00914 - STATISTICA

Conoscenze e abilità da conseguire

Al termine del corso lo studente conosce gli strumenti di base del calcolo delle probabilità e le principali metodologie statistiche per l'’analisi dei dati, la stima e la previsione dei fenomeni di interesse osservati attraverso indagini campionarie. In particolare, lo studente è in grado di fornire una sintesi descrittiva dei dati per mezzo di indicatori sintetici e del modello di regressione lineare, anche attraverso l’'uso di software specifici, di risolvere semplici quesiti di calcolo delle probabilità e di stimare un parametro di interesse attraverso l'’impiego di tecniche inferenziali quali l’'intervallo di confidenza e la verifica delle ipotesi.

Contenuti

MODULO 1:

Natura dei caratteri e scale di misura. Unità statistiche, popolazione e campione (definizioni e notazioni).

Raccolta e sistemazione dei dati: come si costruisce una matrice di dati, successioni, distribuzioni di frequenza (discreta e per classi). Distribuzioni di frequenza: univariate assolute, relative, cumulate e retrocumulate; bivariate assolute, relative e relative condizionate.

Rappresentazioni grafiche per caratteri qualitativi e quantitativi: diagramma a barre, areale, cartesiano, di dispersione, per serie storiche, cartogramma, istogramma e box-plot.

Misure di posizione: minimo, massimo, moda, mediana, quantili, media aritmetica, media ponderata e troncata (definizioni per successioni, per distribuzioni di frequenza e per classi; proprietà)

Misure di diversità: eterogeneità (indice di Gini assoluto e relativo), variabilità (campo di variazione, scarto quadratico medio, varianza, devianza, scarto interquartile) e concentrazione (indice di concentrazione) (definizioni per successioni, per distribuzioni di frequenza e per classi; proprietà).

Misure di forma: asimmetria (confronto con indici di posizione, interpretazione istogramma e box-plot, indice di Skewness per successioni, per distribuzioni di frequenza e per classi).

Distribuzione normale: definizione, proprietà e uso delle tavole.

Misure di associazione: connessione/indipendenza statistica (indice chi-quadro: definizione e proprietà), dipendenza in media (indice eta-quadro: definizione e proprietà), concordanza e discordanza (covarianza: definizione e proprietà), e dipendenza lineare (correlazione lineare: definizione e proprietà).

 

MODULO 2:

Analisi di regressione lineare semplice: aspetti teorici, coefficienti di regressione, metodo dei minimi quadrati e proprietà. Legami tra forme di indipendenza/dipendenza.

Probabilità: definizione, spazio degli eventi, leggi, funzione di ripartizione e di probabilità, probabilità condizionata e indipendenza. Legge dei grandi numeri. Teorema di Bayes.

Variabili causali: discrete e continue (definizione e proprietà), funzione di probabilità, di densità e di ripartizione. Valore atteso e varianza di una variabile casuale. Teorema del limite centrale.

Distribuzione di Bernoulli, binomiale, ipergeometrica, uniforme (discreta e continua), di Poisson, t di Student, chi-quadro e F di Fisher (definizione, proprietà e usi).

MODULO 3:

Distribuzioni campionarie della media, di una proporzione e della varianza, della differenza tra due medie e tra due proporzioni.

Stimatore (definizione e proprietà). Stima puntuale e per intervallo di una media, di una proporzione, di una varianza; della differenza tra due medie, tra due proporzioni. Determinazione dell’ampiezza campionaria.

Verifica di ipotesi per una media (varianza nota, varianza non nota, piccoli campioni e grandi campioni), per una proporzione (solo grandi campioni) per una varianza. Test per confronto tra medie, proporzioni e varianze. Test di indipendenza statistica.

Inferenza sul modello di regressione lineare: stimatori puntuali, intervallo di confidenza e verifica di ipotesi per i coefficienti di regressione.

Testi/Bibliografia

Lo studente deve conoscere gli argomenti dettagliati nel programma, può scegliere liberamente un testo universitario di statistica. Ad esempio può utilizzare:

Borra S., Di Ciaccio A. (2020). Statistica, metodologie per le scienze economiche e sociali, McGraw-Hill.

