Parte I Statistica inferenziale.- 1 Fondamenti di probabilità e statistica.- 2 Statistiche sufficienti, minimali e complete.- 3 Stimatori puntuali.- 4 UMVUE.- 5 Likelihood Ratio Test.- 6 Test uniformemente più potente.- 7 Intervalli di Confidenza.- 8 Statistica Asintotica.- Parte II Modelli di regressione e analisi della varianza.- 9 Regressione lineare.- 10 Modelli lineari generalizzati.- 11 ANOVA: analisi della varianza.- 12 Esercizi di riepilogo.- Appendice A: Distribuzioni di probabilità.
Francesca Gasperoni è Ricercatrice postdoc presso l’unità di Biostatistica dell’Università di Cambridge. La sua area di ricerca è la statistica applicata alla clinica, con particolare attenzione a modelli per l’analisi di sopravvivenza, di eventi competitivi e sequenziali. Durante il Dottorato di Ricerca, conseguito nel 2019 al Politecnico di Milano, è stata assistente in diversi corsi di Probabilità e Statistica.
Francesca Ieva è Professore Associato di Statistica presso il Dipartimento di Matematica del Politecnico di Milano. Si occupa di apprendimento statistico in ambito biomedico e di modellazione statistica per dati complessi e non strutturati provenienti dal mondo della ricerca in ambito sanitario.
Anna Maria Paganoni è Professore Ordinario di Statistica presso il Dipartimento di Matematica del Politecnico di Milano. Si occupa di modellazione statistica e analisi di dati ad alta complessità con particolare attenzione all'ambito biomedico e al learning analytics. E' responsabile di diversi progetti di ricerca a finanziamento competitivo. Dal 2019 è Coordinatore del Corso di Studi in Ingengeria Matematica.
Questo testo nasce con l'obiettivo di aiutare lo studente nella transizione fra i concetti teorici e metodologici dell'inferenza statistica e la loro implementazione al computer. La prima parte del testo è infatti focalizzata principalmente su esercizi da risolvere con carta e penna, in modo da far applicare nozioni derivanti da lemmi e teoremi; mentre la seconda parte del testo è costituita da laboratori, in cui si propone sia l'implementazione manuale di algoritmi, sia l'apprendimento di built-in tools per un'analisi efficiente di dataset derivanti da problemi reali. Per ottimizzare la fruizione degli argomenti sviluppati, e per accompagnare il lettore nello studio, il testo è organizzato in capitoli, ciascuno dei quali composto, a sua volta, da una prima parte introduttiva, in cui vengono richiamate le basi teoriche dell'inferenza statistica, e da una seconda parte di esercizi, corredati di un esaustivo svolgimento su carta e, se opportuno, su software.
Il testo è rivolto agli studenti dei corsi di laurea di primo livello di Statistica, Matematica, Ingegneria e per i corsi di secondo livello in Data Science.