Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
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 un’introduzione 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:
Ultimo aggiornamento: 15/09/2010 15:26
Non cliccare qui!