mail unicampaniaunicampania webcerca

    Antonio IRPINO

    Insegnamento di METODI MATEMATICI PER IL DESIGN

    Corso di laurea in DESIGN E COMUNICAZIONE

    SSD: SECS-S/02

    CFU: 6,00

    ORE PER UNITÀ DIDATTICA: 48,00

    Periodo di Erogazione: Primo Quadrimestre

    Italiano

    Lingua di insegnamento

    ITALIANO

    Contenuti

    Utilizzo di tecniche di elaborazione statistica di dati rilevati in occasione di indagini campionarie e censuarie a supporto di processi di decision making con i seguenti obiettivi: sintetizzare e descrivere i dati rilevati, stimare i parametri della popolazione, effettuare previsioni sul valore di alcune grandezze oggetto di studio.

    Testi di riferimento

    In alternativa:
    • G. Cicchitelli. STATISTICA: Principi e metodi. Ed Pearson.
    • D. Piccolo. STATISTICA PER LE DECISIONI. Il Mulino.
    • S. Borra, A. Di Ciaccio. STATISTICA: Metodologie per le scienze economiche e sociali (2 ed.). McGraw-Hill, 2008.

    Obiettivi formativi

    Conoscenza e capacità di comprensione. Lo studente dovrà dimostrare una conoscenza almeno sufficiente degli argomenti indicati nel programma; dovrà dimostrare la capacità di comprendere la materia, con riguardo tanto agli aspetti teorici, analitici e pratici per l’analisi di un set di dati descritto da variabili di diversa natura. Dovrà dimostrare, inoltre, di saper interpretare i risultati di un’elaborazione statistica. (knowledge and understanding).
    Conoscenza e capacità di comprensione applicate. Lo studente dovrà dimostrare di avere capacità critica nella comprensione dei costrutti teorici ed analitici degli indicatori statistici presentati al corso. Lo studente saprà applicare la giusta strategia di analisi a contesti concreti e specifici (applied knowledge and understanding).
    Autonomia di giudizio. Lo studente dovrà dimostrare capacità interpretativa dei risultati per descrivere un dataset statistico e per prendere decisioni di coerenti. (making judgements).
    Abilità comunicative. Lo studente dovrà dimostrare di saper comunicare in modo chiaro e senza ambiguità le proprie conoscenze, di saper esprimere le proprie considerazioni e conclusioni anche nell’àmbito delle diverse possibilità di analisi di un dataset trattati nel corso delle lezioni frontali. Lo studente deve dimostrare di saper esporre le nozioni acquisite con coerenza argomentativa, rigore logico-sistematico e proprietà di linguaggio (communication skills).
    Capacità di apprendere. Lo studente dovrà dimostrare di aver sviluppato capacità di comprendere la complessità delle relazioni esistenti tra variabili statistiche osservate in un contesto di analisi, nonché le capacità di apprendimento che possono consentirgli di proseguire nello studio delle materie che basano il loro metodo sull’analisi dei dati osservati in un contesto socio-economico in modo autonomo e consapevole, anche mediante un aggiornamento costante delle proprie competenze (learning skills).

    Prerequisiti

    Conoscenze base di analisi matematica, di algebra e di geometria analitica

    Metodologie didattiche

    48 ore di lezioni frontali con utilizzo di slides e di software statistico.

    Metodi di valutazione

    Esercitazioni pratiche e prove intercorso facoltative per esonero da prove scritte all’esame finale. Esame finale con prova scritta ed orale.

    Altre informazioni

    La frequenza costante e attiva delle lezioni, pur non obbligatoria, è vivamente consigliata.

