2. Docenti
  3. ALBANO Giuseppina
  4. Didattica

DATA ANALYSIS AND STATISTICAL MODELING

Giuseppina ALBANO DATA ANALYSIS AND STATISTICAL MODELING

0222700018
DIPARTIMENTO DI SCIENZE AZIENDALI - MANAGEMENT & INNOVATION SYSTEMS
CORSO DI LAUREA MAGISTRALE
DATA SCIENCE E GESTIONE DELL'INNOVAZIONE
2020/2021

OBBLIGATORIO
ANNO CORSO 1
ANNO ORDINAMENTO 2020
SECONDO SEMESTRE
CFUOREATTIVITÀ
963LEZIONE
GIUSEPPINA ALBANO T Curriculum
Obiettivi
AL TERMINE DEL CORSO LO STUDENTE AVRÀ CONOSCENZE SPECIALISTICHE SIA DELLE TECNICHE DI INFERENZA STATISTICA CLASSICA.
PIÙ IN DETTAGLIO, GLI STUDENTI ACQUISIRANNO:

A) CONOSCENZE DELLE PRINCIPALI TECNICHE DI ANALISI E VISUALIZZAZIONE DEI DATI;

B) CONOSCENZE DELLE PRINCIPALI TECNICHE DI INFERENZA STATISTICA, ANCHE IN PRESENZA DI DATI CON STRUTTURA COMPLESSA;

C) CONOSCENZE DELLE PRINCIPALI TECNICHE PER LA COSTRUZIONE DI MODELLI PREDITTIVI.

LO STUDENTE AVRÀ INOLTRE ACQUISITO LE ABILITÀ COMPUTAZIONALI NECESSARIE AD UNA CORRETTA IMPLEMENTAZIONE DELLE TECNICHE
DI INFERENZA STATISTICA CLASSICA. GLI STUDENTI ACQUISIRANNO:

(I) LA CAPACITÀ DI ANALIZZARE ED INTERPRETARE INFORMAZIONI DI NATURA QUANTITATIVA E DI PRODURRE INDICATORI,
MODELLI STATISTICI E REPORT DI SUPPORTO ALL'ATTIVITÀ DECISIONALE IN AMBITI DIVERSI;

(II) LA CAPACITÀ DI ANALIZZARE E VALUTARE, NONCHÉ DI PRESENTARE AUTONOMAMENTE DOCUMENTI CHE INCLUDONO
INFORMAZIONI DI TIPO QUANTITATIVO, FORMULANDO GIUDIZI CRITICI SULLE MODALITÀ DI RACCOLTA DEI DATI, SULLE MODALITÀ
DI ELABORAZIONE DELLE INFORMAZIONI RACCOLTE, SULLE TECNICHE DI INFERENZA E SUI MODELLI PREDITTIVI COSTRUITI NONCHÉ
SULLA VALIDITÀ DELLE CONCLUSIONI RAGGIUNTE.


(III) LA CAPACITÀ DI RACCORDARE LE COMPETENZE ACQUISITE CON QUELLE APPRESE NEI CORSI DI STUDIO PIÙ AFFINI.
Prerequisiti
DURANTE LE LEZIONI SARANNO RICHIAMATE ALCUNE NOZIONI BASE SU:
1. CALCOLO ELEMENTARE DELLE PROBABILITÀ
2. VARIABILI CASUALI: DEFINIZIONE, FUNZIONE DI RIPARTIZIONE, VALORE ATTESO E VARIANZA, V.C. NOTEVOLI
3. STIMA PUNTUALE, PROPRIETÀ DEGLI STIMATORI, METODI DI COSTRUZIONE
4. VERIFICA DELLE IPOTESI: DEFINIZIONI, TEST Z
5. INTERVALLO DI CONFIDENZA: DEFINIZIONI, INTERVALLO DI CONFIDENZA Z
Contenuti
MODELLI STATISTICI PER L'ANALISI DELLA DIPENDENZA (SUPERVISED STATISTICAL LEARNING)
1. DEFINIZIONE DI MODELLO STATISTICO
2. MODELLI LINEARI E NON LINEARI
3. CLASSIFICAZIONE DEI MODELLI
4. REGRESSIONE LINEARE SEMPLICE: IPOTESI, INTERPRETAZIONE, STIMA DEI PARAMETRI, BONTÀ DI
ADATTAMENTO, TEST T
5. MODELLO LOGIT: IPOTESI, INTERPRETAZIONE, STIMA ML DEI PARAMETRI, TEST Z
6. MODELLO PROBIT: IPOTESI, INTERPRETAZIONE, STIMA ML DEI PARAMETRI, TEST Z

STATISTICA MULTIVARIATA I: ANALISI DELLA DIPENDENZA (SUPERVISED STATISTICAL LEARNING)
1. REGRESSIONE LINEARE MULTIPLA: IPOTESI, STIMA DEI PARAMETRI, BONTÀ DI ADATTAMENTO, TEST T ED F,
BACKWARD ELIMINATION
2. MODELLI ANOVA: COSTRUZIONE DELLE VARIABILI, IL MODELLO, INTERPRETAZIONE

