Appunti VERIFICATO

formulario esame

Università degli studi di Firenze Statistica E Data Science 2024
98 visualizzazioni
7 download
Nessun voto ancora
Condividi: WhatsApp Telegram

Di cosa parla

Riassunto AI · si legge in un minuto

Riassunto: - Legge della Probabilità Totale e Regola di Bayes: formule per calcolare probabilità condizionate. - Mixture Process: combinazione di distribuzioni. - Indipendenza Condizionata e Scambiabilità: concetti statistici. - Modelli parametrici: Binomiale, Beta, Poisson, Normale. - Prior Coniugati: Gamma per Poisson, Normal-Gamma per Normale. - Distribuzioni Posteriori: calcolo delle distribuzioni a posteriori e marginali. - Stimatori della Media: bias e MSE. - Prior Non-Informativo di Jeffreys: criterio per scelta del prior.
Leggi il riassunto completo
  • Probabilità Totale: \( P(A) = P(A|B)P(B) + P(A|B^c)P(B^c) \)
  • Regola di Bayes: \( P(B|A) = \frac{P(A|B)P(B)}{P(A|B)P(B) + P(A|B^c)P(B^c)} \)
  • Distribuzione Marginali Posteriori: \( Ù|y \sim t_{\nu_n}(\bar{x}_n, s_n^2/\nu_n) \)
  • Modello Binomiale: \( p(Y=y|\theta) = \binom{n}{y} \theta^y (1-\theta)^{n-y} \)
  • Distribuzione Beta: \( p(x;a,b) = \frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)} x^{a-1}(1-x)^{b-1} \)
  • Modello Beta-Binomiale: Posteriore Beta: \( P(\theta|y) = \text{Beta}(a+y, b+n-y) \)

Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo

Anteprima pagina 1 — formulario esame Anteprima pagina 2 — formulario esame

Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.

Studia questi appunti con l'AI

Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.

Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.

Simula l'esame con domande costruite su questi appunti.

Di cosa parla l'insegnamento

STATISTICA BAYESIANA · 1° anno · 2° semestre · 6 CFU · STAT-01/A

CONOSCENZA E COMPRENSIONE: L'insegnamento si propone di fornire agli studenti una conoscenza approfondita delle nozioni di base dell'Inferenza Bayesiana. Scopo dell'insegnamento è quello di introdurre i modelli parametrici con parametri trattati come variabili aleatorie e la comprensione delle problematiche connesse…

Scheda completa nella pagina del corso

Altri appunti di STATISTICA BAYESIANA

Condividi questi appunti

WhatsApp Telegram