Settimana 2 – Sinf Lab

Sintesi

Diario delle lezioni

Schema del processo inferenziale | Il workflow di lavoro: modello scientifico, modello generatore, modello statistico | Il modello generatore dei dati (DGP: Data Generating Process) | Caratteristica delle variabili casuali osservazioni campionarie | Richiami di probabilità: il modello di Bernoulli | Richiami di probabilità: il modello binomiale | Combinazioni lineari di variabili casuali | Valore atteso e varianza di una combinazione lineare nel caso di variabili indipendenti e nel caso di variabili dipendenti | Sintesi del campione casuale attraverso una combinazione lineare delle osservazioni campionarie | Due particolari combinazioni lineari: somma e media campionaria | La distribuzione binomiale come somma di n variabili bernoulliane | Trasformazione della binomiale: la variabile casuale frequenza relativa | Forma della distribuzione binomiale in funzione del valore di pi-greco e al crescere di n (primo cenno al teorema del limite centrale) | Le funzioni d{modello}, r{modello}, p{modello} e q{modello} per la gestione di modelli di probabilità in R | La funzione dbinom per calcolare la distribuzione di probabilità della binomiale.

Data consegna homework #02

Lunedì 02 giugno

Materiale

Slide

🖥️ Alcune slide introduttive sull’inferenza

Codice commentato

💻️ Codice R v.c di Bernoulli, binomiale e teorema del limite centrale

💻️ Progetto RStudio con i dati del questionario di ingresso e la generazione dello spazio campionario (file .zip: scaricare il file sul proprio sistema, decomprimerlo e lanciare il file campionamento-studenti.RProj)

Letture di approfondimento

Statistica per le Decisioni di Domenico Piccolo (terza edizione)

-   Capitolo 10: Principali modelli probabilistici

    -   Paragrafo 10.6: La variabile casuale di Bernoulli
    -   Paragrafo 10.7: La variabile casuale binomiale

-   Capitolo 12: Campioni casuali e distribuzioni campionarie

    -   Paragrafo 12.2: Principi dell'inferenza statistica
    -   Paragrafo 12.3: Procedure inferenziali
    -   Paragrafo 12.4: Campioni casuali e distribuzioni campionarie

R for Data Science di Hadley Wickham, Mine Cetinkaya-Rundel e Garrett Grolemund (seconda edizione)

-   Capitolo 7: Data import

    -   Paragrafo 7.1: Introduction
    -   Paragrafo 7.2: Reading data from a file
    -   Paragrafo 7.3: Controlling column type

Statistical Inference via Data Science di Chester Ismay e Albert Y. Kim

-   Capitolo 7: Sampling

    -   Paragrafo 7.1: First activity: red balls
    -   Paragrafo 7.2: Sampling frameworks
    -   Paragrafo 7.3: The central limit theorem
    -   Paragrafo 7.4: Second activity: chocolate-covered almonds
    -   Paragrafo 7.5: The sampling distribution in other scenarios
    -   Paragrafo 7.6: Summary and final remarks

Compito

✍️ Homework #02

Back to course schedule ⏎