Insegnamento INFORMATICA E PRINCIPI DI STATISTICA
- Corso
- Scienze e tecnologie agro-alimentari
- Codice insegnamento
- GP000935
- Curriculum
- Comune a tutti i curricula
- Docente
- Lorenzo Vergni
- Docenti
-
- Lorenzo Vergni
- Ore
- 60 ore - Lorenzo Vergni
- CFU
- 6
- Regolamento
- Coorte 2018
- Erogato
- 2018/19
- Attività
- Base
- Ambito
- Matematiche, fisiche, informatiche e statistiche
- Settore
- INF/01
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- Italiano
- Contenuti
- •Statistica descrittiva. Il procedimento scientifico, la misurazione dei fenomeni naturali e la variabilità dei dati sperimentali. Distribuzioni di frequenza assolute, relative e cumulate. Indicatori di tendenza centrale campionaria: media, moda e mediana. Indicatori di variabilità campionaria: intervallo di variazione, devianza, varianza, deviazione standard, coefficiente di variazione. Percentili. Tabelle di contingenza, codevianza, correlazione tra variabili, analisi di regressione lineare semplice. •Probabilità. Concetti di popolazione e campione. Elementi di teoria della probabilità. Distribuzioni di probabilità discrete e continue: la distribuzione binomiale e la distribuzione normale.•Statistica inferenziale. Campionamento da una distribuzione normale. Parametri e stimatori. Metodi e criteri di stima: considerazioni generali. Campionamento da una popolazione normale: media e deviazione standard. Intervalli di confidenza di una media.•Test d'ipotesi. Introduzione al test d'ipotesi: test per la media e la varianza di una popolazione, confronto fra due medie.•Informatica: funzioni di base e avanzate del foglio elettronico per l'analisi dei dati (filtri, ordinamenti, tabelle pivot, funzioni statistiche) e per la soluzione di problemi logico-matematici e di ottimizzazione (funzioni logico-matematiche, risolutore). Cenni sulle principali funzionalità del software statistico R
- Testi di riferimento
- Pelosi M. K., Sandifer T. M., Cerchiello P., Giudici P. (2009). Introduzione alla Statistica, McGraw-Hill.
Materiale didattico fornito dal docente - Obiettivi formativi
- L'obiettivo principale del corso è quello di fornire agli studenti le basi per l'elaborazione statistica di dati rilevati in occasione di indagini campionarie.In particolare le principali conoscenze acquisite saranno:•concetti di base della statistica (metodo sperimentale e concetto di campione e popolazione) e obiettivi di un'indagine statistica,•sintetizzare e descrivere i dati rilevati (con gli indicatori opportuni e graficamente),•differenza tra statistica descrittiva ed inferenziale•concetti di frequenza relativa e assoluta campionarie•misure di tendenza centrale e di dispersione campionaria•analisi di correlazione e regressione•distribuzioni di probabilità discrete e continue•stima dei parametri di una distribuzione normale•verifica delle ipotesi statistiche•funzionalità dei programmi utili nell'analisi e nella gestione dei datiTali conoscenze permetteranno di sviluppare le seguenti abilità:1.effettuare un campionamento (numerosità, metodo di campionamento)2.rappresentazioni grafiche della frequenza campionaria per dati qualitativi e quantitativi3.calcolare le principali misure di tendenza centrale e di dispersione di un campione4.individuare la retta di regressione in una dispersione di dati5.calcolare la probabilità di eventi di cui si conosce la distribuzione di probabilità6.verificare le ipotesi statistiche7.utilizzare il foglio elettronico e altri programmi specifici per l'analisi statistica dei dati8.utilizzare i programmi per la creazione e gestione dei dati9.saper individuare le tecniche più idonee alla soluzione dei problemi posti
- Prerequisiti
- Conoscenza di nozioni base di matematica
- Metodi didattici
- Il corso è organizzato nel seguente modo:-lezioni in aula su tutti gli argomenti del corso;-esercitazioni in aula informatica o con il proprio pc per l'utilizzo del foglio elettronico per l'analisi e di altro software, la rappresentazione e l'interpretazione di dati sperimentali.
