Insegnamento STATISTICA PER IL TURISMO
Nome del corso di laurea | Economia del turismo |
---|---|
Codice insegnamento | 20099409 |
Curriculum | Comune a tutti i curricula |
Docente responsabile | Silvia Pandolfi |
Docenti |
|
Ore |
|
CFU | 9 |
Regolamento | Coorte 2021 |
Erogato | Erogato nel 2022/23 |
Erogato altro regolamento | |
Attività | Caratterizzante |
Ambito | Statistico-matematico |
Settore | SECS-S/01 |
Anno | 2 |
Periodo | Secondo Semestre |
Tipo insegnamento | Obbligatorio (Required) |
Tipo attività | Attività formativa monodisciplinare |
Lingua insegnamento | ITALIANO |
Contenuti | L’insegnamento permette di acquisire gli strumenti per la comprensione degli studi quantitativi di base e fornisce i primi rudimenti necessari per una corretta progettazione, implementazione e presentazione di un'analisi statistica. Le principali conoscenze acquisite saranno: a) gli elementi di base della statistica descrittiva: popolazione obiettivo, tipi di caratteri, distribuzioni di frequenza e di quantità, concetto di media, di varianza, di dipendenza e associazione fra due caratteri; b) gli elementi di base della statistica inferenziale: nozioni di probabilità, campione casuale, stima puntuale o per intervallo e relative verifiche d'ipotesi. La comprensione delle analisi statistiche legate al turismo e la loro valutazione critica costituisce un elemento fondamentale nella formazione del laureato in Economia del Turismo. L'obiettivo principale del corso, pertanto, è quello di fornire la conoscenza adeguata a questo scopo al fine di abituare lo studente ad interpretare i dati e a fare prime semplice analisi. |
Testi di riferimento | G. Cicchitelli, P. D’Urso, M. Minozzo. Statistica: Principi e metodi, Pearson, 2017. |
Obiettivi formativi | L'insegnamento introduce agli strumenti e metodi per l’analisi statistica dei fenomeni turistici, con una particolare attenzione alle tecniche di statistica descrittiva e statistica inferenziale. Con la statistica descrittiva saranno forniti gli strumenti di rappresentazione, analisi e sintesi dei dati statistici. Essi includono la rappresentazione mediante distribuzioni di frequenza e di quantità, il calcolo di indici sintetici (numeri indici, medie e indici di variabilità) e i primi rudimenti dello studio delle relazioni fra due fenomeni (dipendenza, regressione e correlazione). Attraverso la statistica inferenziale si fornirà la strumentazione teorica affinché, dalle analisi su un campione statistico, si possano desumere informazioni sulla popolazione di appartenenza. Verranno introdotti i concetti di probabilità, variabili casuale, indipendenza, teorema del limite centrale. I primi rudimenti della teoria della stima e della verifica di ipotesi saranno oggetto di approfondimento. |
Prerequisiti | Nozioni di matematica tipiche del primo modulo di Matematica Generale. |
Metodi didattici | Sei ore di didattica frontale ed esercitazioni pratiche ogni settimana. |
Altre informazioni | |
Modalità di verifica dell'apprendimento | Esame scritto obbligatorio; esame orale facoltativo. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
Programma esteso | Statistica Descrittiva: Nozioni introduttive: terminologia essenziale; fonti dei dati statistici relativi al turismo; misurazione dei caratteri; raccolta dei dati; matrice dei dati; rapporti statistici. Distribuzioni statistiche: distribuzioni statistiche disaggregate; distribuzioni di frequenza; frequenze relative; frequenze cumulate; distribuzioni di frequenza con dati raggruppati in classi; classi reali; densità di frequenza; uniforme distribuzione delle unità nelle classi; distribuzioni doppie e multiple; serie storiche; serie territoriali. Rappresentazioni grafiche: grafici per distribuzioni relative a caratteri quantitativi: diagramma ad aste; istogramma di frequenza; rappresentazione grafica delle serie sconnesse: grafici a nastri; grafici a settori circolari; rappresentazione grafica delle serie storiche e delle serie territoriali. Medie: