L'insegnamento si propone di presentare concetti e metodi avanzati dell’inferenza statistica, con particolare riguardo a problemi di stima e di verifica d'ipotesi. Allo studente verranno forniti gli strumenti per l'analisi e l'elaborazione dei dati campionari, con la duplice finalità di fornire elementi di supporto alle decisioni e di permettere l'applicazione di modelli complessi. Lo studente acquisirà inoltre gli strumenti per la comprensione di metodologie inferenziali più specifiche, sviluppate in altri insegnamenti del percorso universitario.

Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente a:

• Quali sono le principali metodologie di stima dei parametri di una distribuzione o di un modello e quali sono i loro punti di forza e di debolezza.
• Quali problematiche emergono dall'applicazione pratica di tali metodologie; in particolare, quale ruolo è rappresentato dalle assunzioni su cui si basano.
• Quali problematiche emergono quando tali metodologie vengono applicate per produrre decisioni.

Alla fine dell’insegnamento gli studenti saranno in grado di:

• Individuare la tecnica inferenziale più adatta ad un certo contesto o ad un certo modello. In particolare, gli studenti sapranno distinguere tra tecniche basate unicamente sul concetto di verosimiglianza e tecniche che incorporano le opinioni iniziali (cosiddette tecniche bayesiane).
• Comprendere il significato e i limiti dei risultati ottenuti da terze parti mediante l'impiego di specifiche tecniche inferenziali.
• Implementare le tecniche inferenziali conosciute in contesti non banali da un punto di vista analitico, eventualmente ricorrendo a metodi di approssimazione numerica o a procedure di simulazione.
• Affrontare problemi inferenziali in cui le assunzioni classiche sono violate, eventualmente ricorrendo a tecniche non basate su particolari distribuzioni (cosiddette tecniche non parametriche).
• Comprendere gli argomenti sviluppati in altri insegnamenti del percorso universitario focalizzati sull'uso di modelli statistici, sulla statistica bayesiana e sulla statistica computazionale.