Insegnamento | Codice | Anno | Corso - Frequentare | Bacheca |
---|---|---|---|---|
ELEMENTI DI PROBABILITA E STATISTICA PER DATA SCIENCE | 10595858 | 2023/2024 | ||
Programma corso: il programma sara' in buona parte (ma non del tutto) simile a quello del corso dei due anni precedenti. Riporto il programma di massima: DISUGUAGLIANZA DI HOEFFDING VARIABILI ALEATORIE SUBGAUSSIANE COVERING NUMBER E PACKING NUMBER STIME DALL'ALTO DELLA NORMA DI MATRICI RANDOM SUBGAUSSIANE TEORIA PERTURBATIVA PER MATRICI DETERMINISTICHE CLUSTERING: STOCHASTIC BLOCK MODEL CLUSTER ANALYSIS VETTORI ALEATORI IN ALTA DIMENSIONE MATRICI GAUSSIANE STANDARD DIMENSION REDUCTION: LEMMA DI JOHNSON-LINDENSTRAUSS PROCESSI GAUSSIANI, AMPIEZZA GAUSSIANA E SFERICA STIMATORI IN ALTA DIMENSIONE SPARSE RECOVERY AND EXACT SPARSE RICOVERY
Si possono vedere le sezioni dedicate al corso dell'anno scorso alla pagina: https://www1.mat.uniroma1.it/people/faggionato/didattica/dida1.html
Libri di testo: il materiale sara' preso da diverse fonti (non acquistate libri). Tratteremo alcune parti dei seguenti testi: R. Vershynin. ``High-Dimensional Probability. An Introduction with Applications in Data Science". Cambridge University Press. Disponibile online (gratuitamente). M. J. Wainwright. ``High-Dimensional Statistics. A Non-Asymptotic Viewpoint". Cambridge University Press. R. Vershynin, Estimation in high dimension: a geometric perspective. https://arxiv.org/pdf/1405.5103.pdf T. Hastie, R. Tibshirani, J. Friedman. The elements of statistical learning. Springer series in Statistics. Free online U. von Luxburg, A tutorial in spectral clustering Statistics and Computing, 17 (4), 2007 (free online)
Esami: certamete esame orale, forse anche esame scritto
Date esami: vedere la pagina del dipartimento (consiglio: in alto cliccate su Ordina per data): https://docs.google.com/spreadsheets/u/1/d/e/2PACX-1vQt4Q8_g7oiydvFHlkdF...
Ricevimento: su appuntamento
|
||||
PROBABILITA' II | 1051922 | 2023/2024 | ||
Programma corso: il programma e' diverso da quello dei due anni precedenti. In particolare non ci saranno le catene di Markov, per evitare sovrapposizioni con processi stocastici.
Entropia: sorpresa di un evento, entropia di una variabile aleatoria, entropia congiunta per due variabili aleatorie, entropia condizionata, entropia congiunta condizionata, distanza di Kullback-Leibler, mutua informazione, entropia relativa di misure di probabilità
Teoria dei codici: codici univocamente decodificabile, codici prefisso, disuguaglianza di Kraft, teorema di Shannon per la stima dal basso della lunghezza media della codeword con entropia delle sorgente, codice di Shannon-Fano, codice di Huffman come codice ottimale.
Processi stocastici ed entropia: processi stocastici a tempo discreto, processi stocastici stazionari, tasso di entropia di un processo stocastico, esistenza del tasso di entropia per processi stocastici stazionari,.
Coupling: coupling di due misure e di due variabili aleatorie, distanza in variazione totale, teorema del maximal coupling, funzione inversa generalizzata della funzione di ripartizione, simulazione di una v.a. reale tramite la sua funzione di ripartizione e la v.a. uniforme su [0,1].
Dominazione stocastica: dominazione stocastica di due misure di probabilità su R, dominazione stocastica di due v.a. reali e formulazioni equivalenti (tramite code e funzioni di ripartizioni), coupling e dominazione stocastica per v.a. reali, coupling monotono.
Dominazione stocastica tra v.a. binomiali, dominazione stocastica tra v.a. di Poisson, insiemi parzialmente ordinati (poset), sottinsiemi crescenti di POSET, funzioni crescenti su POSET, dominazione stocastica per misure di probabilità su un poset, teorema di Strassen e sue implicazioni.
Bernoulli bond percolation: probabilità di percolazione, probabilità critica, monotonia della probabilità critica rispetto alla dimensione, transizione di fase per d>1, disuguaglianza FKG e altre tecniche di base. In alternativa alla Bernoulli bond percolation saranno trattati grafi random.
Funzione generatrice dei momenti.
Vettori aleatori gaussiani e cenni sul moto Browniano
Per il corso dell'anno scorso, vedere la sezione dedicata alla pagina
https://www1.mat.uniroma1.it/people/faggionato/didattica/dida1.html
dove potete trovare tanto materiale (c'e' anche la sezione dello stesso corso di 2 anni fa)
Libri di testo: Alcuni capitoli dei seguenti testi (disponibili online):
Esami: scritto+orale. Il voto dello scritto si puo' usare anche per l'orale in un altro appello.
Date esami: vedere la pagina del dipartimento (consiglio: in alto cliccate su Ordina per data): https://docs.google.com/spreadsheets/u/1/d/e/2PACX-1vQt4Q8_g7oiydvFHlkdF...
Ricevimento: su appuntamento |
||||
CALCOLO DELLE PROBABILITA' | 1020421 | 2023/2024 | ||
PROBABILITA' II | 1051922 | 2022/2023 | ||
ELEMENTI DI PROBABILITA E STATISTICA PER DATA SCIENCE | 10595858 | 2022/2023 | ||
CALCOLO DELLE PROBABILITA' | 1020421 | 2022/2023 | ||
ELEMENTI DI PROBABILITA E STATISTICA PER DATA SCIENCE | 10595858 | 2021/2022 | ||
PROBABILITA' II | 1051922 | 2021/2022 | ||
CALCOLO DELLE PROBABILITA' | 1020421 | 2021/2022 | ||
MATEMATICA E STATISTICA | 1045004 | 2020/2021 | ||
MATEMATICA | 1039660 | 2020/2021 | ||
MATEMATICA E STATISTICA | 1045004 | 2019/2020 | ||
PROCESSI STOCASTICI | 1031451 | 2019/2020 | ||
PROBABILITA' II | 1051922 | 2019/2020 | ||
PROCESSI STOCASTICI | 1031451 | 2019/2020 | ||
MATEMATICA | 1039660 | 2019/2020 | ||
MATEMATICA E STATISTICA | 1045004 | 2018/2019 | ||
PROBABILITA' II | 1051922 | 2018/2019 | ||
PROCESSI STOCASTICI | 1031451 | 2018/2019 | ||
PROCESSI STOCASTICI | 1031451 | 2018/2019 | ||
MATEMATICA | 1039660 | 2018/2019 | ||
MATEMATICA E STATISTICA | 1045004 | 2017/2018 | ||
STATISTICA MATEMATICA | 1031375 | 2017/2018 | ||
STATISTICA MATEMATICA | 1031375 | 2017/2018 | ||
MATEMATICA | 1039660 | 2017/2018 | ||
CALCOLO DELLE PROBABILITA' | 1020421 | 2016/2017 | ||
STATISTICA MATEMATICA | 1031375 | 2016/2017 | ||
STATISTICA MATEMATICA | 1031375 | 2016/2017 |
Da concordare con il docente