.- Statistica matematica PROF. GABRIELE CANTALUPPI; PROF. ROBERTA PAROLI I MODULO: Prof. Gabriele Cantaluppi OBIETTIVO DEL CORSO Offrire una presentazione dei concetti e delle tecniche statistico-matematiche essenziali per l’analisi di modelli di causalità lineari a variabili esplicative non direttamente osservabili (latenti), con particolare riferimento alla valutazione della “customer satisfaction” e dell’efficacia di un Sistema per la qualità. PROGRAMMA DEL CORSO 1. Richiami della teoria della regressione lineare 2. Costrutti concettuali e primo passo per stabilirne una descrizione quantitativa Procedimenti di misurazione, dimensioni del costrutto, accertamento statistico dell’esistenza delle dimensioni, il coefficiente di Cronbach; analisi dei fattori confermativa. 3. Definizione statistico-matematica complessiva di un costrutto concettuale e relativi problemi di stima Il modello strutturale lineare a variabili latenti: condizioni di identificabilità; stima parametrica: minimi quadrati semplici o ponderati, stime di massima verosimiglianza nell’ipotesi di multinormalità degli indicatori osservabili (variabili manifeste); approccio non parametrico di Wold (Partial Least Squares); verifica di validità del modello. 4. Cenni sul problema delle scale solo ordinali BIBLIOGRAFIA A. ZANELLA, Modelli di misurazione e causalità - Appunti delle lezioni di Statistica Matematica, EDUCatt, Milano, 2008. K.A. BOLLEN, Structural Equations with Latent Variables, Wiley, New York, 1989 (capp. 1, 2, 3, 6, 7, 8). G.A. MARCOULIDES (ed.), Modern Methods for Business Research, Lawrence Erlbaum Associates, London, 1988 (capp. 9, 10). DIDATTICA DEL CORSO Lezioni in aula informatica. METODO DI VALUTAZIONE Esame scritto e orale. AVVERTENZE Orario e luogo di ricevimento Il Prof. Gabriele Cantaluppi riceve gli studenti come da avviso affisso all’albo presso il Dipartimento di Scienze statistiche (via Necchi 9, I piano). II MODULO: Prof. Roberta Paroli OBIETTIVO DEL CORSO Il corso si propone di analizzare in modo approfondito alcuni argomenti di statistica inferenziale, unendo aspetti formali e metodologici a elementi di ricaduta applicativa. In particolare, dopo aver ripreso gli elementi metodologici riguardanti la verifica d’ipotesi composte, verranno considerate le procedure non parametriche proprie per la verifica della casualità, per il confronto tra distribuzioni in termini di locazione, di dispersione e di densità. PROGRAMMA DEL CORSO 1. Alcuni argomenti riguardanti la verifica statistica di ipotesi parametriche – Richiami alla teoria della verifica statistica delle ipotesi: procedura decisionale, funzione di potenza ed errori, prove di ipotesi semplici, lemma di NeymanPearson. – Prove di ipotesi composte: definizione e proprietà del test uniformemente massimamente potente, test non distorto, similarità e completezza. – Procedure di verifica di ipotesi relative a famiglie di distribuzioni: la classe di distribuzioni esponenziali; alcuni sistemi di ipotesi di particolare impiego applicativo. 2. Richiami di base sui metodi di verifica di ipotesi non parametrica – Le statistiche d’ordine: definizione, distribuzioni di probabilità marginali e congiunte. – Il campionamento casuale: definizioni e proprietà, significato dei ranghi, le variabili casuali “rango”. Ruolo dei metodi non parametrici. – Test di casualità. Procedure basate sul numero di sequenze omogenee (runs), sulla lunghezza della sequenza omogenea, sulle sequenze “up-and-down”. – Verifiche di ipotesi basate sui ranghi di un campione. La verifica riguardante un indice di posizione: il test dei segni e il test dei segni per i ranghi di Wilcoxon. – Verifiche di ipotesi basate su due campioni indipendenti: il test di WaldWolfowitz sulle “permanenze”, il test sulla “mediana” e il test di MannWhitney. Le statistiche di “eccedenza” e di “precedenza”, il test di controllo “mediano”. – Procedure di verifica riguardanti la legge di distribuzione di una o più variabili casuali: il test di adattamento del Chi-quadrato ed il test di KolmogorovSmirnov. Confronto tra l’impiego dei due test. – Verifiche di ipotesi riguardanti la correlazione o la concordanza tra i dati di due campioni: il test rho di Spearman ed il test tau di Kendall. – Problemi di stima non parametrica. La stima della funzione di densità di una variabile casuale continua. Le procedure di spianamento, ricerca del punto di ottimo dell’ampiezza della “finestra” di osservazione. Le funzioni “kernel”, la validazione incrociata, esempi di impiego e risultati di simulazioni. BIBLIOGRAFIA Per il punto 1 E.L. LEHMANN, Testing Statistical Hypotheses, Wiley, New York, 1986, 2a ed. A. ZANELLA, Appunti delle Lezioni di Statistica II - Inferenza Statistica, Università Cattolica del Sacro Cuore, Istituto di Statistica, Milano, 2004. Per il punto 2 J.D. GIBBONS-S. CHAKRABORTI, Nonparametric Statistical Inference, Dekker, New York, 1992, 3a ed. G. LANDENNA-D. MARASINI, Metodi statistici non parametrici, Il Mulino, Bologna, 1990. L. WASSERMAN, All of Nonparametric Statistics, Springer, 2006. DIDATTICA DEL CORSO Lezioni frontali ed esercitazioni. METODO DI VALUTAZIONE Prova scritta (esercizi) e prova orale al superamento dello scritto. È prevista anche una prova intermedia, che si terrà secondo le modalità stabilite dal Consiglio di Facoltà. AVVERTENZE Orario e luogo di ricevimento Il Prof. Roberta Paroli riceve gli studenti come da avviso affisso all’albo presso il Dipartimento di scienze statistiche (via Necchi 9, I piano) o secondo le indicazioni reperibili nella pagina virtuale.