|
Docente
|
MORTERA JULIA
(programma)
Obiettivi:
Il corso intende fornire gli strumenti necessari per la progettazione, l’elaborazione e l’analisi dei dati in campo economico. La parte teorica sarà affiancata da una parte applicata su dati reali e case studies provenienti dall’economia del lavoro, relazioni industriali e sistemi di welfare e dall’economia dell’ambiente e dello sviluppo con l’uso di opportuni software statistici (quali ad es. R, Minitab, Hugin).
Pertanto allo studente verrà insegnato non solo ad applicare tecniche statistiche ma anche a scegliere la tecnica più opportuna ed a commentare l’output ai fini decisionali. Agli studenti verrà insegnato non solo l’aspetto teorico dei modelli ma anche i principali contesti applicativi e il loro utilizzo mediante opportuni software statistici.
Il corso insegna a gestire un’indagine statistica dalla sua pianificazione all’analisi e commento dei dati.
Punti di forza del corso:
Uso software: R, Minitab, Hugin
Elaborazione di progetti su dataset pertinenti al proprio percorso
Argomenti:
-Introduzione ai principali tecniche di campionamento;
-Modello lineare semplice e multiplo;
-Modelli lineari generalizzati (con particolare attenzione ai modelli logistici e log-lineari);
Analisi della varianza (ANOVA);
-Tabelle di indipendenza
-Metodi statistici di supporto alle decisioni in condizioni di incertezza. Albero delle decisioni. Reti bayesiane e reti per le decisioni. Applicazione a casi reali.
-Principali metodi di statistica multivariata esplorativa quali l'analisi fattoriale, cluster analisi.
-Cenni alle Serie Storiche
Per ciascuna metodologia statistica sarà illustrata una specifica applicazione nell’ambito dell’analisi economico. Gli esempi numerici saranno svolti sulla base di alcuni data set sui quali gli studenti potranno esercitarsi.
Il corso è prevalentemente di carattere applicativo, indirizzato a chi desideri comprendere le potenzialità delle singole metodologie e gli strumenti tecnici per utilizzarle. Saranno fornite indicazioni per approfondimenti teorici specifici.
Agli studenti interessati sarà offerta la possibilità di fare pratica delle tecniche descritte a lezione attraverso lo svolgimento di un progetto su dataset pertinenti al proprio percorso di studio.
Valutazione
• Per gli studenti frequentanti la valutazione si basa su una prova scritta e sulla elaborazione, presentazione e discussione di un progetto su dataset pertinenti al proprio percorso di studio.
• Per gli studenti non frequentanti la valutazione si basa su una prova scritta ed un esame orale su tutto il programma.
Orario delle lezioni: lunedì, martedi e mercoledi 12,30-14,30
Aula Informatica: A partire dal 5 marzo il lunedi 12,30-14,30 si farà lezione in aula informatica (piano terra)
Ricevimento: per gli orari di ricevimento consultate sempre le pagine web dei docenti che vengono aggiornate relativamente agli orari e a loro modifiche e/o spostamenti.
Ci sarà un ricercatore che farà il supporto alla didattica e seguirà i ragazzi con il loro progetto
Materiale didattico
Agresti A, Finlay B. (2012) Metodi Statistici di base e avanzati per le scienze sociali, Pearson.
Zani S., Cerioli A. (2007) Analisi dei dati e data mining per le decisioni aziendali, Giuffrè Editore.
De Lillo A., Argentin G., Lucchini M. Sarti S. e Terraneo M. (2007) Analisi multivariate per le scienze sociali Pearson Education.
Altro materiale didattico sarà disponibile sulle pagine del corso nel sito web di Facoltà.
Altri testi di riferimento
Levine, D. M., Krehbiel T.C. e Berenson M. L. (2006) Statistica, Apogeo.
Jensen, F. B., Graven-Nielsen, T. (2007) Bayesian Networks and Decision Graphs, 2nd ed., Springer Verlag.
(testi)
Materiale didattico
Agresti A, Finlay B. (2012) Metodi Statistici di base e avanzati per le scienze sociali, Pearson.
Zani S., Cerioli A. (2007) Analisi dei dati e data mining per le decisioni aziendali, Giuffrè Editore.
De Lillo A., Argentin G., Lucchini M. Sarti S. e Terraneo M. (2007) Analisi multivariate per le scienze sociali Pearson Education.
Altro materiale didattico sarà disponibile sulle pagine del corso nel sito web di Facoltà.
Altri testi di riferimento
Levine, D. M., Krehbiel T.C. e Berenson M. L. (2006) Statistica, Apogeo.
Jensen, F. B., Graven-Nielsen, T. (2007) Bayesian Networks and Decision Graphs, 2nd ed., Springer Verlag.
|
Università Roma Tre