Per questo corso di laurea sono già disponibili 21 appunti all'interno della community, registrati subito per iniziare a studiare!
Il Corso di Laurea in Scienze Statistiche ha sede a Bologna e afferisce alla classe L-41 Statistica, come il corso di laurea in Finanza, Assicurazioni e Impresa attivato presso la sede di Rimini. I due corsi di laurea, pur condividendo un insieme di insegnamenti di base e caratterizzanti in ambito statistico matematico, sono profondamente differenziati rispetto ai contesti fenomenici di riferimento e alle figure professionali che intendono formare. Il Corso di Laurea in Scienze Statistiche, unico per la classe L-41 nella sede di Bologna, consente agli studenti di sviluppare competenze metodologiche avanzate in campo bio-demografico, economico-aziendale, statistico-matematico. Il Corso di Laurea Finanza, Assicurazioni e Impresa, unico per la classe L-41 nella sede di Rimini, ha invece contenuto altamente professionalizzante in ambito finanziario e attuariale.
Il Corso di Laurea in Scienze Statistiche è stato attivato per la prima volta nell'a.a. 2008/2009 in seguito al processo di revisione degli ordinamenti didattici (DM270/2004) che ha portato all'accorpamento della Laurea in Statistica e ricerca sociale e della Laurea in Statistica, impresa e mercati. Dallo stesso anno è attivo un accordo con l'Università di Glasgow (UK) per il conferimento di un doppio titolo di laurea.
Il Corso di Laurea in Scienze statistiche forma la figura professionale dello statistico, specializzata nella produzione e analisi dei dati che permettano di formulare conclusioni e supportare decisioni, in condizioni di incertezza, in una molteplicità di ambiti fenomenici. Nel corso di studio ciò si traduce nella proposta di tre distinti percorsi, o curricula, caratterizzati da insegnamenti statistico- matematici di base comuni e da insegnamenti specifici rispetto ai diversi contesti fenomenici. Poiché l'approccio all'analisi dei fenomeni è essenzialmente quantitativo, lo studente sarà preparato a gestire banche dati di media e grande dimensione, a realizzare sondaggi di opinione, a impostare studi sperimentali o osservazionali e ad analizzare i dati raccolti, campionari e non campionari. In sintesi, il Corso offre allo studente una solida preparazione sui principi e la teoria della statistica così da consentirgli di eseguire e gestire indagini in tutti gli ambiti fenomenici in cui sia presente una consistente base quantitativa. A seconda della specializzazione curriculare prescelta, i laureati triennali saranno di supporto per - eseguire indagini complesse sulle dinamiche di popolazione - eseguire indagini epidemiologiche, statistico sanitarie e ambientali - eseguire analisi quantitative in campo economico e per le aziende - eseguire analisi di mercato - proseguire gli studi in master o lauree magistrali.
Alle lezioni tradizionali, ex cathedra, si affiancano lezioni svolte nei laboratori informatici. Alcuni insegnamenti propongono attività specifiche rivolte all'analisi di casi di studio concreti, con particolare attenzione alla lettura e interpretazione dei dati e alla comunicazione dei risultati ottenuti. Agli studenti, inoltre, si offre la possibilità di svolgere tirocini presso aziende o enti pubblici.
Dall'a.a. 2015-16 il curriculum Statistics and Mathematics (Stats&Maths) - precedentemente curriculum statistico-matematico e con didattica erogata in lingua inglese al secondo anno - è offerto completamente in lingua inglese. È stato rinnovato l'accordo con l'Università di Glasgow per l'acquisizione di titolo doppio, che permette a un gruppo selezionato di studenti iscritti al curriculum Stats&Maths di svolgere il terzo anno di studi presso l'Università di Glasgow e a un analogo gruppo di studenti di Glasgow di frequentare a Bologna il secondo anno del curriculum Stas&Maths così da conseguire, al termine del percorso di studi, sia la laurea in Scienze Statistiche presso l'Università di Bologna sia il Bachelor with Honours in Statistics rilasciato dal l'Università di Glasgow .
Dall'a.a. 2017-18 il CdS è ad accesso programmato.
Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.
Al momento abbiamo 21 files caricati sul nostro portale suddivisi nelle 97 materie appartenenti al tuo corso di laurea.
Sfoglia il materiale didattico
Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame! Più condividi, più tempo avrai per studiare con tutta la community!
Al termine del corso lo studente acquisisce la capacità di comprendere le tecniche dimostrative dell'Analisi Matematica e possiede le basi per utilizzare l'analisi rigorosamente nelle sue principali applicazioni. In…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente acquisisce la capacità di comprendere le tecniche dimostrative dell'Analisi Matematica e possiede le basi per utilizzare l'analisi rigorosamente nelle sue principali applicazioni. In particolare lo studente è in grado di: studiare funzioni di una variabile reale usando gli strumenti del calcolo differenziale, calcolare integrali definiti, approssimare una funzione mediante sviluppo in serie di polinomi, risolvere equazioni differenziali elementari.
Programma
Numeri reali. Assioma di completezza. Proprietà archimedea. Induzione. Binomio di Newton. Disuguaglianza di Bernoulli. Disuguaglianza aritmetico-geometrica. Numeri complessi. Forma algebrica e trigonometrica. Formule di De Moivre. Successioni. Limiti. Successioni monotone e numero e. Teorema di Bolzano Weierstrass. Successioni di Cauchy. Regole di Cesaro Stolz. Serie numeriche. Serie geometrica. Serie a termini positivi e criteri di convergenza. Serie a termini alterni. Funzioni reali di una variabile reale. Limiti e continuità . Funzioni elementari. Infinitesimi e infiniti e loro confronto. Teorema di Bolzano sui valori intermedi, teorema degli zeri, teorema di Weierstrass. Calcolo differenziale. Rapporto incrementale. Definizione di derivata. Regole di derivazione. Teoremi Rolle, Lagrange, Cauchy. Integrale di Riemann. I teoremi fondamentali del calcolo. Metodi di integrazione. Complementi di calcolo differenziale e integrale Teoremi di De l'Hopital. Ricerca di estremi relativi ed assoluti. Concavità e convessità, Flessi, Asintoti. Polinomi di Taylor. Serie di potenze . Esponenziale reale ed esponenziale complesso. Integrali Generalizzati Criterio generale di convergenza. Connessione con la teoria delle serie. L'integrale di probabilità, funzione degli errori Equazioni differenziali. A variabili separabili, lineari del primo ordine, di Bernoulli e di Riccati.
Modalità d'esame
La verifica dell'apprendimento avviene attraverso una prova scritta di 2 ore, durante la quale è ammesso l'uso di libri, appunti, calcolatrici, supporti elettronici, e una successiva prova facoltativa, accessibile a chi ha avuto una valutazione maggiore o uguale a 24. Non sono previste prove intermedie. L’IA può essere uno strumento utile per coadiuvare lo studio individuale con approfondimenti, sintesi e percorsi di autovalutazione, tuttavia l’uso dell’IA è in sede d'esame è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. La prova scritta è costituita da test a risposta multipla; essa mira ad accertare le abilità acquisite nel risolvere problemi nell'ambito delle tematiche affrontate. La prova scritta viene valutata attraverso un giudizio che deve risultare positivo per consentire l'accesso alla prova orale facoltativa. La validità della prova scritta superata è limitata agli appelli di una stessa sessione d'esame. La prova facoltativa mira a verificare la capacità del candidato di risolvere esercizi strutturati e l'acquisizione delle tecniche dimostrative presentate nel corso e, se scelta, costituisce una prova a sé che genera il voto finale, espresso in trentesimi in media con la prova scritta. Schema di valutazione 18-19-E: preparazione e capacità di analisi minimali, relative ad una padronanza solo strumentale dei problemi presentati nel corso, utilizzo corretto dei metodi a livello elementare solo dopo indicazioni del docente; 20-23-D: preparazione e capacità di analisi sufficienti, ma relative ad una padronanza solo strumentale dei problemi presentati nel corso, utilizzo corretto ed autonomo dei metodi a livello elementare; 24-27-C: preparazione tecnicamente adeguata ma con alcuni limiti rispetto agli argomenti trattati, capacità di analisi buone, anche se non particolarmente articolate, utilizzo corretto dei metodi a livello intermedio; 28-29-B: preparazione tecnicamente adeguata rispetto agli argomenti trattati, capacità di analisi buone nei problemi complessi, utilizzo corretto dei metodi a livello standard 30-A: conoscenza eccellente e molto approfondita ed esaustiva dei temi affrontati nel corso, padronanza piena dei metodi. 30L-A+: conoscenza eccellente e molto approfondita ed esaustiva dei temi affrontati nel corso, padronanza piena dei metodi anche dal punto di vista teorico. Qualora la prova scritta sia insufficiente in modo non grave, si potrà, entro una settimana dalla pubblicazione dei risultati, integrarla attraverso esercizi mirati. In caso di esame on line il docente fornirà un link Dropbox per il download del testo ed uno per l'upload, in cui lo studente dovrà caricare un file pdf con la griglia delle risposte date e la soluzione dei problemi proposti.
Testi di riferimento
Test1 di Riferimento Daniele Ritelli. Lezioni di Analisi Matematica IV edizione. Esculapio 2021 ISBN:978-88-9385-257-9 Daniele Ritelli. Eserciziario di Analisi Matematica. Quiz e problemi interattivi. Pearson 2025 Letture integrative
Codice insegnamento 00013
BIOLOGIA DELLE POPOLAZIONI UMANE1° anno · 8 CFU · BIO/08 · 0 file
Al termine del corso lo studente possiede le basi teoriche e metodologiche per lanalisi della variabilità e dellevoluzione biologica delle popolazioni umane. In particolare, lo studente è in grado di - comprendere…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le basi teoriche e metodologiche per lanalisi della variabilità e dellevoluzione biologica delle popolazioni umane. In particolare, lo studente è in grado di - comprendere fattori e meccanismi che determinano la variabilità dei caratteri antropologici - utilizzare i cognomi per lanalisi della struttura genetica di popolazioni - analizzare e interpretare la variabilità dei processi di accrescimento e invecchiamento nelluomo.
Programma
Modulo 1 (Prof. Alessio Boattini): 20 ore Introduzione allo studio della biodiversità umana; Concetti di base sull’evoluzione della nostra specie; Storia genetica delle popolazioni umane: Out-of-Africa, Transizione Neolitica, Migrazioni post-Neolitiche; Ecologia umana e adattamenti agli ambienti. Modulo 2 (Dr.ssa Stefania Sarno): 20 ore Introduzione alla genetica e tipologie di marcatori Concetti base di genetica di popolazione Processi che plasmano la variabilità genetica delle popolazioni umane: Mutazione, Ricombinazione, Deriva genetica, Migrazione e flusso genico, Selezione naturale Analisi della diversità genetica delle popolazioni umane. Misure di diversità e distanza genetica. Analisi filogenetiche. Analisi di struttura di popolazione Modulo 3 (Dr.ssa Cristina Giuliani): 20 ore Variabilità epigenetica umana Evoluzione della nutrizione umana: cause e meccanismi evolutivi che predispongono a malattie moderne come obesità e diabete. Restrizione calorica, razionale evolutivo ed effetti sulla salute. Variabilità fisiologica tra popolazioni umane Invecchiamento, senescenza e longevità
Modalità d'esame
L'esame di Biologia delle Popolazioni Umane mira a verificare che lo studente abbia acquisito le basi teoriche e metodologiche per l'analisi e l’interpretazione dei processi evolutivi alla base della biodiversità umana. La prova, scritta, comprende domande a riposta multipla e aperte relative a ciascuno dei tre moduli di lezioni. Il voto finale, in trentesimi, viene definito dalla somma dei punteggi riportati in ciascuno dei quesiti.
Testi di riferimento
Diapositive delle lezioni fornite dal docente (PDF) e alcuni capitoli dai seguenti testi indicati durante le lezioni: –Toomas Kivisild • Chris Tyler-Smith • Matthew Hurles • Edward Hollox • Mark A. Jobling • “Human Evolutionary Genetics (II edition)”. –Mark Stoneking • “An Introduction to Molecular Anthropology”. –David Reich • “Chi siamo e come siamo arrivati fino a qui. Il DNA antico e la nuova scienza del passato dell’umanità”. –Daniel Lieberman • “La storia del corpo umano. Evoluzione, salute e malattia”. –Jared Diamond • “Il mondo fino a ieri. Che cosa possiamo imparare dalle società tradizionali”.
Codice insegnamento 07157
BIOLOGIA DELLE POPOLAZIONI UMANE [cod. 07157]1° anno · 1 file
CALCOLO DELLE PROBABILITA' I1° anno · 2° semestre · 6 CFU · MAT/06 · 0 file
Al termine del modulo lo studente conosce gli strumenti di base del calcolo delle probabilità con particolare riferimento al loro ruolo ai fini dell'analisi statistica. In particolare lo studente è in grado di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del modulo lo studente conosce gli strumenti di base del calcolo delle probabilità con particolare riferimento al loro ruolo ai fini dell'analisi statistica. In particolare lo studente è in grado di calcolare la probabilità di eventi complessi, utilizzando gli assiomi e i teoremi fondamentali del calcolo delle probabilità unitamente ai principali modelli matematici per variabili aleatorie discrete e continue.
Programma
Spazi di probabilità e assiomi di Kolmogorov Probabilità condizionata, Legge delle Probabilità Totali e formula di Bayes Eventi indipendenti Variabili aleatorie e funzioni di ripartizione, variabili aleatorie discrete e continue, valore atteso, varianza e covarianza Modelli discreti: Bernoulli, Binomiale, Ipergemometrica, Poisson, Geometrica Modelli continui: Uniforme, Gaussiana, Gamma, Student, Fisher Legge dei Grandi Numeri e applicazioni Teorema del Limite Centrale e applicazioni
Modalità d'esame
Prova scritta della durata di un'ora/un'ora e mezza articolata in due/tre esercizi, ognuno con valore massimo di 10/15 punti. Gli esercizi vertono su argomenti trattati a lezione. La votazione complessiva per il corso integrato tiene conto dell'esito dei due moduli (Statistica + Calcolo delle Probabilità I) ed è espressa in trentesimi. Per la parte di prova relativa ai contenuti di Statistica si rimanda alla consultazione di Guideweb per tale insegnamento. In caso di esame online verranno utilizzate le piattaforme Teams, Zoom e EOL (https://eol.unibo.it/)
Testi di riferimento
Alberto Lanconelli, Introduzione alla Teoria della Probabilità (2023) ISBN-13 : 979-8852499196
Codice insegnamento B8286
CALCOLO DELLE PROBABILITA' II1° anno · 6 CFU · MAT/06 · 0 file
Al termine del corso lo studente dovrà conoscere la teoria di base delle variabili aleatorie multidimensionali e della convergenza per successioni di variabili aleatorie. In particolare, lo studente dovrà essere in grado…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente dovrà conoscere la teoria di base delle variabili aleatorie multidimensionali e della convergenza per successioni di variabili aleatorie. In particolare, lo studente dovrà essere in grado di: - ricavare la distribuzione di variabili aleatorie trasformate; - ricavare le funzioni di densità di probabilità congiunte, condizionate e marginali; - enunciare la definizione e ricordare le proprietà delle distribuzioni normali multivariate; - studiare le proprietà di convergenza per successioni di variabili aleatorie.
Programma
Vettori aleatori, valore atteso e matrice di covarianza Vettori aleatori Gaussiani, Multinomiali e di Dirichlet Valore atteso condizionato Introduzione ai processi stocastici Martingale Catene di Markov Processi stazionari del secondo ordine Limiti per successioni di variabili aleatorie: lemma di Borel-Cantelli, convergenza quasi certa, convergenza in probabilità, convergenza in media quadratica Convergenza in distribuzione e funzione caratteristica
Modalità d'esame
Prova scritta della durata di un'ora articolata in 2/3 esercizi, ognuno con valore massimo di 10/15 punti. L'eventuale assegnazione della "lode" è subordinata al rigore matematico mostrato nella soluzione degli esercizi. Gli esercizi vertono su argomenti trattati a lezione. In caso di esame online verranno utilizzate le piattaforme Teams, Zoom e EOL (https://eol.unibo.it/)
Testi di riferimento
Alberto Lanconelli, Introduzione alla Teoria della Probabilità - Seconda parte (2025) ISBN-13: 979-8267815277
Codice insegnamento B8288
CALCOLO DELLE PROBABILITA' [cod. 00082]1° anno · 1 file
Al termine del corso lo studente possiede la conoscenza degli strumenti di base per l'analisi degli aspetti strutturali e dinamici delle popolazioni e per la comprensione delle interazioni tra i vari fenomeni…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede la conoscenza degli strumenti di base per l'analisi degli aspetti strutturali e dinamici delle popolazioni e per la comprensione delle interazioni tra i vari fenomeni demografici. In particolare, lo studente è in grado di: - misurare la consistenza, la variazione e la distribuzione della popolazione nel tempo e nello spazio - misurare e analizzare le caratteristiche strutturali della popolazione - misurare e analizzare le componenti della dinamica demografica
Programma
Il corso esplora le principali dinamiche della popolazione contemporanea e introduce gli strumenti teorici e quantitativi necessari per descriverne, misurarne e interpretarne l’evoluzione. Attraverso l’analisi delle fonti statistiche, delle misure demografiche e dei principali modelli interpretativi, gli studenti acquisiranno le competenze di base per comprendere come i fenomeni demografici influenzino lo sviluppo economico e sociale e come possano essere analizzati a supporto della ricerca e delle politiche pubbliche. Il percorso formativo si articola nei seguenti temi: 1. Introduzione alla demografia oggetto, finalità e ambiti di applicazione della disciplina; le principali fonti dei dati demografici. 2. Popolazione e sviluppo la crescita della popolazione mondiale; le relazioni tra dinamica demografica e sviluppo economico e sociale; le principali teorie della crescita della popolazione e le loro interpretazioni critiche; il ruolo dell’intervento pubblico e delle politiche demografiche. 3. Dimensione e struttura della popolazione determinazione dell’ammontare della popolazione; variazione della popolazione nel tempo; analisi della struttura della popolazione. 4. Le componenti della dinamica demografica i fenomeni che determinano l’evoluzione della popolazione; tassi generici e tassi specifici; confronto e interpretazione degli indicatori demografici. 5. Analisi dei principali fenomeni demografici strumenti e concetti fondamentali dell’analisi demografica; mortalità; nuzialità; fecondità; mobilità e migrazioni. 6. Le previsioni demografiche finalità e ambiti di applicazione delle previsioni; metodo sintetico; metodo analitico; previsioni derivate.
Modalità d'esame
L’insegnamento si svolge nel primo semestre e non prevede prove intermedie. Sono previsti quattro appelli d’esame: due nella sessione invernale (gennaio e febbraio), uno nella sessione estiva (giugno) e uno nella sessione autunnale (settembre). La verifica dell’apprendimento è finalizzata ad accertare la conoscenza dei principali concetti della disciplina, la capacità di applicare i metodi di analisi demografica e di interpretare criticamente i fenomeni della popolazione. L’esame consiste in una prova scritta della durata di 90 minuti, composta da esercizi quantitativi e quesiti teorici. La valutazione terrà conto della correttezza delle procedure di analisi, della capacità di utilizzare e interpretare gli indicatori demografici, della comprensione delle principali teorie affrontate durante il corso e dell’appropriatezza del linguaggio disciplinare. Indicazioni sull’uso dell’Intelligenza Artificiale generativa (IA) L’Intelligenza Artificiale generativa può rappresentare un utile supporto allo studio individuale, ad esempio per approfondire argomenti, produrre sintesi o svolgere attività di autovalutazione. Nelle prove di verifica dell'apprendimento, durante l'esame in presenza l'uso dell'IA è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica. Studenti con DSA o con disabilità temporanee o permanenti Gli studenti che necessitano di misure di supporto sono invitati a contattare con adeguato anticipo l’Ufficio di Ateneo competente (https://site.unibo.it/studenti-con-disabilita-e-dsa/it). Eventuali adattamenti delle modalità di verifica saranno proposti dall’Ufficio e dovranno essere sottoposti all’approvazione della docente con almeno 15 giorni di anticipo rispetto alla data dell’esame. L’approvazione sarà valutata in relazione alla coerenza delle misure proposte con gli obiettivi formativi dell’insegnamento. Griglia di graduazione del voto 18–23: preparazione sufficiente e capacità di analisi adeguate, riferite a un numero limitato degli argomenti affrontati durante il corso. 24–27: buona preparazione e adeguata padronanza dei principali strumenti di analisi, con alcune limitazioni nell’approfondimento e nell’integrazione dei temi trattati. 28–30: ottima conoscenza degli argomenti del corso, solide capacità di analisi, interpretazione critica e collegamento tra i diversi fenomeni demografici. 30 e lode: preparazione eccellente, completa e approfondita, piena padronanza dei metodi e dei concetti della disciplina, elevata capacità di analisi critica e di collegamento tra aspetti teorici, metodologici e applicativi. L’iscrizione agli appelli avviene tramite la piattaforma AlmaEsami.
