Questo sito NON utilizza alcun cookie di profilazione. Sono invece utilizzati cookie di terze parti legati alla presenza dei “social plugin”.

Se vuoi saperne di più sull’utilizzo dei cookie nel sito e leggere come disabilitarne l’uso, leggi la nostra informativa estesa sull’uso dei cookie.

Sunday, November 18, 2018
A- A A+

Statistica

Corso di Studi: Economia e Commercio
Crediti formativi: 10 CFU
Inizio corso: 26 settembre 2016
Fine corso: 07 March 2017
Lezioni: Lunedì, 10:00 - 12:00 (aula B.010)
Martedì, 10:00 - 12:00 (aula B.020)
Note: Lunedì 31/10 e Martedì 01/10 (festivo) non ci sarà lezione
Le due lezioni saranno recuperate nelle due seguenti date:
- giovedì 20/10 ore 10:00 - 12:00 (aula B.010)
- giovedì 27/10 ore 10:00 - 12:00 (aula B.010)
Esercitazioni: I Trimestre
Giovedi, ore 10:00 - 12:00, Aula B.010
(a partire dal 03/11 fino al 01/12)

II Trimestre
Giovedi, ore ??, Aula ??
(a partire dal ??)
Prove di esonero: ?? dicembre 2016
?? marzo 2017
Language: Italian 

OBIETTIVI
Obiettivo del modulo di insegnamento e di introdurre della logica e gli strumenti di base della statistica e del calcolo della probabilita e dell'inferenza statistica.

CONTENUTI DEL CORSO
Il corso prevede la presentazione delle tecniche di statistica esplorativa univariata e bivariata, dei fondamenti del calcolo delle probabilità, dei principali modelli di variabili casuali di interesse operativo, dei principi e delle tecniche dell'inferenza (stima puntuale e intervallare, verifica di ipotesi) con particolare riferimento all'inferenza su media, proporzione e varianza di una popolazione e al confronto tra medie, proporzioni e varianze di due popolazioni. Viene infine presentato il modello di regressione lineare classico e il modello ANOVA.
NOTA: Oltre al programma dettagliato, gli studenti sono pregati di consultare il diario delle lezioni aggiornato settimanalmente con gli argomenti trattati in aula.

METODOLOGIA DI INSEGNAMENTO
Il corso prevede, oltre alle tradizionali lezioni frontali, delle ore di esercitazione settimanali in cui vengono approfonditi gli aspetti applicativi. Inoltre, con scadenza settimanale, saranno assegnati dei compiti da svolgere a casa, contenenti alcuni esercizi relativi agli argomenti affrontati durante il corso. In questo modo lo studente potrà valutare la comprensione degli argomenti trattati e prepararsi gradualmente agli esercizi che dovra affrontare per superare la prova scritta. Per chi lo desidera, gli esercizi verranno corretti dall'assistente alla didattica e riconsegnati corretti.

MODALITA' DI ESAME
L'esame consiste in una prova scritta e in una prova orale.

DISCIPLINE COLLEGATE E PROPEDEUTICITA'
Questo corso è propedeutico a tutti i successivi corsi di statistica attivati nell'ambito del corso di laurea.

Non è prevista alcuna propedeuticità. Per seguire il corso sono necessarie solo le conoscenze dell'algebra di base, proprie di qualunque studente che abbia conseguito un diploma di scuola secondaria superiore.

PROGRAMMA DETTAGLIATO
(per un ulteriore dettaglio consultare il diario delle lezioni, aggiornato settimanalmente con gli argomenti trattati in aula)

