2. Ingegneria Gestionale
  3. Didattica
  4. Insegnamenti

STATISTICA APPLICATA E SISTEMI DI SUPPORTO ALLE DECISIONI

Ingegneria Gestionale STATISTICA APPLICATA E SISTEMI DI SUPPORTO ALLE DECISIONI

0622600032
DIPARTIMENTO DI INGEGNERIA INDUSTRIALE
CORSO DI LAUREA MAGISTRALE
INGEGNERIA GESTIONALE
2016/2017

OBBLIGATORIO
ANNO CORSO 1
ANNO ORDINAMENTO 2016
SECONDO SEMESTRE
CFUOREATTIVITÀ
1STATISTICA APPLICATA E SISTEMI DI SUPPORTO ALLE DECISIONI
660LEZIONE
2STATISTICA APPLICATA E SISTEMI DI SUPPORTO ALLE DECISIONI
660LEZIONE
MAURIZIO GUIDA1 T Curriculum
CIRO D'APICE2 Curriculum
Obiettivi
CONOSCENZE E CAPACITÀ DI COMPRENSIONE
L’INSEGNAMENTO MIRA ALL’ACQUISIZIONE DEGLI ELEMENTI DI BASE DEI SISTEMI DI SUPPORTO ALLE DECISIONI E TECNICHE DI SIMULAZIONE: DATA MINING, TECNICHE E CONTROLLO DEI PROGETTI, MODELLI PER LOGISTICA E PRODUZIONE, SIMULAZIONE DI SISTEMI COMPLESSI.
INOLTRE L’INSEGNAMENTO PUNTA A FORNIRE STRUMENTI E METODI DI BASE PER DESCRIVERE, VALUTARE E INTERPRETARE LA VARIABILITÀ IN AMBITO SPERIMENTALE, INDUSTRIALE ED AMBIENTALE ALLO SCOPO DI ASSUMERE DECISIONI, CON APPLICAZIONI AI PROCESSI PRODUTTIVI, ALLA GESTIONE DI SERVIZI E A PROBLEMATICHE AMBIENTALI; FORNIRE METODI E STRUMENTI DI BASE PER PIANIFICARE LA RACCOLTA DI DATI AL FINE DI CONSENTIRE ANALISI OBIETTIVE DEL PROBLEMA TRATTATO; FORNIRE METODI E STRUMENTI DI BASE PER ANALIZZARE L’EFFETTO DI FATTORI DIVERSI SU UN FENOMENO D’INTERESSE ED EFFETTUARE CONFRONTI QUANTITATIVI TRA LORO; FORNIRE METODI E STRUMENTI DI BASE PER COSTRUIRE E SOTTOPORRE A VERIFICA SPERIMENTALE MODELLI INTERPRETATIVI DI UN FENOMENO FISICO O TECNOLOGICO. GLI OBIETTIVI FORMATIVI CONSISTONO NELL’ACQUISIZIONE DEI RISULTATI E DELLE TECNICHE DIMOSTRATIVE, NONCHÉ NELLA CAPACITÀ DI UTILIZZARE I RELATIVI STRUMENTI DI CALCOLO. LA PARTE TEORICA DELL’INSEGNAMENTO SARÀ PRESENTATA IN MODO RIGOROSO MA CONCISO E ACCOMPAGNATA DA UN’ ATTIVITÀ DI ESERCITAZIONE VOLTA A FAVORIRE LA COMPRENSIONE DEI CONCETTI.
APPLICAZIONE DELLE CONOSCENZE E DELLA COMPRENSIONE
SAPER APPLICARE I TEOREMI E LE REGOLE STUDIATE ALLA RISOLUZIONE DI PROBLEMI. SAPER SVILUPPARE IN MODO COERENTE LE VARIE DIMOSTRAZIONI. SAPER COSTRUIRE METODI E PROCEDURE PER LA RISOLUZIONE DI PROBLEMI. CAPACITÀ DI ANALIZZARE SEMPLICI FENOMENI NON DETERMINISTICI. CAPACITÀ DI EFFETTUARE SEMPLICI STIME DI QUANTITÀ INCOGNITE DI UN FENOMENO SU BASE STATISTICA E SEMPLICI VERIFICHE DI IPOTESI SU BASE STATISTICA. CAPACITÀ DI IMPOSTARE SEMPLICI PROBLEMI DI INDIVIDUAZIONE DEI FATTORI PIÙ SIGNIFICATIVI CHE INFLUENZANO UN FENOMENO TECNOLOGICO E DI FORMULARE SEMPLICI MODELLI MATEMATICI PER LA SUA DESCRIZIONE QUANTITATIVA. SAPER INDIVIDUARE I METODI PIÙ APPROPRIATI PER RISOLVERE IN MANIERA EFFICIENTE UN PROBLEMA IN MERITO A CRITERI DECISIONALI E TECNICHE DI SIMULAZIONE. ESSERE CAPACI DI TROVARE DELLE OTTIMIZZAZIONI AL PROCESSO DI RISOLUZIONE DI UN PROBLEMA MEDIANTE OPPORTUNI CRITERI DI DECISIONE E TECNICHE DI SIMULAZIONE. SAPER INDIVIDUARE I METODI PIÙ APPROPRIATI PER ANALIZZARE UN FENOMENO NON DETERMINISTICO. SAPER SCEGLIERE LA PROCEDURA STATISTICA PIÙ APPROPRIATA PER STIMARE QUANTITÀ INCOGNITE E/O VERIFICARE IPOTESI ALTERNATIVE TRA LORO. SAPER ANALIZZARE CRITICAMENTE I RISULTATI FORNITI DA SOFTWARE DI ELABORAZIONE STATISTICA. SAPER APPLICARE LE CONOSCENZE ACQUISITE A CONTESTI DIFFERENTI DA QUELLI PRESENTATI DURANTE LE LEZIONI. SAPER APPROFONDIRE GLI ARGOMENTI TRATTATI USANDO MATERIALI DIVERSI DA QUELLI PROPOSTI.
