Statistica II
PROF. DIEGO ATTILIO MANCUSO
OBIETTIVO DEL CORSO
Il corso si propone di introdurre i fondamenti dell’inferenza statistica, necessaria
per prendere decisioni in presenza di informazioni campionarie.
PROGRAMMA DEL CORSO
OBIETTIVI FORMATIVI CHE LO STUDENTE DOVREBBE AVER RAGGIUNTO PRIMA DI ACCEDERE AL
CORSO
Il programma del corso di Statistica II assume le conoscenze propedeutiche
comprese nei programmi dei corsi di Statistica I e di Matematica generale II.
OBIETTIVI FORMATIVI CHE LO STUDENTE POTREBBE ACQUISIRE NEL CORSO
1. Argomenti di calcolo delle probabilità
– Complementi su alcune variabili casuali: a) Processo di Poisson; b) Funzione
Gamma e funzione Beta; c) variabili casuali Gamma (e chi-quadrato) e Beta; d)
v.c. normale, a una, due e p dimensioni; e) v.c. di Poisson, e v.c. esponenziale
negativa; f) la v.c. logistica.
– Teorema centrale di convergenza. Cenni su altri teoremi asintotici.
– Momenti e funzioni generatrici dei momenti, in particolare per le v.c.
binomiale, di Poisson, Gamma (e chi-quadrato), normale.
– Il teorema di Cochran.
Campionamento e v.c. campionarie. Trasformazioni di v.c.. La v.c. t di Student,
e F di Fisher. Il metodo delta. Statistiche d’ordine.
2.
–
–
–
Argomenti di statistica matematica
V.c. multivariate: la distribuzione gaussiana multivariata.
L’Informatore Statistico. La funzione di verosimiglianza.
Stima puntuale: proprietà degli stimatori, metodi per la determinazione degli
stimatori, metodo dei momenti e della massima verosimiglianza, stimatori a
varianza minima. Distribuzione degli stimatori di massima verosimiglianza.
– Stima intervallare: costruzione degli intervalli di confidenza, quantità pivotali,
intervalli di verosimiglianza.
– Verifica delle ipotesi. Test di significatività. Test del rapporto di
verosimiglianza.
3. Argomenti di analisi di regressione
– Analisi della varianza con un criterio di classificazione.
– Richiami sulla funzione di regressione: aspetti descrittivi.
– Le funzioni di regressione nel caso della v.c. normale bivariata.
– Analisi di regressione semplice. Teorema di Gauss-Markov. Stime di massima
verosimiglianza per il modello di regressione normale, e test collegati. Stima
della media condizionale. Calcolo di un intervallo predittivo.
– Analisi di regressione multipla: a) col metodo dei minimi quadrati ordinari, b)
col metodo dei minimi quadrati ponderati. Il problema della multicollinearità.
BIBLIOGRAFIA
Testi consigliati
G. CICCHITELLI, Probabilità e statistica, Maggioli, Rimini, 2001.
B. V. FROSINI, Analisi di regressione, EDUCatt, Milano, 2011.
B. V. FROSINI, Complementi sulle variabili casuali, EDUCatt, Milano, 2012.
Letture complementari
G. CASELLA-R. L. BERGER, Statistical inference, Pacific Grove CA, Duxbury.
R. HOGG-J. MCKEAN-A. CRAIG, Introduction to Mathematical Statistics, Pearson Education, 2005.
D. PICCOLO, Statistica per le decisioni, Il Mulino, Bologna.
C. R. RAO, Linear statistical inference and its applications, Wiley, New York.
N. A. WEISS, Calcolo delle probabilità, Pearson-Addison Wesley, Milano.
DIDATTICA DEL CORSO
Lezioni in aula.
METODO DI VALUTAZIONE
Esame scritto.
AVVERTENZE
Orario e luogo di ricevimento
Il Prof. Diego Attilio Mancuso riceve gli studenti come da avviso affisso all’albo presso
il Dipartimento di Scienze statistiche (Lanzone 18, III piano) e indicato sulle pagine web dei
docenti sul sito www.unicatt.it.
