Libri UniversitariZoom 100%

Prof. Stefania Mignani: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 3
Bologna 3 insegnamenti
Facoltà: Scienze politiche

Prof. Stefania Mignani: Elementi di Statistica

8,4difficoltà
Bologna · Facoltà: Scienze politiche · Sviluppo e cooperazione internazionale (L-37)
Di cosa si tratta: La statistica descrittiva copre natura dei caratteri, popolazione e campione, distribuzioni di frequenza, rappresentazioni grafiche, moda, mediana, quartili, media aritmetica e indicatori di variabilità, oltre a rapporti statistici e numeri indici. L'analisi bivariata considera connessione e correlazione lineare e il modello di regressione lineare semplice, seguiti dai concetti base di probabilità.

Dettagli corso

🕒 Orario lezioni
  • Lun11–13AULA MAGNA RUFFILLI
  • Mar9–11AULA C - S.P.V.
  • Gio9–11AULA A - S.P.V.

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6,5 settimane
Oltre al materiale didattico depositato on-line dal docente su Virtuale, si consiglia:
Dati verificati il 02/10/2026

Libri indicati per la materia

Borra – Metodologie per le scienze economiche e socialiISBN 9788838696329
Tempo di studio del libro≈ 6,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
10 materie
Tipo
Manuale
Pagine
565 pagine
Difficoltà
8,1
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Cerca su Amazon
Consigliato
Eserciziario di statistica
Cerca su Amazon
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue una variabile qualitativa da una variabile quantitativa?
  2. Come si calcola la media aritmetica di una distribuzione di frequenze?
  3. Quando è preferibile usare la mediana invece della media come indice di posizione?
  4. Che cosa misura la deviazione standard e come si interpreta?
  5. Come si costruisce un istogramma a partire da una serie di dati continui?
  6. Quale differenza esiste tra popolazione e campione in un'indagine statistica?
  7. Che cosa indica il coefficiente di variazione quando si confrontano due distribuzioni?
  8. Come si definisce la probabilità di un evento secondo l'impostazione classica?
  9. In che cosa consiste il teorema del limite centrale e perché è importante?
  10. Come si interpreta un indice di correlazione lineare di Pearson?
  11. Quali sono le caratteristiche di una distribuzione normale standardizzata?
  12. Come si calcola la varianza di una variabile casuale discreta?
  13. Quando si parla di errore campionario e come può essere ridotto?
  14. Che cosa si intende per regressione lineare semplice e quali ipotesi richiede?
  15. Come si leggono i risultati di una tabella di contingenza a doppia entrata?
  16. Quali differenze esistono tra statistica descrittiva e statistica inferenziale?
  17. Come si individuano valori anomali in un insieme di osservazioni?
  18. Che cosa rappresenta la funzione di ripartizione di una variabile casuale?
  19. Come si costruisce un intervallo di confidenza per una media campionaria?
  20. Quali precauzioni occorre adottare quando si interpretano dati ottenuti da campioni piccoli?

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

Facoltà: Scienze Statistiche

Prof. Stefania Mignani: Metodi Statistici per il Data Mining

9,9difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistica, economia e impresa (LM-82)
Di cosa si tratta: Il data mining è collegato alla statistica a partire dalla preparazione dei dati: identificazione delle fonti, valutazione della qualità, studio delle variabili. La pulizia comprende gli outlier uni- e multivariati e i dati mancanti, seguita da trasformazioni di variabili e riduzione del volume dei dati. Sono richiesti statistica descrittiva e inferenziale, calcolo delle probabilità e regressione lineare multipla.

Dettagli corso

1º annoCorso: LM-82
CFU: 10Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Oltre al materiale didattico depositato on-line dal docente su Virtuale, si consiglia:
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Hastie Tibshirani – The Elements of Statistical LearningISBN 9780387848570
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
2 materie
Tipo
Manuale
Pagine
745 pagine
Difficoltà
7,7
Cerioli – Analisi dei dati e data mining per…ISBN 9788814136955
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Obbligatorio
Adottato in
2 materie
Tipo
Manuale
Pagine
625 pagine
Difficoltà
8,4
Giudici – Data MiningISBN 9788838672125
Tempo di studio del libro≈ 4,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
401 pagine
Difficoltà
9,9
Azzalini – Data analysis and data miningISBN 9780199767106
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
278 pagine
Difficoltà
9,9
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Consigliato
Eserciziario di statistica
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Qual è la differenza tra apprendimento supervisionato e non supervisionato, con esempi concreti?
  2. Come funziona l'algoritmo k-means e quali limiti presenta nella scelta del numero di cluster?
  3. Che cosa si intende per overfitting e come si può ridurre con la validazione incrociata?
  4. Come si costruisce un albero di classificazione e quale criterio guida la scelta dello split?
  5. Che cosa misurano l'indice di Gini e l'entropia nei modelli ad albero?
  6. In che modo la regressione logistica stima la probabilità di appartenenza a una classe?
  7. Quali idee stanno alla base dei metodi di bagging e di boosting?
  8. Perché una random forest riduce la varianza rispetto a un singolo albero?
  9. Come si interpretano le regole di associazione tramite supporto, confidenza e lift?
  10. Che cosa si intende per analisi del carrello della spesa e quali regole può far emergere?
  11. Come si gestiscono i valori mancanti prima di applicare un modello statistico?
  12. Quali criteri permettono di confrontare le prestazioni di due modelli di classificazione?
  13. Che cosa rappresenta la curva ROC e come si legge l'area sottesa?
  14. In che cosa il metodo dei k vicini più prossimi si differenzia dai modelli parametrici?
  15. Quando è utile una riduzione della dimensionalità con l'analisi delle componenti principali?
  16. Come usare le tecniche di regolarizzazione lasso e ridge per controllare la complessità di un modello?
  17. Quali vantaggi offre l'analisi discriminante lineare rispetto alla regressione logistica in alcuni casi?
  18. Perché la standardizzazione delle variabili è importante prima di un clustering basato sulle distanze?
  19. Come si valuta la stabilità di un cluster ottenuto con metodi gerarchici?
  20. Quali rischi comporta la presenza di valori anomali nell'addestramento di un modello predittivo?

