Insegnamento STATISTICA
| Nome del corso | Economia aziendale |
|---|---|
| Codice insegnamento | 20007009 |
| Sede | PERUGIA |
| Curriculum | Comune a tutti i curricula |
| CFU | 9 |
| Regolamento | Coorte 2018 |
| Erogato | Erogato nel 2019/20 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Statistico-matematico |
| Settore | SECS-S/01 |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Suddivisione |
STATISTICA - Cognomi A-L
| Codice | 20007009 |
|---|---|
| Sede | PERUGIA |
| CFU | 9 |
| Docente responsabile | Elena Stanghellini |
| Docenti |
|
| Ore |
|
| Attività | Caratterizzante |
| Ambito | Statistico-matematico |
| Settore | SECS-S/01 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | Italiano |
| Contenuti | Il modulo permette di acquisire gli strumenti per la comprensione degli studi quantitativi di base con cui un laureato in economia deve confrontarsi e fornisce i primi rudimenti necessari per una corretta progettazione, implementazione e presentazione di un'analisi statistica.L'obiettivo principale dell'insegnamento è pertanto quello di abituare lo studente ad interpretare i dati. Le principali conoscenze acquisite saranno: a) gli elementi di base della statistica descrittiva: popolazione obiettivo, tipi di caratteri, distribuzioni di frequenza e di quantità, concetto di media, di varianza, di dipendenza e associazione fra due caratteri e b) gli elementi di base della statistica inferenziale: nozioni di probabilità, campione casuale, stima puntuale o per intervallo di una media, di una frequenza, di una varianza e relative verifiche d'ipotesi.La comprensione delle analisi statistiche prodotte da altri e la loro valutazione critica costituisce un elemento fondamentale nella formazione del laureato in Economia aziendale. L'obiettivo minimale del corso, pertanto, è quello di fornire la conoscenza adeguata a questo scopo.L'obiettivo massimale del corso è invece quello di fornire le conoscenze di base necessarie per lo svolgimento di analisi statistiche e per la produzione di studi quantitativi metodologicamente corretti. |
| Testi di riferimento | G. Cicchitelli, P. D’Urso e M. Minozzo, Statistica - Principi e metodi (terza edizione), Pearson, Milano, 2017. |
| Obiettivi formativi | Il corso si propone di fornire la conoscenza di base per l'analisi quantitativa dei fenomeni, con particolare enfasi ai fenomeni economici.Statistica descrittivaSaranno forniti gli strumenti di rappresentazione, analisi e sintesi dei dati statistici. Essi includono la rappresentazione mediante distribuzioni di frequenza e di quantità, il calcolo di indici sintetici (numeri indici, medie e indici di variabilità) e i primi rudimenti dello studio delle relazioni fra due fenomeni (dipendenza, regressione e correlazione). Statistica inferenzialeIl corso si propone di fornire la strumentazione teorica affinché, dalle analisi su un campione statistico, si possano desumere informazioni sulla popolazione di appartenenza. Verranno introdotti i concetti di probabilità, variabili casuale, indipendenza, insieme alle nozioni di combinazione lineare di variabili casuali, legge dei grandi numeri e del teorema del limite centrale. I primi rudimenti della teoria della stima e della verifica di ipotesi saranno oggetto di approfondimento. |
| Prerequisiti | Nozioni di matematica tipiche del primo modulo di Matematica Generale. |
| Metodi didattici | Sei ore di didattica frontale e due di esercitazione ogni settimana |
| Altre informazioni | E’ data agli studenti la possibilità di seguire esercitazioni al computer mediante il software statistico R. |
| Modalità di verifica dell'apprendimento | Esame scritto obbligatorio; esame orale facoltativo. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | L’insegnamento è suddiviso in due moduli di uguale peso. Il Modulo I è detto Statistica descrittiva, il Modulo II è detto Statistica inferenziale.Statistica descrittiva - ModuloI Nozioni introduttive: cenni storici sullo sviluppo della Statistica; la Statistica nelle scienze empiriche; la Statistica nelle attività operative e nella vita quotidiana; cenni sulle fonti statistiche; terminologia essenziale; misurazione dei caratteri; genesi dei dati statistici; raccolta dei dati; matrice dei dati. Confronti tra grandezze: rapporti di composizione; rapporti di coesistenza; rapporti di derivazione; numeri indici; variazioni percentuali; altri rapporti statistici. Distribuzioni statistiche: distribuzioni statistiche