159392 - ECONOMIC AND BUSINESS STATISTICS FOR PREDICTION AND CLASSIFICATION

insegnamento

ID:

159392

Tipo Insegnamento:

Obbligatorio

Durata (ore):

56

CFU:

SSD:

STATISTICA

Url:

Dettaglio Insegnamento:

GREEN ECONOMY AND SUSTAINABLE TRANSITIONS/Percorso Comune Anno: 1

Anno:

2024

Periodo di attività

Secondo Semestre (24/02/2025 - 06/06/2025)

Obiettivi Formativi

L'obiettivo del corso è l'apprendimento di tecniche statistiche per l'analisi di dati in presenza di dataset complessi (problemi multivariati), per la previsione e la classificazione. Il fine ultimo è quello di fornire un supporto informativo ai processi di decision-making nelle scienze economiche e aziendali.

Le principali tecniche trattate riguardano l'analisi di regressione (Analisi di Regressione Lineare Semplice-SLRA e Analisi di regressione Lineare Multipla-MLRA), e l'analisi dei cluster (gerarchica e non gerarchica).

Alla fine del corso lo studente sarà in grado di:
- conoscere i fondamenti teorici e le proprietà dei principali metodi relativi alle tecniche sopra menzionate
- applicare questi metodi a problemi reali
- implementarne l'uso per mezzo dell'ambiente R

Prerequisiti

Sono richieste nozioni di base sui seguenti argomenti:
- statistica descrittiva
- probabilità e principali distribuzioni di probabilità
- statistica inferenziale (verifica di ipotesi, stima dei parametri, campionamento casuale, correlazione lineare, nozioni di base di analisi di regressione lineare)

Metodi didattici

Lezioni frontali in aula.

Verranno erogate anche ore di laboratorio con R, oltre a lezioni teoriche, per trasmettere come usare i metodi statistici studiati per risolvere problemi reali e come usare il software statistico.

Verifica Apprendimento

1. Esame scritto (domande a risposta multipla)
2. Esame pratico (tesina e presentazione)

Esame scritto.
Lo scopo della prova è di verificare il livello di apprendimento degli obiettivi formativi sopra esplicitati. Il test scritto consiste in 10 domande: 2 su algebra delle matrici (argomento 1), 3 sull'analisi di regressione (argomento 2), 3 sull'analisi dei cluster (argomento 3), 2 sul software R (argomento 4).
Le domande servono a valutare le conoscenze sulla teoria, sulla abilità di ragionamento e di interpretazione dei risultati, sull'uso dei comandi R necessari all'applicazione dei metodi studiati.
Per ciascuna domanda, in caso di risposta esatta viene assegnato un punteggio pari a 3, in caso di risposta sbagliata un punteggio pari a 0.
Il punteggio finale è dato dalla somma dei punteggi di tutte le domande. La prova dura 30 minuti.

Prova pratica.
La prova consiste nel preparare una presentazione e discutere un report appositamente predisposto, il quale documenti l'applicazione dei metodi statistici a problemi reali su dataset reali (precedentemente approvati dal professore). Questo esame viene valutato con un punteggio da 0 a 3.

Il voto finale è dato dalla somma del punteggio del test scritto e di quello della prova orale. Per passare l'esame, lo studente deve ottenere un voto finale di almeno 18 nel test scritto.

Testi

Mardia K.V., Kent J.T., Taylor C.C., «Multivariate Analysis», Wiley, 2024

Anderson T.W., «An introduction to Multivariate Statistical Analysis», Wiley, Published in 2003 or later

Notes of the professor and further material are available at the course Web site and in Google Classroom 7jyu7zz

Contenuti

1. Nozioni di base su algebra delle matrici e sull'ambiente R (16 ore)
2. Analisi di regressione lineare: teoria, metodi e applicazioni con l'uso del software R (24 ore)
3. Analisi dei cluster: teoria, metodi e applicazioni con l'uso del software R (16 ore)