ANTONIO NAIMOLI | LABORATORIO DI STATISTICA
ANTONIO NAIMOLI LABORATORIO DI STATISTICA
cod. 0212800019
LABORATORIO DI STATISTICA
| 0212800019 | |
| DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE | |
| CORSO DI LAUREA | |
| STATISTICA PER I BIG DATA | |
| 2023/2024 |
| ANNO CORSO 3 | |
| ANNO ORDINAMENTO 2018 | |
| SECONDO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| SECS-S/03 | 5 | 30 | LEZIONE |
| Obiettivi | |
|---|---|
| CONOSCENZA E CAPACITÀ DI COMPRENSIONE IL CORSO INTENDE FORNIRE UN'INTRODUZIONE AI PRINCIPALI METODI E MODELLI UTILIZZATI PER LA PREVISIONE DI SERIE STORICHE DI DIVERSA NATURA. LO STUDENTE AVRÀ FAMILIARITÀ CON I PROCESSI E I METODI DI PREVISIONE, L'ANALISI DEI DATI E LA SELEZIONE DEI MODELLI DI PREVISIONE. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE ALLA FINE DEL CORSO, LO STUDENTE SARÀ IN GRADO DI USARE IL SOFTWARE R PER IMPLEMENTARE I MODELLI SU DATI REALI. LO STUDENTE SARÀ INOLTRE IN GRADO DI: IDENTIFICARE I MODELLI A SECONDA DELLE SERIE TEMPORALI; STIMARE E INTERPRETARE MODELLI PER LA PREVISIONE; SCOMPORRE E PREVEDERE DIVERSE COMPONENTI DELLE SERIE TEMPORALI; APPLICARE UNA VARIETÀ DI METODI DI SMOOTHING; APPLICARE I METODI E I PROCESSI DI PREVISIONE AI DATI DEL MONDO REALE; USARE IL SOFTWARE R PER IMPLEMENTARE I MODELLI DI PREVISIONE. |
| Prerequisiti | |
|---|---|
| L’INSEGNAMENTO PRESUPPONE LA CONOSCENZA DELLE NOZIONI BASILARI DI PROBABILITÀ, STATISTICA DESCRITTIVA E INFERENZIALE. |
| Contenuti | |
|---|---|
| INTRODUZIONE ALLE SERIE STORICHE (4 ORE) GRAFICI PER SERIE STORICHE (4 ORE) CARATTERISTICHE E COMPONENTI DELLE SERIE STORICHE (6 ORE) STRUMENTI E METODI DI PREVISIONE (6 ORE) MODELLI DI REGRESSIONE PER SERIE STORICHE (6 ORE) DECOMPOSIZIONE DELLE SERIE STORICHE (4 ORE) |
| Metodi Didattici | |
|---|---|
| LEZIONI FRONTALI ED ESERCITAZIONI AL CALCOLATORE. |
| Verifica dell'apprendimento | |
|---|---|
| L’ESAME PREVEDE LA DISCUSSIONE DI UN PROJECT WORK CHE DOVRÀ ESSERE STRUTTURATO SOTTO FORMA DI PRESENTAZIONE O REPORT STATISTICO. IL PROJECT WORK, SVILUPPATO CON IL SOFTWARE R, CONSISTE NELL’ANALISI DI UN DATASET REALE ED È FINALIZZATO A VERIFICARE LA CAPACITÀ DELLO STUDENTE DI APPLICARE IN MODO APPROPRIATO STRUMENTI TEORICI A CASI CONCRETI. IL PROJECT WORK DEVE ESSERE CONSEGNATO 48 ORE PRIMA DELLA PROVA D’ESAME. LA DISCUSSIONE DEL PROJECT WORK (DURATA CIRCA 20 MINUTI) MIRA A VERIFICARE IL LIVELLO DI CONOSCENZA, L'AUTONOMIA DI ANALISI E DI GIUDIZIO NONCHÉ LA CAPACITÀ ESPOSITIVA DELLO STUDENTE. IL VOTO FINALE, ESPRESSO IN TRENTESIMI CON EVENTUALE LODE, DIPENDE DAL GRADO DI APPROFONDIMENTO DELL’ELABORATO E DALLA CAPACITÀ DELLO STUDENTE DI PRESENTARE EFFICACEMENTE I CONTENUTI E DISCUTERE CRITICAMENTE DEGLI ARGOMENTI ILLUSTRATI. |
| Testi | |
|---|---|
| FORECASTING: PRINCIPLES AND PRACTICE, 2ND EDITION - ROB J HYNDMAN & GEORGE ATHANASOPOULOS (2018). HTTP://OTEXTS.ORG/FPP2/ AN INTRODUCTION TO ANALYSIS OF FINANCIAL DATA WITH R - TSAY, R. S. (2014). JOHN WILEY & SONS. TIME SERIES ANALYSIS AND ITS APPLICATIONS WITH R EXAMPLES - ROBERT H. SHUMWAY, DAVID S. STOFFER (2017) - SPRINGER CHAM |
| Altre Informazioni | |
|---|---|
| MATERIALE DIDATTICO INTEGRATIVO (DATI, SOFTWARE, SLIDES) VERRÀ DISTRIBUITO ATTRAVERSO IL SITO WEB DEL DOCENTE. |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-11-05]