disaggregate; distribuzioni di frequenza; frequenza assoluta; frequenza relativa; frequenza cumulata; raggruppamento in classi; densità di frequenza; uniforme distribuzione delle unità nelle classi; distribuzioni doppie e multiple; distribuzioni di quantità; serie storiche; serie territoriali. Rappresentazioni grafiche: diagramma ad aste; istogramma di frequenza; rappresentazione delle serie sconnesse; grafico a ripartizione percentuale; grafico a settori circolari; rappresentazione delle serie storiche; rappresentazione delle serie territoriali; problemi di scala. Medie: media aritmetica e sue proprietà; media geometrica; media quadratica; medie analitiche per dati raggruppati; medie analitiche ponderate; mediana; quartili e quantili per le distribuzioni disaggregate; quartili e quantili per dati raggruppati; valore centrale; moda; criteri di scelta della media. Variazioni percentuali medie; numeri indici complessi; formula di Laspeyres. Variabilità: variabilità per distribuzioni secondo caratteri non trasferibili; scostamento semplice medio; deviazione standard; proprietà degli scostamenti medi; campo di variazione; differenza interquartile; indici di variabilità percentuali; coefficiente di variazione; concentrazione; misura della concentrazione; indice G e sue proprietà; interpretazione geometrica di G; indice di concentrazione R. Asimmetria: simmetria e asimmetria; indici di asimmetria Grafici e costanti caratteristiche: come desumere le costanti caratteristiche dai grafici; diagramma a scatola. Analisi della dipendenza: distribuzioni doppie; distribuzioni marginali e distribuzioni condizionate; rappresentazioni grafiche; nozioni di dipendenza e indipendenza. Regressione: regressione lineare semplice; determinazione dei parametri con il metodo dei minimi quadrati; adattamento della retta di regressione ai dati; scomposizione della devianza; indice e sue proprietà; diverse scritture dell'indice di determinazione; regressione nelle serie storiche; errore medio di predizione. Correlazione: definizione di correlazione; coefficiente di correlazione di Bravais e sue proprietà. Statistica inferenziale - Modulo II Probabilità: esperimenti casuali; spazio campionario ed eventi; operazioni su insiemi; probabilità; interpretazione della probabilità; calcolo delle probabilità; probabilità condizionata; indipendenza. Variabili casuali: variabili casuali discrete; media e deviazione standard; variabili casuali standardizzate; variabili casuali continue; media e deviazione standard; quantili; variabili casuali doppie discrete; funzione di probabilità congiunta e funzioni di probabilità marginali; covarianza; variabili casuali discrete indipendenti; valore atteso e varianza di una combinazione lineare di due variabili casuali; variabili casuali doppie continue; variabili casuali multiple; valore atteso e varianza di una combinazione lineare di variabili casuali. Alcuni particolari modelli probabilistici: distribuzione di Bernoulli; distribuzione binomiale; distribuzione di Poisson; distribuzione normale; normale standardizzata; approssimazione della distribuzione binomiale con la normale; distribuzione chi-quadrato. Distribuzioni campionarie: campione casuale; parametro; inferenza statistica: stima dei parametri e verifica delle ipotesi; statistiche campionarie; distribuzione campionaria della media per popolazioni generatrici normali e per grandi campioni (teorema del limite centrale); distribuzione campionaria della varianza; distribuzione campionaria della media quando la varianza della popolazione non è nota; distribuzione t di Student e relative tavole. Stima puntuale dei parametri: stimatore; proprietà degli stimatori; non distorsione; errore quadratico medio; proprietà asintotiche; scelta dello stimatore. Stima per intervallo: stimatore per intervallo e stima per intervallo; stima per intervallo della media di popolazioni generatrici normali; ampiezza dell'intervallo fiduciario; il caso in cui la varianza non è nota; stima per intervallo della media nel caso di grandi campioni; stima per intervallo della varianza di una popolazione normale. Verifica delle ipotesi: ipotesi statistiche; verifica di ipotesi sulla media di una popolazione normale; il test Z; livello di significatività osservato; il test t; verifica di ipotesi sulla media nel caso di grandi campioni; verifica dell'ipotesi per il parametro p di una popolazione bernoulliana; verifica di ipotesi sulla varianza di una popolazione normale; criteri di ottimizzazione nella verifica delle ipotesi; errori di prima e di seconda specie e relative probabilità; potenza del test. Verifica dell'ipotesi di indipendenza mediante il test chi-quadrato. |
