Vai al contenuto pricipale
Oggetto:

Statistics

Oggetto:

Statistics

Oggetto:

Anno accademico 2019/2020

Codice attività didattica
ECM0199A
Docenti
Elena Siletti (Titolare del corso)
Andrea Scagni (Titolare del corso)
Corso di studio
Laurea magistrale in Economia dell'Ambiente, della Cultura e del Territorio - a Torino [0403M21]
Anno
1° anno
Tipologia
Caratterizzante
Crediti/Valenza
12
SSD attività didattica
SECS-S/01 - statistica
Erogazione
Tradizionale
Lingua
Inglese
Frequenza
Consigliata/Recommended
Tipologia esame
Scritto
Tipologia unità didattica
modulo
Corso integrato
Statistics and econometrics (ECM0199)
Prerequisiti
E' richiesta la conoscenza degli argomenti di un corso di base di Statistica (statistica descrittiva e concetti introduttivi di probabilità e inferenza)
Oggetto:

Sommario del corso

Oggetto:

Obiettivi formativi

L'obiettivo del corso è quello di fornire gli strumenti quantitativi utilizzati comunemente nella letteratura economica, necessari per affrontare i corsi successivi previsti dalla Laurea Magistrale in Economia dell'Ambiente, della Cultura e del Territorio.

The objective of the course is to provide the quantitative tools commonly used in the economic literature, necessary to face the subsequent courses of the Laurea Magistrale in Environmental, Culture and Land Economics.

Oggetto:

Risultati dell'apprendimento attesi

Lo studente dovrà acquisire la conoscenza degli strumenti tradizionali della statistica e la capacità di utilizzare tali tecniche per la costruzione di modelli quantitativi utilizzati nella soluzione dei problemi riguardanti le scienze economiche.

La formazione all'interno della Laurea Magistrale in Economia dell'Ambiente, della Cultura e del Territorio sarà quindi completata e arricchita dalle seguenti competenze:

Conoscenza e capacità di comprensione

Al termine dell'insegnamento lo studente sarà in grado di:

- Comprendere la logica e i concetti fondanti del calcolo delle probabilità

- Comprendere la logica e i concetti fondanti della stima puntuale

- Comprendere la logica e i concetti fondanti della stima per intervallo

- Comprendere la logica e i concetti fondanti della verifica di ipotesi statistiche

 Conoscenza e capacità di comprensione applicate

Al termine dell'insegnamento lo studente sarà in grado di:

- Applicare le conoscenze relative al calcolo delle probabilità per studiare e valutare situazioni di incertezza

- Applicare le conoscenze relative ai metodi di inferenza statistica per comprendere il comportamento dei fenomeni osservati e prendere decisioni sulla base dell'osservazione empirica degli stessi.

Autonomia di giudizio

Al termine dell'insegnamento lo studente sarà in grado di:

- Valutare quali modelli probabilistici si adattano meglio a contesti e problematiche reali

- Valutare correttamente quali tecniche di inferenza statistica sono appropriate nei diversi contesti applicativi

Abilità comunicative

Al termine dell'insegnamento lo studente sarà in grado di:

- esporre e chiarire ad utenza non specialistica il senso e le conseguenze dei risultati delle proprie elaborazioni statistiche

Capacità di apprendere

Al termine dell'insegnamento lo studente sarà in grado di:

- utilizzare i concetti cardine relativi alla logica dell'inferenza per approfondire le relative tematiche

- utilizzare i concetti appresi sulla regressione lineare bivariata per approfondire ad estendere le conoscenze sui modelli di regressione multivariata e sui modelli non lineari

The student is expected to acquire the knowledge of the traditional instruments of statistics and  the ability of using such techniques for the construction of quantitative models used in the solution of economic problems.

