Insegnamento a.a. 2025-2026

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:

-  Variabili aleatorie discrete e continue. Distribuzioni di probabilità. Valore atteso e varianza. Distribuzione        bernoulliana e distribuzione normale (o 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.

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).

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.

• Lezioni
• Esercitazioni pratiche

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  il proprio notebook.

L'esame può essere sostenuto mediante due prove parziali oppure, in alternativa, mediante un'unica prova generale.

1) Esame con prove parziali.

Prima prova parziale: la prova  include domande a risposta chiusa e domande ed esercizi a risposta aperta; alcune domande richiedono l’uso del software R. Le domande  vertono sul programma del corso svolto fino all’ultima lezione che precede la pausa prevista per le prove intermedie. Il punteggio massimo della prima prova parziale è 31.

Seconda prova parziale: la prova  include domande a risposta chiusa e domande ed esercizi a risposta aperta; alcune domande richiedono l’uso del software R. Le domande  vertono sul programma del corso svolto a partire dalla prima lezione che segue la pausa prevista per le prove intermedie. Il punteggio massimo della seconda prova parziale è 31.

Il voto finale è ottenuto come media aritmetica (eventualmente arrotondata alla cifra intera) dei punteggi delle due prove parziali; l’esame è superato se tale voto è maggiore o uguale a 18 (non è richiesto alcun punteggio minimo nelle singole prove).

2) Esame con una prova generale.

La prova  include domande a risposta chiusa e domande ed esercizi a risposta aperta; alcune domande richiedono l’uso del software R. Le domande  vertono sull’intero  programma del corso. Il punteggio massimo della prova generale è 31.

Le domande a risposta chiusa si propongono essenzialmente di verificare la comprensione da parte degli studenti dei concetti e delle metodologie e tecniche presentate. Le domande ed esercizi a risposta aperta  si propongono essenzialmente di verificare la capacità degli studenti di  distinguere le diverse tipologie di dati e le relative tecniche di analisi e di applicare correttamente queste ultime.

• Note didattiche,  esercizi, dataset e altro materiale disponibile su Blackboard.