STATISTICA - Cognomi M-Z
| Codice | 20007009 |
|---|---|
| Sede | PERUGIA |
| CFU | 9 |
| Docente responsabile | Francesco Bartolucci |
| Docenti |
|
| Ore |
|
| Attività | Caratterizzante |
| Ambito | Statistico-matematico |
| Settore | SECS-S/01 |
| Tipo insegnamento | Obbligatorio (Required) |
| Lingua insegnamento | Italiano |
| Contenuti | Il modulo permette di acquisire gli strumenti per la comprensione degli studi quantitativi di base con cui un laureato in economia deve confrontarsi e fornisce i primi rudimenti necessari per una corretta progettazione, implementazione e presentazione di un'analisi statistica.L'obiettivo principale dell'insegnamento è pertanto quello di abituare lo studente ad interpretare i dati. Le principali conoscenze acquisite saranno: a) gli elementi di base della statistica descrittiva: popolazione obiettivo, tipi di caratteri, distribuzioni di frequenza e di quantità, concetto di media, di varianza, di dipendenza e associazione fra due caratteri e b) gli elementi di base della statistica inferenziale: nozioni di probabilità, campione casuale, stima puntuale o per intervallo di una media, di una frequenza, di una varianza e relative verifiche d'ipotesi.La comprensione delle analisi statistiche prodotte da altri e la loro valutazione critica costituisce un elemento fondamentale nella formazione del laureato in Economia aziendale. L'obiettivo minimale del corso, pertanto, è quello di fornire la conoscenza adeguata a questo scopo.L'obiettivo massimale del corso è invece quello di fornire le conoscenze di base necessarie per lo svolgimento di analisi statistiche e per la produzione di studi quantitativi metodologicamente corretti. |
| Testi di riferimento | G. Cicchitelli, Statistica-Principi e metodi, Pearson, 2014. |
| Obiettivi formativi | Il corso si propone di fornire la conoscenza di base per l'analisi quantitativa dei fenomeni, con particolare enfasi ai fenomeni economici.Statistica descrittivaSaranno forniti gli strumenti di rappresentazione, analisi e sintesi dei dati statistici. Essi includono la rappresentazione mediante distribuzioni di frequenza e di quantità, il calcolo di indici sintetici (numeri indici, medie e indici di variabilità) e i primi rudimenti dello studio delle relazioni fra due fenomeni (dipendenza, regressione e correlazione). Statistica inferenzialeIl corso si propone di fornire la strumentazione teorica affinché, dalle analisi su un campione statistico, si possano desumere informazioni sulla popolazione di appartenenza. Verranno introdotti i concetti di probabilità, variabili casuale, indipendenza, insieme alle nozioni di combinazione lineare di variabili casuali, legge dei grandi numeri e del teorema del limite centrale. I primi rudimenti della teoria della stima e della verifica di ipotesi saranno oggetto di approfondimento. |
| Prerequisiti | Nozioni di matematica tipiche del primo modulo di Matematica Generale. |
| Metodi didattici | Sei ore di didattica frontale e due di esercitazione ogni settimana |
| Altre informazioni | E’ data agli studenti la possibilità di seguire esercitazioni al computer mediante il software statistico R. |
| Modalità di verifica dell'apprendimento | Esame scritto obbligatorio; esame orale facoltativo. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | L’insegnamento è suddiviso in due moduli di uguale peso. Il Modulo I è detto Statistica descrittiva, il Modulo II è detto Statistica inferenziale.Statistica descrittiva - ModuloI Nozioni introduttive: cenni storici sullo sviluppo della Statistica; la Statistica nelle scienze empiriche; la Statistica nelle attività operative e nella vita quotidiana; cenni sulle fonti statistiche; terminologia essenziale; misurazione dei caratteri; genesi dei dati statistici; raccolta dei dati; matrice dei dati. Confronti tra grandezze: rapporti di composizione; rapporti di coesistenza; rapporti di derivazione; numeri indici; variazioni percentuali; altri rapporti statistici. Distribuzioni statistiche: distribuzioni statistiche disaggregate; distribuzioni di frequenza; frequenza assoluta; frequenza relativa; frequenza cumulata; raggruppamento in classi; densità di frequenza; uniforme distribuzione delle unità nelle classi; distribuzioni doppie