Inferenza statistica: approfondimenti di calcolo delle probabilità – Principali variabili casuali e loro distribuzioni – Proprietà degli stimatori – Teoria dei test statistici – Metodi di campionamento
Analisi dei modelli lineari: Modelli statistici – Modelli econometrico lineare – Stima dei parametri e verifica del modello – Previsione – Analisi dei residui - Analisi della varianza
Analisi dei modelli casuali: Sistemi di equazioni simultanee – Sistemi di equazioni recursive – Individuazione dei legali causali a tre, quattro variabili
Analisi delle serie storiche: Analisi classica: metodi di scomposizione – Trend, stagionalità, ciclicità, accidentalità – Analisi dei residui – Cenni all’analisi moderna: i modelli della classe AR.M.A. – Autocorrelazione globale e parziale – Criteri di identificazione, di stima e di controllo dei modelli
Analisi delle serie spaziali: Autocorrelazione spaziale – Disposizione spaziale – Ordinamento spaziale e analisi della matrice dei pesi – Modelli di interazione spazio-temporale
Elementi di algebra delle matrici: Somma, differenza, prodotto – Determinante – Matrice inversa – Derivazione forme quadratiche

STATISTICA II (STATISTICA APPLICATA)
Docente: Coli Mauro
Corso di Laurea : CLEA, 6 CFU
Settore scientifico disciplinare: SECS-S/01
Dipartimento di afferenza: Dipartimento di Economia
E-mail: coli@unich.it
Semestre: secondo
Programma
Inferenza statistica: approfondimenti di calcolo delle probabilità – Principali variabili casuali e loro distribuzioni – Proprietà degli stimatori – Teoria dei test statistici – Metodi di campionamento
Analisi dei modelli lineari: Modelli statistici – Modelli econometrico lineare – Stima dei parametri e verifica del modello – Previsione – Analisi dei residui - Analisi della varianza
Analisi dei modelli casuali: Sistemi di equazioni simultanee – Sistemi di equazioni recursive – Individuazione dei legali causali a tre, quattro variabili
Analisi delle serie storiche: Analisi classica: metodi di scomposizione – Trend, stagionalità, ciclicità, accidentalità – Analisi dei residui – Cenni all’analisi moderna: i modelli della classe AR.M.A. – Autocorrelazione globale e parziale – Criteri di identificazione, di stima e di controllo dei modelli
Analisi delle serie spaziali: Autocorrelazione spaziale – Disposizione spaziale – Ordinamento spaziale e analisi della matrice dei pesi – Modelli di interazione spazio-temporale
Elementi di algebra delle matrici: Somma, differenza, prodotto – Determinante – Matrice inversa – Derivazione forme quadratiche
Testi di riferimento: dispense del corso
Propedeuticità: per l’acquisizione delle conoscenze della statistica di base è assolutamente necessario aver acquisito propedeuticamente le principali conoscenze della matematica generale.
Metodi didattici
Al fine di venire incontro alle esigenze degli studenti, si rende necessario affiancare alle tradizionali lezioni frontali un ciclo di esercitazioni per rendere applicative le questioni metodologiche illustrate durante il corso.
Metodo di valutazione: esame scritto e orale