EN
IT
Obiettivi Formativi
Il corso è progettato per fornire agli studenti una solida base nei metodi statistici, essenziali per analizzare i dati e prendere decisioni informate in vari ambiti come il business, l'economia e le scienze sociali. Al termine del corso, gli studenti acquisiranno una comprensione completa della statistica descrittiva, imparando a riassumere e interpretare i dati attraverso misure di tendenza centrale, variabilità e distribuzione.
Saranno inoltre introdotti alla teoria della probabilità, imparando a valutare l'incertezza e a modellare eventi casuali, competenze essenziali per il processo decisionale nel mondo reale in condizioni di rischio. Nella sezione dedicata alla statistica inferenziale, gli studenti approfondiranno i metodi di stima, concentrandosi sulla stima per massima verosimiglianza e sui minimi quadrati. Queste tecniche sono fondamentali per sviluppare modelli predittivi e fare stime su popolazioni basate su campioni.
Inoltre, una parte significativa del corso sarà dedicata all'introduzione e all'uso pratico di R, uno degli strumenti software più utilizzati nell'analisi dei dati e nel calcolo statistico. Gli studenti acquisiranno competenze nell'elaborazione dei dati, nell'esecuzione di test statistici, nella generazione di visualizzazioni e nell'applicazione di modelli statistici avanzati. La padronanza di R permetterà loro non solo di comprendere i concetti teorici, ma anche di applicarli a set di dati reali, offrendo un'esperienza pratica con applicazioni concrete e preparandoli per decisioni basate sui dati nelle loro future carriere.
Learning Objectives
The course is designed to provide students with a solid foundation in statistical methods, crucial for analyzing data and making informed decisions in various fields such as business, economics, and the social sciences. By the end of the course, students will acquire a comprehensive understanding of descriptive statistics, enabling them to summarize and interpret data through measures of central tendency, variability, and distribution.
They will also be introduced to probability theory, learning to assess uncertainty and model random events, which is essential for real-world decision-making under risk. In the section on inferential statistics, students will dive deeper into estimation methods, focusing on maximum likelihood estimation and least squares. These techniques are fundamental for developing predictive models and making estimations about populations based on sample data.
Moreover, a significant portion of the course will be dedicated to the introduction and practical use of R, one of the most widely used software tools in data analysis and statistical computing. Students will develop proficiency in data manipulation, performing statistical tests, generating visualizations, and applying advanced statistical models. Mastery of R will enable them to not only understand theoretical concepts but also apply them to real datasets, giving them hands-on experience with real-world applications and preparing them for data-driven decision-making in their future careers.
Prerequisiti
Nessun prerequisito formale
Prerequisites
No formal pre-requisites
Programma
Argomento 1 - Statistica descrittiva: tipi di dati; rappresentazioni grafiche; medie; variabilità; tabelle di contingenza; correlazione; regressione lineare semplice.
Argomento 2 - Probabilità: introduzione alla teoria della probabilità e alle regole elementari di probabilità; variabili casuali; famiglie comuni di distribuzioni; distribuzioni campionarie.
Argomento 3 - Inferenza statistica: stima puntuale; intervalli di confidenza; test d'ipotesi; introduzione alla regressione lineare multipla. Applicazioni in R.
Argomento 4 - Introduzione al software statistico R: sintassi, funzioni e procedure grafiche.
Durante ogni lezione, il docente presenta i contenuti previsti con l'ausilio di slide e interagisce con gli studenti, invitandoli alla riflessione critica e al dialogo.
Program
Topic 1 - Descriptive statistics: types of data; graphical representations; means; variability; contingency tables; correlation; simple linear regression.
Topic 2 - Probability: introduction to probability theory and elementary probability rules; random variables; common families of distributions; sampling distributions.
Topic 3 - Statistical inference: point estimation; confidence intervals; hypothesis testing; introduction to multiple linear regression. Applications in R.
Topic 4 - Introduction to the statistical software R: syntax, functions, and graphical procedures.
