Insegnamento a.a. 2011-2012

Obiettivi formativi del corso

Il corso si propone di illustrare come organizzare ed analizzare un insieme reale di dati e al tempo stesso presentare i principali concetti del ragionamento statistico sia descrittivo che inferenziale. Nell'ambito dell'inferenza statistica vengono utilizzati alcuni elementi di calcolo delle probabilità e teoria delle variabili aleatorie presentati nel corso di Matematica applicata. Verrà inoltre utilizzato il software Excel per illustrare alcune metodologie.

Programma sintetico del corso

Il corso si articola nei seguenti punti:

• Raccolta, organizzazione e descrizione dei dati tramite distribuzioni di frequenza, rappresentazioni grafiche ed indici sintetici di posizione e di variabilità.
• Studio delle relazioni fra due caratteri tramite tabelle a doppia entrata, diagrammi di dispersione, indicatori di dipendenza (quali la covarianza, il coefficiente di correlazione lineare) e interpolazione lineare.
• Inferenza statistica, popolazione statistica, campionamento, variabilità campionaria e principali statistiche.
• Teoria della stima puntuale e per intervallo.
• Verifica di ipotesi parametriche con particolare attenzione alla media della popolazione o alla frequenza relativa, test di indipendenza in tabelle a doppia entrata. 
• Modello di regressione lineare: valutazione del modello, stima dei parametri e previsione.

Descrizione dettagliata delle modalità d'esame

L'esame può essere svolto in due modalità differenti:

• due prove scritte intermedie (una a metà e l'altra alla fine del corso) comprendenti esercizi e domande di teoria;
• una prova scritta generale ed una prova orale. 

Ulteriori informazioni saranno pubblicate, unitamente al programma dettagliato del corso, sul sito internet della Bocconi.

Testi d'esame

• P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistica, Pearson/Prentice Hall, Milano, 2010, 2a ed.

Prerequisiti

Obiettivi formativi del corso

Il corso, di natura istituzionale, ha essenzialmente due obiettivi: da una parte si propone di fornire allo studente quegli strumenti statistici ritenuti indispensabili nella preparazione di un laureato in materie economico-aziendali e utili ai fini dello svolgimento della tesi di laurea. Dall'altra parte, il corso mira a favorire nello studente la formazione di una capacità di modellizzazione della realtà, necessaria per l'analisi quantitativa di fenomeni economici e sociali e la conseguente predisposizione di strumenti idonei per l'assunzione di decisioni in condizioni di incertezza. La presentazione degli argomenti è motivata da situazioni e fenomeni reali, in modo da porre in evidenza l'applicabilità dei concetti e delle metodologie introdotte. Nel corso si fa uso di semplici strumenti informatici per la presentazione e l'analisi di dati e fenomeni di natura economica ed aziendale.

Programma sintetico del corso

Elementi di statistica descrittiva

• Unità e carattere statistico. Popolazione e campione. Indagini statistiche. Raccolta, analisi e rappresentazione di dati attraverso tabelle e grafici. Distribuzioni di frequenze.
• Misure di posizione, di variabilità, di associazione lineare.

Elementi di calcolo delle probabilità

• Variabili aleatorie discrete e continue. Distribuzioni di probabilità. Valore atteso e varianza.
• Distribuzione bernoulliana, probabilità di successo, odds, odds ratio. Distribuzione gaussiana, standardizzazione. Distribuzioni t di student e chi-quadro. Lettura delle tavole statistiche. Variabili aleatorie indipendenti e teorema centrale del limite.

Elementi di inferenza statistica         

• Stima puntuale e mediante intervalli di confidenza di medie, proporzioni e varianze. Livello di confidenza e lunghezza di  un intervallo.
• Verifica di ipotesi sulla media, sulla proporzione, sulla varianza e sulla differenza di medie. Livello di un test. P-value. Test di indipendenza e di adattamento.

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. Cenni all’analisi dei residui.
• Modello di regressione lineare multipla. Problemi inferenziali sui parametri del modello di regressione. Test per la significatività delle singole variabili esplicative e del modello nel suo complesso. Uso di variabili esplicative qualitative. Scomposizione della variabilità e coefficiente di determinazione. Cenni all’analisi dei residui.
• Modelli di regressione con variabile dipendente dicotomica. Modello di regressione logistica (logit). Interpretazione dei coefficienti 

Descrizione dettagliata delle modalità d'esame

L'esame può essere superato con una delle seguenti modalità:

• due prove di accertamento parziali in forma scritta
• una prova scritta finale che verte su tutto il programma.

Concorrono inoltre alla valutazione finale alcuni assignments svolti dagli studenti durante il semestre.

Testi d'esame

Prerequisiti

Course Objectives

The course explores techniques for collecting and analyzing data. Concepts of statistical thinking, both descriptive and inferential, are covered. In order to better understand the inferential techniques, the course uses the fundamentals of probability theory and random variables as taught in the course of Applied Mathematics. The focus is on analyzing real data, and  methods willl be illustrated also with the use of Excel.

Course Content Summary

The course focuses on the following main points:

• Data collection and description through frequency distributions, graphical representation methods, and measures of location and spread.
• The study of the relationship existing between two variables using two-way frequency tables, scatterplots, and measures of dependence (covariance, linear correlation coefficient). Linear interpolation.
• Inferential statistics, sampling, statistics, sampling variability.
• Point and interval estimation.
• Parametric hypothesis testing for the population mean and the proportion of successes. Test of independence in two-way tables.
• Simple linear regression model: explanatory power of the model, parameter estimation, forecasting.

Detailed Description of Assessment Methods

The exam can be taken in two alternative ways:

Further information will be published, together with the detailed syllabus for the course, on the University Bocconi's website.

Textbooks

• P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistics for Business and Economics, Pearson/Prentice Hall, 2009, 7th ed.

Prerequisites