Prof. Laura Bocci: i libri dei suoi insegnamenti

1. Che cosa si intende per analisi esplorativa dei dati e quali obiettivi persegue?
2. Come si calcolano e si interpretano media, mediana e deviazione standard?
3. Quali sono le differenze tra variabili quantitative e variabili qualitative?
4. In che modo la distribuzione normale è utilizzata nell'inferenza statistica?
5. Come si costruisce un intervallo di confidenza per la media di un campione?
6. Che cosa significa il test di ipotesi e quali errori di primo e secondo tipo comporta?
7. Come si valuta la correlazione tra due variabili e che cosa non implica?
8. Quali sono i principali metodi di regressione lineare semplice e multipla?
9. Come si verificano le assunzioni di un modello di regressione?
10. Che cosa distingue un campione probabilistico da un campione di convenienza?
11. In che modo si gestiscono i dati mancanti in un'analisi statistica?
12. Quali grafici sono più adatti per rappresentare distribuzioni e relazioni tra variabili?
13. Come si interpreta il valore p in un test statistico?
14. Quali sono i presupposti dell'analisi della varianza?
15. In che modo la pulizia dei dati influisce sulla qualità delle conclusioni?
16. Che cosa si intende per analisi multivariata e quali tecniche comprende?
17. Come si descrivono le serie storiche e le loro componenti principali?
18. Quali problemi pone l'interpretazione di dati aggregati e ecologici?
19. In che modo si valuta la robustezza di un risultato statistico?
20. Quali criteri guidano la scelta di un metodo di analisi adeguato ai dati?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Qual è la differenza tra un carattere quantitativo e un carattere qualitativo?
2. Come si calcola la media aritmetica di una distribuzione di frequenze?
3. Che cosa misura la varianza e perché si usa la deviazione standard per interpretarla?
4. Quando la mediana è preferibile alla media come indice di posizione?
5. Come si costruisce una tabella di frequenze relative e cumulate?
6. Che cosa indica il coefficiente di correlazione lineare tra due variabili?
7. Come si interpreta una retta di regressione stimata con il metodo dei minimi quadrati?
8. Quali differenze esistono tra campionamento casuale semplice e campionamento stratificato?
9. Come si stima per intervallo una media di popolazione con varianza nota?
10. Quali passaggi servono per effettuare un test di ipotesi su una media?
11. Che cosa si intende per errore di primo tipo e per errore di secondo tipo?
12. Come si calcola la probabilità condizionata di un evento dato un altro evento?
13. Quando due eventi si possono considerare indipendenti?
14. Come si applica il teorema di Bayes a un problema di diagnosi?
15. Quali caratteristiche ha la distribuzione normale e perché è centrale in statistica?
16. Come si legge un box plot per descrivere la dispersione di una distribuzione?
17. Quali indici permettono di confrontare la variabilità di due serie con unità di misura diverse?
18. Come si interpreta un valore p in un test statistico?
19. Che cosa cambia tra statistica descrittiva e statistica inferenziale?
20. Come si costruisce una distribuzione di probabilità discreta a partire da un esperimento casuale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per data science nel contesto della ricerca sociale?
2. Quali fasi attraversa un progetto di analisi dei dati dalla raccolta alla pubblicazione?
3. Come si puliscono e si preparano i dati prima dell'analisi statistica?
4. Quali sono i principali strumenti per la gestione e l'analisi di grandi basi di dati?
5. Che cosa si intende per data mining e quali tecniche comprende?
6. Come si utilizza l'apprendimento automatico per classificare testi o documenti?
7. Che cosa si intende per overfitting e come si può prevenirlo?
8. Quali metriche si usano per valutare le prestazioni di un modello predittivo?
9. Come si analizzano dati testuali con tecniche di elaborazione del linguaggio naturale?
10. Quali sono le implicazioni etiche dell'uso di dati digitali nella ricerca sociale?
11. Che cosa si intende per privacy dei dati e quali tutele normative sono previste?
12. Come si visualizzano dati complessi in modo efficace per il pubblico?
13. Quali sono le differenze tra analisi esplorativa e analisi confermativa?
14. Come si valuta la qualità e la rappresentatività dei dati raccolti da fonti online?
15. Che cosa si intende per riproducibilità della ricerca e come si garantisce?
16. Come si costruisce un modello di rete per analizzare le relazioni tra attori sociali?
17. Quali tecniche di analisi delle serie storiche sono utili nello studio dei fenomeni sociali?
18. Che cosa si intende per analisi causale con dati osservazionali?
19. Come si gestisce la documentazione del codice e dei dati in un progetto di ricerca?
20. Quali competenze di programmazione sono utili per il lavoro del data scientist sociale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per data science nel contesto della ricerca sociale?
