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.