media aritmetica; media geometrica; media quadratica; il caso delle distribuzioni di frequenza; il caso di dati raggruppati in classi; medie ponderate; mediana; quartili e quantili; valore centrale; moda. Variabilità e concentrazione: il fenomeno della variabilità; scostamento semplice medio; deviazione standard; formula alternativa della deviazione standard; campo di variazione; differenza interquartile; indici di variabilità percentuali; concentrazione; indici di concentrazione G ed R; interpretazione geometrica degli indici di concentrazione. Indici di asimmetria: simmetria e asimmetria; indici di asimmetria. Uno sguardo d’insieme alle costanti caratteristiche: grafici e costanti caratteristiche (lo studio del paragrafo è utile per migliorare la comprensione delle costanti caratteristiche); diagramma a scatola. Numeri indici: numeri indici a base fissa e a base mobile; variazioni percentuali medie; numero indice di Laspeyres. Analisi della dipendenza: distribuzioni doppie disaggregate e di frequenza; distribuzioni marginali e distribuzioni condizionate; rappresentazioni grafiche delle distribuzioni doppie; dipendenza statistica; indice chi-quadro per la misurazione della dipendenza. Analisi di regressione: relazioni statistiche; regressione lineare semplice; il metodo dei minimi quadrati per la determinazione dei parametri della retta di regressione; l’adattamento ai dati della retta di regressione; indice r2 e sue proprietà. Il caso delle serie storiche. Errore medio di predizione. Correlazione: nozione di correlazione; coefficiente di correlazione di Bravais e relative proprietà. Statistica inferenziale: Probabilità: esperimenti casuali; spazio campionario ed eventi; operazioni su insiemi; probabilità; interpretazione della probabilità; calcolo delle probabilità; probabilità condizionata; indipendenza, formula di Bayes. Variabili casuali: variabili casuali discrete; media e deviazione standard; variabili casuali continue; media e deviazione standard; quantili; variabili casuali standardizzate; valore atteso e varianza di combinazioni lineari di variabili casuali (cenni). Alcuni particolari modelli probabilistici: distribuzione di Bernoulli; distribuzione binomiale; distribuzione di Poisson; distribuzione normale; normale standardizzata e relative tavole; approssimazione della distribuzione binomiale con la normale; distribuzione chi-quadrato. Distribuzioni campionarie: campione casuale; parametro; inferenza statistica: stima dei parametri e verifica delle ipotesi; statistiche campionarie; distribuzione campionaria della media per popolazioni generatrici normali e per grandi campioni (teorema del limite centrale); distribuzione campionaria della varianza; distribuzione campionaria della media quando la varianza della popolazione non è nota; distribuzione t di Student e relative tavole. Stima puntuale dei parametri: stimatore; proprietà degli stimatori; non distorsione; errore quadratico medio; proprietà asintotiche. Stima per intervallo: stimatore per intervallo e stima per intervallo; stima per intervallo della media di popolazioni generatrici normali; ampiezza dell’intervallo di confidenza; il caso in cui la varianza non è nota; stima per intervallo della media nel caso di grandi campioni (incluso il caso di una popolazione Bernoulliana); stima per intervallo della varianza di una popolazione normale. Verifica delle ipotesi: ipotesi statistiche; verifica di ipotesi sulla media di una popolazione normale; il test Z; il p-value o livello di significatività osservato; il test t; verifica di ipotesi sulla media nel caso di grandi campioni (incluso il caso di una popolazione Bernoulliana); verifica di ipotesi sul parametro p di una popolazione bernoulliana; verifica di ipotesi sulla varianza di una popolazione normale; criteri di ottimizzazione nella verifica delle ipotesi; errori di prima e di seconda specie e relative probabilità. Verifica dell’ipotesi di indipendenza mediante il test chi-quadrato. |