STATISTICA DESCRITTIVA
Introduzione alla Statistica. Le fasi della ricerca statistica. Lessico di base: popolazione, campione, unità statistica e variabile statistica. Classificazione delle variabili statistiche: variabili qualitative (nominali ed ordinali) e variabili quantitative (discrete e continue). Le tabelle statistiche: matrice dei dati, tabelle di frequenze e tabelle a doppia entrata. Le principali rappresentazione grafiche. Istogramma. La funzione di ripartizione empirica. Frequenze assolute, relative, percentuali, cumulate e retrocumulate: costruzione ed interpretazione.
I principali indici di tendenza centrale: moda, mediana e media aritmetica. Calcolo per i differenti tipi di variabili e per le differenti modalità di organizzazione dei dati. Contenuto informativo delle differenti medie. Proprietà dei principali indici di tendenza centrale. I principali indici di variabilità: indici di eterogeneità, indici di dispersione ed indici di disuguaglianza. Calcolo per i differenti tipi di variabili e per le differenti modalità di organizzazione dei dati. Contenuto informativo dei differenti indici di variabilità. Proprietà dei principali indici di variabilità. Contenuto informativo di media e variabilità: il teorema di Cebicev. I principali indici di forma: calcolo per i differenti tipi di variabili e per le differenti modalità di organizzazione dei dati. Cautele interpretative e differente contenuto informativo degli indici. La curtosi e sua misura.
Il concetto di indipendenza assoluta. La variabile statistica doppia: distribuzione congiunta (in frequenza assoluta, relativa e percentuale), distribuzioni marginali e condizionate (in frequenza assoluta, relativa e percentuale). Rappresentazione grafiche per la variabile statistica doppia. Condizione necessaria e sufficienza per la sussistenza dell'indipendenza assoluta: costruzione, interpretazione e simmetria della condizione. Costruzione dell'indice chi-quadro e dei suoi derivati. Il concetto di indipendenza in media. La covarianza e la correlazione. Calcolo per le differenti modalità di organizzazione dei dati. Relazioni tra indipendenza assoluta ed indipendenza in media.

PROBABILITA'
Introduzione al calcolo delle probabilità: definizione di esperimento, esito e probabilità. Algebra degli eventi, operazioni tra eventi (negazione, unione ed intersezione) e relazioni tra eventi (inclusione, incompatibilità e indipendenza). Lo spazio campionario: eventi elementari ed eventi composti. Definizione di partizione.
Le principali concezioni per la misura della probabilità: approccio oggettivo, frequentista e soggettivo. L'approccio assiomatico come visione unificante. Gli assiomi di base e i teoremi derivati. La probabilità condizionata e l'indipendenza. Probabilità di unione ed intersezione di eventi.

VARIABILI CASUALI
Le variabili casuali: definizione e distinzione tra variabile casuale discreta e continua. Distribuzione di probabilità, funzione di densità e funzione di ripartizione. I parametri caratteristici delle variabili casuali: valore atteso, varianza, asimmetria e curtosi. Parallelo tra variabile statistica e variabile casuale. Trasformazione lineare di una variabile casuale.
Alcuni modelli di variabili casuali discrete: la variabile casuale uniforme, la variabile casuale di Bernoulli e la variabile casuale binomiale, la variabile casuale ipergeometrica, la variabile casuale di Poisson. Alcuni modelli di variabili casuali continue: la variabile casuale normale, la variabile casuale chi-quadrato, la variabile casuale t di Student, la variabile casuale F di Fisher, la variabile casuale uniforme continua, la variabile casuale esponenziale.
Variabili casuali bivariate (discrete e continue). Distribuzione di probabilità (densità) congiunta, distribuzione di probabilità (densità) marginale e distribuzione di probabilità (densità) condizionata. Momento misto. Covarianza. Correlazione. Combinazione lineare di variabili casuali.

TEOREMI LIMITE, CAMPIONI CASUALI E DISTRIBUZIONI CAMPIONARIE
Legge dei grandi numeri. Teorema del limite centrale. Elementi di teoria della simulazione.
Principi dell'inferenza statistica. Campioni casuali e distribuzioni campionarie notevoli: proporzione, media, varianza, differenza tra proporzioni, differenza tra medie, rapporto tra varianze. Simulazione di una distribuzione campionaria. Funzione di verosimiglianza.

TEORIA DELLA STIMA
Stimatori e stima di un parametro. Proprietà finite ed asintotiche di uno stimatore. Metodi di costruzione degli stimatori. Stima puntuale e stima intervallare. Intervalli casuali ed intervalli di confidenza. Intervalli di confidenza per la proporzione, la media, la varianza, la differenza tra proporzioni, la differenza tra medie e per il rapporto tra varianze.

VERIFICA DELLE IPOTESI
Caratteristiche e logica di un test statistico. Struttura probabilistica di un test. Lemma di Neymann-Pearson. Procedura operativa per un test delle ipotesi. Test sulla proporzione, sulla media, sulla varianza, sulla differenza tra proporzioni, sulla differenza tra medie e sul rapporto tra varianze.