Testi di riferimento
Testi di riferimento Blangiardo G.C. (2025), Elementi di demografia. Il Mulino, Bologna. Vignoli D., Paterno A. (2025), Rapporto sulla popolazione. Verso una demografia positiva. Il Mulino, Bologna. Materiale didattico reso disponibile dalla docente attraverso la piattaforma Virtuale. Letture di approfondimento Billari F. (2023), Domani è oggi. Costruire il futuro con le lenti della demografia. Egea, Milano. Livi Bacci M. (2016), Storia minima della popolazione del mondo. Il Mulino, Bologna. Rosina A., Impicciatore R. (2022), Storia demografica d’Italia. Crescita, crisi e sfide. Carocci, Roma. Rosina A., De Rose A. (2017), Demografia (2ª ed.). Egea, Milano. Graeber D., Wengrow D. (2022), L’alba di tutto. Una nuova storia dell’umanità. Rizzoli, Milano.
At the end of the course the student knows basic instruments to analyse structural and dynamic aspects of populations. Particularly, the student is able: - to measure population size, variation and distribution in time…
Scheda dell'insegnamento
Obiettivi formativi
At the end of the course the student knows basic instruments to analyse structural and dynamic aspects of populations. Particularly, the student is able: - to measure population size, variation and distribution in time and space - to measure and analyse population structural characteristics - to measure and analyse demographic dynamics components
Programma
Introduzione agli studi sulla popolazione. Fonti di dati demografici. Composizione e variazione della popolazione. Relazioni tra dinamiche e strutture demografiche. Elementi di base dell'analisi demografica: tassi grezzi e specifici per età, metodi di standardizzazione. Età, periodo e coorte; diagramma di Lexis, gestione dei dati e dei processi sul diagramma. Analisi di periodo e di coorte. Tavole della vita. Tavole di vita concepite come popolazione stazionaria. Mortalità per causa. Misure di fertilità e riproduzione. La transizione demografica. Le previsioni demografiche (elementi). La migrazione nell'analisi della popolazione.
Modalità d'esame
Presentazioni di gruppo e esame finale scritto Le presentazioni di gruppo saranno valutate come integrazione del voto d’esame finale e mirano a verificare il raggiungimento dei seguenti obiettivi didattici:
Capacità di comprendere e sintetizzare uno o più studi scientifici in tema demografico e/o predisporre una scheda paese contenente una sintesi delle caratteristiche demografiche del paese
Presentare la sintesi elaborata dal gruppo mediante collaborazioni peer-to-peer alla classe. L'esame finale mira a valutare il raggiungimento dei seguenti obiettivi di apprendimento:
conoscere le principali fonti internazionali di dati demografici e calcolare i principali indicatori demografici
misurare e analizzare le componenti della dinamica demografica
conoscenza dei metodi e delle problematiche demografiche illustrate durante le lezioni frontali
capacità di utilizzare tali metodi per analizzare e interpretare le principali dinamiche demografiche. L'esame consiste in una prova scritta della durata di 1h30 con esercizi e domande teoriche. L'esame si svolgerà nel laboratorio informatico.
Testi di riferimento
Materiali resi disponibili sulla piattaforma Virtuale. Libri di testo consigliati
Jennifer Hickes Lundquist, Douglas L. Anderton, David Yaukey, "Demography: The Study of Human Population", Fourth Edition 4th Edition Waveland Press, Inc, 2015
J. A. Palmore, R. W. Gardner, “Measuring Mortality, Fertility, and Natural Increase: A Self-Teaching Guide to Elementary Measures”, East-West Center, 1994
Il corso fornisce le conoscenze e i metodi di base dell'analisi economica. Sono oggetto di studio i fondamenti della microeconomia, quali il funzionamento dei mercati, il comportamento degli operatori economici…
Scheda dell'insegnamento
Obiettivi formativi
Il corso fornisce le conoscenze e i metodi di base dell'analisi economica. Sono oggetto di studio i fondamenti della microeconomia, quali il funzionamento dei mercati, il comportamento degli operatori economici (individui e imprese), i casi di fallimento del mercato, e della macroeconomia, quali la conoscenza delle principali variabili macroeconomiche, le determinanti della domanda aggregata e dell’offerta aggregata, la caratterizzazione dell’equilibrio economico di breve e di lungo periodo, e il ruolo delle politiche fiscali e monetarie. Al termine del corso lo studente ha acquisito padronanza della terminologia tecnica e dei metodi di analisi economica ed è quindi in grado di elaborare le principali questioni al centro del dibattito economico con spirito critico.
Programma
MICROECONOMIA Introduzione: le decisioni individuali e l’interazione tra individui Domanda e offerta di mercato. Elasticità. Cenni di teoria delle scelte del consumatore Comportamento delle imprese in un mercato concorrenziale Mercati, efficienza e benessere Allocazioni di mercato inefficienti: beni pubblici, esternalità e asimmetrie informative Strutture di mercato: monopolio e cenni di oligopolio Interdipendenza e benefici dello scambio MACROECONOMIA: I dati della macroeconomia. Misurare il PIL, il livello dei prezzi e l'inflazione, il livello di occupazione e di disoccupazione. ECONOMIA DI LUNGO PERIODO Crescita economica, produttività e tenore di vita Risparmio, investimenti e formazione del capitale ECONOMIA DI BREVE PERIODO Fluttuazioni economiche di breve periodo Spesa e produzione nel breve periodo Moneta, tassi di interesse e banche Il modello IS-LM Politiche monetarie e politiche fiscali Il modello AD-AS Il trade-off tra inflazione e disoccupazione. Il programma è identico per studenti frequentanti e non frequentanti.
Modalità d'esame
Obiettivo dell'esame e' verificare l'apprendimento delle nozioni introdotte nel corso delle lezioni, nonche' la loro applicazione a semplici situazioni economiche. L'esame consiste in una prova scritta con domande a risposta multipla, definizioni, domande aperte e svolgimento di esercizi in linea con quanto trattato durante il corso. Il numero di quesiti varia in funzione della difficoltà degli stessi. Un prototipo di esame sarà disponibile sulla piattaforma Virtuale. Il punteggio è espresso in trentesimi, con ugual peso alla parte di microeconomia e di macroeconomia. Il voto totale è dato dalla somma dei punteggi attribuiti a ogni sezione e di volta in volta indicati sul testo d'esame in modo appropriato. Il punteggio minimo assegnato a ogni risposta e' zero: risposte errate non ottengono punteggi negativi. Il punteggio massimo ottenibile con tutte risposte esatte, complete e approfondite e' 30 e lode. La prova si intende superata con un punteggio minimo di 18/30. Non è consentito l'uso di materiale di supporto (libri di testo, appunti, supporti informatici e connessi alla rete ecc.). Per gli studenti iscritti al I anno di corso sono previste due prove intermedie: la prima, riguardante la parte di microeconomia, la seconda, la parte di macroeconomia. Tali prove si tengono, rispettivamente, dopo la quinta e la decima settimana di lezione. Lo studente che voglia rifiutare il voto conseguito nelle prove parziali deve sostenere l’esame completo in uno degli appelli ordinari. Lo studente ha facoltà di rifiutare il voto positivo una sola volta. Il voto è da considerarsi per l'esame nel suo complesso e non è possibile mantenere il voto conseguito in una sola parte della prova. Le prove intermedie hanno, ognuna, durata di 45 minuti. L’esame completo ha durata di 1 ora e 30 minuti. Per quanto riguarda la verifica dell'apprendimento, l'uso dell'IA è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica. Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento. Per ulteriori informazioni si rimanda alla pagina del corso sulla piattaforma Virtuale.
Testi di riferimento
Il seguente libro di testo costituisce la base di riferimento per l'apprendimento. Eventuali testi alternativi potranno essere indicati su richiesta degli studenti. Frank, R. H., B. S. Bernanke, K. Antonovics, O. Heffetz, Principi di Economia, quinta edizione, 2022, Mc Graw Hill.
Codice insegnamento 03576
ECONOMIA E GESTIONE DI IMPRESA [cod. 79405]1° anno · 3 file
IDONEITA' LINGUA INGLESE B - 1 Per informazioni sui contenuti, didattica e iscrizioni, riconoscimento di certificazioni, equipollenza ecc. consultare il sito del Centro Linguistico d'Ateneo http://www.cla.unibo.it/idoneita-linguistica1° anno · 1° semestre · 6 CFU · L-LIN/12 · 0 file
IDONEITA' LINGUA INGLESE B - 21° anno · 1° semestre · 6 CFU · L-LIN/12 · 0 file
INFORMATICA1° anno · 10 CFU · ING-INF/05 · 0 file
Al termine del corso lo studente ha conoscenze di base sull’Informatica e sull’Ingegneria del software: elaboratori, reti, aspetti organizzativi, database, cifratura dei dati, autenticazione, firma elettronica,…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente ha conoscenze di base sull’Informatica e sull’Ingegneria del software: elaboratori, reti, aspetti organizzativi, database, cifratura dei dati, autenticazione, firma elettronica, comunicazione e linguaggi, ciclo di vita del software. È inoltre in grado di realizzare semplici programmi interattivi utilizzando i linguaggi HTML, CSS e Javascript.
Programma
Introduzione all'informatica e alla programmazione. Programmazione in Python: nomi e loro visibilità, funzioni, oggetti modificabili e non modificabili, tipi di base e loro uso nella risoluzione di problemi di media difficoltà. Classi e oggetti. Tipi di dato astratti come classi. Cenni di complessità computazionale. Il corso ha un'intensa attività di laboratorio, in cui il docente è affiancato da tutor.
Modalità d'esame
Il corso ha sia lezioni tradizionali che lezioni di laboratorio, con un unico esame. Ogni settimana saranno proposti in laboratorio alcuni test di autovalutazione: non sono necessari per l'esame, ma costituiscono un importante strumento per la sua preparazione. La consegna di tutti gli assegnamenti durante l'anno dà diritto ad un bonus di 1 punto. L'esame è costituito da due parti: (i) una prova di programmazione (durata: 2.5 ore); (ii) una prova scritta su carta (1 ora, non è consentita la consultazione di appunti o testi). Le due prove devono essere sostenute nello stesso appello, senza eccezioni. Prova di programmazione: La prova si svolge sulla piattaforma online su cui si svolge anche il laboratorio, in un'aula attrezzata con PC. Quindi lo studente dovrà usare il PC d'aula e non il proprio portatile. Di durata complessiva di 2.5 ore, è a sua volta costituita da due parti: una prima parte consiste nella redazione di alcuni programmi, con correzione automatica su dati di prova; a questa parte, al momento della consegna viene immediatamente assegnato un voto compreso tra 0 e 10, con sufficienza a 5. Se questa parte è insufficiente, l'esame termina ed è globalmente insufficiente. Se la valutazione è compresa tra 5 e 10 lo studente ha accesso alla seconda parte e alla prova scritta del giorno successivo. la seconda parte consiste nella redazione di alcuni programmi, che saranno corretti e valutati manualmente dal docente assieme alla prova scritta. Anche questa parte viene erogata attraverso la piattaforma di laboratorio e propone dei test automatici, ma tali test non sono definitivi per la valutazione finale. Il tempo complessivo di 2.5 ore viene amministrato autonomamente dallo studente; una volta consegnata la prima parte, la consegna è definitiva. Prova scritta: Della durata di 1 ora, è un esame scritto tradizionale, senza appunti, su carta. Viene valutato dal docente insieme alla seconda parte della prova di programmazione. All'insieme delle due viene assegnato un voto compreso tra 0 e 24, con sufficienza a 13. L'eventuale insufficienza della prova (meno di 13) rende necessario sostenere di nuovo anche la prova di programmazione, ad un appello successivo. Il voto finale è determinato sommando il voto (sufficiente) della prima parte della prova di programmazione (5-10), dello scritto (sufficiente: 13-24), e l'eventuale bonus (0-1). Se il risultato è maggiore o uguale a 32, il voto è 30Lode.
Testi di riferimento
I testi consigliati per la parte di programmazione in Python sono i seguenti. John V. Guttag, Introduzione alla programmazione con python, Egea, 2021 (traduzione italiana ridotta di: Introduction to Computation and Programming Using Python Third Edition: With Application to Computational Modeling and Understanding Data MIT Press, 2021). Per la parte di programmazione in R, sono consigliati i seguenti testi. W. John Braun and Duncan J. Murdoch, A First Course in Statistical Programming with R (3rd edition), Cambridge University Press. Altre letture consigliate: Allen B. Downey, Think Python 2e. O'Reilly Media, 2012. ISBN 879-1449330729. Jessen Havill, Discovering Computer Science; Interdisciplinary Problems, Principles, and Python Programming. Chapman and Hall/CRC.
The main objectives of the course are to provide: - general knowledge and understanding of the Information and Communication Technologies, their concepts and terminology - good understanding of the main concepts of…
Scheda dell'insegnamento
Obiettivi formativi
The main objectives of the course are to provide: - general knowledge and understanding of the Information and Communication Technologies, their concepts and terminology - good understanding of the main concepts of computer programming and of the structure of algorithms, including the elements of computational complexity - ability to write the solution to a problem in terms of algorithm, with special reference to simple statistical computations - good understanding of the R language, including its data types and the language constructs for structured programming - ability to translate an algorithm into an R program.
Programma
Hardware, software, description of different computer types. Architecture of a personal computer; central processing unit, input and output devices, mass memories, main memories, memory sizes, performances of a computer. Types of software. Operating system and application programs. Principles of operating systems from the user point of view. Programming environments. Local and wide area networks. Networking. E-mail, internet and web access. Data security. Basics of programming: definition and design of an algorithm, data types. Data types in R. Structured programming, sequence, iteration, choice; procedures and functions. Structured programming in R. Generation and usage of random values in R. Design of programs. Implementation and test of programs with the R language. Laboratory activity: programming with the R language.
Modalità d'esame
The assessment is done in two parts, plus an optional oral part. The final grade is computed adding the grades on the individual parts. 1. Verification of knowledge - A multiple choice test covers theory and lectures; pts. 14, minimum to pass pts. 7 2. Verification of abilities - A programming test is done in the laboratory, it requires the writing of an algorithm for the solution of a computing problem (pts. 8) and the translation in R language, using an appropriate programming environment (pts. 8), total pts. 16, minimum to pass pts. 8. For the algorithm writing, in order to pass it is required at least to correctly set the general structure of the solution and find the main "loops". For the R translation it is necessary at least to represent the general structure of the algorithm with not more than four syntax errors or statement omissions. 3. An optional oral part covers all the topics of the course, the evaluation ranges from -3pts to +3pts. -3 corresponds to "no answer", 0 is assigned if the students exhibits at least a general idea on the topic of the questions. The oral part is mandatory if the sum of the points obtained in parts 1 and 2 is less than 18 or if the student did not pass one of the two parts. More details in the Teaching Resources on Virtuale
Testi di riferimento
W. John Braun and Duncan J. Murdoch, A First Course in Statistical Programming with R, Cambridge University Press, (editions from 2007 are all valid) ICDL Computer Essentials (syllabus) In English: many books available, e.g. ICDL Plus Computer Essentials ICDL Online Essentials (syllabus) In English: many books available, e.g. ICDL plus Online Essentials (English Edition)
Codice insegnamento 60348
LABORATORIO DI ANALISI DEI DATI1° anno · 4 CFU · 0 file
Al termine del laboratorio lo studente è in grado di utilizzare adeguati strumenti informatici che consentono di implementare le procedure proprie dell'analisi statistica di base
Scheda dell'insegnamento
Obiettivi formativi
Al termine del laboratorio lo studente è in grado di utilizzare adeguati strumenti informatici che consentono di implementare le procedure proprie dell'analisi statistica di base
Programma
Introduzione all'uso del software e linguaggio statistico R per analisi descrittive e per la stesura di un report statistico. Introduzione all’ambiente di sviluppo integrato (IDE) RStudio Espressioni aritmetiche e logiche in R Tipi di dato Strutture dati in R: vettori, matrici, array, liste e data frame Importazione e pulizia di dataset Statistiche descrittive per variabili numeriche e categoriche Visualizzazioni grafiche con R base e ggplot2 Analisi bivariate Report riproducibili con R Markdown Introduzione ai pacchetti tidyverse
Modalità d'esame
La prova finale prevede la realizzazione di un report riproducibile, individuale o di gruppo, basato sull'analisi di un dataset reale. L'elaborato, redatto in R Markdown, sarà discusso durante l’esame orale. Le modalità di consegna e le linee guida per il report sono disponibili su Virtuale. Durante l’esame orale, gli studenti dovranno dimostrare una conoscenza delle basi del linguaggio R, in particolare del codice e delle funzioni utilizzate nel report. Inoltre, dovranno essere in grado di argomentare e giustificare l’adeguatezza delle analisi effettuate. Il superamento di questa prova comporta il conseguimento dell'idoneità.
Testi di riferimento
I materiali (script R, slide e risorse online) verranno forniti dalla docente e resi disponibili su Virtuale.
Codice insegnamento 17241
LINEAR ALGEBRA1° anno · 10 CFU · MAT/03 · 0 file
The aim of this course is to provide a standard introduction to linear algebra and matrix analysis. By the end of the course the student should: - be familiar with basic concepts and properties of finite dimensional real…
Scheda dell'insegnamento
Obiettivi formativi
The aim of this course is to provide a standard introduction to linear algebra and matrix analysis. By the end of the course the student should: - be familiar with basic concepts and properties of finite dimensional real vector spaces - be familiar with algebra of real matrices - be able solve linear systems - be familiar with basic concepts and properties of euclidean spaces - understand the meaning of least square solution of a linear system and be able to find it - master linear transformations between vector spaces and their representation by matrices - be able to diagonalize, if possible, a linear operator or a square matrix and to find the spectral decomposition of a symmetric operator or matrix
Programma
Linear systems. Matrices. Linear systems and matrices. Properties of matrices, operation on matrices. Solutions of homogeneous and non-homegenous linear systems. Vector spaces, especially finite dimensional vector spaces. Linear transformations. Linear transformation and matrices. The determinant; properties and applications. Inner product spaces. Projections. Exact solutions and least square solutions of linear systems. Eingenvalues and eigenvectors; similarity of matrices and diagonalizable matrices. Symmetric matrices and spectral decomposition.Special forms of matrices. Quadratic forms and matrices. Positive (negative) definite forms and matrices. Jordan Form, Singular value decomposition. Applications. The detailed syllabus is published on Virtuale.
Modalità d'esame
The exam consists of a mandatory written part, possibly followed by an oral part to be taken in the same exam session. Either the Instructor or the student may request the oral exam. The total score will be the average of the written and oral part. In order to take the oral exam the mark of the written part should be at least 16/30. When there is no request to take the oral exam the score of the written test will be the score for the course. The written and oral part cover the whole program. The written part consists of a two hours exam of theory and proofs. No calculators or others electronic tools are allowed. The goal of the exam is to verify the understanding of the material covered in the course and the ability to solve problems. The oral exam will start with a discussion of the written test. The use of Artificial Intelligence's tools and other electronic devices are not allowed during the exams. The calendar of the exams is posted on Almaesami. Before starting the written and the oral part, students must show their University ID.
Testi di riferimento
"Introduction to Linear Algebra" Gilbert Strang, Wellesley Cambridge Press "Linear Algebra Done Wrong" S. Treil A. Grassi: Lecture notes posted on e-learning platform Virtuale.
Codice insegnamento 65086
MATHEMATICS I1° anno · 10 CFU · MAT/05 · 0 file
By the end of the course the student should know the basic notions of derivative and integral, and the basic techniques and applications which accompany them. In particular the student should be able to - study real…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basic notions of derivative and integral, and the basic techniques and applications which accompany them. In particular the student should be able to - study real functions - calculate derivatives and integrals - approximate a function by polynomial series expansion
Programma
1) Numbers And Functions 2) Graphs And Curves 3) Derivative 4) Sketching Curves 5) Classical Functions 6) Integration 7) Series 8) Taylor's Formula 9) Miscellaneous: Complex Numebrs, Vectors 10) Several Variables Function Theory
Modalità d'esame
Written ( and optional oral ) exams. The written exam is articulated in a series of 3 or more exercises each with a maximum grade of 5 points. Every exercise attains to elements of the syllabus and the relevant Bibliography covered during the course lectures or otherwise hinted at during classes. The (optional ) oral exam may cover the same range of topics as well, while keeping into accont the candidate's perfomance in the previously held written test. Some more details may be in order: [1] Grades are expressed on a scale from 0 to 30 cum Laude (30L), where 18 is the passing threshold. [2] It is highly recommended that students attend to classes, where a number of exam-like problems will be solved and presented completely. [3] Written exams may last from 1 to 3 hours, depending on the stage and the session they are attached to. [4] Written exams will be mainly made up by a collection of exercises, some of them basic run of the mill stuff, some more challenging. [5] The method of execution, the precision of presentation and, needless to say, the correctness and the accuracy of the results will constitute the main factor in establishing the grade. [6] The optional oral exam will be graded in a similar manner and an arithmetic mean of the (i.e. written and oral) grades will yield the final mark.
Testi di riferimento
[0] Tom Apostol Calculus Volume 1 [1] James Stewart Single Variable Calculus: Early Transcendentals [2] Schaum's Outline of Advanced Calculus, Third Edition Robert Wrede, Murray Spiegel
Codice insegnamento 79184
PROBABILITY I1° anno · 2° semestre · 6 CFU · MAT/06 · 0 file
By the end of the course module the student should know the basic tools of probability calculus, with a special focus on their role in the statistical analysis. In particular, the student should be able to: - compute the…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course module the student should know the basic tools of probability calculus, with a special focus on their role in the statistical analysis. In particular, the student should be able to: - compute the probability of events, by using the axioms and the fundamental theorems of probability calculus - identify the main discrete and continuous random variables and compute their expected values and variances - analytically treat univariate and bivarate random variables.
