Ascolta

La prova finale del Corso di Laurea Magistrale in Scienze Statistiche consiste sia nella presentazione di una Tesi, redatta in modo originale, volta ad accertare il livello conseguito nella preparazione tecnico-scientifica e professionale, sia nella discussione su quesiti eventualmente posti dai membri della Commissione.

L’elaborato finale, che deve avere caratteristiche di originalità, può avere carattere sperimentale o teorico. In particolari casi, la Tesi può anche prevedere un prodotto multimediale. L’elaborato può essere scritto in una lingua dell’Unione Europea, diversa dall’italiano. In questo caso, anche la discussione finale potrà avvenire nella lingua in cui la Tesi è stata redatta.

Lo studente che intende svolgere la Tesi di Laurea Magistrale deve avanzare domanda a un Docente (Professore o Ricercatore) afferente al Consiglio Interclasse di Corso di Laurea L-41 LM-82, che assume la funzione di relatore, di norma entro la fine del primo semestre del secondo anno di corso e comunque almeno 6-9 mesi prima della presumibile sessione di Laurea Magistrale.

Ai sensi degli artt. 23 e 30 del vigente regolamento didattico di Ateneo, il Consiglio di Corso di Studio definisce il calendario delle prove finali, d'intesa con il coordinatore della struttura di raccordo, all'interno dei periodi stabiliti dal calendario didattico di Ateneo e stabiliscono le tre seguenti sessioni di laurea con un solo appello per ciascuno di esse:

• Estiva (giugno/luglio);
• Autunnale (settembre/ottobre)
• Straordinaria (febbraio/marzo).

Per essere ammesso alla prova finale lo studente deve avere acquisito tutti i crediti formativi previsti dall'ordinamento didattico del Corso di Studio, con l'eccezione dei CFU assegnati alla prova finale che vengono acquisiti all'atto della prova, entro la data fissata dalla Scuola Politecnica e pubblicata sul sito del CdL.

Il regolamento completo è disponibile al seguente link.

Le scadenze relative alla presentazione della Domanda di Laurea sono disponibili al link. 

N.B. Lo studente deve consegnare la richiesta di assegnazione della prova finale di laurea (tipicamente circa 4 mesi prima della sessione prevista) unicamente nel caso in cui il relatore della tesi non coincida con il tutor universitario del tirocinio.

Non è necessaria la firma del docente relatore.

Link al modulo QUI.

Ascolta

In questa sezione sono riportati gli argomenti generici che possono essere oggetto di una tesi di laurea, catalogati per docente proponente.

Lo studente può, altresì, farsi promotore di un argomento di proprio interesse diverso da quelli elencati.

 

Docente	Argomento
Abbruzzo A.	Modelli grafici per dati categoriali
	Utilizzo della verosimiglianza penalizzata per dati genetici
	Modelli grafici per dati temporali
Adelfio G.	Metodi e modelli per lo studio delle interdipendenze spaziali e spazio-temporali tra eventi
	Studio di dati finanziari ad alta frequenza
	Modelli di dipendenza non lineari nello studio di malattie animali
Attanasio M.	Valutazione qualità servizi sanitari
	Mobilità studentesca universitaria Sud/Nord
	Aggregazione di categorie in tabelle multidimensionali
Cipollini A.	Fragilità finanziaria e indicatori di supervisione macro-prudenziale
	Incertezza politica, volatilità del mercato ed impatto su economia reale
	Analisi network ed econometria spaziale
Lovison G.	Analisi di mediazione mediante Modelli Lineari Generalizzati Simultanei, con applicazioni in genetica ambientale (Mediation analysis through Simultaneous Generalised Linear Models, with applications in environmental genetics)
	Test distributivi per variabili casuali multivariate, con applicazioni a variabili spirometriche (Multivariate distribution tests, with applications to spirometry variables)
	Costruzione di una libreria R per l'analisi grafica flessibile dei residui in modelli di dipendenza (Building an R library for flexible graphical analysis of residuals in dependence models)
Plaia A.	Random forest per ranking data
	Graphical Model Selection Tool For Mixed Models
Sciandra M.	Analisi dei residui nei modelli per dati ordinali
	Analisi dei dati di preferenza: un approccio grafico
	Metodi di clustering per dati longitudinali
Vassallo E.	Mixed model e modelli gerarchici
	Analisi non parametrica della performance economica
	Funzione statistica di produzione economica in approccio bayesiano