CPSM
CALCOLO DELLE PROBABILITA’
E STATISTICA MATEMATICA
aa 2014-2015
hardware e software
Il corso serve per esempio:
• Controllo di qualità
• Stock exchange
•
•
•
•
Affidabilità
Gestione di fenomeni sociali
…….. scelta del partner
……... preparazione di un esme
Will I find a place tomorrow?
Monday
Tuesday Wednesday Thursday Friday
Monday
?
Tuesday Wednesday Thursday
A predictive approach
Inference: a way of well organizing the observed data
Inference framework: a string of characters separated by a time pointer
1 0 1 0 0 1 1 1 0 1 0 1 1 0
1
0
0 1 0 0 1 0 1 0 1 1 0 1 1 1 0 0 1 0 1 1 0 1 1 0
1
0
Sample
•
1 0 1 1 0Population
1 0 1 0 1 0 1 1 0
On the basis of what we have observed we want to predict properties on
what we will observe in the future [Laplace 1868, Fisher 1948, De Finetti
1975, Geisser 1993]
Una semplice questione di
fairness
I cardini del descrivere
•C: contesto computazionale
•s: stringa di dati osservati
•E(s) : esperimento (insiemes di suffissi di s)
•(s): insieme di simmetria (tutte le permutazioni di s)
•(s): feature space (tuttti gli elementi distinti di s)
•’(s): experiment space (tutti gli elementi distinti di E(s))
•= ’(): outcome space (tutti gli elementi distinti di un
modello)
•Evento ogni sottoinsieme di 
•Evento elementare ogni sottonsieme di un solo elemento
Le regole del buon vivere
Una collezione A di eventi è un’algebra se:
Uhmm… we have already
Kolmogorov approach
The Truth
1 1 0 1 1 1 0 0 1 0 1 1 0 1 1 0
Population
0 1 0 0 1 0 1 0
Sample
Dettagli logistici
 Libro di testo: : B. Apolloni, D. Malchiodi, S. Gaito:
Algorithmic Inference in Machine Learning, Advanced
Knowledge International Pty Ltd Magill, Adelaide,
South Australia, 2006
 Sito del corso: http://laren.dsi.unimi.it/Stat/
 Ore lezione: 24
 Ore esercitazione:16
 Esame: scritto e orale

From symmetric
dynamics, like
gas particles

To asymmetric
dynamics, like
human agents
Aiutiamo Hansel e Gretel a tornare a casa