Programma
Probability spaces and Kolmogorov axioms Conditional probability, Law of Total Probability and Bayes' formula Independent events Random variables and distribution functions, discrete and continuous random variables, expected value, variance and covariance Discrete models: Bernoulli, Binomial, Hypergeometric, Poisson, Geometric Continuous models: Uniform, Gaussian, Gamma, Student, Fisher. Law of Large Numbers and applications Central Limit Theorem and applications
Modalità d'esame
The Probability I course is part of the integrated course Statistics and Probability. The course Statistics and Probability consists in a written and an oral assessment. The written assessment lasts 2 hours and is composed of two parts related to Statistics and Probability respectively. For the Probability I written assessment the student is required to solve 2 exercises each with a maximum grade of 15 points. The written test is aimed at assessing the student's ability to use the definitions, properties and theorems of probability theory in solving theoretical exercises. Every exercise attains to elements of the syllabus covered during the course lectures.The mark for the written assessment will be the average of the mark in Statistics and the mark in Probability. The oral assessment involves questions on the theory of both Statistics and Probability. Only the students who have passed the written exam can sit the oral one. Students can take the written exam in one sitting and the oral exam in a different one. In case of online exam, this will be supported by the softwares Teams, Zoom and EOL (https://eol.unibo.it/)
Testi di riferimento
Alberto Lanconelli, Introduction to Probability Theory (2023) ISBN-13: 979-8850457037
Al termine del modulo lo studente conosce i temi di base della statistica sotto il profilo metodologico e applicativo. In particolare lo studente è in grado di: - sintetizzare le informazioni in distribuzioni statistiche…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del modulo lo studente conosce i temi di base della statistica sotto il profilo metodologico e applicativo. In particolare lo studente è in grado di: - sintetizzare le informazioni in distribuzioni statistiche e grafici - scegliere e calcolare i valori medi e le misure di variabilità più coerenti con gli specifici problemi fenomenici - misurare l'intensità della relazione tra caratteri, anche di natura diversa
Programma
Unità statistiche e caratteri. Scale di misura. Distribuzioni statistiche e rappresentazioni grafiche. Rapporti statistici e numeri indice. Valori medi (moda, mediana, quantili, media aritmetica, armonica, geometrica e quadratica) e misure di variabilità (intervallo di variabilità, intervallo interquartile, devianza, varianza, scarto quadratico medio, coefficiente di variabilità, rapporto di concentrazione di Gini). Relazioni tra due caratteri osservati sulle medesime unità statistiche. Misure di indipendenza in distribuzione e in media. Regressione semplice e correlazione.
Modalità d'esame
L'obiettivo è quello di verificare l'apprendimento degli strumenti di base della Statistica, nonché le capacità critiche maturate dallo studente nella scelta dello strumento più adeguato per un dato problema. L'esame del modulo di Statistica consiste in una prova scritta. La prova consiste nella soluzione di esercizi e in diverse domande di teoria e ragionamento sugli argomenti visti durante il corso. Per la parte di prova relativa ai contenuti di Calcolo delle probabilità si rimanda alla consultazione di Guideweb per tale insegnamento. La votazione complessiva per il corso integrato tiene conto dell'esito dei due moduli ed è espressa in trentesimi.
Testi di riferimento
G. Cicchitelli, Statistica, Principi e Metodi, Pearson Education Italia.
Codice insegnamento 00914
STATISTICA E CALCOLO DELLE PROBABILITA' (C.I.)1° anno · 2° semestre · 0 file
Al termine del modulo lo studente conosce i temi di base della statistica sotto il profilo metodologico e applicativo. In particolare lo studente è in grado di: - sintetizzare le informazioni in distribuzioni statistiche…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del modulo lo studente conosce i temi di base della statistica sotto il profilo metodologico e applicativo. In particolare lo studente è in grado di: - sintetizzare le informazioni in distribuzioni statistiche e grafici - scegliere e calcolare i valori medi e le misure di variabilità più coerenti con gli specifici problemi fenomenici - misurare l'intensità della relazione tra caratteri, anche di natura diversa
Programma
Unità statistiche e caratteri. Scale di misura. Distribuzioni statistiche e rappresentazioni grafiche. Rapporti statistici e numeri indice. Valori medi (moda, mediana, quantili, media aritmetica, armonica, geometrica e quadratica) e misure di variabilità (intervallo di variabilità, intervallo interquartile, devianza, varianza, scarto quadratico medio, coefficiente di variabilità, rapporto di concentrazione di Gini). Relazioni tra due caratteri osservati sulle medesime unità statistiche. Misure di indipendenza in distribuzione e in media. Regressione semplice e correlazione.
Modalità d'esame
L'obiettivo è quello di verificare l'apprendimento degli strumenti di base della Statistica, nonché le capacità critiche maturate dallo studente nella scelta dello strumento più adeguato per un dato problema. L'esame del modulo di Statistica consiste in una prova scritta. La prova consiste nella soluzione di esercizi e in diverse domande di teoria e ragionamento sugli argomenti visti durante il corso. Per la parte di prova relativa ai contenuti di Calcolo delle probabilità si rimanda alla consultazione di Guideweb per tale insegnamento. La votazione complessiva per il corso integrato tiene conto dell'esito dei due moduli ed è espressa in trentesimi.
Testi di riferimento
G. Cicchitelli, Statistica, Principi e Metodi, Pearson Education Italia.
Al termine del corso lo studente ha conoscenza dei principali aspetti connessi all'osservazione ed alla misura statistica di base dei fenomeni economici. In particolare lo studente è in grado di: - individuare i…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente ha conoscenza dei principali aspetti connessi all'osservazione ed alla misura statistica di base dei fenomeni economici. In particolare lo studente è in grado di: - individuare i principali aggregati ed indicatori statistici da considerare per rappresentare il funzionamento di un sistema economico e comprendere le relazione tra gli aggregati - costruire e calcolare misure statistiche per l’analisi della variazione temporale e spaziale di aggregati economici, ed interpretarne i risultati - conoscere la natura ed il contenuto delle principali fonti di informazioni statistico-economiche ufficiali - effettuare analisi relative a fenomeni quali produzione, PIL, inflazione, qualità dei dati economici, mercato de lavoro, ecc. ed interpretarne i risultati
Programma
Introduzione all’insegnamento Presentazione degli argomenti. Illustrazione del programma e delle modalità di valutazione. L'osservazione dei fenomeni economici e alla loro misura. Analisi macro e micro dei fenomeni economici. I concetti di produzione e di reddito. Il circuito economico primario. Il sistema di contabilità nazionale Il Sistema Europeo dei Conti economici integrati (SEC95), i saldi rilevanti e la descrizione quantitativa del funzionamento del sistema economico. Gli operatori economici. La formazione e l’impiego delle risorse. La distribuzione e la redistribuzione del reddito. L’accumulazione ed i conti patrimoniali. Le transazioni internazionali. Il modello delle interdipendenze settoriali La contabilità per branche: le tavole delle risorse, le tavole degli impieghi, le tavole input-output. Il modello teorico di Leontief e la contabilità nazionale. Utilizzi del modello per l'analisi e la politica economica. La misura della variazione degli aggregati economici nel tempo Numeri indici elementari e relative proprietà. Serie di numeri indici a base fissa e base mobile. Numeri indici sintetici: scelta delle merci, della formula di calcolo, dei pesi. I numeri indici di Laspeyres, Paasche e Fisher. Proprietà dei numeri indici sintetici di prezzo e quantità. I principali numeri indici calcolati dall’Istat: NIC, FOI e IPCA. I numeri indici economici: numeri indici di Konus-Laspeyres e di Konus-Paasche. Metodi di valutazione degli aggregati economici a prezzi correnti e costanti, variazioni nominali e reali. Deflazione tramite numeri indici dei prezzi calcolati per concatenamento. La variazione degli aggregati economici “non merci”. La misura della variazione degli aggregati economici nello spazio Confronti spaziali di aggregati economici mediante i tassi di cambio e “a parità di potere di acquisto”. Le parità economiche elementari. Confronti bilaterali ed unilaterali. Metodi EKS e GK. Metodi classici per l’analisi delle fluttuazioni economiche temporali Analisi classica. Le componenti non osservabili di una serie storica. La stima delle componenti. Il metodo delle medie mobili. Il lisciamento esponenziale. Il mercato del lavoro Le misure del mercato del lavoro: tasso di occupazione, disoccupazione, attività. L'Indagine sulle Forze di lavoro. L'input di lavoro dei conti nazionali. La stima del PIL Metodi di stima del PIL. Incidenza sul PIL dell’economia non osservata.
Modalità d'esame
L'accertamento dell'apprendimento avviene mediante una prova scritta. Oltre a rispondere ad alcune domande che vertono sui metodi (nel linguaggio comune, le “domande di teoria”), gli studenti dovranno svolgere esercizi in cui dimostrano di saper applicare gli strumenti statistico-economici illustrati a lezione. A titolo di esempio sulla piattaforma InsegnamentiOnLine (IOL) è disponibile un testo che contiene domande “tipo” relative alla prova d'esame. È comunque richiesto che lo studente sia in grado di svolgere in autonomia gli esempi ed esercizi presentati a lezione. La prova d’esame ha durata di 1 ora e mezza. Il numero delle domande contenute nel compito varia a seconda della difficoltà dei singoli quesiti. Durante la prova a) non è ammesso l'uso di materiale di supporto quali libri di testo, appunti, supporti informatici, b) è necessario dotarsi di calcolatrice (non è consentito l’uso della calcolatrice del telefono cellulare), c) a ciascun candidato verrà richiesto di esibire un documento di riconoscimento per la verifica dell'identità ed il badge che attesta l’iscrizione all’Università di Bologna. Per sostenere la prova d'esame è necessaria l'iscrizione tramite Almaesami, nel rispetto inderogabile delle scadenze previste. Coloro che non riuscissero per motivi tecnici o problemi particolari ad iscriversi entro la data prevista, sono tenuti a comunicarlo tempestivamente (e comunque prima della chiusura ufficiale delle liste di iscrizione) al docente e sarà facoltà del docente decidere se ammetterli a sostenere la prova. Gli studenti che, dopo essersi iscritti, decidessero di non partecipare all’esame sono pregati di cancellare l’iscrizione. Nel caso non lo facessero, si verbalizzerà la modalità “Ritirato”. Non saranno forniti via email chiarimenti o spiegazioni inerenti gli argomenti in programma. La valutazione dei contenuti delle risposte presenti nella prova d’esame terrà conto in modo particolare dei seguenti aspetti: a) articolazione, precisione e chiarezza nell’esposizione dei contenuti teorici acquisiti e nella illustrazione delle applicazioni, b) capacità di fornire la corretta risposta, articolata in tutti gli aspetti proposti nella domanda, c) capacità di interpretare i risultati ottenuti, dove richiesto. La verbalizzazione della valutazione conseguita avviene in una data fissata e comunicata mediante Almaesami. E' possibile prendere visione del compito e chiedere chiarimenti in occasione della data di verbalizzazione immediatamente successiva all'appello in cui si è sostenuto l'esame. La possibilità di utilizzare orari alternativi di ricevimento per prendere visione del compito è riservata a casi eccezionali, con una valida motivazione. La verbalizzazione può avvenire in assenza dello studente. In ottemperanza alla normativa di Ateneo, è consentito solo per una occasione d’esame il rifiuto del voto positivo conferito dal docente. La volontà di rifiutare il voto va comunicata via e-mail al docente utilizzando l'indirizzo istituzionale, ovviamente prima della data individuata per la verbalizzazione. L’Intelligenza Artificiale può essere uno strumento utile per coadiuvare lo studio individuale con approfondimenti, sintesi e percorsi di autovalutazione. Per quanto riguarda la verifica dell’apprendimento, durante l’esame in presenza l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
Testi di riferimento
Testi di riferimento Cheli B., A. Coli (2015, 2a edizione), Lezioni di statistica economica, Il Borghetto (punti 1, 2, 3, 5, 6, 7, 8 e 9 del programma). Il testo è in corso di revisione, una copia pdf in bozza è disponibile sulla piattaforma "Virtuale" di UNIBO. Siesto V. (2003), La contabilità nazionale. Il sistema dei conti del 2000, Il Mulino, cap. 2, par. 10,11,12 (punto 3del programma). Guarini R., F. Tassinari (2000), Statistica Economica. Problemi e metodi di analisi, il Mulino, 3° edizione, capitolo 4 (punto 4 del programma). Di Fonzo T., F. Lisi (2015), Serie storiche economiche - Analisi statistiche e applicazioni, Carocci, capp. 1, 2, 3.1-3.6 (punto 8 del programma). Testi per eventuali approfondimenti Giovannini E., R. Monducci(2025), Le statistiche economiche, Il Mulino, 3rd edition. ISTAT, Istituto nazionale di statistica (2018), Rapporto annuale 2018 – LA situazione del Paese. https://www.istat.it/it/archivio/214230 ISTAT, Istituto nazionale di statistica (2012), Linee guida per la qualità dei processi statistici. http://www.istat.it/it/strumenti/qualità-dei-dati/linee-guida (esclusi i paragrafi E.4-E.7) Lequiller, F. and D. Blades (2014), Understanding National Accounts: Second Edition, OECD Publishing. http://dx.doi.org/10.1787/9789264214637-en Miller R. E., P. D. Blair (2009), Input-Output Analysis: Foundations and Extensions, 2nd edition, Cambridge University Press Predetti A. (2006), I numeri indici. Teoria e pratica dei confronti temporali e spaziali, Giuffrè. Siesto V. (2003), La contabilità nazionale. Il sistema dei conti del 2000, Il Mulino. Eventuali altri testi utili per approfondimenti saranno indicati dal docente durante le lezioni e comunicate agli studenti mediante documenti informativi resi disponibili su "Virtuale".
STATISTICS AND PROBABILITY (I.C)1° anno · 2° semestre · 0 file
By the end of the course module the student should know the basic themes of statistics either from a methodological and an applied perspective. In particular, the student should be able to: - summarize statistical data…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course module the student should know the basic themes of statistics either from a methodological and an applied perspective. In particular, the student should be able to: - summarize statistical data using distributions and graphs - select and compute the most appropriate summary statistics (mean values and variability measures) - measure the strength of the association between two characters observed on the same set of units.
Programma
During the course the following topics will be addressed · Statistical units and variables · The concept of natural variation · Quantitative and qualitative data · Observed and relative frequencies · Statistical distributions · Mean values (mode, median, quantiles, arithmetic, harmonic, geometric, quadratic mean) · Variability measures (range, interquartile range, deviance, variance, standard deviation, coefficient of variability, Gini's ratio) · Graphical representations of data · Relationship between two characters · Measures of independence in distribution and independence on average · Simple linear regression and correlation; R2
Modalità d'esame
The Statistics I course is part of the Integrated course Statistics and Probability. The course Statistics and Probability consists in a written and an oral assessment. The written assessment lasts 2 hours and is composed of two parts related to Statistics and Probability respectively. For the Statistics written assessment the student is required to solve exercises related to both Univariate and Bivariate situations. The test is closed book. The student con use the formula sheet that is provided on Virtuale and a pocket calculator only. See https://www.unibo.it/it/didattica/insegnamenti/insegnamento/2022/403280 for what concerns Probability I. The mark for the written assessment will be the average of the mark in Statistics and the mark in Probability. The oral assessment involves questions on the theory of both Statistics and Probability. Only the students who have passed the written exam can sit the oral one. Students can take the written exam in one sitting and the oral exam in a different one. Students who regularly attend classes have the possibility to split the written exam in two parts. They can take the written exam for Statistics I by enrolling on Almaesami for Statistics and probability written exam (I parziale). Only those who pass can take the written exam for Probability I by enrolling on Almaesami for Statistics and probability written exam (II parziale + totale). In case they pass both partial exams, they can sit the oral. In case a student has passed the partial for Statistics I but fails Probability I he must take the Total exam. A Mock exam will be proposed during the last class and published with solution on Virtuale afterwards. Past exams will be made available on Virtuale.
Testi di riferimento
Notes on virtuale Making sense of data through statistics, Dorit Nevo, Legerity press, 2017 Statistics- principles and methods, G. Cicchietelli, P. D'Urso, M. Minozzo, Pearson, 2021
By the end of the course module the student should know the basic themes of statistics either from a methodological and an applied perspective. In particular, the student should be able to: - summarize statistical data…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course module the student should know the basic themes of statistics either from a methodological and an applied perspective. In particular, the student should be able to: - summarize statistical data using distributions and graphs - select and compute the most appropriate summary statistics (mean values and variability measures) - measure the strength of the association between two characters observed on the same set of units.
Programma
During the course the following topics will be addressed · Statistical units and variables · The concept of natural variation · Quantitative and qualitative data · Observed and relative frequencies · Statistical distributions · Mean values (mode, median, quantiles, arithmetic, harmonic, geometric, quadratic mean) · Variability measures (range, interquartile range, deviance, variance, standard deviation, coefficient of variability, Gini's ratio) · Graphical representations of data · Relationship between two characters · Measures of independence in distribution and independence on average · Simple linear regression and correlation; R2
Modalità d'esame
The Statistics I course is part of the Integrated course Statistics and Probability. The course Statistics and Probability consists in a written and an oral assessment. The written assessment lasts 2 hours and is composed of two parts related to Statistics and Probability respectively. For the Statistics written assessment the student is required to solve exercises related to both Univariate and Bivariate situations. The test is closed book. The student con use the formula sheet that is provided on Virtuale and a pocket calculator only. See https://www.unibo.it/it/didattica/insegnamenti/insegnamento/2022/403280 for what concerns Probability I. The mark for the written assessment will be the average of the mark in Statistics and the mark in Probability. The oral assessment involves questions on the theory of both Statistics and Probability. Only the students who have passed the written exam can sit the oral one. Students can take the written exam in one sitting and the oral exam in a different one. Students who regularly attend classes have the possibility to split the written exam in two parts. They can take the written exam for Statistics I by enrolling on Almaesami for Statistics and probability written exam (I parziale). Only those who pass can take the written exam for Probability I by enrolling on Almaesami for Statistics and probability written exam (II parziale + totale). In case they pass both partial exams, they can sit the oral. In case a student has passed the partial for Statistics I but fails Probability I he must take the Total exam. A Mock exam will be proposed during the last class and published with solution on Virtuale afterwards. Past exams will be made available on Virtuale.
Testi di riferimento
Notes on virtuale Making sense of data through statistics, Dorit Nevo, Legerity press, 2017 Statistics- principles and methods, G. Cicchietelli, P. D'Urso, M. Minozzo, Pearson, 2021
Codice insegnamento 79221
STATISTICS II1° anno · 6 CFU · SECS-S/01 · 0 file
By the end of the course, the student should know the main topics in statistical inference. In particular the student should be able to: 1- derive an estimator and its properties; 2- define and verify parametric and…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course, the student should know the main topics in statistical inference. In particular the student should be able to: 1- derive an estimator and its properties; 2- define and verify parametric and non parametric statistical hypothesis in simple contexts; 3- build confidence intervals; 4 fit a simple linear regression model.
Programma
Random sampling and sampling distributions. Central limit theorem. Estimation theory. Point estimation: finite sample and asymptotic estimator properties Confidence intervals. Statistical hypothesis tests and their logic and interpretation. The concept of p-values. Tests for many standard problems including the mean, proportion, two sample comparison, categorical data. Issues with and criticism of tests.
Modalità d'esame
105 minutes written exam with different question covering different aspects of the course including a theoretical question (understanding of the theory behind the methods, and how it can be derived), questions asking for applying methods learned in the course to data and interpretation of results (ability to apply the methods and to understand and interpret results in practically relevant ways). There will also be some yes/no questions with short reason to test the understanding of the general reasoning behind the material. Up to 30 marks can be earned in the exam. There are also 5/30 bonus marks to be added to the exam marks (as long as they are below 30) for regular homework activity (exercises have to be done even if not necessarily correctly). Normally a 30L will be achieved by achieving a sum of larger than 31 from homework bonus marks and the exam, however I may give a 30L for a truly exceptional exam performance alone.
Testi di riferimento
P.S. Mann "Introductiory Statistics" eight edition, Wiley 2013. J.A. Rice "Mathematical Statistics and Data Analysis" third edition, Duxbury/Thomson/Brooks/Cole 2007. Lecture notes.
