Fisica Misure Errore E Statistica 2025/2026

(Tot 48 ore didattica frontale) (4 lezioni) Elementi di statistica descrittiva. Concetti e terminologia basilari; classificazione dei caratteri. Distribuzioni di frequenza; densità. Indici sintetici di posizione / centralità e variabilità (media aritmetica - semplice e ponderata, mediana e altri quantili, moda; intervalli di variazione, deviazione standard, varianza e coefficiente di variazione). Studio delle relazioni lineari: Coefficiente di correlazione, retta di regressione (metodo dei minimi quadrati). (6 lezioni) Fondamenti di calcolo delle probabilità. Variabili aleatorie (valore atteso, varianza, covarianza, indipendenza). Distribuzioni univariate note, discrete e continue (Bernoulli, binomiale, esponenziale, geometrica, beta, normale). Probabilità condizionate e formula di Bayes. Legge dei grandi numeri e teorema del limite centrale. (6 lezioni) Elementi di inferenza statistica bayesiana. Concetti generali (distribuzioni a priori, verosimiglianza, distribuzioni a posteriori, priori forti). Calcolo delle distribuzioni a posteriori. Applicazioni ai test diagnostici. (8 lezioni) Fallacie statistiche: tasso di base, fallacia del prosecutore, ecc. Elementi di inferenza statistica frequentista. Concetti generali e principio del campionamento ripetuto; distribuzione della media aritmetica campionaria. Stima puntuale mediante intervalli di confidenza. Applicazione alla media e alla proporzione. Nozioni sui test statistici, regioni di rigetto, potenza di un test. Lemma di Neyman–Pearson. Applicazioni: Z test sulla media e sulla proporzione; test del Chi-Quadrato; confronto tra medie: T-Test e ANOVA 1-way.

---

(Tot 48 ore didattica frontale) (4 lezioni) Elementi di statistica descrittiva. Concetti e terminologia basilari; classificazione dei caratteri. Distribuzioni di frequenza; densità. Indici sintetici di posizione / centralità e variabilità (media aritmetica - semplice e ponderata, mediana e altri quantili, moda; intervalli di variazione, deviazione standard, varianza e coefficiente di variazione). Studio delle relazioni lineari: Coefficiente di correlazione, retta di regressione (metodo dei minimi quadrati). (6 lezioni) Fondamenti di calcolo delle probabilità. Variabili aleatorie (valore atteso, varianza, covarianza, indipendenza). Distribuzioni univariate note, discrete e continue (Bernoulli, binomiale, esponenziale, geometrica, beta, normale). Probabilità condizionate e formula di Bayes. Legge dei grandi numeri e teorema del limite centrale. (6 lezioni) Elementi di inferenza statistica bayesiana. Concetti generali (distribuzioni a priori, verosimiglianza, distribuzioni a posteriori, priori forti). Calcolo delle distribuzioni a posteriori. Applicazioni ai test diagnostici. (8 lezioni) Fallacie statistiche: tasso di base, fallacia del prosecutore, ecc. Elementi di inferenza statistica frequentista. Concetti generali e principio del campionamento ripetuto; distribuzione della media aritmetica campionaria. Stima puntuale mediante intervalli di confidenza. Applicazione alla media e alla proporzione. Nozioni sui test statistici, regioni di rigetto, potenza di un test. Lemma di Neyman–Pearson. Applicazioni: Z test sulla media e sulla proporzione; test del Chi-Quadrato; confronto tra medie: T-Test e ANOVA 1-way.

---