Statistica, Machine Learning ed Economia

L'obiettivo principale che l'insegnamento si prefigge è quello di introdurre lo studente al calcolo differenziale ed integrale per funzioni di più variabili reali, con particolare riferimento a quegli elementi della teoria che trovano maggior applicazione nelle scienze statistiche ed economiche.Il presente insegnamento pertanto contribuisce a consolidare le conoscenze e la capacità di comprensione nell'ambito dell'analisi matematica, in coerenza con l'area di apprendimento Matematica del corso di laurea triennale in Scienze Statistiche ed Economiche. Lo studente rivisiterà le nozioni di limite, continuità, differenziabilità, convessità/concavità, estremalità ed integrabilità, già incontrate nel corso di Analisi Matematica I, confrontandosi con differenze ed analogie, alla luce del mutato e più variegato contesto vettoriale-topologico che caratterizza lo spazio euclideo ad n dimensioni.In particolare, apprenderà concetti nuovi come derivata direzionale, gradiente, matrice jacobiana, matrice hessiana, curva o superficie di livello, moltiplicatori, cambiamento di coordinate, che gli permetteranno di impadronirsi delle tecniche fondamentali del calcolo differenziale ed integrale in più variabili.L'acquisizione dei summenzionati elementi lo metteranno in grado di saper affrontare specificatamente le seguenti problematiche: utilizzare le derivate parziali (prime e successive) per approssimare una funzione di più variabili (definita esplicitamente o implicitamente) e controllare l'errore; riconoscere l'eventuale proprietà di concavità/convessità di una funzione attraverso strumenti del calcolo differenziale; determinare estremi liberi e vincolati (in presenza di varie tipologie di vincolo) di una funzione di più variabili; calcolare integrali multipli, sia propri sia generalizzati, impiegando varie tecniche di calcolo (metodo di riduzione, cambiamento di variabili, simmetrie). Lo sviluppo di tali capacità, di utilità sia in area di apprendimento Statistica che in area di apprendimento Economica, verrà realizzato attraverso la risoluzione guidata di esercizi e problemi di graduale complessità, mirata alla formazione di un giudizio autonomo sulla scelta degli elementi teorici di analisi matematica da impiegare, combinare ed adattare, nei diversi casi di studio. Un obiettivo parallelo dell'insegnamento è quello di abituare lo studente, sia in fase di lettura di un testo, sia in fase di produzione, all'utilizzo del linguaggio formale in uso, relativamente ai temi trattati, nella comunicazione matematica, con particolare riferimento alla: definizione di un concetto/proprietà matematica ed alla formulazione di enunciati di teoremi; descrizione della metodologia risolutiva di un problema (corretta esposizione di calcoli e della loro giustificazione, nonchè di un ragionamento logico-deduttivo). Il raggiungimento di quest'ultimo obiettivo, insieme all'acquisizione dei contenuti fondamentali proposti nell'insegnamento, metterà in grado lo studente di accedere autonomamente a materiale di approfondimento dei temi (su indicazione del docente).

I. Funzioni di più variabili reali I.1 Struttura vettoriale-topologica di R^n;I.2 Limiti e continuità;I.3 Derivate parziali e direzionali, gradiente;I.4 Differenziabilità ed iperpiano tangente;I.5 Derivate successive e matrice hessiana;I.6 Formula di Taylor;I.7 Convessità/concavità per funzioni di più variabili;I.8 Estremi liberi. II. Funzioni definite implicitamente II.1 Sistemi di equazioni e curve/superfici di livello;II.2 Teorema della funzione implicita di U. Dini;II.3 Estremi vincolati e metodo dei moltiplicatori di Lagrange;II.4 Invertibilità di funzioni a valori vettoriali. III. Integrazione multipla III.1 Funzioni a scala e loro integrali;III.2 Integrabilità (secondo Riemann) ed integrale di una funzione limitata su un iperretangolo;III.3 Integrale multiplo su insiemi semplici e metodo di riduzione;III.4 Cambiamento di variabile negli integrali multipli;III.5 Coordinate polari nel piano e nello spazio;III.6 Integrali multipli su domini illimitati.

La modalità di verifica si basa su una prova scritta obbligatoria, e, in caso di superamento della prova scritta con una valutazione sufficiente (>=18/30), su una prova orale facoltativa (su richiesta del docente o della/o studentessa/studente). Se vi sono le condizioni, sono previste prove d'esame parziali in itinere. Le prove scritte sono volte ad accertare l'acquisizione di competenze teoriche, di tecniche di calcolo e d'utilizzo dei principali strumenti, e di capacità di risolvere problemi analoghi a quelli discussi e commentati in aula durante le lezioni dell'insegnamento. Esse si strutturano in: 4 PROBLEMI/ESERCIZI; 1 DOMANDA APERTA, eventualmente articolata in più punti. La risoluzione di problemi/esercizi richiede la razionalizzazione di una questione matematica, l'applicazione di uno o più principi, talora opportunamente combinati, nonchè l'uso degli strumenti di calcolo appresi, mentre nella domanda aperta è richiesta una succinta ma pertinente esposizione teorica (ad esempio, la definizione formale di nozioni, la formulazione di enunciati e, ove previsto, la loro giustificazione, il confronto tra nozioni, la produzione di esempi e/o controesempi relativi a prefissate proprità) degli argomenti in programma. La prova orale, facoltativa, è intesa ad accertare l'apprendimento di tutti gli elementi di teoria proposti a lezione nonchè la capacità di applicazione degli stessi. Essa prevede pertanto un COLLOQUIO DI DISCUSSIONE SULLO SCRITTO, seguito da un COLLOQUIO SU ARGOMENTI SVOLTI A LEZIONE. In caso di superamento della prova scritta e della prova orale, il voto finale sarà determinato da una media tra l'esito della prova scritta e della prova orale. I criteri seguiti dalla commissione d'esame per valutare le prove scritte e l'eventuale prova orale terranno conto dell'abilità di enucleare i temi che emergono affrontando un problema, del rigore metodologico nella risoluzione dei problemi, delle capacità di espressione precisa e rigorosa di concetti quantitativi attraverso un linguaggio formale, della completezza di trattazione nell'esposizione di questioni teoriche. La valutazione finale della prova è espressa in trentesimi. Sia nella prova scritta, sia nell'eventaule prova orale, viene applicata la seguente gradazione di giudizio in relazione ai seguenti parametri: Conoscenza concettuale e capacità di comprensione Capacità di applicare conoscenza e comprensione Capacità comunicative e argomentative Capacità di apprendimento, di autovalutazione e di autoregolazione Votazione < 18Conoscenza e Comprensione: Lo studente identifica solo parzialmente le caratteristiche dei concetti. Le connessioni tra i concetti risultano frammentarie e scarsamente supportate da conoscenze teoriche. Capacità di applicare conoscenza e comprensione: Lo studente individua solo alcuni elementi rilevanti nell'analisi di un problema o di un esercizio, senza riuscire a integrarli in un’analisi organica. Capacità comunicative e argomentative: Nella prova scritta e orale lo studente elabora un’argomentazione essenziale, priva di articolazione logica e caratterizzata da numerose imprecisioni espositive. Capacità di apprendimento, di autovalutazione e di autoregolazione: Lo studente riesce a ricostruire solo alcuni aspetti del proprio percorso di apprendimento e sviluppo professionale. Votazione 18-22Conoscenza e Comprensione: Lo studente riconosce e restituisce la maggior parte delle caratteristiche concettuali e riesce a fornirne una spiegazione relativamente coerente, sebbene con qualche imprecisione. I riferimenti teorici sono presenti ma non sempre in modo rigoroso. Capacità di applicare conoscenza e comprensione: Lo studente è in grado di riconoscere un numero significativo di elementi e di fornire una spiegazione parziale, pur evidenziando alcune lacune nell’analisi. Capacità comunicative e argomentative: Nella prova orale lo studente costruisce un’argomentazione di base, dotata di una struttura minima ma con alcune imprecisioni. Capacità di apprendimento, di autovalutazione e di autoregolazione: Lo studente dimostra una consapevolezza di base del proprio percorso di apprendimento, riuscendo a tracciare collegamenti essenziali tra le esperienze formative, sebbene con alcune imprecisioni. Votazione 23-27Conoscenza e Comprensione: Lo studente dimostra una comprensione approfondita delle caratteristiche concettuali. Nell'elaborazione della prova scritta o nella discussione orale le spiegazioni risultano ben articolate e supportate da un uso adeguato dei riferimenti teorici. Capacità di applicare conoscenza e comprensione: Lo studente individua con precisione gli elementi essenziali di una questione matematica. L’applicazione delle conoscenze avviene con un rigore metodologico non sempre solido. Capacità comunicative e argomentative: Nella prova scritta lo studente sviluppa un’argomentazione coerente e ben organizzata, dimostrando una buona padronanza del linguaggio e una struttura logico-argomentativa solida. La comunicazione risulta chiara ed efficace. Capacità di apprendimento, di autovalutazione e di autoregolazione: Lo studente analizza il proprio percorso di apprendimento in modo chiaro e strutturato, mettendo in evidenza relazioni significative tra le diverse tappe evolutive e dimostrando una buona capacità di riflessione critica. Votazione 28-30Conoscenza e Comprensione: Lo studente evidenzia una padronanza completa dei concetti, articolando connessioni complesse e fornendo spiegazioni esaustive. I riferimenti teorici sono utilizzati con pertinenza e rigore. Capacità di applicare conoscenza e comprensione: Lo studente evidenzia una capacità avanzata di analisi di un problema, individuando e interpretando in modo esaustivo tutti gli elementi salienti. L’applicazione delle conoscenze avviene con rigore metodologico, supportato da un’argomentazione solida e articolata. Capacità comunicative e argomentative: Nella prova scritta o orale lo studente elabora un’argomentazione solida e articolata, con un impianto logico rigoroso e un elevato livello di coerenza testuale. Il discorso è fluido e ben strutturato. Capacità di apprendimento, di autovalutazione e di autoregolazione: Lo studente evidenzia una capacità avanzata di autoriflessione, elaborando un’analisi articolata e approfondita del proprio percorso di apprendimento e sviluppo professionale. Le connessioni tra esperienze formative e concetti teorici risultano chiare, coerenti e rigorose.

