Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Analisi dei dati e probabilità

Oggetto:

Data analysis and probability

Oggetto:

Anno accademico 2022/2023

Codice attività didattica
ECM0007
Docenti
Dalit Contini (Titolare del corso)
Consuelo Rubina Nava (Titolare del corso)
Nicoletta Melis (Esercitatore)
Corso di studio
Laurea in Economia e Statistica per le Organizzazioni - a Torino [0402L31]
Anno
1° anno
Periodo
Secondo semestre
Tipologia
Caratterizzante
Crediti/Valenza
12
SSD attività didattica
SECS-S/01 - statistica
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Fortemente consigliata/Recommended
Tipologia esame
Scritto
Prerequisiti

Lo studente deve aver frequentato l’insegnamento di “Matematica per le Scienze Sociali” del primo semestre (primo anno). In particolare, si segnala la necessità di ripassare in autonomia i seguenti temi: sommatorie, produttorie, equazioni e disequazioni, derivate, integrali, rappresentazione grafica di una funzione.


Students should have attended the course in Mathematics for the social sciences delivered in the first year, first semester.
In particular, it is necessary to autonomously review the following topics: summation, productors, equations and inequalities, derivatives, integrals, graphical representation of a function.


Propedeutico a

L'insegnamento è utile per affrontare la maggior parte degli insegnamenti in ambito statistico e non solo degli anni successivi al primo del Corso di Laurea in Economia e Statistica per le Organizzazioni.


The course is useful for dealing with most of the statistical (but not only) courses in the second and third years of CLEST.


Oggetto:

Sommario insegnamento

Oggetto:

Avvisi

Cancellazione iscritti ai corsi sulla piattaforma del Dipartimento
Oggetto:

Obiettivi formativi

L’insegnamento si propone, coerentemente con gli obiettivi formativi del Corso di Laurea in Economia e Statistica per le Organizzazioni, di:

  • fornire agli studenti le conoscenze teoriche e applicative di base della statistica descrittiva univariata e bivariata e del calcolo delle probabilità per effettuare analisi dei dati e rispondere a obiettivi di ricerca preliminari;
  • sviluppare la capacità di formulare semplici soluzioni sulla base dei dati analizzati e di comunicarle;
  • fornire agli studenti le conoscenze teoriche e applicative di base della statistica e della probabilità, preliminari e fondamentali a tutti gli insegnamenti di natura statistica degli anni successivi del Corso di Laurea.

 

The course aims, in line with the objectives of CLEST, to:

  • provide students with the basic theoretical and applicative knowledge of univariate and bivariate descriptive statistics and probability calculations to perform data analysis and respond to preliminary research objectives;
  • develop the ability to formulate simple solutions on the basis of the analyzed data and to communicate them;
  • provide students with the basic theoretical and applicative knowledge of statistics and probability, preliminary and fundamental to all statistical courses of the subsequent years of CLEST.

Oggetto:

Risultati dell'apprendimento attesi

Al termine dell’insegnamento e coerentemente con gli obiettivi formativi sopraenunciati, lo studente dovrà:

  • conoscere gli strumenti della statistica di base e del calcolo delle probabilità;
  • essere in grado di applicare degli strumenti teorici presentati, selezionandoli opportunamente in ragione della tipologia di dati disponibili;
  • essere in grado di usare la terminologia scientifica della statistica di base e del calcolo delle probabilità;
  • essere in grado di leggere e divulgare (almeno in forma scritta) i risultati di analisi statistiche descrittive;
  • conoscere e padroneggiare le competenze necessarie per affrontare insegnamenti avanzati relativi all’inferenza statistica e ai modelli di regressione multivariata.

 

At the end of the course and consistently with the educational objectives set out above, the student must:

  • know the tools of introductory statistics and probability;
  • be able to apply the theoretical tools presented, selecting them appropriately based on the type of available data;
  • be able to use the scientific terminology of  statistics and probability;
  • be able to read and disseminate (at least in written form) the results of descriptive statistical analyzes;
  • know and master the skills necessary to deal with advanced teaching relating, especially, to statistical inference and multivariate regression models.

 

Oggetto:

Programma



STATISTICA DESCRITTIVA (MOD 1)

  • La rilevazione dei caratteri statistici: indagini e rilevazione dei dati, caratteri, collettivo e unità statistiche (cap. 1-2)
  • Frequenze assolute, relative e cumulate (cap. 2)
  • Distribuzione dei caratteri e loro rappresentazione grafica, serie storiche (cap. 3)
  • Misure di posizione: medie, moda, mediana, percentili, quantili (cap. 4)
  • Variabilità e indici di variabilità, disuguaglianza di Tchebychev, boxplot, standardizzazione, eterogeneità, indici di asimmetria e kurtosi (cap. 5-6)
  • Associazione tra due caratteri: distribuzioni doppie, indici di associazione, di dipendenza in media e di interdipendenza (cap 9-10 (cenni)-11)
  • Rapporti statistici, numeri indici semplici e complessi (cap. 8)