During each lesson, the instructor presents the planned content with the help of slides and interacts with the students, encouraging critical thinking and dialogue
Testi Adottati
1. Slides del corso.
2. Alan Agresti, Intristitine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
Books
1. Slides of the course.
2. Alan Agresti, Christine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
Bibliografia
Alan Agresti, Christine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
W. N. Venables, D. M. Smith, “An Introduction to R”, Version 4.3.1 (2023-06-16)
Bibliography
Alan Agresti, Christine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
W. N. Venables, D. M. Smith, “An Introduction to R”, Version 4.3.1 (2023-06-16)
Modalità di svolgimento
Il corso offre una combinazione equilibrata di lezioni teoriche e pratiche, permettendo agli studenti di acquisire sia una solida base concettuale che competenze applicative. Durante le lezioni pratiche, gli studenti avranno l'opportunità di mettere in pratica gli strumenti teorici studiati utilizzando il software R, sotto la guida attenta del docente. L’interattività è una componente centrale di ogni lezione: i concetti teorici vengono costantemente arricchiti da esempi pratici, casi studio e applicazioni reali, stimolando la partecipazione attiva degli studenti. Il corso incoraggia il dialogo e il confronto tra studenti e docente, creando un ambiente dinamico e collaborativo che favorisce una comprensione approfondita degli argomenti trattati e lo sviluppo di competenze critiche nel campo della statistica.
Teaching methods
The course offers a well-balanced combination of theoretical and practical sessions, allowing students to develop both a solid conceptual foundation and applied skills. During the practical sessions, students will have the opportunity to apply the theoretical tools they have learned by using the R software, under the careful supervision of the instructor. Interactivity is a key component of every lesson: theoretical concepts are continuously enhanced with practical examples, case studies, and real-world applications, encouraging active student participation. The course fosters dialogue and exchange between students and the instructor, creating a dynamic and collaborative environment that promotes a deep understanding of the topics covered and the development of critical skills in the field of statistics.
Regolamento Esame
Prova intermedia
Ci sarà un esame intermedio (scritto) facoltativo, composto da domande teoriche ed esercizi. È fortemente consigliato partecipare all'esame intermedio. Il voto finale terrà conto sia del risultato dell'esame intermedio che di quello finale. Il voto dell'esame intermedio NON può essere rifiutato; deve essere accettato. Solo il voto finale può essere rifiutato. In tal caso, lo studente dovrà ripetere l'esame finale (orale) sull'intero programma.
Gli studenti che non hanno superato o non hanno partecipato all'esame intermedio saranno valutati solo tramite l'esame finale orale.
Esame finale
L'esame finale consisterà in una prova scritta e in una prova orale obbligatoria solo per coloro che ottengono un voto superiore a 26/30 nella prova scritta. Per coloro che hanno sostenuto l'esame intermedio, la prova scritta verterà solo sulla seconda parte del programma; mentre per coloro che non hanno sostenuto l'esame intermedio, la prova scritta sarà basata sull'intero programma. Sia l'esame finale che l'esame intermedio si svolgeranno in presenza.
Gli studenti non frequentanti (con meno dell'80% di presenze e senza aver sostenuto l'esame intermedio) possono scegliere quando iscriversi, sia nel primo che nel secondo appello, sull'intero programma.
Criteri di valutazione:
Insufficiente: gravi lacune e/o imprecisioni nella conoscenza e comprensione degli argomenti; capacità di analisi e sintesi limitate, generalizzazioni frequenti e limitate capacità critiche e di giudizio; esposizione degli argomenti incoerente e con linguaggio inappropriato.
18-20: conoscenza e comprensione degli argomenti appena sufficiente, con possibili generalizzazioni e imperfezioni; capacità di analisi, sintesi e giudizio autonomo sufficiente; esposizione degli argomenti spesso incoerente e con linguaggio inappropriato o poco tecnico.
21-23: conoscenza e comprensione superficiale degli argomenti; capacità di analisi e sintesi corretta con argomentazione sufficientemente coerente e linguaggio tecnico appropriato.
24-26: conoscenza e comprensione degli argomenti adeguata; buone capacità analitiche e di sintesi con argomentazioni rigorose, ma non sempre con linguaggio tecnico appropriato.
27-29: conoscenza e comprensione completa degli argomenti; notevole capacità di analisi e sintesi. Buona autonomia di giudizio. Argomentazioni esposte in modo rigoroso e con linguaggio tecnico appropriato.
30-30L: conoscenza approfondita e ottima comprensione degli argomenti. Eccellenti capacità analitiche e di sintesi, e giudizio autonomo. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
Exam Rules
Midterm exam
There will be one elective midterm (written) exam, consisting of theoretical questions and exercises. It is highly recommended to attend the midterm exam. The final grade will consider both the results of the midterm and the final exams. The grade of the midterm exam CANNOT be rejected; it must be accepted. Only the final grade can be rejected. In that case, the student must repeat the (oral) final exam on the whole program.
