37993 - STATISTICA AZIENDALE

Anno Accademico 2021/2022

  • Docente: Silvia Pacei
  • Crediti formativi: 12
  • SSD: SECS-S/03
  • Lingua di insegnamento: Italiano
  • Moduli: Silvia Pacei (Modulo 1) Maria Ferrante (Modulo 2) Silvia Pacei (Modulo 3)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2) Convenzionale - Lezioni in presenza (Modulo 3)
  • Campus: Bologna
  • Corso: Laurea in Economia aziendale (cod. 8871)

    Valido anche per Laurea in Management e marketing (cod. 8406)

Contenuti

Il corso si propone di fornire agli studenti gli strumenti statistici utilizzabili per la raccolta, l'organizzazione e l'analisi dei dati aziendali, a supporto di decisioni manageriali prese spesso in condizioni di incertezza. Il corso è orientato all'applicazione, con l'utilizzo del software statistico SAS, delle tecniche citate a dati economico-aziendali nell'ambito di problemi/scenari specifici di analisi e gestione aziendale.

MODULO 1 (prof.ssa Silvia Pacei)

1. La Statistica in azienda

Il ruolo della Statistica in azienda. Aree in cui può essere impiegata. Il processo decisionale di tipo statistico. L'azienda come utente e fornitore di informazioni.

2. Basi di dati aziendali.

Dati interni ed esterni. Le indagini statistiche campionarie. L'errore di campionamento. Alcune strategie di campionamento probabilistico e non probabilistico. Il campionamento ripetuto nel tempo. La determinazione della numerosità campionaria. Calcolo e correzione dei pesi campionari per il riporto dei risultati alla popolazione. L'errore non campionario .

Alcune fonti statistiche ufficiali e non ufficiali. Sui consumi: indagine ISTAT e l'indagine AcNielsen. Sui redditi: l'indagine della Banca d'Italia.

Le informazioni riportate nella matrice dei dati.

MODULO 2 (prof.ssa Maria Rosaria Ferrante)

3. L'analisi delle determinanti della domanda e la previsione delle vendite.

Metodi di previsione endogeni ed esogeni.

Impiego del modello di regressione lineare multipla. Ipotesi alla base del modello. Stima ed interpretazione dei parametri del modello. Proprietà degli stimatori. Valutazione dell'adeguatezza del modello lineare. Verifica della significatività del modello. Test sui singoli parametri. Analisi dei residui. Confronto fra modelli annidati. Il problema della multicollinearità. L'inclusione di variabili esplicative qualitative. Previsione di un valore individuale. Selezione delle variabili esplicative da inserire nel modello.

Modelli di regressione non lineari.

Esempi ed applicazioni.

MODULO 1 (prof.ssa Silvia Pacei)

4. Analisi dei dati per le strategie aziendali: LA SEGMENTAZIONE DEL MERCATO .

La matrice delle distanze/dissomiglianze. La distanza Euclidea, la distanza di Mahalanobis, la distanza di Minkowski. Indici di similarità.

La segmentazione dei mercati. Metodi di classificazione a priori e a posteriori.

Metodi di classificazione a posteriori: la cluster analysis gerarchica. Fasi della cluster analysis gerarchica. Metodi di raggruppamento di tipo gerarchico. Scelta del numero dei gruppi e criteri di valutazione delle partizioni.

Metodi di classificazione a posteriori: la cluster analysis non gerarchica. Fasi della cluster analysis non gerarchica. Metodo di raggruppamento delle k medie. Scelta del numero dei gruppi e connotazione dei gruppi.

Esempi di applicazioni.

Nell'ultima parte del corso gli studenti che frequentano svolgono un'indagine campionaria su un argomento concordato. Lo svolgimento dell'indagine implica la scelta della strategia di campionamento, la stesura del questionario, lo svolgimento delle interviste, l'inserimento e l'analisi dei dati mediante le tecniche affrontate nel corso.

Testi/Bibliografia

Lucidi del docente (per chi segue il corso) scaricabili dal sito della Facoltà previa iscrizione alla lista di distribuzione.

Testi di riferimento:

Brasini, Freo, Tassinari e Tassinari, Statistica aziendale e analisi di mercato, Il Mulino: Bologna, 2002, Capitoli: I (da 1.1 a 1.6); V (da 5.1 a 5.2); VI (da 6.1 a 6.2), VII (par. 1, 2, 3, 4, 6).

“Il campionamento statistico”, G. Cicchitelli, G. Montanari, A. Herzel, 1997, Il Mulino (parti relative alla costruzione dei pesi per vari disegni di campionamento).

Cap. 13 “La regressione lineare multipla”, scaricabile sul sito www.apogeonline.com/2006/libri/88-503-2357-3/ebook/2357-cap13.pdf, in Levine D.M., Krehbiel T., Berenson M.L., Statistica II ed., Apogeo: Milano.

“Introduzione all'econometria”, J.H. Stock e M.W. Watson (edizione italiana a cura di F. Peracchi), seconda edizione, 2009, Pearson Education, cap. 8.

Zani, Analisi dei dati statistici – Osservazioni multidimensionali, Giuffré: Milano, 2000. Capitolo 5.

Metodi didattici

Lezioni frontali ed esercitazioni in laboratorio.

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/] in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

Prima prova parziale: orale sugli argomenti trattati nella prima parte del corso.
Seconda prova parziale: report scritto, e relativa discussione orale, sul lavoro pratico che consiste nell'applicazione in SAS dei metodi studiati nella seconda parte del corso ai dati dell'indagine campionaria svolta da tutta la classe, sempre nella seconda parte del corso. Il lavoro pratico può essere svolto individualmente o a gruppi di due persone. Se svolto in gruppo, i componenti del gruppo si dividono la stesura del report e la presentazione orale del lavoro, in modo da evidenziare l'apporto individuale fornito dai due componenti del gruppo.
La valutazione finale è la media delle valutazioni prese nelle due prove parziali.
Gli studenti che scelgono di non svolgere la prima prova parziale, svolgono entrambe le verifiche (prova orale e presentazione della prova pratica) alla fine del corso.

Orario di ricevimento

Consulta il sito web di Silvia Pacei

Consulta il sito web di Maria Ferrante