    Programma del corso

    Introduzione alla Statistica. Fasi di un'indagine statistica. Elementi della rilevazione statistica.
    Distribuzioni di frequenza per variabili discrete e per variabili continue. Rappresentazioni grafiche di distribuzioni di frequenza:. La funzione di ripartizione empirica.
    Rapporti statistici e numeri indice.
    Indici statistici di posizione - media aritmetica, media geometrica, moda, mediana e quantili.
    Indici statistici di variabilità - variabilità rispetto a un centro, campo di variazione, differenza semplice media. Concentrazione di un carattere trasferibile. Indici di mutabilità e diversità.
    Forma di una distribuzione di frequenza - asimmetria e curtosi.
    Distribuzioni multiple di frequenza. Indipendenza e misura delle relazioni nelle distribuzioni multiple. Connessione tra mutabili e correlazione tra variabili statistiche.
    Il Modello di regressione lineare Modello di regressione semplice - specificazione del modello, stima dei parametri con il metodo dei minimi quadrati.

    English

    Teaching language

    Italian

    Contents

    Use of statistical data techniques for data collected from sample or census surveys to support decision-making processes for summarizing and describing data, estimating population parameters, and forecasting.

    Textbook and course materials

    Alternatively:
    • G. Cicchitelli. STATISTICA: Principi e metodi. Ed Pearson.
    • D. Piccolo. STATISTICA PER LE DECISIONI. Il Mulino.
    • S. Borra, A. Di Ciaccio. STATISTICA: Metodologie per le scienze economiche e sociali (2 ed.). McGraw-Hill, 2008.

    Course objectives

    Knowledge and understanding. The student must demonstrate sufficient knowledge of the topics indicated in the program at least; he will be able to prove his ability to understand the subject, with regard to theoretical, analytical and practical aspects for the analysis of a set of data described by variables of different nature. He will also have to demonstrate his ability to interpret the results of a statistical analysis. (knowledge and understanding).
    Applied knowledge and understanding. The student will have to demonstrate that he has critical skills in understanding the theoretical and analytical constructs of the statistical indicators presented during the course. The student will be able to apply the right analysis strategy to specific and specific contexts (applied knowledge and understanding).
    Self- judgment. The student will have to demonstrate his ability to the interpretation of the results, to the description of a statistical dataset and to make coherent decisions. (making judgments).
    Communication skills. The student will have to demonstrate that he/she is able to communicate clearly and unambiguously his / her knowledge, to express his / her own thoughts and conclusions even in the context of different possibilities of analysis of a dataset treated during the lectures. The student must demonstrate the ability to present the acquired knowledge with argumentative consistency, logical-systematic rigor, and language skills (communication skills).
    Ability to learn. The student will have to demonstrate to have developed the ability to understand the complexity of the relationships existing between statistical variables, observed in an analysis context, as well as the learning skills that can allow him to continue in the study of the subjects that base their method on the analysis of the observed data in a socio-economic context in an autonomous and conscious way, also through a constant updating of their own skills (learning skills).

    Prerequisites

    Basic knowledge of mathematical analysis, algebra and analytical geometry

    Teaching methods

    48 hours of lectures using slides and statistical software.

    Evaluation methods

    Practical exercises and optional intermediate tests, if successfully passed, would exonerate the student from the written test at the final exam. Final exam consists of written and oral test.

    Other information

    Although not mandatory, a continuous and active frequency is strongly recommended

    Course Syllabus

    Introduction to Statistics. Phases of a statistical survey. Elements of the statistical surveys. Frequency distributions for discrete or continuous variables. Graphic representations of frequency distributions. The empirical distribution function.
    Statistical ratios and indexes.
    Measures of position - arithmetic mean, geometric mean, mode, median and quantiles. Statistical measures of dispersion - dispersion around a position index, range of variation, average simple difference.
    Measures of concentration for a transferable character. Indices of mutability and diversity.
    Shape of a frequency distribution - asymmetry and kurtosis.
    Bivariate frequency distributions. Independence and measures of relationships for bivariate distributions.
    Measure of associations between nominal variables and between numerical ones.
    The linear regression model.
    Simple regression model - specification of the model, estimation of the parameters using the least squares.

    facebook logoinstagram buttonyoutube logotype