- Oggetto:
- Oggetto:
MTA - STATISTICA
- Oggetto:
MTA - STATISTICS
- Oggetto:
Anno accademico 2023/2024
- Codice dell'attività didattica
- CPS0415
- Docenti
- Walter Dambrosio (Titolare del corso)
Maria Teresa Giraudo (Titolare del corso) - Corso di studi
- [f055-c702] Laurea in Scienze Strategiche e della Sicurezza
[f055-c702PI] Laurea in Scienze Strategiche e della Sicurezza (Percorso Interdipartimentale) - Anno
- 2° anno
- Periodo didattico
- Primo semestre
- Tipologia
- Di base
- Crediti/Valenza
- 5
- SSD dell'attività didattica
- SECS-S/01 - statistica
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Facoltativa
- Tipologia d'esame
- Scritto
- Prerequisiti
- L’insegnamento prevede la conoscenza di alcuni contenuti elementari di organizzazione di dati e di calcolo delle probabilità.
In particolare, a livello di conoscenze e comprensione in ingresso lo studente dovrà:❏ conoscere i principali indici statistici per la descrizione di dati: indici di posizione (media, mediana, moda) e di dispersione (varianza deviazione standard, coefficiente di variazione);
❏ ricordare le definizioni di frequenze assolute, frequenze relative, frequenze cumulative;
❏ conoscere le principali rappresentazioni grafiche per la sintesi di dati (diagramma a barre, istogramma, box-plot;
❏ conoscere la definizione classica (rapporto tra casi favorevoli e casi possibili) e la definizione frequentista di probabilità;
❏ ricordare le principali regole per il calcolo della probabilità di eventi (probabilità del complementare, probabilità dell’unione).Inoltre, come applicazione di conoscenza e comprensione, lo studente dovrà saper:
❏ calcolare gli indici di posizione e di dispersione per una serie di dati;
❏ determinare le frequenze assolute, relative e percentuali;
❏ rappresentare dati mediante diagrammi a barre o istogrammi.I prerequisiti richiesti potranno essere recuperati attraverso le sezioni 4 e 5.1. del corso “Mathematical modelling” presente sulla Piattaforma start@unito oppure leggendo i capitoli 2 e 5.1-5.2 (fino a pag. 201) del libro di testo Statistica: l’arte e la scienza di imparare dai dati di Agresti, Franklin.
- Propedeutico a
- -
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
L'insegnamento ha lo scopo di presentare ed applicare le nozioni di base di statistica, descrittiva ed inferenziale.
L’insegnamento concorre agli obiettivi della formazione scientifica, con particolare riferimento allo sviluppo di capacità di problem solving e di elaborazione di modelli matematici per l’analisi di fenomeni complessi.
The course aims to introduce and apply the basic notions of descriptive and inferential statistics.
It contributes to the objectives of scientific training, with particular reference to the development of problem solving skills and of the ability to build simple mathematical models to analyze real phenomena.
- Oggetto:
Risultati dell'apprendimento attesi
Conoscenza e comprensione
Alla fine di questo insegnamento lo studente dovrà:
- conoscere i principali metodi di sintesi e di rappresentazione di dati statistici, univariati o bivariati
- saper spiegare il ruolo della probabilità nell’analisi statistica
- conoscere le principali variabili aleatorie di interesse statistico
- ricordare le principali tecniche di campionamento
- conoscere la nozione di intervallo di confidenza e discutere la sua precisione in termini di taglia del campione e livello di fiducia
- ricordare i metodi per determinare intervalli di confidenza per medie e proporzioni
- conoscere il significato di test statistico e ricordare i diversi ruoli degli errori di prima e seconda specie
- saper interpretare il concetto di p-value per l’esecuzione di un test di significatività
- ricordare i principali test statistici su medie, proporzioni e varianze
- discutere il problema della dipendenza di variabili statistiche, sia per variabili qualitative sia per variabili quantitative
- conoscere il test del chi-quadro per lo studio della dipendenza di variabili qualitative
- ricordare i metodi di analisi statistica per lo studio della regressione lineare tra due variabili quantitative.
Applicare conoscenza e comprensione
Alla fine di questo insegnamento lo studente avrà sviluppato capacità di analisi di dati mediante l’uso del software R.