1. M. Bramanti, C.D. Pagani, S. Salsa, "Analisi matematica 2", Zanichelli, Bologna, 2009;2. S. Salsa, A. Squellati, "Esercizi di Analisi metematica 2", Zanichelli, Bologna, 2011.

L’obiettivo dell’econometria è costituito dall’analisi quantitativa dei fenomeni economici. Tale analisi si avvale di modelli fondati sulla teoria economica, stimati con appropriate metodologie statistiche e applicati a serie di dati economici. Il corso si propone di fornire agli studenti: 1) gli strumenti statistico-econometrici necessari per la specificazione, la stima e la selezione di modelli che descrivono le relazioni economiche tramite serie storiche e dati longitudinali; 2) le conoscenze di base del software econometrico Stata necessarie per realizzare applicazioni a problemi e dati reali. Il corso contribuisce a consolidare le conoscenze e la capacità di comprensione nell’ambito dell’econometria e dell’analisi quantitativa dei fenomeni economici, nonché la capacità di applicare tali conoscenze, in coerenza con l’area di apprendimento “Economia” del CdS in Statistica, Machine Learning ed Economica.

a. Economia e statistica nei modelli econometrici b. Richiami sul modello di regressione lineare classico: lo stimatore OLS c. Eteroschedasticità e autocorrelazione: lo stimatore GLS d. Test diagnostici e. Il modello lineare con informazioni estranee al campione: lo stimatore RLS f. Il modello lineare con regressori stocastici: lo stimatore IV g. Il problema della specificazione dei modelli h. Modelli a equazioni simultanee: identificazione e stima

L’esame finale, unico, consiste in una prova scritta, con domande aperte, problemi ed esercizi, a libri chiusi. L'esame valuta le competenze teoriche (tecniche econometriche trattate a lezione) ed empiriche (interpretazione critica dell'output di modelli econometrici con cui è possibile tradurre i principali problemi di interesse per l'economista applicato) acquisite durante il corso.

• A. Gardini, G. Cavaliere, M. Costa, L. Fanelli, P. Paruolo, Econometria, Franco Angeli, 2000 • J. Johnston, Econometrica, Franco Angeli, 3a edizione, 1993 • G. Koop, Logica Statistica dei Dati Economici, Utet, 2001 • M. Manera, Introduzione all’Econometria, Carocci, di prossima pubblicazione • F. Peracchi, Econometria, McGraw Hill, 1995 • J.H..Stock, M.W. Watson, Introduzione all’Econometria, Pearson-Prentice Hall, 2005 Per alcune parti del corso verrà indicato materiale aggiuntivo.

Primo modulo : Conoscere la nozione di moltiplicatore, essere in grado di calcolare un moltiplicatore IO, conoscere le proprietà di questi moltiplicatori e i limiti inerenti a questo tipo di calcolo. Acquisire conoscenza minima sugli altri moltiplicatori (moltiplicatore fiscale o basati su modelli CGE). Conoscere gli strumenti concettuali relativi alla produttività. Evitare i prinicpali malintesi relativi all'interpretazione dei dati sulla produttività. Secondo modulo : Conoscenza delle tematiche relative alla definizione e misurazione delle forze lavoro.Conoscenza degli strumenti di misurazione del capitale umanoMisure della capacità produttiva. I contenuti didattici sono fortemente correlati agli obiettivi formativi del Corso di studio.

Primo modulo : Ripassi : PIL, matrice IO, SAM, numeri indice, Moltiplicatori Moltiplicatori IO: espressione matriciale, tipo 1, 2, SAM Proprietà dei moltiplicatori IO Limiti dei moltiplicatori IO Altri moltiplicatori in use nell'economia. Produttività Funzione di produzione (Funzione di Cobb-Douglas ed elasticità) Produttività globale e parziale Misure di produttività Modello di Solow Secondo Modulo : Introduzione al corso Fonti statistiche Strumenti e sistema economico Sistema economico e fattori produttivi Competitività dei settori produttivi Le forze di lavoro nel sistema dell’economia Misure e modelli di analisi del lavoro e le fonti statistiche Misure dell’offerta e della domanda di lavoro Mismatch Domanda e Offerta di Lavoro Capitale umano Schemi interpretativi del mercato del lavoro Misura della capacità produttiva Capacità in senso tecnico e Capacità in senso economico Definizioni e misura dello stock capitale materiale Stima della capacità produttiva e grado di utilizzazione Il metodo capitale/prodotto Il metodo della Wharton School Il metodo della Banca d’Inghilterra

Le modalità di esame saranno oggetto di ulteriore specifica prima della prima sessione. Modulo 1: Scritto con domande a crocette, esercizi, domande chiuse o aperti. Modulo 2 Eventuali lavori di gruppo potranno essere proposti dal docente per approfondire alcune tematiche particolare del programma. L’esame si compone di prova scritta e orale. L'esame mira ad accertare la preparazione del candidato in ambito disciplinare attraverso domande ed esercizi.

Modulo 1 Saranno messi a disposizione degli studenti appunti delle lezioni. Le due parti del modulo sono coperte dal Compendio di statistica Economica, Edizioni Simone, seppure in maniera forse troppo sintetica per i modelli IO. IO Manuale Input-Output di Miller e Blair (pdf disponibile online e su sito e-learning) offre una trattazione molto approfondita, puo essere utile leggere tale o tale capitolo se ci sono dei dubbi puntuali Altri PDF messi a disposizione sulla piattaforma e-learning Produttività Nota annuale ISTAT sulla produttività. Non servono manuali, ma un testo di approfondimento è : Understanding Economic Statistics: An OECD Perspective. Modulo 2 Saranno messi a disposizione degli studenti appunti delle lezioni. Statistica Economica - Paolo Mariani, Alessandro Zeli - PKE (2022) Statistica Economica - Santeusanio, Storti - CUSL (2002) P. Mariani, Fonti e geografie per la statistica economica, CLEUP, 2006 R. Guarini e F. Tassinari, Statistica Economica: problemi e metodi di analisi. Il Mulino, Bologna, 2000 Note e pubblicazioni ISTAT

Il corso costituisce un'introduzione al mondo delle basi di dati e, in particolare, alle basi di dati relazionali. Il corso contribuisce a consolidare le conoscenze e la capacità di comprensione nell'ambito dell'informatica all'interno del corso di laurea in Scienze Statistiche ed Economiche. Durante le lezioni, saranno illustrate le metodologie per la progettazione di basi di dati; saranno illustrati il modello relazionale e il linguaggio SQL per svolgere interrogazioni e per calcolare indicatori sintetici a partire da informazioni memorizzate in banche dati relazionali. Lo studente dovrà essere in grado di comprendere la struttura di un database relazionale esistente, dovrà essere in grado di progettare un nuovo database, dovrà essere inoltre capace di formulare query per estrarre dati in grado di rispondere a domande. Durante le attività di laboratorio gli studenti saranno spinti a confrontarsi tra loro per migliorare la capacità di lavorare in team. Lo studente, inoltre, acquisirà le conoscenze e le capacità per approfondire autonomamente altre tecnologie del mondo dei database, ad esempio i database NoSQL.

