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 applicato allo 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 nello spazio dedicato al corso sulla piattaforma Virtuale

• Per la parte di R:
  

1. E-Book: "R Programming", tutorialspoint, Website https://www.tutorialspoint.com/r/index.htm
2. Website: "Quick-R – Home Page", at https://www.statmethods.net/

Metodi didattici

Lezioni convenzionali in aula o in aula virtuale (a seconda delle disposizioni emanate rispetto alla situazione epidemiologica del momento) col supporto di tablet, ed esercitazioni svolte utilizzando i computer portatili degli studenti. Gli studenti dovranno pertanto portare in aula i loro computer sui i quali avranno preventivamente installato 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

 

MODALITA' D'ESAME

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

1)

- 100% tramite una prova scritta, che verterà sull'uso del software R, domande teoriche, e domande sull'interpretazione dei metodi visti a lezione, anche a partire da un output di R;

2)

- 75% tramite una prova scritta, che verterà sull'uso del software R, domande teoriche, e domande sull'interpretazione dei metodi visti a lezione, anche a partire da un output di R;

- 25% tramite un project report che dovrà essere svolto a coppie, dovrà essere lungo 5 pagine, e dovrà contenere un'analisi di dati a scelta degli studenti. Il report andrà consegnato entro la fine del corso.

I punti ottenuti tramite il project report saranno validi fino a settembre 2022 e andranno a sommarsi al voto dello scritto solo se quest'ultimo è sufficiente.

NOTA BENE: Le modalità d’esame indicate potrebbero subire modifiche in base all'evolversi della situazione sanitaria. In ogni caso, coloro che vorranno, se consentito, svolgere la prova online, avranno a disposizione un'aula virtuale creata tramite il software Zoom ove svolgeranno la medesima prova degli studenti in presenza.

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 matteo.farne@unibo.it entro la data specificata.

GRADUAZIONE DEL VOTO

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

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)
• Per eventuali domande e richieste di approfondimento, gli studenti possono fare riferimento anche al tutor didattico Valentino Moscariello (valentin.moscariello@unibo.it).

Orario di ricevimento

Consulta il sito web di Matteo Farnè