Sei sulla pagina 1di 2

• STATISTICA Programma dettagliato

Statistica e metodologia della ricerca. (Cap.1, tutto)


Parte I. Analisi statistica dei dati
Rilevazioni statistiche. Elementi di una rilevazione statistica. Variabili statistiche. [Cap.2, tutto
tranne i paragrafi 4 e 5]
Distribuzioni di frequenza. Distribuzioni di frequenza per variabili discrete. Diagramma a barre.
Distribuzioni di frequenza per variabili continue. Istogramma a classi equiampie. Funzione di
ripartizione empirica. Indicatori sintetici delle distribuzioni di frequenza [Cap.3, tutto]
Indici di posizione. La media aritmetica, la moda e la mediana: calcolo, proprietà, difetti. I quantili.
[Cap.4, tutto tranne il paragrafo 8] E' essenziale saper calcolare media, moda e mediana, illustrandone
vantaggi e svantaggi, anche mediante esempi]
Indici di variabilità. Variabilità rispetto ad un centro. Indici basati sui quartili e decili. Mutua
variabilità e suo legame con la misura della concentrazione. [Cap.5, tutto tranne paragrafi 5 e 6.
E’ fondamentale conoscere varianza, scarto quadratico medio, coefficiente di variazione, campo di variazione,
differenza semplice media, nonché il rapporto di concentrazione, così come è definito a pag.163]
Forma di una distribuzione di frequenza. Variabile standardizzata. Indici di asimmetria. Il boxplot.
[Cap.6, solo i paragrafi 1, 2, 5, 6. La visualizzazione e le interpretazioni dei box-plot sono alle pagine
195-198 che vanno esaminate con riferimento al paragrafo 6.5 del testo]
Distribuzioni doppie. Distribuzioni marginali. L'indipendenza. La misura della connessione e
l'indice X2. La correlazione; calcolo e proprietà, significato ed interpretazione. [Cap.7, tutto, con
esclusione delle distribuzioni condizionate. Dare rilievo al significato e agli esempi, con particolare riguardo
al concetto di indipendenza e al coefficiente di correlazione lineare]
Parte II. Teoria della Probabilità
Concetto di probabilità. Esperimenti probabilistici. Concezioni della probabilità.
Assiomatizzazione. Concetti primitivi. Formalizzazione delle prove. Formalizzazione degli eventi.
Postulati. Principali teoremi. Probabilità condizionata e indipendenza. La misura della probabilità.
Teorema di Bayes. Esemplificazioni. [Cap.8, tutto. E’ necessario saper svolgere correttamente gli
esercizi del tipo proposto nei paragrafi 12 e 14 nonché nei test di autovalutazione presenti in Aulaweb. Lo
studio approfondito di questo Capitolo, sia sul piano concettuale che mediante esercizi, è
condizione essenziale per superare l’esame e per comprendere tutti i Capitoli successivi ]
Definizione di variabile casuale. Variabili casuali discrete. Distribuzioni di probabilità. Variabili
casuali continue. La funzione di densità. Indicatori sintetici delle variabili casuali: valore medio,
varianza. Variabile casuale standardizzata. [Cap.9, i soli paragrafi 1,2,3,4,6. Escludere i dettagli
analitici e formali che esulano dalla preparazione di base dello studente]
Principali modelli probabilistici. La variabile casuale Normale. La variabile casuale Uniforme
discreta. La variabile casuale di Bernoulli. [Cap. 10, tutto tranne i paragrafi 2,4,7,8]
Il Teorema Limite Centrale: principali sviluppi, sua importanza e relativa interpretazione. [Cap.
11, solo il paragrafo 3. E’ necessario presentare il teorema limite centrale nella sua formulazione di base, con un
minimo di formalizzazione, insistendo –anche con esempi- sui motivi della sua importanza nelle applicazioni
statistiche. Sono fondamentali le pagine 381-382.]

