CLEA/M

Lingua Insegnamento:

Italiano
Testi di riferimento:

- Appunti del corso.
- PICCOLO D. (2010). Statistica. Edizioni Il Mulino. (Cap. 14 pagg.491-501; 520-526; Cap. 15 pagg. 548-557, 560-561, 567-577, Cap. 16 pagg. 585-591; Cap. 17 pagg. 607-620; Cap. 18 pagg. 669-673, 677-678; Cap. 19 pagg. 731-737, Cap. 22; Cap. 23. Leggere solo gli esempi più importanti).
-Stock JH,‎ Watson MW (2016),
Introduzione all'econometria. Pearson
(Cap. 4,5,6,7,12,17,18)
Obiettivi formativi:

Il corso vuole fornire agli studenti la conoscenza base di alcune metodologie statistiche utili per il governo dell'azienda. Si vuole, inoltre, aiutare gli studenti a familiarizzare con il pacchetto statistico open source R.
Prerequisiti:

Le conoscenze statistiche di base sono richieste.
Metodi didattici:
Modalità di verifica dell'apprendimento:

L’esame è scritto ed orale. L’esame scritto consisterà in domande teoriche ed esercizi empirici. L'esame riguarderà tutto il programma con particolare attenzione all'uso del software R. Gli studenti inoltre dovranno preparare e discutere una analisi di regressione (lineare o logistica), svolta con R, riguardante un caso di studio reale (i data set possono essere trovati su internet).
Tale elaborato dovrà essere inviato al docente almeno una settimana prima della data dell’esame. Ulteriori informazioni possono essere trovate sul sito web del docente: http://www.unich.it/~postigli/Home.html
Sostenibilità:
Altre Informazioni:

E-mail: postigli@unich.it
Pagina web del docente: http://www.unich.it/~postigli/
Giorni ed orari di ricevimento studenti:
Nel I semestre il docente riceve per appuntamento (postigli@unich.it). Nel II semestre il ricevimento è fissato per il mercoledì dalle ore 14:00 alle ore 16:00, studio DEC 2° Piano, Viale della Pineta, 4.

Programma del corso:
1. Richiami di probabilità ed inferenza statistica
Variabili casuali discrete e continue. Valori medi, variabilità. Teoria degli stimatori. Intervalli di confidenza. Test di ipotesi.
2. Il software R
3. Richiami di algebra lineare
Richiami di Algebra Lineare: vettori e matrici; determinante e inversa di una matrice.
4. Il modello di regressione lineare
Regressione semplice. Regressione multipla. Inferenza. Eteroschedasticità e Autocorrelazione. Variabili dummy. Variabili strumentali.
5. Il modello di regressione lineare ed R.
Casi di studio.
6. Il modello di regressione logistica.
Definizioni. Stima dei parametri e interpretazione.
7. Il modello di regressione logistica ed R.