Corsi di Studio del Dipartimento di Economia e Statistica "Cognetti de Martiis"

Più dettagliatamente sono richieste le nozioni di:

-variabile casuale (continua e discreta)
-valore atteso
-varianza
-distribuzione uniforme
-distribuzione bernoulliana
-distribuzione binomiale
-distribuzione gaussiana
-distribuzione esponenziale
-indipendenza stocastica
-somme di variabili casuali indipendenti
-teorema centrale del limite

Bisogna inoltre saper ottimizzare una funzione di una o più variabili reali (v. programma dettagliato dell'insegnamento "Matematica per le Scienze Sociali").

- Favorire l'acquisizione critica dei  principi che governano il ragionamento statistico induttivo;

- formare la  capacità di sviluppare analisi inferenziali in autonomia e di interpretare correttamente le analisi inferenziali di base sviluppate da altri in letteratura, in report aziendali, nei media e in generale nel mondo esterno;

- stimolare l'attitudine ad una efficace e corretta comunicazione dei risultati dei  processi inferenziali.

 Lo studente alla fine dell'insegnamento avrà sviluppato le capacità di:

1. inferire sulle caratteristiche incognite di una popolazione statistica applicando i principali metodi di stima puntuale e mediante intervalli;

2. verificare ipotesi usando appropriati test statistici;

3. comparare e discutere criticamente differenti soluzioni inferenziali ad un problema assegnato.

 Lezioni frontali di due ore ciascuna (Aula 7-Palazzina Einaudi) al giovedì e venerdì dalle h.14 alle h.16.

Tutte i file pdf delle lezioni saranno successivamente disponibili alla pagina Moodle dell'insegnamento (v. tasto sotto).

In caso di dubbi, scrivetemi: cinzia.carota@unito.it

La verifica dell'apprendimento in presenza avviene mediante un esame scritto in cui lo studente è chiamato a risolvere  esercizi includenti anche domande teoriche circa gli strumenti necessari alla soluzione. A ciascun esercizio è associato un punteggio la cui somma ammonta a 30. In questo modo si verificano:

-la conoscenza estensiva del programma del corso,

-la  capacità di applicare strumenti opportuni per la soluzione di un dato problema, e

-la capacità di comunicare sinteticamente, in forma scritta,  la natura e le proprietà dello strumento adottato per la soluzione.

Il tempo assegnato è di un'ora.

La valutazione avviene in trentesimi.

La sufficienza è raggiunta raggiungendo almeno un punteggio di 18 trentesimi. 

Saranno resi disponibili esercizi di autoverifica sulla pagina Moodle dell'insegnamento.  Saranno inoltre messe a disposizione prove di esame passate al fine di calibrare il tempo e familiarizzare con la struttura degli esercizi proposti.

Esercitazioni e tutorato disciplinare (si vedano le rispettive pagine Moodle).

Le esercitazioni iniziano il 2 ottobre e si svolgono tutti i lunedì, h.18-20, in aula D1 (prof. Giuseppe De Donno: https://elearning.unito.it/scuolacle/course/view.php?id=2088) e tutti i martedì, h.18-20, in aula D1 (prof. Daniele Grossi:https://elearning.unito.it/scuolacle/course/view.php?id=982).

Il tutorato disciplinare inizierà nel corso del mese di ottobre (prof. Daniele Grossi).

   Elenco dei temi trattati:

- forme elementari di campionamento da popolazioni statistiche
- costruzione di riassunti dei dati e loro distribuzioni
- introduzione alla stima puntuale: metodo di stima basato sulla massimizzazione della verosimiglianza e metodo dei momenti.
- principali proprietà degli stimatori
- metodo della quantità pivotale per la costruzione di intervalli di confidenza,
- intervalli di confidenza per i parametri di una popolazione normale,
- intervalli di confidenza asintotici,
- verifica delle ipotesi statistiche

Il programma è lo stesso per student* che possono partecipare a tutte o alla maggior parte delle lezioni  e per coloro che non possono.

Dettagli settimanali sullo svolgimento del programma possono essere trovati nelle pagina Moodle del corso:

https://elearning.unito.it/scuolacle/enrol/index.php?id=2533 

In aggiunta a

- Appunti delle lezioni.

- Cicchitelli G., D'Urso P., Minuzzò M., Statistica: principi e metodi,  2018. Pearson Education, cap. 17-20.

si possono consultare i capitoli corrispondenti in:

-Simone Borra, Agostino di Ciaccio Statistica, Metodologie per le scienze economiche e sociali - McGraw-Hill (textbook for "Analisi dei dati e Probabilità")
-Anna Clara Monti, Introduzione alla statistica, Edizioni Scientifiche Italiane, 2003.
-Sheldon M. Ross Probabilità e Statistica per l’Ingegneria e le scienze McGraw-Hill, Milano, ultima edizione
-Douglas C. Montgomery, George C. Runger, Norma F. Hubele, Statistica per l’ingegneria Egea, Milano
-Cicchitelli G., Statistica. Principi e metodi. Pearson Education, (Seconda Edizione, 2012 )     
-P. Newbold, W.L. Carlson, B. Thorne, Statistica, Pearson/Prentice Hall, Milano, 2010, 2a ed. (Chap. 7-11).
-Iacus S.M., G. Masarotto, «Laboratorio di statistica con R», McGraw-Hill,Milano, 2003.
-Iacus S.M., Statistica, McGraw-Hill, seconda edizione.

- Gli studenti Erasmus possono chiedere di sostenere l'esame in Inglese. La richiesta deve raggiungere il docente almeno 30 giorni prima della data dell'esame.

-Si raccomanda l'iscrizione all'insegnamento su Campusnet, poichè ogni comunicazione con gli iscritti avverrà attraverso la funzione "Invia una mail agli studenti registrati".

-DSA E DISABILITA'

-CONTATTI CON IL DOCENTE

La docente risponde alle e-mail di studenti solo se provengono da indirizzo di posta UniTo. La docente non risponde 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 Carota sarà erogato in presenza oppure online, nella sua stanza 3D1 n.12 al giovedì h.13 o nella stanza webex (https://unito.webex.com/meet/cinzia.carota), su appuntamento (prenotazione via mail con oggetto: RICEVIMENTO TSD).