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).
-James G, Witten D, Hastie T, Tibshirani R (2013). An Introduction to Statistical Learning with Applications in R. Springer.
Obiettivi formativi:

L'insegnamento di statistica economica e di statistica aziendale vuole contribuire al processo formativo dello studente fornendo la conoscenza di alcune metodologie statistiche utili per il governo dell'azienda.
In particolare, detti obiettivi formativi sono associabili ai seguenti risultati di apprendimento attesi:

Conoscenza e capacità di comprensione
Il corso intende fornire le conoscenze metodologiche e applicative dei modelli di regressione. Inoltre, si vuole fornire utili strumenti per l’analisi statistica tramite il pacchetto statistico open source R.

Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento, lo studente anche con l’aiuto di casi di studi concreti svolti con il software statistico R, sarà in grado di
svolgere analisi di regressione. Le conoscenze acquisite gli consentiranno di interpretare in modo critico le dinamiche economiche e/o aziendali.
Prerequisiti:

Lo studente deve possedere le conoscenze della statistica di base.
Metodi didattici:

Lezioni orali.
Esercitazioni pratiche con il software R.
Modalità di verifica dell'apprendimento:

Conoscenza e capacità di comprensione

La verifica dei risultati di apprendimento sarà effettuata tramite un esame scritto e orale. L’esame scritto riguarderà tutto il programma con particolare attenzione all'uso del software R. Gli studenti, inoltre, dovranno preparare e discutere una analisi statistica, 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.
Il punteggio della prova d'esame è attribuito mediante un voto espresso in trentesimi.

Capacità di applicare conoscenza e comprensione

Durante le prove d’esame e lo svolgimento della tesina si verifica la capacità degli studenti di applicare le conoscenze dei modelli di regressione al fine di poter affrontare situazioni di analisi concrete.
Sostenibilità:

Nel corso vengono presentati alcuni esempi applicativi riferibili ad alcuni degli obiettivi di Sviluppo Sostenibile dell'Agenda ONU 2030. In particolare, nel corso vengono affrontate questioni legate agli obiettivi:
-Obiettivo 8: Incentivare una crescita economica duratura, inclusiva e sostenibile, un’occupazione piena e produttiva ed un lavoro dignitoso per tutti ;
-Obiettivo 10: Ridurre l’ineguaglianza all’interno di e fra le Nazioni; -Obiettivo 12: Garantire modelli sostenibili di produzione e di consumo.
Altre Informazioni:

E-mail: postigli@unich.it

Per maggiori dettagli e per scaricare le slides: fad.unich.it, pagina del corso di Statistica Economica-CLEC/M e Statistica Aziendale - CLEA/M

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 venerdì dalle ore 11:00 alle ore 13:00, scala verde 2° Piano, Viale Pindaro, 42.

6 CFU (CLEA/M)
1. Richiami di probabilità ed inferenza statistica.
2. Il software R
3. Il modello di regressione lineare.
4. Il modello di regressione lineare ed R.
5. Il modello di regressione logistica.
6. Il modello di regressione logistica ed R.

3 CFU (CLEC/M)
7. Il controllo statistico della qualità.
8. Il controllo statistico della qualità ed R.

6 CFU
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
Eteroschedasticità e Autocorrelazione.
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.

3 CFU
8. Altre metodologie statistiche con R.