1.Conoscenza e capacità di comprensione (knowledge and understanding): Il corso mira a fornire gli strumenti fondamentali della Statistica, con particolare attenzione ai metodi della Statistica descrittiva e inferenziale, per l’analisi di dati osservati, nel campo dei 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 i principali metodi quantitativi al fine di analizzare e investigare aspetti essenziali di fenomeni socio economici. 3.Autonomia di giudizio (making judgements): lo studente sarà in grado di raccogliere, elaborare ed interpretare dati di natura quantitativa e qualitativa, anche in un’ottica politico-decisionale. Lo studente potrà poi organizzare sistematicamente tali valutazioni in una riflessione articolata su specifiche realtà economico-aziendale. 4.Abilità comunicative (communication skills): Lo studente sarà in grado di trasferire ad altri, con padronanza di linguaggio tecnico, informazioni e valutazioni relative a distribuzioni di dati inerenti realtà socio-economiche. 5.Capacità di apprendimento (learning skills): alla fine del corso di lezioni lo studente avrà acquisito le conoscenze necessarie per poter proseguire i suoi studi economici. 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 Aziendale. |
Lezioni frontali in aula.
Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.
Pur non essendo previsto alcun pre-requisito formale, la conoscenza degli elementi di base della disciplina di Matematica Generale è ritenuta essenziale.
Di norma obbligatoria
Descrizione del programma:
Statistica Descrittiva.
Calcolo delle Probabilità. Eventi. Probabilità in senso oggettivo e soggettivo. Principali regole del calcolo delle probabilità. Eventi condizionati. Probabilità condizionate. Variabili aleatorie discrete e continue. Distribuzioni di probabilità: uniforme, binomiale, ipergeometrica, Poisson e Normale.
Inferenza statistica. Distribuzioni campionarie. Distribuzione t-Student.
1. M. Zenga - Lezioni di Statistica Descrittiva, Giappichelli, Torino, 2007
2. P. Newbold, W. L. Carlson, B. Thorne - Statistica 2/Ed., Pearson, 2010
Argomenti | Riferimenti testi | |
---|---|---|
1 | Lezioni 1-2: Aspetti introduttivi. Popolazioni e unità statistiche, caratteri e modalità. Classificazione dei caratteri statistici. Rilevazioni statistiche totali e campionarie. Rapporti statistici. Numeri indici. Distribuzioni di frequenze relative e assolute. | Testo 1, Cap. 1-4 |
2 | Lezioni 3-7: Sintesi numeriche delle distribuzioni: aspetti introduttivi Media aritmetica, media geometrica, media armonica. Indici di posizione: mediana, quartili, decili, percentili. Valori modali. Indici di variabilità assoluta. Varianza e scarto quadratico medio. | Testo 1, Cap.5 |
3 | Lezioni 8-10: Distribuzioni doppie, tabelle a doppia entrata. Distribuzioni marginali, condizionate. Sintesi numeriche delle distribuzioni doppie. Analisi della dipendenza di distribuzioni doppie. Indipendenza stocastica e connessione. Indice chi-quadrato di dipendenza distributiva. | Testo 1, Cap. 6-7 |
4 | Lezioni 11-13: Probabilità. Eventi; operazioni sugli eventi. Risultati elementari del calcolo delle probabilità. Teorema delle probabilità totali e applicazioni. Concezioni della probabilità. Combinazioni. Calcolo di probabilità per eventi equiprobabili. | Testo 2, Cap. 1 |
5 | Lezioni 14-15: Variabili aleatorie discrete e continue. Funzioni di densità. Funzione di ripartizione. Speranza matematica, varianza di v.a.. | Testo 2, Cap. 2 |
6 | Lezioni 16-20: Modelli probabilistici. Distribuzione uniforme. Distribuzione di Bernoulli. Distribuzione binomiale. Distribuzione ipergeometrica. Distribuzione di Poisson. Distribuzione normale standard. | Testo 2, Cap. 2 |
7 | Lezioni 21-22: Introduzione alle distribuzioni campionarie. Media e varianza campionaria. Campionamento da distribuzioni normali. Distribuzione della media campionaria. Distribuzione della proporzione campionaria. Distribuzione t-Student | Testo 2, Cap. 2 |
8 | Lezioni 23-27: Introduzione all’inferenza statistica. Stimatori puntuali. Proprietà degli stimatori puntuali. Intervalli di confidenza: aspetti generali. Intervalli di confidenza per la media (popolazioni normali con varianza nota). Intervalli di confidenza per proporzioni. | Testo 2, Cap. 8-10 |
9 | Lezioni 28-30: Regressione lineare semplice. Metodo di stima dei minimi quadrati. Misure di bontà dell’adattamento. Analisi dei residui | Testo 1, Cap. 6; Testo 3, Cap. 6 |
L’esame consiste di una prova scritta e di una prova orale. La prova scritta è obbligatoria e consta di tre esercizi numerici. La prova orale è obbligatoria solo dopo due prenotazioni all’esame. La prova scritta si intende superata se lo studente ottiene una votazione complessiva non inferiore a 18/30.
La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere. In tal caso, l'esame consisterà in un'unica prova orale.
Di seguito un elenco di possibili domande orali a scopo esemplificativo.