interpolazione e approssimazione di dati sperimentali?
  20. Come si scelgono i nodi di Chebyshev per ridurre l'errore di interpolazione?

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

Scorri di lato: 3 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Saverio Ranciati a Bologna

Che libro usa il prof. Saverio Ranciati per Numerical Analysis (I.C.) a Bologna?

Per Numerical Analysis (I.C.) (Canale unico) indica come obbligatorio: Robert – Introducing Monte Carlo Methods with R, Efron – An introduction to the bootstrap, Higham – Accuracy and Stability of Numerical Algorithms, Kincaid – Numerical analysis, Bau – Numerical linear algebra, Stewart – Afternotes on Numerical Analysis, Bevilacqua – Introduzione alla matematica computazionale, Spaletta – Analisi Numerica, Overton – Numerical Computing with IEEE Floating Point Arithmetic, MathWorld – First released 1999 by E.Weisstein.

Quanto è impegnativo Numerical Analysis (I.C.)?

12 CFU, difficoltà stimata 9.5 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Saverio Ranciati per Computational Statistics a Bologna?

Per Computational Statistics (Canale unico) indica come obbligatorio: Robert – Introducing Monte Carlo Methods with R, Efron – An introduction to the bootstrap.

Quanto è impegnativo Computational Statistics?

6 CFU, difficoltà stimata 3.6 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Saverio Ranciati per Computational Statistics a Bologna?

Per Computational Statistics (Canale unico) indica come obbligatorio: Robert – Introducing Monte Carlo Methods with R, Efron – An introduction to the bootstrap.

Quanto è impegnativo Computational Statistics?

6 CFU, difficoltà stimata 3.6 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Saverio Ranciati per Numerical Analysis (I.C.) a Bologna?

Per Numerical Analysis (I.C.) (Canale unico) indica come obbligatorio: Robert – Introducing Monte Carlo Methods with R, Efron – An introduction to the bootstrap, Higham – Accuracy and Stability of Numerical Algorithms, Kincaid – Numerical analysis, Bau – Numerical linear algebra, Stewart – Afternotes on Numerical Analysis, Bevilacqua – Introduzione alla matematica computazionale, Spaletta – Analisi Numerica, Overton – Numerical Computing with IEEE Floating Point Arithmetic, MathWorld – First released 1999 by E.Weisstein.

Quanto è impegnativo Numerical Analysis (I.C.)?

12 CFU, difficoltà stimata 9.5 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.