30001 - STATISTICA / STATISTICS
CLEAM - CLEF - BESS-CLES - CLEACC - BIEF - BIEM
Department of Decision Sciences
For the instruction language of the course see class group/s below
Go to class group/s: 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 15 - 16 - 17 - 18 - 21 - 22
CLEAM (8 credits - I sem. - OBBC | SECS-S/01) - CLEF (8 credits - I sem. - OBBC | SECS-S/01) - BESS-CLES (8 credits - I sem. - OBBC | SECS-S/01)
Course Director:
PIERO VERONESE
PIERO VERONESE
Classi: 1 (I sem.) - 2 (I sem.) - 3 (I sem.) - 4 (I sem.) - 5 (I sem.) - 6 (I sem.) - 7 (I sem.) - 8 (I sem.) - 9 (I sem.) - 10 (I sem.) - 13 (I sem.)
Docenti responsabili delle classi:
Classe 1: PAOLA PAGANI, Classe 2: LUCA MOLTENI, Classe 3: GIANNA SERAFINA MONTI, Classe 4: CLAUDIO GIOVANNI BORRONI, Classe 5: PAOLA PAGANI, Classe 6: DANIELE TONINI, Classe 7: EMILIANO SIRONI, Classe 8: ALESSANDRO RECLA, Classe 9: SERGIO VENTURINI, Classe 10: ELENA POLI, Classe 13: PIERO VERONESE
Classe 1: PAOLA PAGANI, Classe 2: LUCA MOLTENI, Classe 3: GIANNA SERAFINA MONTI, Classe 4: CLAUDIO GIOVANNI BORRONI, Classe 5: PAOLA PAGANI, Classe 6: DANIELE TONINI, Classe 7: EMILIANO SIRONI, Classe 8: ALESSANDRO RECLA, Classe 9: SERGIO VENTURINI, Classe 10: ELENA POLI, Classe 13: PIERO VERONESE
Classe/i impartita/e in lingua italiana
Obiettivi formativi del corso
Il corso si propone di illustrare come organizzare ed analizzare un insieme reale di dati e al tempo stesso presentare i principali concetti del ragionamento statistico, sia descrittivo sia inferenziale. Nell'ambito dell'inferenza statistica vengono utilizzati alcuni elementi di calcolo delle probabilità e teoria delle variabili aleatorie presentati nel corso di Matematica - Modulo 2 (Applicata). Il software Excel è utilizzato per illustrare le diverse metodologie.
Risultati di Apprendimento Attesi
Programma sintetico del corso
- Il corso si articola nei seguenti punti
- Raccolta, organizzazione e descrizione dei dati tramite distribuzioni di frequenza, rappresentazioni grafiche ed indici sintetici di posizione e di variabilità.
- Studio delle relazioni fra due caratteri tramite tabelle a doppia entrata, diagrammi di dispersione, indicatori di dipendenza (quali covarianza e coefficiente di correlazione lineare) e interpolazione lineare.
- Inferenza statistica: popolazione statistica, campionamento, variabilità campionaria e principali statistiche.
- Teoria della stima puntuale e per intervallo.
- Verifica di ipotesi parametriche con particolare attenzione a quelle sulla media e sulla proporzione di successi, test sulla varianza (solo per le classi CLEF e CLES), test di adattamento ad una distribuzione e test di indipendenza in tabelle a doppia entrata.
- Modello di regressione lineare semplice: valutazione del modello, stima dei parametri e previsione.
- Cenni sul modello di regressione multiplo (solo per le classi CLEAM).
Modalità didattiche
Modalità di accertamento dell'apprendimento
Descrizione dettagliata delle modalità d'esame
L'esame può essere svolto in due modalità differenti
- Due prove scritte parziali (una a metà e l'altra alla fine del corso) comprendenti esercizi e domande di teoria.
- Una prova scritta generale comprendente esercizi e domande di teoria.
Ulteriori informazioni vengono pubblicate, unitamente al programma dettagliato del corso, sull'Agenda yoU@B.
Testi d'esame
- P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistica, Milano, Pearson/Prentice Hall, 2010, II edizione.
- Nota sulle "Distribuzioni di frequenza" disponibile sulla piattaforma Blackboard del corso.
Prerequisiti
Conoscenza della parte di probabilità svolta nel corso di Matematica - Modulo 2 (Applicata) e dell'uso del software Excel.