MODELLO DI REGRESSIONE LINEARE
Il modello di regressione semplice. Ipotesi alla base del modello classico. La stima dei parametri del modello e le proprietà degli stimatori. Il teorema di Gauss-Markov. L'indice di determinazione. Inferenza sui parametri del modello e sul coefficiente di determinazione. Cenni al modello di regressione multiplo.

ANALISI DELLA VARIANZA
Il modello ANOVA ad un fattore. Studi sperimentali e studi osservazionali. Ipotesi alla base del modello ANOVA. Stimatori delle medie di livello. Inferenza sulle medie di livello. Inferenza sulla differenza tra medie. Cenni ai confronti multipli. Cenni all'ANOVA a due fattori.

TESTO DI RIFERIMENTO
  • Statistica: Principi e Metodi (seconda edizione)
    Giuseppe Cicchitelli, Pearson
    (Capitoli da 1 a 21 + capitolo 22 e 23, disponibile on-line sul sito del libro)
    consulta l'indice in formato pdf
ALTRI TESTI SUGGERITI (in alternativa)
  • Introduzione alla Statistica (seconda edizione)
    Anna Clara Monti, Edizioni Scientifiche Italiane
    (Capitoli da 1 a 18)
  • Statistica - Metodologie per le scienze economiche e sociali
    Simone Borra - Agostino Di Ciaccio, McGraw-Hill
    (Capitoli 1, 2, 3, 4, 6, 7, 8, 9, 10, 11, 12, 13, 14, 16 e 17)
  • Statistica per le decisioni (seconda edizione)
    Domenico Piccolo, Il Mulino
    (Capitoli 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 16 e 17)

Gli appunti pubblicati su questa pagina sono da intendersi esclusivamente come supporto allo studio e non come sostitutivi ai libri di testo consigliati, il cui studio ed approfondimento è un requisito essenziale per la piena comprensione della disciplina e per il superamento della prova di esame.

Nel caso fossero presenti imprecisioni/refusi si prega  di segnalarlo al docente, che provvederà a controllare e a sistemare gli eventuali errori.

