Skip to main content

L'insegnamento introduce la programmazione orientata a oggetti (OO), che e' adottata da molti linguaggi di programmazione usati oggi. La vedremo sull'esempio del linguaggio Java. Java e' didatticamente pulito, gratuito per varie piattaforme (Windows, Linux, Mac), ha documentazione vasta e ben fatta. Un vantaggio della programmazione OO e' di facilitare la struttutazione in moduli software (classi) riutilizzabili. Noi vedremo un uso della libreria di classi Java per costruire interfacce utente.

Argomenti trattati:

Paradigma di programmazione object-oriented e linguaggio Java. Classi e oggetti. Campi e metodi di istanza e di classe. Nozioni di uguaglianza tra oggetti e copia. Costruttori. Clientship. Ereditarietà, overriding. Binding dinamico. Interfacce e classi astratte. Eccezioni e loro gestione. Programmi con interfaccia grafica. Realizzazione di interfacce grafiche in Java.

L'insegnamento e' diviso in tre parti. 

Statistica Ufficiale. Statistica pubblica, fonti statistiche, dato ufficiale, SISTAN, normativa sulla statistica, codici della statistica. 

Campionamento da popolazione finita. Stimatori della media e loro varianze nel campionamento semplice senza ripetizione e nel campionamento stratificato; casi di allocazione proporzionale e allocazione ottima. 

Serie temporali. Analisi descrittive: stazionarietÌ in media, varianza e covarianza. Funzione di autocovarianza totale e parziale; funzione di autocorrelazione. Processi stazionari del secondo ordine e processi invertibili. Modelli SARIMA.

 

L’insegnamento introduce lo studente all’analisi statistica descrittiva di dati multivariati, precisando da un punto di vista teorico le metodologie utilizzate e sviluppando le competenze essenziali per l’interpretazione dei dati oggetto di indagine. Parte integrante sono le esercitazioni in laboratorio.

Si veda la scheda dell'insegnamento sul sito UniGe https://unige.it/off.f/2016/ins/1689.html?codcla=8766

Introduzione all'inferenza statistica.

Obiettivo del corso e' fornire i principali concetti e metodologie per l'inferenza statistica per valutare in termini probabilistici gli errori commessi nell'estendere l'informazione ottenuta da un campione all'intera popolazione di riferimento.

Nella seconda parte dell'insegnamento "Statistica matematica" si sviluppano le  definizioni ed i concetti principali della statistica matematica classica introdotti nella prima parte, applicandoli ad una classe di modelli molto utilizzata nello studio di situazioni reali: i modelli lineari generali e generalizzati. Sono previste esercitazioni in laboratorio con l'utilizzo del software SAS.