Students who failed or did not attend the midterm exam will be evaluated only through the final oral exam.
Final exam
The final exam will consist of a written test and a mandatory oral test only for those with a grade higher than 26/30 on the written exam. For those who have taken the midterm, the written test will cover only the second part of the syllabus; while for those who have not taken the midterm, the test will cover the entire syllabus. Both the final and midterm exams will take place in person.
Non-attending students (with less than 80% attendance and no midterm taken) can choose when to enroll, either in the first or second round, covering the whole program.
Grading criteria:
Unsuitable: significant deficiencies and/or inaccuracies in knowledge and understanding of the topics; limited capacity for analysis and synthesis, frequent generalizations, and limited critical and judgment skills; topics are presented incoherently and with inappropriate language.
18-20: barely sufficient knowledge and understanding of the topics, with possible generalizations and imperfections; sufficient capacity for analysis, synthesis, and independent judgment; topics are often presented incoherently and with inappropriate/technical language.
21-23: surface knowledge and understanding of the topics; ability to analyze and synthesize correctly with sufficiently coherent argumentation and appropriate/technical language.
24-26: fair knowledge and understanding of the topics; good analytical and synthetic skills with rigorously presented arguments, though not always with appropriate/technical language.
27-29: complete knowledge and understanding of the topics; considerable capacity for analysis and synthesis. Good independent judgment. Arguments presented in a rigorous manner and with appropriate/technical language.
30-30L: very good level of knowledge and thorough understanding of the topics. Excellent analytical and synthetic skills, with independent judgment. Arguments are expressed in an original manner and in appropriate technical language.
EN
IT
Programma
Statistiche descrittive: tipi di dati; rappresentazioni grafiche; medie; variabilità; contingenza; correlazione; regressione lineare semplice.
Introduzione al software statistico R: sintassi, funzioni e procedure grafiche.
Probabilità: introduzione alla teoria delle probabilità e regole elementari della probabilità; variabili casuali; famiglie comuni di distribuzioni; distribuzioni campionarie.
Inferenza statistica: stima puntuale; intervalli di confidenza; test di ipotesi; regressione lineare multipla. Applicazioni in R.
Program
The course covers a comprehensive range of topics in statistics. It begins with an exploration of descriptive statistics, delving into various types of data and their graphical representations, along with concepts like means, variability, contingency, correlation, and simple linear regression. An essential component of the course involves an introduction to the statistical software R, where students learn about its syntax, functions, and graphical procedures. Moving on, the course introduces probability theory, shedding light on elementary probability rules, random variables, common distribution families, and sampling distributions. Another crucial aspect covered is statistical inference, encompassing point estimation, confidence intervals, and hypothesis testing, as well as the application of multiple linear regression. Throughout the course, practical implementation and hands-on learning in R play a pivotal role in understanding and applying these statistical concepts effectively.
Testi Adottati
Alan Agresti, Christine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
Books
Alan Agresti, Christine Franklin, “Statistics: The Art and Science of Learning from Data” Pearson; 4th International Edition, ISBN 9781447964186.
Bibliografia
W. N. Venables, D. M. Smith, “An Introduction to R”, Version 4.3.1 (2023-06-16), : https://cran.r-project.org/doc/manuals/R-intro.pdf
Bibliography
W. N. Venables, D. M. Smith, “An Introduction to R”, Version 4.3.1 (2023-06-16), : https://cran.r-project.org/doc/manuals/R-intro.pdf
Modalità di svolgimento
Insegnamento in aula, esercitazioni, discussione di casi di studio.
Teaching methods
Instruction within the classroom setting, interactive exercises, and analysis of real-world case studies.
Regolamento Esame
L'esame finale (orale) può consistere in: domande teoriche, discussione (orale) di esercizi statistici, implementazione di funzioni e interpretazione di alcuni risultati in R. L'esame finale per gli studenti non frequentanti coprirà tutti gli argomenti del corso.
Exam Rules
The final (oral) exam may consist of: theoretical questions, (oral) discussion of statistical exercises, implementations of functions and interpretation of some outputs in R.
The final exam of non-attending students will be covering all the topics of the course.
Prof.ssa Lucia Leonelli
