A86055 Statistica

Scuola di Economia e Management
Scheda Insegnamento
Anno Accademico 2016/17 Primo Semestre

foto
Docente TitolareEugenio Melilli
E-mailemelilli@liuc.it
UfficioEdificio 1 Piano Terra
Telefono0331 572348

Obiettivi di apprendimento attesi

Alla fine del corso lo studente dovrebbe essere in grado di:

  1. selezionare il modello opportuno per descrivere il comportamento aleatorio di variabili micro- e macro-economiche tipiche.
  2. misurare il rischio insito in attività finanziarie, assicurative, in ambito produttivo, ecc..
  3. produrre report statistici (con software Excel/R) relativi a dati aziendali ed estrarre da questi informazioni attraverso opportune analisi statistiche.
  4. selezionare le opportune procedure statistiche atte a fornire risposte a quesiti che nascono in ambito economico ed aziendale.
  5. utilizzare correttamente strumenti statistici per supportare l'assunzione di decisioni in condizioni di incertezza.

Risultati di apprendimento attesi

Lo studente avrà maturato conoscenza e comprensione:

  1.  dei modelli probabilistici atti a descrivere fenomeni aleatori.
  2.  dei metodi utili alla misurazione del rischio finanziario, assicurativo e d'impresa.
  3.  degli strumenti teorici ed operativi (software Excel/R) per la produzione, l'analisi e l'interpretazione dei dati aziendali.
  4.  delle procedure statistiche (descrittive ed inferenziali) utili a rispondere a quesiti rilevanti in ambito economico ed aziendale ed a supportare decisioni in condizioni di incertezza.

 

Contenuti dell’insegnamento

 

  1. analisi descrittiva univariata di dati di rilevanza economico-aziendale (produzione, lettura ed interpretazione  di tabelle, grafici,  indici statistici univariati). I software utilizzati sono  Excel e R.
  2. analisi descrittiva bivariata di dati di rilevanza economico-aziendale (produzione, lettura ed interpretazione di tabelle, grafici, indici statistici bivariati). I software utilizzati sono Excel e R.
  3. variabili aleatorie discrete rilevanti nelle applicazioni economico-aziendali.
  4. variabili aleatorie continue rilevanti nelle applicazioni economico-aziendali.
  5. vettori aleatori bidimensionali e multidimensionali e loro tipiche applicazioni; in particolare, applicazione delle combinazioni lineari di variabili aleatorie alla valutazione di un portafoglio finanziario.
  6. il teorema centrale del limite e le sue applicazioni probabilistiche e statistiche. Campione e funzioni campionarie (media campionaria, proporzione campionaria, varianza campionaria).
  7. stima puntuale e mediante intervalli di confidenza della media  di una popolazione statistica. Distribuzione t di Student. Intervallo di confidenza per la proporzione.
  8. verifica di ipotesi sulla media di una popolazione (test unilaterali e bilaterali). P-value e sua interpretazione. Verifica di ipotesi su una proporzione.
  9. verifica di ipotesi sulla differenza di medie per campioni indipendenti.
  10. il modello di regressione lineare.

 

Metodologia Didattica

Le lezioni si svolgono nell'intero primo semestre. Agli studenti è richiesto di studiare il materiale delle lezioni precedenti prima di affrontare nuovi argomenti. Sono previste tanto lezioni teoriche quanto  sessioni di esercitazione. E' opportuna una partecipazione attiva alle lezioni degli studenti, ai quali potranno essere poste domande durante le lezioni. Gli studenti sono invitati a consultare regolarmente il sito del corso, su cui troveranno materiale didattico aggiuntivo e informazioni aggiornate sul corso stesso.

Modalità con cui viene accertata l’effettiva acquisizione dei risultati di apprendimento.

L'esame consiste di due parti: una parte scritta ed una parte costituita da assignment da svolgere in gruppi di, al più, 5 studenti. La parte scritta può essere superata attraverso 2 prove parziali (la prima in ottobre/novembre 2016, la seconda in gennaio 2017, in accordo al calendario ufficiale) o, in alternativa, mediante un'unica prova generale (a partire da gennaio 2017, secondo il calendario ufficiale). L'assignment, da svolgere in accordo alle modalità descritte durante le esercitazioni in laboratorio e da consegnare entro la data che verrà comunicata e pubblicata sul sito del corso, consiste in analisi dei dati da effettuare con il software R; il punteggio massimo acquisito tramite l'assignment è di 3 punti. L'assignment ha valore per tutti gli appelli relativi all'anno accademico 2016/2017.