Primo trimestre

Secondo trimestre
Primo Trimestre

Secondo Trimestre

Statistica - C.d.S. in Economia e Commercio

Diario delle lezioni

Primo trimestre

Lezione del: Argomenti trattati
26/09/2016 LEZIONE 1
Introduzione alla statistica: obiettivi, statistica descrittiva e statistica inferenziale. Lessico di base: popolazione e campione, parametro e statistica, unità statistica, variabile statistica, modalità/intensità. Classificazione delle analisi in univariate, bivariate e multivariate. Operatore sommatoria: definizione e principali proprietà. Operatore somma doppia. Operatore produttoria. Le principali tabelle statistiche: la matrice dei dati, la serie grezza, le tabelle di frequenze per singole modalità e per classi di modalità. Frequenza assoluta, relativa e percentuale.
27/09/2016 LEZIONE 2
Tabelle di frequenze per classi: classi di uguale ampiezza e classi di diversa ampiezza. Densità di frequenza. Tabella a doppia entrata: distribuzione congiunta, distribuzioni marginali e distribuzioni condizionate. Calcolo delle frequenze relative/percentuali su tabelle a doppia entrata: frequenze relative/percentuali congiunte, frequenze relative/percentuali marginali e frequenze relative/percentuali condizionate (profili riga e profili colonna). Legame tra profili riga/colonna e profili marginali.
ASSEGNO: frequenze cumulate e retrocumulate, principali rappresentazioni grafiche. 
03/10/2016 LEZIONE 3
Approfondimenti di alcune rappresentazioni grafiche: istogramma e funzione di ripartizione. Indicatori statistici: indici assoluti ed indici relativi (il caso particolare degli indici normalizzati). Procedimenti per ottenere un indice relativo/normalizzato. Misure di sintesi per variabili qualitative: moda ed indice di eterogeneità.
04/10/2016 LEZIONE 4
Indici di posizione per variabili qualitative ordinali: moda e mediana, cenni ai quantili di maggior interesse. Indici di variabilità per variabili qualitative ordinali: eterogeneità e dispersione. Indice di forma per variabili qualitative ordinali.
10/10/2016 LEZIONE 5
Indici di posizione per variabili quantitative: moda, mediana e quantili. Calcolo degli indicatori di posizioni sui differenti tipi di tabella. Quantili: interpretazione e calcolo. Il rango percentile: procedimento di interpolazione sulla funzione di ripartizione empirica e sull'istogramma.
11/10/2016 LEZIONE 6
Media aritmetica: definizione e calcolo sui vari tipi di tabella. Media aritmetica ponderata. Intervallo medio e intervallo medio interquartile. Cenni ad altri tipi di medie: media geometrica, media armonica e media quadratica. Altri indici di tendenza centrale: medie troncate. Confronto tra moda, mediana e media aritmetica: robustezza e forma della distribuzione. Proprietà desiderabili di un indice di posizione: internalità e linearità. Proprietà particolari della media aritmetica: baricentricità ed associatività.
17/10/2016 LEZIONE 7
Criteri di ottimalità di media e mediana. Misura della variabilità per variabili numeriche. Misure di variabilità attraverso il confronto tra due quantili opposti: i campi di variazione. Misura della variabilità in termini di dispersione da un centro: scostamento (o scarto) semplice medio e scostamento (o scarto) quadratico medio e loro calcolo sui differenti tipi di tabella. Un indice di dispersione robusto: il MAD (median absolute deviation o scostamento semplice mediano). Misura di variabilità in termini di differenze: la disuguaglianza o mutua variabilità. Differenza semplice media e quadratica media con e senza ripetizione: calcolo sui vari tipi di tabella. Definizione di varianza e devianza. Formule alternative di calcolo della varianza e devianza.
18/10/2016 LEZIONE 8
