STATISTICA DESCRITTIVA: Tipi di variabili. Distribuzioni di frequenza – Grafici di distribuzioni di frequenza – Indici di posizione, di dispersione e di forma – Calcolo di media e varianza per dati raggruppati – Boxplots – Analisi comparative, correlazioni di variabili

PROBABILITA’: Esperimenti aleatori, eventi elementari e spazio campionario – Eventi e operazioni su eventi (per uno spazio campionario discreto) – Probabilità di eventi – Probabilità classica e problemi di conteggio. La definizione assiomatica – Probabilità classica e problemi di conteggio: il calcolo combinatorio – Probabilità condizionata – Indipendenza di eventi – Affidabilità di un sistema

VARIABILI ALEATORIE E MODELLI PROBABILISTICI: Variabili aleatorie discrete – Il processo di Bernoulli – Le variabili aleatorie legate al processo di Bernoulli – Valore atteso di una variabile aleatoria – Campionamento, campione casuale, prime nozioni di statistica inferenziale – Varianza e covarianza di variabili aleatorie – Campionamento senza reimmissione. Legge ipergeometrica – Il processo di Poisson – Variabili aleatorie continue – Le variabili aleatorie legate al processo di Poisson – Il modello normale – Momenti e indici di forma per variabili aleatorie

STATISTICA INFERENZIALE: Stima puntuale – Campionamento di una popolazione normale – Stima per intervalli – Stima della media di una popolazione normale con varianza incognita – Stima della media di una popolazione qualsiasi, per grandi campioni – Stima di una frequenza (o proporzione), per grandi campioni – Test di ipotesi – Inferenze sulle varianze di popolazioni normali – Il test chi-quadro di adattamento e di indipendenza