Modificato il 09/05/2017 10:12
Course Director:
EUGENIO MELILLI
EUGENIO MELILLI
Class group/s taught in English
Course Objectives
The course has two main purposes. First, the course aims at introducing the statistical tools assumed as indispensable for an undergraduate student in economics. Second, the course intends to enhance modelling capabilities needed for a better understanding of social and economic phenomena. Moreover, models construction and their analysis are the basis for dealing with decisions under uncertainty. The different topics are introduced starting from real situations and phenomena in order to stress the applied relevance of the concepts and methodological tools. Students are introduced to the use of data-processing tools for the presentation and the analysis of economic and business data.
Intended Learning Outcomes
Course Content Summary
Elements of descriptive statistics
- Statistical variables, population and sample. Survey. Data representation and analysis through tables and charts. Frequency distributions.
- Measures of position, dispersion, concentration and association.
- Basic probability rules. Law of total probability. Bayes theorem.
- Discrete and continuous random variables. Probability distributions. Expected value and variance.
- Bernoulli distribution. Binomial distribution. Gaussian distribution. Student t and chi-square distributions. Statistical tables. Independent random variables, central limit theorem.
- Point and interval estimation of means, proportions and variances. Interval length and confidence level.
- Hypothesis testing on means, proportions, variances and difference of means. Level of a test. P-value. Test of independence.
- Simple linear regression. Inference on the parameters of the model. Testing the significance of the independent variable. Variability decomposition and R-square.
- Multiple linear regression. Inference on the parameters of the model. Testing the significance of each independent variable, of a group of variables and of the overall model. Variability decomposition and R-square.
Teaching methods
Assessment methods
Detailed Description of Assessment Methods
For attending students
The exam can be taken in two alternative ways:
A single written exam with maximum grade 31.
The exam can be taken in two alternative ways:
- Two partial written exams, each with maximum grade 28, and an assignment (with a maximum score of 3 points) to be done individually or in group of at most 5 students. The final grade is obtained by adding the score of the assignment to the arithmetic average of the grades of the two partial exams.
- A written general exam, with maximum grade 28, and an assignment (with a maximum score of 3 points) to be done individually or in group of at most 5 students. The final grade is obtained as the sum of the grade of the written exam and the score of the assignment.
A single written exam with maximum grade 31.
Textbooks
- P. NEWBOLD, W.L. CARLSON, B. THORNE, Statistica, Pearson, 2014.
- P. NEWBOLD, W.L. CARLSON, B.M. THORNE, Statistics for Business and Economics, Pearson, 2013.
Prerequisites
Basic notions of Mathematics.
Last change 26/04/2017 12:00
Course Director:
PIERO VERONESE
PIERO VERONESE
Instructors:
Class 15: MATTIA VITTORIO ORESTE COZZI, Class 16: SIMONE PADOAN, Class 17: FEDERICO ANDREIS, Class 18: RENATA TRINCA COLONEL, Class 21: MAURIZIO POLI, Class 22: EMILIO GREGORI
Class 15: MATTIA VITTORIO ORESTE COZZI, Class 16: SIMONE PADOAN, Class 17: FEDERICO ANDREIS, Class 18: RENATA TRINCA COLONEL, Class 21: MAURIZIO POLI, Class 22: EMILIO GREGORI
Class group/s taught in English
Course Objectives
The course explores techniques for collecting and analyzing data. Concepts of statistical thinking, both descriptive and inferential, are covered. In order to better understand the inferential techniques, the course uses the fundamentals of probability theory and random variables as taught in the course of Mathematics - Module 2 (Applied). The focus is on analyzing real data, and methods are illustrated with the use of Excel.
Intended Learning Outcomes
Course Content Summary
The course focuses on the following aspects
- Data collection and description through frequency distributions, graphical representation methods, and measures of location and spread.
- The study of the relationship existing between two variables using two-way frequency tables, scatterplots, and measures of dependence (covariance and linear correlation coefficient). Linear interpolation.
- Statistical Inference: population, sample, sampling variability and main statistics.
- Point and interval estimation.
- Parametric hypothesis testing for the population mean and the proportion of successes. Test on variance (only for CLEF and CLES classes). Goodness of fit test and test of independence in two-way tables.
- Simple linear regression model: explanatory power of the model, parameter estimation, forecasting. Mentions on multiple linear regression model (only for CLEAM classes).
Teaching methods
Assessment methods
Detailed Description of Assessment Methods
The exam can be taken in two alternative ways:- Two partial written exams (one in the middle and one at the end of the course), with exercises and questions about theory.
- A written general exam with exercises and questions about theory.
Two assignments are administered (one within the beginning of October, one in November). Each assignment provides a score of up to two points,
which are added to the grade received on the partial exam immediately following each assignment. The scores received on the two assignments are
only applied to the partial exams of the academic year (not to any general exam). The assignments are administered through an on-line platform that
can be accessed using the code provided in each new copy of the textbook, both in paper or electronic version.