 

PROBABILITA' E VARIABILI CASUALI (MOD 2)

  • Eventi e algebra degli eventi (cap. 12)
  • Postulati (cap. 12)
  • Probabilità nell'approccio classico (cap. 12)
  • Probabilità condizionata (cap. 12)
  • Teorema di Bayes (cap. 12)
  • Probabilità secondo altri approcci (cap. 12)
  • Variabili casuali discrete (cap. 13)
  • Funzione di probabilità e funzione di ripartizione (cap. 13)
  • Variabili casuali continue (cap. 13)
  • Funzione di densità (cap. 13)
  • Valore atteso e varianza di una v.c. (cap. 13)
  • Variabili casuali discrete: uniforme, Bernoulli, binomiale, di Poisson, geometrica (cap. 14)
  • Variabili continue: uniforme, esponenziale, Normale (cap. 14)
  • Teorema del limite centrale (cap. 16)
  • Variabili casuali doppie (cap. 15)
  • Normale bivariata (cap. 15)

 

Il programma è il medesimo per tutti gli studenti indipendentemente da fatto che riescano ad assistere alla totalità o maggior parte delle lezioni.

DESCRIPTIVE STATISTICS (MOD 1)

  • Descriptive statistics: the statistical population and the statistical units (ch. 1-2)
  • Frequency distributions and grafical representation (ch. 2)
  • Graphical representations (ch. 3)
  • Measures of position: mean and trimmed mean, mode, median, percentiles (ch. 4)
  • Measures of dispersion, Tchebychev's inequality (ch. 5-6)
  • Bivariate analysis and analysis of depencence, statistical dependence and interdependence (and their measures), dependence in mean (and its measures) (ch. 9-10-11)
  • Simple and composite index numbers (ch. 8)

PROBABILITY AND RANDOM VARIABLES (MOD 2)

  • Events and algebra of events (ch. 12)
  • Postulates (ch. 12)
  • Classical probability  (ch. 12)
  • Conditional probability (ch. 12)
  • Bayes' theorem (ch. 12)
  • Probability concepts under other approaches (ch. 12)
  • Discrete random variables (ch. 13)
  • Probability and cumulative probability functions (ch. 13)
  • Continuous random variables (ch. 13)
  • Density functions (ch. 13)
  • Expected value and variance of a random variable (ch. 13)
  • Important discrete random variables: uniform, Bernoulli, binomial, Poisson, geometric (ch. 14)
  • Important continuous random variables: uniform, exponential, Normal (ch. 14)
  • Central limit theorem (ch. 16)
  • Bivariate random variables (ch. 15)
  • Bivariate normal distribution (ch. 15)

 

The program is the same for all students regardless of whether they are able to attend all or most of the lessons

 

Oggetto:

Modalità di insegnamento

L’erogazione dell’insegnamento è esclusivamente in presenza, per un totale di 92 di cui 36 ore di didattica frontale MOD 1, 36 ore di didattica frontale MOD 2 e 20 ore di esercitazioni. Durante le lezioni frontali saranno presentati i contenuti teorici e saranno proposte molteplici applicazioni degli stessi con discussione dei risultati ottenuti. Tali aspetti verranno ulteriormente consolidati attraverso le esercitazioni.

Le lezioni si terranno a partire dal 21 febbraio 2022 il lunedì, martedì, giovedì e venerdì 10-12 in presenza (Aula Magna - Campus Luigi Einaudi - Lungo Dora Siena 100). Le esercitazioni tenute dalle prof.ssa Melis avranno luogo il giovedì dalle 8 alle 10. 

Teaching is provided only in person, for a total of 92 of which 36 hours of MOD 1 frontal teaching, 36 hours of MOD 2 frontal teaching and 20 hours of exercises. During the lectures the theoretical contents will be presented and multiple applications will be proposed with discussion of the results obtained. These aspects will be further consolidated through the exercises.

The lessons will be held starting from February 21, 2022 on Monday, Tuesday, Thursday and Friday 10-12 in presence (Aula Magna - Campus Luigi Einaudi - Lungo Dora Siena 100). The exercises held by Prof. Melis will take place on Thursdays from 8 to 10.

Oggetto:

Modalità di verifica dell'apprendimento

PROVA SCRITTA

La modalità di verifica dell’apprendimento è scritta in presenza e consta di due parti:

  • parte 1: 16 domande a risposta multipla relative a concetti teorici di base o a rapidi esercizi;
  • parte 2: quattro domande aperte con esercizi da svolgere e commentarne e/o domande di teoria riguardanti tutti gli argomenti del programma.

Per accedere alla parte 2 è necessario rispondere correttamente a 12 domande su 16 nella parte 1. Le prove che non raggiungono questo punteggio verranno considerate insufficienti.

Coloro che supereranno la parte 1 sosterranno la parte 2, che avrà luogo subito dopo la conclusione della parte 1.

