Economia e finanza

Il programma comprenderà i seguenti argomenti che vengono qui sottoelencati in ordine temporale. Le lezioni copriranno sia gli aspetti metodologici che quelli applicativi anche tramite l'uso di software statistici. Nozioni introduttive: collettivo statistico; unità statistica, caratteri e modalità; fonti dei dati; matrice dei dati; statistica descrittiva e inferenza statistica. Distribuzioni statistiche: frequenze assolute, relative e cumulate; distribuzioni di frequenze e raggruppamento in classi; distribuzioni doppie; serie storiche e territoriali. Rappresentazioni grafiche: caratteri quantitativi; caratteri qualitativi; grafici a barre; grafici per serie storiche e territoriali Posizione: media aritmetica, armonica, geometrica, quadratica, di potenza; medie analitiche per distribuzioni di frequenze; medie ponderate; quantili e altri indici di posizione. Variabilità: scostamenti medi; differenze medie; coefficiente di variazione; range e differenza interquantilica; misura della concentrazione per caratteri trasferibili (Lorenz e Gini); scomposizione della devianza. Forma: asimmetria e altri indici di forma basati su quantili. Numeri indici: definizione; variazioni relative e relative medie; numeri indici complessi. Analisi delle distribuzioni doppie: rappresentazioni grafiche; distribuzioni marginali, condizionate e indipendenza statistica; misura della dipendenza; dipendenza in media. Regressione: il modello di regressione lineare semplice; adattamento della retta di regressione ai dati; indipendenza lineare e misure del grado di associazione lineare. Probabilità: esperimenti casuali; spazio campionario ed eventi; definizioni di probabilità; assegnazione delle probabilità agli eventi; principali teoremi sulla probabilità; probabilità condizionata e indipendenza; formula di Bayes. Variabili casuali: variabili discrete e continue; funzione di ripartizione; valore atteso e varianza di variabili aleatorie; quantili. Alcuni modelli probabilistici: uniforme discreta; Bernoulli; binomiale; Poisson; esponenziale; normale e normale standard. Variabili casuali doppie: distribuzioni marginali e condizionate; covarianza e correlazione; indipendenza. La legge dei grandi numeri e teorema centrale del limite. Popolazione e campione: campione casuale; popolazione; spazio campionario; statistiche e loro distribuzioni campionarie. Stima puntuale: proprietà degli stimatori (distorsione ed errore quadratico medio); criteri di scelta. Stima per intervallo: intervalli di confidenza per la media di una popolazione normale con varianza nota o incognita, per la media di una popolazione qualsiasi nel caso di grandi campioni, per una proporzione nel caso di grandi campioni.

Conoscenza degli strumenti principali di analisi matematica

Testo adottato: Cicchitelli, D’Urso, Minozzo.Statistics: Principles and methods. Pearson, 2021 Ulteriore materiale per la teoria e gli esercizi verrà fornito in forma di dispense su Google Classroom.

La frequenza è fortemente consigliata

Il voto finale si baserà su un esame scritto per valutare la conoscenza delle metodologie statistiche (60% del voto) e le competenze pratiche (40% del voto).

Le lezioni si svolgeranno in aula secondo calendario.