Esame con prove parziali

La prima prova parziale include domande ed esercizi relativi agli argomenti svolti nelle lezioni (fino alla lezione precedente la prova stessa) e anche domande relative alle esercitazioni svolte con il software Excel nella I parte del corso. La seconda prova parziale include domande ed esercizi relativi alle lezioni svolte dopo la prima prova parziale. Ciascuna delle due prove parziali ha voto massimo pari a 27. Il voto finale è la media delle votazioni ottenute nelle due prove parziali, alla quale viene aggiunto il punteggio riportato nell'assignment. Nel caso in cui tale voto finale non sia intero, esso viene arrotondato all'intero più vicino (per eccesso se la parte decimale è 0.5)

Esame con unica prova generale

La prova generale include domande ed esercizi relativi all'intero programma delle lezioni ed anche alle esercitazioni svolte con Excel nella prima parte del corso. Il voto massimo della prova generale è 27. Il voto finale è dato dalla somma del voto della prova generale e del punteggio acquisito nell'assignment, eventualmente arrotondato come indicato sopra.

 

 

Syllabus

Lezione 0
Ore di lezione: 0
Docente:

Argomenti

Letture

Lezione 0
Ore di lezione: 0
Docente:

Argomenti

ARGOMENTI SVOLTI NELLE LEZIONI DEL CORSO DI STATISTICA (codice A86055)

ANNO ACCADEMICO 2016-2017

LE LEZIONI SONO TENUTE DA:   E. MELILLI (M-Z) e  R. D’ANGIO’ (A-L)

DATA

ARGOMENTO

RIFERIMENTI

I LEZIONE

M-Z  22.09.16

A-L   20.09.16

Presentazione del corso.

Il processo decisionale in condizioni di incertezza. Statistica descrittiva e inferenziale; il ruolo del calcolo delle probabilità. Variabili aleatorie: generalità.

1.1 - 1.3

5.1

II LEZIONE

M-Z  29.09.15

A-L   27.09.16

Variabili aleatorie discrete: funzione di probabilità, valore atteso, varianza.

Trasformazioni di variabile

5.2 - 5.3

III LEZIONE

M-Z  06.10.16

A-L   04.10.16

Le distribuzioni bernoulliana e binomiale: funzione di probabilità, valore atteso, varianza, sue applicazioni in ambito economico-aziendale.

5.4

IV LEZIONE

M-Z  13.10.16

A-L   11.10.16

La distribuzione di Poisson: funzione di probabilità, valore atteso, varianza, sue applicazioni in ambito economico-aziendale.

5.6

V LEZIONE

M-Z  18.10.16

A-L   18.10.16

Distribuzione congiunta di due variabili aleatorie discrete: distribuzioni marginale e condizionata, indipendenza.

Covarianza e coefficiente di correlazione lineare.

5.7

VI LEZIONE

M-Z  20.10.16

A-L   19.10.16

Variabili aleatorie continue: funzione di densità.

La distribuzione normale (o gaussiana): funzione di densità, valore atteso, varianza, proprietà, sue applicazioni in ambito economico-aziendale.

6.1 – 6.3

VII LEZIONE

M-Z  25.10.16

A-L   25.10.16

Distribuzione congiunta di due variabili aleatorie continue, covarianza, coefficiente di correlazione lineare (cenni).

Combinazioni lineari di variabili aleatorie: applicazione alla valutazione di un portafoglio.

6.6

VIII LEZIONE

M-Z  27.10.16

A-L   26.10.16

Variabili aleatorie indipendenti ed identicamente distribuite, nozione di campione casuale.

La media campionaria: proprietà, distribuzione, distribuzione asintotica (teorema centrale del limite). La proporzione campionaria e la varianza campionaria (cenni).

