دانلود کتاب Probabilità, Statistica e Simulazione: Programmi applicativi scritti in R (UNITEXT, 131) (Italian Edition)

فهرست مطالب :

Prefazione
Come utilizzare il testo
Indice
1 La probabilità
1.1 Caso, caos e determinismo
1.2 Terminologia
1.3 Il concetto di probabilità
1.4 Probabilità assiomatica
1.5 Prove ripetute
1.6 Calcolo combinatorio
1.7 Teorema di Bayes
1.8 Algoritmi di apprendimento
1.9 Problemi
2 Rappresentazione dei fenomeni aleatori
2.1 Introduzione
2.2 Variabili aleatorie
2.3 Funzione cumulativa o di ripartizione
2.4 La rappresentazione dei dati
2.5 Variabili aleatorie discrete
2.6 La distribuzione binomiale
2.7 Variabili aleatorie continue
2.8 Media, Devianza, Varianza, Deviazione Standard e Quantili
2.9 Operatori
2.10 Il campione casuale
2.11 Criteri di convergenza
2.12 Problemi
3 Calcolo elementare delle probabilità
3.1 Introduzione
3.2 Proprietà della distribuzione binomiale
3.3 La distribuzione di Poisson
3.4 Densità di Gauss o normale
3.5 Legge 3-sigma e gaussiana standard
3.6 Il teorema Limite Centrale: universalità della gaussiana
3.7 Processi stocastici poissoniani
3.8 La densità 2
3.9 La densità uniforme
3.10 Disuguaglianza di Tchebychev
3.11 Come utilizzare il calcolo delle probabilità
3.12 Problemi
4 Calcolo delle probabilità per più variabili
4.1 Introduzione
4.2 Distribuzioni statistiche multidimensionali
4.3 Covarianza e correlazione
4.4 Densità gaussiana bidimensionale
4.5 Generalizzazione in più dimensioni
4.6 Insiemi di probabilità in più dimensioni
4.7 La distribuzione multinomiale
4.8 Problemi
5 Funzioni di variabili aleatorie
5.1 Introduzione
5.2 Funzione di una variabile aleatoria
5.3 Funzioni di più variabili aleatorie
5.4 La trasformazione della media e della varianza
5.5 Medie e varianze per bold0mu mumu nn5.4nnnn variabili
5.6 Problemi
6 Statistica di base: stime
6.1 Introduzione
6.2 Intervalli di confidenza
6.3 Intervalli di confidenza con variabili pivotali
6.4 Cenno all\'approccio bayesiano
6.5 Alcune notazioni
6.6 Stima della probabilità
6.7 Stima della probabilità da grandi campioni
6.8 Intervalli di stima per eventi poissoniani
6.9 Stima della media da grandi campioni
6.10 Stima della varianza da grandi campioni
6.11 Stima di media e varianza per campioni gaussiani
6.12 Come utilizzare la teoria della stima
6.13 Stime da una popolazione finita
6.14 Analisi degli istogrammi
6.15 Stima della correlazione
6.16 Problemi
7 Statistica di base: verifica di ipotesi
7.1 Verifica di una ipotesi
7.2 Il test-z gaussiano
7.3 Il test-t di Student
7.4 Test chi quadrato
7.5 Verifica di compatibilità tra campione e popolazione
7.6 Verifica di ipotesi con test non parametrici
7.7 Test multipli
7.8 Il test-F di Snedecor
7.9 Analisi della varianza (ANOVA)
7.10 ANOVA a due vie
7.11 Problemi
8 Il metodo Monte Carlo
8.1 Introduzione
8.2 Cos\'è il metodo Monte Carlo?
8.3 Fondamenti matematici
8.4 Generazione di variabili aleatorie discrete
8.5 Generazione di variabili aleatorie continue
8.6 Metodo di ricerca lineare
8.7 Metodo del rigetto
8.8 Metodi particolari di generazione casuale
8.9 Studio Monte Carlo di distribuzioni
8.10 Determinazione degli intervalli di confidenza
8.11 Simulazione degli esperimenti di conteggio
8.12 Bootstrap non parametrico
8.13 Test d\'ipotesi con dati simulati
8.14 Problemi
9 Applicazioni del metodo Monte Carlo
9.1 Introduzione
9.2 Studio dei fenomeni di diffusione
9.3 Simulazione dei processi stocastici
9.4 Il numero di addetti ad un impianto: simulazione sincrona
9.5 Il numero di addetti ad un impianto: simulazione asincrona
9.6 Test di Kolmogorov-Smirnov
9.7 Algoritmo di Metropolis
9.8 Il modello di Ising
9.9 Calcolo di integrali definiti
9.10 Campionamento per importanza
9.11 Campionamento stratificato
9.12 Integrali multidimensionali
9.13 Problemi
10 Inferenza statistica e verosimiglianza
10.1 Introduzione
10.2 Il metodo della massima verosimiglianza
10.3 Proprietà degli stimatori
10.4 Teoremi sugli stimatori
10.5 Intervalli di confidenza
10.6 Il metodo dei minimi quadrati e la massima verosimiglianza
10.7 Adattamento di densità (best fit) a dati e istogrammi
10.8 La media pesata
10.9 Verifica delle ipotesi
10.10 Test a uno o due campioni
10.11 Test di potenza massima
10.12 Funzioni test
10.13 Test sequenziali
10.14 Problemi
11 Minimi quadrati
11.1 Introduzione
11.2 Predittori osservati senza errore
11.3 Errori sui predittori
11.4 Rette dei minimi quadrati: caso non pesato
11.5 Minimi quadrati lineari: caso generale non pesato
11.6 Minimi quadrati lineari pesati
11.7 Proprietà delle stime dei minimi quadrati
11.8 Verifica del modello e determinazione di forme funzionali
11.9 Ricerca delle correlazioni
11.10 Considerazioni finali sui test
11.11 Minimizzazione non lineare
11.12 Problemi
12 Analisi dei dati sperimentali
12.1 Introduzione
12.2 Terminologia
12.3 Grandezze fisiche costanti e variabili
12.4 Sensibilità e accuratezza degli strumenti
12.5 Incertezza nelle operazioni di misura
12.6 Trattamento degli effetti sistematici
12.7 Best fit con errori sistematici additivi
12.8 Best fit con errori sistematici moltiplicativi
12.9 Misure indirette e propagazione degli errori
12.10 Definizione dei tipi di misura
12.11 Misure del tipo M(0, 0, )
12.12 Misure del tipo M(0, , 0)
12.13 Misure del tipo M(0, , )
12.14 Misure del tipo M(f, 0, 0)
12.15 Misure del tipo M(f, , 0), M(f, 0, ), M(f, , )
12.16 Studio di un caso: gli esperimenti di Millikan
12.17 Alcune note sul metodo scientifico
12.18 Problemi
A Tabella dei simboli
B Il software statistico R
C Funzioni generatrici
D Soluzioni dei problemi
E Tabelle
E.1 Integrale della densità gaussiana
E.2 Valori quantili della densità di Student
E.3 Integrale della densità 2 ridotto
E.4 Valori quantili di 2 non ridotto
E.5 Valori quantili della densità F
Riferimenti bibliografici
Indice analitico