Prerequisiti
PREREQUISITI
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI, ALLO STUDENTE SI CONSIGLIA DI AVERE CONOSCENZE DI BASE DI RICERCA OPERATIVA, DELLA TEORIA DELLA PROBABILITÀ, DELL’ALGEBRA DELLE VARIABILI ALEATORIE E DELL’INFERENZA STATISTICA.
PROPEDEUTICITÀ
NESSUNA
Contenuti
MODULO SISTEMI DI SUPPORTO ALLE DECISIONI
STRUMENTI PER IL SUPPORTO ALLE DECISIONI (SSD): INTRODUZIONE AI SSD. BUSINESS INTELLIGENZE (DEFINIZIONE. COSTRUZIONE DI UN SSD. DATA WAREHOUSE, OLAP, DATA MINING). RETI NEURALI ARTIFICIALI. FUZZY LOGIC. KNOWLEDGE BASED SYSTEM. (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 10/6/-)
ALGORITMI SU GRAFI: IL PROBLEMA DEL MASSIMO FLUSSO (DEFINIZIONI, TAGLIO, CAPACITÀ, FLUSSO NETTO, CAMMINI AUMENTATI, CONDIZIONI DI OTTIMALITÀ, ALGORITMO DI FORD-FULKERSON E PER CALCOLO DEI CAMMINI AUMENTANTI). OTTIMIZZAZIONE COMBINATORIA (EURISTICA, GROUND SET E SUBSET SYSTEM, PROBLEMA DELL’ACCOPPIAMENTO MASSIMO SU GRAFI BIPARTITI, DEL COMMESSO VIAGGIATORE, DI PARTIZIONAMENTO DI UN GRAFO, EURISTICHE GREEDY, CLUSTERING, ALGORITMO DI RICERCA LOCALE). METAEURISTICHE (ALGORITMO TABU SEARCH, SIMULATED ANNEALING).(10/5/-)
TEORIA DELLE CODE: VARIABILI ALEATORIE. FUNZIONE DENSITÀ DI PROBABILITÀ E DI DISTRIBUZIONE DI PROBABILITÀ. DISTRIBUZIONE ESPONENZIALE E DI POISSON. PROCESSI STOCASTICI. CATENE DI MARKOV. PROCESSI DI NASCITA-MORTE. CATENE DI MARKOV DISCRETE. TEOREMI FONDAMENTALI DELLE CATENE DI MARKOV. ERGODICITÀ. PROBABILITÀ ASINTOTICA. CATENE DI MARKOV CONTINUE. SISTEMI A CODA: M/M/1, M/M/N/R. INDICI DI PRESTAZIONE. RETI DI CODE.(13/6/-)
OTTIMIZZAZIONE MULTI OBIETTIVO: PROGRAMMAZIONE MULTI OBIETTIVO. OTTIMALITÀ SECONDO PARETO. CONDIZIONI DI OTTIMALITÀ. METODI DI SOLUZIONE. GOAL PROGRAMMING. ALGORITMO -CONSTRAINED.(7/3/-)
MODULO STATISTICA APPLICATA
RICHIAMI E COMPLEMENTI DI TEORIA DELLA PROBABILITÀ E DI ALGEBRA DELLE VARIABILI ALEATORIE. FUNZIONI DI UNA V.A. COPPIE DI V.A.. DISTRIBUZIONI CONGIUNTE E MARGINALI. INDICATORI SINTETICI PER COPPIE DI V.A.: MOMENTO MISTO, COVARIANZA, CORRELAZIONE. MODELLI DI V.A. DISCRETE E CONTINUE.(3/2/-)
RICHIAMI E COMPLEMENTI DI INFERENZA STATISTICA. STUDIO SPERIMENTALE DI UNA V.A.. STIMA DELLA DISTRIBUZIONE EMPIRICA. METODI GRAFICI DI STIMA PARAMETRICA: LE CARTE DI PROBABILITÀ NORMALE, LOGNORMALE E WEIBULL. CENNI SUI METODI ANALITICI DI STIMA PARAMETRICA.(3/2/-)
