Obiettivi Formativi

Il corso si propone di sviluppare i concetti fondamentali della Statistica descrittiva e di fornire quindi la preparazione teorica e pratica per il trattamento di fenomeni collettivi. In particolare, mira allo studio dei criteri di rilevazione, di classificazione e di sintesi delle informazioni relative a una popolazione oggetto di studio. Verranno esaminati gli aspetti metodologici legati alle diverse fasi che definiscono un Piano di ricerca. La rilevazione permette di acquisire le informazioni sulle caratteristiche di interesse, la classificazione consente di organizzare i dati secondo appartenenza a categorie, la sintesi consente, attraverso indici specifici (valori medi, indici di variabilità, indici di forma, rapporti statistici, relazioni tra variabili), di evidenziare le caratteristiche importanti dei dati derivanti da fenomeni collettivi, lo studio di tali fenomeni infatti richiede l’osservazione di un insieme di manifestazioni individuali. Al termine del corso lo studente sarà in grado di effettuare analisi di insiemi di dati con uno o due caratteri e di trarre conclusioni su una popolazione di interesse.

Learning Goals

The course aims to develop the basic concepts of descriptive statistics and then to provide the theoretical and practical preparation for the treatment of collective phenomena. Specifically, it seeks to study the requirements for recognition, classification and synthesis of information for a study population. We will examine the methodological aspects related to the different phases that define a research plan. The survey allows to acquire information on the characteristics of interest, classification allows you to organize the data according to the categories of belonging, synthesis allows, through specific indices (mean values, variability indices, indices of fit, statistical reports, relations between variables), to highlight the important features of data generated by collective phenomena, the study of these phenomena in fact requires the observation of a set of individual events. At the end of the course, the student will be able to perform analysis of data sets with one or two characters and to draw conclusions about a population of interest.

Metodi didattici

Lezioni frontali mediante presentazioni in power point

Teaching Methods

Traditional teaching (ppt presentation)

Prerequisiti

Elementi di base di algebra e di matematica

Prerequisites

Basic elements of algebra and mathematics

Verifiche dell'apprendimento

L’esame finale avverrà con svolgimento di esercizi.

Assessment

The final exam will take place with exercises.

Programma del Corso

Statistica descrittiva: Distribuzione di frequenza. Indici di posizione e di dispersione. Forma di una distribuzione. Correlazione fra variabili. Metodo dei minini quadrati. Regressione lineare. Elementi di probabilità: Esperimenti casuali, spazio dei campioni. Concetto di probabilità. Probabilità condizionata. Il teorema di Bayes. Variabili aleatorie: Distribuzioni di probabilità discrete. Densità di probabilità. Parametri di una distribuzione. Disuguaglianza di Chebishev. Distribuzioni di probabilità discrete: Distribuzioni di Bernoulli. Distribuzione di Poisson. Distribuzioni di probabilità continue: Distribuzione di Gauss. Distribuzione normale standardizzata. Teoria elementare dei campioni: Popolazione e campioni. Distribuzioni di campionamento. Distribuzione della media campionaria con varianza della popolazione. Distribuzione t di Student. Distribuzione di (chi quadro). Distribuzione di Fisher. Test di ipotesi: Ipotesi nulla (ipotesi nulla) e ipotesi alternativa. Livelli di significatività.

Course Syllabus

Descriptive statistics: Frequency distribution. Indices of position and dispersion. Form of a distribution. Correlation between variables. Least squares method. Linear regression. Elements of probability: Random experiments, sample space. Probability concept. Conditional probability. Bayes' theorem. Random variables: Discrete probability distributions. Probability density. Parameters of a distribution. Chebishev's inequality. Discrete Probability Distributions: Distributions of Bernoulli. Poisson distribution. Continuous Probability Distributions: Gauss distribution. Standardized normal distribution. Elementary sample theory: Population and samples. Sampling distributions. Distribution of the sample mean with population variance. Student's t-distribution. Distribution of (chi square). Fisher distribution. Hypothesis test: Null hypothesis (null hypothesis) and alternative hypothesis ( ). Levels of significance.