Codice insegnamento 79189
ALGEBRA2° anno · 6 CFU · MAT/03 · 0 file
Al termine del corso lo studente possiede le conoscenze di base dell'algebra lineare e in particolare dell'algebra delle matrici. In particolare lo studente è in grado di: - operare con vettori n-dimensionali e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le conoscenze di base dell'algebra lineare e in particolare dell'algebra delle matrici. In particolare lo studente è in grado di: - operare con vettori n-dimensionali e matrici, risolvendo sistemi di equazioni lineari - effettuare proiezioni ortogonali nello spazio euclideo reale n-dimensionale - diagonalizzare matrici e classificare forme quadratiche reali
Programma
Nozioni preliminari: Prodotto cartesiano. I numeri reali. Polinomi e teorema fondamentale dell'algebra. Matrici: operazioni fra matrici, determinanti, matrici invertibili Sistemi lineari: metodo di riduzione di Gauss, teorema di Cramer Spazi vettoriali di dimensione finita: R^n, sottospazi vettoriali, basi, rango di una matrice, teorema di Rouché-Capelli per sistemi lineari, matrice del cambiamento di base Applicazioni lineari: matrice associata, nucleo e immagine, autovalori e autovettori, diagonalizzazione, teorema spettrale reale Forme bilineari e forme quadratiche Spazi euclidei: prodotto scalare, basi ortogonali, complemento ortogonale, proiezioni ortogonali
Modalità d'esame
L' esame è una prova scritta con due domande di teoria e tre esercizi che consistono in varianti degli esercizi svolti in classe. Non è prevista la prova orale. Ogni domanda di teoria vale 2 punti mentre il punteggio totale della prova è 33. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Dispense di teoria e esercizi fornite dalla docente. Come letture, si consigliano i seguenti testi: Fioresi R., Morigi M.: Introduzione all'algebra lineare. Seconda edizione, Cea Schlesinger E.: Algebra Lineare e Geometria, Zanichelli
Codice insegnamento 00005
ALGEBRA E MODELLI LINEARI (C.I.)2° anno · 0 file
Al termine del corso lo studente possiede le conoscenze di base dell'algebra lineare e in particolare dell'algebra delle matrici. In particolare lo studente è in grado di: - operare con vettori n-dimensionali e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le conoscenze di base dell'algebra lineare e in particolare dell'algebra delle matrici. In particolare lo studente è in grado di: - operare con vettori n-dimensionali e matrici, risolvendo sistemi di equazioni lineari - effettuare proiezioni ortogonali nello spazio euclideo reale n-dimensionale - diagonalizzare matrici e classificare forme quadratiche reali
Programma
Nozioni preliminari: Prodotto cartesiano. I numeri reali. Polinomi e teorema fondamentale dell'algebra. Matrici: operazioni fra matrici, determinanti, matrici invertibili Sistemi lineari: metodo di riduzione di Gauss, teorema di Cramer Spazi vettoriali di dimensione finita: R^n, sottospazi vettoriali, basi, rango di una matrice, teorema di Rouché-Capelli per sistemi lineari, matrice del cambiamento di base Applicazioni lineari: matrice associata, nucleo e immagine, autovalori e autovettori, diagonalizzazione, teorema spettrale reale Forme bilineari e forme quadratiche Spazi euclidei: prodotto scalare, basi ortogonali, complemento ortogonale, proiezioni ortogonali
Modalità d'esame
L' esame è una prova scritta con due domande di teoria e tre esercizi che consistono in varianti degli esercizi svolti in classe. Non è prevista la prova orale. Ogni domanda di teoria vale 2 punti mentre il punteggio totale della prova è 33. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Dispense di teoria e esercizi fornite dalla docente. Come letture, si consigliano i seguenti testi: Fioresi R., Morigi M.: Introduzione all'algebra lineare. Seconda edizione, Cea Schlesinger E.: Algebra Lineare e Geometria, Zanichelli
Codice insegnamento 30076
ANALISI DEI DATI LONGITUDINALI2° anno · 10 CFU · SECS-S/01 · 0 file
Il corso si pone come obiettivo quello di fornire allo studente i fondamenti metodologici di alcune delle principali tecniche statistiche per lanalisi di dati caratterizzati da una particolare struttura di dipendenza…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si pone come obiettivo quello di fornire allo studente i fondamenti metodologici di alcune delle principali tecniche statistiche per lanalisi di dati caratterizzati da una particolare struttura di dipendenza propria delle osservazioni ripetute nel tempo. Da un lato, il corso fornisce allo studente strumenti base per lanalisi di serie storiche univariate, sia a fini previsivi sia interpretativi di fenomeni economici e sociali. Dallaltro introduce lo studente ad alcuni strumenti micro-econometrici avanzati, di natura teorica e applicata, riguardanti modelli per dati panel. Al termine del corso, lo studente sarà in grado di applicare quanto appreso a casi reali, avendo sviluppato unadeguata capacità critica per quanto riguarda la scelta degli strumenti e linterpretazione dei risultati. Lo studente sarà altresì in grado di affrontare corsi avanzati di analisi di serie storiche e dati panel.
Programma
Analisi delle serie storiche Definizione intuitiva e formale di serie storica. Processi stocastici - Definizione, caratterizzazione e proprietà: stazionarietà, invertibilità ed ergodicità. Processi lineari e teorema di Wold. Operatore ritardo, operatore differenza, polinomi nell'operatore ritardo. Rappresentazione AutoRegressiva (AR) di ordine infinito e Media Mobile (MA) di ordine infinito di processi stocastici lineari. Funzioni di autocovarianza e autocorrelazione globale e parziale. Modellistica - Approssimazione finita di processi AR e MA di ordine infinito: AR(p), MA(q), ARMA(p,q). Modelli ARIMA(p,d,q) per processi lineari non stazionari omogenei. Modelli ARIMA(p,d,q)(P,D,Q) stagionali per processi lineari stagionali non stazionari omogenei. Procedura Box-Jenkins per identificazione, stima e verifica di un modello ARIMA stagionale. Analisi di serie storiche reali. Analisi di dati longitudinali Introduzione ai dati panel attraverso alcuni esempi. Perché dovremmo utilizzare dati panel? Vantaggi e limitazioni. Modelli multilivello. Introduzione. Specificazione del modello e sua stima. Esempi ed applicazioni. Modelli a curva latente. Introduzione. Specificazione del modello e sua stima. Esempi ed applicazioni.
Modalità d'esame
L'accertamento dell'apprendimento si articola in una prova scritta con domande aperte su tutti gli argomenti affrontati durante il corso per la parte di Analisi delle Serie Storiche. Tali quesiti consistono in domande aperte di teoria, esercizi e analisi su dati reali. Per quanto riguarda la parte di Analisi di Dati Longitudinali, l'accertamento dell'apprendimento consiste in un colloquio orale su discussione di un caso studio e richiami di contenuti teorici. La valutazione porterà ad un voto che farà media con il voto della verifica del primo modulo. È possibile rifiutare il voto anche solo di questo modulo. Le date degli appelli sono le stesse del I modulo (Prof. Farnè) e il colloquio si terrà al termine della prova scritta così da permettere a chi volesse di svolgere l’esame in un unico giorno. È possibile comunque svolgere i due moduli in due appelli diversi anche non consecutivi. Per l'insegnamento di Analisi di Dati Longitudinali, la valutazione finale sarà ottenuta come media delle valutazioni ottenute nei due moduli. E' possibile rifiutare il voto finale ottenuto per l'insegnamento al massimo due volte.
Testi di riferimento
Bee Dagum E. Analisi delle serie storiche. Modellistica, previsione e scomposizione. Springer-Verlag Italia, Milano, 2001. Singer J.D. e Willett J.B. Applied longitudinal data analysis: modeling change and event occurrence. Oxford University Press, 2013.
Codice insegnamento 79205
ANALISI DELLE SERIE STORICHE2° anno · 6 CFU · SECS-S/01 · 0 file
Il corso si pone come obiettivo quello di fornire allo studente i fondamenti metodologici di alcune delle principali tecniche statistiche per lanalisi di dati caratterizzati da una particolare struttura di dipendenza…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si pone come obiettivo quello di fornire allo studente i fondamenti metodologici di alcune delle principali tecniche statistiche per lanalisi di dati caratterizzati da una particolare struttura di dipendenza propria delle osservazioni ripetute nel tempo. Il corso fornisce allo studente strumenti base per lanalisi di serie storiche univariate, sia a fini previsivi sia interpretativi di fenomeni economici e sociali. Al termine del corso, lo studente sarà in grado di applicare quanto appreso a casi reali, avendo sviluppato unadeguata capacità critica per quanto riguarda la scelta degli strumenti e linterpretazione dei risultati. Lo studente sarà altresì in grado di affrontare corsi avanzati di analisi di serie storiche
Programma
Analisi delle serie storiche Definizione intuitiva e formale di serie storica. Processi stocastici - Definizione, caratterizzazione e proprietà: stazionarietà, invertibilità ed ergodicità. Processi lineari e teorema di Wold. Operatore ritardo, operatore differenza, polinomi nell'operatore ritardo. Rappresentazione AutoRegressiva (AR) di ordine infinito e Media Mobile (MA) di ordine infinito di processi stocastici lineari. Funzioni di autocovarianza e autocorrelazione globale e parziale. Modellistica - Approssimazione finita di processi AR e MA di ordine infinito: AR(p), MA(q), ARMA(p,q). Modelli ARIMA(p,d,q) per processi lineari non stazionari omogenei. Modelli ARIMA(p,d,q)(P,D,Q) stagionali per processi lineari stagionali non stazionari omogenei. Procedura Box-Jenkins per identificazione, stima e verifica di un modello ARIMA stagionale. Analisi di serie storiche reali. Analisi di dati longitudinali Introduzione ai dati panel attraverso alcuni esempi. Perché dovremmo utilizzare dati panel? Vantaggi e limitazioni. Modelli multilivello. Introduzione. Specificazione del modello e sua stima. Esempi ed applicazioni. Modelli a curva latente. Introduzione. Specificazione del modello e sua stima. Esempi ed applicazioni.
Modalità d'esame
L'accertamento dell'apprendimento si articola in una prova scritta con domande aperte su tutti gli argomenti affrontati durante il corso per la parte di Analisi delle Serie Storiche. Tali quesiti consistono in domande aperte di teoria, esercizi e analisi su dati reali. Per quanto riguarda la parte di Analisi di Dati Longitudinali, l'accertamento dell'apprendimento consiste in un colloquio orale su discussione di un caso studio e richiami di contenuti teorici. La valutazione porterà ad un voto che farà media con il voto della verifica del primo modulo. È possibile rifiutare il voto anche solo di questo modulo. Le date degli appelli sono le stesse del I modulo (Prof. Farnè) e il colloquio si terrà al termine della prova scritta così da permettere a chi volesse di svolgere l’esame in un unico giorno. È possibile comunque svolgere i due moduli in due appelli diversi anche non consecutivi. Per l'insegnamento di Analisi di Dati Longitudinali, la valutazione finale sarà ottenuta come media delle valutazioni ottenute nei due moduli. E' possibile rifiutare il voto finale ottenuto per l'insegnamento al massimo due volte.
Testi di riferimento
Bee Dagum E. Analisi delle serie storiche. Modellistica, previsione e scomposizione. Springer-Verlag Italia, Milano, 2001. Singer J.D. e Willett J.B. Applied longitudinal data analysis: modeling change and event occurrence. Oxford University Press, 2013.
Codice insegnamento 12511
ANALYSIS OF DATA2° anno · 2° semestre · 4 CFU · 0 file
The course gives students further experience of analysing data in a wide variety of contexts, using the R computer package. By the end of the course the students will be able to: - implement simple statistical…
Scheda dell'insegnamento
Obiettivi formativi
The course gives students further experience of analysing data in a wide variety of contexts, using the R computer package. By the end of the course the students will be able to: - implement simple statistical techniques, such as the normal linear model, in R. - interpret the results from statistical procedures and draw appropriate conclusions. - develop and implement an appropriate modeling approach to answer questions of interest about a given data set. - critically assess the quality of a statistical analysis conducted by someone else. - write up the results of a statistical analysis concisely in the form of a report
Programma
This is not an introductory course on R, students without the required background in basic programming are supposed to fill their gap before preparing themselves for the examination. 1) Univariate, bivariate descriptive statistics and graphics with R. 2) Probability distributions in R: random sampling, discrete and continuous distributions, densities, cumulative distribution functions and quantiles. 3) Point estimation, confidence interval, hypotheses testing and power function in R. 4) Writing functions and advanced data handling routines. 5) Linear regression applications in R. 6) RMarkdown, ggplot Students without the required background knowledge in statistics, probability and/or basic programming are supposed to fill their gap before preparing themselves for the examination. Required background knowledge in informatics/programming in R Basics of programming: definition and design of an algorithm, data types. Structured programming, sequence, iteration, choice; procedures and functions. Structured programming. Generation and usage of random values. Design of programs. Implementation and test of programs with the R language. Required background knowledge in statistics Empirical frequency distributions. Measures of location (mode, median, arithmetic mean). Measures of dispersion, linear correleation and regression. Fundamentals of parametric estimation and hypothesis testing. Statistical tables for the standard normal, chi-squared and Student's t distributions. Required background knowledge in mathematics Rules for product and summation notation. Factorial, binomial coefficient and their properties. Real functions, limit, derivative and integration. Required background knowledge in probability Random experiments and their sample spaces. Simple, compound and disjoint events. Impossible and certain events. Events obtained by intersection, union and negation. Definitions and axioms of probability. Conditional probability. Independent events. The law of total probability. Bayes' theorem. Random variables. Rules for computing probabilities for any random variable. The distribution function of a random variable. Probability mass function. Probability density function. Sequences of random variables. Limit theorems and convergence.
Modalità d'esame
Exams can only be taken in the official exam sessions. For all students (regardless of the fact that they have attended lectures or not), the exam consists of a practical test in the computer lab lasting 60 minutes. The final exam aims at evaluating the achievement of the following educational targets:
to know the main features of R
write functions, routines and algorithms
to be able to perform statistical applications in R Students are not permitted to use text book, personal notes, mobile phone (and smart watch or similar electronic data storage or communication device). The written test consists of 3-4 exercises articulated in several points with a final pass/fail grade. Further useful information about the exams: In order to take the exam, students are required to put their names down for the exam through Almaesami platform. During the exam students must use the computer in the lab, therefore it is not possible to use your own laptop. The use of generative artificial intelligence tools in assessment tasks is prohibited. Any such use constitutes a breach of academic integrity. Exams can only be taken in the official exam sessions. An identity card (or the UNIBO student card) is required to take part in the exam. Cheating and/or the use of unauthorized devices is strictly prohibited. If caught, your exam will be annulled, and the incident will be reported to the appropriate Division or Campus authorities according to Article 48 of the University’s Code of Ethics: “In the case of ascertained activities aiming to unduly modify the outcome of an exam or prevent its correct evaluation, the teacher or other person responsible for monitoring the exam shall order its cancellation and report the matter to the appropriate Division or Campus authorities, who will initiate disciplinary proceedings as per the Student Regulations.”
Testi di riferimento
Students without the required background knowledge in statistics, probability and/or basic programming are supposed to fill their gap before preparing themselves for the examination. Teacher's lecture notes and scripts are available on the platform "Virtual learning environment" of the University of Bologna (https://virtuale.unibo.it/) for all enrolled students. In order to have access to this platform, students must use their username and password. Background information can be found in several chapters of the following books: P. Dalgaard (2008) Introductory statistics with R - 2 ed. New York: Springer. James (JD) Long, Paul Teetor (2019) R Cookbook, 2nd Edition Freely available at: https://rc2e.com/
Codice insegnamento 79191
BIOMETRIA E DISEGNO DEGLI ESPERIMENTI2° anno · 8 CFU · SECS-S/01 · 0 file
Al temine del corso lo studente conosce i fattori della variabilità biologica ed i principali metodi di analisi nella ricerca biostatistica. In particolare lo studente è in grado di: - interpretare la variabilità…
Scheda dell'insegnamento
Obiettivi formativi
Al temine del corso lo studente conosce i fattori della variabilità biologica ed i principali metodi di analisi nella ricerca biostatistica. In particolare lo studente è in grado di: - interpretare la variabilità genetica ed ambientale dei caratteri biometrici - adottare le metodologie statistiche idonee al disegno degli esperimenti ed i metodi di analisi dei dati risultanti - valutare le metodologie statistiche più opportune per l'analisi di eventi clinici
Programma
Modulo I and III- Biometria Biometria delle popolazioni. Il significato evolutivo della variabilità biologica. Le leggi statistico-probabilistiche dell'eredità genetica.L'ereditarietà dei caratteri quantitativi.I fondamenti statistici della struttura allelica e genotipica delle popolazioni. Studi sperimentali ed osservazionali. Disegni di studio per l'Epidemiologia genetica. Misure di associazione per caratteri qualitativi e relativi test statistici. Introduzione ai test non parametrici. Variabilità statistica e ricerca biomedica. Aspetti statistici della ricerca biomedica. La misura statistica degli eventi clinici. La formazione e l'analisi dei campioni sperimentali. La significatività statistica: discussione dei più usati test statistici. Interpretazione bayesiana della strategia clinica. Modulo II - Disegno degli esperimenti Il concetto di esperimento statistico e la sua pianificazione: variabili risposta (endpoints primari e secondari), fattori di controllo e di disturbo; supporto dei fattori di controllo e determinazione dei loro livelli. Principi fondamentali: casualizzazione, replicazione e bloccaggio. Brevi richiami di inferenza parametrica: verosimiglianza, stimatori ML e OLS, Informazione di Fisher, stima puntuale e intervallare, test di ipotesi e funzione potenza. DOE a 1 fattore costante: determinazione della numerosità campionaria. DOE a 1 fattore dicotomico: confronto tra due popolazioni; bilanciamento e allocazione di Neyman. DOE a 1 fattore politomico: confronto tra più di due popolazioni e analisi della varianza. DOE a 1 fattore quantitativo: modello di regressione lineare semplice e disegno fattoriale a due livelli. DOE con più di un fattore: cenni sui disegni fattoriali a due o più livelli, completi o frazionati. Cenni riguardanti la teoria dei disegni ottimi.
Modalità d'esame
L'esame di Biometria e Disegno degli esperimenti mira a valutare il raggiungimento degli obiettivi formativi previsti, relativi alla conoscenza degli strumenti di base per l'analisi della variabilità genetica ed ambientale dei caratteri biometrici, lo studio dei fenomeni biomedici, la conoscenza metodologica del disegno degli esperimenti e la capacità di utilizzare il disegno degli esperimenti in casi reali. L'esame relativo alla parte di Biometria è orale e verterà su quesiti relativi agli argomenti svolti durante il corso. La prova d'esame per il modulo di Disegno degli Esperimenti è scritta e consiste in 2-3 esercizi che lo studente deve risolvere in circa 1h. Durante la prova è ammesso l'uso di libri o appunti. Per quanto riguarda la verifica dell’apprendimento, durante l’esame in presenza l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Il voto di Biometria farà media con il voto del modulo di Disegno degli esperimenti per la definizione del voto finale del Corso di Biometria e Disegno degli esperimenti. Tuttavia, il voto finale del corso potrà essere attribuito solo se sarà stata raggiunta la sufficienza in ciascuno dei due moduli.
Testi di riferimento
Lucidi delle lezioni a cura dei docenti scaricabili alla voce materiale didattico. Russel P.J., I-genetica, Edises, 2007 A.C. Atkinson, A.N. Donev, R.D. Tobias (2007) Optimum Experimental Designs, with SAS. Oxford University Press. A. Azzalini (2004) Inferenza Statistica: Una Presentazione Basata sul Concetto di Verosimiglianza. Springer. D.C. Montgomery (2005) Progettazione e analisi degli esperimenti. McGraw-Hill.
Codice insegnamento 79204
BIOMETRIA E DISEGNO DEGLI ESPERIMENTI [cod. 79204]2° anno · 1 file
By the end of the course the students know the basic concepts and the statistical methods for the analysis of problems in the biomedical sciences. In particular students should be able: -to calculate and interpret the…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the students know the basic concepts and the statistical methods for the analysis of problems in the biomedical sciences. In particular students should be able: -to calculate and interpret the principal epidemiological measurements in various types of epidemiological studies. -to fit and interpret generalized linear models applied to biomedical data. -to apply the methods and models for the analysis of survival data.
Programma
survival analysis (censoring, the Kaplan Meier estimator, parametric models, and the Cox proportional hazard model); study designs (cross sectional, case control, cohort, and clinical trial); modelling strategies (applications of logistic regression, ROC curve, multiple testing correction, and association versus causation); concepts of epidemiology and genetic epidemiology; modelling of transcriptomics data (basic idea of omics data, RNA-sequencing, differential gene expression, etc...).
Modalità d'esame
Written exam (2 h), with 10-15 open questions about all topics covered. Questions will also involve interpreting R scripts, similar to those used during the course. The written exam may be replaced by an oral exam (of equal complexity) if 5 or fewer students register for an exam session.
Testi di riferimento
Not mandatory. 1) D. G. Kleinbaum and M. Klein. Logistic Regression, Springer New York, 2) D. Collett. Modelling Survival Data in Medical Research, Chapman & Hall / CRC.