Proprietà desiderabili di un indice di variabilità e comportamenti delle tre classi di indicatori di variabilità. Misure di variabilità relativa: i coefficienti di variazione. Decomposizione della varianza/devianza. Interpretazione grafica della proprietà di decomposizione della varianza/devianza. Comportamento degli indici di variabilità rispetto ad una trasformazione lineare. Due particolari trasformazioni lineari: centratura e standardizzazione.
20/10/2016 LEZIONE 9
La concentrazione: obiettivo e calcolo nel caso di tabelle di serie semplici e di tabelle di frequenze. Rappresentazione grafica della concentrazione: la spezzata di Lorenz e l'area di concentrazione.
24/10/2016 LEZIONE 10
La misura della forma su variabili numeriche: definizione di distribuzione simmetrica. Indici di forma basati sul confronto tra gli indici di variabilità calcolati sulle due metà della distribuzione. Indici di forma basati sul confronto tra gli indici di posizione: confronto tra media e media. Indici di forma basati sulla distanza di due quantili opposti dalla mediana: l'indice di Yule-Bowley. La sintesi a 5 e la sua rappresentazione grafica: il boxplot. Rappresentazione dei valori anomali sul boxplot. Indici di forma basati sul confronto tra gli scarti negativi e positivi: l'indice di Fisher come media degli scarti al cubo.
25/10/2016 LEZIONE 11
Schema di riepilogo degli indicatori di sintesi univariata. Introduzione allo studio del legame tra due variabili: approccio simmetrico ed approccio asimmetrico. Studio dell'associazione tra due variabili qualitative: l'indipendenza assoluta. Confronto tra distribuzioni condizionate e distribuzione marginale: condizione necessaria e sufficiente per la sussistenza di indipendenza assoluta. Calcolo delle frequenze teoriche sotto l'ipotesi di indipendenza: l'indicatore chi-quadro. Normalizzazione dell'indice chi-quadro: l'indice phi-quadro e l'indice v di Cramer.
27/10/2016 LEZIONE 12
Formula alternativa per il calcolo dell'indice chi-quadro. Studio dell'interdipendenza tra due variabili quantitative: covarianza e correlazione. Calcolo sui vari tipi di tabella.
07/11/2016 LEZIONE 13
Studio asimmetrico del legame tra due variabili. Dipendenza in media di una variabile quantitativa da una variabile qualitativa: l'indice eta-quadro. Dipendenza in media di una variabile quantitativa da una variabile quantitativa: l'analisi di regressione. Il criterio dei minimi quadrati. Valutazione della bontà di adattamento della regressione: l'indicatore R-quadro e suo legame con il coefficiente di correlazione.
08/11/2016 LEZIONE 14
Schema di riepilogo degli indicatori di sintesi bivariata. Gli elementi di base della teoria della probabilità: esperimento, eventi e probabilità. Eventi elementari ed eventi composti. Due particolari eventi: l'evento certo e l'evento impossibile. Rappresentazione grafica degli eventi: il diagramma di Eulero-Venn. Operazione su eventi: negazione, intersezione e unione. Relazione tra eventi: incompatibilità, necessarietà ed inclusione. Partizione dello spazio campione. Leggi di De Morgan.
14/11/2016 LEZIONE 15
Definizione classica, frequentista e soggettivista di probabilità. L'approccio assiomatico di Kolmogorov: gli assiomi e i principali teoremi derivanti. Probabilità condizionata. Indipendenza stocastica.
15/11/2016 LEZIONE 16
Probabilità dell'intersezione di due eventi. Indipendenza stocastica: definizione e criteri di verifica. Teoremi legati all'indipendenza. Calcolo di probabilità su tabelle doppie. Interpretazione probabilistica dell'indice chi-quadro. Schema di estrazione da un'urna con e senza rimessa.
21/11/2016 LEZIONE 17
Regola di Bayes. Teorema delle probabilità totali. Teorema di Bayes. Il teorema fondamentale del conteggio e le principali regole di conteggio da esso derivate.
22/11/2016 LEZIONE 18
Riepilogo ed approfondimenti di probabilità.

