Calendario#

Viene qui fornito un calendario preliminare delle attività didattiche, che comprende le scadenze per i report intermedi e le prove in itinere destinate agli studenti frequentanti. È importante notare che, seguendo l’approccio della “flipped classroom”, è necessario studiare i materiali didattici relativi agli argomenti trattati e completare gli esercizi corrispondenti presenti nella dispensa prima di ogni lezione.

Warning

La sequenza degli argomenti fornita nel presente calendario è soggetta a modifiche, e qualsiasi variazione sarà comunicata attraverso l’aggiornamento di questa pagina web. Vi invito quindi a consultare periodicamente questa fonte per eventuali aggiornamenti.

Lezioni#

#

Argomenti

Testi

1

Presentazione, ambiente di lavoro

BG2P3P 1, 2

2

Introduzione a Python

BG2P3P 4, 5, 6, 7, 8

3

Introduzione a Numpy, Pandas, Matplotlib, Seaborn; la Shell

BG2P3P 27

4

Statistica descrittiva, misurazione, distribuzione di frequenze, misure di tendenza centrale e di dispersione

DA4SS 1, 2, 3

5

Correlazione e causalità

DA4SS 1, 2, 3

6

La crisi della replicabilità dei risultati della ricerca psicologica; EDA

A

7

Introduzione alla teoria della probabilità, probabilità condizionale

I2P 1, 2; PBM 1, 2

8

Teorema di Bayes

I2P 2; PBM 3

9

Variabili casuali discrete, probabilità congiunta

I2P 3, 4, 7; PBM 4

10

Distribuzioni di massa di probabilità

I2P 3; PBM 4

11

Funzione di densità, distribuzioni di densità di probabilità

I2P 5; PBM 5

12

Verosimiglianza

PBM 7

13

Introduzione all’inferenza bayesiana, pensare ad una proporzione in termini soggettivi

BR 1, 2; PBM 7; BMCP 1; SR 1

14

Famiglie coniugate, influenza della distribuzione a priori

BR 3, 4, 5; PBM 7

15

Algoritmo di Metropolis

BR 6, 7; PBM 9

16

Caso beta-binomiale con PyMC

BR 7

17

Sommario della distribuzione a posteriori

BR 8

18

Predizione bayesiana

BR 8

19

Diagnostica MCMC

BMCP 2

20

Prova in itinere (1)

21

Odds-ratio, modello di Poisson

BMCP 3

22

Modello normale-normale, inferenza su due medie indipendenti, modello gerarchico

BMCP 3

23

Entropia, divergenza di Kullback-Leibler

BMCP 2

24

Regressione lineare (1)

BR 9, 10; PBM 11

25

Regressione lineare (2)

BR 9, 10; PBM 12

26

Modello gerarchico, regressione logistica, inferenza causale

BR 15, 16, 17; PBM 12

27

Introduzione all’inferenza frequentista, intervalli di fiducia

DA4SS

28

Test di ipotesi statistiche, test su una media, test su due medie indipendenti

DA4SS

29

Limiti dell’inferenza frequentista, errori di tipo M e di tipo S

SR 1; A

30

Prova in itinere (2)

31

Presentazione dei progetti di gruppo

32

Presentazione dei progetti di gruppo

Legenda: