| Parte | Contenuti | ⏱️ Tempo | 📊 Livello | 🔗 Manuale |
|---|---|---|---|---|
|
PARTE 1 Fondamenti della probabilità |
Cap. 1–5 • Interpretazione bayesiana • Assiomi e coerenza • Calcolo combinatorio • Probabilità condizionata • Teorema di Bayes |
4–5 ore | ⭐ | 📘 Cap. 6–9 (Parte III del manuale) |
|
PARTE 2 Variabili casuali e distribuzioni |
Cap. 6–9 • Variabili casuali • Distribuzioni di massa/densità • Valore atteso e varianza • Covarianza e correlazione |
3–4 ore | ⭐⭐ | 📘 Cap. 12 (Sezioni su distribuzioni) |
|
PARTE 3 Distribuzioni specifiche |
Cap. 10–13 • Dal dato all’ipotesi • Panoramica distribuzioni • Distribuzioni discrete • Distribuzioni continue |
5–6 ore | ⭐⭐ | 📘 Cap. 10, 13 (Verosimiglianza e coniugate) |
|
PARTE 4 Verso l’inferenza |
Cap. 14–15 • La verosimiglianza • Proprietà e aggiornamento bayesiano |
3–4 ore | ⭐⭐⭐ | 📘 Cap. 10–13 (Parte IV del manuale) |
|
APPENDICI Strumenti matematici |
App. A–F • Simbologia matematica • Numeri e intervalli • Notazione sommatoria • Teoria degli insiemi • Calcolo combinatorio • Nozioni di calcolo |
Da consultare | ⭐ | 📚 Materiale di supporto trasversale |
Probabilità per la psicologia
Modulo di richiamo
Corrado Caudek 
Modulo di richiamo per l’inferenza bayesiana in psicologia
Questo sito costituisce il modulo di richiamo delle nozioni di base della teoria della probabilità del progetto UTET, concepito come supporto al manuale Inferenza bayesiana in psicologia: Ragionare con l’incertezza. Il modulo fornisce le nozioni teoriche fondamentali, quali variabili casuali, distribuzioni di probabilità, valore atteso, varianza, dipendenza stocastica e teoria del campionamento, necessarie per affrontare con la giusta preparazione i contenuti di inferenza bayesiana e la modellistica presentati nel volume principale.
Percorso di apprendimento e obiettivi
Il percorso si articola in cinque aree concettuali fondamentali. Si inizia con il linguaggio della probabilità, affrontando gli eventi, le misure di probabilità, l’indipendenza e il condizionamento. Si prosegue con lo studio delle variabili casuali e delle distribuzioni, distinguendo tra variabili discrete e continue e analizzando le rispettive funzioni di massa, densità e di ripartizione. Si passa poi all’analisi di momenti e dipendenza, attraverso il valore atteso, la varianza, la covarianza e la correlazione. Una sezione è dedicata alle distribuzioni fondamentali (Bernoulli, binomiale, Poisson, normale e loro derivate), che costituiscono il vocabolario probabilistico di base. Il modulo si conclude con i principi del campionamento e della verosimiglianza, passando dalla legge dei grandi numeri alla funzione di verosimiglianza come ponte concettuale verso l’inferenza bayesiana.
L’approccio didattico mantiene un’impostazione operativa, privilegiando l’esposizione di formule essenziali, esempi minimali e diagrammi intuitivi. I singoli capitoli rimandano, quando necessario, a ulteriori approfondimenti nel materiale complementare e nel manuale principale.
Mappa del percorso
La seguente mappa fornisce una visione d’insieme dell’organizzazione del modulo, con indicazioni sul tempo di studio stimato e sui collegamenti al manuale principale.
Consiglio🎯 Suggerimento per lo studio
- Prima lettura: scorri velocemente l’intera parte per avere una visione d’insieme
- Studio attivo: rileggi con carta e penna, riproducendo le formule chiave
- Consolidamento: risolvi gli esercizi proposti e consulta le appendici per eventuali lacune
- Integrazione: collega ogni concetto alla sua applicazione nell’inferenza bayesiana
Importante⚠️ Percorso consigliato
Il modulo è progettato per essere seguito in sequenza: ogni parte costruisce sui concetti delle precedenti. Se incontri difficoltà in una sezione, consulta prima le appendici rilevanti, poi riprendi dal punto di difficoltà.
Modalità di utilizzo del modulo
Per un apprendimento efficace, si consiglia di procedere in modo sequenziale, poiché i concetti presentano una struttura progressiva e cumulativa. È consigliabile focalizzarsi sull’interpretazione piuttosto che sul formalismo, riducendo la notazione allo stretto necessario. Infine, è utile mantenere sempre il collegamento con l’inferenza bayesiana, osservando come ciascun concetto trovi applicazione nella costruzione di prior, verosimiglianze e distribuzioni posteriori.
Prerequisiti e strumenti
Per utilizzare il modulo è necessaria una conoscenza di base dei concetti di algebra elementare e di statistica descrittiva. Il rendering delle formule matematiche è gestito tramite MathJax senza necessità di installazione da parte dell’utente. Gli esempi numerici sono corredati, quando necessario, da codice R immediatamente riproducibile.
Collegamenti utili
- Manuale principale: Inferenza bayesiana in psicologia
- Repository GitHub: Per segnalare errori o suggerire miglioramenti, utilizza la sezione Issues
- Materiali complementari: Esercizi e soluzioni saranno progressivamente aggiunti al sito
Licenza d’uso
Materiali distribuiti con licenza
CC BY-NC-ND 4.0. È consentita la condivisione con attribuzione, solo per usi non commerciali e senza modifiche.