STATISTICA MULTIVARIATA II: ANALISI DELLA INTERDIPENDENZA (UNSUPERVISED STATISTICAL LEARNING)
1. ANALISI IN COMPONENTI PRINCIPALI:DEFINIZIONE DEGLI OBIETTIVI, SOLUZIONE, PROPRIETÀ DELLE
COMPONENTI, SELEZIONE DELLE COMPONENTI, INTERPRETAZIONE DEI RISULTATI, CERCHIO DELLE
CORRELAZIONI
2. ANALISI DEI GRUPPI: OBIETTIVI E DATI, DECOMPOSIZIONE DELLA DEVIANZA, METODO NON GERARCHICO
(K-MEDIE), METODI GERARCHICI (WARD, DEL LEGAME SINGOLO, MEDIO, COMPLETO), DENDOGRAMMA,
SCELTA DEL NUMERO DI GRUPPI
Metodi Didattici
L'INSEGNAMENTO SI COMPONE DI ORE DI DIDATTICA FRONTALE SUDDIVISE IN LEZIONI TEORICHE E COMPLEMENTI ED ESERCITAZIONI.
Verifica dell'apprendimento
LA VALUTAZIONE DEL PROFITTO CONSISTE IN UNA PROVA SCRITTA ED UNA PROVA ORALE. LA PROVA SCRITTA (CHE È PROPEDEUTICA ALLA PROVA ORALE)
È SVOLTA IN LABORATORIO MEDIANTE L'AUSILIO DI UN SOFTWARE STATISTICO. ESSA CONTIENE SOLUZIONI DI PROBLEMI OPERATIVI. I PUNTI DI OGNI
DOMANDA VENGONO ASSEGNATI IN BASE ALLA DIFFICOLTÀ INTRINSECA DEL QUESITO E VENGONO ESPRESSAMENTE INDICATI NELLA TRACCIA. LA PROVA SCRITTA,
DELLA DURATA DI DUE ORE, È SUPERATA QUANDO SI CONSEGUE UN PUNTEGGIO PARI AD ALMENO 18 PUNTI. LA PROVA ORALE, DELLA DURATA DI CIRCA 20
MINUTI, PUÒ AVER LUOGO IN GIORNO DIVERSO E CONSISTE IN UNA APPROFONDITA DISCUSSIONE DEGLI ARGOMENTI TRATTATI NELLA PROVA SCRITTA E SUGLI
ARGOMENTI TEORICI DEL CORSO.
ALLA PROVA ORALE VIENE ATTRIBUITO UN PUNTEGGIO CHE VA DA UN MINIMO DI -5 PUNTI FINO AD UN MASSIMO DI 5 PUNTI.
LA VALUTAZIONE FINALE SCATURISCE DALLA SOMMA DEI PUNTEGGI CONSEGUITI NELLA PROVA SCRITTA E IN QUELLA ORALE: TALE PUNTEGGIO COMPLESSIVO
RAPPRESENTA IL VOTO FINALE (IN TRENTESIMI) E L'ESAME È SUPERATO SE ESSO RAGGIUNGE LA SOGLIA MINIMA DI 18.
NELLA VALUTAZIONE DELL'ESAME ORALE SI TERRÀ CONTO, OLTRE CHE DELLA CONOSCENZA DELLA MATERIA TRATTATA, ANCHE DELLA CAPACITÀ ESPOSITIVA,
DELL'ACCURATEZZA DEL LINGUAGGIO E DELLA CAPACITÀ DI UTILIZZARE IN MODO CRITICO GLI STRUMENTI STATISTICI ACQUISITI.
Testi
· SLIDE FORNITE DAL DOCENTE
· L. BIGGERI, M. BINI, A. COLI, L. GRASSINI, M. MALTAGLIATI. STATISTICA PER LE DECISIONI AZIENDALI. PEARSON, 2012

· G. BONOLLO, M. BONOLLO. STATISTICA AZIENDALE. METODI E APPLICAZIONI. MCGRAW-HILL, 2005

· A. DE LILLO, G. ARGENTIN, M. LUCCHINI, S. SARTI, M. TERRANEO. ANALISI MULTIVARIATA PER LE SCIENZE SOCIALI. PEARSON EDUCATION, 2007
Altre Informazioni
LA LINGUA D'INSEGNAMENTO È L'ITALIANO. GLI STUDENTI ERASMUS POSSONO EVENTUALMENTE CONCORDARE CON IL DOCENTE L’UTILIZZO DI LIBRI DI TESTO IN LINGUA INGLESE. LA FREQUENZA AL CORSO PUR NON OBBLIGATORIA, È VIVAMENTE CONSIGLIATA PER LE CARATTERISTICHE DELLA DISCIPLINA. LO STUDENTE NON FREQUENTANTE DEVE PREPARARE AUTONOMAMENTE IL PROGRAMMA PREVISTO.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-05-23]