- Modalità di verifica dell'apprendimento
- L'esame finale è di tipo scritto e viene svolto in aula informatica al fine di valutare sia l’apprendimento delle nozioni teoriche di statistica, sia del funzionamento dei software utili all’elaborazione e alla rappresentazione dei dati sperimentali . Le prove consistono nella risoluzione di esercizi. Le prove di esame delle precedenti sessioni sono fornite agli studenti nel materiale didattico sulla pagina del corso disponibile su Unistudium.
- Programma esteso
- Definizione di Statistica. Popolazione, campione e variabile. Differenza tra parametro e statistica. Fattori che influenzano la dimensione del campione. Scelta del campione: il campione casuale semplice. Tipi di dati: qualitativi (nominali e ordinali); quantitativi (discreti e continui). Differenza tra statistica descrittiva e statistica inferenziale. Il simbolo di sommatoria. La distribuzione di frequenza o tabella di frequenza: frequenze assolute, frequenze relative, frequenze relative cumulate. Il caso continuo: scelta del numero delle classi e dell'ampiezza; classi di diversa ampiezza e densità. Rappresentazioni grafiche: diagramma a torta, a barre, a bastoncini; istogramma di frequenza. Misure di tendenza centrale. La moda. La mediana. La media aritmetica (semplice e ponderata per tabelle di frequenza). Misure di variabilità: range, varianza, scarto quadratico medio. Regola empirica per distribuzioni simmetriche a campana. Misure di variabilità relative: il coefficiente di variazione. Le misure di tendenza relativa: percentili e quartili (per dati grezzi e distribuzioni di frequenza). Scarto interquartile. Analisi bivariata. Analisi dati qualitativi bivariati: tabella di contingenza; frequenze congiunte assolute e relative; rappresentazione grafica tramite diagramma a barre raggruppate. Analisi dati quantitativi bivariati: diagramma di dispersione; tipi di relazione tra due variabili; coefficiente di correlazione lineare; retta di regressione o dei minimi quadrati: calcolo dei parametri e loro interpretazione; interpolazione ed estrapolazione di valori. Esperimento casuale. Spazio campionario. Evento casuale. Probabilità: definizione classica. Evento complementare. Intersezione e unione di eventi. Eventi incompatibili. Regola generale per il calcolo della probabilità dell'unione di due eventi. Probabilità condizionata. Eventi indipendenti. Definizione di variabile casuale. Variabili casuali discrete. Distribuzione di probabilità e rappresentazione grafica. Valore atteso e varianza. Variabile casuale di Bernoulli. Variabile casuale binomiale. Variabili casuali continue. Funzione di densità di probabilità. Variabile casuale normale e significato dei suoi parametri. Standardizzazione di variabili casuali e variabile casuale normale standard. Tavole della Z. Calcolo delle probabilità di intervalli per una variabile casuale normale. Calcolo dei quantili di una variabile casuale normale. Distribuzioni campionarie. Distribuzione della media campionaria: media e standard error. Teorema centrale del limite. Distribuzione della media campionaria per popolazione normale. Stimatori puntuali e stimatori intervallari. Intervalli di confidenza: definizione. Intervalli di confidenza per la media: popolazione normale e scarto quadratico medio noto; popolazione normale e scarto quadratico medio ignoto; la v.c. T di Student. Interpretazione dell'intervallo di confidenza. Ampiezza dell'intervallo di confidenza e relazione con dimensione del campione, livello di confidenza e scarto quadratico medio. Intervallo di confidenza per una proporzione. Test di ipotesi. Principi generali. Fasi della verifica di ipotesi. Statistica test, valori critici e regione di rifiuto di un test. Test della media di una normale con varianza nota. Utilizzo della statistica Z. Calcolo del p-value o livello di significatività osservato. Test della media di una normale con varianza ignota e utilizzo della T di Student. Errori legati ai test di ipotesi (di prima e seconda specie).Tutti gli argomenti del programma verranno supportati da esempi pratici e applicativi. Esercitazioni in aula informatica: utilizzo del software Excel o software alternativi gratuiti (come R) nell'analisi dei dati (statistiche descrittive, tipologie di grafici, analisi di regressione, probabilità, statistica inferenziale, test d'ipotesi).