The preparation of the student in the context of the Laurea Magistrale in Environmental, Culture and Territory Economics will therefore be completed and enriched by the following competencies:

Knowledge and understanding

At the end of the course the student will be able to:

- Understand the logic underlying the theory of probability

- Understand the logic underlying the theory of point estimation

- Understand the logic underlying the theory of interval estimation

- Understand the logic underlying the theory of statistical hypothesis testing

 

Applying knowledge and understanding

At the end of the course the student will be able to:

- use knowledge on probability to study and evaluate uncertainty situations

- use knowledge on inferential statistical methods to understand the behaviour of observed phenomena and take decisions based on empirical data

 

Making judgements

At the end of the course the student will be able to:

- Ascertain which probabilistic models can adequately describe real contexts and problems

- Correctly assess the most appropriate methods of inferential statistics in different real world contexts

 

Communication skills

At the end of the course the student will be able to:

- fluently use the specific terminology to explain and present results of statistical analyses and its consequences

 

Learning skills

At the end of the course the student will be able to:

- Use the knowledge on the foundations of probability to gain further insights into its theory and applications

- Use the knowledge on the linear bivariate regression model to expand its application to multivariate and nonlinear contexts

Oggetto:

Programma

- Calcolo delle probabilità: concezioni probabilistiche, probabilità sugli eventi, variabili aleatorie e distribuzioni di probabilità, distribuzioni notevoli.
- Inferenza statistica: la logica del campionamento probabilistico. Statistiche campionarie. Stima puntuale. Approccio analogico alla stima puntuale. Media e varianza campionaria, loro distribuzione per campioni finiti e distribuzione asintotica. Stimatori di massima verosimiglianza. Proprietà degli stimatori.
- Stima intervallare: concetto di confidenza, intervalli di confidenza, casi particolari sulla media e la varianza
- Verifica di ipotesi: ipotesi nulla e alternativa, ipotesi semplici e composte, parametriche e non parametriche, errori di prima e seconda specie. Il concetto di statistica test. La significatività e la potenza del test. Test sulla media e varianza, sulla differenza tra medie, test di indipendenza. Test del rapporto di verosimiglianza.

Tutta la parte applicativa del corso verrà svolta con il personal computer su foglio di calcolo.

- Probability: Conceptions of probability, probability of events, random variables and probability distributions, specific random variables,  
- Statistical inference: the logic of probabilistic sampling. Sample statistics. Point estimate. Analogical approach to point estimation. Sample mean and variance, their distribution for finite samples and asymptotic distribution. Maximum likelihood estimators. Properties of the estimators.
- Interval estimation: concept of confidence, confidence intervals, particular cases on the mean and variance
- Hypothesis testing: null and alternative hypotheses, simple and compound hypotheses, parametric and non-parametric, first and second species errors. The concept of statistics test. The significance and power of the test. Test on the mean and variance, on the difference between averages, independence tests. Likelihood ratio tests.

The computational part of the course will be delivered using a personal computer with spreadsheet software.

Oggetto:

Modalità di insegnamento

Il corso è suddiviso in 2 moduli, ciascuno costituito da 36 ore di lezioni frontali.

The course is divided into 2 modules, each formed by 36 hours of frontal lessons.

 

Oggetto:

Modalità di verifica dell'apprendimento

La modalità di verifica dell'apprendimento consiste in una prova scritta della durata di 1 ora e 30 minuti, costituita da esercizi e da domande teoriche che riguardano l'analisi statistica di uno o più dataset forniti da parte del docente. Gli studenti devono dimostrare di possedere capacità di analisi e di formalizzazione in termini quantitativi di un problema, oltre alla sua soluzione attraverso le tecniche illustrate durante il corso.

 

The final examination consists in a written exam (that lasts 1 hour and 30 minutes), with exercises and theoretical questions about the analysis of one or more datasets provided by the instructor. The students are expected to show the ability to analyze a problem, to formalize it in quantitative terms and to solve it using the techniques illustrated during the course.

Oggetto:

Testi consigliati e bibliografia

Borra, Di Ciaccio - Statistica - metodologie per le scienze eocomiche e sociali, III edizione, McGraw Hill 2014

 

Borra, Di Ciaccio - Statistica - metodologie per le scienze eocomiche e sociali, III edizione, McGraw Hill 2014

Oggetto:
Ultimo aggiornamento: 18/10/2019 08:53
Location: https://www.didattica-est.unito.it/robots.html
Non cliccare qui!