20356 - STATISTICS - PREPARATORY COURSE
Department of Decision Sciences
Course taught in English
Course Director:
MASSIMO GUIDOLIN
MASSIMO GUIDOLIN
Mission e Programma sintetico
MISSION
Il corso introduce i concetti di base della statistica inferenziale. Il corso ha due tipi di pubblico:
1. Studenti che vogliono rivedere i concetti studiati in precedenza ma che apprezzano averli aggiornati e pronti attraverso la frequentazione del pre-corso ad agosto.
2. Studenti che percepiscono di poter soffrire di “lacune” nel loro background con riferimento ad uno o più degli argomenti/lezioni di seguito elencate.
PROGRAMMA SINTETICO
1. Campionamento casuale:
Statistiche campionarie e loro proprietà
Famiglia location-scale e loro proprietà
Il caso della varianza sconosciuta: distribuzione t-Student
2. Modalità di convergenza e stima puntuale:
Convergenza in probabilità e legge debole dei grandi numeri
Convergenza quasi sicura e legge forte dei grandi numeri
Convergenza in distribuzione e il teorema del limite centrale
3. Teoria della stima:
Stima di massima verosimiglianza (MLE)
Metodi di valutazione degli stimatori: MSE, UMVUE, Consistenza
4. Cenni alla teoria e approcci ai test di ipotesi.
Risultati di Apprendimento Attesi (RAA)
CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
1. Passare in rassegna le nozioni chiave relative al campionamento casuale:
Statistiche campionarie e loro proprietà
Famiglia location-scale e loro proprietà
Il caso della varianza sconosciuta: distribuzione t-Student
2. Passare in rassegna le nozioni chiave relative alle modalità di convergenza e alla stima puntuale:
Convergenza in probabilità e legge debole dei grandi numeri
Convergenza quasi sicura e legge forte dei grandi numeri
Convergenza in distribuzione e teorema del limite centrale
3. Sviluppare una conoscenza pratica della stima:
Stima di massima verosimiglianza (MLE)
Metodi di valutazione degli stimatori: MSE, UMVUE, Consistenza
4. Cenni alla teoria e approcci alla verifica di ipotesi.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
Capire cosa sia un campione casuale.
Eseguire la stima puntuale e apprezzare la differenza tra stima e stimatori.
Utilizzare il principio di stima della massima verosimiglianza.
Eseguire test di ipotesi.
Modalità didattiche
- Lezioni frontali
- Lezioni online
- Esercitazioni (esercizi, banche dati, software etc.)
DETTAGLI
Lezioni standard in aula.
Brevi lezioni preregistrate messe a disposizione attraverso la pagina Blackboard del corso.
Metodi di valutazione dell'apprendimento
| Accertamento in itinere | Prove parziali | Prova generale | |
|---|---|---|---|
|
x |
STUDENTI FREQUENTANTI E NON FREQUENTANTI
Non è previsto alcun esame finale.
Materiali didattici
STUDENTI FREQUENTANTI E NON FREQUENTANTI
Casella, G, R., Berger, Statistical Inference, Duxbury Press, 2001
Jackson, M., and M., Staunton, 2001, Advanced Modelling in Finance Using Excel and VBA, John Wiley & Sons Inc.
Modificato il // :