INFERENTIAL STATISTICS
Campioni e distribuzioni campionarie. Convergenza di sequenze di variabili aleatorie. Legge dei grandi numeri. Teorema del limite centrale e sue applicazioni. Approssimazioni tramite il metodo Monte Carlo. Campionamento dalla distribuzione Normale. Modello statistico. Modello di Bernoulli, modello Normale di locazione, modello Normale di locazione e scala. Funzione di verosimiglianza. Statistiche sufficienti. Stime di massima verosimiglianza. Errore quadratico medio. Distorsione, errore standard, consistenza. Intervalli di confidenza. Intervalli di confidenza nel modello di Bernoulli, nel modello Normale di locazione, nel modello Normale di locazione e scala. Verifiche di ipotesi. P-value, significatività statistica, significatività pratica, valori critici. Test unilaterali e bilaterali. Verifiche di ipotesi tramite intervalli di confidenza. Verifiche di ipotesi nel modello di Bernoulli, nel modello Normale di locazione, nel modello Normale di locazione e scala. Determinazione dell’ampiezza campionaria. Inferenza su una varianza. Metodi non parametrici. Metodo dei momenti. Metodo bootstrap. Inferenza su quantili. Metodo dei minimi quadrati. Stime dei minimi quadrati ordinari nel modello di regressione lineare semplice. Scomposizione ANOVA nel modello di regressione lineare semplice. Verifiche di ipotesi sui parametri del modello di regressione lineare semplice.
ECONOMETRICS
Introduzione al modello di regressione lineare. Regressione semplice. Regressione multipla: stima, inferenza e risultati asintotici. Interpretazione e confronto di modelli di regressione. Informazione qualitativa. Eteroschedasticità e autocorrelazione. Test di specificazione. Modelli per serie storiche. Modelli per dati panel. Variabili strumentali. Modelli di equazioni simultanee. Modelli per variabili dipendenti limitate. Ulteriori aspetti per l’analisi delle serie storiche.