7.1 - 7.2 - 7.3

IX LEZIONE

M-Z  08.11.16

A-L   08.11.16

Stima puntuale della media: non distorsione e consistenza della media campionaria come stimatore.

Intervallo di confidenza per la media (popolazione normale con varianza nota, popolazione qualunque con varianza nota per grandi campioni).

Relazioni tra ampiezza campionaria e lunghezza dell’intervallo.

8.1 - 8.2 – 9.5

X LEZIONE

M-Z  10.11.16

A-L   09.11.16

 Intervallo di confidenza per la media (popolazione normale con varianza incognita – la distribuzione t di student, popolazione qualunque con varianza incognita per grandi campioni).

Intervallo di confidenza per una proporzione.

8.3 – 8.4

XI LEZIONE

M-Z  15.11.16

A-L   15.11.16

Verifica di ipotesi: generalità, ipotesi nulla ed alternativa, test, regione di rifiuto, errori, livello del test.

10.1

XII LEZIONE

M-Z  17.11.16

A-L   16.11.16

Verifica di ipotesi sulla media di una popolazione (varianza nota e varianza incognita).  Nozione di p-value.

10.2 – 10.3

XIII LEZIONE

M-Z  22.11.16

A-L   22.11.16

Verifica di ipotesi su una proporzione

10.4

XIV LEZIONE

M-Z   24.11.16

A-L   23.11.16

Verifica di ipotesi sulla differenza di medie per campioni indipendenti.

11.1

XV LEZIONE

M-Z   01.12.16

A-L   29.11.16

Il modello di regressione lineare semplice: stime dei minimi quadrati, scomposizione della devianza totale, indice R-quadro.

12.2 – 12.3 – 12.4

XVI LEZIONE

M-Z   06.12.16

A-L   06.12.16

Il modello di regressione lineare semplice: intervalli di confidenza e test sui coefficienti, previsioni.

 Cenni al modello di regressione lineare multipla

12.5 – 12.6 – 12.7

I riferimenti sono al testo adottato:   Newbold, Carlson, Thorne  STATISTICA (seconda edizione), Pearson, 2010.

 

 

ARGOMENTI SVOLTI NELLE ESERCITAZIONI DEL CORSO DI STATISTICA (codice A86055)

ANNO ACCADEMICO 2016-2017

 

LE ESERCITAZIONI SONO TENUTE DA:

ROBERTO D’ANGIO’ (I parte)  e  MARTA NAI RUSCONE (II parte)

(Per le esercitazioni gli studenti sono divisi in 3 gruppi; i giorni e orari delle esercitazioni per ciascun gruppo sono riportati sul sito del LIUC)

 

 

Argomenti dell’esercitazione

I ESERCITAZIONE(D’ANGIO’)

Indici statistici: definizioni e formule di calcolo.

II ESERCITAZIONE (D’ANGIO’)  

Indici statistici:  significato descrittivo.

III ESERCITAZIONE (D’ANGIO’)

Indici statistici: uso di Excel per il  calcolo.

IV ESERCITAZIONE (NAI RUSCONE)

Introduzione al software R: editor RGui. Struttura e manipolazione dei dati. Importazione dei dati.

V ESERCITAZIONE (NAI RUSCONE)

Richiami relativi all’analisi descrittiva di una variabile (qualitativa o quantitativa).

VI ESERCITAZIONE (NAI RUSCONE)

Analisi bivariata di variabili qualitative: tabelle di contingenza, diagrammi a barre accostate.             Analisi bivariata di variabili quantitative: diagramma di dispersione, covarianza, coefficiente di correlazione lineare.

VII ESERCITAZIONE (NAI RUSCONE)

Variabili casuali. Distribuzioni bernoulliana, binomiale, di Poisson, Normale, t di Student.                 

VIII ESERCITAZIONE (NAI RUSCONE)

Campionamento e stima puntuale.                          Intervalli di confidenza.                                             Verifica delle ipotesi sulle medie e proporzioni e sulla differenza di medie.

IX ESERCITAZIONE (NAI RUSCONE)

Il modello di regressione lineare.

 

 

 

 

Letture


Per accedere al syllabus completo entrate nel selfservice studenti