- Docente: Aldo Gardini
- Crediti formativi: 6
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Moduli: Aldo Gardini (Modulo 1) Aldo Gardini (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Rimini
- Corso: Laurea in Statistica, finanza e assicurazioni (cod. 5901)
-
Orario delle lezioni (Modulo 1)
dal 15/09/2025 al 15/10/2025
-
Orario delle lezioni (Modulo 2)
dal 29/09/2025 al 20/10/2025
Conoscenze e abilità da conseguire
Al termine del corso lo studente possiede le competenze e gli strumenti metodologici statistici, sia per la gestione di grandi banche dati finanziarie ed assicurative, sia per l’analisi di dati complessi da utilizzare come supporto alle decisioni, agli investimenti e alla gestione delle attività finanziarie ed assicurative. In particolare, lo studente è in grado di: - gestire grandi banche dati di tipo finanziario ed assicurativo; - selezionare e applicare la metodologia più appropriata per analizzare dati complessi; - interpretare criticamente i risultati empirici.
Contenuti
- Gestione database in R: tidyverse e datatable.
- Preparazione e visualizzazione dati. Basi del pacchetto ggplot2.
- Metodi di riduzione della dimensionalità. Analisi delle Componenti Principali ed Eigen-Portfolios. Casi di studio.
- Classificazione e regressione. Metodi di Machine Learning: Alberi di Regressione e Random Forest. Casi di studio.
Testi/Bibliografia
C. Wright, S. E. Ellis, S. C. Hicks and R. D. Peng. (2021) Tidyverse Skills for Data Science. https://jhudatascience.org/tidyversecourse/
G. James, D. Witten, T. Hastie, R. Tibshirani (2013). An introduction to statistical learning. New York: Springer.
S. Mignani, A. Montanari (1997). Appunti di analisi statistica multivariata, Esculapio, Bologna, Seconda edizione (capitolo 3: analisi delle componenti principali)
Ulteriori riferimenti saranno forniti dal docente.
Metodi didattici
La parte teorica di introduzione ai concetti di base sarà affiancata da una parte dedicata agli esercizi svolti anche con l’ausilio del software statistico R. Saranno previste sessioni di esercitazione interattiva, dove gli studenti cercheranno di affrontare individualmente e/o a gruppi dei casi studio forniti, a cui seguirà una discussione collegiale dei risultati.
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
La prova d'esame ha lo scopo di verificare il raggiungimento dei seguenti obiettivi didattici:
- Padronanza degli strumenti R visti a lezione
- Capacità di applicare metodi statistici a dati reali
- Capacità di interpretare i risultati ottenuti
L'accertamento dell'apprendimento avviene mediante una prova scritta svolta in laboratorio della durata di 2 ore, utilizzando il software R.
Saranno forniti dei dati su cui dovranno essere svolte le analisi richieste. Potranno essere consultati gli script utilizzati a lezione (forniti dal docente).
Non sono previste prove intermedie.
Ogni domanda della prova di laboratorio avrà esplicitamente indicato il punteggio associato. Per quanto riguarda la graduazione del voto, la valutazione corrisponderà a:
<18 insufficiente
18-23 sufficiente
24-26 discreto
27-28 buono
29-30 ottimo
30 e lode eccellente
Strumenti a supporto della didattica
Slide e materiale di laboratorio disponibili sulla piattaforma virtuale; software R.
Orario di ricevimento
Consulta il sito web di Aldo Gardini