ALBERTO GIOVANNI ARCAGNI

Pagina personale GitHub
ORCID
Il ricevimento è concordato via email.
Programma Statistica Corso Base, Scienze Aziendali N-Z

• Nozioni introduttive: collettivo statistico, unità statistica, caratteri e modalità. Distribuzione unitaria e di frequenze. Frequenze cumulate. Distribuzioni in classi.
• Rappresentazioni grafiche. Funzione di ripartizione empirica e sua rappresentazione grafica. Introduzione al concetto di media: medie analitiche e medie lasche.
• La media aritmetica e sue proprietà. Media aritmetica per distribuzioni di frequenze e in classi. Moda, mediana e quantili. Calcolo della moda, mediana e quantili per le distribuzioni di frequenza e in classi.
• Indici di variabilità: scostamenti semplici medi, deviazione standard e varianza. Scomposizione della devianza. Calcolo della varianza per distribuzioni di frequenza e in classi. Differenza semplice media. Campo di variazione. Differenza interquartile. Coefficiente di variazione. La concentrazione e sue misure: curva di Lorenz e indice di Gini per dati unitarie. L’eterogeneità.
• La simmetria e misure di asimmetria. Numeri indici semplici e complessi. Distribuzioni doppie. Indipendenza assoluta, dipendenza perfetta e misure della dipendenza. Indipendenza in media e misura del grado di dipendenza in media. Indipendenza lineare e misure del grado di associazione lineare.
• Introduzione alla regressione. Determinazione dei coefficienti della retta di regressione. Bontà di adattamento della retta ai dati e indice di determinazione lineare.
• Introduzione alla probabilità. Eventi casuali e spazio degli eventi. Definizioni di Probabilità. Assegnazione delle probabilità agli eventi. Principali teoremi sulla probabilità.
• Probabilità condizionata e indipendenza. Teorema di Bayes.
• Introduzione alle variabili aleatorie. Variabili aleatorie discrete e continue e funzione di ripartizione. Valore atteso e varianza di variabili aleatorie.
• Alcuni modelli probabilistici discreti: la distribuzione di Bernoulli, la distribuzione Binomiale.
• La distribuzione normale e l’uso delle tavole.
• La legge dei grandi numeri e il teorema del limite centrale.
• Popolazione e campione: introduzione alle distribuzioni campionarie.
• La distribuzione della media campionaria. Cenni di teoria della stima e proprietà degli stimatori.
• Introduzione agli intervalli di confidenza. Intervalli di confidenza per la media di una popolazione Normale con varianza nota e incognita. Intervalli di confidenza per la media di una popolazione qualsiasi nel caso di grandi campioni. Intervalli di confidenza per una proporzione nel caso di grandi campioni.
• Introduzione alla verifica di ipotesi e tipologie di errore. Verifica delle ipotesi per la media di una popolazione Normale con varianza nota e incognita. Verifica delle ipotesi per la media di una popolazione qualsiasi e per una proporzione nel caso di grandi campioni.

La valutazione sarà effettuata tramite prova scritta e orale a discrezione del docente o a richiesta dello studente.
Le informazioni saranno pubblicate su Google Classroom  codice iyrc4dtx. La registrazione a Google Classroom dovrà essere effettuata esclusivamente con l'email istituzionale.
Inoltre del materiale sarà accessibile sulla cartella Google Drive sempre con email istituzionale e in sola lettura.