OBIETTIVI FORMATIVI

L’insegnamento impartisce allo studente le nozioni fondamentali sui modelli statistici utili all'analisi quantitativa dei fenomeni economici e sociali. Lo studente sarà in grado di produrre rapporti statistici con l'ausilio di tabelle di dati, grafici e strumenti più sofisticati come la regressione multipla, la regressione logistica e alcune tecniche moderne di analisi multivariata. L'insegnamento ha un'impostazione orientata all'applicazione e numerose ore verranno dedicate all'introduzione ai software di analisi dati come Microsoft Excel ed R (R-Studio).

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L'obiettivo primario dell'insegnamento è quello di dare allo/a studente/essa un'ampia panoramica dei metodi statistici classici e più moderni per l'analisi dei fenomeni economici e sociali. Questo obiettivo viene raggiunto alternando due fasi didattiche: lezioni frontali ed esercitazioni col computer in ambiente statistico R (R-Studio). 

• Conoscenza e comprensione Gli studenti acquisicono adeguate conoscenze sugli elementi fondamentali dall'analisi statistica inferenziale e di analisi dei dati in ambiente statistico R. 
• Capacità di applicare conoscenza e comprensione Gli studenti sono in grado di interpretare i risultati delle analisi statistiche e di produrne di proprie per la comprensione dei fenomeni economici, sociali e demografici.
• Autonomia di giudizio Gli studenti sono in grado di valutare la qualità delle analisi condotte e di prendere decisioni in base ai risultati delle analisi statistiche condotte.
• Abilità comunicative Gli studenti acquisiscono il lessico statistico fondamentale per comunicare in modo chiaro e senza ambiguità con interlocutori specialisti e non specialisti.
• Capacità di apprendimento Gli studenti sono in grado di approfondire lo studio autonomo di altri metodi statistici non presentati nel corso dell'insegnamento e in particolare di approcciare l'analisi econometrica.

Conoscenze:

• elementi fondamentali di analisi statistica descrittiva e inferenziale con particolare riguardo ai modelli di regressione
• analisi e programmazione in ambiente statistico R

Competenze:

• capacità di lettura, interpretazione e realizzazione autonoma di un report statistico 
• capacità di elaborazione autonoma dei dati 

PREREQUISITI

Sebbene non sia previsto nessun prerequisto formale è utile che gli/le studenti/esse siano in possesso di nozioni di base di statistica con paticolare riguardo ad analisi descrittiva per caratteri quantitativi e principi di analisi di regressione.

MODALITA' DIDATTICHE

Lezioni frontali con esercitazioni in aula informatica

PROGRAMMA/CONTENUTO

Parte I - I fondamenti dell'analisi statistica economica e sociale

1. Richiami di statistica descrittiva
2. Introduzione al calcolo delle probabilità
3. L'inferenza statistica
   1. Stima, stimatori e distribuzione degli stimatori
   2. Intervalli di confidenza
   3. Verifica d'ipotesi
4. Modelli di regressione lineare: analisi descrittiva e inferenziale

Parte II - Introduzione all'apprendimento statistico

1. Introduzione all'apprendimento statistico e all'ambiente di analisi R in R-Studio
2. La regressione lineare multipla
3. Problemi di classificazione e regressione logistica
4. La scelta del modello lineare e la regolarizzazione 
5. Metodi ad albero
6. Le reti neurali
7. Altri metodi di apprendimento non supervisionato

TESTI/BIBLIOGRAFIA

• Amaturo E., Aragona B., Grassia M.G., Lauro C.N., Marino M. (2021). Statistica per le scienze sociali (2a ed). UTET (Capitoli 5, 6, 7, 8, 9) [in alternativa al secondo]
• Freed N., Jones S., Bergquist T., Bonnini S. (2019). Statistica per le scienze economiche e aziendali (Capitoli 4, 5, 6, 7, 8, 9) [in alternativa al primo]
• James G., Witten D., Hastie T e Tibshirani R. (2020). Introduzione all'apprendimento statistico con applicazioni in R. Piccin (Capitoli 1, 2, 3, 4, 6, 8, 10)
• Appunti dalle lezioni