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

Prof. Stefania Mignani: Interpretare e Comunicare I Dati

7difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistical Sciences (LM-82)
Di cosa si tratta: Lettura critica di dati e informazioni quantitative, dal quesito di ricerca al messaggio, distinguendo dati, risultati, interpretazioni e affermazioni. Qualità e adeguatezza delle fonti, dati primari e secondari, fonti istituzionali, metadati, definizioni operative e confrontabilità, con applicazione alla comunicazione dei risultati tramite analisi di casi reali e preparazione di materiali comunicativi.

Dettagli corso

2º annoCorso: LM-82
CFU: 3Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Materiale fornito da docente e caricato su Virtuale.
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 8 libri
Cairo – Come i grafici mentonoISBN 9788832851731
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
253 pagine
Difficoltà
6,2
Donata Columbro – Ti spiego il datoISBN 9788885546264
Tempo di studio del libro≈ 1,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
142 pagine
Difficoltà
5,3
Donata Columbro – Quando i dati discriminano, statistiche e algoritmiISBN 9791259821300
Tempo di studio del libro≈ 1,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
121 pagine
Difficoltà
7
De – Data Analytics per tutti, visualizzare e raccontare…ISBN 9788850335947
Tempo di studio del libro≈ 3,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
3 materie
Tipo
Manuale
Pagine
332 pagine
Difficoltà
7
David – Il tradimento dei numeriISBN 9788817153836
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
362 pagine
Difficoltà
7
Tim Harford – Dare I numeriISBN 9791280045461
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
342 pagine
Difficoltà
7
Hans Rosling – Anna Rosling Rönnlung FactfulnessISBN 9788817099639
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
7
David Spiegelhalter – L’arte della statisticaISBN 9788806246624
Tempo di studio del libro≈ 3,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
317 pagine
Difficoltà
7
Domande possibili all’esame
  1. Quali tipi di grafico sono più adatti a rappresentare una distribuzione e perché?
  2. Come si costruisce una tabella di frequenze e come si legge una distribuzione di frequenza?
  3. Che cosa differenzia media, mediana e moda come indici di tendenza centrale?
  4. Quando la deviazione standard è più informativa dell'intervallo interquartile?
  5. Come si interpreta un coefficiente di correlazione tra due variabili quantitative?
  6. Che cosa indica il coefficiente di determinazione in una regressione lineare semplice?
  7. Come si leggono i coefficienti di una retta di regressione in termini concreti?
  8. Quali errori comuni si commettono nell'interpretare una correlazione come causalità?
  9. Che cos'è un campione casuale e perché la distribuzione campionaria è utile?
  10. Come si costruisce un intervallo di confidenza per una media e come si interpreta?
  11. Che cosa significa un p-value e quali sono i suoi limiti interpretativi?
  12. Come si scrive una breve interpretazione di un grafico per un pubblico non specialistico?
  13. Quali informazioni deve contenere una didascalia per essere autosufficiente?
  14. Come si evita di distorcere la percezione di un dato con scale o assi scelti male?
  15. Quali differenze esistono tra un box plot e un istogramma nella descrizione dei dati?
  16. Come si sintetizza in poche righe il risultato di una tabella incrociata?
  17. Perché è importante dichiarare i limiti di un'analisi quando si comunicano i risultati?
  18. Come si può presentare l'incertezza di una stima in modo chiaro e accurato?
  19. Quali strumenti aiutano a organizzare i dati prima di creare una visualizzazione?
  20. Come si costruisce un breve riassunto che renda comprensibile un risultato statistico a un decisore?

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

Scorri di lato: 2 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Stefania Mignani a Bologna

Che libro usa il prof. Stefania Mignani per Elementi di Statistica a Bologna?

Per Elementi di Statistica (Canale unico) indica come obbligatorio: Borra – Metodologie per le scienze economiche e sociali.

Quanto è impegnativo Elementi di Statistica?

7 CFU, difficoltà stimata 8.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Stefania Mignani per Metodi Statistici per il Data Mining a Bologna?

Per Metodi Statistici per il Data Mining (Canale unico) indica come obbligatorio: Hastie Tibshirani – The Elements of Statistical Learning, Cerioli – Analisi dei dati e data mining per…, Giudici – Data Mining, Azzalini – Data analysis and data mining.

Quanto è impegnativo Metodi Statistici per il Data Mining?

10 CFU, difficoltà stimata 9.9 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Stefania Mignani per Interpretare e Comunicare I Dati a Bologna?

Per Interpretare e Comunicare I Dati (Canale unico) indica come obbligatorio: Cairo – Come i grafici mentono, Donata Columbro – Ti spiego il dato, Donata Columbro – Quando i dati discriminano, statistiche e algoritmi, De – Data Analytics per tutti, visualizzare e raccontare…, David – Il tradimento dei numeri, Tim Harford – Dare I numeri, Hans Rosling – Anna Rosling Rönnlung Factfulness, David Spiegelhalter – L’arte della statistica.

Quanto è impegnativo Interpretare e Comunicare I Dati?

3 CFU, difficoltà stimata 7 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.