In particolare, a livello di statistica descrittiva, con l’utilizzo del software R saprà:
- rappresentare graficamente dati univariati e bivariati
- calcolare indici statistici per dati univariati e bivariati
A livello di statistica inferenziale, con l’utilizzo del software R saprà:
- determinare intervalli di confidenza per medie e proporzioni
- eseguire test di significatività su medie, proporzioni e varianze
- svolgere analisi statistiche su dati qualitativi (tabelle di contingenza) o quantitativi (regressione lineare)
Autonomia di giudizio
Alla fine di questo insegnamento lo studente saprà:
- usare un adeguato senso critico per affrontare problemi complessi
- selezionare fonti e dati per impostare correttamente problemi di natura statistica
- formulare in maniera autonoma e consapevole giudizi ed ipotesi di interpretazione di dati statistici
Capacità di apprendimento
Alla fine di questo insegnamento lo studente saprà affrontare nuovi semplici problemi che richiedano competenze interdisciplinari, analizzando possibili strategie di risoluzione.
Knowledge and understanding
At the end of this course the student will have to:
❏ know the main methods of synthesis and representation of univariate or bivariate statistical data
❏ be able to explain the role of probability in statistical analysis
❏ know the main random variables of interest
❏ remember the main sampling techniques
❏ know the notion of confidence interval and discuss its accuracy in terms of sample size and confidence level
❏ remember methods for determining confidence intervals for means and proportions
❏ know the meaning of statistical test and remember the different roles of errors of the first and second kind
❏ know how to interpret the concept of p-value for carrying out a test of significance
❏ remember the main statistical tests on mean, proportion and variance
❏ discuss the problem of dependence for both statistical qualitative and quantitative variables
❏ know the chi-square test for studying the dependence of qualitative variables
❏ remember the methods of statistical analysis for the study of linear regression between two quantitative variables
Apply knowledge and understanding
At the end of this course the student will have developed data analysis skills through the use of R software.
In particular, for descriptive statistics with the use of R software you will be able to:
❏ plot univariate and bivariate data
❏ calculate statistical indices for univariate and bivariate data
For inferential statistics, using R software you will know how to:
❏ determine confidence intervals for means and proportions
❏ perform significance tests on means, proportions and variances
❏ perform statistical analyzes on qualitative (contingency tables) or quantitative (linear regression) data
Judgment autonomy
At the end of this course the student will know to:
❏ employ an adequate critical sense to face complex problems
❏ select sources and data to correctly set problems of a statistical nature
❏ autonomously and consciously formulate judgments and hypotheses on statistical data
Learning ability
At the end of this course the student will be able to face new simple problems that require interdisciplinary skills, analyzing possible resolution strategies.
- Oggetto:
Modalità di insegnamento
Le modalità di insegnamento comprendono: lezioni frontali, lezioni inverse (flipped), apprendimento attivo in aula e a distanza, esercitazioni in aula.
- Lezioni frontali e attività in aula
- lezioni frontali supportate dall’uso di strumenti di videoscrittura e del software R per l’analisi statistica dei dati;
- attività ed esercitazioni in aula con eventuale partecipazione degli studenti (svolgimento di esercizi, discussioni, gruppi di lavoro).
- Attività e materiale online (Piattaforma Moodle)
- calendario delle lezioni e delle esercitazioni;
- quiz ed assegnazioni per l'apprendimento e l'autovalutazione.
L’insegnamento, con le sue modalità ed attività, contribuisce a formare e consolidare le seguenti competenze trasversali:
- capacità di lavoro di gruppo e di coordinamento, attraverso attività svolte in aula;
- gestione del tempo, attraverso lo svolgimento di prove di autovalutazione informatizzate aventi tempo stabilito;
- corretta attribuzione causale di successi ed insuccessi, attraverso lo svolgimento di prove di autovalutazione con feedback da parte dei docenti.
Teaching methods include: frontal lessons, flipped lessons, active classroom and distance learning, classroom exercises.
❏ Lectures and classroom activities
❏ frontal lessons supported by the use of word processing tools and R software for statistical data analysis;
❏ classroom activities and exercises with possible student participation (exercises, discussions, work groups).
❏ Online activities and material (Moodle platform)
❏ calendar of lessons and exercises;
❏ quizzes and assignments for learning and self-assessment.
Teaching, with its methods and activities, contributes to forming and consolidating the following transversal skills:
❏ teamwork and coordination skills through activities carried out in the classroom;
❏ time management, by carrying out computerized self-assessment tests with a fixed time;
❏ correct causal attribution of successes and failures, by carrying out self-evaluation tests with feedback from teachers.
- Lezioni frontali e attività in aula
- Oggetto:
Modalità di verifica dell'apprendimento
L’insegnamento prevede una prova svolta in modalità informatizzata. Essa consiste nella risoluzione di alcuni esercizi con il software R, con l’obiettivo di verificare la capacità di applicare le conoscenze teoriche e la capacità di apprendimento, e nella risposta ad alcune domande teoriche a scelta multipla. Le domande e gli esercizi sono di varie tipologie e riguardano problemi simili a quelli affrontati durante le lezioni e le esercitazioni.
