PRESENTAZIONE

L'insegnamento presenta agli studenti i metodi e le tecniche di base dei metodi quantitativi per l'analisi economica e sociale. L'insegnamento si struttura in due parti principali. Nella prima verranno approfonditi alcuni temi che sono stati solamente introdotti nell'insegnamento del primo anno di "Statistica per le scienze sociali ed economiche". In particolare, verranno trattati con maggior dettagli i fondamenti del calcolo delle probabilità utili ai metodi dell'inferenza statistica, i metodi di stima puntuale e intervallare e la verifica delle ipotesi statistiche. Nella seconda parte dell'insegnamento verrà fornita una panoramica accessibile dello statistical learning, un insieme di strumenti essenziale per dare un senso ai vasti e complessi insiemi di dati che sono emersi in ogni campo della scienza. L'insegnamento farà un ampio uso del computer e in particolare dell'ambiente open source di analisi statistica R-Studio. 

OBIETTIVI E CONTENUTI

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

DOCENTI E COMMISSIONI

Commissione d'esame

ENRICO DI BELLA (Presidente)

ENRICO IVALDI

LUCA GANDULLIA (Supplente)

RICCARDO SOLIANI (Supplente)

LEZIONI

INIZIO LEZIONI

2° semestre

Orari delle lezioni

L'orario di tutti gli insegnamenti è consultabile all'indirizzo EasyAcademy.

ESAMI

MODALITA' D'ESAME

L'esame di compone di una prova scritta in cui sono previste domande teoriche a cui rispondere per iscritto ed esercizi da svolgere al computer. Segueun colloquio orale di discussione della prova scritta e di accertamento delle conoscenze e competenze acquisite.

MODALITA' DI ACCERTAMENTO

Nella prova scritta verrà valutata la proprietà di linguaggio e la completezza espositiva nel rispondere alle domande poste. Negli esercizi si valuterà la capacità di mettere in pratica i metodi studiati durante il corso e di interpretazione dei risultati ottenuti.

Calendario appelli

ALTRE INFORMAZIONI

Per gli studenti non frequentati non si applicano variazioni di programma né di modalità di accertamento. Tali studenti sono comunque invitati a contattare il proprio docente di riferimento.

Si consigliano gli studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali di contattare sia il referente Prof. Aristide Canepa (aristide.canepa@unige.it), sia il docente, all’inizio del corso, per concordare modalità didattiche e d’esame che, nel rispetto degli obiettivi dell’insegnamento, tengano conto delle modalità di apprendimento individuali e forniscano idonei strumenti compensativi. Per altre informazioni riferirsi alla pagina web: https://unige.it/disabilita-dsa/studenti-disabilità-informazioni-utili