Mooc
- Dati e Analisi Descrittive: un'introduzione, accessibile gratuitamente previa iscrizione: link form d'iscrizione
a cura di Francesca Bassi e Omar Paccagnella
Programma del corso:
1. Introduzione alla statistica: unità statistica, campione, popolazione
2. Raccolta dati e costruzione di un dataset: variabili, codifica del dato (domande a risposte multipla, mancate risposte, risposte non pertinenti), chiavi univoche
3. Statistica descrittiva univariata: tabelle di frequenza, principali indicatori di sintesi (media, moda, mediana), principali indicatori di variabilità (varianza, deviazione standard, etc.)
4. Statistica descrittiva bivariata: tabella di contingenza, percentuali di riga e di colonna
5. Misure di associazione e correlazione.
6. Rappresentazione grafiche: grafico a torta, a barre, a linee, istogramma, boxplot.
7. Raccolta di dati con moduli di Google.
- Introduzione all'Analisi Statistica, accessibile gratuitamente previa iscrizione: link form d'iscrizione
a cura di Andrea Sottosanti e Laura Ventura
Programma del corso, con laboratori in R:
1. Analisi esplorativa: Dati, Variabili, Tabelle, Grafici, Misure di sintesi
2. Inferenza statistica: Modello normale, Stima puntuale, Intervallo di Confidenza, Teorema del Limite Centrale, Modello di Bernoulli
3. Verifica di ipotesi per un campione: Test di significatività, Verifica su una media, Verifica su una proporzione, Verifica con dati appaiati
4. Verifica di ipotesi su due campioni: Verifica su due medie, Verifica su due proporzioni, Tabella di contingenza, Test basati sui ranghi
5. Regressione: Grafico di dispersione, Correlazione, Retta ai minimi quadrati, Inferenza, Regressione multipla
- Probabilità e Statistica
a cura di Alessandra Bianchi, Giorgia Callegaro e Manuela Cattelan
Programma del corso
1. Introduzione
2. Caratteri, distribuzioni di frequenza assolute e relative e frequenze cumulate. Rappresentazioni grafiche. Media, mediana e quartili. Misure di variabilità.
3. Tabelle di contingenza, indipendenza e indice chi-quadro. Scomposizione della varianza. Indice eta quadro. Correlazione.
4. Teoria degli insiemi, spazio campionario e spazio degli eventi. Probabilità e spazi uniformi. Calcolo combinatorio. Probabilità condizionata e indipendenza di eventi. Formula delle probabilità totali e teorema di Bayes.
5. Variabili aleatorie discrete e continue e distribuzioni notevoli. Media e varianza di variabili aleatorie. Distribuzione Gaussiana, chi quadro e t di Student.
6. Somma di variabili aleatorie, legge dei grandi numeri e teorema del limite centrale