Statistica applicata
STATISTICA APPLICATA
Dott. Enea Giuseppe Bongiorno
Prof. Aldo Goia
Dott.ssa Caterina May
Codice Insegnamento: EC0003
SSD Insegnamento: SECS-S/01
6 CFU – 48 ore
Sede: Novara
• Lingua insegnamento
Italiano
• Contenuti
Introduzione alla statistica multivariata con particolare attenzione ai modelli e algoritmi di classificazione e regressione. Avvio all’uso del software statistico R.
• Testi di riferimento
Il materiale didattico verrà fornito dai docenti.
Testi di utile consultazione sono:
- P. Giudici. Data Mining. Metodi informatici, statistici e applicazioni, MacGraw Hill, Ultima edizione. Il libro è reperibile in biblioteca
- S. M. Iacus, G. Masarotto. Laboratorio di statistica con R, MacGraw Hill, Ultima edizione. Il libro è reperibile in biblioteca
• Obiettivi formativi
L’obiettivo del corso è l’apprendimento di alcuni metodi statistici e della loro implementazione mediante un software specifico, al fine della loro successiva applicazione in ambito economico-aziendale. Gli argomenti saranno illustrati attraverso casi reali.
• Prerequisiti
Si daranno per acquisite le nozioni impartite nel corso di Statistica e di Metodi Matematici II.
• Metodi didattici
Lezioni ed esercitazioni in aula informatica. Esercitazioni per casa.
• Altre informazioni
Per ulteriori informazioni (come i collegamenti alle pagine web dei software utilizzati), si prega di consultare la pagina del corso su D.I.R. all’indirizzo: https://eco.dir.unipmn.it/
• Modalità di verifica dell’apprendimento
Prova scritta e prova orale consistente nella discussione della prova scritta e di una tesina.
• Programma esteso
1. Introduzione al software statistico R. Primi elementi di programmazione. Generazione e reperimento di dati. Avvio alle analisi dei dati: richiami di statistica uni- e bi-variata. Approfondimenti e applicazioni.
2. Introduzione alla statistica multivariata. Matrice dei dati, centroidi e matrice di varianza covarianza. Distribuzioni congiunte e misture.
3. Problemi di classificazione: algoritmi di clustering gerarchico e non-gerarchico (k-means). Applicazioni in ambito del marketing.
4. Problemi di discriminazione. Modello discriminante lineare. Applicazioni nell'analisi del rischio di credito: Indici di bilancio e previsione delle insolvenze, il Modello Z-score di Altman, metodi di selezione delle variabili. Curva ROC.
5. Modelli di regressione multivariata: stima dei parametri del modello, bontà di adattamento, variabili dummy, previsioni. Applicazioni: modelli di mercato per dati finanziari, stima della funzione di produzione, stima della funzione di domanda.
6. Modelli di Regressione logistica. Applicazioni.