Inferenza Statistica [Italiano]
Università di Napoli Federico II

Prerequisiti: A first class in basic Statistics. A first class in Mathematics is not mandatory but it is useful for easier understanding technical aspects.

Obiettivi: Il corso intende fornire le conoscenze metodologiche ed applicative dell’inferenza statistica, fondamento indispensabile per l’analisi quantitativa nei diversi ambiti in cui è necessario ricorrere a dati campionari. Partendo dallo spazio campionario e da una sua efficace sintesi attraverso una statistica campionaria, vengono presentati le principali caratteristiche di una statistica e il suo utilizzo ai fini della stima e della verifica di ipotesi su un parametro della popolazione. Oltre alle distribuzioni esatte delle principali statistiche campionarie, vengono introdotti i metodi numerici per ottenere le distribuzioni approssimate nel caso in cui le ipotesi teoriche richieste dalle procedure classiche siano troppo restrittive. La logica del processo inferenziale viene introdotta sia sotto il profilo teorico che sotto il profilo applicativo.

Contenuto: Campioni casuali e distribuzioni campionarie, Statistiche campionarie per i problemi ad una popolazione, Statistiche campionarie per i problemi a due popolazioni, Funzione di verosimiglianza, Sufficienza e sufficienza minimale di una statistica, Teoria della stima, Verifica di ipotesi, Intervalli di confidenza, Analisi della varianza, Campionamento statistico.

Testi adottati

• Statistica per le decisioni (III edizione), Il Mulino (2020)
  Domenico Piccolo

Textbook for English students

• Statistics: Principles and Methods, Pearson (2020)
  Giuseppe Cicchitelli - Pierpaolo D’Urso - Marco Minozzo

Materiale didattico: Materiale aggiuntivo, articoli, letture e compiti a casa saranno fornite sulla piattaforma LMS associata alla classe.

Statistica Psicometrica [Italiano]
Università di Napoli Federico II

Prerequisiti: No formal prerequisites requested.

Obiettivi: Il corso intende fornire le conoscenze metodologiche ed applicative delle metodologie di base della statistica psicometrica, fondamento indispensabile per l’analisi quantitativa nell’ambito delle scienze psicologiche e cognitive, più in generale. Il corso introduce le scale di misura e fornisce cenni alla teoria della misurazione. Sono presentati i concetti di collettivo, popolazione e campione e di unità statistica. L’analisi descrittiva univariata e bivariata precede la parte dedicata all’inferenza statistica. La logica del processo inferenziale viene proposta sotto il profilo applicativo più che teorico, focalizzando l’attenzione sul significato di test statistico. Alcuni cenni ai fondamenti del calcolo delle probabilità, con particolare attenzione al teorema di Bayes, completano il programma.

Contenuto: Introduzione e lessico di base. Rappresentazione tabellare di una distribuzione. Rappresentazione grafica di una distribuzione. Statistiche descrittive. Probabilità. Modelli teorici. Inferenza statistica. Studio della relazione tra caratteri. Contesti applicativi e metodi. Analisi della varianza.

Testi adottati (in alternativa)

• Fondamenti di Psicometria (III edizione), McGraw-Hill (2020)
  Carlo Chiorri
• Fondamenti di Statistica, Pearson (2018)
  Arthur Aaron - Elliot J. Coups - Elaine N. Aron
• Psicometria. Fondamenti, metodi e applicazioni, Il Mulino (2008)
  Stefania Mannarini

Textbook for English students

• Fundamental Statistics for the Behavioral Sciences, Pearson (2020)
  David C. Howell

Materiale didattico: Materiale aggiuntivo, articoli, letture e compiti a casa saranno fornite sulla piattaforma LMS associata alla classe.

Production Process Control [English]
Università di Napoli Federico II

Prerequisites: No formal prerequisites requested.

Aim: Aim of the course is to provide students with a broad overview of basic statistical methods. Room is devoted to applications and case studies. Students will learn statistics by doing, exploiting R, a popular open-source software for data analysis. Emphasis on the applications of the techniques and on the interpretation of results will help students to appreciate the relevance of the statistical tools in their study context.

Content: Data trasformation. Tidy data. Relational data. Tabular representation of a distribution. Graphical representation of a distribution. Univariate and bivariate statistical summaries. Statistical reporting. Dashboard. Reproducibility.

Textbooks

• R for Data Science, O’Reilly
  Garrett Grolemund - Hadley Wickham
• Intuitive Introductory Statistics, Springer (2017) [first two chapters]
  Douglas A. Wolfe - Grant Schneider

Teaching materials: Supplementary materials, articles, readings and homeworks will be provided through the LMS platform associated to the class.

Dati e Modelli Statistici per le Decisioni Aziendali [Italian] - Modulo 1: Analisi dei dati
Università “Suor Orsola Benincasa”

Prerequisiti: Anche se non sono previste propedeuticità, è consigliabile riguardare gli argomenti trattati nel corso di base di Statistica.

Obiettivi: Il corso intende fornire gli strumenti quantitativi di base che permettono di descrivere e analizzare dati di natura bivariata e multivariata provenienti da diversi contesti applicativi. Alla fine del corso gli studenti avranno acquisito: conoscenza degli elementi fondamentali dei metodi e modelli per l’analisi di dati univariati e multivariati; competenze pratiche e operative relative alla visualizzazione, analisi ed interpretazione di dati pertinenti l’analisi economico-aziendale; la capacità di progettare e realizzare un’analisi empirica su dati bivariati e multivariati.

Contenuto: Richiami sulle statistiche univariate e bivariate. Analisi esplorativa dei dati e modelli statistici per le applicazioni aziendali. Analisi in componenti principali. Analisi delle corrispondenze binarie. Analisi delle corrispondenze multiple. Cluster analysis. Argomenti aggiuntivi (per i lavori di gruppo): analisi dei dati testuali, analisi degli archetipi, segmentazione binaria, conjoint analysis, multidimensional scaling.

Testi adottati

• Analisi dei dati e data mining per le decisioni aziendali, Giuffrè, 2007
  Sergio Zani - Andrea Cerioli
• R for Data Science, O’Reilly
  Garrett Grolemund - Hadley Wickham

Textbooks for English students

• R for Data Science, O’Reilly
  Garrett Grolemund - Hadley Wickham
• Exploratory Multivariate Analysis by Example using R
  Francois Husson, Sebastien Le, Jérôme Pagès

Materiale didattico: Materiale aggiuntivo, articoli, letture e compiti a casa saranno fornite sulla Google Classroom Unisob associata alla classe.

Precedenti anni accademici