30001 - STATISTICA / STATISTICS
Dipartimento di Scienze delle Decisioni / Department of Decision Sciences
Per la lingua del corso verificare le informazioni sulle classi/
For the instruction language of the course see class group/s below
EUGENIO MELILLI
Class group/s taught in English
Mission & Content Summary
MISSION
CONTENT SUMMARY
Elements of descriptive statistics:
- Statistical variables, population and sample. Data representation and analysis through tables and charts. Frequency distributions.
- Measures of position, dispersion, concentration and association.
Elements of probability theory:
- Basic probability rules. Law of total probability. Bayes theorem.
- Discrete and continuous random variables. Probability distributions. Expected value and variance. Binomial and Gaussian distributions.
- Independent random variables, central limit theorem.
Elements of statistical inference:
- Point and interval estimation of means and proportions. Interval length and confidence level.
- Hypothesis testing on means, proportions and difference of means. Level of a test. P-value. Test of independence.
Regression models:
- Simple linear regression. Inference on the parameters of the model. Testing the significance of the independent variable. Variability decomposition and R-square. Prediction.
- Multiple linear regression. Inference on the parameters of the model. Testing the significance of each independent variable, of a group of variables and of the overall model. Variability decomposition and R-square. Prediction.
Intended Learning Outcomes (ILO)
KNOWLEDGE AND UNDERSTANDING
- Understand and distinguish the different types of data and the different techniques of analysis, both in a descriptive setting (through indicators and plots) and in an inferential one (using appropriate statistical models).
APPLYING KNOWLEDGE AND UNDERSTANDING
- Appropriately summarize datasets, estimate unknown population parameters and test hypothesis on them starting from sample data, construct simple statistical models (such as regression models) designed to study the relationships among variables. Give valid answers to research questions and help taking decisions using sample data.
Teaching methods
- Face-to-face lectures
- Exercises (exercises, database, software etc.)
DETAILS
Exercises devoted to the analysis of data are proposed throughout the whole course, with particular enphasis on data coming from fields of primary interest for this course; to this aim the software R is used on a regular basis. Students are invited to take an active part in the analysis using their own notebook.
Assessment methods
Continuous assessment | Partial exams | General exam | |
---|---|---|---|
|
x | x |
ATTENDING AND NOT ATTENDING STUDENTS
- Two partial written exams. The students are required to answer to questions aimed at verifying the ability to understand and distinguish different types of data and the related techniques of analysis and to apply the methodologies introduced to real phenomena. Some of the proposed questions need for the answer the use of the software R; for this reason the exams take place in info room. Proper interpretation and comment of the results of the analysis are required. Each partial exam has maximum grade 31. The final grade is obtained as arithmetic average of the grades of the two partial exams.
- A written general exam, having the same characteristics of the two partial exams described above but covering the whole program of the course, with maximum grade 31.
Teaching materials
ATTENDING AND NOT ATTENDING STUDENTS
- P. NEWBOLD, W.L. CARLSON, B.M. THORNE, Statistics for Business and Economics, Pearson, 2013, 8th edition.
- Teaching notes available on Bboard.
- Exercises, datasets and further material available on Bboard.
Classe/i impartita/e in lingua italiana
Mission e Programma sintetico
MISSION
PROGRAMMA SINTETICO
Elementi di statistica descrittiva:
- Unità e carattere statistico. Popolazione e campione. Tipologie di dati.
- Raccolta, analisi e rappresentazione di dati attraverso tabelle e grafici.
- Misure di posizione, di variabilità, di concentrazione, di associazione.
Elementi di calcolo delle probabilità:
- Regole di base della probabilità. Teorema delle probabilità totali. Teorema di Bayes.
- Variabili aleatorie discrete e continue. Distribuzioni di probabilità. Valore atteso e varianza. Distribuzione binomiale e distribuzione gaussiana.
- Variabili aleatorie indipendenti e teorema centrale del limite.
Elementi di inferenza statistica:
- Stima puntuale e mediante intervalli di confidenza di medie e proporzioni. Coefficiente di confidenza e lunghezza di un intervallo.
- Verifica di ipotesi sulla media, sulla proporzione e sulla differenza di medie. Livello di un test. P-value. Test di indipendenza.
Modelli di regressione:
- Modello di regressione lineare semplice. Problemi inferenziali sui parametri del modello di regressione. Test per la significatività della variabile esplicativa. Scomposizione della variabilità e coefficiente di determinazione. Previsione.
- Modello di regressione lineare multipla. Problemi inferenziali sui parametri del modello di regressione. Test per la significatività delle singole variabili esplicative, di gruppi di variabili e del modello nel suo complesso. Uso di variabili esplicative qualitative. Scomposizione della variabilità e coefficiente di determinazione. Previsione.
Risultati di Apprendimento Attesi (RAA)
CONOSCENZA E COMPRENSIONE
- Comprendere e distinguere le diverse tipologie di dati e le relative tecniche di analisi, sia in ambito descrittivo (attraverso indicatori e grafici), sia in ambito inferenziale (mediante l'uso di opportuni modelli statistici).
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
- Sintetizzare e descrivere in modo appropriato un insieme di dati; costruire modelli probabilistico-statistici per rappresentare ed analizzare fenomeni reali; usando tali modelli, inferire, sulla base di dati campionari, su parametri incogniti della popolazione di interesse; rispondere, sempre partendo da informazioni campionarie, a domande di ricerca; usare informazioni provenienti da indagini campionarie per orientare le decisioni in ambito economico-aziendale.
Modalità didattiche
- Lezioni frontali
- Esercitazioni (esercizi, banche dati, software etc.)
DETTAGLI
Durante l'intero corso vengono svolti esercizi in cui sono proposte analisi di dati effettuate con il software R. Gli studenti possono partecipare in modo attivo a tali analisi, usando in aula il proprio notebook.
Metodi di valutazione dell'apprendimento
Accertamento in itinere | Prove parziali | Prova generale | |
---|---|---|---|
|
x | x |
STUDENTI FREQUENTANTI E NON FREQUENTANTI
- Due prove parziali in forma scritta. Allo studente è richiesto di rispondere a domande volte a verificare l’acquisizione della capacità di comprendere e distinguere le diverse tipologie di dati e le relative tecniche di analisi e di applicare le metodologie apprese a situazioni reali. Parte delle domande proposte richiedono, per la risposta, l’uso del software R; per questo motivo, gli esami si svolgono in aula info. Ciascuna delle due prove parziali prevede un voto massimo pari a 31. Il voto finale è dato dalla media aritmetica delle votazioni riportate nelle prove parziali.
- Una prova generale, in forma scritta, che segue le stesse modalità delle prove parziali ma verte su tutto il programma del corso. Essa si svolge in aula info e richiede, per le risposte ad alcune domande, l’uso del software R. La prova prevede un voto massimo pari a 31.
Materiali didattici
STUDENTI FREQUENTANTI E NON FREQUENTANTI
- P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistica, Milano, Pearson/Prentice Hall, 2010, 2° edizione.
- Note didattiche, esercizi e altro materiale disponibile su Bboard.