37321 - STATISTICA PER L'ANALISI DEI DATI

Conoscenze e abilità da conseguire

Al termine del corso lo studente conosce gli strumenti di base da utilizzare nelle procedure di campionamento statistico per la revisione contabile, per eseguire previsioni a breve termine e per affrontare problemi di classificazione. Lo studente è in grado di studiare la dipendenza di una variabile da una molteplicità di variabili esplicative attraverso il modello di regressione multipla; di affrontare problemi di classificazione sia tramite il modello di analisi discriminante lineare che tramite il modello di regressione logistica; di effettuare previsioni a breve termine sia con modelli edogeni che esogeni; di progettare un piano di campionamento da utilizzare nelle procedure di revisione contabile.

Contenuti

Introduzione all'ambiente statistico R e all'ambiente di sviluppo integrato Rstudio.

Aritmetica, matematica e logica con R. Le strutture dati in R.

Creazione e gestione di variabili e di data frame. Importazione di dati.

Analisi descrittiva dei dati e rappresentazioni grafiche.

Inferenza statistica per la media di una popolazione normale e per una proporzione.

Confronto delle medie di due popolazioni.

Regressione lineare (semplice e multipla).

Regressione logistica.

Testi/Bibliografia

I seguenti libri sono disponibili su internet gratuitamente.

Wickham, Hadley, and Grolemund, Garrett. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. Stati Uniti, O'Reilly Media, 2016. https://r4ds.had.co.nz

Måns Thulin, Modern statistics with R, 2021. http://modernstatisticswithr.com/

Il seguente libro (in italiano) è invece disponibile in libreria:

Alan Agresti, Maria Kateri, Statistica per data scientists con R e Python, ed. EGEA, 2022.

www.egeaeditore.it/ita/prodotti/matematica-statistica-demografia/statistica-per-data-scientists.aspx

Metodi didattici

Lezioni frontali in aula.

Lo studente deve assicurarsi di venire a lezione con il proprio laptop ed il software già installato alla prima lezione. Installare il software è molto semplice. È sufficiente eseguire i seguenti due passi *nell'ordine*

1. Andare su https://www.cran.r-project.org/ e accedere al CRAN. Selezionare il link relativo al sistema operativo in uso, seguire le istruzioni relative. Se si possiede già una distribuzione di R sul computer, è bene eseguire un aggiornamento all'ultima versione.

2. Andare su https://www.rstudio.org/download/desktop  scegliere la distribuzione FREE e selezionare la voce relativa al sistema operativo in uso. Seguire le istruzioni per installare RStudio.

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, in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

L'esame sarà scritto e consisterà in una prova pratica di analisi dei dati in laboratorio informatico. La struttura dell'esame sarà simile a quella di alcuni temi d'esame presenti su Virtuale.

Rifiuto del voto

Il voto ottenuto allo scritto potrà essere rifiutato al massimo una volta. Per rifiutare il voto, lo studente dovrà inviare una mail a piergiovanni.bissiri@unibo.it entro la data specificata.

Criteri di valutazione

insufficiente: <18; sufficiente: 18-23; buono: 24-27; ottimo: 28-30; eccellente: 30 e lode

Strumenti a supporto della didattica

• materiale didattico fornito dal docente sarà reso disponibile su Virtuale virtuale.unibo.it
• software statistico R www.r-project.org
• ambiente di sviluppo integrato RStudio www.rstudio.com
  

Gli studenti con disabilità o disturbi specifici dell'apprendimento (DSA) sono pregati di informare il docente della propria condizione al fine di individuare l’adozione degli accorgimenti più opportuni alle loro esigenze.

Orario di ricevimento

Consulta il sito web di Pier Giovanni Bissiri