Insegnamento STATISTICA PER IL TURISMO
- Corso
- Economia del turismo
- Codice insegnamento
- 20099409
- Curriculum
- Comune a tutti i curricula
- Docente
- Silvia Pandolfi
- Docenti
-
- Silvia Pandolfi
- Ore
- 63 ore - Silvia Pandolfi
- CFU
- 9
- Regolamento
- Coorte 2021
- Erogato
- 2022/23
- Attività
- Caratterizzante
- Ambito
- Statistico-matematico
- Settore
- SECS-S/01
- 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.