Codice insegnamento 28172
COMPORTAMENTO DEL CONSUMATORE E MARKETING2° anno · 8 CFU · SECS-P/08 · 0 file
Al termine del corso lo studente possiede le conoscenze e le metodologie utili ad una corretta comprensione della dimensione teorica ed empirica del comportamento di consumo, i concetti e le attività di marketing…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le conoscenze e le metodologie utili ad una corretta comprensione della dimensione teorica ed empirica del comportamento di consumo, i concetti e le attività di marketing operativo, nonché le teorie e le applicazioni fondamentali del marketing management. In particolare lo studente è in grado di: - analizzare i meccanismi sottostanti la formazione della decisione d'acquisto - progettare e implementare una ricerca di marketing volta ad esplorare i comportamenti di consumo attesi, con specifico riferimento a situazioni di scelta ad alto coinvolgimento (beni ad elevato valore unitario, servizi finanziari, comportamenti di voto, ecc.) - supportare il marketing management nell'interpretazione e implementazione dei risultati della ricerca di marketing - supportare un'efficace messa a punto delle strategie di segmentazione della customer base e di posizionamento del brand - analizzare e riprogettare il marketing mix di una impresa industriale - utilizzare tecniche utili a comprendere l'efficacia delle leve di marketing e la coerenza tra marketing operativo e strategia aziendale
Programma
1. Marketing, gestione d'impresa e comportamento del consumatore: le relazioni forti. 2. Una tipologia di attività di consumo: acquisto d'impulso; comportamento d'acquisto abituale; comportamento d'acquisto ad elevato coinvolgimento. 3. Atteggiamenti, intenzioni, comportamento. Definizioni e misure. I modelli aspettativa-valore 4. La previsione del comportamento d'acquisto sulla base dell'atteggiamento del consumatore. La teoria dell'azione ragionata. La teoria del comportamento pianificato. 5. Le ricadute operative. La modifica degli atteggiamenti: il ruolo della comunicazione d'impresa. 6. Il legame tra analisi del comportamento di acquisto del consumatore e il marketing operativo. 7. L'ambiente di marketing 8. Le scelte di segmentazione. Il posizionamento della marca 9. La gestione del ciclo di vita del prodotto 10. La comunicazione d'impresa: pubblicità, promozione vendite e propaganda 11. Le politiche di prezzo: strategie e tattiche 12. La gestione della rete di distribuzione.
Modalità d'esame
Il corso prevede una prima prova parziale al termine del primo ciclo di lezioni e una seconda prova parziale al termine del secondo ciclo di lezioni, entrambe scritte. La prima prova parziale si concentra sui contenuti relativi alla prima parte del corso (Comportamento del consumatore); la seconda prova parziale si concentra sui contenuti relativi alla seconda parte del corso (Marketing). Per chi non può partecipare alla prima prova parziale, o non la superi, o non sia soddisfatto del voto conseguito, è prevista comunque una prova scritta finale relativa all' intero programma. Per ovvie ragioni legate alla razionalizzazione del carico di apprendimento è caldamente suggerito il sostenimento delle due prove parziali. Le prove scritte (parziali e finale) constano di 3 domande aperte il cui punteggio varia nell'intervallo 0-10 o 0-11. L'obiettivo delle domande aperte è verificare la capacità dello studente di applicare il proprio bagaglio di conoscenze e di eseguire i necessari collegamenti logico-deduttivi. La gradazione del punteggio su ciascuna domanda è il seguente: 9-11 risposta corretta, esaustiva, che evidenzia la padronanza completa dell'argomento, con eventuali minime imprecisioni 6-8 risposta non del tutto corretta e/o incompleta, da cui emerge comunque un apprezzabile grado di conoscenza del tema oggetto della domanda 3-5 risposta con gravi imprecisioni o fortemente incompleta 0-2 risposta assente o appena abbozzata, priva comunque di elementi connotativi del livello di conoscenze ottenuto dallo studente La somma dei punteggi attribuiti a ciascuna delle tre domande aperte è pari a 31, che corrisponde a una votazione di 30 e lode. Il tempo a disposizione dello studente per la prova scritta è di 65 minuti. Durante la prova non è ammesso l'uso di materiale di supporto quale: libri di testo, appunti, supporti informatici. La prova si intende superata con una votazione minima di 18/30. Nel caso di sostenimento, come si diceva caldamente consigliato, delle due prove parziali, il voto finale sarà calcolato come media ponderata della votazione ottenuta su ciascuna prova. I pesi sono così attribuiti: 0,60 al voto migliore; 0,40 al voto peggiore. Il voto della eventuale prova unica è ovviamente calcolato in modo immediato. Le prove scritte (parziali o unica finale) sono erogate nella pausa fra i cicli delle lezioni e nel primo appello immediatamente successivo alla conclusione del corso. Tutti i rimanenti appelli dell'AA in oggetto saranno caratterizzati esclusivamente da prove orali. Lo scopo della prova orale è verificare la capacità dello studente di applicare il proprio bagaglio di conoscenze e di eseguire i necessari collegamenti logico-deduttivi. Gradazione del voto finale: Preparazione su un numero molto limitato di argomenti affrontati nel corso e capacità di analisi che emerge solo con l’aiuto del docente, espressione in linguaggio complessivamente corretto → 18-19; Preparazione su un numero limitato di argomenti affrontati nel corso e capacità di analisi autonoma solo su questioni puramente esecutive, espressione in linguaggio corretto → 20-24; Preparazione su un numero ampio di argomenti affrontati nel corso, capacità di compiere scelte autonome di analisi critica, padronanza della terminologia specifica → 25-29; Preparazione sostanzialmente esaustiva sugli argomenti affrontati nel corso, capacità di compiere scelte autonome di analisi critica e di collegamento, piena padronanza della terminologia specifica e capacità di argomentazione e autoriflessione → 30-30L.
Testi di riferimento
Per il sostenimento dell'esame è necessario lo studio di due testi: 1) R. East, M. Wright, M. Vanuele, Comportamento del consumatore, Apogeo, 2009, capitoli 1, 2, 6, 8, 11 NOTA: L'edizione attualmente in commercio è quella del 2009; edizioni precedenti vanno comunque bene, lo studente deve solo verificare l'equivalenza fra i contenuti, stante una numerazione lievemente diversa dei capitoli (es: il suddetto cap. 6 nella precedente edizione si suddivide in due capitoli, 5 e 6, e gli argomenti di entrambi sono parte integrante del corso e dell'esame). 2) R. Wiener, R. Dhar, F. Mosca, Marketing management, 2 ed., Apogeo, Milano, 2013 capitoli (1, 2, 4, 7, 9, 10, 12) In alternativa al solo volume di Wiener, Dhar e Mosca è possibile, qualora lo si preferisca e si disponga del volume (attualmente non più in commercio), approfondire lo studio di: 2) R.P. Bagozzi, Fondamenti di Marketing, Il Mulino, Bologna, 2001 (capitoli 1, 4, 6, 7, 8, 9, 10)
Codice insegnamento 79199
COMPORTAMENTO DEL CONSUMATORE E MARKETING [cod. 79199]2° anno · 1 file
Il corso si propone di fornire allo studente le basi per comprendere il sistema demografico e per metterlo in relazione con il sistema economico. Al termine del corso lo studente è in grado sia di leggere i fenomeni…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire allo studente le basi per comprendere il sistema demografico e per metterlo in relazione con il sistema economico. Al termine del corso lo studente è in grado sia di leggere i fenomeni demografici sia di conoscere le interazioni fra le caratteristiche strutturali ed evolutive delle popolazioni e le dinamiche economiche.
Programma
Il corso introduce i principali concetti, metodi e strumenti della demografia, fornendo le basi per comprendere la struttura e l’evoluzione delle popolazioni in modo critico. Attraverso lo studio di fenomeni quali natalità, mortalità, migrazioni e invecchiamento, il programma permette di acquisire le conoscenze fondamentali per analizzare le dinamiche demografiche e interpretarne le implicazioni sociali ed economiche. Popolazione e demografia Definizione di popolazione e principali ambiti di studio della demografia. Relazioni tra dinamiche demografiche, società ed economia. Prospettive critiche sullo studio delle popolazioni. Fonti statistiche demografiche Censimenti della popolazione e loro principali caratteristiche. Registri anagrafici e sistemi di rilevazione dello stato civile. Indagini campionarie e fonti statistiche nazionali e internazionali. Big data per la demografia. Qualità, comparabilità e limiti dei dati demografici. La struttura della popolazione Composizione della popolazione per età e genere. Costruzione e interpretazione delle piramidi delle età. Principali indici di struttura, dipendenza e invecchiamento. Composizione della popolazione per condizione lavorativa e conseguenze economiche delle strutture demografiche. Le misure dell’accrescimento demografico Equazione della popolazione e componenti della variazione demografica. Saldo naturale, saldo migratorio e saldo demografico complessivo. Tassi di crescita aritmetico, geometrico e continuo. Calcolo e interpretazione del tempo di raddoppio della popolazione. Tassi generici e tassi specifici Definizione e costruzione dei principali tassi demografici. Tassi generici di natalità, mortalità e migrazione. Tassi specifici per età, genere e altre caratteristiche della popolazione. Metodi di standardizzazione Finalità della standardizzazione nel confronto tra popolazioni. Metodo diretto e utilizzo di una popolazione tipo. Metodo indiretto e utilizzo di tassi tipo. Interpretazione dei tassi standardizzati e dei risultati comparativi. La fecondità Misure generiche e specifiche della fecondità. Tassi di fecondità per età e tasso di fecondità totale. Fattori demografici, sociali ed economici che influenzano la fecondità. La mortalità Principi generali e struttura di una tavola di eliminazione. Costruzione e interpretazione della tavola di mortalità. La transizione demografica Caratteristiche e fasi del modello della transizione demografica. Cause demografiche, sociali ed economiche della transizione demografica. Effetti della transizione sulla crescita e sulla struttura della popolazione. Differenze nei percorsi di transizione tra Paesi e aree geografiche. Evoluzione storica della popolazione mondiale e prospettive di crescita Principali fasi della crescita della popolazione mondiale. Differenze storiche e territoriali nei ritmi di crescita demografica. Scenari e proiezioni della popolazione a livello mondiale. Conseguenze demografiche, economiche e ambientali della crescita futura. Lo schema di Lexis Struttura e modalità di rappresentazione dello schema di Lexis. Collocazione degli eventi demografici nel tempo e per età. Analisi per generazioni e analisi per contemporanei. Studio dell’intensità e della cadenza dei fenomeni demografici. I movimenti migratori Definizioni, tipologie e principali misure delle migrazioni. Analisi dei flussi migratori interni e internazionali. Evoluzione e caratteristiche dei fenomeni migratori in Italia.
Modalità d'esame
Il corso è erogato nel corso del primo semestre e non sono previste prove parziali. L’accertamento finale mira a valutare il livello di comprensione dei fondamenti della demografia, la padronanza degli strumenti utilizzati per l’analisi dei fenomeni di popolazione e la capacità di leggere i risultati in una prospettiva critica. La prova d’esame è scritta, ha una durata complessiva di 120 minuti e comprende sia esercizi di carattere quantitativo sia domande dedicate agli aspetti teorici del programma. Il giudizio finale sarà formulato sulla base dell’accuratezza dei procedimenti adottati, dell’uso corretto degli indicatori demografici, della capacità di commentarne il significato, della conoscenza degli approcci teorici trattati e della precisione del lessico specialistico. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Materiali resi disponibili sulla piattaforma Virtuale. Un manuale tra: Massimo Livi Bacci (1999) Introduzione alla demografia, Loescher Editore, Torino. Gian Carlo Blangiardo (2006), Elementi di Demografia, Il Mulino, Bologna. Letture consigliate: Vignoli D., Paterno A. (2025), Rapporto sulla popolazione. Verso una demografia positiva. Il Mulino, Bologna. Livi Bacci M. (2016), Storia minima della popolazione del mondo. Il Mulino, Bologna. Rosina A., Impicciatore R. (2022), Storia demografica d’Italia. Crescita, crisi e sfide. Carocci, Roma.
Il corso si propone di approfondire lo studio dei fenomeni demografici con particolare riferimento alle loro determinanti sociali. L’obiettivo è quello di mettere in grado lo studente di analizzare il complesso sistema…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di approfondire lo studio dei fenomeni demografici con particolare riferimento alle loro determinanti sociali. L’obiettivo è quello di mettere in grado lo studente di analizzare il complesso sistema di interazioni fra determinanti e fenomeni demografici al fine di interpretare sia l’evoluzione storica e attuale delle popolazioni sia di impostare le ipotesi previsive per la loro evoluzione futura. Al termine del corso lo studente è in grado di analizzare l’evoluzione diacronica dei fenomeni demografici e di effettuare previsioni sintetiche ed analitiche della popolazione.
Programma
Introduzione alla Demografia Sociale. Le determinanti sociali dei fenomeni demografici: età, genere, status migratorio Dati: Fonti nazionali e internazionali Fecondità e mortalità nella storia (cenni) - La transizione demografica - Rendimenti decrescenti e crescita demografica, circuiti Malthusiani, - la pressione demografica e lo sviluppo, la transizione demografica Transizione sanitaria ed epidemiologica - Evoluzione delle cause di morte - Pandemie - Anni vissuti in buona salute e guadagni nella speranza di vita. - Mortalità differenziale: per causa e per livello di istruzione. Invecchiamento - Fragilità e declino funzionale, non autosufficienza - Silver Economy La seconda transizione demografica: dissoluzione familiare e nuove tipologie di nucleo familiare Le generazioni definizioni e cambiamenti nella transizione allo stato adulto I regimi di welfare il loro legame con i fenomeni demografici Migrazioni - L'evoluzione del fenomeno in Italia, legame con le trasformazioni demografiche della popolazione non migrante. - Caratteristiche della popolazione, Regolarizzazioni. -Il tema - Fecondità degli stranieri - Sbarchi, profughi, richiedenti asilo Il genere come componente fondamentale dell'analisi demografica Il tema dell'intersezionalità nell'ambito della riflessione demografica
Il ruolo dell'empowerment femminile Demografia e violenza di genere - La violenza di genere e i femminicidi - I matrimoni precoci - Gli aborti selettivi - Le mutilazioni genitali femminili
Modalità d'esame
L’insegnamento sarà svolto nel primo semestre. Non sono previste prove parziali. La prova d'esame mira a verificare la conoscenza dei concetti illustrati durante le lezioni frontali Agli studenti e le studentesse frequentanti - e solo per il primo apppello - è data la possibilità di sostenere la prova d'esame mediante un elaborato composto da due distinte analisi di dati da svolgere individualmente e corredato da una breve esposizione orale dei risultati preliminari. La presentazione dei risultati preliminari dell'elaborato sarà svolta in aula entro la fine del corso. Per la stesura di tale elaborato è consentito l'uso dell'IA solo come supporto alla produzione del codice di STATA. Per gli studenti e le studentesse non frequentanti o per quelli frequentanti che non vogliano svolgere l'elaborato i contenuti del corso saranno verificati tramite esame scritto della durata di 1h30 composta da 4 domande aperte. La valutazione è espressa in 30esimi. Griglia di graduazione del voto: - 18-23: preparazione e capacità di analisi sufficienti, ma relative a un numero limitato di argomenti affrontati durante il corso. - 24-27: preparazione tecnicamente adeguata, ma con alcuni limiti rispetto agli argomenti trattati; capacità di analisi buone, anche se non particolarmente articolate. - 28-30: ottima conoscenza di un ampio numero di temi affrontati durante il corso; buone capacità di analisi e di critica. - 30L: conoscenza eccellente, molto approfondita ed esaustiva dei temi affrontati durante il corso; capacità di analisi critica e di collegamento. L'iscrizione agli esami avviene tramite la piattaforma Almaesami. Nel corso dell’a.a. sono previsti appelli nei seguenti mesi: gennaio (2 appelli), giugno e settembre Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
Testi di riferimento
Materiali distribuiti dal docente durante il corso, reperibili su piattaforma Virtuale Per riferimento generale, di utilità particolare per studenti non frequentanti:
M. Livi Bacci Storia minima della popolazione del mondo, Il Mulino, Bologna. -G. Caselli, V. Egidi, C. Strozza, L'Italia longeva. Dinamiche e diseguaglianze a cavallo di due secoli, Il Mulino Bologna - D. Vignoli, Paterno A. (2025). Rapporto sulla popolazione. Verso una demografia positiva
Al termine del corso lo studente conosce i metodi di base per lo studio dei fenomeni economici quantitativi, nonché gli strumenti e le tecniche per l'analisi empirica. In particolare lo studente è in grado di: -…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i metodi di base per lo studio dei fenomeni economici quantitativi, nonché gli strumenti e le tecniche per l'analisi empirica. In particolare lo studente è in grado di: - utilizzare modelli uni-equazionali per l'analisi dei fenomeni micro e macro-economici tramite il software econometrico Eviews
Programma
Teoria economica, dati statistici e modelli econometrici. Realtà fenomenica, modelli e dati. Modelli econometrici. Specificazione del modello; modelli strutturali e modelli di analisi delle serie storiche. L'analisi statistica delle relazioni economiche. Relazioni deterministiche e variabilità stocastica. Esogenità. Metodi di stima: minimi quadrati ordinari (OLS) e generalizzati (GLS); metodo della massima verosimiglianza (ML); metodo dei momenti (MM). La stima vincolata: problema dei moltiplicatori di Lagrange; stimatori OLS vincolato (RLS) e di massima verosimiglianza vincolata. Proprietà degli stimatori: correttezza, invarianza, efficienza. Verifica di ipotesi nei modelli lineari: test z, t, chi quadro, F. Il problema della previsione. Proprietà asintotiche degli stimatori e dei test. Stazionarietà debole e forte. Consistenza, normalità ed efficienza asintotica (CAN); consistenza di un test; leggi dei grandi numeri (LLN) e teoremi centrali del limite (CLT). Proprietà asintotiche degli stimatori OLS, GLS, ML. Analisi della specificazione. Pericoli dell'errata specificazione del modello. Confronto tra modelli annidati: test di Wald (W), test dei moltiplicatori di Lagrange (LM), test del rapporto di massima verosimiglianza (LR). Variabili qualitative nei modelli econometrici. Confronto tra modelli non annidati. La validazione del modello e i test sui residui: test di incorrelazione seriale, test di omoschedasticità, test di normalità; cambiamenti strutturali e test sulla costanza dei parametri: test di Chow, CUSUM, CUSUMQ. Modelli lineari con endogeneità dei regressori. Forme ridotte e forme strutturali. Il problema della stima: endogenita' e lo stimatore delle variabili strumentali (IV). Stimatore dei minimi quadrati a due stadi (2SLS). Stima di un modello multiequazionale: IV e stimatore dei minimi quadrati a tre stadi (2SLS). Estensioni. Introduzione ai modelli per la varianza condizionata: modelli ARCH e modelli GARCH; applicazioni ai rendimenti dei titoli azionari.
Modalità d'esame
La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:
conoscenza approfondita delle tecniche econometriche illustrate durante le lezioni frontali
capacità di impiegare tali tecniche per analizzare ed interpretare i fenomeni micro e macro-economici La prova d'esame consiste nello svolgimento di una prova scritta di tre/quattro domande riguardanti sia le parti teoriche sia l'interpretazione dei risultati da un output di Gretl e avrà durata di 1 ora. Inoltre, per valutare la conoscenza delle tematiche affrontate a lezione, durante il corso verranno proposti una serie di esercizi e quiz da svolgere in modalità online. Lo svolgimento di questi quiz è facoltativo e, se svolti correttamente, permette di ottenere dei punti extra al voto d'esame.
Testi di riferimento
A. Gardini, G. Cavaliere, M. Costa, L. Fanelli, P. Paruolo, Econometria, vol. 1 e 2, Franco Angeli, Milano, 2000.
Codice insegnamento 02054
ECONOMETRICS2° anno · 6 CFU · SECS-P/05 · 0 file
By the end of the course the student should be familiar with the theory and practice of single-equation linear econometric modelling. In particular, the student should be able to: - specify and estimate linear,…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should be familiar with the theory and practice of single-equation linear econometric modelling. In particular, the student should be able to: - specify and estimate linear, single-equation econometric models with stochastic and possibly endogenous regressors; - derive and employ the asymptotic properties of linear method-of moments parameter estimators (OLS and IV) in these models; - perform a specification analysis of these models, - perform asymptotically valid inference based on these models.
Programma
Potential outcomes framework
Matching
Instrumental variables
Regression discontinuity design (RDD)
Difference-in-Differences (DID)
Modalità d'esame
2-hours written exam, problem sets and in-class participation.
Testi di riferimento
Scott Cunningham. Causal Inference: The Mixtape. New Haven: Yale University Press, 2021. Joshua D. Angrist & Jörn‑Steffen Pischke: Mostly Harmless Econometrics: An Empiricist’s Companion. Princeton: Princeton University Press, 2009.
Codice insegnamento 32626
ECONOMIA E GESTIONE DI IMPRESA2° anno · 6 CFU · SECS-P/08 · 0 file
ECONOMIA POLITICA2° anno · 6 CFU · SECS-P/01 · 0 file
Il corso fornisce le conoscenze di base sui principi, metodologie e strumenti analitici della scienza economica. Specificamente, i fondamenti della microeconomia (comportamento delle imprese e dei…
Scheda dell'insegnamento
Obiettivi formativi
Il corso fornisce le conoscenze di base sui principi, metodologie e strumenti analitici della scienza economica. Specificamente, i fondamenti della microeconomia (comportamento delle imprese e dei consumatori/lavoratori e loro interazioni nei mercati dei beni e dei fattori produttivi) e della macroeconomia (prodotto/reddito/contabilità nazionale, crescita economica, moneta, politiche macroeconomiche). Al termine del corso lo studente ha acquisito padronanza della terminologia tecnica e dei metodi di analisi economica ed è quindi in grado di comprendere e di interpretare criticamente il dibattito sui principali temi economici.
