Course 2022-2023 a.y.

• Introduction to data sources, database, sampling.
• Description of qualitative data: classification of variables, univariate and bivariate analysis, graphical  representations.
• Description of quantitative data: summary measures, outliers detection, bivariate analysis, scatter plots.
• Probability and random variables(brief notes): standard distributions
• Introduction to inferential statistics: point and interval estimation, introduction to esting theory
• Test for bivariate analysis: test of indipendence, test on the difference of means.
• Simple regression and test on the coefficients.

• 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 based on sample data.
• Build simple statistical models, as regression models, to study the relationships between variables of interest.

• Face-to-face lectures

Paul Newbold, William Carlson and Betty Thorne, STATISTICS FOR BUSINESS & ECONOMICS 9e, 2019

• Nozioni introduttive: fonti dei dati, database, campionamento.
• Descrizione di dati qualitativi: classificazione delle variabili, analisi univariata e bivariata, rappresentazioni grafiche.
• Descrizione di dati quantitativi: misure di tendenza centrale e non centrale, individuazione dei dati anomali, analisi bivariata, rappresentazioni grafiche.
• Variabili aleatorie (cenni): probabilità, variabili aleatorie, distribuzioni notevoli.
• Introduzione all’inferenza statistica: stima puntuale e per intervallo, introduzione alla teoria dei test.
• Test per analisi bivariate: analisi di connessione, test sul confronto fra medie, test sul coefficiente di correlazione
• Regressione lineare semplice e test sui coefficienti.

• 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.

• Lezioni frontali

P. Newbold, W.L.Carlson, B. Thorne (2020). Statistica, 9/Ed, Pearson

L. Molteni, G. Troilo (2007). Ricerche di marketing, Milano, Mc Graw Hill