Parte III. Inferenza statistica


Principi e metodi dell’inferenza statistica. Il problema inverso. Le procedure inferenziali.
Campione casuale e campione osservato. Principali statistiche campionarie. Media e varianza
campionarie [Cap.12, tutto tranne i paragrafi 6,7,8: escludere la pag.412, a partire dalla settima
riga. E’ fondamentale comprendere ed esemplificare la logica ed i problemi connessi al concetto di campione casuale]
Teoria della stima. Stimatori e stime: definizione e differenza. Proprietà degli stimatori.
Sufficienza. Linearità. Non distorsione. Errore quadratico medio. Efficienza. Non distorsione
asintotica. Consistenza in media quadratica e in probabilità. Normalità asintotica. Proprietà della
media campionaria. Principi generali per la stima. [Cap.13, tutto tranne i paragrafi 7 e 8. Assieme ai
principi generali, è necessario studiare accuratamente le definizioni e l’importanza delle proprietà degli stimatori]
Il test delle ipotesi: caratteristiche fondamentali e logica. Le ipotesi statistiche. Test parametrici e
non parametrici. La regione critica. La struttura probabilistica del test. Errori di 1° e 2° tipo e
corrispondenti probabilità. La potenza del test. Relazione tra le due probabilità di errore. Regione
Critico Ottimale (RCO). Lemma di Neyman e Pearson (solo un cenno alla sua utilità). Procedura
operativa di un test. Test sul valore medio di una v.c. Normale (con varianza nota e con varianza
non nota). Test sulla differenza tra valori medi di v.c. Normali con varianze incognite. Test
sull’indipendenza. Svolgimento di esercizi con uso delle tavole relative. [Cap. 14, studiare tutto dei
paragrafi 1, 2, 3, 4, 5 (solo le prime righe di pag. 489), 6, 7 (solo le pagg. 496-497; 499-500), 8, 12
(fino all’esempio 14.4 incluso, a pag. 519). In aggiunta ai principi e alla logica del test, è fondamentale saper
svolgere gli esercizi connessi a questi tre test delle ipotesi]
Parte IV. Modelli statistici
I modelli statistici e le procedure inferenziali. Le fasi di costruzione di un modello statistico.
Considerazioni finali. [Cap. 17, tutto tranne il paragrafo 4, la cui lettura è facoltativa]
Il modello di regressione lineare semplice. Specificazione del modello. Le ipotesi classiche. La
stima dei parametri mediante il metodo dei minimi quadrati (il significato, senza gli sviluppi
algebrici). Il teorema di Gauss e Markov. Indice di determinazione multipla. Interpretazioni,
utilizzazioni ed esempi per il modello di regressione lineare semplice. [Cap.18, tutto tranne il
paragrafo 18.7. In aggiunta alla teoria e al metodo, occorre studiare accuratamente tutti gli esempi proposti; gli
aspetti formali dei paragrafi 5, 6, 8 e 9 possono essere limitati ai punti essenziali ma occorre conoscerne il
significato, l’importanza e le applicazioni]
Testo di riferimento:
► D. PICCOLO. Statistica per le decisioni, il Mulino, Bologna, ultima edizione disponibile
NOTA BENE: I test di autovalutazione sono gratuitamente disponibili sul sito Aulaweb
(www.mulino.it/aulaweb) collegato al libro di testo mediante una password personale inserita nella
seconda pagina di copertina. Gli studenti sono invitati ad esercitarsi –capitolo per capitolo- perché i quesiti
proposti abituano al linguaggio della Statistica e consentono di verificare progressivamente ed in completa
autonomia l’apprendimento personale raggiunto ai fini dell’esame.
I Capitoli sull’Ambiente R non costituiscono materia di esame: essi vengono proposti agli studenti più
interessati per fornire loro uno strumento moderno, gratuito, potente e completo per elaborazioni statistiche
(semplici ma anche molto avanzate): per analisi statistiche, per lavori personali, tesi di laurea in altre discipline,
progetti di ricerca, elaborazioni di questionari, conoscenze informatiche per colloqui professionali e/o per
concorsi pubblici, etc. Per chi chiede la tesi di laurea in Statistica la conoscenza di tali Capitoli è un
prerequisito per poter lavorare sui dati. Infine, i Capitoli sull’Ambiente R costituiscono materia fondamentale
del colloquio preliminare per quanti desiderano iscriversi alla Laurea Magistrale in Scienze Statistiche per le
Decisioni.