Scheda programma d'esame
STATISTICS
CARLA ANTONI
Academic year2023/24
CourseLAW
CodePP864
Credits6
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
STATISTICASECS-S/01LEZIONI52
CARLA ANTONI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Conoscenza dei principali indicatori per descrivere e interpretare dati 

Utilizzo dei modelli principali della probabilità

Conoscenza di intervalli di confidenza e test parametrici

Knowledge
Knowledge of the main indicators to describe and interpret data Use of the main probability models Knowledge of confidence intervals and parametric tests
Modalità di verifica delle conoscenze

verifiche scritte in itinere; interrogazioni orali 

Assessment criteria of knowledge
ongoing written checks; oral questions
Capacità

Capacità logiche e di analisi 

Skills
Logical and analytical skills
Modalità di verifica delle capacità

Partecipazione e interventi durante la risoluzione di esercizi 

Assessment criteria of skills
Participation and interventions during the resolution of exercises
Comportamenti

Rigore logico, precisione nei simboli e nel linguaggio

Behaviors
Logical rigor, precision in symbols and language
Modalità di verifica dei comportamenti

Confronto e comparazione tra casi differenti per rimarcare similitudini e differenze 

Assessment criteria of behaviors

Comparison and contrast between different cases to highlight similarities and differences

Prerequisiti (conoscenze iniziali)

Nozioni di insiemistica e di matematica di base; coefficiente binomiale, fattoriale di n

Prerequisites
Notions of set theory and basic mathematics; binomial coefficient, factorial of n
Prerequisiti per studi successivi

Conoscenza dei modelli di base della probabilità

Indicazioni metodologiche

Conoscenza delle definizioni; conoscenza della insiemistica elementare.

Programma (contenuti dell'insegnamento)

a. Statistica descrittiva
Caratteri qualitativi e quantitativi; frequenze assolute, relative, percentuali,
distribuzione di un carattere. Misure di centralità: media aritmetica, moda,
mediana; misure di dispersione: varianza, deviazione standard, devianza,
quantili. Coefficiente di variazione. Tabelle di contingenza. Associazione tra
caratteri. Indipendenza tra caratteri. Indice Chi-quadro, indice di Cramer.
Covarianza, indice di Bravais-Pearson. Regressione lineare. Devianza spiegata,
devianza residua.


b. Calcolo delle probabilità.
Assiomi della probabilità; esiti, eventi, spazi equiprobabili; elementi di calcolo
combinatorio. Il linguaggio delle variabili aleatorie. Probabilità condizionata;
eventi indipendenti; formule di Bayes. Variabili aleatorie. Densità, distribuzione
di una variabile aleatoria. Propriet´a di media e varianza. Modelli
di variabili aleatorie: di Bernoulli, Binomiali, Ipergeometriche, Geometriche,
Uniformi, Esponenziali, Normali. Lettura delle tavole della legge normale,
chi-quadro e di Student. Introduzione alla statistica inferenziale: campionamenti.
La media, la proporzione e la varianza campionaria. Teorema Limite
Centrale. Distribuzione delle statistiche campionarie (media, proporzione e
varianza campionaria corretta).
c. Statistica inferenziale.
Stima puntuale e stimatori. Stimatori corretti. Intervalli di confidenza per
la media (con varianza nota e non nota), per la proporzione, per la varianza
(di una popolazione normale); ampiezza dell’intervallo. Test (unilaterali e
bilaterali) di verifica delle ipotesi basati su un campione. Test per la media
con varianza nota e non nota, test per la proporzione. Approccio del valore
critico e del p-value. Errore di prima e seconda specie. Test Chi-quadro di
indipendenza.

Syllabus
  1.  Descriptive statistics

Qualitative and quantitative characteristics; absolute, relative, percentage frequencies,

distribution of a character. Centrality measures: arithmetic mean, mode,

median; measures of dispersion: variance, standard deviation, deviance,

quantiles. Coefficient of variation. Contingency tables. Association between

characters. Independence between characters. Chi-square index, Cramer index.

Covariance, Bravais-Pearson index. Linear regression. Deviance explained,

residual deviance.

B. Probability

Axioms of probability; equiprobable outcomes, events, spaces; calculation elementscombinatorial.

The language of random variables. Conditional probability;independent events; Bayes formulas.

Random variables. Density, distribution of a random variable. Properties of mean and variance.

Models of random variables: Bernoulli, Binomial, Hypergeometric, Geometric, Uniform, Exponential,

Normal. Reading the tables of normal law,  chi-square and Student. Introduction to inferential 

 statistics: sampling. The mean, proportion and sample variance. Limit theorem Central. Distribution 

of sample statistics (mean, proportion and corrected sample variance).

C. Inferential statistics.

Point estimate and estimators. Correct estimators. Confidence intervals for the mean (with known

and unknown variance), for the proportion, for the variance  (of a normal population); width of the

interval. Tests (unilateral and bilateral) hypothesis testing based on a sample. Test for the mean with

known and unknown variance, test for proportion. Critical value  and p-value approach. Error of the

first and second kind. Chi-square test.

Bibliografia e materiale didattico

Pubblizazione interna dell'Accademia Navale, prove scritte e soluzioni svolte negli anni precedenti

Modalità d'esame

prova orale

Updated: 16/11/2023 22:47