Offerta Didattica
CONSULENZA E GESTIONE DI IMPRESA
TECNICHE STATISTICHE AVANZATE PER LE DECISIONI AZIENDALI
Classe di corso: LM-77 - Scienze economico-aziendali
AA: 2021/2022
Sedi: MESSINA
SSD | TAF | tipologia | frequenza | moduli |
---|---|---|---|---|
SECS-S/03 | Caratterizzante | Libera | Libera | No |
CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
---|---|---|---|---|---|---|---|
8 | 7 | 0 | 1 | 52 | 42 | 0 | 10 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Conoscenza e capacità di comprensione (knowledge and understanding): Lo studente al termine del corso avrà conoscenza di alcuni argomenti di Statistica Univariata e Multivariata di livello superiore rispetto a quelli appresi nella laurea triennale ed in particolare: - nell’ambito della parte dedicata all’analisi uni variata avrà conoscenza delle tecniche di analisi classica delle serie temporali e previsioni; nell’ambito della parte dedicata all’analisi multivariata avrà conoscenza delle tecniche di regressione multipla lineare e non lineare e correlazione multipla, analisi delle componenti principali, analisi fattoriale, analisi delle corrispondenze, alberi di classificazione,cluster analysis, analisi discriminante, regression logistica. Le tecniche esposte possono essere impiegate in qualsiasi campo di ricerca empirica, ma la selezione degli argomenti, come la loro trattazione, è stata effettuata tenendo presenti i problemi che si incontrano, comunemente, nella ricerca empirica afferente al economico ed aziendale. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding): Lo studente sarà in grado di comprendere ed eventualmente ricercare soluzioni avanzate di analisi esplorativa nel campo economico-aziendale generalista e tipiche degli ambiti dell’analisi di mercato e marketing. Autonomia di giudizio (making judgements): Lo studente sarà in grado di adeguare e generalizzare idee e tecniche acquisite per trattare anche situazioni e problemi non esplicitamente affrontati nel corso. Abilità comunicative (communication skills): Lo studente acquisirà la capacità di esprimere e comunicare problemi ed argomenti inerenti al corso. Imparerà a formalizzare problemi concreti, utilizzando gli strumenti acquisiti. Capacità di apprendere (learning skills) : Lo studente apprenderà come, in campo economico, sia a volte necessario o quantomeno utile imparare determinate metodiche per poter formulare in modo efficace e quindi “risolvere” problemi, apparentemente molto difficili, di analisi esplorativa sia a livello descrittivo che di sintesi.Learning Goals
Metodi didattici
Lezioni in aulaTeaching Methods
Prerequisiti
Matematica: Funzioni, limiti, derivate e algebra matriciale. Statistica descrittiva : I dati e loro organizzazione ; Il confronto tra informazioni ; Indici di sintesi. Statistica inferenziale : Elementi di base di calcolo delle probabilità ; Le principali distribuzioni di probabilità ; Inferenza (concetti base) ; Teoria della stima ; Verifica delle ipotesi ; Estrazioni campionarie e numerosità campionaria.Prerequisites
Verifiche dell'apprendimento
Esami oraliAssessment
Programma del Corso
Elementi di base Richiami di Statistica descrittiva Richiami di Algebra matriciale Statistica inferenziale Associazione e Correlazione Tecniche di Regressione Tecniche per l’analisi statistica dei bilanci e per lo studio del posizionamento aziendale Introduzione: l’analisi statistica univariata Analisi fattoriale Analisi delle componenti principali Tecniche per la segmentazione del mercato Cluster analysis Alberi di classificazione Tecniche per l’analisi delle insolvenze Analisi discriminante Regressione logistica Il perceptual mapping per il posizionamento competitivo Analisi delle corrispondenze Tecniche di previsione per la programmazione delle attività aziendali L’analisi classica delle serie storiche Livellamento esponenziale e metodo Holt-WintersCourse Syllabus
Testi di riferimento:
Testi consigliati
Statistica descrittiva e inferenziale:
“Statistica: principi e metodi”, Cicchitelli, Pearson
“Metodi statistici”, Freund, Wilson, Piccin editore“Statistica”, Freedman-Pisani-Purves, McGraw-Hill
Statistica per le decisioni aziendali
“Statistica Multivariata – Analisi esplorativa dei dati”, Fabbris, McGraw-Hill
“Analisi dei dati e data mining per le decisioni aziendali”, Zani, Cerioli, Giuffrè
“Statistica per le decisioni aziendali”,Biggeri, Bini, Coli, Grassini, Maltagliati, Pearson
“Serie Storiche Economiche “, Di Fonzo, Carocci
“Statistica economica “, Guarini, Tassinari, Il Mulino
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: BRUNO RICCA
Orario di Ricevimento - BRUNO RICCA
Giorno | Ora inizio | Ora fine | Luogo |
---|---|---|---|
Martedì | 10:30 | 12:30 | Terzo piano ex Facoltà Economia |
Note: Si consigliano in ogni caso gli studenti di prendere prima contatto con il docente mediante e-mail (bricca@unime.it)