ITA | ENG
B024208 - SAMPLING THEORY
Principali informazioni
Lingua Insegnamento
Contenuto del corso
Libri di testo consigliati
Obiettivi Formativi
Prerequisiti
Metodi Didattici
Modalità di verifica apprendimento
Programma del corso
Anno Accademico 2018-19
Anno di corso
Secondo Anno - Primo Semestre
Dipartimento di Afferenza
Statistica, Informatica, Applicazioni "G. Parenti" (DiSIA)
Tipo insegnamento
Attività formativa monodisciplinare
Settore Scientifico disciplinare
SECS-S/01 - STATISTICA
Crediti Formativi
6
Ore Didattica
48
Periodo didattico
13/09/2018 ⇒ 07/12/2018
Frequenza Obbligatoria
No
Tipo Valutazione
Voto Finale
Contenuto del corso
mostra
Programma del corso
mostra
Docenza
Mutuazione
Insegnamento mutuato da:
B024208 - SAMPLING THEORY
Laurea Magistrale in STATISTICA, SCIENZE ATTUARIALI E FINANZIARIE
Curriculum STATISTICA UFFICIALE
B024208 - SAMPLING THEORY
Laurea Magistrale in STATISTICA, SCIENZE ATTUARIALI E FINANZIARIE
Curriculum STATISTICA UFFICIALE
Lingua Insegnamento
INGLESE
Contenuto del corso
Il corso si propone di fornire le competenze per la progettazione e realizzazione un'indagine campionaria su popolazioni reali con attenzione alle più comuni fonti di errori e distorsioni non-campionarie.
Libri di testo consigliati (Cerca nel catalogo della biblioteca)
Sarndal, Swensson and Wretman (1992) Model assisted survey sampling. New York, Springer Verlag
Hedayat and Sinha (1991) Design and inference in finite population sampling. New York, Wiley
S. K. Thompson (2012) Sampling, 3rd Edition. New York, Wiley
G. Nicolini; D. Marasini; G.E. Montanari; M. Pratesi; M.G. Ranalli; E. Rocco (2013). Metodi di stima in presenza di errori non campionari. Milano: Springer-Verlag Italia
Class notes and slides.
Hedayat and Sinha (1991) Design and inference in finite population sampling. New York, Wiley
S. K. Thompson (2012) Sampling, 3rd Edition. New York, Wiley
G. Nicolini; D. Marasini; G.E. Montanari; M. Pratesi; M.G. Ranalli; E. Rocco (2013). Metodi di stima in presenza di errori non campionari. Milano: Springer-Verlag Italia
Class notes and slides.
Obiettivi Formativi
Al termine del corso gli studenti dovrebbero essere in grado di:
- predisporre e analizzare correttamente strategie campionarie semplici e complesse per lo studio di specifici fenomeni reali;
- analizzare le problematiche connesse alla presenza e al trattamento statistico degli errori non campionari con particolare attenzione ai problemi di non risposta.
- predisporre e analizzare correttamente strategie campionarie semplici e complesse per lo studio di specifici fenomeni reali;
- analizzare le problematiche connesse alla presenza e al trattamento statistico degli errori non campionari con particolare attenzione ai problemi di non risposta.
Prerequisiti
Conoscenza degli elementi di base del calcolo della probabilità e dell'inferenza statistica
Metodi Didattici
Lezioni ed esercitazioni in aula
Modalità di verifica apprendimento
La verifica si basa su due elementi:
- Prova scritta contenente esercizi pratici e domande teoriche a risposta breve.
- Esame orale: lo studente che supera l'esame scritto viene ammesso all'esame orale; l'esame orale riguarda gli aspetti teorici e interpretativi e comprende la presentazione di un progetto finale; al termine dell'esame orale viene attribuito il voto finale.
- Prova scritta contenente esercizi pratici e domande teoriche a risposta breve.
- Esame orale: lo studente che supera l'esame scritto viene ammesso all'esame orale; l'esame orale riguarda gli aspetti teorici e interpretativi e comprende la presentazione di un progetto finale; al termine dell'esame orale viene attribuito il voto finale.
Programma del corso
Popolazioni finite; concetti base della teoria dei campioni; stimatore fondamentale di Horvitz-Thompson.
Piani di campionamento probabilistici di uso più frequente: Campionamento casuale semplice senza e con ripetizione, campionamento stratificato, campionamento a grappoli, campionamento a due stadi, campionamento sistematico, campionamento con probabilità variabili, piani di campionamento complessi.
Piani di campionamento non probabilistici.
Dimensionamento del campione ed allocazione delle unità.
L'impiego delle variabili ausiliarie per la costruzione degli stimatori: lo stimatore per quoziente, lo stimatore post-stratificato, lo stimatore per differenza, la stima per regressione generalizzata, la stima a ponderazione vincolata o calibrazione, la stima dei parametri nei domini di studio.
Tipologia degli errori non campionari. Errori dovuti alle liste. Mancate risposte totali e parziali. Metodi per far fronte agli errori non campionari.
Indagini ripetute nel tempo.
Cenni alla stima della varianza/incertezza degli stimatori in presenza di disegni campionari complessi.
Campionamento per popolazioni rare ed elusive
Piani di campionamento probabilistici di uso più frequente: Campionamento casuale semplice senza e con ripetizione, campionamento stratificato, campionamento a grappoli, campionamento a due stadi, campionamento sistematico, campionamento con probabilità variabili, piani di campionamento complessi.
Piani di campionamento non probabilistici.
Dimensionamento del campione ed allocazione delle unità.
L'impiego delle variabili ausiliarie per la costruzione degli stimatori: lo stimatore per quoziente, lo stimatore post-stratificato, lo stimatore per differenza, la stima per regressione generalizzata, la stima a ponderazione vincolata o calibrazione, la stima dei parametri nei domini di studio.
Tipologia degli errori non campionari. Errori dovuti alle liste. Mancate risposte totali e parziali. Metodi per far fronte agli errori non campionari.
Indagini ripetute nel tempo.
Cenni alla stima della varianza/incertezza degli stimatori in presenza di disegni campionari complessi.
Campionamento per popolazioni rare ed elusive