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

Il corso verterà sui seguenti argomenti.

1) Richiami di inferenza statistica

Breve rassegna dei principali concetti di stima puntuale, verifica di ipotesi e intervalli di confidenza

2) Richiami del modello di regressione lineare semplice

Motivazione e definizione del modello lineare semplice. Stima e verifica di ipotesi dei parametri di regressione. Verifica della bontà di adattamento ai dati del modello.

3) Il modello di regressione lineare multipla

Motivazione e definizione del modello di regressione lineare multipla. Stima e verifica di ipotesi dei parametri di regressione. Verifica della bontà di adattamento ai dati del modello.

4) Il modello di regressione logistica

Motivazione e definizione del modello di regressione logistica. Stima e verifica di ipotesi dei parametri del modello. Impiego della regressione logistica in problemi di classificazione.

5) Applicazioni tramite il software R

Ogni argomento teorico verrà immediatamente accompagnato dallo studio di casi pratici attraverso il software statistico R.

Testi/Bibliografia

• Testo del corso di Statistica seguito durante la laurea triennale ed eventuali altri testi utilizzati in corsi successivi di Statistica (ad esempio, Statistica aziendale)
  

• Dispense delle lezioni che saranno rese disponibili online all'inizio del corso

• Per la parte di R: 
  

1. E-Book: "R Programming", tutorialspoint, Websidte https://www.tutorialspoint.com/r/index.htm
2. E-Book: "Get started in R: a complete beginners workbook", R Statistics.Net.Website: http://rstatistics.net/r-tutorial-exercise-for-beginners/  

Metodi didattici

Lezioni convenzionali in aula ed esercitazioni svolte utilizzando i computer portatili degli studenti. Gli studenti dovranno pertanto portare in aula i loro computer nei giorni delle esercitazioni che verranno specificati dal docente. Durante le esercitazioni è possibile lavorare a coppie, ma preferibile lavorare singolarmente. Gli studenti dovranno aver installato nel loro computer i software R e RStudio che verranno usati durante le esercitazioni. (Si veda la sezione Strumenti a supporto della didattica per i dettagli sull'installazione.) 

 

Modalità di verifica e valutazione dell'apprendimento

Gli studenti hanno la possibilità di scegliere tra due metodi di valutazione:

1) attraverso una prova scritta che verterà sugli argomenti trattati durante il corso (incluse domande circa l'uso di R) il cui esito determinerà il voto finale. Durante la prova scritta è possibile consultare le dispense del corso; non è ammesso nessun altro materiale;

2) attraverso lo svolgimento a casa di un'analisi di dati che conterà per il 30% del voto finale e il sostenimento della prova scritta descritta al punto 1) il cui esito conterà per il restante 70% del voto finale. Il lavoro a casa dovrà essere svolto a coppie. Ciascuna coppia dovrà reperire dati relativi ad un problema di interesse, che dovranno essere analizzati usando gli strumenti trattati a lezione e il software R. I risultati dell'analisi dovranno essere chiaramente descritti e commentati in un elaborato di lunghezza massima di tre pagine che sarà consegnato il giorno dell'esame scritto. Poiché gli studenti di una coppia possono sostenere l'esame scritto in date differenti, viene fissata una scadenza alla validità dell'elaborato. Questo verrà considerato per la valutazione dello studente fino all'appello di Settembre 2020 incluso.

 

Strumenti a supporto della didattica

• Il software statistico R sarà utilizzato nell'analisi dei casi-studio. R può essere scaricato gratuitamente dal sito http://www.r-project.org/ Il pacchetto RStudio verrà usato come interfaccia per R. RStudio può essere scaricato gratuitamente dal sito https://www.rstudio.com/products/rstudio/download/  (accertarsi di scaricare la versione gratuita adatta al proprio sistema operativo)

• Il materiale didattico (incluse le dispense delle lezioni) è disponibile sulla piattaforma Piazza accedendo al sito piazza.com/unibo.it/fall2019/37321/home

 

 

Orario di ricevimento

Consulta il sito web di Paola Bortot