La prova è superata se si raggiunge un punteggio di almeno 18/30.
Durante lo svolgimento delle prove non è consentito consultare libri, appunti e dispositivi elettronici diversi dal computer su cui si sta svolgendo la prova stessa.
Studenti degli anni accademici precedenti all’anno accademico 2023-2024: gli studenti degli anni accademici precedenti possono scegliere di sostenere l’esame con il programma e le modalità dell’anno in corso oppure con il programma dell’anno accademico 2022-2023.
Nel caso in cui si presentino con il programma dell’anno accademico 2022-2023 l’esame consisterà in una prova scritta non informatizzata. Gli esercizi saranno della stessa tipologia di quelli svolti nell’anno accademico 2022-2023.
The course includes a final test carried out in computerized mode. It consists in solving some exercises with R software, with the aim of verifying the ability to apply theoretical knowledge and learning ability, and in answering some theoretical multiple choice questions. The questions and exercises are of various types and similar to those solved during the lessons and exercises.
The test is passed if a score of at least 18/30 is achieved.
During the tests it is not allowed to consult books, notes and electronic devices other than the computer on which the test is taking place.
Students from academic years prior to 2023-2024: students from previous academic years can choose whether to take the exam with the program and procedures for the current year or with 2022-2023 academic year program.
If they choose the 2022-2023 academic year program, the exam will consist of a non-computerized written test. The exercises will be of the same type as those carried out in the 2022-2023 academic year.
- Oggetto:
Attività di supporto
-
- Oggetto:
Programma
- Statistica descrittiva
- Rappresentazione di dati univariati
- Analisi descrittiva di dati bivariati di tipo qualitativo o quantitativo
- Variabili aleatorie
- Variabile aleatoria binomiale
- Variabile aleatoria normale
- Altre variabili aleatorie di interesse statistico (t di Student, chi quadro)
- Campionamento e statistiche campionarie
- Media campionarie e sua distribuzione
- Teorema del limite centrale
- Varianza campionarie e sua distribuzione
- Stima intervallare
- Intervalli di confidenza: risultati generali
- Intervalli di confidenza per media, proporzioni, differenza di medie
- Verifica d’ipotesi
- Ipotesi nulla, ipotesi alternativa, errori di prima e seconda specie
- p-value e test di significatività
- Test di significatività per medie, proporzioni, varianza, differenza di medie e rapporto di varianze
- Analisi della dipendenza statistica di più variabili
- Variabili qualitative e tabelle di contingenza
- Regressione lineare per variabili quantitative
Il programma dettagliato dell’insegnamento sarà disponibile su Moodle.
- Descriptive statistics
1.1. Representation of univariate data
1.2. Descriptive analysis of qualitative or quantitative bivariate data
- Random variables
2.1. Binomial random variable
2.2. Normal random variable
2.3. Other random variables of statistical interest (Student's t, chi squared)
- Sampling and sampling statistics
3.1. Sample mean and its distribution
3.2. Central limit theorem
3.3. Sample variance and its distribution
- Interval estimation
4.1. Confidence intervals: general results
4.2. Confidence intervals for mean, proportion, difference of means
- Hypothesis testing
5.1. Null hypothesis, alternative hypothesis, first and second kind errors
5.2. p-value and significance test
5.3. Significance tests for mean, proportion, variance, difference in means and ratio of variances
- Analysis of the statistical dependence between variables
6.1. Contingency tables for qualitative variables
6.2. Linear regression for quantitative variables
The detailed course program will be available on Moodle.
- Statistica descrittiva
Testi consigliati e bibliografia
- Oggetto:
- Libro
- Titolo:
- Statistica: l’arte e la scienza di imparare dai dati
- Anno pubblicazione:
- 2016
- Editore:
- Pearson
- Autore:
- A. Agresti, C. Franklin
- Obbligatorio:
- No
- Oggetto:
Orario lezioni
Giorni Ore Aula Mercoledì 8:00 - 11:00 Giovedì 8:00 - 10:00 Lezioni: dal 09/10/2023 al 22/12/2023
- Oggetto:
Note
Gli studenti con disabilità o con DSA sono invitati a mettersi in contatto con il docente ad inizio insegnamento, per concordare le modalità di apprendimento e di esame più adatte alla loro situazione.
Sono inoltre invitati a seguire le indicazioni d’Ateneo, reperibili a
https://www.unito.it/servizi/lo-studio/studenti-con-disabilita
per ufficializzare la loro situazione.
- Oggetto:
SUISS - Struttura Didattica Speciale in Scienze strategiche
Scuola Universitaria Interdipartimentale in Scienze Strategiche (SUISS)