Programma
Parte 1: MICROECONOMIA, 20 ore (Renata Bottazzi) Le decisioni individuali e l’interazione tra individui Domanda e offerta di mercato. Comportamento delle imprese in un mercato concorrenziale Mercati, efficienza e benessere Allocazioni di mercato inefficienti: beni pubblici e esternalità Strutture di mercato: monopolio e cenni di oligopolio Parte 2: MACROECONOMIA, 16 ore (Tommaso Sonno) La misurazione delle gradezze macroeconomiche: il Prodotto Interno Lordo, gli indici di prezzo, gli indicatori del mercato del lavoro L'economia reale del paese: produttivita', crescita economica e disoccupazione L'economia finanziaria del paese: moneta, tassi di interesse e inflazione
Modalità d'esame
Obiettivo dell'esame e' verificare l'apprendimento delle nozioni introdotte nel corso delle lezioni, nonche' la loro applicazione a semplici situazioni economiche. L'esame consiste in una prova scritta con domande a risposta multipla, definizioni, domande aperte e svolgimento di esercizi in linea con quanto trattato durante il corso. Il numero di quesiti varia in funzione della difficoltà degli stessi. Un prototipo di esame sarà disponibile sulla piattaforma Virtuale. Il voto totale è dato dalla somma dei punteggi attribuiti a ogni sezione e di volta in volta indicati sul testo d'esame in modo appropriato. Il punteggio è espresso in trentesimi - il punteggio individuale è calcolato come media ponderata delle due parti, micro e macro, con peso pari al 60% alla parte con esito migliore e peso pari al 40% alla parte con esito peggiore. Il punteggio minimo assegnato a ogni risposta e' zero: risposte errate non ottengono punteggi negativi. Il punteggio massimo ottenibile con tutte risposte esatte, complete e approfondite e' 30 e lode. La prova si intende superata con un punteggio minimo di 18/30. Gradazione del voto: <18 insufficiente 18-23 sufficiente 24-27 buono 28-30 ottimo 30 e lode eccellente Non è consentito l'uso di materiale di supporto (libri di testo, appunti, supporti informatici e connessi alla rete ecc.). Lo studente ha facoltà di rifiutare il voto positivo una sola volta. Il voto è da considerarsi per l'esame nel suo complesso e non è possibile mantenere il voto conseguito in una sola parte della prova. L’esame ha durata di 75 minuti. Per quanto riguarda la verifica dell'apprendimento, l'uso dell'IA è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica. Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento. Per ulteriori informazioni si rimanda alla pagina del corso sulla piattaforma Virtuale.
Testi di riferimento
N. G. Mankiw e M. P. Taylor, Principi di Economia, nona edizione italiana, 2025, Zanichelli. Dispense e lucidi
By the end of the course the student should know the basic theory of likelihood-based and Bayesian statistical inference. In particular the student should be able: - to derive maximum likelihood and Bayesian estimators…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basic theory of likelihood-based and Bayesian statistical inference. In particular the student should be able: - to derive maximum likelihood and Bayesian estimators and their properties - to derive interval estimates - to test statistical hypotheses according to Neyman and Pearson’s approach and the GLR criterion.
Programma
Introduction to the statistical inference. The Likelihood function. Sufficient statistics. Estimation theory. Moments and maximum likelihood estimation method. Point estimation: finite and asymptotic properties of estimators. Interval estimation: the pivotal quantity method and asymptotical confidence intervals. Hypothesis testing. Neyman-Pearson theory. Null hypothesis and alternative hypothesis; Type I and Type II errors; power of a test. Rejection Region. Simple hypothesis and composite hypothesis. Simple null and alternative hypothesis: Neyman-Pearson's lemma. Generalized Likelihood Ratio Test. Bayesian inference. Subjective approach to probability. Bayesian estimation. Loss function appraoch. Conjugate prior distributions.
Modalità d'esame
The exam consists of a mandatory written exam (lasting two hours). The exam paper consists of questions concerning the theoretical parts of the course and exercises aiming at evaluating if the students are able to solve statistical inference problems. The final grade is given by the sum of the partial grades obtained in each exercise and is expressed out of thirty. During the exam the use of textbooks, notes and computers tools are not allowed. The use of generative artificial intelligence tools in unsupervised assessment tasks is prohibited. These tasks will be validated through a review of the working materials, which must be submitted, and, where appropriate, an oral interview.
Testi di riferimento
Larsen R.J. and Marx M.L. "An introduction to mathematical statistics and its applications", Prentice Hall, 2012. Azzalini A. "Statistical infernece based on the likelihood", Chapman & Hall/CRC, 2002.
Al termine del corso lo studente conosce i temi fondamentali dell'inferenza statistica. In particolare lo studente è in grado di: -definire e controllare una ipotesi statistica parametrica per semplici problemi -derivare…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i temi fondamentali dell'inferenza statistica. In particolare lo studente è in grado di: -definire e controllare una ipotesi statistica parametrica per semplici problemi -derivare uno stimatore e valutarne le proprietà -costruire stime intervallari
Programma
Ragionamento statistico induttivo. Spazio campionario, variabili aleatorie campionarie e loro distribuzione Stima parametrica puntuale: stimatori e loro proprietà; funzione di verosimiglianza e metodo della massima verosimiglianza Stima per intervalli Controllo di ipotesi statistiche: test di significatività e test di ipotesi semplici e composte. Test parametrici e non parametrici per il confronto tra medie, tra frequenze, tra varianze, tra distribuzioni
Modalità d'esame
Prenotazione su Almaesami Per poter sostenere l'esame è necessario aver preventivamente effettuato l'iscrizione secondo le regole e le scadenze precisate nella procedura ALMAESAMI (https://almaesami.unibo.it/ ). Struttura della prova e modalità di erogazione L'esame si compone di una prova scritta e di una prova orale, entrambe obbligatorie, da svolgere in presenza. La prova scritta, della durata approssimativa di 75 minuti, prevede esercizi da svolgere e quesiti di calcolo e ragionamento. La prova orale è volta a valutare la comprensione e l'assimilazione dei concetti e degli strumenti dell'inferenza statistica. Graduazione dei voti e giudizi di valutazione Il voto finale sarà espresso in trentesimi. 18-23: preparazione sufficiente ma relativa ad un numero ristretto di contenuti previsti dal programma di insegnamento; 24-27: preparazione adeguata ma con lacune rispetto ai contenuti previsti dal programma di insegnamento; 28-30: approfondita padronanza di tutti i contenuti previsti dal programma di insegnamento; 30L: conoscenza eccellente dei contenuti previsti dal programma di insegnamento.
Testi di riferimento
G. Cicchitelli, Statistica: principi e metodi, Pearson, Milano, 2012 A. Montanari, P. Agati, D.G.Calo, Statistica con esercizi commentati e risolti, CEA, 1998
Codice insegnamento 41301
LONG INTERNSHIP2° anno · 1° semestre · 12 CFU · 0 file
At the end of the internship the student has direct knowledge of the working place he/she will be working in. He/she understands the peculiarities of the company he/she works in and knows how to fit in it. He/she knows…
Scheda dell'insegnamento
Obiettivi formativi
At the end of the internship the student has direct knowledge of the working place he/she will be working in. He/she understands the peculiarities of the company he/she works in and knows how to fit in it. He/she knows how to manage the relationships within the different levels such as upper levels, colleagues, customers. He/she knows how to work within groups.
Programma
The internship is developed on the basis of a training project agreed with the host organization and with the support of a tutor. More information on the Internships web page.
By the end of the course the student should know the basics of the mathematical analysis of multivariable functions. In particular the student should be able:- to perform multivariable differential calculus and compute…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basics of the mathematical analysis of multivariable functions. In particular the student should be able:- to perform multivariable differential calculus and compute partial derivatives - to identify maxima and minima for functions of several variables- to use constrained optimization: method of Lagrange multipliers- to compute multiple integrals
Programma
Proprietà di base dello spazio euclideo. Derivate parziali e funzioni differenziabili. Punti critici. Derivazione di funzioni composte. Formula di Taylor multivariata. Matrici Hessiane. Analisi dei punti critici. Funzioni implicite: teorema di Dini. Sottovarietà dello spazio euclideo. Punti critici vincolati.
Modalità d'esame
L'esame consiste in un esame orale. Si verificherà la competenza dello studente sia in termini di acquisizione di concetti e metodi, con applicazione a casi concreti. L'uso di intelligenza artificiale non è consentito durante la verifica.
Al termine del corso lo studente conosce gli aspetti metodologici principali dei modelli statistici lineari e il loro uso nell'analisi di fenomeni concreti. In particolare lo studente è in grado di: - stimare e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce gli aspetti metodologici principali dei modelli statistici lineari e il loro uso nell'analisi di fenomeni concreti. In particolare lo studente è in grado di: - stimare e interpretare i parametri di un modello di regressione lineare multipla - utilizzare consapevolmente i metodi automatici per la selezione delle variabili - verificare la validità delle ipotesi alla base del modello - effettuare l'analisi della varianza a uno o più fattori e interpretare i risultati
Programma
Il modello di regressione lineare multipla: definizione, stima e controllo d'ipotesi. Metodi per la selezione delle variabili nel modello di regressione multipla. Il modello lineare nell'analisi della varianza.
Modalità d'esame
Il corso di Modelli lineari fa parte del Corso integrato Algebra e modelli lineari. Il corso di Algebra e modelli lineari prevede un unico esame per le due parti di Algebra lineare e di Modelli lineari e quindi un unico voto che risulta dalla media dei risultati ottenuti nelle due parti. L’esame si compone di una prova scritta e una prova orale. Durante lo scritto lo studente dovrà risolvere esercizi di Algebra lineare, con carta e penna e esercizi di Modelli lineari utilizzando il software R. Solo chi supera la prova scritta può accedere alla prova orale che prevede solo quesiti di Modelli lineari. Scritto e orale possono essere sostenuti in appelli diversi. Agli studenti frequentanti è consentito di svolgere separatamente la prova scritta di Algebra lineare e quella di Modelli lineari in due appelli (parziali) fissati al termine dei rispettivi periodi di lezione. Solo chi supera il parziale di Algebra lineare può sostenere il parziale di Modelli lineari. Chi supera entrambi i parziali può accedere all’esame orale. Chi, pur avendo superato il parziale di Algebra lineare, dovesse ottenere un risultato insufficiente in Modelli lineari dovrà sostenere lo scritto Totale. Prove d'esame di anni precedenti verranno rese disponibili su Virtuale corredate dallo svolgimento. Nella valutazione vengono considerate sia la capacità di risolvere tecnicamente l'esercizio proposto utilizzando il software R, sia l'interpretazione fornita per i risultati ottenuti
Testi di riferimento
Dispense scaricabili da Virtuale
M.Kutner, C.J. Nachtscheim, J. Neter, W. Li, Applied linear statistical models, McGraw-Hill, 2004
By the end of the course the student gains an appreciation of the types of problems and questions arising with multivariate data. In particular the student should be able: - to apply and interpret methods of dimension…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student gains an appreciation of the types of problems and questions arising with multivariate data. In particular the student should be able: - to apply and interpret methods of dimension reduction including principal component analysis, multidimensional scaling, factor analysis, canonical variates - to apply and interpret methods for cluster analysis and discrimination - to interpret the output of R procedures for multivariate statistics
Programma
Multivariate data and derived matrices. Dimension reduction methods: principal component analysis, factor analysis. Cluster analysis (unsupervised classification). Supervised classification.
Modalità d'esame
written exam The exam lasts 1 and half our and involves four exercises, one for each of the main topics dealt with during the course. Past exams highlighting how grades are assigned will be made available on virtuale and solved in class
Testi di riferimento
Handnotes on Virtuale In Italian -Appunti di analisi statistica multivariata, S.Mignani e A.Montanari, Esculapio In English http://en.bookfi.org [http://en.bookfi.org/] -Applied Multivariate Data Analysis. B.S. Everitt and G.G. Dunn, 2001, Edward Arnold. Second Edition. -A First Course in Multivariate Statistics. B. Flury, 1997, Springer Verlag. -Introduction to Multivariate Analysis. C. Chatfield and A.J. Collins, 1980, Chapman and Hall. -Principles of Multivariate Analysis: A User's Perspective. W.J. Krzanowski, 1988, Oxford University Press. -Multivariate Analysis. K.V. Mardia, J.T. Kent and J. Bibby, 1979, Academic Press. -Modern Applied Statistics with S. Venables, W.N. and Ripley, B.D. 2002. 4th Edition. Springer Verlag, New York. Very useful for Splus and R -The Elements of Statistical Learning. Trevor Hastie, Robert Tibshirani and Jerome Friedman. Springer Verlag, New York. Some very advanced material as well as that covered in this course (but available for free as a .pdf download on http://www.stat. stanford.edu/~tibs/ElemStatLearn/) Practicals Handontes on Virtuale
Codice insegnamento 28178
PROBABILITY II2° anno · 1° semestre · 6 CFU · MAT/06 · 0 file
By the end of the course the student should know the basic theory of multidimensional random variables and sequences of random variables. In particular the student should be able: - to derive the distribution of…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basic theory of multidimensional random variables and sequences of random variables. In particular the student should be able: - to derive the distribution of transformed random variables - to derive joint, conditional and marginal probability density functions - to state the definition and recall the properties of multivariate normal distributions to investigate converge properties of sequences of random variables
Programma
Probability spaces and their elementary properties Various definitions of probability (just a hint) Random variables and their distributions Independence Probability measures on R and R^n (including distribution functions, and, in case of R, discrete, singular continuous, and absolutely continuous probability laws) List of the main probability measures on R and normal distribution on R^n Transform of random variables Moments Characteristic functions Conditional distributions Conditional expectations, filtrations and stopping times Convergence of random variables Laws of large numbers Central limit theorems Infinitely divisible and stable laws
Modalità d'esame
One-hour-a-half written exam, consisting of 3/4 exercises, followed by an oral examination. The exercises of the written test are obvious versions of the ones discussed in class, and attain to elements of the syllabus covered by the course lectures. The aim of the written test is to assess the student's ability to use definitions, properties and theorems of probability theory when facing with some simple problems. The oral part of the exam is subjected to the overcoming of the written part. The possible questions may concern each part of the course. Typically, the interview starts with a very general question (such as "Conditional distributions" or "Central limit theorem") and then, as the topic is introduced, they become more specific. In addition to knowledge of the topics discussed in the course, evaluation criteria are the skill to connect different arguments and the adequacy and consistency of the adopted language. A mnemonic exposition, as well as the inability to discuss with the teacher, are penalized. In other terms, it is important to be able to discuss with the teacher, to be interrupted, and possibly to address some simple objections. The use of generative artificial intelligence tools in assessment tasks is prohibited. Any such use constitutes a breach of academic integrity.
Testi di riferimento
In order to prepare the exam, the notes are (more than) enough, provided obviously they are taken in a exhaustive and correct way. For those who don't like notes, and/or for those who want to deepen some topics, the following text books are suggested: Bertsekas D.P. and Tsitsikli J.N., Introduction to Probability, 2nd Edition, ISBN: 978-1-886529-23-6 Grimmett G. and Stirzaker D. (2001) Probability and random processes, Oxford University Press. Dall'Aglio G. (1987) Calcolo delle probabilita', Zanichelli.
Codice insegnamento 28171
SHORT INTERNSHIP2° anno · 1° semestre · 9 CFU · 0 file
Al termine del corso lo studente ha conoscenza delle principali fonti statistiche, ufficiali e non, nazionali e internazionali e degli aspetti metodologici e tecnici della ricerca sociale. In particolare, lo studente è…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente ha conoscenza delle principali fonti statistiche, ufficiali e non, nazionali e internazionali e degli aspetti metodologici e tecnici della ricerca sociale. In particolare, lo studente è in grado di: - utilizzare gli strumenti basilari dell'analisi quantitativa e della verifica dei risultati nella ricerca sociale - avvalersi con piena consapevolezza delle fonti statistiche
Programma
I paradigmi della ricerca sociale - Ricerca sociale quantitativa vs qualitativa - Le fonti della Statistica Sociale - Questionari, interviste, disegno della ricerca - Domande e alternative di risposta - Processi psicologici sottostanti alla comprensione di domande e risposte - Tecniche di somministrazione del questionario - Piani di campionamento - Analisi Monovariata - Analisi Bivariata - Covariazione, causalità ed esperimento - Laboratori di analisi di dati con il software STATA.
Modalità d'esame
I contenuti del corso saranno verificati tramite presentazioni di gruppo basate su analisi dei dati svolte con Stata, e tramite test finale scritto.
Testi di riferimento
Letture obbligatorie · Materiali online reperibili tramite piattaforma Virtuale · P. Corbetta, Metodologia e tecniche della ricerca sociale. Il Mulino (Parte I e II: Capitoli da 1 a 8, per iscritti/e SVIC anche cap. 9; Parte IV Capitoli 13-14) Letture facoltative · Martini e A. Sisti. Valutare il successo delle politiche pubbliche. Economia & Management (Parte III: Capitoli 6-14) · Agresti, Franklin and Klingenberg. Statistics. The art and science of learning from data. Pearson · Stefano M. Iacus, Guido Masarotto 2021, Laboratorio di Statistica con R. McGraw-Hill Education
By the end of the course the student should know the basic theory of normal linear models and generalized linear models. In particular the student should be able: - to define a statistical model - to formulate the normal…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basic theory of normal linear models and generalized linear models. In particular the student should be able: - to define a statistical model - to formulate the normal linear model, estimate its parameters and test their significance - to use the variable selection procedures - to define a generalized linear model, by combining a random component with a linear predictor with a proper link function - to estimate and test the significance of the parameter of a generalized linear model - to evaluate the goodness of fit of a model and to detect violations of model assumptions
Programma
Basic framework for linear models model specification and assumptions; parameter estimation: least squares and maximum likelihood methods; coefficient of determination R2: definition and properties; finite and asymptotic properties of the estimators; hypothesis testing on regression coefficients. Regression diagnostics residuals: definitions and properties; Influential observations and leverage points; Multicollinearity. Model selection effects of model mispecification; stepwise methods; best subset selection. Inclusion of qualitative regressors dummy variable coding; interactions between regressors. Some special cases one-way ANOVA; two-way ANOVA. Generalized linear models general definition: linear predictor, link function, random component; maximum likelihood estimation; hypothesis testing on model parameters.
Modalità d'esame
The exam will assess each student's knowledge and skills at both the theoretical and practical levels. The use of AI or smart devices (including, but not limited to, smartphones, smartwatches, smart glasses, and earbuds) during the exam is strictly prohibited. Any such use constitutes a violation of academic integrity and will be reported to the appropriate University authorities for disciplinary review. The exam consists of two mandatory parts, both of which must be completed during the same exam sitting. The first mandatory part consists of a written exam containing a set of multiple-choice and open-answer questions on the models presented during the course. These questions cover both theoretical aspects and R commands or output produced using the R software. Multiple-choice questions are graded as follows: each correct answer is awarded 1 point, each incorrect answer is penalized by 0.20 points, and unanswered questions receive 0 points. Each open-answer question is awarded between 0 and 2 points, depending on the correctness of the answer and the appropriateness of the terminology used. The number of multiple-choice and open-answer questions may vary from one exam sitting to another, while the maximum score remains fixed at 24 points. Students will have 60 minutes to complete the written exam. Consulting textbooks or personal notes during the written exam is not permitted. For the first exam sitting after the end of the course, students may choose to split the written exam into two partial exams, each lasting 30 minutes and worth a maximum of 12 points. The first partial written exam takes place after the first five weeks of the course and covers the topics presented during the first part of the course. The second partial written exam is scheduled after the end of the course and covers the topics presented during the second part of the course. Students must take both partial written exams. In particular, to register for the second partial written exam, a student must have taken the first partial written exam (no minimum score is required). Furthermore, students who take the first partial written exam are not allowed to take the full written exam during the first exam sitting after the end of the course. The second mandatory part is a computer-based practical exam. The practical exam assesses a student's ability to use R to solve a practical problem. Students will be required to write an R script and report the results obtained using that script. The practical exam is graded on a scale from 0 to 7 points, depending on the correctness of the solution and the quality and correctness of the corresponding R script. Students will have 30 minutes to complete this part of the exam. During the practical exam, students may consult a printed copy of the computer lab session handouts. The final mark is obtained by adding the scores from the written and practical exams. An additional bonus is assigned based on the number of practical sessions attended by the student:
7 practical sessions: 1. Non-integer final marks are rounded down to the next lower integer. Overall marks larger that 30 but lower than 31 are rounded down to 30. Final marks larger or equal than 31 are recorded as 30 cum laude. In the event of failure or rejection of the final mark, students must repeat the entire exam at one of the subsequent exam sittings. Students may reject a passing grade and retake the exam at least once but no more than twice.
Testi di riferimento
Recommended readings (a detailed list of selected chapters and sections in available on virtuale.unibo.it): Kutner, M. H., Nachsteim, C. J., Neter, J., Li, W. (2005). Applied Linear Statistical Models (5th edition). McGraw-Hill. Montgomery, D. C., Peck, E. A., Vining, G.G. (2021) Introduction to linear regression analysis. Sixth edition. Wiley. Handouts provided by the teacher. Other readings: Brown, J. D. (2015). linear Models in Matrix Form. Springer. Fox J. (2016). Applied Regression Analysis and Generalized Linear Models (3rd edition). Sage. Weisberg S. (2005). Applied Linear Regression. Wiley, third edition.