Further information are published, with the detailed syllabus for the course, in yoU@B Diary.
Textbooks
- P. NEWBOLD, W.L. CARLSON, B.M. THORNE, Statistics for Business and Economics, Pearson, 2013, 8th edition.
- Note on "Frequency Distributions", available on the Blackboard platform of the course.
Prerequisites
Knowledge of probability theory from the Mathematics - Module 2 (Applied) course, and use of Excel.
Last change 09/05/2017 10:15
Course Director:
EUGENIO MELILLI
EUGENIO MELILLI
Classe/i impartita/e in lingua italiana
Obiettivi formativi del corso
Il corso, di natura istituzionale, ha essenzialmente due obiettivi: da una parte si propone di fornire allo studente quegli strumenti statistici ritenuti indispensabili nella preparazione di un laureato in materie economico-aziendali e utili ai fini dello svolgimento della tesi di laurea. Dall'altra parte, il corso mira a favorire nello studente la formazione della capacità di modellizzazione della realtà, necessaria per l'analisi quantitativa di fenomeni economici e sociali e per la conseguente predisposizione di strumenti idonei per l'assunzione di decisioni in condizioni di incertezza. La presentazione degli argomenti è motivata da situazioni e fenomeni reali, in modo da porre in evidenza l'applicabilità dei concetti e delle metodologie introdotte. Nel corso si fa uso di strumenti informatici per la presentazione e l'analisi di dati e fenomeni di natura economica ed aziendale.
Risultati di Apprendimento Attesi
Programma sintetico del corso
Elementi di statistica descrittiva
- Unità e carattere statistico. Popolazione e campione. Indagini statistiche. Raccolta, analisi e rappresentazione di dati attraverso tabelle e grafici. Distribuzioni di frequenze.
- Misure di posizione, di variabilità, di concentrazione, di associazione.
- Regole di base della probabilità. Teorema delle probabilità totali. Teorema di Bayes.
- Variabili aleatorie discrete e continue. Distribuzioni di probabilità. Valore atteso e varianza.
- Distribuzione bernoulliana, distribuzione binomiale, distribuzione gaussiana. Distribuzioni t di student e chi-quadro. Lettura delle tavole statistiche. Variabili aleatorie indipendenti e teorema centrale del limite.
- Stima puntuale e mediante intervalli di confidenza di medie, proporzioni e varianze. Livello di confidenza e lunghezza di un intervallo.
- Verifica di ipotesi sulla media, sulla proporzione, sulla varianza e sulla differenza di medie. Livello di un test. P-value. Test di indipendenza.
- Modello di regressione lineare semplice. Problemi inferenziali sui parametri del modello di regressione. Test per la significatività della variabile esplicativa. Scomposizione della variabilità e coefficiente di determinazione.
- Modello di regressione lineare multipla. Problemi inferenziali sui parametri del modello di regressione. Test per la significatività delle singole variabili esplicative, di gruppi di variabili e del modello nel suo complesso. Uso di variabili esplicative qualitative. Scomposizione della variabilità e coefficiente di determinazione.
Modalità didattiche
Modalità di accertamento dell'apprendimento
Descrizione dettagliata delle modalità d'esame
Per i frequentanti
L’esame può essere superato in accordo ad una delle seguenti modalità
Per i non frequentanti
Prova scritta (sull'intero programma) con votazione massima pari a 31.
L’esame può essere superato in accordo ad una delle seguenti modalità
- Due prove parziali in forma scritta, ciascuna con votazione massima pari a 28, e un assignment da svolgere individualmente o in gruppo (di al più 5 studenti) con votazione massima di 3 punti. Il voto finale è ottenuto dalla media dei voti delle prove parziali, alla quale viene sommato il punteggio riportato nell’assignment.
- Una singola prova in forma scritta (su tutto il programma) con votazione massima pari a 28, e un assignment da svolgere individualmente o in gruppo (di al più 5 studenti) con votazione massima di 3 punti. Il voto finale è ottenuto sommando al voto della prova scritta il punteggio riportato nell’assignment.
Per i non frequentanti
Prova scritta (sull'intero programma) con votazione massima pari a 31.
Testi d'esame
- P. NEWBOLD, W.L. CARLSON, B.M. THORNE, Statistica, Pearson, 2014.
- P. NEWBOLD, W.L. CARLSON, B.M. THORNE, Statistics for Business and Economics, Pearson, 2013.
Prerequisiti
Elementi base di Matematica.
Modificato il 26/04/2017 12:00