 |
MADDALENA CAVICCHIOLI
Professore Associato
Dipartimento di Economia "Marco Biagi"
|
Insegnamento: Statistical learning and prediction from data
International Management (Offerta formativa 2022)
Obiettivi formativi
Molte aree dell'economia, dell'industria e della finanza hanno come oggetto lo studio di fenomeni attraverso l'analisi di grandi insiemi di dati, la cui misurazione è caratterizzata da incertezza. Questo corso ha come oggetto i principi di base dell'analisi dei dati da un punto di vista statistico ed introduce lo studente alla pratica di tali principi. L'enfasi è posta sull'analisi esplorativa dei dati, sulla costruzione di modelli statistici bivariati e multivariati e sulla corretta interpretazione dei risultati. I principali concetti sono presentati rigorosamente durante il corso. Tuttavia, particolare attenzione sarà posta sullo sviluppo della capacità di risoluzione di problemi su dati reali.
Prerequisiti
Occorre avere superato un corso di base di analisi matematica ed uno di statistica a livello di laurea triennale.
NOTA: SI OFFRE UN PRE-CORSO DI STATISTICA DI BASE DI 5 INCONTRI NELLE SEGUENTE DATE:
30 Novembre e 1-7-14-15 Dicembre 2022.
SI INVITANO CALDAMENTE GLI STUDENTI A PARTECIPARE PRIMA DELL’INIZIO DELLE LEZIONI DEL CORSO.
Programma del corso
Per ogni Credito Formativo Universitario (CFU) sono previste 8 ore di didattica frontale e 17 ore di studio autonomo di studenti e studentesse. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore.
1CFU (8 ore)
1. Introduzione alla statistica
2. Misurazioni, errori e dati nella ricerca
3. Primary data
4. Survey design
1CFU (8 ore)
5. Tecniche di Sampling
6. La matrice dei dati
7. Dati mancanti
1CFU (8 ore)
8. Rappresentazioni grafiche dei dati
9. Momenti delle distribuzioni
10. La distribuzione normale e gli z-Scores
1CFU (8 ore)
11. Outliers univariati e bivariati
12. Test delle due medie e ANOVA
13. Correlazione, rank correlation e test
1CFU (8 ore)
14. Regressione lineare bivariata e multivariata
15. Contingency tables and association measures
1CFU (8 ore)
16. Analisi fattoriale e PCA
17. Tecniche di clustering
Metodi didattici
Lezioni in aula con dimostrazioni di software statistico Spss per l’analisi di dataset. Materiali didattici integrativi (slides, esercizi, esempi di compiti di esame, etc.) sono reperibili nella pagina teams/moodle del corso.
In linea con le decisioni del CdS, verrà reso disponibile il materiale relativo alle lezioni e le videoregistrazioni. Lo streaming invece non è permesso in linea con le decisioni relative alla erogazione della didattica di UNIMORE.
Testi di riferimento
- Mario Mazzocchi (2008). Statistics for Marketing and Consumer Research. London, SAGE (Chapters: 1, 3, 4, 5, 7, 8, 9, 10, 12)
- Slides and exercises downloadable in the course webpage in teams/moodle.
Verifica dell'apprendimento
La verifica dell’apprendimento avviene tramite una prova scritta con durata massima di 90 minuti. La prova consta domande a risposta multipla, domande aperte sulla parte teorica ed esercizi da svolgere. Materiale da portare all'esame: calcolatrice scientifica, tavole statistiche e formulario.
Il voto è espresso in trentesimi ed è necessario ai fini di superamento dell’esame il raggiungimento della soglia dei 18/30. Gli esiti saranno comunicati entro e non oltre due settimane dalla prova scritta; la pubblicazione avverrà tramite Esse3.
Risultati attesi
1) Conoscenza e capacità di comprensione: tramite lezioni in aula e studio individuale Identificazione delle fasi del processo di ricerca, degli strumenti di misura e di raccolta dei dati. Conoscenza delle tecniche di campionamento. Conoscenza dei metodi statistici utili a misurare l'eventuale relazione esistente tra due o più variabili. Conoscenza dei principali metodi statistici multivariati per la riduzione dimensionale di una matrice di dati (analisi delle componenti principali e tecniche di clustering)
2) Capacità di applicare conoscenza e comprensione: Tramite svolgimento di homeworks e analisi di dati empirici, sviluppo di capacità: Capacità di effettuare un'indagine statistica in tutte le sue fasi e utilizzo di queste conoscenze in problemi reali in ambito economico, finanziario e sociale. Capacità di usare un linguaggio statistico per studiare e formalizzare tali problemi. Capacità di scelta della metodologia appropriata a seconda del problema, identificazione delle variabili e delle informazioni che si vogliono ottenere. Capacità di interpretare i risultati delle elaborazioni in maniera critica e trarre conclusioni. Capacità di comunicare i risultati, sotto forma di report o grafici.
3) Autonomia di giudizio: Attitudine ad un approccio metodologico che conduca a verificare tramite argomentazioni rigorose di teoria statistica ed economica le affermazioni e i metodi presentati. Capacità di autovalutazione delle proprie competenze ed abilità.
4) Abilità comunicative: Capacità di affrontare in modo puntuale e coerente la teoria statistica e di argomentare con precisione l'analisi empirica. A conclusione del corso lo studente presenterà in forma scritta i risultati e le interpretazioni di analisi empiriche ottenute anche con l'ausilio di supporto digitale.
5) Capacità di apprendimento: Acquisizione delle conoscenze di tipo statistico ed economico come proprio patrimonio, da poter utilizzare per analisi individuali su dati empirici.