Il paradigma relazionale Primary Key e Foreign Key Paradigma client/server Gestione centralizzata dei dati Algebra relazionale (operatori di proiezione, selezione, prodotto cartesiano, join) Linguaggio SQL (Data Definition and Data Manipulation Language) Anatomia di una query SQL Clausola Group By e operatori di aggregazione Query Annidate Calcolo di indicatori tramite query SQL Cenni al ciclo di vita dei sistemi informativi e alla progettazione di basi di dati Progettazione concettuale di banche dati Progettazione logica di banche dati Cenni di progettazione fisica di banche dati Modello ER Normalizzazione Transazioni e proprietà ACID Indici Dati strutturati, semi-strutturati, non strutturati

La verifica dell'apprendimento non prevede prove in itinere, ma solo l'esame al termine del corso (con diversi appelli, secondo il regolamento dell'università). Il docente discuterà in classe se introdurre prove in itinere all'inizio del corso e, in caso affermativo, ne darà comunicazione sul sito web del corso.Per sostenere l'esame è obbligatoria l'iscrizione tramite segreterie online, secondo le scadenze stabilite (generalmente le iscrizioni chiudono 3 giorni prima dell'appello d'esame). Modalità di verifica dell'apprendimento La verifica dell'apprendimento del corso di Basi di Dati ("esame" oppure "appello d'esame" da qui in avanti) consiste in una prova scritta e in una successiva discussione/accettazione del voto. La prima è obbligatoria, la seconda è facoltativa, a discrezione del docente e dello studente. Il docente, a sua discrezione, può richiedere ad uno studente di sostenere l'esame orale in caso di dubbi sullo scritto. Non ci sono differenze tra studenti frequentanti e studenti non frequentanti. La prova scritta è composta da alcune domande a risposta chiusa e da alcune domande a risposta aperta. Il numero di domande e la loro tipologia possono variare da un appello all'altro. La durata dell'esame scritto può variare da un appello all'altro in base alla quantità di esercizi da svolgere e alla complessità della prova, come tempi, orientativamente potete preventivare un'ora e mezza. Per ogni domanda a risposta chiusa vi saranno proposte un insieme di possibili risposte e dovrete scegliere la risposta corretta (una e una sola sarà la risposta corretta, se non indicato diversamente nel compito). Le risposte sbagliate non daranno luogo a penalizzazioni, le risposte corrette contribuiranno al raggiungimento del voto finale. Le domande a risposta chiusa riguarderanno argomenti di teoria oppure richiederanno di completare una query o di individuare l'output generato da una query. Il docente si riserva la possibilità di introdurre anche altre tipologie di domande chiuse. Verso la fine del corso si terrà una simulazione dell'esame in modalità online. Il testo della simulazione e le soluzioni saranno pubblicati successivamente sul sito web del corso. Nelle domande a risposta aperta vi potrà essere richiesto di: Scrivere una query in linguaggio SQL. Per scrivere la query non avrete a disposizione un database management system su cui testarla. Progettare lo schema ER di un database ... (altre tipologie di esercizi sugli argomenti svolti a lezione) Al termine del corso, dopo la simulazione d'esame sarà resa disponibile una sezione del sito web del corso con le raccolte dei temi d'esame degli appelli precedenti e le relative soluzioni Per poter passare l'esame dovrete raggiungere la sufficienza, sia nelle domande a risposta chiusa, sia nelle domande aperte. In altre parole dovrete dimostrare un'adeguata conoscenza della teoria e dovrete essere in grado di risolvere esercizi (es., scrivere una query SQL, progettare una struttura dati). Durante l'esame, ogni studente avrà un compito personalizzato (con domande parzialmente o totalmente diverse da quelle di tutti gli altri studenti). Per quanto riguarda la capacità di scrivere query SQL, potete utilizzare un semplice test per verificare la vostra preparazione: al termine del corso, se avete bisogno di guardare le soluzioni per poter svolgere uno qualsiasi degli esercizi proposti durante le esercitazioni, allora dovete studiare ed esercitarvi di più. In caso di compito gravemente insufficiente, non ci sono limitazioni a ripresentarsi ad uno degli appelli successivi. Il docente confida nella collaborazione degli studenti, tuttavia si riserva di introdurre in futuro delle limitazioni in caso di reiterati e diffusi comportamenti inopportuni. Si considera un comportamento inopportuno presentarsi ad un appello per nulla preparati oppure non ritirarsi in caso di compito "disastroso". L'introduzione di forme di limitazione, se dovesse avvenire, sarà pubblicizzata sul sito web del corso. Nei casi seguenti, le modalità d'esame potranno subire variazioni. Eventuali variazioni saranno comunicate dal docente il prima possibile agli iscritti all'esame e tramite il sito web del corso. Appelli con un numero particolarmente elevato di iscritti Appelli con un numero molto ridotto di iscritti Non disponibilità di aule adatte per svolgere l'esame Emergenze sanitarie (es., Covid) Per gli appelli con un numero ridotto di studenti, il docente si riserva di sostituire l'esame scritto con una prova orale. La prova orale consisterà in un colloquio sugli argomenti svolti a lezione. Il docente potrà inoltre chiedere allo studente durante la prova orale di svolgere in tutto o in parte un esercizio simile alle domande aperte di uno scritto, per esempio scrivere una query SQL, progettare uno schema ER, etc. L'esame scritto si svolge in italiano. Gli studenti che non parlano italiano possono concordare con il docente di sostituire l'esame scritto con una prova orale in lingua inglese o tedesca.

Materiale per lo studio Le slide, gli esercizi ed in generale tutto il materiale presentato a lezione sarà pubblicato su questo sito web. Durante il corso potrà essere indicato del materiale aggiuntivo. I riferimenti saranno pubblicati su questo sito web. Libri Atzeni, P., Ceri, S., Paraboschi, S., Torlone, R. Basi di dati. McGraw-Hill. Una qualsiasi edizione del libro va bene.

Il corso si propone di introdurre alcuni concetti e strumenti analitici essenziali della teoria macroeconomica. Si analizzerà il ruolo delle politiche fiscali e monetarie nel breve periodo e il ruolo del settore estero. Dopo aver introdotto il mercato del lavoro, l’analisi verrà estesa al medio periodo, al fine di esaminare le determinanti del tasso di inflazione e del tasso di disoccupazione. Successivamente verranno esaminate le determinanti della crescita economica di lungo periodo.

• Contabilità nazionale - Mercato dei beni - Mercati finanziari - Il breve periodo (modello IS-LM) - Economia aperta - Il medio periodo - Mercato del lavoro - Tasso di inflazione - Tasso di disoccupazione - Crescita economica

Esame scritto (TEST A RISPOSTE CHIUSE - PROBLEMI) e orale facoltativo Dettagli esame scritto: • TEST A RISPOSTE CHIUSE (Vero/Falso, Corrispondenze, Test a risposta multipla, ecc.) • DOMANDE APERTE (esercizi e domande di teoria) La prova scritta mira a verificare le competenze acquisite dallo studente, sia in termini teorici (studio di modelli) che con riferimento all'applicazione delle conoscenze teoriche acquisite nello studio dei modelli. La prova scritta consiste in domande di carattere pratico (con struttura analoga ai problemi svolti durante le lezioni/esercitazioni), volte a testare la capacità di utilizzo dei principali strumenti macroeconomici studiati.

Blanchard O., Scoprire la macroeconomia: Quello che non si puo’ non sapere, Il Mulino, 2020. Eserciziario consigliato: D. Findlay, Esercizi di Macroeconomia, a cura di L. dalla Pellegrina, Il Mulino, ultima edizione (2021). Risorse elettroniche disponibili su Pandoracampus.

Il Corso intende fornire agli studenti un’adeguata padronanza delle metodologie di inferenza statistica appropriate per l’analisi di fenomeni univariati rappresentabili tramite modelli stocastici. Alla fine del corso, lo studente è in grado di: 1) applicare le tecniche per la stima puntuale e intervallare dei parametri della distribuzione di una variabile casuale; 2) costruire test statistici idonei a verificare ipotesi sulla distribuzione di una variabile casuale normale e individuare approssimazioni adeguate nel caso di variabili casuali qualsiasi; 3) impostare alcuni piani di campionamento ricorrenti in molti contesti applicativi. Il corso contribuisce a consolidare le conoscenze e la capacità di comprensione nell'ambito della statistica inferenziale, in coerenza con l'area di apprendimento "Statistica" del corso di laurea triennale in Scienze Statistiche ed Economiche".

Il corso si articola su due moduli. Modulo 1. La nozione di campione e lo spazio campionario. La stima puntuale. Proprietà degli stimatori: correttezza, consistenza, efficienza assoluta e relativa. Il teorema di Fréchet-Rao-Cramér. L’errore quadratico medio. Metodi di stima: il metodo della massima verosimiglianza e il metodo dei momenti. Modulo 2. Stima intervallare e metodi per la determinazione dell'intervallo di confidenza. La quantità pivotale. La verifica statistica delle ipotesi. I test di significatività. I principali test statistici: il test Z, il test T, il test chi-quadrato, il test F. Le basi della teoria di Neyman-Pearson. Errore di prima e di seconda specie. Il test più potente e il lemma di Neyman-Pearson. I test uniformemente più potenti. I test basati sul rapporto di verosimiglianza. Campionamento da popolazioni finite. Stima del totale, della media e della varianza di una variabile continua. Stima della frequenza relativa di una variabile binaria. Il campionamento casuale semplice. Il campionamento stratificato. Determinazione della numerosità campionaria.

La modalità di verifica si basa sua una prova scritta e una prova orale. La prova scritta si compone di un test a risposte chiuse e di una prova basata su esercizi. Il test a risposte chiuse consiste di 10 domande a scelta multipla per il controllo estensivo della preparazione sul programma d’esame. La prova basata su esercizi (risposta a quesiti che richiedono l’applicazione di specifici principi o tecniche) è mirata ad accertare le capacità di problem solving dello studente. Sarà quindi costituita da esercizi di tipo sia applicativo che teorico. In sede di valutazione viene considerata la capacità dello studente di: formalizzare il problema proposto in termini matematico-probabilistici, identificare le procedure inferenziali idonee alla sua soluzione e discutere in modo critico le procedure utilizzate e i risultati conseguiti. Il test a risposte chiuse precede la prova basata su esercizi. Le due prove si svolgono in sequenza nello stesso giorno. Il superamento del test a risposte chiuse permette l'accesso alla prova basata su esercizi ma il punteggio conseguito non contribuisce al voto finale. Se il test a risposta chiusa non viene superato non è possibile procedere con le altre parti della prova di esame. Durante la prova scritta non è ammesso l'uso di testi o altro materiale con l'esclusione delle tavole della variabili casuali scaricabili dalla pagina e-learning del corso e del formulario di teoria dei campioni anch'esso disponibile sulla pagina e-learning. Durante la prova non è ammesso l'uso del cellulare o di altri dispositivi salvo quelli esplicitamente indicati dai docenti. La prova orale consiste di un colloquio mirato ad accertare la conoscenza teorica dello studente sugli argomenti del corso. Si tratta quindi di un colloquio sugli argomenti svolti a lezione. Saranno valutate la capacità di formalizzare in termini statistico-probabilistici le tematiche proposte in sede di esame e il rigore metodologico del loro sviluppo. La prova orale è obbligatoria per gli appelli ordinari. Coloro che sostengono le due prove parziali in itinere (vedi dopo) sono esentati dalla prova orale. Gli studenti che superano la prova scritta sono ammessi alla prova orale. Gli studenti apprendono il voto conseguito nella prova scritta tramite la pagina elearning del corso stesso. La prova orale dovrà necessariamente essere sostenuta nell’appello in cui si è tenuta la prova scritta. Il voto finale è determinato come media aritmetica delle due votazioni conseguite (quella sulla prova orale e quella sulla prova scritta basata su esercizi). In alternativa, lo studente può sostenere due prove scritte in itinere che avranno luogo una sola volta nell’anno alla fine delle lezioni di ciascun modulo in cui il corso è suddiviso (vedere sezione "Periodo di erogazione dell'insegnamento"). Le prove in itinere verteranno solo sul programma del modulo corrispondente (vedere sezione "Programma esteso"). La modalità delle prove scritte in itinere è identica a quanto sopra ricordato per gli appelli ordinari: test seguito dalla prova scritta basata su esercizi.Nel caso di prove in itinere non è prevista la prova orale che è sostituita da una domanda aperta su argomenti di teoria. La domanda aperta è inserita in ciascuna prova scritta in itinere.Nel caso di prove in itinere, il voto finale sarà determinato dalla media dei voti ottenuti nelle singole prove. La votazione è espressa in trentensimi. Si accede alla seconda prova in itinere solo se si è conseguito un voto sufficiente sulla prima prova.

Statistica. Principi e metodi 4/Ed. 2022Giuseppe Cicchitelli, Pierpaolo D'Urso, Marco MinozzoISBN Cartaceo: 9788891915382 – ISBN Digitale: 9788891939371Link alla pagina di catalogo: https://he.pearson.it/bundle/4684?isbn=9788891915382 Grazie a una partnership tra Pearson e il Ministero della Cultura, tutti gli studenti titolari di Carta Giovani Nazionale (cittadini italiani e dell’Unione Europea under 35) potranno acquistare la versione digitale del volume con uno sconto del 25% direttamente tramite l'app IO. Il libro di testo è accessibile anche in formato digitale e prevede una piattaforma digitale con un'ampia gamma di esercizi. Ulteriore materiale (esercizi, dispense su argomenti specifici, compiti assegnati in sessioni di esame del passato, tracce delle lezioni) è messo a disposizione sulla pagina elearning del corso.

Il corso ha lo scopo di fornire le conoscenze teoriche, le competenze operative e le abilità pratiche indispensabili per rilevare, analizzare, e trattare i dati economici al fine di interpretare i sottostanti fenomeni reali relativi all’attività d’azienda. I modelli e le tecniche presentate (quali le tecniche di misurazione e di sintesi dei dati, le fonti statistiche endogene ed esogene, il sistema informativo aziendale e la configurazione della clientela) hanno lo scopo di fornire un’elevata padronanza teorica ed applicativa relativamente ai temi statistico economici integrando le competenze metodologiche precedentemente acquisite. Il corso si ripropone, in definitiva, di fornire gli strumenti per l’analisi statistica dei dati d’azienda al fine di ricondurli ad informazioni di supporto alle decisioni aziendali. Il contenuto dell'insegnamento è fortemente legato agli obiettivi formativi del CdS.

Introduzione al corso Gli aspetti classificatori e di definizione Tecniche di misurazione e di sintesi dei dati Aree di applicazione della statistica in ambito aziendale e Classificazione dei dati in Azienda Il settore metalmeccanico Previsioni soggettive e analisi Il sistema dei conti delle imprese Analisi condotte sulla base delle fonti di maggiore utilizzo Indice di potenziale territoriale Sistema incentivante Concentrazione e dimensione Archivi e indicatori Il sistema informativo aziendale ed il Cliente: esterno ed interno Modelli organizzativi Introduzione a small open e big data Chiavi di lettura dei dati: la diffusione e la comunicazione efficace, Tecniche di indagine, Gioco di ruolo

L’esame si compone di una prova scritta alla quale segue una prova orale. Il voto finale è dato dalla media aritmetica delle due prove. Per la prova scritta Tempo: 30 minuti Si compone di domande chiuse , domande aperte ed esercizi per il controllo estensivo della preparazione sul programma d’esame. Per i quesiti con domande chiuse con voto riportato in parentesi (1/30) tali voti sono utilizzati positivamente in caso di risposta esatta e negativamente in caso di risposta errata, la non risposta comporta il valore 0. La somma dei voti in parentesi è pari a 32. La prova si intende superata solo se si èraggiunta la valutazionie di 18/32. Deve essere consegnato solo il testo dell’esame completo delle risposte, non devono essere consegnati altri fogli utilizzati. Per la prova orale Il colloquio parte dalla visione della prova scritta e mira ad accertare la preparazione del candidato in ambito disciplinare attraverso domande ed esercizi.

