- Oggetto:
- Oggetto:
Processi stocastici
- Oggetto:
Anno accademico 2009/2010
- Codice dell'attività didattica
- MFN0793
- Corso di studi
- 008510-101 Laurea Magistrale in Fisica ind. Astrofisica e Raggi Cosmici
008510-103 Laurea Magistrale in Fisica ind. Fisica dell'Ambiente
008510-105 Laurea Magistrale in Fisica ind. Fisica Generale
008510-106 Laurea Magistrale in Fisica ind. Fisica Nucleare e Sub-nucleare - Tipologia
- C=Affine o integrativo
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- MAT/06 - probabilita' e statistica matematica
- Mutuato da
- http://www.matematica.unito.it/cgi-bin/corsi.pl/Show?_id=e94d;sort=DEFAULT;search=processi%20stocastici;hits=17
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il corso si propone di fornire agli studenti unintroduzione alla teoria delle serie storiche stazionarie, analizzate sia nel dominio del tempo che in quello della frequenza, e una panoramica su alcuni metodi di stima parametrica per i processi di diffusione. Si presenteranno inoltre alcune tecniche di analisi al calcolatore delle serie storiche stazionarie facendo uso di un software dedicato- Oggetto:
Programma
Serie storiche stazionarie: modelli ARIMA; analisi nel dominio del tempo; analisi nel dominio della frequenza. Inferenza statistica per processi di diffusione: stima di parametri per processi di diffusione nel caso di osservazioni relative a traiettorie continue; stima di parametri per processi di diffusione nel caso di osservazioni ad intervalli regolari. Laboratorio di serie storiche stazionarie: introduzione al software; analisi statistica di base; analisi di serie storiche nel dominio del tempo e della frequenza tramite un opportuno software dedicato
Stationary Time Series Analysis: ARIMA models; analysis in the time domain; analysis in the frequency domain. Statistical Inference for Diffusion Processes: estimation of the parameters for diffusion processes when the observations are from continuous sample paths; estimation of the parameters for diffusion processes when the observations are taken at regularly spaced time intervals. Laboratory about Stationary Time Series : introduction to software; descriptive statistical analysis with SAS; analysis of time series in the time domain and in the frequency domain with a dedicated softwareStationary Time Series Analysis: ARIMA models; analysis in the time domain; analysis in the frequency domain. Statistical Inference for Diffusion Processes: estimation of the parameters for diffusion processes when the observations are from continuous sample paths; estimation of the parameters for diffusion processes when the observations are taken at regularly spaced time intervals. Laboratory about Stationary Time Series : introduction to software; descriptive statistical analysis with SAS; analysis of time series in the time domain and in the frequency domain with a dedicated softwareStationary Time Series Analysis: ARIMA models; analysis in the time domain; analysis in the frequency domain. Statistical Inference for Diffusion Processes: estimation of the parameters for diffusion processes when the observations are from continuous sample paths; estimation of the parameters for diffusion processes when the observations are taken at regularly spaced time intervals. Laboratory about Stationary Time Series : introduction to software; descriptive statistical analysis with SAS; analysis of time series in the time domain and in the frequency domain with a dedicated software
Testi consigliati e bibliografia
- Oggetto:
- M.B. Priestley, Spectral analysis and time series, Academic Press, 1981 ; B.L.S. Prakasa Rao, Statistical Inference for Diffusion Type Processes, Arnold, 1999
- Oggetto:
Note
Nessuna propedeuticità obbligatoria.
Frequenza non obbligatoria, ma fortemente consigliata.
Modalità di esame: orale.- Oggetto:
