OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Gli obiettivi formativi che saranno valutati ai fini del superamento dell’esame finale sono riassunti nello schema seguente:

Conoscenza e comprensione: Conoscenza dei principali strumenti per la sintesi e la presentazione dei dati, attraverso l’acquisizione dei principali strumenti di statistica descrittiva; acquisizione degli strumenti tipici dell’inferenza statistica da utilizzare in problemi di stima, di verifica di ipotesi e di analisi di regressione.

Capacità di applicare conoscenza e comprensione: Capacità di utilizzare le tecniche opportune in base al tipo di dati da analizzare; essere in grado di effettuare semplici calcoli in situazioni di incertezza; saper applicare le principali tecniche di inferenza statistica e classificazione; saper leggere analisi statistiche effettuate con le metodologie presentate nell’insegnamento.

Autonomia di giudizio: Essere in grado di interpretare i risultati ottenuti dalle analisi statistiche in termini operativi sulla base del contesto applicativo da cui provengono i dati analizzati, essendo quindi in grado di utilizzare i risultati nell’ottica di processi decisionali.

Abilità comunicative: Acquisire i primi rudimenti del linguaggio tecnico tipico della disciplina per comunicare in modo chiaro e senza ambiguità con interlocutori specialisti e non specialisti.

Capacità di apprendimento: Essere in grado di leggere correttamente i risultati di indagini statistiche anche in contesti di maggiore complessità rispetto a quelli presentati nell’insegnamento.

MODALITA' DIDATTICHE

L'esame consiste in un assignment.

Il regolamento d'esame completo è pubblicato sulla pagina Aulaweb dell’insegnamento prima dell’inizio delle lezioni.

Gli studenti in possesso di certificazione di disabilità, DSA o bisogni educativi speciali devono contattare, all'inizio delle lezioni, sia il docente, sia il referente per la disabilità del Dipartimento, Prof.ssa Elena Lagomarsino elena.lagomarsino@unige.it , per concordare modalità didattiche e d'esame che, nel rispetto degli obiettivi dell'insegnamento, tengano conto delle modalità di apprendimento individuali e consentano l'uso di eventuali strumenti compensativi

PROGRAMMA/CONTENUTO

Regressione Logistica

Regression Trees

Classification Trees

Hierarchical Clustering

K-means Clustering

TESTI/BIBLIOGRAFIA

Trevor Hastie, Robert Tibshirani, Jerome Friedman. "The Elements of Statistical Learning. Data Mining, Inference, and Prediction." Springer

DOCENTI E COMMISSIONI

Commissione d'esame

ANDREA CIACCI

STEFANO BRACCO (Presidente Supplente)

STEFANO MASSUCCO (Presidente Supplente)

MARTA NAI RUSCONE (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

Le lezioni iniziano nella prima settimana del secondo semestre come da calendario di Dipartimento http://economia.unige.it/orario-lezioni

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L'esame consiste in un assignment.

Il regolamento d'esame completo è pubblicato sulla pagina Aulaweb dell’insegnamento prima dell’inizio delle lezioni.

MODALITA' DI ACCERTAMENTO

Le domande e gli esercizi contenuti nella prova scritta sono scelti in modo da coprire, per quanto possibile, tutti gli argomenti del programma d'esame. Costituiscono

parametri di valutazione, oltre al grado di comprensione e alla capacità di applicare le conoscenze, anche l’utilizzo corretto del lessico della disciplina e la capacità di

lettura e corretta interpretazione delle analisi statistiche.

I dettagli sulle modalità di preparazione per l’esame e sul grado di approfondimento di ogni argomento verranno illustrati e discussi nel corso delle lezioni.