P. Mariani (2006)Fonti e geografie per la statistica economica, CLEUP. P. Mariani, (2002) – La statistica in azienda, contesti ed applicazioni, FrancoAngeli. Guarini R., Tassinari F, (1997), Statistica economica, Il Mulino . PDF messi a disposizione sulla piattaforma e-learning

Il Corso si propone di fornire nozioni relative ad alcuni strumenti computazionali in ambito statistico utili per eseguire modellazione statistica e analisi dei dati.Il corso contribuisce al raggiungimento degli obiettivi formativi nell’area di apprendimento del CdS: “Statistica”. In particolare, fornisce le conoscenze e competenze per individuare e implementare opportuni modelli statistico-probabilistici e trarre le appropriate conclusioni inferenziali con l'ausilio delle tecniche computazionali.

Modelli mistura. Model-based clustering. Model-based classification. Mixture of experts models. Tecniche di data visualization e di gestione dei dati (tidyverse).

La modalità di verifica è così articolata : un project work finale da consegnare almeno 4 giorni lavorativi prima della data dell'esame (di gruppo) una prova scritta in laboratorio informatico (esercizi con R e domande teoriche sugli argomenti svolti a lezione) Durante la prova non è ammesso l'uso di testi o altro materiale con l'esclusione dei codici che verranno messi a disposizione dal docente all'inizio della prova.Durante la prova non è ammesso l'uso del cellulare.

Fruhwirth-Schnatter (2006) Finite mixture and Markov switching models McLahan-Peel (2000) Finite_Mixture_Models Kabacoff (2018) Data Visualization with R Ulteriore materiale è reso disponibile agli studenti sulla pagina e-learning dedicata al Corso.

Il corso fornisce le basi teoriche e applicative della finanza aziendale, con l'obiettivo di sviluppare competenze analitiche per le decisioni di investimento e finanziamento d'impresa. Il percorso didattico si articola in moduli, che affiancano alla finanza aziendale classica due aree emergenti di crescente rilevanza professionale e accademica: la finanza imprenditoriale (Entrepreneurial Finance) e la finanza sostenibile (Sustainable Finance / ESG).L'approccio è problem-based: ogni argomento teorico è accompagnato da casi aziendali reali, esercizi quantitativi e discussione critica della letteratura.Al termine del corso, lo studente sarà in grado di:• Applicare i principali metodi di valutazione degli investimenti• Comprendere la gesione fianziaria delle nuove imprese• Comprendere le specificità del finanziamento di imprese in fase di avvio (startup, VC, crowdfunding)• Valutare strumenti di finanza sostenibile (green bond, SLB) e criteri ESG• Valutare investimenti in start-up Comprendere differenze tra paesi intermini di finanza all'imprenditorialità e innovazione Conoscenza e comprensione Comprendere la valutazione degli investimenti ed i processi di fianziamento imprenditoriali e innovativi nelle start-upCapacità di applicare conoscenza e comprensione Saper valutare un progetto imprenditorialeAbilità comunicative Saper esporre idee e in modo chiaro ad un pubblico di specialisti e non

Modulo I Introduzione al mondo delle nuove imprese Elementi di business plan per nuove imprese Stima del fabbisogno finanziario Modulo II Finanza dell'Imprenditore I : Venture Capital e finanziamento early-stage Finanza dell'Imprenditore II: Equity crowdfunding e Business Angel Bootstrap, Grants e Debito per Startup: Fonti alternative e finanziamenti pubblici Valutazione delle Startup: Metodi specifici per imprese ad alto rischio Valutazione investimenti in start up : Elementi di finanza comportamentale Modulo III Finanza Sostenibile I: ESG e investimento responsabile Finanza Sostenibile II: Green Bond, Social Bond e strumenti blended Moduli IV Geografia della finanza imprenditoriale

**Studenti frequentanti: ** Progetto finale di gruppo (Presentazioni e report finale) 40%Esame scritto (60%) , domande a risposta multipla e domande aperte. 45' Studenti non Frequentanti:Esame scritto , 6 domande aperte, durata 90' .

**Studenti frequentanti: **Case studies, slides and articles available on the e-learning platform.Testo di approfondimento / riferimento; Entrepreneurial Finance: The Art and Science of Growing VenturesLuisa Alemany (Curatore) , Job J. Andreoli (Curatore) Cambridge University Press, 2026** Part I: pp1-231 Part II: 235-347; Chapter 19 (impact investing) Chapter 20 (sustainable Finance) **Stundenti non frequentanti: **Course book (richiesto) Entrepreneurial Finance: The Art and Science of Growing VenturesLuisa Alemany (Curatore) , Job J. Andreoli (Curatore) Cambridge University Press, 2026 Part I: pp1-231 Part II: 235-347; Chapter 19 (impact investing) Chapter 20 (sustainable Finance).

Il corso intende fornire una visione completa del Data Mining, dal pre-processamento del dato fino alla selezione del miglior modello statistico per l'analisi e la comprensione del problema. Durante il corso verranno affrontate le principali tecniche per il trattamento dei dati e presentati metodi statistici di tipo supervisionato. Inoltre, verranno introdotti concetti relativi al Text Mining.Alla fine del corso, lo studente sarà in grado di confrontare e selezionare il miglior metodo di Data Mining per il problema oggetto di analisi. Saprà trattare le principali problematiche relative al dato e, autonomamente, affrontare un problema reale nel miglior modo. Il corso contribuisce al raggiungimento degli obiettivi formativi nell’area di apprendimento del Corso di Laurea Triennale: “Statistica”..

Introduzione al Data mining. Pre-processing: trattamento dei missing values. Metodi di imputazione singola e multipla. Introduzione alla classificazione con esempi e concetti introduttivi. Metodi di classificazione: discriminante lineare, discriminante quadratico, k-nn e alberi decisionali. Trade off bias varianza. Definizione di overfitting e relative tecniche di mitigazione. Text mining con esempi e concetti di base: pre-processing (ad esempio eliminazione stop words) e rappresentazioni grafiche per il Text Mining. Market Basket Analysis e algoritmo aPriori.

Scritto(20 su 32) Prova scritta mirata a verificare gli argomenti presentati in aula. Progetto(12 su 32) Progetto applicativo da svolgere autonomamente o in gruppo (max. 3 persone) su un dataset assegnato dal docente o scelto dagli studenti. Il progetto è realizzato in R e deve dimostrare la capacità di affrontare un problema reale in ogni suo aspetto utilizzando quanto visto a lezione. Il progetto si compone sia del codice R sia di un report di presentazione realizzato attraverso Rmarkdown.

Fonte principale:Gareth J., Witten D., Hastie T., Tibshirani R., An Introduction to statistical learning with application in R, springer (2013). Fonti utili per approfondire R:W. N. Venables, D. M. Smith and the R Core Team, An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics.https://cran.r-project.org/doc/manuals/R-intro.pdfC. Agostinelli, Introduzione a R. https://cran.r-project.org/doc/contrib/manuale.0.3.pdf Altro materiale utile:http://www.feat.engineering Altro materiale verrà indicato a lezione.

Il corso intende fornire allo studente sia una solida base teorica di analisi delle serie storiche, sia l’abilità pratica di analizzare serie storiche univariate attraverso diversi software statistico-econometrici, con lo scopo finale di fare previsioni. I software maggiormente usati all'interno del corso saranno R e Gretl.

