STATISTICA A - L

1. Conoscenza e capacità di comprensione (knowledge and understanding): L'insegnamento si propone di fornire agli studenti gli strumenti metodologici fondamentali della Statistica per l’analisi di dati, con riferimento ai fenomeni socio-economici ed aziendali.
2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): Sulla base delle conoscenze acquisite, lo studente sarà in grado di utilizzare le tecniche statistiche di base (analisi descrittive, metodi inferenziali e modelli di regressione linear semplice) al fine di analizzare, investigare e comprendere aspetti essenziali di fenomeni socio economici.
3. Autonomia di giudizio (making judgements): Utilizzando le tecniche statistiche oggetto del programma dell'insegnamento, lo studente sarà in grado di individuare gli strumenti statistici opportuni per elaborare analisi ed interpretazioni di dati di natura quantitativa e/o qualitativa, con riferimento specifiche realtà economico-aziendali.
4. Abilità comunicative (communication skills): Lo studente sarà in grado di comprendere e comunicare, con padronanza di linguaggio, informazioni e valutazioni tecniche relative a insiemi di dati inerenti a realtà socio-economiche.
5. Capacità di apprendimento (learning skills): Lo studente avrà acquisito capacità logiche e conoscenze necessarie nell'ambito della statistica metodologica per poter proseguire i suoi studi nel corso di laurea. L’apprendimento è ottenuto con un processo graduale in stretta relazione con le tematiche disciplinari e con gli obiettivi formativi peculiari del Corso di Laurea in Economia.

Lezioni frontali.

Conoscenza degli elementi di base di Matematica Generale.

Di norma obbligatoria.

Distribuzioni statistiche semplici. Rilevazioni statistiche. Variabili statistiche. Distribuzioni di frequenza. Densità di frequenza. Rapporti statistici e numeri indici. Indici di tendenza centrale: media aritmetica, media geometrica, media armonica, mediana e percentili. Variabilità statistica: varianza e scarto quadratico medio, differenze medie. Variabilità relativa. Concentrazione. Rapporto di concentrazione. Box-plot. Indici di forma: asimmetria.

Distribuzioni statistiche multiple. Tabelle a doppia entrata. Distribuzioni di frequenze congiunte, marginali, condizionali. Medie e varianze delle distribuzioni marginali e condizionate. Analisi della relazione fra due caratteri. Indici di associazione e connessione. Covarianza e correlazione lineare.

Calcolo delle Probabilità. Eventi. Probabilità in senso oggettivo e soggettivo. Principali regole del calcolo delle probabilità. Eventi condizionati. Probabilità condizionate, Teorema di Bayes. Variabili aleatorie discrete e continue. Distribuzioni di probabilità: uniforme, Bernoulli, binomiale, ipergeometrica, Poisson e Normale.

Inferenza statistica. Distribuzioni campionarie. Distribuzioni t-Student. Stimatori e stime. Proprietà degli stimatori. Metodi di stima: metodo dei minimi quadrati, metodo della massima verosimiglianza.

Stime per intervallo. Livello di confidenza. Intervalli di confidenza per media e proporzioni.
Verifica delle ipotesi statistiche. Errori di I e II specie. Livello di significatività. Potenza di un test. Verifica di ipotesi per medie e proporzioni.

Modelli statistici. Il modello di regressione lineare. Regressione semplice. Misure di bontà del modello. Analisi dei residui.

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.

1. M. Zenga - Lezioni di Statistica Descrittiva, Giappichelli, Torino, 2007

2. P. Newbold, W. L. Carlson, B. Thorne - Statistica 2/Ed., Pearson, 2010

Disponibile su Studium.