2. Quali fasi attraversa un progetto di analisi dei dati dalla raccolta alla pubblicazione?
3. Come si puliscono e si preparano i dati prima dell'analisi statistica?
4. Quali sono i principali strumenti per la gestione e l'analisi di grandi basi di dati?
5. Che cosa si intende per data mining e quali tecniche comprende?
6. Come si utilizza l'apprendimento automatico per classificare testi o documenti?
7. Che cosa si intende per overfitting e come si può prevenirlo?
8. Quali metriche si usano per valutare le prestazioni di un modello predittivo?
9. Come si analizzano dati testuali con tecniche di elaborazione del linguaggio naturale?
10. Quali sono le implicazioni etiche dell'uso di dati digitali nella ricerca sociale?
11. Che cosa si intende per privacy dei dati e quali tutele normative sono previste?
12. Come si visualizzano dati complessi in modo efficace per il pubblico?
13. Quali sono le differenze tra analisi esplorativa e analisi confermativa?
14. Come si valuta la qualità e la rappresentatività dei dati raccolti da fonti online?
15. Che cosa si intende per riproducibilità della ricerca e come si garantisce?
16. Come si costruisce un modello di rete per analizzare le relazioni tra attori sociali?
17. Quali tecniche di analisi delle serie storiche sono utili nello studio dei fenomeni sociali?
18. Che cosa si intende per analisi causale con dati osservazionali?
19. Come si gestisce la documentazione del codice e dei dati in un progetto di ricerca?
20. Quali competenze di programmazione sono utili per il lavoro del data scientist sociale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per data science nel contesto della ricerca sociale?
2. Quali fasi attraversa un progetto di analisi dei dati dalla raccolta alla pubblicazione?
3. Come si puliscono e si preparano i dati prima dell'analisi statistica?
4. Quali sono i principali strumenti per la gestione e l'analisi di grandi basi di dati?
5. Che cosa si intende per data mining e quali tecniche comprende?
6. Come si utilizza l'apprendimento automatico per classificare testi o documenti?
7. Che cosa si intende per overfitting e come si può prevenirlo?
8. Quali metriche si usano per valutare le prestazioni di un modello predittivo?
9. Come si analizzano dati testuali con tecniche di elaborazione del linguaggio naturale?
10. Quali sono le implicazioni etiche dell'uso di dati digitali nella ricerca sociale?
11. Che cosa si intende per privacy dei dati e quali tutele normative sono previste?
12. Come si visualizzano dati complessi in modo efficace per il pubblico?
13. Quali sono le differenze tra analisi esplorativa e analisi confermativa?
14. Come si valuta la qualità e la rappresentatività dei dati raccolti da fonti online?
15. Che cosa si intende per riproducibilità della ricerca e come si garantisce?
16. Come si costruisce un modello di rete per analizzare le relazioni tra attori sociali?
17. Quali tecniche di analisi delle serie storiche sono utili nello studio dei fenomeni sociali?
18. Che cosa si intende per analisi causale con dati osservazionali?
19. Come si gestisce la documentazione del codice e dei dati in un progetto di ricerca?
20. Quali competenze di programmazione sono utili per il lavoro del data scientist sociale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per data science nel contesto della ricerca sociale?
2. Quali fasi attraversa un progetto di analisi dei dati dalla raccolta alla pubblicazione?
3. Come si puliscono e si preparano i dati prima dell'analisi statistica?
4. Quali sono i principali strumenti per la gestione e l'analisi di grandi basi di dati?
5. Che cosa si intende per data mining e quali tecniche comprende?
6. Come si utilizza l'apprendimento automatico per classificare testi o documenti?
7. Che cosa si intende per overfitting e come si può prevenirlo?
8. Quali metriche si usano per valutare le prestazioni di un modello predittivo?
9. Come si analizzano dati testuali con tecniche di elaborazione del linguaggio naturale?
10. Quali sono le implicazioni etiche dell'uso di dati digitali nella ricerca sociale?
11. Che cosa si intende per privacy dei dati e quali tutele normative sono previste?
12. Come si visualizzano dati complessi in modo efficace per il pubblico?
13. Quali sono le differenze tra analisi esplorativa e analisi confermativa?
14. Come si valuta la qualità e la rappresentatività dei dati raccolti da fonti online?
15. Che cosa si intende per riproducibilità della ricerca e come si garantisce?
16. Come si costruisce un modello di rete per analizzare le relazioni tra attori sociali?
17. Quali tecniche di analisi delle serie storiche sono utili nello studio dei fenomeni sociali?
18. Che cosa si intende per analisi causale con dati osservazionali?
19. Come si gestisce la documentazione del codice e dei dati in un progetto di ricerca?
20. Quali competenze di programmazione sono utili per il lavoro del data scientist sociale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.