e multiple; distribuzioni di quantità; serie storiche; serie territoriali. Rappresentazioni grafiche: diagramma ad aste; istogramma di frequenza; rappresentazione delle serie sconnesse; grafico a ripartizione percentuale; grafico a settori circolari; rappresentazione delle serie storiche; rappresentazione delle serie territoriali; problemi di scala. Medie: media aritmetica e sue proprietà; media geometrica; media quadratica; medie analitiche per dati raggruppati; medie analitiche ponderate; mediana; quartili e quantili per le distribuzioni disaggregate; quartili e quantili per dati raggruppati; valore centrale; moda; criteri di scelta della media. Variazioni percentuali medie; numeri indici complessi; formula di Laspeyres. Variabilità: variabilità per distribuzioni secondo caratteri non trasferibili; scostamento semplice medio; deviazione standard; proprietà degli scostamenti medi; campo di variazione; differenza interquartile; indici di variabilità percentuali; coefficiente di variazione; concentrazione; misura della concentrazione; indice G e sue proprietà; interpretazione geometrica di G; indice di concentrazione R. Asimmetria: simmetria e asimmetria; indici di asimmetria Grafici e costanti caratteristiche: come desumere le costanti caratteristiche dai grafici; diagramma a scatola. Analisi della dipendenza: distribuzioni doppie; distribuzioni marginali e distribuzioni condizionate; rappresentazioni grafiche; nozioni di dipendenza e indipendenza. Regressione: regressione lineare semplice; determinazione dei parametri con il metodo dei minimi quadrati; adattamento della retta di regressione ai dati; scomposizione della devianza; indice e sue proprietà; diverse scritture dell'indice di determinazione; regressione nelle serie storiche; errore medio di predizione. Correlazione: definizione di correlazione; coefficiente di correlazione di Bravais e sue proprietà. Statistica inferenziale - Modulo II Probabilità: esperimenti casuali; spazio campionario ed eventi; operazioni su insiemi; probabilità; interpretazione della probabilità; calcolo delle probabilità; probabilità condizionata; indipendenza. Variabili casuali: variabili casuali discrete; media e deviazione standard; variabili casuali standardizzate; variabili casuali continue; media e deviazione standard; quantili; variabili casuali doppie discrete; funzione di probabilità congiunta e funzioni di probabilità marginali; covarianza; variabili casuali discrete indipendenti; valore atteso e varianza di una combinazione lineare di due variabili casuali; variabili casuali doppie continue; variabili casuali multiple; valore atteso e varianza di una combinazione lineare di variabili casuali. Alcuni particolari modelli probabilistici: distribuzione di Bernoulli; distribuzione binomiale; distribuzione di Poisson; distribuzione normale; normale standardizzata; approssimazione della distribuzione binomiale con la normale; distribuzione chi-quadrato. Distribuzioni campionarie: campione casuale; parametro; inferenza statistica: stima dei parametri e verifica delle ipotesi; statistiche campionarie; distribuzione campionaria della media per popolazioni generatrici normali e per grandi campioni (teorema del limite centrale); distribuzione campionaria della varianza; distribuzione campionaria della media quando la varianza della popolazione non è nota; distribuzione t di Student e relative tavole. Stima puntuale dei parametri: stimatore; proprietà degli stimatori; non distorsione; errore quadratico medio; proprietà asintotiche; scelta dello stimatore. Stima per intervallo: stimatore per intervallo e stima per intervallo; stima per intervallo della media di popolazioni generatrici normali; ampiezza dell'intervallo fiduciario; il caso in cui la varianza non è nota; stima per intervallo della media nel caso di grandi campioni; stima per intervallo della varianza di una popolazione normale. Verifica delle ipotesi: ipotesi statistiche; verifica di ipotesi sulla media di una popolazione normale; il test Z; livello di significatività osservato; il test t; verifica di ipotesi sulla media nel caso di grandi campioni; verifica dell'ipotesi per il parametro p di una popolazione bernoulliana; verifica di ipotesi sulla varianza di una popolazione normale; criteri di ottimizzazione nella verifica delle ipotesi; errori di prima e di seconda specie e relative probabilità; potenza del test. Verifica dell'ipotesi di indipendenza mediante il test chi-quadrato. |