Insegnamento a.a. 2026-2027

Il corso si articola nei seguenti punti:

· Raccolta, organizzazione e descrizione dei dati tramite distribuzioni di frequenza, grafici e indici.

· Studio delle relazioni fra due caratteri.

· Inferenza statistica e variabilità campionaria.

· Teoria della stima puntuale e per intervallo.

· Verifica di ipotesi.

· Modello di regressione lineare semplice e multiplo.

Tutte le tecniche descrittive e inferenziali descritte nel corso verranno applicate utilizzando il software statistico R– e in particolare l’ambiente di sviluppo integrato (IDE) RStudio. Il corso prevede quindi anche lezioni dedicate all'introduzione e all'utilizzo del softwar

· Comprendere la diversa natura dei dati.

· Distinguere le tecniche di analisi descrittiva da quelle inferenziali ed essere in grado di identificare quella più appropriata per il problema oggetto di studio.

· Riconoscere semplici modelli statistici.

· Utilizzare il software R – e in particolare l’ambiente di sviluppo integrato (IDE) RStudio – per svolgere analisi dei dati

· Sintetizzare in modo appropriato un insieme di dati.

· Stimare e verificare ipotesi su parametri non noti di una popolazione a partire da dati campionari.

· Costruire modelli di regressione per studiare le relazioni fra le diverse variabili di interesse.

· Utilizzare il software R/RStudio per determinare le soluzioni dei precedenti problemi.

• Lezioni
• Esercitazioni pratiche

L'attività di insegnamento-apprendimento di questo corso prevede, oltre alle tradizionali lezioni frontali, lezioni/esercitazioni in cui si utilizza il software R – e in particolare l’ambiente di sviluppo integrato (IDE) RStudio – per analizzare le diverse tecniche statistiche illustrate. In particolare, durante le esercitazioni e i tutoraggi gli studenti dovranno utilizzare il loro pc per condurre insieme al docente analisi dei dati volte alla risoluzione di specifici problemi, e interpretare i risultati ottenuti.

La valutazione dell’apprendimento degli studenti si basa su un esame scritto in cui gli studenti devono fornire risposte motivate a quesiti teorici, risolvere esercizi tradizionali (carta e penna) a partire da informazioni di sintesi, riportare e commentare i risultati di analisi dei dati svolte utilizzando il software R/Rstudio

L’esame mira a verificare

· La corretta comprensione degli strumenti statistici utilizzati

· La capacità di identificare la metodologia corretta per risolvere un dato problema.

· La comprensione della logica sottostante una determinata procedura.

· La capacità di calcolare specifici indicatori statistici a mano e con il software.

· La capacità di proporre un modello statistico, coerente con le ipotesi e con i dati assegnati, e di implementarlo in R/RStudio.

· La capacità di interpretare l'output del software.

Tutti gli studenti senza eccezioni, quindi sia in corso che in debito d’esame possono sostenere l’esame in due modalità

1. due prove parziali, ognuna valutata con un punteggio massimo pari a 31/30, ciascuna superata se il voto conseguito è almeno 15. Sono ammessi a sostenere la seconda prova parziale solo gli studenti che hanno superato la prima prova parziale. Se entrambe le prove sono superate, il voto finale nell’esame è dato dalla media dei voti nelle due prove; l’esame è superato se il voto finale è almeno 18.

2. un’unica prova generale valutata con un punteggio massimo pari a 31/30, e l'esame è superato se tale voto è almeno18.

Gli studenti provenienti da altre università che devono integrare l’esame e coloro che hanno diritto a misure compensative sono pregati di consultare il syllabus del corso per ulteriori informazioni e istruzioni riguardanti l’organizzazione della loro prova d'esame.

Il libro di riferimento del corso è il seguente:

R. PICCARRETA, D. TONINI, F. TRENTINI, 2026, Dai dati alle decisioni. Un’introduzione alla statistica applicata, Milano: EGEA (in corso di stampa).

Ulteriore materiale verrà reso disponibile sulla pagina Blackboard del corso

The course covers the following topics:

· Collection, management and summary of data using frequency distributions, graphical representations and summaries.

· Study of the relationship between two variables.

· Statistical inference and sampling variability.

· Theory of point estimation and confidence intervals.

· Hypothesis testing.

· Simple and multiple regression models

Note that all the descriptive and inferential tools introduced during the course will be applied to data using the statistical software R - and in particular the integrated development environment (IDE) RStudio. Therefore some lessons will be dedicated to the software.

· Recognize different types of data.

· Understand the difference between the tools of descriptive and inferential statistics, and identify the most suitable approach for the problem at hand.

· Recognize simple statistical models

· Properly summarize a dataset.

· Estimate, and test hypotheses on, the unknown parameters of a population on the basis of sample data.

· Build simple and multiple regression models to study the relationships between variables of interest.

· Use the R software to address the aforementioned issues.

• Lectures
• Practical Exercises

Beyond traditional classes, the course features hands-on classes, where the statistical software R - and in particular the integrated development environment (IDE) RStudio - is used to apply basic statistical analyses to data. More specifically, during these sessions students will use their laptop to address specific issues, and to interpret the obtained results.

The assessment method is based on a written exam; students will answer theoretical questions, solve traditional “paper and pencil” derivation exercises (questions based on aggregated data), report and comment the results obtained by analysing data using the software R/Rstudio

The exam aims at assessing:

· The understanding of the statistical tools introduced and used in the course

· The ability to identify the proper methodology to solve a given problem.

· The understanding of the logic underlying a certain procedure.

· The ability to compute appropriate statistical measures with both a pocket calculator and a statistical software.

· The ability of suggesting and implementing with R a statistical model, consistent with both the assumptions stated and the data at hand.

· The ability to understand the software output.

All the students, both those attending and not attending, as well as current and in debt students, can take the exam in two ways.

1) two midterm exams, each graded with maximum 31 points. Each midterm is passed with a grade higher or equal to 15. Only students who passed the first midterm can take the second midterm. If both the midterms are passed, the final grade is the average of the points taken in the midterms; the exam is passed with a final grade at least 18.

2) one general exam, graded with 31/30 points maximum. The exam is passed with a grade at least 18.

Students from other universities who need to integrate the exam, as well as students entitled to compensatory accommodations, are strongly encouraged to consult the course syllabus for detailed information about the exam structure and requirement.

The reference textbook is:

R. PICCARRETA, D. TONINI, F. TRENTINI, 2026, From Data to Decisions. An Applied Introduction to Statistics. Milano: EGEA (in press).

Additional material will be made available on the course Blackboard page