By the end of the course the student should know the basic theory of survey sampling. In particular the student should be able: - to employ simple, stratified and probability sampling - to derive the estimators and…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the basic theory of survey sampling. In particular the student should be able: - to employ simple, stratified and probability sampling - to derive the estimators and associated standard errors of population in the different sampling strategies - to correct estimation by the ratio principle - to understand the difference between observational and experimental studies
Programma
Probability sampling Simple random sampling Sampling proportions and percentages The estimation of sample size Stratified random sampling Further aspects of stratified random sampling Sampling from two frames Ratio estimators Regression estimators Systematic sampling Area frame sample designs Single-stage cluster sampling: clusters of equal size Single-stage cluster sampling: clusters of unequal sizes Subsampling with units of equal size Double sampling Sources of errors in surveys
Modalità d'esame
Oral exam made of two parts. In the first part, the student must show to be able to solve exercises similar to the ones addressed in class during practicals. Excel and manuals can be used. Students are not permitted to use a mobile phone (and smart watch or similar electronic data storage or communication device). In the second part, theoretical questions are asked. The student has to show to be able to choose and apply the appropriate methods to be adopted for solving specific problems. The use of the manuals is allowed for discussing the formulas. The final mark is out of thirty.
Testi di riferimento
Cochran W.G. (1977). Sampling Techniques, third edition, Wiley, New York. Chapters to be studied: Introduction Chapter 1; Simple random sampling Chapter 2; Sampling Proportions and Percentages Chapter 3: from 3.1 to 3.2 Estimation of sample size Chapter 4: from 4.1 to 4.4; 4.6 ; 4.8; 4.11 Stratified random sampling Chapter 5: from 5.1 to 5.7; Further aspects of stratified sampling Chapter 5A: from 5A.1 to 5A.3; from 5A.9 to 5A.11; 5A.15; Ratio estimators Chapter 6: from 6.1 to 6.4; Regression estimators Chapter 7: from 7.1 to 7.4; 7.6 and 7.10; Systematic sampling Chapter 8: from 8.1 to 8.6; 8.8, 8.13, 8.14; Single stage cluster sampling Chapter 9: from 9.1 to 9.4; 9.6; Single-Stage Cluster Sampling: Clusters of Unequal Size Chapter 9A: from 9A.1 to 9A.3; Subsampling with units of equal size Chapter 10: from 10.1 to 10.4; Double sampling Chapter 12: 12.1; 12.2; 12.4; Sources of error Chapter 13: 13.1.
Codice insegnamento 32821
TIME SERIES2° anno · 6 CFU · SECS-S/01 · 0 file
By the end of the course the student should know the fundamental theory of time series analysis. In particular the student should be able: - to analyse a time series in the time and in the frequency domain - to…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student should know the fundamental theory of time series analysis. In particular the student should be able: - to analyse a time series in the time and in the frequency domain - to identify the stochastic process that has generated a time series based on the autocorrelation structure - to estimate and make inference on the parameters of a linear model for a stationary time series - to estimate time series components such as trend and seasonality by means of non parametric and parametric methods - to recognise the most important models for time series data
Programma
Verranno trattati i seguenti argomenti. Modelli lineari per l'analisi di serie storiche: processi lineari, autoregressivi, integrati e a media mobile (ARIMA) processi stagionali. Metodi per identificazione, stima e previsioni da modelli ARIMA. Scomposizione di una serie storica nelle sue variabli latenti: metodi di stima. Analisi nel dominio temporale e delle frequenze.
Modalità d'esame
Written exam, 2 hour-length, closed-books. Students may choose to present a group project that will be assessed. In this case, the final grade will be the weighted average of the grade in the group project (30%) and of the written exam (70%). The exam will be a pass if the final grade is greater or equal than 18. Range of grades: 18-21 sufficient knowledge of the topics of the course 21-24 discrete knowledge of the topics of the course 24-27 good knowledge of the topics of the course 27-30 excellent knowledge of the topics of the course
Testi di riferimento
Testi/Bibliografia Brockwell P.J. and Davis R.A. (2002), Introduction to Time Series and Forecasting, Springer Altri testi consigliati: Brockwell P.J. and Davis R.A. (1991). Time Series: Theory and Methods. Springer
Al termine del tirocinio lo studente è in grado di: -scegliere in modo autonomo e applicare gli strumenti specifici appresi -acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del tirocinio lo studente è in grado di: -scegliere in modo autonomo e applicare gli strumenti specifici appresi -acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea -esporre contenuti, informazioni e idee relative al proprio campo di studi -sviluppare capacità comunicative in forma sia scritta che orale adeguate ai diversi interlocutori -sviluppare capacità di lavoro interdisciplinare in equipe.
Programma
Il tirocinio si svolge sulla base di un progetto formativo concordato con l’organizzazione ospitante e con il sostegno di un tutor. Maggiori informazioni sono disponibili sulla pagina web dei tirocini
Al termine del tirocinio lo studente è in grado di: -scegliere in modo autonomo e applicare gli strumenti specifici appresi -acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del tirocinio lo studente è in grado di: -scegliere in modo autonomo e applicare gli strumenti specifici appresi -acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea -esporre contenuti, informazioni e idee relative al proprio campo di studi -sviluppare capacità comunicative in forma sia scritta che orale adeguate ai diversi interlocutori -sviluppare capacità di lavoro interdisciplinare in equipe.
Programma
Il tirocinio si svolge sulla base di un progetto formativo concordato con l’organizzazione ospitante e con il sostegno di un tutor. Ulteriori informazioni sono disponibili sulla pagina web dei tirocini.
Codice insegnamento 30234
ADVANCED ANALYSIS OF DATA3° anno · 6 CFU · 0 file
By the end of the course the student will develop advanced expertise in formulating and implementing statistical approaches to practical problems in a wide variety of subject areas. To integrate material covered in…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course the student will develop advanced expertise in formulating and implementing statistical approaches to practical problems in a wide variety of subject areas. To integrate material covered in various lecture courses with skills developed through practical work in order to solve real-world problems. By the end of this course students will be able to: - formulate questions of interest and identify relevant informal and formal statistical methodology for a wide variety of practical contexts; - implement the various stages of advanced statistical analysis appropriately in R; - interpret the output of R procedures; - critically collate results and conclusions; - present the main results and conclusions in the form of concise summaries; - present results of analyses in the form of written reports; - critically assess published applications of statistical analysis; - work independently on practical data analysis problems.
Programma
The course will confront the student with a number of case studies covering different areas such as missing values, modelling, regression and related methods, data visualisation, analysis of ordinal and categorical data.
Modalità d'esame
The course will be assessed by the reports that the groups write and submit on the case studies during the course. Every student also has to present case study results once. Students who cannot give a presentation during the course will be given the opportunity to present at a later date; "exam" dates announced in AlmaEsami are actually proposals for presentation dates for those who didn't present during the standard classes. Missing reports can also be submitted later individually (without group work); in order to be admitted for a later presentation, all reports have to be submitted. The course is not marked quantitatively, but as "idoneo/non idoneo".
Testi di riferimento
To be posted on Virtuale.
Codice insegnamento 79296
ANALISI DI MERCATO3° anno · 8 CFU · SECS-S/03 · 0 file
Al termine del corso lo studente conosce le linee principali di progettazione e realizzazione di un sondaggio d'opinione o di una ricerca di mercato. In particolare lo studente è in grado di: - utilizzare la…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce le linee principali di progettazione e realizzazione di un sondaggio d'opinione o di una ricerca di mercato. In particolare lo studente è in grado di: - utilizzare la metodologia statistica nell'analisi dei comportamenti di acquisto e dei consumi - avvalersi delle tecniche statistiche di segmentazione del mercato - valutare l'efficacia memoriale e comportamentale dei messaggi pubblicitari.
Programma
1. Sondaggi e ricerche di mercato. La formazione dei campioni probabilistici. La determinazione della numerosità campionaria. Il contenimento dell'errore di campionamento. Il questionario. Tipologie e metodi di prevenzione e controllo degli errori non campionari. 2. Analisi statistica dei consumi e dei comportamenti di acquisto. Fonti statistiche e schemi di classificazione. Gli indicatori per l'analisi della competitività dei mercati. Le determinanti dei comportamenti di acquisto. Frequenza degli acquisti, riacquisto e fedeltà di marca. Le indagini sugli stili di vita. 3. Percezione ed efficacia della pubblicità. Scelta dei canali pubblicitari e misura della audience. Misure dell'efficacia della comunicazione pubblicitaria. Modelli di risposta del mercato all'investimento pubblicitario.
Modalità d'esame
La verifica dell'apprendimento avviene attraverso un esame della durata di circa 30 minuti, che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di un colloquio orale. Nel corso della prova gli studenti rispondono a 6 quesiti. E' possibile concordare lo svolgimento di una prova parziale facoltativa a metà corso. L'iscrizione all'esame è obbligatoria e studentesse e studenti devono registrarsi attraverso la piattaforma AlmaEsami secondo le regole generali previste dall'Ateneo. Per quanto riguarda studentesse e studenti con DSA o disabilità temporanee o permanenti, si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre a studentesse e studenti interessate/i eventuali adattamenti. Questi ultimi dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Il punteggio finale è espresso in trentesimi e il minimo per superare l'esame è di 18/30.
Testi di riferimento
Dispense didattiche a cura del docente disponibili su http://virtuale.unibo.it/ Letture integrative: F. Bassi e S. Ingrassia, Statistica per analisi di mercato. Metodi e strumenti, Pearson, Milano, 2022. S. Brasini, M. Freo, F. Tassinari e G. Tassinari, Marketing e pubblicità. Metodi di analisi statistica, Il Mulino, Bologna, 2010.
Al termine del corso lo studente possiede le basi concettuali della ricerca epidemiologica e delle principali metodologie statistiche adottate in tale contesto. In particolare lo studente è in grado di: - pianificare uno…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le basi concettuali della ricerca epidemiologica e delle principali metodologie statistiche adottate in tale contesto. In particolare lo studente è in grado di: - pianificare uno studio epidemiologico - stimare rischi relativi ed odds ratio aggiustati per l'effetto di fattori di confondimento - stimare ed interpretare i parametri di un modello di regressione logistica e di Poisson
Programma
Fattori di confondimento e analisi stratificata. Il modello di regressione logistica e il modello di regressione di Poisson: metodi di stima e verifica di ipotesi. Interpretazione dei coefficienti di regressione. Analisi dei residui e valutazione della bontà di adattamento. Validità e riproducibilità di un criterio diagnostico. Analisi della sopravvivenza. Log-rank test e test di Peto. Modelli di regressione per dati di sopravvivenza. Modello di regressione di Cox a rischi proporzionali e sue estensioni. La meta-analisi di studi epidemiologici.
Modalità d'esame
La verifica dell'apprendimento avviene in due parti obbligatorie e comuni al corso integrato di Biostatistica: una prova di laboratorio, che ha come obiettivo quello di accertare le abilità acquisite nel condurre analisi statistiche nell'ambito delle tematiche affrontate, una prova orale, che mira a verificare il raggiungimento degli obiettivi didattici approfondendo gli aspetti teorici. L'accesso alla prova orale è consentito previo superamento della prova di laboratorio. La validità di una prova di laboratorio superata è limitata agli appelli di una stessa stessa sessione d'esame o della sessione successiva. Per quanto riguarda la prova di laboratorio di Epidemiologia, questa prevede l'analisi di casi di studio epidemiologico tramite l'utilizzo del software STATA e l'interpretazione dei risultati ottenuti. La prova ha durata di 1 ora ed il punteggio massimo è pari a 32, che equivale a un voto di 30 e lode. Per quanto riguarda la verifica dell’apprendimento, durante gli esami di laboratorio l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Per quanto riguarda la prova orale di Epidemiologia, questa prevede la descrizione teorica dei metodi di analisi e sintesi dei dati epidemiologici previste in programma, il punteggio massimo è pari a 32 che equivale ad un voto di 30 e Lode. Il superamento dell'esame avviene solo se si raggiunge la sufficienza in entrambe le parti del corso integrato di Biostatistica. Il voto finale, espresso in trentesimi, tiene conto delle valutazioni riportate nelle due parti, come sintesi media dei voti conseguiti sia nelle prove di laboratorio sia nelle prove orali. In caso di prove da remoto, la prova di laboratorio avverrà tramite piattaforma EOL, utilizzando il laboratorio informatico virtuale (oppure STATA autonomamente installato) e connettendosi congiuntamente via TEAMS la prova orale avverrà via TEAMS.
Testi di riferimento
M. Pagano K.Gauvreau, Biostatistica, Idelson Gnocchi,Napoli, 2003. Beaglehole, R. Bonita, T. Kjellström, Epidemiologia di base, Edizione italiana a cura di G. Agazzotti, Editoriale Fernando Folini, Casalnoceto, 1997. Testi di approfondimento K.J. Rothman, Epidemiology: an introduction,Oxford University Press, 2nd ed, 2013. D. W. Hosmer , S. Lemeshow Applied logistic regression, J. Wiley & Sons, , 2013. D. Kleinbaum, Survival analysis, Springer Verlag, 2012.
Codice insegnamento 32824
CAMPIONAMENTO E ANALISI DEI DATI3° anno · 8 CFU · SECS-S/01 · 0 file
Al termine del corso lo studente conosce i fondamenti teorici e pratici di alcune tecniche statistiche per l'analisi di matrici di dati e gli aspetti fondamentali dell'inferenza statistica in popolazioni finite e dei…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i fondamenti teorici e pratici di alcune tecniche statistiche per l'analisi di matrici di dati e gli aspetti fondamentali dell'inferenza statistica in popolazioni finite e dei metodi di campionamento statistico. In particolare lo studente è in grado di: - utilizzare le principali metodologie statistiche per l'analisi multidimensionale dei dati in modo coerente con le proprietà teoriche che le contraddistinguono - avvalersi di funzioni e procedure di R per l'analisi di matrici di dati - proporre i principali piani di campionamento alternativi al campionamento casuale semplice e valutarne le proprietà - interpretare criticamente i risultati ottenuti tramite l'impiego di metodi di campionamento e di tecniche statistiche per l'analisi multidimensionale dei dati
Programma
Modulo 1: Metodi di Campionamento Docente: Michele Scagliarini 1. Introduzione, Popolazione e Campione (3 ore). -Presentazione del corso -Aspetti generali sul campionamento da popolazioni finite -Definizione di popolazione e sua descrizione -Definizione di campione e universo dei campioni -Descrizione del campione 2. Aleatorietà del campionamento e stimatori (3 ore). -Definizione di piano di campionamento: probabilità di estrazione, probabilità di inclusione del primo e del secondo ordine con esempi. -Stimatore lineare e omogeneo e sue proprietà 3. Il campionamento casuale semplice (4 ore). -campionamento casuale semplice con reintroduzione -campionamento casuale semplice senza reintroduzione -esercitazioni 4. Il campionamento a probabilità variabile (6 ore). -Lo stimatore di Horvitz Thompson -Lo stimatore di Hansen Hurwitz. -Esercitazioni 5. L'impiego di variabili ausiliarie nel campionamento casuale semplice (4 ore) -Lo stimatore per quoziente -Lo stimatore per regressione -Esercitazioni 6. Il campionamento stratificato (3 ore) -Allocazione ottimale -Allocazione proporzionale 7. Utilizzo del software R per implementare e realizzare i disegni campionari esaminati nel corso (3 ore) 8. Esercitazioni finali (3 ore) Modulo 2: Analisi dei dati Docente: Gabriele Soffritti Matrici di dati e matrici derivate per l’analisi statistica multivariata (6 ore) Analisi dei gruppi (6 ore) Metodi gerarchici aggregativi Metodi partitivi Analisi delle componenti principali (6 ore) Interpretazione geometrica Sviluppi formali Analisi fattoriale (6 ore) Il modello fattoriale classico: specificazione, identificazione e stima Rotazione degli assi fattoriali Determinazione dei punteggi fattoriali Analisi discriminante (6 ore) Regole di classificazione basate su modelli probabilistici: criterio della minimizzazione della probabilità totale di una errata classificazione, criterio del rapporto di verosimiglianze Regola di classificazione lineare di Fisher Metodi per la stima del tasso di errata classificazione Funzioni disponibili nel software statistico R per l’analisi delle componenti principali, l’analisi fattoriale, l’analisi dei gruppi, l’analisi discriminante e svolgimento di esercizi utili per la preparazione dell'esame (10 ore). Descrizione della sintassi, delle funzionalità e dell’output Esempi illustrativi di analisi eseguite in R e commento dei risultati La stima del tempo dedicato ai vari argomenti del programma include 5 esercitazioni aggiuntive che verranno svolte in aula cablata/elettrificata con cadenza settimanale a partire dalla prima settimana di lezione.
Modalità d'esame
L'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici: conoscenza degli aspetti fondamentali del campionamento da popolazioni finite; capacità di utilizzare le conoscenze acquisite per progettare piani di campionamento; conoscenza dei metodi statistici di analisi multivariata trattati nel corso; capacità di applicare i metodi di analisi multivariata all'analisi di matrici di dati; conoscere le principali funzioni di R per implementare i piani di campionamento visti a lezione. L'esame è scritto. L'esame s'intende superato se la valutazione in ognuno dei due moduli è positiva. La valutazione complessiva è espressa in trentesimi ed è data dalla media aritmetica delle valutazioni conseguite nei due moduli. E’ possibile sostenere l’esame dei due moduli in appelli differenti e in qualsiasi ordine. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. La prova scritta del modulo di Metodi di campionamento consiste in esercizi e da domande teoriche aperte. La prova va svolta in un ora. Durante la prova scritta è consentito l’uso di un formulario (massimo un foglio protocollo) mentre non è consentita la consultazione di appunti nè di libri; per lo svolgimento dei calcoli è necessario portare con sè una calcolatrice. Nella prova scritta non verrà richiesto di programmare in R, ma di commentare e spiegare il codice R presente nel testo dell'esercizio. E' consentito consultare i manuali dei pacchetti R visti a lezione. Ai fini della determinazione della valutazione il punteggio attribuito agli esercizi risolti dallo studente è stabilito tenendo conto simultaneamente della completezza, dell'adeguatezza e della coerenza dello svolgimento rispetto a quanto richiesto nelle domande che compongono ogni esercizio. La somma dei punteggi massimi attribuiti agli esercizi presenti in una prova è pari a 32. Valutazioni complessive così determinate pari a 31 e 32 corrispondono ad un voto finale di 30 e lode. La prova si intende superata se la valutazione conseguita è almeno pari a 18. La prova e il sistema di valutazione sono uguali per tutti gli studenti (frequentanti e non frequentanti). L'aver frequentato o meno le lezioni non è tenuto in nessuna considerazione nella valutazione della preparazione in sede d'esame. La prova scritta del modulo di Analisi dei dati si svolge in aula, ha durata un’ora e si compone complessivamente di quattro esercizi con domande aperte di natura teorica e/o pratica. Le domande teoriche riguardano i metodi statistici di analisi multivariata trattati a lezione. Le domande pratiche richiedono lo svolgimento di esercizi. Gli esercizi possono avere, come punto di partenza, l'output di analisi condotte mediante le funzioni di R illustrate a lezione. Durante la prova scritta non è consentita la consultazione di appunti nè di libri; per lo svolgimento dei calcoli è necessario portare con sè una calcolatrice. Ai fini della determinazione della valutazione complessiva della preparazione sugli argomenti del programma di analisi dei dati, ad ogni esercizio viene attribuito il medesimo punteggio massimo, pari a 8 punti. La somma dei punteggi massimi attribuiti agli esercizi presenti in una prova è quindi pari a 32. La valutazione complessiva della preparazione di uno studente, espressa in trentesimi, viene calcolata tramite la somma dei punteggi attribuiti ai singoli esercizi risolti dallo studente. Valutazioni complessive così determinate pari a 31 e 32 corrispondono ad un voto finale di 30 e lode. La prova si intende superata se la valutazione conseguita è almeno pari a 18. Il punteggio attribuito agli esercizi risolti dallo studente è stabilito tenendo conto simultaneamente della completezza, dell'adeguatezza e della coerenza dello svolgimento rispetto a quanto richiesto nelle domande che compongono ogni esercizio. La prova e il sistema di valutazione sono uguali per tutti gli studenti (frequentanti e non frequentanti). L'aver frequentato o meno le lezioni non è tenuto in nessuna considerazione nella valutazione della preparazione in sede d'esame. Ulteriori informazioni utili per l'esame Per poter sostenere l'esame è obbligatoria l'iscrizione nelle liste ufficiali disponibili su Almaesami. Inoltre è indispensabile presentarsi all’esame con un documento di identità. Non è possibile sostenere l'esame al di fuori delle date d'esame ufficiali pubblicate su Almaesami. E’ possibile sostenere l’esame dei due moduli in date d’esame differenti. A questo scopo occorre iscriversi alla lista specifica disponibile su Almaesami relativa al modulo per il quale si desidera sostenere l’esame. E' consentito ritirarsi durante l'esame. Come previsto dall'articolo 13, comma 1, del Regolamento di Ateneo sulle contribuzioni studentesche (http://www.normateneo.unibo.it/regolamento-di-ateneo-sulle-contribuzioni-studentesche-1 ), lo studente con posizioni debitorie aperte, di qualsiasi natura (a titolo meramente esemplificativo: contribuzione studentesca, indennità di mora, restituzione della borsa per la mobilità internazionale, prestiti d’onore, etc.), con l’Ateneo e/o con l’Azienda Regionale per il Diritto agli Studi Superiori (ER.GO) non può effettuare alcun atto di carriera, ivi compreso il sostenimento di esami.