1. Introduzione e presentazione del corso 2. Processi stocastici: Serie storiche e processi stocastici, stazionarietà, le funzioni di autocovarianza e autocorrelazione , la funzione di autocorrelazione parziale, processi white noise, media campionaria, autocovarianze e autocorrelazioni campionarie , ergodicità. 3. La scomposizione di Wold 4. Modelli per serie storiche stazionarie: processi autoregressivi e processi a media mobile, relazione duale fra AR(p) MA(q), processi ARMA(p,q) 5. Modelli per serie storiche non stazionarie: nonstazionarietà in media, modelli a trend deterministico e a trend stocastico, modelli autoregressivi a media mobile integrati (ARIMA), nonstazionarietà in varianza e in autocovarianza, trasformazioni per stabilizzare la varianza 6. La procedura Box-Jenkins per l’identificazione del modello 7. Modelli per serie storiche stagionali: metodi tradizionali e modelli stagionali ARIMA 8. Stima di massima verosimiglianza 9. Diagnostic Checking e selezione del modello: analisi dei residui, test di Ljung-Box, criteri di informazione 10. Previsione per modelli ARIMA: proiezione lineare e previsore ottimo, previsione basata su un numero infinito di osservazioni (previsore di Wiener-Kolmogorov), previsione basata su un numero finito di osservazioni 11. Regressione di serie storiche 12. Test di radice unitaria 13. Approccio classico per lo studio delle serie storiche: le componenti deterministiche, trend, ciclo, stagionalità e componente accidentale 14. Metodi di previsione di Brown, Holt e Holt-Winters

L'esame è scritto e orale. La prova consiste in due parti, una prova scritta e orale sui temi teorici e una prova di laboratorio in cui dovranno analizzare una serie storica. In questo modo si potrà verificare la comprensione dei concetti teorici anche ai fini della previsione di dati economici.

WEI, William W. S. Time series analysis, Univariate and Multivariate Methods. Pearson Addison Wesley, Boston, ultima edizione. Zavanella, B. Analisi Classica Delle Serie Storiche, 2. ed.; CUESP: Milano, 1997. Zavanella, B. Analisi Moderna Delle Serie Storiche, 2. ed.; CUESP: Milano, 1997.

Il corso si propone di analizzare il ruolo dei mercati finanziari e delle istituzioni che operano in tali mercati, banche e intermediari finanziari. Il corso fornisce i principali strumenti logici e teorici per capire e analizzare i problemi e sviluppa gli strumenti matematici e statistici per analizzarli. Si focalizza sul sistema bancario, i mercati azionario, obbligazionario e delle opzioni e analizza il pricing di tali di strumenti.

Ore Argomento 3 Le istituzioni e il ruolo dei mercati 3 I vincoli di bilancio e le scelte in condizioni di incertezza 3 Le scelte di portafoglio e la diversificazione del rischio 3 Il Capital Asset Pricing Model 3 L’efficienza dei mercati finanziari e le aspettative razionali 3 La struttura a termine dei tassi di interesse 3 Le asimmetrie informative: i problemi di selezione avversa. 3 Il contratto di debito 3 La delega delle funzioni di monitoring e il ruolo degli intermediari finanziari 3 Bank run e instabilità finanziaria 6 Le opzioni, debito e valore delle azioni 6 International finance

Le competenze acquisite sono valutate attraverso una prova scritta durante gli appelli ufficiali. Gli studenti devono rispondere a quattro domande estese mostrando di sapere esporre gli argomenti trattati utilizzando i linguaggi formali, ma devono anche saper trasmettere in modo chiaro l'intuizione economica sottostante. Chi ottiene un voto sufficiente può sostenere un esame orale integrativo.

GIANLUCA CASSESE, Economia dei mercati finanziari, Carocci editore, 2017. CAPITOLI 2.1-3-6-7-8-9-11-14. Lezioni del docente, disponibili on line

Il corso ha l’obiettivo di studiare i principali aspetti della struttura, dell’organizzazione e delle performance delle imprese e dei mercati. In una prima parte del corso si tratteranno i concetti generali e le imprese a grande base azionaria, le imprese statali, le imprese quotate, gli enti e i gruppi di impresa. In una seconda parte si analizzerà l’economia industriale delle imprese familiari, che rappresentano oltre 5 milioni dei circa 6 milioni di imprese in Italia. In particolare, il programma prevede l'analisi di un’ampia varietà di fenomeni, quali le guerre di prezzo, la creazione di accordi collusivi, la differenziazione dei prodotti, l’investimento in pubblicità, le strategie di deterrenza all’entrata e una serie di operazioni straordinarie quali fusioni, scissioni, conferimenti, cessioni e affitti di azienda, operazioni di M&A (Mergers & Acquisitions), LBO (Leveraged Buyout), trasformazioni, aumenti e riduzioni di capitale sociale. Un’ultima sezione del corso riguarderà le crisi industriali e i relativi strumenti giuridici, aziendali, finanziari e strategici per prevederle, affrontarle e governare efficacemente l’azienda. Lo studio permetterà di comprendere quali siano le caratteristiche della struttura industriale e quale sia l’effetto di tale struttura sull’efficienza del settore e sul benessere dei consumatori. Durante il corso lo studente avrà la possibilità di approfondire le tematiche teoriche affrontate in classe attraverso l’analisi di casi concreti e applicazioni al contesto industriale nazionale e internazionale. Il corso contribuisce a consolidare le conoscenze nell’ambito dell’Economia Industriale, quale branca della Microeconomia, e la capacità di applicare tali conoscenze, in coerenza con l’area di apprendimento di Economia del corso di laurea triennale in Scienze Statistiche ed Economiche.

Introduzione e concetti fondamentali Introduzione all’organizzazione industriale (Cap. 1) Equilibrio concorrenziale, equilibrio di monopolio e benessere sociale (Cap. 2) Struttura di mercato e potere di mercato (Cap. 3) Case study 1: analisi di indici di concentrazione e caso di studio (Materiale fornito dal docente + testimonianza in presenza) Le determinanti del potere di mercato in monopolio Discriminazione del prezzo “group pricing” e tariffa a due parti (Capp. 5–6) Varietà e qualità di prodotto in monopolio (Cap. 7) Case study 2: testimonianza (Materiale fornito dal docente + testimonianza in presenza) Strategie anti-competitive Collusione e giochi ripetuti (Cap. 13) Collusione: come identificarla e contrastarla (Cap. 14) Laboratorio: caso studio “Tirrenia-Moby lines” (Materiale fornito dal docente) Relazioni contrattuali tra imprese Fusioni ed operazioni straordinarie (Cap. 15) Case study 3: testimonianza (Materiale fornito dal docente + testimonianza in presenza) Concorrenza non di prezzo Pubblicità, potere di mercato, concorrenza e informazione (Cap. 17) Ricerca e sviluppo brevetti (Cap. 18) Case study 4: testimonianza (Materiale fornito dal docente + testimonianza in presenza) Introduzione al lavoro di gruppo Laboratorio: Introduzione al lavoro di gruppo riguardante una ricerca quantitativa su “Economia e dinamica delle imprese familiari nel panorama mondiale”Materiale fornito dal docente

L’accertamento dei risultati dell’apprendimento prevede lo svolgimento di una prova scritta obbligatoria. La prova d’esame è strutturata in quattro domande aperte: tre inerenti a tematiche trattate in aula e una riferita a una delle testimonianze previste durante lo svolgimento del corso. È dunque fortemente consigliata la presenza in aula durante le suddette testimonianze, anche perché in sede d’esame verrà richiesto un commento su una di esse. Gli studenti che svolgono il lavoro di gruppo dovranno rispondere, in sede d’esame, soltanto a due delle quattro domande aperte. Qualora il lavoro di gruppo venga superato, ma la prova scritta non abbia esito positivo, il voto ottenuto nel lavoro di gruppo resterà valido per tutti gli appelli successivi. Il lavoro di gruppo incide per il 50% sulla valutazione finale. La durata della prova d’esame è di un’ora. Il programma d’esame per gli studenti non frequentanti coincide con quello previsto per gli studenti frequentanti.

L. Pepall, D. Richards, G. Norman, G. Calzolari, Organizzazione Industriale, 4ª edizione, McGraw-Hill, 2023. Ulteriore materiale didattico, compreso quello relativo ai casi di studio e alle testimonianze, sarà reso disponibile online sulla pagina e-learning del corso.

