INGLESE

Statistics è un corso introduttivo che non richiede precedenti conoscenze di statistica e che fornisce i concetti e i metodi della statistica descrittiva enfatizzando la comprensione dei principi della raccolta dati, dell’analisi dei dati e delle teorie sottostanti. Un parte significativa del corso è incentrata sull’utilizzo della statistica in casi reali.
I principali argomenti del corso includono:
Introduzione alla statistica
Raccolta dati
Visualizzazione e sintesi dei dati;
Relazioni tra variabili
Comprensione e comparazione delle distribuzioni

Statistics - Principles and Methods
Cicchitelli Giuseppe, D'Urso Pierpaolo, Minuzzò Marco
Pearson, 2021

Conoscenza e capacità di comprensione:
Comprendere i concetti principali della statistica descrittiva quali: le diverse tipologie di dati le distribuzioni; le misure di tendenza centrale, le misure di variabilità, di posizione e di forma; le rappresentazioni grafiche; le misure di dipendenza tra variabili statistiche.

Capacità di applicare conoscenza e comprensione:
Saper pianificare un’indagine, raccogliere e gestire dati, ed eseguire analisi statistiche e visualizzazioni

Autonomia di giudizio: Interpretare correttamente i risultati delle analisi statistiche e trarre conclusioni consapevoli in presenza di variabilità e dipendenza tra variabili.

Abilità comunicative: Saper descrivere e illustrare i risultati di un analisi statistica attraverso grafici e indici sintetici appropriati.
Capacità di apprendere: Acquisire la padronanza metodologica necessaria per affrontare corsi avanzati di inferenza e data mining.

Conoscenze di base della matematica

Per raggiungere efficacemente gli obiettivi dichiarati, questo corso utilizzerà le seguenti strategie didattiche:
lezioni frontali:

Le lezioni si concentreranno sugli aspetti teorici della statisticha. Sono progettati per sviluppare la comprensione e la conoscenza delle statistiche descrittive e per rafforzare le abilità degli studenti nella raccolta dei dati, nell'analisi dei dati e nelle interpretazioni.
Esercitazioni
Verranno effettuate esercitazioni alla lavagna, con software R e con foglio elettronico. Lo scopo è quello di sviluppare le capacità analitiche e interpretative dei dati.

L’esame finale consiste in una prova scritta seguita da una discussione orale sui temi del corso. La valutazione è in trentesimi:

Voto Criteri di Valutazione
30 - 30L Padronanza eccellente dei metodi e analisi critica profonda.
26 - 29 Ottima capacità analitica e corretta interpretazione dei risultati statistici.
22 - 25 Buona conoscenza delle tecniche descrittive proposta nel programma del corso
18 - 21 Conoscenza sufficiente dei concetti base

English

Statistics is an introductory course that assumes no prior knowledge of statistics. Basic statistical concepts and methods are presented in a manner that emphasizes understanding the principles of data collection and analysis as well as those of theory. Much of the course will be devoted to discussions of how statistics is commonly used in the real world.
Main topics include:
Introduction to Statistics
Collecting Data
Displaying and summarizing Data
Relationships Between Variables
Understanding and Comparing Distributions

Statistics - Principles and Methods
Cicchitelli Giuseppe, D'Urso Pierpaolo, Minuzzò Marco
Pearson, 2021

Knowledge and understanding:
Understanding the main concepts of descriptive statistics, including: different types of data; distributions; measures of central tendency; measures of variability, position, and shape; graphical representations; and measures of dependence between statistical variables.
Ability to apply knowledge and understanding:
Being able to plan a survey, collect and manage data, and perform statistical analyses and visualizations.
Judgement autonomy:
Correctly interpreting the results of statistical analyses and drawing informed conclusions in the presence of variability and dependence between variables.
Communication skills:
Being able to describe and present the results of a statistical analysis using appropriate graphs and summary indices.
Learning skills:
Acquiring the methodological proficiency necessary to tackle advanced courses in inference and data mining.

Basic Mathematics Skills

To effectively achieve the stated learning objectives, the course will adopt the following teaching strategies:
Lectures:
The lectures will focus on the theoretical aspects of statistics. They are designed to develop students’ understanding and knowledge of descriptive statistics and to strengthen their skills in data collection, data analysis, and interpretation.
Practical sessions:
Exercises will be carried out at the blackboard, using R software, and with spreadsheet tools. The aim is to develop students’ analytical and data interpretation skills.

The final examination consists of a written test followed by an oral discussion on the topics covered in the course. The assessment is graded on a 30-point scale:
Grade — Evaluation Criteria
30 – 30L: Excellent mastery of methods and in-depth critical analysis.
26 – 29: Very good analytical skills and correct interpretation of statistical results.
22 – 25: Good knowledge of the descriptive techniques included in the course syllabus.
18 – 21: Sufficient knowledge of the basic concepts.

PART I: EXPLORING AND UNDERSTANDING DATA
1. Introduction to statistics
1.1 What Is Statistics?
1.2. Data
1.3 Variables
1.4 Models

2. Displaying and Describing Data

2.1 Summarizing and Displaying a Categorical Variable
2.2 Displaying a Quantitative variable
2.3 Shape
2.4 Center
2.5 Spread

3. Relationships Between Categorical Variables — Contingency Tables

3.1 Contingency tables
3.2 Conditional distributions
3.3 Displaying Contingency Tables
3.4 Categorical Variables

4. Understanding and Comparing Distributions

4.1 Displays for Comparing Groups
4.2 Outliers


5. The Standard Deviation as a Ruler and the Normal Model

5.1 Using the standard deviation to Standardize Values
5.2 Shifting and scaling
5.3 Normal models
5.4 Working with Normal Percentiles
5.5 Normal Probability Plots
PART II: EXPLORING RELATIONSHIPS BETWEEN VARIABLES
6. Scatterplots, Association, and Correlation
6.1 Scatterplots
6.2 Correlation
6.3 Warning: Correlation ≠ Causation
6.4 *Straightening Scatterplots
7. Linear Regression

7.1 Least Squares: The Line of “Best Fit”
7.2 The Linear model
7.3 Finding the least squares line
7.4 Regression to the Mean
7.5 Examining the Residuals
7.6 R2–The Variation Accounted for by the Model
7.7 Regression Assumptions and Conditions