Università Roma Tre

Punti di forza del corso:
Uso software: R, Minitab, Hugin
Elaborazione di progetti su dati 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.

Agresti A, Finlay B. (2012) Metodi Statistici di base e avanzati per le scienze sociali, Pearson.

Altro materiale didattico sarà disponibile sulle pagine del corso nel sito web della Scuola:
https://host.uniroma3.it/facolta/economia/economia.asp?contenuto=insdocs&insid=673
e su piattaforma Moodle trovate le indicazioni per collegarvi a OneDrive dove trovate tutte le lezioni video, le esercitazioni e le istruzioni per Minitab e Hugin.

Agresti A, Finlay B. (2007) Statistical Methods for the Social Sciences, Pearson College Div; 4th edition
T. W. Anderson (2003) An Introduction to Multivariate Statistical Analysis, 3rd Edition. ISBN: 978-0-471-36091-9
Altri testi di riferimento
Jensen, F. B., Graven-Nielsen, T. (2007) Bayesian Networks and Decision Graphs, 2nd ed., Springer Verlag.