Secondo trimestre

Lezione del: Argomenti trattati
09/01/2017 LEZIONE 19
Introduzione alle variabili casuali (v.c.). V.c. discrete: distribuzione di probabilità e suoi requisiti. Comportamento di una v.c. rispetto ad una trasformazione nello spazio R. Principali indicatori di sintesi di una v.c.: media (valore atteso), varianza/scarto quadratico medio, indice di forma. Proprietà di media e varianza rispetto a trasformazioni lineari. Due particolari trasformazioni lineari: centratura e standardizzazione. La v.c. di Bernoulli e la v.c. uniforme discreta.
10/01/2017 LEZIONE 20
Il modello binomiale. Trasformazione della v.c. binomiale: la v.c. frequenza relativa (o proporzione) di successi.
16/01/2017 LEZIONE 21
La v.c. geometrica. La v.c. binomiale negativa. La v.c. ipergeometrica. Convergenza della v.c. ipergeometrica alla v.c. binomiale. La v.c. di Poisson.
17/01/2017 LEZIONE 22
V.c. continue: funzione di densità di probabilità. Funzione di ripartizione di una v.c. V.c. uniforme continua. V.c. esponenziale negativa. Legame tra il modello di Poisson e il modello esponenziale. La v.c. normale: definizione, caratteristiche, funzione di densità e proprietà.
23/01/2017 LEZIONE 23
Uso delle tavole della funzione di ripartizione della v.c. normale. Calcolo dei percentili di una v.c. normale.
24/01/2017 LEZIONE 24
Legame tra valore atteso e varianza di una v.c.: la disuguaglianza di Cebicev. V.c. doppia discreta: distribuzione di probabilità congiunta, distribuzioni di probabilità marginali e condizionate. Calcolo di valore atteso e varianza su una v.c. doppia. Covarianza e correlazione. Media e varianza della combinazione lineare di v.c.
30/01/2017 LEZIONE 25
Media e varianza della combinazione lineare di n v.c. indipendenti ed identicamente distribuite (i.i.d.). Due particolari combinazioni lineari di particolare interesse: la somma e la media di n v.c. i.i.d. Distribuzione della somma e della media di n v.c. i.i.d. come una Bernoulli. Distribuzione della somma e della media di n v.c. i.i.d. come una normale.  Distribuzione della combinazione lineare di n v.c. i.i.d.: il teorema del limite centrale. Un'applicazione rilevante del teorema del limite centrale: approssimazione normale della v.c. binomiale. Introduzione all'inferenza statistica: obiettivi, popolazione e campione, parametro e statistica. Cenno ai principali piani di campionamento. Il campionamento casuale semplice: schema con e senza ripetizione.
31/01/2017 LEZIONE 26
Campione casuale e campione osservato. Le v.c. osservazioni campionarie. Statistica: definizione, principio di naturalità, sufficienza, sufficienza minimale. Gli spazi dell'inferenza statistica: spazio parametrico, spazio campionario e spazio della statistica. Distribuzione campionaria di una statistica. Distribuzione campionaria della media campionaria. Distribuzione campionaria della proporzione campionaria.
06/02/2017 LEZIONE 27
I problemi dell'inferenza statistica: stima e verifica di ipotesi. Proprietà degli stimatori: la non distorsione. Lo stimatore varianza campionaria e varianza campionaria corretta. Efficienza relativa ed efficienza assoluta. L'errore quadratico medio. Proprietà finite ed asintotiche di uno stimatore. Consistenza di uno stimatore. Distribuzioni campionarie per l'inferenza su una popolazione: inferenza sulla media (caso di varianza nota, incognita e rimozione dell'ipotesi di normalità), inferenza sulla varianza, inferenza sulla proporzione.
07/02/2017 LEZIONE 28
Distribuzioni campionarie per l'inferenza su due popolazioni: inferenza sul confronto tra medie (caso di varianze nota, incognite, incognite ma supposte uguali e rimozione dell'ipotesi di normalità), inferenza sul confronto tra varianza, inferenza sul confronto tra proporzioni. Stima puntuali e stima intervallare.Stima intervallare del parametro media di una popolazione normale (caso di varianza nota): intervallo casuale, intervallo di confidenza e sua interpretazione alla luce del campionamento ripetuto.
13/02/2017 LEZIONE 29
Stima intervallare del parametro media di una popolazione normale (caso di varianza incognita). Intervalli asintotici per la media di una generica popolazione. Stima intervallare del parametro varianza di una popolazione normale (caso di media incognita). Stima intervallare per grandi campioni del parametro proporzione di una popolazione bernoulliana. Determinazione della numerosità campionaria ottimale per la media e la proporzione. Stima intervallare nel caso di inferenza su due popolazioni. Cenno agli intervalli di confidenza unidirezionali.
14/02/2017 LEZIONE 30
Introduzione alla verifica di ipotesi: partizione dello spazio parametrico, ipotesi nulla e ipotesi alternativa, partizione dello spazio campionario, utilizzo dello spazio della statistica e sua partizione in regione di rifiuto (critica) e regione di accettazione. Tipi di ipotesi: ipotesi semplice e ipotesi composte (bidirezionale ed unidirezionale). Tipi di errore del processo decisionale e corrispondenti probabilità. Legame tra errori di I e II tipo. L'approccio classico alla verifica di ipotesi basato sulla teoria di Neyman-Pearson. I passi di un processo di verifica di ipotesi. Test sulla media di una popolazione normale (caso di varianza nota ed incognita). Test asintotico sulla media di una generica popolazione.
20/02/2017 LEZIONE 31
Approccio basato sul p-value per la verifica di ipotesi: caso di un test unidirezionale e di un test bidirezionale. Statistiche test per i principali test ad un campione e a due campioni.
21/02/2017 LEZIONE 32
Errore di II tipo e potenza del test. Relazione tra intervallo di confidenza e potenza del test. Test di indipendenza del chi-quadro. Test di adattamento del chi-quadro.
27/02/2017 LEZIONE 33
L'analisi della varianza (ANOVA) ad una via.
28/02/2017 LEZIONE 34
Le ipotesi alla base del modello classico di regressione lineare. Il teorema di Gauss-Markov. Le ipotesi alla base del modello classico normale. Stima della varianza dell'errore. Stima intervallare e verifica di ipotesi per i parametri del modello di regressione.
06/03/2017 LEZIONE 35
Valutazione della bontà di adattamento del modello. Inferenza sul coefficiente R-quadro. La tavola ANOVA in regressione.
07/03/2017 LEZIONE 36
Il modello di regressione lineare multipla.

 

Compiti a casa

Primo trimestre


Dati necessari per svolgere l'esercitazione (indagineStudentiFlorida): formato pdf - formato xls


Argomenti da studiare sul libro (Cicchitelli):
- capitoli 1 e 2
- ARGOMENTI NON TRATTATO IN CLASSE (da studiare):
- capitolo 3 e lucidi sulle rappresentazioni grafiche disponibili nella sezione Materiale Utile. - dispensa sulle frequenze cumulate e retrocumulate, disponibile nella sezione Materiale Utile