Il corso intende fornire le conoscenze teoriche e operative necessarie per progettare, sviluppare e gestire sistemi informativi aziendali a supporto dei processi decisionali. Particolare attenzione è dedicata alla gestione delle informazioni, all'analisi dei dati strutturati e non strutturati e all'utilizzo di strumenti informatici per il supporto alle decisioni nelle organizzazioni pubbliche e private. Conoscenza e capacità di comprensioneL'insegnamento consente allo studente di acquisire solide basi sulla teoria dei sistemi informativi e delle tecniche di gestione della conoscenza e analisi dei dati da utilizzare nel contesto lavorativo biostatistico/statistico/demografico.Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente a: Progettazione di sistemi informativi per l’analisi dati e di supporto decisionale,Identificazione delle fonti dati di un sistema informativo aziendale,Gestione di dati strutturati e non strutturati.Lo studente acquisirà inoltre conoscenze relative ai principali strumenti informatici utilizzati nelle organizzazioni pubbliche e private, ai sistemi di supporto alle decisioni e alle architetture per la gestione di grandi quantità di dati.Conoscenza e capacità di comprensione applicateGli studenti partecipano a esercitazioni pratiche con software di analisi dei dati e strumenti per il trattamento delle informazioni, applicati a casi reali.Attraverso attività individuali e di gruppo gli studenti acquisiranno la capacità di: utilizzare software per l'analisi di dati strutturati e non strutturati;interrogare e gestire basi dati e fonti informative eterogenee;utilizzare strumenti per la visualizzazione e l'esplorazione dei dati;applicare tecniche di text analytics e text mining;interpretare i risultati delle analisi a supporto dei processi decisionali;progettare semplici soluzioni informative coerenti con le esigenze organizzative.Autonomia di giudizioAttraverso l'analisi dei dati gli studenti sono chiamati a formulare giudizi e valutare le strategie aziendali di comunicazione, di CRM o di marketing basato sulle tecnologie web. Le discussioni in aula e i feedback dei docenti sui progetti, supportano lo sviluppo della capacità di valutazione autonoma dei casi aziendali. Abilità comunicativeGli studenti devono presentare oralmente i progetti di gruppo davanti ai colleghi e ai docenti, sviluppando capacità di comunicazione chiara, sintetica ed efficace. Durante le lezioni interattive e le discussioni di casi, viene incentivata la partecipazione attiva e il confronto.Gli studenti sono inoltre chiamati a valutare criticamente la qualità delle fonti informative e l'adeguatezza delle tecniche utilizzate per l'analisi dei dati. Capacità di apprendereIl corso fornisce strumenti metodologici e operativi che consentono agli studenti di aggiornare autonomamente le proprie competenze nell'ambito dei sistemi informativi, dell'analisi dei dati e delle tecnologie digitali. Attraverso esercitazioni, attività progettuali e l'utilizzo di software specialistici, gli studenti sviluppano la capacità di reperire nuove fonti informative, apprendere l'utilizzo di nuovi strumenti e trasferire le competenze acquisite a contesti applicativi differenti.

Architetture applicative e tecnologiche dei sistemi informativi: Processi di elaborazione e basi dati Architetture distribuite, client server, di rete, internet e World Wide Web Applicazioni informatiche e l’analisi del sistema informativo: Il portafoglio applicativo nelle aziende industriali e di servizi CRM Progettazione del sistema informativo per l’analisi dati e di supporto direzionale: Progetto dei processi e dei dati BPR Analisi delle attività e delle informazioni Data – warehouse e data mining Sistemi informativi e social media Evoluzione dei sistemi informativi aziendali Social Media Marketing Introduzione alla Social Media Analytics: Sentiment Analysis Big Data e tecniche di trattamento dei dati non strutturati Text Mining e Text Analytics

La modalità di verifica si basa su una prova scritta. La prova scritta si svolge al computer ed è composta da 2 domande aperte (brevi saggi) e 10 domande chiuse a risposta multipla (VERO/FALSO). Le domande aperte hanno l'obiettivo di valutare le capacità di ragionamento e di discussione critica di un argomento. Le domande chiuse hanno l'obiettivo di valutare la preparazione su tutti gli argomenti del corso. Le domande aperte hanno un peso maggiore nel computo del voto finale. In sede di valutazione viene considerata la capacità dello studente di rispondere a quesiti specifici facendo riferimento agli aspetti teorici e pratici (mediante esempi) connessi all'argomento richiesto. La prova d'esame è comune sia per gli studenti frequentanti sia per i non frequentanti.Non sono previste prove intermedie.Durante il laboratorio gli studenti sono invitati a svolgere un progetto in gruppo, non è obbligatorio, chi lo porta a termine avrà qualche punto in più all'esame. Gli studenti non frequentanti possono liberamente scegliere se svolgere il progetto. La valutazione finale tiene conto: della correttezza delle conoscenze teoriche; della capacità di applicare i concetti ai casi proposti; della capacità di interpretazione dei risultati delle analisi; dell'utilizzo appropriato della terminologia disciplinare; della capacità di collegare i diversi argomenti trattati nel corso. Per il raggiungimento della sufficienza è richiesta una conoscenza adeguata dei concetti fondamentali del corso. Le valutazioni più elevate vengono attribuite agli studenti che dimostrano piena padronanza degli argomenti, capacità critica e autonomia nell'applicazione delle metodologie illustrate.

G. Bracchi, C. Francalanci, G. Motta. Sistemi informativi d’impresa. McGraw-Hill, 2010. V. Cosenza, "Social media ROI", Apogeo, 2012, ebook acquistabile in rete, capitoli: 1, 2, 4, 5 (i concetti fondamentali). Nel corso delle lezioni sarà indicato dai docenti ulteriore materiale (slide, articoli…).

L’insegnamento si propone di fornire le conoscenze necessarie per effettuare le ricerche di mercato e analizzare le informazioni collezionate dalle fonti primarie e secondarie di dati, con lo scopo di ottenere statistiche a supporto delle decisioni manageriali. Al termine dell’insegnamento, lo studente dovrà dimostrare di: - conoscere le fonti da cui ottenere i dati da elaborare, in relazione agli obiettivi conoscitivi; - conoscere le fasi di una ricerca di mercato; - conoscere i metodi per rilevare i dati; - saper applicare i metodi statistici ai dati; - interpretare i risultati ottenuti e fornire delle informazioni sintetiche.

Le ricerche di mercato: a. la definizione, gli scopi e i limiti delle ricerche di mercato; b. le fonti informative per le ricerche di mercato; c. gli ambiti applicativi delle ricerche di mercato; d. le fasi di elaborazione di una ricerca di mercato. Le indagini statistiche per le ricerche di mercato: a. richiami ai principali piani di campionamento; b. i metodi di rilevazione e la preparazione del questionario. L’analisi statistica del mercato obiettivo: a. la stima del potenziale di mercato con la regressione lineare multipla, il modello di Huff e i metodi scompositivi; b. la segmentazione del mercato con l'analisi dei gruppi gerarchica e non gerarchica; c. il posizionamento della marca con l'analisi delle componenti principali e l'analisi delle corrispondenze; d. il lancio di un nuovo prodotto con l'analisi congiunta; e. i test di mercato; f. l’analisi della quota di mercato del prodotto e della marca. L’analisi statistica del comportamento d’acquisto del consumatore: a. la brand switching analysis; b. la market basket analysis. L'analisi della serie storica delle vendite: a. la stima delle vendite baseline; b. l'analisi degli effetti delle promozioni sulle vendite con i modelli per dati panel.

L’accertamento dei risultati dell’apprendimento prevede lo svolgimento di una prova scritta con domande aperte, domande a risposta chiusa (con un punteggio positivo in caso di risposta esatta, nullo per la mancata risposta e negativo in caso di risposta sbagliata), esercizi e l'interpretazione di un output del software statistico R. La prova scritta è tesa ad accertare la conoscenza degli argomenti in programma, la capacità di applicare i metodi statistici per le analisi di mercato e la corretta interpretazione dei risultati. Modalità di valutazione. La valutazione è espressa in 30esimi.

Libro di testo: Ricerche di marketing. Metodologie e tecniche per le decisioni strategiche e operative di marketing. Autori: L. Molteni, G. Troilo; anno di pubblicazione: 2022. Editore: Egea. Libro consigliato: Analisi dei dati e data mining per le decisioni aziendali. Autori: S. Zani, A. Cerioli; anno di pubblicazione: 2007. Editore: Giuffrè.