Levine D.M., Szabat K., Stephan D.F. (2018). Statistica, Pearson.

Piccolo D. (2010.) Statistica, Il Mulino.

Sullivan M., Zavarrone E. (2015). Fondamenti di statistica, Pearson.

Pacini B., Raggi M. (2009). Statistica per l'analisi operativa dei dati, Carocci Editore.

Esercitazioni e testi di esami passati saranno disponibili nella piattaforma di e-learning VIRTUALE.

Metodi didattici

Lezioni ed esercitazioni in modalità mista (presenza e online).

Uso della piattaforma VIRTUALE [https://virtuale.unibo.it/course/view.php?id=15904] di e-learning per valutare la propria preparazione.

Modalità di verifica e valutazione dell'apprendimento

L'esame di statistica è composto da due prove: prova  scritta e prova orale.

Ogni prova scritta include 4 esercizi e 5 domande di teoria. Durante la prova verrà consegnato un formulario che è l'unico materiale consultabile. Non sono ammessi appunti di altre tipologie. È consentito l'uso della calcolatrice. La prova ha una durata massima di 2 ore.

La prova orale è obbligatoria per chi nella prova scritta ha ottenuto un voto sufficiente, ma inferiore a 22 trentesimi.  Si svolge su tutti gli  argomenti del programma  ed è rivolta ad approfondire la verifica della conoscenza della teoria. Il punteggio ottenibile varia da -3 a +3 e si aggiungerà al voto dello scritto. La prova orale deve essere sostenuta nella stessa sessione di appello dello scritto.

Per la prova scritta lo studente può scegliere se affrontare 3 parziali o un'unica prova totale. Ciascuna prova parziale include 2 esercizi e 5 domande di teoria. Durante la prova verrà consegnato un formulario che è l'unico materiale consultabile. Non sono ammessi appunti di altre tipologie. È consentito l'uso della calcolatrice. La prova ha una durata massima di 1 ora.

____________________________________________________

Per gli studenti frequentanti è prevista la possibilità di svolgere un lavoro di gruppo che può aggiungere fino a 3 punti sul voto della prova scritta.

Ogni gruppo può essere formato da un massimo di 3 persone. Il lavoro deve seguire queste regole:

• Il gruppo deve trovare un dataset che contiene almeno 40 unità e 4 caratteri
• Deve svolgere delle analisi statistiche con il software che preferisce
• Le elaborazioni devono essere incluse in max 3 slides
• Ogni studente dovrà presentare una slide, illustrando le elaborazioni fatte e rispondendo ad eventuali domande (tutto il gruppo deve presentarsi nello stesso giorno)
• Le presentazioni saranno svolte durante le ultime due lezioni di maggio (indicativamente il 23 e il 24 maggio)
• Il punteggio terrà conto della correttezza dell’analisi, della presentazione, delle risposte ad eventuali domande
• Sarà possibile anche valutare l’eventuale partecipazione attiva degli studenti in classe (domande, critiche, suggerimenti,…)

____________________________________________________

La valutazione finale seguirà la seguente griglia:

• Preparazione e capacità di analisi non sufficienti: respinto.

• Preparazione e capacità di analisi sufficienti, espresse in un linguaggio formalmente corretto: 18-22

• Preparazione adeguata, capacità di analisi sufficiente, anche se non particolarmente articolate, espresse in un linguaggio corretto: 23-26.

• Conoscenza approfondita dei temi affrontati nel corso, buone capacità di analisi e di critica, padronanza della terminologia specifica: 27-29.

• Conoscenza molto approfondita dei temi affrontati nel corso, capacità di analisi critica e di collegamento, padronanza della terminologia specifica: 30-30L.

Strumenti a supporto della didattica

E-learning con la piattaforma VIRTUALE [https://virtuale.unibo.it/course/view.php?id=15904] di supporto alla didattica.

Orario di ricevimento

Consulta il sito web di Meri Raggi