STATISTICA
Anno accademico 2022/2023 - Docente: Luca MARTINORisultati di apprendimento attesi
OBIETTIVI FORMATIVI
1. Conoscenza e capacità di comprensione (knowledge and understanding): L'insegnamento si propone di
fornire agli studenti gli strumenti metodologici fondamentali della Statistica per l’analisi di dati, con
riferimento ai fenomeni socio-economici ed aziendali.
2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): Sulla base
delle conoscenze acquisite, lo studente sarà in grado di utilizzare le tecniche statistiche di base (analisi
descrittive, calcolo delle probabilità, metodi inferenziali e modelli di regressione lineare semplice) al fine di
analizzare, investigare e comprendere aspetti essenziali di fenomeni socio economici.
3. Autonomia di giudizio (making judgements): Utilizzando le tecniche statistiche oggetto del programma
dell'insegnamento, lo studente sarà in grado di individuare gli strumenti statistici opportuni per elaborare
analisi ed interpretazioni di dati di natura quantitativa e/o qualitativa, con riferimento specifiche realtà
economico-aziendali.
4. Abilità comunicative (communication skills): Lo studente sarà in grado di comprendere e comunicare, con
padronanza di linguaggio, informazioni e valutazioni tecniche relative a insiemi di dati inerenti a realtà socioeconomiche.
5. Capacità di apprendimento (learning skills): Lo studente avrà acquisito capacità logiche e conoscenze
necessarie nell'ambito della statistica metodologica per poter proseguire i suoi studi nel corso di laurea.
L’apprendimento è ottenuto con un processo graduale in stretta relazione con le tematiche disciplinari e con
gli obiettivi formativi peculiari del Corso di Laurea in Economia.
Prerequisiti richiesti
PREREQUISITI RICHIESTI
Conoscenze di base di matematica: algebra, geometria analitica, analisi matematica.
Contenuti del corso
CONTENUTI DEL CORSO
Distribuzioni statistiche semplici. Rilevazioni statistiche. Variabili statistiche. Distribuzioni di frequenza. Densità di
frequenza. Rapporti statistici e numeri indici. Indici di tendenza centrale: media aritmetica, media geometrica,
media armonica, mediana e percentili. Variabilità statistica: varianza e scarto quadratico medio, differenze medie.
Variabilità relativa. Concentrazione. Rapporto di concentrazione. Box-plot. Indici di forma: asimmetria.
Distribuzioni statistiche multiple. Tabelle a doppia entrata. Distribuzioni di frequenze congiunte, marginali,
condizionali. Medie e varianze delle distribuzioni marginali e condizionate. Analisi della relazione fra due caratteri.
Indici di associazione e connessione. Covarianza e correlazione lineare.
Calcolo delle Probabilità. Eventi. Probabilità in senso oggettivo e soggettivo. Principali regole del calcolo delle
probabilità. Eventi condizionati. Probabilità condizionate, Teorema di Bayes. Variabili aleatorie discrete e continue.
Distribuzioni di probabilità: uniforme, Bernoulli, binomiale, Poisson, Normale. Skewness e Curtosi.
Inferenza statistica. Distribuzioni campionarie. Distribuzioni t-Student, chi-quadrato. Stimatori e stime. Proprietà
degli stimatori. Metodi di stima: metodo dei minimi quadrati, metodo della massima verosimiglianza.
Stime per intervallo. Livello di confidenza. Intervalli di confidenza per media, varianze, proporzioni.
Verifica delle ipotesi statistiche. Errori di I e II specie. Livello di significatività. Potenza di un test. Verifica di ipotesi
per: medie, varianze, proporzioni, confronti fra medie, confronti fra proporzioni. Verifica dell'ipotesi di indipendenza
e di omogeneità
Modelli statistici. Il modello di regressione lineare. Regressione semplice. Misure di bontà del modello. Analisi dei
residui. Inferenza sui parametri del modello di regressione.