Parte I – Statistica su popolazioni
Concetti generali: collettivo, caratteri e modalità, scale di misura. Variabile statistica (v.s.).
V.s. quantitative: dati reali e dati in classi. Funzione di ripartizione (cdf) e sua caratterizzazione. Funzione di densità. Diagrammi a bastoni e istogramma.
Valori medi secondo Cauchy. Valore centrale e moda. Definizione e calcolo di quantili. Box-plot. Trasferibilità e media aritmetica. Proprietà di linearità, nullità degli scarti e minimi quadrati. Medie alla Chisini.
Variabilità e sua misura. Intervalli di variazione e scostamenti medi. Varianza, proprietà e relativizzazione. Indici di forma.
V.s. qualitative: distribuzioni, rappresentazioni grafiche, eterogeneità, indice di Gini.
V.s. doppia: distribuzioni congiunta, marginali e condizionate. Definizione di indipendenza. Indice Chi quadro e V di Cramer.
Medie e varianze condizionate. Teoremi della media e della varianza totale. Funzione di regressione e suo grafico. Correlazione e Eta quadro. Modello di regressione e proprietà dell’errore.
Covarianza e sue proprietà, Correlazione lineare e indice rho quadro.
Funzione di regressione lineare e calcolo dei parametri. Uso di interpolanti lineari e metodo OLS. Analisi dei residui e bontà di adattamento: rapporto di determinazione. Impiego di dummy.
Parte II – Calcolo delle probabilità e inferenza
Esperimento casuale, eventi, incompatibilità, sigma algebra. Definizione di probabilità secondo Kolmogorov. Calcolo di una probabilità: approcci classico e frequentista. Probabilità condizionate, indipendenza stocastica, formula di Bayes e teoremi della probabilità composte e totali.
Variabili aleatorie (v.a.). Cdf, funzione di densità, quantili. Calcolo dei momenti per v.a. discrete e continue. Alcuni modelli: Uniforme, Bernoulliana, Binomiale, Geometrica, Poisson, Rettangolare, Esponenziale. V.a. Normale: Normale standard, trasformazioni lineari e standardizzazione, calcolo dei momenti.
Inferenza: parametri, campioni iid, statistiche e stimatori. Consistenza, disuguaglianza di Chebichev, teorema centrale limite.
Stime puntuali basate su plug-in. Media empirica: correttezza, consitenza e legge limite. Varianza empirica: media e versione corretta, legge limite. Coefficiente di regressione empirico. Intervalli di confidenza mediante v.a. pivot. Introduzione alla verifica d’ipotesi (media, proporzione, coefficiente di regressione). Ipotesi nulla e alternativa. P-value.
Part I – Statistics for Populations
The population and the variables. Frequency distributions and graphics. Analysis of quantitative variables: the cumulative distribution functions and the quantiles. Measures of the central tendency. Chisini’s average. Measures of absolute and relative variability. Measures of shape. Analysis of qualitative variables: the heterogeneity.
The joint distributions, the marginal and the conditional distributions. The study of the dependence and the Chi square index. Total mean and variance theorems. Correlation and eta square index. Linear correlation and covariance. The regression model. The ordinary least square (OLS) method for the linear model. Analysis of residuals and goodness of fit.
Part II – Elements of Probability and Inference
The random experiments and the probability space. Probability measure on finite sample spaces. Conditional probability and independence. Bayes rule. The random variables and probability distributions. Moments. Some useful probability distributions: Uniform, Bernoulli, Binomial, Geometric, Poisson; Rectangular, Exponential). Normal r.v.: standard normal, linear transformations, computation of moments. The inferential paradigm. Parameters, statistics and estimators. Asymptotic statistics: consistency, the Central Limit Theorem and the plug-in principle. The point estimation and the asymptotic confidence intervals for mean, proportion, variance and regression coefficient. Introducing hypothesis testing (for a mean, a proportion and a regression coefficient). P-value: calculation and interpretation.
Follow us :