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 5: paragrafo 5.7
- dispensa sull'indice di dispersione per variabili qualitative ordinali (disponibile nella sezione Materiale utile)
- dispensa sull'indice di forma per variabili qualitative ordinali (disponibile nella sezione Materiale utile)

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 4 (compresi i paragrafi 4.3, 4.4 e 4.5 non trattati in classe)

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 5: paragrafi 5.1, 5.2, 5.3, 5.,4 e 5.5

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 5: paragrafi 5.6 e 5.8

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 6: paragrafi 6.1 e 6.2
- capitolo 9: paragrafi 9.1, 9.2 e 9.3

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 11
- capitolo 9: paragrafo 9.4
- capitolo 10

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 12: paragrafi 12.1, 12.2, 12.3, 12.4, 12.5, 12.6, 12.7 e 12.8

Compito n. 9 (relativo alle lezioni del 21/11 e 22/11)
da discutere durante l'orario di ricevimento
Argomenti da studiare sul libro (Cicchitelli):
- capitolo 12: paragrafo 9
- studiare il materiale sulle regole di conteggio disponibile nella sezione materiale utile

Secondo trimestre

Argomenti da studiare sul libro (Cicchitelli):
- ripetere il capitolo 12,
- capitolo 13: paragrafi 13.1 e 13.2
- capitolo 14: paragrafi 14.1, 14.2 e 14.3

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 14: paragrafi 4 (studiare) e 5 (prima lettura)
- studiare il materiale sulle variabili casuali geometrica, binomiale negativa e ipergeometrica disponibile nella sezione materiale utile

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 13: paragrafi 4, 5, 6 e 7 

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 15: paragrafi 1, 2, 3, 4, 5 e 6
- studiare il materiale sulle combinazioni lineare di variabili casuali disponibile nella sezione materiale utile

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 15: paragrafi 7 e 8
- capitolo 16
- capitolo 17: paragrafi 1 e 2

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 17: paragrafi 3, 4, 5 e 6
- capitolo 18: paragrafi 1, 2 e 3

Argomenti da studiare sul libro (Cicchitelli):
- capitolo 18: paragrafi 4, 5 e 6
- capitolo 19
- capitolo 20

Argomenti da studiare sul libro (Cicchitelli):
- studiare il materiale sull'ANOVA disponibile nella sezione materiale utile
- capitolo 21: paragrafi 1, 2, 3, 4 e 5

Compito n. 18 (relativo alle lezioni del 06/03 e 07/03)
da discutere durante l'orario di ricevimento
Argomenti da studiare sul libro (Cicchitelli):
- capitolo 21: paragrafi 6, 7 e 8
- studiare il materiale sulla regressione multipla disponibile nella sezione materiale utile

Bacheca

 Bacheca

Ricevimento studenti

 Ricevimento studenti

I e II trimestre:
Lunedì, 15:00 - 17:00
Martedì, 15:00 - 17:00

III trimestre e fuori dalle settimane di didattica:
secondo il calendario pubblicato settimanalmente
(vedi riquadro giallo "Prossimi orari di ricevimento")

E' possibile fissare un appuntamento al di fuori dell'orario di ricevimento contattando il docente all'indirizzo vistocco@unicas.it

AVVISO:
Lunedì 27 gennaio il ricevimento è annullato
Martedì 28 gennaio il ricevimento si terrà dalle 17:30 alle 18:30

Prossimi orari di ricevimento

Prossimi orari di ricevimento 

 NOTA:
 Mercoledì 28 giugno, 9:00 - 10:30
  

 

Integrità accademica (per i "copioni")

Non ho assolutamente alcuna tolleranza per chi prova ad imbrogliare in qualsiasi modo. Agli studenti che vengono sorpresi a copiare saranno applicate le più severe sanzioni previste dall'Università. Gli studenti che invece riescono a copiare senza essere sorpresi, saranno perseguitati dal ricordo dei loro misfatti per il resto delle loro miserabili esistenze.

(un famoso professore di Filosofia della Ohio State University)

Prova di esame 2 ottobre 2017

Prova di esame del 2 ottobre 2017

  - Consulta qui i risultati della prova da 10 CFU (e il calendario delle prove orali)
  - Le prove orali si terranno mercoledì 4 ottobre nello studio del docente
  - non si riportano i voti non sufficienti
  - gli studenti che hanno riportato un voto pari a 16 o 17 sono ammessi con riserva alla seconda prova di esonero