DEFINIZIONI E CONCETTI DI BASE. IL MODERNO CONCETTO DI “QUALITÀ” DI UN PRODOTTO: LA RISPONDENZA ALL’USO NELL’OTTICA DELL’UTENTE. CONTROLLO DELLA QUALITÀ IN FASE DI PROGETTO. SIGNIFICATO DI “AFFIDABILITÀ” E DEFINIZIONE OPERATIVA. FUNZIONE AFFIDABILITÀ E INAFFIDABILITÀ. AFFIDABILITÀ E INAFFIDABILITÀ DI UNITÀ USATE. FUNZIONE DENSITÀ DI PROBABILITÀ DI GUASTO. VITA MEDIA. VITA MEDIA RESIDUA. FUNZIONE “TASSO DI GUASTO” E “TASSO DI GUASTO CUMULATO”. CURVA A “VASCA DA BAGNO” E SIGNIFICATO TECNOLOGICO. MODELLI DI AFFIDABILITÀ ESPONENZIALE E DI WEIBULL.(7/3/-)
ANALISI DELL’AFFIDABILITÀ DI SISTEMI MULTICOMPONENTI. DIAGRAMMA LOGICO. STRUTTURE DI TIPO “SERIE” E “PARALLELO”. STRUTTURA FISICA E LOGICA DI UN SISTEMA. STRUTTURE DI TIPO SERIE-PARALLELO E PARALLELO PARZIALE. SISTEMI CON RIDONDANZA IN ATTESA. METODO DELLE PROBABILITÀ CONDIZIONATE. ALBERI DEI GUASTI.(7/3/-)
ANALISI DELL’AFFIDABILITÀ DI UNITÀ RIPARABILI. PROCESSI STOCASTICI PUNTUALI E DI CONTEGGIO. TEMPI TRA GUASTI E TEMPI DI GUASTO. NUMERO ATTESO DI GUASTI. TASSO DI ACCADIMENTO DEI GUASTI. INTENSITÀ DI UN PROCESSO PUNTUALE. PROCESSO DI POISSON OMOGENEO, PROCESSO DI RINNOVO, PROCESSO NON OMOGENEO DI POISSON. PROCESSI POWER LAW. CATENE E PROCESSI DI MARKOV. FUNZIONE DISPONIBILITÀ. DISPONIBILITÀ A REGIME, MEDIA E DI UN SISTEMA.(10/5/-)
METODI STATISTICI PER LA VALUTAZIONE DELL’AFFIDABILITÀ. TIPOLOGIE DI DATI DI AFFIDABILITÀ. METODI DI STIMA NON PARAMETRICA: POSIZIONI GRAFICHE. METODI ANALITICI DI STIMA PARAMETRICA: METODO DELLA MASSIMA VEROSIMIGLIANZA, METODI DI STIMA LINEARE. METODI GRAFICI DI STIMA PARAMETRICA: LE CARTE DI PROBABILITÀ. METODI DI STIMA PER UNITÀ RIPARABILI: METODI DI ANALISI DI TENDENZA DI TIPO GRAFICO E ANALITICO.(10/5/-)
TOTALE ORE 80/40/-
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, DURANTE LE QUALI SARANNO PRESENTATI GLI ARGOMENTI DELL’INSEGNAMENTO MEDIANTE LEZIONI FRONTALI, ED ESERCITAZIONI IN AULA DURANTE LE QUALI SI FORNIRANNO I PRINCIPALI STRUMENTI NECESSARI PER LA RISOLUZIONE DI ESERCIZI RELATIVI AI CONTENUTI DELL’INSEGNAMENTO. SONO PREVISTE, INOLTRE, LEZIONI CON USO DEL CALCOLATORE PER L’INTRODUZIONE ALL’UTILIZZO DI STRUMENTI SOFTWARE PER SEMPLICI ANALISI STATISTICHE.
Verifica dell'apprendimento
LA PROVA DI ESAME È FINALIZZATA A VALUTARE:
-LA CONOSCENZA E LA COMPRENSIONE DEI CONCETTI PRESENTATI DURANTE L’INSEGNAMENTO;
-LA CAPACITÀ DI APPLICARE TALI CONOSCENZE ALLA RISOLUZIONE DI PROBLEMI CHE COINVOLGONO LA VALUTAZIONE DI PROBABILITÀ DI EVENTI, LA STIMA DI PARAMETRI INCOGNITI E LA VERIFICA DI IPOTESI RIGUARDANTI FENOMENI NON DETERMINISTICI, L’INDIVIDUAZIONE DI SEMPLICI MODELLI EMPIRICI PER L’ANALISI QUANTITATIVA DI FENOMENI FISICI E/O TECNOLOGICI.
-LA PADRONANZA DEL LINGUAGGIO MATEMATICO NELLA PROVA SCRITTA ED ORALE;
-LA CAPACITÀ DI DIMOSTRARE TEOREMI;
-LA CAPACITÀ DI RISOLVERE ESERCIZI;
-LA CAPACITÀ DI INDIVIDUARE ED APPLICARE I METODI PIÙ APPROPRIATI ED EFFICIENTI NELLA RISOLUZIONE DI UN ESERCIZIO;
-LA CAPACITÀ DI APPLICARE LE CONOSCENZE ACQUISITE NELLA RISOLUZIONE DI ESERCIZI NON PRESENTATI DURANTE L’INSEGNAMENTO.
VENGONO ANCHE VALUTATE: L’AUTONOMIA DI GIUDIZIO, LA CAPACITÀ DI ESPORRE I PROBLEMI IN FORMA CHIARA ED ESAURIENTE, E LA CAPACITÀ DI APPRENDERE.