Il Corso intende fornire agli studenti un’adeguata padronanza delle nozioni fondamentali di matematica finanziaria. Alla fine del corso, lo studente è in grado di 1) padroneggiare i maggiori modelli utillizati nello studio dei processi di capitalizzazione, dei prestiti e degli ammortamenti e nell'analisi delle obbligazioni. 2) applicare le tecniche di prezzamento sviluppate nel modello binomiale con tecniche probabilistiche alle piu importanti classi di derivati, sia europei che americani, e familiarizzarsi con le semplici nozioni di teoria delle probabilità necessarie per questo tipo di applicazioni. Quindi il corso contribuisce a consolidare la comprensione dei principali modelli probabilistici, nell'ambito della matematica finanziaria, in coerenza con l'area di apprendimento economico-statistica del corso di laurea triennale in Scienze Statistiche ed Economiche. Il corso contribuisce a consolidare le conoscenze e la capacità di comprensione nell’ambito della matematica finanziaria, nonché la capacità di applicare tali conoscenze, in coerenza con l’area di apprendimento “Matematica” del corso di laurea triennale in Scienze Statistiche ed Economiche.Quindi in maniera dettagliata i risultati attesi sono:Conoscenza e Comprensione (Descrittore di Dublino 1)Lo studente conosce le tecniche matematiche fondamentali che permettono di capire uso di tecniche probabilistiche che sono alla base dei modelli di prezzamento usati nei mercati finanziari.Capacita di Applicare Conoscenza e comprensione (Descrittore di Dublino 2)Lo studente, grazie anche a numerosi esempi di applicazioni ed esercizi svolti, sviluppa una manualità nello svolgere esercizi e trattare esempi che gli permettono di sviluppare le tecniche per applicare i risultati e una comprensione attiva della materia presentata.Autonomia di giudizio (Descrittore di Dublino 3)Lo studente, grazie anche un enfasi sulla presentazione logica dei risultati, sviluppa la capacita di sapere cosa devono valutare per quanto riguarda le ipotesi in modo di applicare i risultati dei modelli probabilistici alla base dei modelli di prezzamento. Da questo punto, in maniera autonoma, sviluppa indipendenza di giudizio e un atteggiamento critico.Abilitare di comunicare (Descrittore di Dublino 4)Lo studente, grazie anche un’enfasi sulla presentazione formale dei risultati, sviluppa la capacita comunicare in modo chiaro e logicamente corretto sui problemi e le loro soluzioni prospettate. Grande valore viene data alla presentazione formalmente corretta delle tecniche probabilistiche e matematiche in generale. In oltre viene presentata in maniera dettagliata un introduzione dei termini usati nelle applicazione della matematica nell’ambito finanziario.Capacita di apprendere (Descrittore di Dublino 5)Lo studente, grazie anche un enfasi sulla presentazione della applicazione dei risultati, sviluppa la capacita di costruire e presentare in modo chiaro e logicamente corretto le applicazioni prospettate. Grande valore viene alla capacita di applicare ed usare quanto studiato e quindi, come conseguenza, viene grandemente sviluppata la capacita di apprende.

Tasso d’interesse e Obbligazioni. TIR e suo calcolo con algoritmo di Newton. Capitalizzazione. Ammortamenti (Americano, Italiano, Francese e Tedesco). Cenni alla struttura per scadenza, rating e introduzione al Principio di non arbitraggio. Modello Binomiale e Teorema di Replicazione. Nozioni di probailita' elementare per il Modello Binomiale. Attesa condizionate (principali proprieta'). Martingale e prezzamento dei derivati Europei. Proprietà fondamentali delle martingale. Derivati di tipo americano e supermartingale. Tempi d’arresto e loro relazione con le martingale e supermartingale. Prezzamento derivati di tipo americano. Esercizio ottimo e tempi d'arresto. Cenni alla Camminata Aleatoria.

La modalità di verifica si basa su una prova scritta obbligatoria . In alternativa alla prova scritta obbligatoria, lo studente può sostenere due prove scritte in itinere che avranno luogo una sola volta nell’anno. La prova scritta (sia in itinere che complessiva) è mirata ad accertare le capacità di problem solving dello studente. Sarà quindi costituita da esercizi del tipo presentati nei libri di testo consigliati. In sede di valutazione viene considerata la capacità dello studente di identificare le procedure idonee alla sua soluzione e discutere in modo critico le procedure utilizzate e i risultati conseguiti. Nel caso di superamento della prova scritta e' possibile sostenere un esame orale facoltativo. Nel caso in cui la prova scritta sia sostituita dalle due prove in itinere, il voto della parte scritta sarà determinato dalla media dei voti ottenuti nelle singole prove in itinere. Tale media contribuirà poi al voto finale come esposto in precedenza.

1. Introduzione alla Matematica Finanziaria, Riccardo Cesari e Elisa Susini, McGraw-Hill 2. Stochastic Calculus for Finance I (The Binomial Asset Pricing Model), Steven E. Shreve, Springer 3. Finanza Matematica. Teoria e Problemi per Modelli Multiperiodali, Andrea Pascucci e Wolfgang Runggaldier, Springer 4. Elementi di Matematica Finanziaria con cenni di Programmazione Lineare ESERCIZI (II edizione)Bolamperti e Ceccarossi, Giappichelli

Il corso si propone di ampliare e consolidare le conoscenze sui modelli statistici introdotte in Analisi Statistica Multivariata, offrendo una trattazione sistematica dei modelli lineari generalizzati (GLMs). In particolare, gli obiettivi formativi includono: i. fornire una comprensione avanzata della teoria e delle proprietà dei GLMs;ii. introdurre le principali tecniche per l’analisi di dati con distribuzioni non gaussiane (es. binomiale, Poisson);iii. applicare i modelli mediante il software R attraverso esercitazioni pratiche e laboratori;iv. discutere problematiche reali quali la errata specificazione del modello, l’inferenza basata sulla verosimiglianza e l’uso delle quasi-verosimiglianze. Il corso contribuisce al raggiungimento degli obiettivi formativi nell’area di apprendimento del CdS: “Statistica”. In particolare, fornisce le conoscenze e competenze per individuare e implementare opportuni modelli statistico-probabilistici e trarre le appropriate conclusioni inferenziali.

Modelli lineari ed errata specificazione Il modello lineare: ripasso e notazione Robustezza dello stimatore ai minimi quadrati Stimatore sandwich della varianza Minimi quadrati pesati Trasformazione di Box-Cox, trasformazioni che stabilizzano la varianza Modelli lineari generalizzati (GLM) Famiglia di dispersione esponenziale Inferenza basata sulla verosimiglianza: stima e verifica d'ipotesi Algoritmo IRLS: minimi quadrati pesati ed iterati Devianza, diagnostica, analisi dei residui Tecniche di selezione del modello Implementazione in R Modelli notevoli Regression per dati binari e regressione binomiale Regressione di Poisson per dati di conteggio Quasi-verosimiglianze Ipotesi al second'ordine Equazioni di stima non distorte Funzione di quasi-verosimiglianza Sovradispersione

La modalità di verifica si basa su una prova scritta eseguita in laboratorio ed una prova orale (facoltativa). Nella prova scritta sono previste due sezioni: una costituita da domande teoriche che hanno l’obiettivo di verificare l'acquisizione dei concetti e della formalizzazione necessari per impostare correttamente un modello statistico; la seconda sezione richiede l’analisi di un data set tramite software R. Il voto finale della prova scritta è determinato dalla media dei voti riportati nelle due sezioni. Qualora lo studente (o il docente) richiedano la prova orale, il voto finale è la media dei due voti riportati nelle prove scritta ed orale, altrimenti coincide con l'esito della prova scritta. Durante la prova non è ammesso l'uso di testi o altro materiale con l'esclusione dei codici che verranno messi a disposizione dal docente all'inizio della prova. Durante la prova non è ammesso l'uso del cellulare.

Riferimenti principali (in italiano) Salvan, A., Sartori, N. and L. Pace. 2020. Modelli Lineari Generalizzati. Springer. Azzalini, A. 2008. Inferenza Statistica: Una Presentazione Basata sul Concetto di Verosimiglianza. Springer Approfondimenti (in Inglese) Agresti, A. 2015. Foundations of Linear and Generalized Linear Models. Wiley. McCullagh, P., and J. A. Nelder. 1989. Generalized Linear Models. Second Edition. Springer. Ulteriore materiale didattico verrà messo a disposizione nella pagina web del corso.