Motivazioni allo studio della statistica. Ambiti sperimentali e osservazionali. Popolazioni finite e infinite. Elementi di statistica descrittiva. Elementi di probabilità. Variabili aleatorie. Modelli di variabili aleatorie. Distribuzione delle statistiche campionarie. Stima parametrica, intervalli di confidenza e verifica delle ipotesi.
Sheldon M. Ross. Probabilità e Statistica per l’ingegneria e le Scienze, 2015 Maggioli Editore
Obiettivi Formativi
Conoscenze. Conoscenze di base della statistica classica e del calcolo delle probabilità, posti in relazione fra loro.Competenze. Autonomia nel trattare semplici problemi di stime parametriche, predizioni e test d’ipotesi
Metodi Didattici
Lezioni di didattica frontale e esercitazioni
Modalità di verifica apprendimento
Prova scritta e orale
Programma del corso
Introduzione. Popolazioni e campioni. Tabelle e grafici. Indici di posizione e variabilità. Disuguaglianza di Chebychev. Elementi di probabilità Spazio degli eventi. Assiomi della probabilità. Probabilità condizionata. Formula di Bayes. Eventi indipendenti. Variabili aleatorie generalità. Variabili aleatorie di Bernoulli, binomiale, Poisson, ipergeometrica, uniformi, normale, esponenziale, gamma, chi-quadro,t,F, logistica. Distribuzione delle statistiche campionarie. Media campionaria e Teorema del limite centrale. Varianza campionaria. Stima parametrica. Stimatori di massima verosimiglianza. Intervalli di confidenza. Intervalli di predizione. Stimatori e stimatori Bayesiani.Verifica di ipotesi. Livello di significatività. Verifica di ipotesi per la media per una o due popolazioni. Verifica di ipotesi per una proporzione e per I parametri di due popolazioni distribuite come una Poisson.