La valutazione finale sarà così definita. Alla parte 1 verrà attribuito un punteggio corrispondente al numero di domande con risposta corretta (quindi massimo 16 punti). Per la seconda parte i docenti avranno a disposizione 14 punti, 7 per ogni modulo. Per il superamento della prova d'esame sarà necessario aver ottenuto un minimo di 2.5 punti per ogni modulo.

Per motivi organizzativi, gli studenti prenotati all'esame che non intendono sostenere la prova in quell'appello sono caldamente invitati a cancellare la propria iscrizione almeno 3 giorni prima dell'esame.

 

WRITTEN EXAM

The exam is written in presence and consists of two parts:

  • part 1: 16 multiple choice questions related to basic theoretical concepts or quick exercises;
  • part 2: four open questions with exercises to be carried out and commented on and / or theory questions regarding all the topics of the program.

To access part 2, 12 out of 16 questions in part 1 must be answered correctly. The student that does not reach this score will be considered insufficient.

Those who pass part 1 will take part 2, which will take place immediately after the conclusion of part 1.

The final evaluation will be defined as follows. Part 1 will be awarded a score corresponding to the number of questions with correct answers (therefore maximum 16 points). For the second part, teachers will have 14 points available, 7 for each module. To pass the exam, it must be obtained a minimum of 2.5 points for each module.

For organizational reasons, students booked for the exam who do not intend to take the test in that session are strongly advised to cancel their registration at least 3 days before the exam.

Oggetto:

Attività di supporto

Per l’insegnamento di “Analisi dei Dati e Probabilità” è previsto un supporto aggiuntivo nella forma di tutorato a piccoli gruppi. Verrà data comunicazione a inizio dell’insegnamento circa le modalità di accesso al servizio.

For the teaching of "Data Analysis and Probability" additional support is provided in the form of tutoring in small groups. At the beginning of the course, a communication will be given on how to access the service.

Testi consigliati e bibliografia



Oggetto:
Libro
Titolo:  
Statistica: principi e metodi
Anno pubblicazione:  
2018
Editore:  
Pearson education Italian
Autore:  
Giuseppe Cicchitelli, Pierpaolo D'Urso, Marco Minuzzò
Capitoli:  
cap da 1 a 16, appendici A, B e C
Obbligatorio:  
Si
Oggetto:

.



Oggetto:

Note

DSA E DISABILITA'

Gli studenti DSA o con disabilità sono invitati a contattare tempestivamente l'ufficio "Studenti con disabilità" ufficio.disabili@unito.it per essere appropriatamente presi in carico. Successivamente sono invitata a contattare i docenti, mettendo sempre il cc nelle comunicazioni l'ufficio "Studenti con disabilità". 

Per la tutela della privacy, si invitano gli studenti DSA e con disabilità a NON inviare per nessun motivo ai docenti i certificati medici attestanti la disabilità. 

Gli studenti DSA e con disabilità possono fare richiesta per sostenere gli esami con il supporto degli strumenti compensativi e/o delle misure dispensative consultando la seguente pagina Studenti DSA e con disabilità e compilando il Modulo. 

Le richieste di strumenti compensativi e/o delle misure dispensative per l'esame devono pervenire ai docenti non oltre 30 giorni dalla data dell'appello.

 

CONTATTI CON IL DOCENTE

Le docenti rispondono alle e-mail di studenti solo se provengono da indirizzo di posta UniTo. Le docenti non rispondono a e-mail non firmate e/o che chiedono informazioni già pubblicate sul sito di dipartimento, sulla scheda e/o sulla pagina Moodle dell'insegnamento.

 

RICEVIMENTO

Il ricevimento della Prof.ssa Nava sarà erogato online nella sua stanza webex (https://unito.webex.com/meet/consuelorubina.nava) su prenotazione martedì dalle ore 12:15 alle ore 13:15.

 

EMERGENZA SANITARIA

In relazione all’evolvere della situazione sanitaria, sulla base delle indicazioni di Ateneo, le modalità dell’esame nonché dell’erogazione della didattica potranno subire variazioni.

Students with (learning) disabilities are invited to promptly contact the "Students with disabilities" office ufficio.disabili@unito.it to be properly taken care of. Subsequently they are invited to contact the teachers, always including in the communications the "Students with disabilities" office.

For the privacy protection, students with (learning) disabilities are invited NOT to send medical documents certifying disability to the teachers for any reason.

Students with (learning) disabilities can apply to take exams with the support of compensatory tools and / or dispensatory measures by consulting the following page Students with (learning) disabilities and filling this form. 

Requests for compensatory instruments and / or dispensatory measures for the exam must reach the teachers no later than 30 days from the date of the exam.

 

Teachers reply to student emails only if they come from UniTo email addresses. Teachers do not reply to unsigned emails and / or requesting information already published on the department website, on the course sheet and / or on its Moodle page.

The office meeting of Prof. Nava will be provided online on her webex page (https://unito.webex.com/meet/consuelorubina.nava) by reservation on Tuesday from 12:15 to 13:15.

Oggetto:

Insegnamenti che mutuano questo insegnamento

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 19/07/2022 13:50