Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Maria Cristina RECCHIONI
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea - [ET07] DIGITAL ECONOMICS AND BUSINESS First Cycle Degree (3 years) - [ET07] DIGITAL ECONOMICS AND BUSINESS
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 2 - Primo Semestre
Anno offertaAcademic year: 2024-2025
Anno regolamentoAnno regolamento: 2023-2024
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 66
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: SECS-S/03 - STATISTICA ECONOMICA
Inglese
English
Si considerano acquisiti i contenuti del programma di Matematica
generale.
The basic contents of the Mathematics are considered acquired.
Il corso è svolto mediante lezioni frontali e prevede anche esercitazioni
pratiche ed esercizi assegnati a ciascun discente attraverso la piattaforma e-learning
The course will be carried out through theoretical lectures and also
includes practical exercitation and exercises via e-learning platform
Il corso intende fornire conoscenze di base di statistica descrittiva, di
statistica inferenziale e di calcolo delle probabilità.
Capacità di applicare conoscenze e comprensione.
Al termine del corso lgli studenti e le studentesse saranno in grado di applicare
adeguatamente le principali tecniche di statistica descrittiva e
inferenziale.
Competenze trasversali.
Le esercitazioni pratiche, che avranno luogo durante il corso,
consentiranno agli studenti di migliorare la loro autonomia e la loro
capacità analitica.
The course furnishes basic knowledge of descriptive, inferential statistics
and probability calculations.
Capacity to apply Knowledge and Understanding.
At the end of the course students will be able to adequately apply the
main techniques of descriptive and inferential statistics.
Transversal Skills.
Practical exercises, which will take place during the course, will allow
students to improve their autonomy and analytical ability.
A) Lezioni
1 Analisi statistica descrittiva
1.1 Collettivo statistico: concetti e natura dei caratteri.
1.2 Distribuzioni univariate e loro rappresentazione.
1.3 Le misure di posizione.
1.4 Le misure della variabilità.
1.5 Le distribuzioni secondo due caratteri e la loro rappresentazione.
1.6 La teoria della connessione e le sue misure.
1.7 Lo studio della dipendenza e dell’interdipendenza.
2 Calcolo delle probabilità
2.1 Aspetti generali.
2.2 Le variabili casuali e i loro momenti.
3 Statistica inferenziale
3.1 Introduzione alla teoria dei campioni.
3.2 Stimatori, loro proprietà e metodi di stima.
3.3 Intervalli di confidenza.
3.4 Prova d’ipotesi.
B) Esercitazioni
Le esercitazioni, con cadenza settimanale, riguarderanno l’intero
programma del corso.
A) Lessons
1 Descriptive statistics
1.1 Statistical set: concepts and nature of variables.
1.2 Univariate distributions and their graphical representations.
1.3 Measures of location.
1.4 Measures of variability.
1.5 Bivariate distributions and graphical representations.
1.6 Dependence theory and measures of association.
1.7 Dependence and interdependence.
2 Fundamentals of probabilities
2.1 Introduction to probabilities.
2.2 The random variables.
3 Statistical inference
3.1 Introduction to sample theory.
3.2 Estimators, their properties and estimation methods.
3.3 Confidence intervals.
4. Hypothesis testing.
B) Practical sessions
They will cover the entire program of the course using spreadsheet.
L’esame consiste in una prova scritta con una prova orale
Per gli di studenti e studentesse con disabilità/invalidità o disturbo specifico di apprendimento (DSA), che abbiano fatto debita richiesta di supporto per affrontare lo specifico esame di profitto all’Info Point Disabilità/DSA dell’Ateneo, le modalità di esame saranno adattate alla luce di quanto previsto dalle linee guida di Ateneo (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Criteri di valutazione dell'apprendimento.
Nel corso dell’esame gli studenti dovranno dimostrare di aver acquisito
una solida conoscenza dei temi svolti nelle lezioni e di saper applicare tali
conoscenze nella soluzione degli esercizi.
Criteri di misurazione dell'apprendimento.
Il voto verrà espresso in trentesimi. Lo studente o la studentessa supererà l’esame se
otterrà almeno 18. È prevista l’assegnazione del massimo dei voti con
lode (30 e lode).
Criteri di attribuzione del voto finale.
Gli studenti e le studentesse dovranno rispondere a 4 domande scritte e 1 domanda all'orale. La data dell'orale è comunicata il giorno dello scritto. Gli studenti che dimostreranno una analitica, approfondita ed esaustiva comprensione dei contenuti teorici e pratici del corso, otterranno la lode.
Learning Evaluation Methods.
The exam is a written test and an oral part.
For students with disabilities or Specific Learning Disability (SLD) who have contacted the University Disability/SLD Info Point to request support for the specific curricular exam, please note that the way the exam is taken can be adapted in accordance with the University Guidelines (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Learning Evaluation Criteria.
During the exam, students must demonstrate that they have acquired a
solid knowledge of the lessons topics and know how to apply these
knowledge in the solution of the exercises.
Learning Measurement Criteria.
The vote will be expressed in thirtieth. The student will pass the exam the
vote is at least 18. It is expected the maximum of
votes cum laude (30 cum laude).
Final Mark Allocation Criteria.
Students must answer 4 written questions and 1 oral question. The date of the oral exam will be communicated on the day of the written exam.
Students who will demonstrate an analytical and exhaustive
understanding of the theoretical and practical content of the course will
receive the maximum of votes.
Giuseppe Cicchitelli, Pierpaolo D'Urso, Marco Minozzo, Statistics: principles and methods,
Pearson, 2021
ISBN: 8891911038
Joseph Watkins, An Introduction to the Science of Statistics: from theory to implementation.
Altro materiale didattico (slide, esercizi, homework) è messo a disposizione sul sito del corso (https://learn.univpm.it/)
Giuseppe Cicchitelli, Pierpaolo D'Urso, Marco Minozzo, Statistics: principles and methods,
Pearson, 2021
ISBN: 8891911038
Joseph Watkins, An Introduction to the Science of Statistics: from theory to implementation.
Additional teaching material (slides, exercises, homework) is made available on the course website (https://learn.univpm.it/)
L'insegnamento non è erogato in modalità e-learning.
The teaching is not delivered in e-learning mode.
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2024-2025
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427