Vai al contenuto principale
Oggetto:
Oggetto:

Statistica (non attivo nell'a.a. 2020/2021)

Oggetto:

Statistics

Oggetto:

Anno accademico 2020/2021

Codice dell'attività didattica
ECM0062B
Insegnamento integrato
Corso di studi
Laurea magistrale in Economia dell'Ambiente, della Cultura e del Territorio - a Torino [0403M21]
Anno
1° anno
Tipologia
Caratterizzante
Crediti/Valenza
6
SSD dell'attività didattica
SECS-S/01 - statistica
Modalità di erogazione
Tradizionale
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa/Discretionary
Tipologia d'esame
Scritto
Prerequisiti
E' richiesta la conoscenza degli argomenti di un corso di base di Statistica (statistica descrittiva e concetti introduttivi di probabilità e inferenza)


The knowledge of the topics of a basic course of Statistics (descriptive statistics and introductory concepts of probability and inference)
Oggetto:

Sommario insegnamento

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:

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:

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. Proprietà degli stimatori. Introduzione alla stima di massima verosimiglianza, test d'ipotesi e intervalli di confidenza.
- Regressione lineare semplice: metodo di stima dei minimi quadrati, misure di adeguatezza del modello, distribuzione campionaria degli stimatori OLS, test d'ipotesi e intervalli di confidenza per un coefficiente di regressione, analisi della varianza, outliers e osservazioni influenti.
- Regressione lineare multipla: stimatori OLS, misure di adeguatezza del modello, distribuzione campionaria degli stimatori OLS, multicollinearità, test d'ipotesi e intervalli di confidenza per i coefficienti, metodi di selezione del modello.
Il programma dettagliato finale verrà reso disponibile sulla pagina web del corso.

- Probability: Conceptions of probability, probability of events, random variables and probability distributions, specific random variables,  
- Statistical inference: random sampling, sample statistics, point estimation, plug-in estimators. Sample mean and variance and their distribution for finite samples and asymptotics. Estimators properties. Introduction to maximum likelihood estimation. Hypothesis test and confidence intervals..
- Linear regression with one predictor: ordinary least squares estimation, measures of fit, sampling distribution of the OLS estimators, hypothesis test and confidence intervals for regression coefficients, analysis of variance, outliers and influential observations.
- Linear regression with multiple predictors: OLS estimation, measures of fit, sampling distribution of the OLS estimators, multicollinearity, hypothesis tests and confidence intervals for regression coefficients.

A detailed list of covered topics will be available on the course web page.

Testi consigliati e bibliografia

Oggetto:

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:

Note

Orario Lezioni

Il corso costituitsce uno dei due moduli di "metodi quantitativi per l'economia". Gli esami dei due moduli sono da considerarsi come esami distinti. Di conseguenza, in ciascun appello lo studente può, a scelta, sostenere l'esame di entrambi i moduli oppure di uno solo. In ogni appello le prove relative ai due moduli si svolgeranno in sequenza, una dopo l'altra per una durata di 1h30 ciascuna. Sarà reso noto quale modulo verrà svolto per primo. L'iscrizione va effettuata tramite il sistema ESSE3. Ciascuno dei due moduli può essere sostenuto al massimo 3 volte in un anno accademico - non contano gli eventuali ritiri dall'esame prima della fine dell'appello. Se il voto non è ritenuto soddisfacente per uno o entrambi i moduli, è possibile ridare gli esami corrispondenti: si deve rifiutare l'esito pubblicato su ESSE3 e ripresentarsi all'esame per i moduli da ripetere. In tal caso si rinuncia automaticamente alla votazione precedente del modulo che si ripete (anche in caso di ritiro), mentre viene mantenuta quella del modulo che non si ritenta. La votazione finale sarà data dalla media dei voti conseguiti nei 2 moduli nei più recenti tentativi.

The course is a part of the multi-module course "Quantitative methods for economics". The two parts of the course are followed by distinct exams. In each exam date a student can take both modules or just one of them. The tests for the two modules will take place in sequence, and will last 1 hour 30 min. each. For each exam date, the first module taking place will be specified. Students must register through the ESSE3 system to take part to exams. Each modules can be taken no more than 3 times a year - excluding cases when the candidate retires from the test before the end. If the mark obtained is too low for both or one of the two modules, students can re-take the test: in such a case one must refuse the global mark published on ESSE3, and register again to re-take the test for module desired. Please note that for this module the previous mark will be canceled, even in case of retirement. The mark for the module which is not re-taken will still be valid instead. The final mark is always the average of the marks assigned for the two modules.

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Oggetto:
Ultimo aggiornamento: 08/07/2020 12:14
Location: https://www.didattica-est.unito.it/robots.html
Non cliccare qui!