LA VALUTAZIONE PREVEDE UNA PROVA SCRITTA E UNA PROVA ORALE (PER CIASCUN MODULO).
MODULO “SISTEMI DI SUPPORTO ALLE DECISIONI”:
PROVA SCRITTA: LA PROVA SCRITTA CONSISTE NELLA RISOLUZIONE DI ESERCIZI TIPICI PRESENTATI ALLE LEZIONI. NEL CASO DI SUPERAMENTO DELLA PROVA SCRITTA, AD ESSA È ATTRIBUITA UNA VALUTAZIONE IN FASCE.
PROVA ORALE: TALE PROVA È PREVALENTEMENTE TESA AD ACCERTARE IL GRADO DI CONOSCENZA DI TUTTI GLI ARGOMENTI OGGETTO DELL’INSEGNAMENTO, E VERTE SU DEFINIZIONI, ENUNCIATI E DIMOSTRAZIONE DI TEOREMI, RISOLUZIONE DI ESERCIZI.
VOTAZIONE FINALE: IL VOTO FINALE, ESPRESSO IN TRENTESIMI CON EVENTUALE LODE, È DETERMINATO PARTENDO DA QUELLO CONSEGUITO NELLA PROVA SCRITTA MODULANDOLO (NELLA NORMA) IN ECCESSO O IN DIFETTO, SULLA BASE DELLA PROVA ORALE.
MODULO “STATISTICA APPLICATA”:
PROVA SCRITTA: LA PROVA SCRITTA, È TESA AD ACCERTARE LE COMPETENZE DELLO STUDENTE NELL’IMPOSTARE E NEL RISOLVERE TIPICI PROBLEMI RIGUARDANTI GLI ARGOMENTI PRESENTATI NELL’INSEGNAMENTO, CON PARTICOLARE RIFERIMENTO A: 1) VALUTAZIONE DI PROBABILITÀ DI EVENTI; 2) INFERENZA E DECISIONE SU BASE STATISTICA; 3) ANALISI DI VARIANZA ED ANALISI DI REGRESSIONE LINEARE. ALLA PROVA SCRITTA È ATTRIBUITA UNA VALUTAZIONE IN TRENTESIMI, CHE TIENE CONTO SIA DELLA CORRETTEZZA DELL’IMPOSTAZIONE DEL PROBLEMA CHE DELLA CORRETTEZZA DEI RISULTATI. LA VALUTAZIONE DI “INSUFFICIENTE” COMPORTA LA NECESSITÀ DI RIPETERE LA PROVA SCRITTA.

