Course 2022-2023 a.y.

Il corso si articola nei seguenti punti:

• Raccolta, organizzazione e descrizione dei dati tramite distribuzioni di frequenza, grafici e indici.
• Studio delle relazioni fra due caratteri.
• Inferenza statistica e variabilità campionaria.
• Teoria della stima puntuale e per intervallo.
• Verifica di ipotesi.
• Modello di regressione lineare semplice e cenni a quello multiplo.

• Comprendere la diversa natura dei dati.
• Distinguere le tecniche di analisi descrittiva da quelle inferenziali ed essere in grado di identificare quella più appropriata per il problema oggetto di studio.
• Riconoscere semplici modelli statistici.

• Sintetizzare in modo appropriato un insieme di dati.
• Stimare e verificare ipotesi su parametri non noti di una popolazione a partire da dati campionari.
• Costruire semplici modelli statistici, quali quelli di regressione, volti a studiare le relazioni fra le diverse variabili di interesse.
• Utilizzare il software R al fine di determinare le soluzioni dei precedenti problemi.

• Lezioni frontali
• Esercitazioni (esercizi, banche dati, software etc.)
• Analisi casi studio / Incidents guidati (tradizionali, multimediali)

L'attività di insegnamento-apprendimento di questo corso prevede, oltre alle tradizionali lezioni frontali, lezioni/esercitazioni in cui si utilizza il software R – e in particolare l’ambiente di sviluppo integrato (IDE) RStudio – per analizzare le diverse tecniche statistiche illustrate. In particolare, durante le esercitazioni e i tutoraggi gli studenti possono utilizzare il loro pc per condurre insieme al docente analisi dei dati volte alla risoluzione di specifici problemi, e interpretare i risultati ottenuti.

La valutazione, identica sia per studenti frequentanti che non frequentanti, avviene attraverso due possibili modalità: 1) due prove parziali 2) una prova generale.

Le due prove parziali sono organizzate in modo identico, e constano ciascuna di due parti. La prima parte consiste in esercizi da risolvere manualmente e da domande di teoria, e viene valutata con un punteggio massimo di 26 punti. La seconda parte – svolta dagli studenti sul proprio laptop – consiste nell’analisi di un dataset utilizzando il software R/RStudio, e viene valutata con un punteggio massimo di 5 punti.

Ognuna delle prove parziali viene valutata con un voto massimo pari a 31/30, e si considera superata con un voto maggiore o uguale a 15. Se la prima e la seconda prova parziale sono entrambe superate, il voto finale nell’esame è dato dalla media dei voti nelle due prove. Il voto massimo è di 31/30, e l’esame si ritiene superato solo se tale voto risulta maggiore o uguale a 18. Un voto pari a 31/30 comporta l’assegnazione della lode.

La prova generale è anch’essa articolata in una parte svolta in modo tradizionale, valutata con un punteggio massimo di 26 punti, e una parte – svolta dagli studenti sul proprio laptop – consistente nell’analisi di un dataset utilizzando il software R/RStudio, che viene valutata con un punteggio massimo di 5 punti. Il voto massimo è di 31/30, e l’esame si ritiene superato solo se tale voto risulta maggiore o uguale a 18. Un voto pari a 31/30 comporta l’assegnazione della lode.

Entrambe le modalità mirano a verificare:

• La capacità di identificare la metodologia corretta per risolvere un dato problema.
• La comprensione della logica sottostante una determinata procedura.
• La capacità di calcolare specifici indicatori statistici a mano e con il software.
• La capacità di proporre un modello statistico, coerente con le ipotesi e con i dati assegnati, e di implementarlo in R/RStudio.
• La capacità di interpretare l'output del software.

• P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistica, Milano, 9/Ed. Pearson (2021).
• Nota sulle Distribuzioni di frequenza disponibile sulla piattaforma Bboard del corso.
• Materiale specifico sull'uso del software R disponibile sulla piattaforma Bboard. 

The course covers the following topics:

• Collection, management and summary of data using frequency distributions, graphical representations and summaries.
• Study of the relationship between two variables.
• Statistical inference and sampling variability.
• Theory of point estimation and confidence intervals.
• Hypothesis testing.
• Simple regression model and brief introduction to the multiple regression model.

• Recognize different types of data.
• Understand the difference between the tools of descriptive and inferential statistics, and identify the most suitable approach for the problem at hand.
• Recognize simple statistical models.

• Properly summarize a dataset.
• Estimate, and test hypotheses on, the unknown parameters of a population on the basis of sample data.
• Build simple statistical models, as regression models, aimed at studying the relationships  between variables of interest.
• Use the R software to address the aformentioned issues.

• Face-to-face lectures
• Exercises (exercises, database, software etc.)
• Case studies /Incidents (traditional, online)

Beyond traditional classes, the course features hands-on classes, where the statistical software R - and in particular the integrated development environment (IDE) RStudio - is used to apply basic statistical analyses to data. More specifically, during these sessions students will use their laptop to address specific issues, and to interpret the obtained results.

The assessment method, both for attending and not-attending students, consists of 1) two midterm exams or 2) a general exam.

The two midterms are articulated into two parts. The first part, consisting in a traditional written exam with theoretical questions and traditional “paper and pencil” derivation exercises, is graded 26 points maximum. The second part consists of the analysis of a dataset using R/Rstudio (installed on each student’s laptop), and is graded 5 points maximum. The maximum grade in each midterm is 31/30.

To pass the exam, a grade higher than or equal to 15 is required in both midterms, and an average of at least 18 points. A final grade equal to 31 is rewarded cum laude.

The general exam is organized as the midterms, and consists of a first traditional part (theoretical questions and “paper and pencil” exercises) graded 26 points maximum, and of a second part with problems to be solved using R/Rstudio (installed on each student’s laptop), graded 5 points maximum. The maximum grade in the exam is 31/30; The exam is passed with a grade higher than or equal to 18. A final grade equal to 31 is rewarded cum laude.

The exam aims at assessing:

• The ability to identify the proper methodology to solve a given problem.
• The understanding of the logic underlying a certain procedure.
• The ability to compute appropriate statistical measures with both a pocket calculator and a statistical software.
• The ability of suggesting and implementing with R a statistical model, consistent with both the assumptions stated and the data at hand.
• The ability to understand the software output.

• P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistics for Business and Economics, Pearson/Prentice Hall, 9th global edition (2019). 

• Additional teaching note on Frequency Distributions, available on the Bboard platform.

• A specific manual on the use of R/Studio available on the Bboard platform.