PROVA ORALE: È FACOLTÀ DELLO STUDENTE CHIEDERE DI SOSTENERE, A VALLE DELLA PROVA SCRITTA, ANCHE UN COLLOQUIO ORALE INTEGRATIVO. TALE COLLOQUIO SARÀ PREVALENTEMENTE TESO AD ACCERTARE LA CONOSCENZA DELLA MATERIA OGGETTO DELL’INSEGNAMENTO ANCHE SULLE PARTI NON COINVOLTE DIRETTAMENTE NELLA PROVA SCRITTA, E AD ESSO VERRÀ ATTRIBUITA UNA VALUTAZIONE IN TRENTESIMI. LA VALUTAZIONE FINALE COMPLESSIVA SARÀ OTTENUTA PESANDO L’ESITO DELLE PROVA SCRITTA PER IL 60% E L’ESITO DEL COLLOQUIO ORALE PER IL 40%. IL MANCATO SUPERAMENTO DEL COLLOQUIO ORALE OBBLIGA ALLA RIPETIZIONE DELLA PROVA SCRITTA.

LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO UNA PIENA PADRONANZA SIA DEGLI ASPETTI TEORICI CHE APPLICATIVI DEGLI ARGOMENTI DEL’INSEGNAMENTO.

VALUTAZIONE COMPLESSIVA: LA VALUTAZIONE FINALE TERRÀ CONTO DELLA VALUTAZIONE RIPORTATA NEI SINGOLI MODULI.
Testi
APPUNTI DELLE LEZIONI.
MATERIALI DIDATTICI SU PIATTAFORMA DI E-LEARNING IWT
S. M. ROSS, PROBABILITÀ E STATISTICA PER L’INGEGNERIA E LE SCIENZE, APOGEO.

TESTI DI APPROFONDIMENTO
G.E.P. BOX, W.G. HUNTER, J.S. HUNTER, STATISTICS FOR EXPERIMENTERS (AN INTRODUCTION TO DESIGN, DATA ANALYSIS AND MODEL BUILDING), WILEY.
N. DRAPER, H. SMITH, APPLIED REGRESSION ANALYSIS (SECOND EDITION), WILEY
Altre Informazioni
INSEGNAMENTO IN ITALIANO.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-03-11]