Testi di riferimento
Modulo 1: Metodi di Campionamento Materiale indispensabile per la preparazione dell'esame Dispensa completa per il corso: Daniela Cocchi "Teoria dei Campioni (corso base)". Dispense del docente contenenti slide utilizzate durante le lezioni. Tutto il materiale didattico è a disposizione all'interno della piattaforma "Virtual learning environment" (https://virtuale.unibo.it/). Testi integrativi consigliati Yves TILLé, Maria Michela Dickson, Giuseppe Espa, ELEMENTI DI CAMPIONAMENTO E STIMA DA POPOLAZIONI FINITE, Pearson Italia, 2020. P.L. Conti, D. Marella, Campionamento da popolazioni finite. Il disegno campionario. Springer-Verlag Italia 2012. Cicchitelli, G., Herzel, A., Montanari, G.E.: Il campionamento statistico. Il Mulino, Bologna (1992). Modulo 2: Analisi dei dati Dispensa del docente contenente una serie di domande d'esame. R. Johnson, D. Wichern, Applied multivariate statistical analysis. Sixth edition. Pearson, 2014. Capitoli 8, 9, 11, 12. Dispense del docente contenenti alcune slide utilizzate durante le lezioni. Le dispense del docente saranno messe a disposizione degli studenti all'inizio delle lezioni all'interno della piattaforma "Virtual learning environment" (https://virtuale.unibo.it/). L'accesso è riservato agli studenti iscritti all'Ateneo di Bologna e avviene tramite le credenziali unibo ottenute al momento dell'immatricolazione. S. Mignani, A. Montanari, Appunti di analisi statistica multivariata. Esculapio, Bologna, 1994. Capitoli 3, 4, 5, 7. B. Everitt, T. Hothorn, An introduction to applied multivariate analysis with R. Springer, 2011. Capitoli 1, 3, 5, 6. W. K. Hardle, Z. Hlavka, Multivariate statistics, exercises and solutions. Second edition. Springer, 2015, Capitoli 11, 12, 13, 14.
The student will learn computational techniques useful in the context of classical and bayesian estimation. In particular, the student will be able to: - find estimates for one or more parameters using iterative…
Scheda dell'insegnamento
Obiettivi formativi
The student will learn computational techniques useful in the context of classical and bayesian estimation. In particular, the student will be able to: - find estimates for one or more parameters using iterative algorithms; - evaluate the bias and the precision of the estimates using resampling methods. The student will be able to implement all the computational techniques studied during the course with the statistical software R. Furthermore, the student will be able to perform real data analyses in a critical way in terms of both choice of the best technique to apply and interpretation of results.
Programma
Introduzione alla statistica computazionale ed all'uso del linguaggio R. Generazione di Variabili Casuali. Simulazione uniforme, trasformazione inversa, metodi generali di inversione, distribuzioni discrete. Integrazione Monte Carlo. Introduzione, integrazione Monte Carlo classica, Importance Sampling. Ottimizzazione Monte Carlo. Introduzione, metodi di ottimizzazione numerica, ricerca stocastica (soluzioni base, metodi stocastici del gradiente, simulated annealing).
Modalità d'esame
L'esame consiste in un set di domande a risposta aperta e/o esercizi pratici da svolgere mediante l'utilizzo del software R: in particolare, verrà richiesta la produzione di uno script che risolva gli esercizi proposti nella prova, comprensivo di commenti sui risultati numerici puntuali ottenuti (costanti, tassi di accettazione) e breve descrizione teorica dei metodi utilizzati. Il voto finale del corso di "Numerical Analysis" è calcolato come media aritmetica dei voti ottenuti nel test del modulo Numerical Analysis e nell'esame scritto del modulo di Computational Statistics. Se uno studente o studentessa ha solo Computational Statistics nel proprio piano di studi (ad esempio, mutua da altro corso o da iscrizione Erasmus), allora il voto della prova di Computational Statistics è l'unico voto ottenuto. AI policy: l'uso di qualsiasi strumento AI durante la prova d'esame è proibito. La violazione della policy prevede l'interruzione immediata della prova e il ritiro di essa. Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it). Sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Robert, C. & Casella, G. (2010). Introducing Monte Carlo Methods with R. New York: Springer-Verlag. Efron, B. & Tibshirani, R. J. (1993). An introduction to the bootstrap. London: Chapman & Hall/CRC.
The student learns the fundamental principles of the relational data model and of the relational database management systems. In particular, the student will be able to understand the structure of a relational…
Scheda dell'insegnamento
Obiettivi formativi
The student learns the fundamental principles of the relational data model and of the relational database management systems. In particular, the student will be able to understand the structure of a relational database, the integrity constraints on data and the SQL query language.
Programma
Capire i dati: elementari, strutturati da file e dal Web Modellare i dati I formati, il linguaggio XML e la notazione JSON Le Basi di Dati Modello concettuale (diagramma Entità - Relazione) Modello logico (schema delle relazionali) Modelli di basi di dati non relazionali (NoSQL) Gestire le basi di dati Sistemi di gestione di basi di dati relazionali Il linguaggio per le basi di dati relazionali: SQL Manipolare i dati Interrogare le basi di dati Il linguaggio per le basi di dati non relazionali Document-based Analizzare i dati Estrarre dati, informazioni Realizzare viste sui dati Esperienze con R su dati da Database e dal Web
Modalità d'esame
Prova scritta e pratica (durata 2 ore). La prova si articola in due parti. Una prima parte scritta con la richiesta di disegnare un modello di dati sulla base di requisiti (35%) ed inoltre con brevi esercizi e/o quesiti sul programma dell’insegnamento (20%). Non è ammesso l'uso del materiale didattico. Una seconda parte pratica con la richiesta di realizzare delle interrogazioni, nel linguaggio SQL, su una base di dati reale (45%). E' ammesso l'uso del solo materiale didattico. Il voto finale (in trentesimi) è determinato applicando le percentuali - pesi - assegnate a ciascun tipo di richiesta.
Testi di riferimento
Le lezioni si baseranno principalmente sul testo di Jeff Ullman e Jennifer Widom: "A First Course in Database Systems" e sulla documentazione disponibile sul Web. Approfondimenti, esempi e esercizi saranno messi a disposizione su “Virtual Learning Environment”.
Al termine del corso lo studente sa applicare l’analisi econometrica di base a contesti empirici, con particolare riguardo agli ambiti di economia del lavoro e dell’analisi della domanda del consumatore. In…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente sa applicare l’analisi econometrica di base a contesti empirici, con particolare riguardo agli ambiti di economia del lavoro e dell’analisi della domanda del consumatore. In particolare, lo studente è in grado di: - interpretare e sviluppare autonomamente analisi di regressione lineare e non lineare; - comprendere l’analisi di modelli di regressione con dati panel, con variabile dipendente binaria e con variabili strumentali; - proporre criticamente l’utilizzo delle tecniche apprese al contesto economico di riferimento; - utilizzare il software Stata per l’analisi econometrica
Programma
Il corso propone agli studenti l'applicazione all’analisi economica dei modelli econometrici gia' appresi e introduce concetti nuovi, affiancandone l'applicazione empirica. Per ogni argomento è prevista un'esercitazione di laboratorio. Modelli di regressione lineare. Modelli di regressione non lineare: forme quadratiche, logaritmiche, e con interazioni tra variabili. Modelli con endogeneità dei regressori: stimatore IV e 2SLS. Modelli di regressione con variabili dipendenti binarie: modello di probabilità lineare, Logit e Probit. Modelli di regressione con dati panel statici: stimatore con effetti fissi. Il programma è identico per studenti frequentanti e non frequentanti.
Modalità d'esame
Per gli studenti frequentanti, prova scritta (80% del voto finale) e progetto econometrico di laboratorio da consegnare entro la data del primo appello d’esame dell’anno accademico di riferimento (20% del voto finale). Per gli studenti non frequentanti, prova scritta. La prova scritta è volta a verificare la conoscenza degli strumenti teorici utilizzati durante il corso, la capacità di applicare tali strumenti a contesti empirici e la capacità di interpretare i risultati di analisi empiriche. La prova contiene domande aperte e domande con risposte multiple, anche con riferimento all’interpretazione di elaborazioni ottenute con il pacchetto statistico Stata, in linea con gli esempi svolti durante le lezioni e disponibili sul sito web del corso. Per ogni domanda e' fornito il relativo punteggio e il voto finale e' dato dalla somma dei punteggi ottenuti in ogni domanda. Il punteggio minimo assegnato a ogni risposta e' zero: risposte errate non ottengono punteggi negativi. Il punteggio massimo ottenibile con tutte risposte esatte, complete e approfondite e' 30 e lode. La prova si intende superata con un punteggio minimo di 18/30. Non è consentito l’uso di materiale di supporto (libri di testo, appunti, supporti informatici e connessi alla rete ecc.). Il tempo a disposizione dello studente per la prova scritta e' di 60 minuti. Il progetto econometrico di laboratorio prevede lo svolgimento di esercizi con il pacchetto statistico Stata in linea con quanto svolto nel corso delle esercitazioni di laboratorio. Lo studente ha facoltà di rifiutare il voto positivo una sola volta. Per quanto riguarda la verifica dell'apprendimento, l'uso dell'IA è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica. Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
I seguenti libri di testo costituiscono la base di riferimento per l’apprendimento. In aula verranno fornite tutte le indicazioni e i supporti per le analisi empiriche. La pagina web del corso (su Virtuale) fornirà il dettaglio del materiale relativo ad ogni lezione. Stock, J.H., Watson, M.W. "Introduzione all'econometria", 5a edizione (2020), Pearson Education Italia. M. Verbeek, “A Guide to Modern Econometrics”, 5th edition, Wiley.
By the end of the course, the student has gained basic knowledge about the role of statistical methods for analysing environmental phenomena, mainly from a spatial perspective. The student is led through the fundamentals…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course, the student has gained basic knowledge about the role of statistical methods for analysing environmental phenomena, mainly from a spatial perspective. The student is led through the fundamentals of the three branches of spatial statistics: areal, geostatistical and point process data are considered, from both a descriptive and modelling point of view. The student is able to apply the statistical methods by using specific R packages.
Programma
Il seguente elenco dei contenuti è indicativo e potrà essere modificato in itinere a seconda del ritmo di lavoro della platea degli studenti frequentanti. 1) Analisi di dati areali Misure descrittive della correlazione spaziale globale per dati areali. Misure descrittive della correlazione locale per dati areali (LISA). Test di correlazione spaziale globale e locale. Regressione lineare in un contesto spaziale. Smoothing di mappe di mortalità. 2) Analisi di dati da processi di punto Introduzione ai processi di punto. Misure descrittive per processi di punto. Test per casualità spaziale e studio dell’interazione tra dati di punto. Modelli di Poisson omogenei e non omogenei. Valutazione di modelli per processi di punto. In base al tempo rimanente: 3) Analisi di dati geostatistici Il ruolo della statistica nell'analisi dei fenomeni ambientali. Geostatistica: metodi di statistica descrittiva per serie spaziali e spazio-temporali; processi stocastici spaziali; momenti di un processo stocastico spaziale, variogramma e covariogramma; il modello lineare spaziale; modelli teorici per il variogramma; stima del variogramma; kriging. 4) Indici di entropia spaziale Misure di valutazione dell’eterogeneità spaziale basate sull’entropia, per dati areali e processi di punto. Approccio descrittivo, inferenziale, test di ipotesi. Applicazioni a dati di paesaggio, land use, biodiversità.
Modalità d'esame
La prova d'esame ha lo scopo di verificare il raggiungimento dei seguenti obiettivi didattici: Conoscenza approfondita degli strumenti illustrati durante le lezioni Capacità di analizzare criticamente insiemi di dati rilevati nello spazio Capacità di utilizzare il software R per lo studio di fenomeni rilevati nello spazio L’esame consiste in una prova in laboratorio della durata di un'ora e 30 minuti. Durante la prova, lo studente deve rispondere ad alcune domande teoriche, più alcune domande pratiche che vengono svolte con l’aiuto del software R. L’esame è diviso in 2-4 sezioni a seconda delle parti di corso effettivamente svolte (vedi sezione contenuti). Tutte le parti devono avere una valutazione sufficiente per ottenere un voto finale positivo.
Testi di riferimento
Bivand R.S., Pebesma E., Gómez-Rubio V. (2013) Applied Spatial Data Analysis with R. Springer. A. Baddeley, Analysing spatial point patterns in R. Downloadable at https://research.csiro.au/software/r-workshop-notes/ Nota: i testi di riferimento sono suggerimenti per approfondimenti, ulteriori esercizi, necessità di chiarimenti. Non è obbligatorio utilizzare questi testi.
Codice insegnamento 77093
EPIDEMIOLOGIA3° anno · 6 CFU · SECS-S/02 · 0 file
Al termine del corso lo studente possiede le basi concettuali della ricerca epidemiologica e delle principali metodologie statistiche adottate in tale contesto. In particolare lo studente è in grado di: - pianificare uno…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le basi concettuali della ricerca epidemiologica e delle principali metodologie statistiche adottate in tale contesto. In particolare lo studente è in grado di: - pianificare uno studio epidemiologico - stimare rischi relativi ed odds ratio aggiustati per l'effetto di fattori di confondimento - stimare ed interpretare i parametri di un modello di regressione logistica e di Poisson
Programma
Fattori di confondimento e analisi stratificata. Il modello di regressione logistica e il modello di regressione di Poisson: metodi di stima e verifica di ipotesi. Interpretazione dei coefficienti di regressione. Analisi dei residui e valutazione della bontà di adattamento. Validità e riproducibilità di un criterio diagnostico. Analisi della sopravvivenza. Log-rank test e test di Peto. Modelli di regressione per dati di sopravvivenza. Modello di regressione di Cox a rischi proporzionali e sue estensioni. La meta-analisi di studi epidemiologici.
Modalità d'esame
La verifica dell'apprendimento avviene in due parti obbligatorie e comuni al corso integrato di Biostatistica: una prova di laboratorio, che ha come obiettivo quello di accertare le abilità acquisite nel condurre analisi statistiche nell'ambito delle tematiche affrontate, una prova orale, che mira a verificare il raggiungimento degli obiettivi didattici approfondendo gli aspetti teorici. L'accesso alla prova orale è consentito previo superamento della prova di laboratorio. La validità di una prova di laboratorio superata è limitata agli appelli di una stessa stessa sessione d'esame o della sessione successiva. Per quanto riguarda la prova di laboratorio di Epidemiologia, questa prevede l'analisi di casi di studio epidemiologico tramite l'utilizzo del software STATA e l'interpretazione dei risultati ottenuti. La prova ha durata di 1 ora ed il punteggio massimo è pari a 32, che equivale a un voto di 30 e lode. Per quanto riguarda la verifica dell’apprendimento, durante gli esami di laboratorio l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Per quanto riguarda la prova orale di Epidemiologia, questa prevede la descrizione teorica dei metodi di analisi e sintesi dei dati epidemiologici previste in programma, il punteggio massimo è pari a 32 che equivale ad un voto di 30 e Lode. Il superamento dell'esame avviene solo se si raggiunge la sufficienza in entrambe le parti del corso integrato di Biostatistica. Il voto finale, espresso in trentesimi, tiene conto delle valutazioni riportate nelle due parti, come sintesi media dei voti conseguiti sia nelle prove di laboratorio sia nelle prove orali. In caso di prove da remoto, la prova di laboratorio avverrà tramite piattaforma EOL, utilizzando il laboratorio informatico virtuale (oppure STATA autonomamente installato) e connettendosi congiuntamente via TEAMS la prova orale avverrà via TEAMS.
Testi di riferimento
M. Pagano K.Gauvreau, Biostatistica, Idelson Gnocchi,Napoli, 2003. Beaglehole, R. Bonita, T. Kjellström, Epidemiologia di base, Edizione italiana a cura di G. Agazzotti, Editoriale Fernando Folini, Casalnoceto, 1997. Testi di approfondimento K.J. Rothman, Epidemiology: an introduction,Oxford University Press, 2nd ed, 2013. D. W. Hosmer , S. Lemeshow Applied logistic regression, J. Wiley & Sons, , 2013. D. Kleinbaum, Survival analysis, Springer Verlag, 2012.
Al termine del corso lo studente è in grado di utilizzare strumenti statistici adeguati per lo studio delle relazioni fra lo stato di salute delle popolazioni e le loro modalità di esposizione ad agenti inquinanti. In…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente è in grado di utilizzare strumenti statistici adeguati per lo studio delle relazioni fra lo stato di salute delle popolazioni e le loro modalità di esposizione ad agenti inquinanti. In particolare, lo studente è in grado di: - descrivere e modellare dati geostatistici e dati areali; - effettuare previsioni spaziali degli agenti inquinanti, tipicamente disponibili sotto forma di dati geostatistici; - produrre mappe di mortalità affidabili per cause di morte rare in piccole aree; - studiare la relazione tra qualità dellambiente e salute attraverso opportuni modelli di regressione spaziale; - utilizzare pacchetti dedicati allanalisi spaziale implementati nel software statistico R.
Programma
Modulo I Gli inquinanti atmosferici. Metodi di correlazione per le serie temporali degli inquinanti. Gli effetti sulla salute dell'inquinamento atmosferico. Revisione della letteratura. Effetti a breve termine e a lungo termine. Le relazioni dose risposta. Principali effetti sulla salute a lungo termine dell'inquinamento atmosferico e della presenza di impianti di gestione di rifiuti solidi urbani. La valutazione della esposizione della popolazione ad inquinanti atmosferici. Esposizioni acute e croniche. Metodi diretti e indiretti. L'uso della modellistica per la valutazione dell’esposizione. La valutazione di impatto sulla salute. Dal rischio alla quantificazione degli impatti. Frazione attribuibile. Lo scenario controfattuale. Gli indicatori di impatto (AC, YLL, YLD, DALYs). Le funzioni esposizione-risposta per il particolato in relazione alla mortalità. La stima degli impatti. Modulo II La statistica nell'epidemiologia spaziale. Dati spaziali e loro formato. Mappe di rischi areali, tassi e proporzioni. Modelli di regressione per dati areali. Tassi areali standardizzati (Standardized Mortality Ratio), metodo di standardizzazione interna. Modelli per il disease mapping: medie locali, Empirical Bayes smoothing. Metodi per identificare global clustering con l'uso dell'indice di Moran. Modelli per dati geostatistici. Processi stocastici spaziali e condizioni di regolarità. Il variogramma e la covarianza spaziale. I modelli teorici di correlazione spaziale. La previsione spaziale. Cenni a modelli di regressione ecologica per lo studio della relazione ambiente salute.
Modalità d'esame
L'esame consiste di due prove indipendenti relative ai moduli 1 e 2. Per il modulo 1 (ciclo 3, 30 ore). Gli studenti verranno valutati sulla base di un take-home assignment da svolgere con Excel. Il take-home assignment verrà consegnato tramite virtuale dal docente prima della fine del modulo 2. Gli studenti dovranno consegnare il report sempre tramite virtuale entro una data stabilita (in genere entro la data del primo appello estivo). Maggiori informazioni su lunghezza elaborato, formato di consegna, tempi e modalità di consegna del lavoro verranno fornite durante il corso. Nota: Gli studenti che intendono iscriversi ad un qualsiasi appello successivo al primo appello estivo (29 Maggio) sono pregati di mandare una mail al docente Andrea Ranzi (modulo 2) per la consegna del take-home assignment mettendo in cc il docente Massimo Ventrucci (modulo 1). I docenti comunicheranno i tempi di consegna; in ogni caso, la consegna dell'elaborato andrà effettuata entro la data di appello. Per il modulo 2 (ciclo 4, 30 ore). Gli studenti verranno valutati sulla base di: prova pratica/take-home assignment, da svolgere con R e da consegnare i genere entro la fine del corso prova scritta con EOL, da svolgersi in una data di appello (la prima data disponibile è la data del parziale). Il voto finale è la media delle due valutazioni. La prova scritta con EOL è volta ad attestare le conoscenze e consiste di: domande a risposta multipla, domande aperte (alcune delle quali richiedono l'uso di R). Il take-home assignment è volto ad attestare le abilità pratiche e consiste nell'analisi di un dataset con R e nella redazione di un report - nella forma di un documento word/pdf/RMarkdown che includa codice R e commenti - che dovrà essere consegnato tramite virtuale entro una data stabilita. Gli studenti lavoreranno in gruppi di max 3. Il take-home verrà consegnato nell'ultima settimana di lezione (ultime 6 ore del modulo 1) e gli studenti inizieranno il lavoro in aula e lo termineranno a casa. Maggiori dettagli verranno dati a lezione sul tipo di analisi richiesta e le modalità di consegna attraverso la piattaforma virtuale. NOTA: per lo studente che non fosse in grado di sostenere o superare il take-home assignment (perchè non frequentante, o perchè assente nell'ultima settimana di corso modulo 1, o ancora perchè fallisca la consegna del take-home assignment entro i termini previsti) ci sarà una parte aggiuntiva nell'esame scritto con EOL, volta ad attestare le abilità pratiche. Uso AI Per quanto riguarda la verifica dell’apprendimento tramite il computer based quiz, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Per quanto riguarda lo svolgimento dei take-home assignment, è consentito un uso limitato, dichiarato e non sostanziale dell’IA per attività di supporto (sintesi, riformulazioni) e vanno indicati gli esercizi in cui si è utilizzato il supporto AI. Valutazione Il processo di valutazione mira a verificare sia le conoscenze (sapere descrivere i concetti e i metodi di analisi visti a lezione) che le abilità pratiche (sapere mettere in pratica gli strumenti di analisi e interpretare correttamente i risultati). Il voto complessivo è la sintesi del giudizio dei docenti rispetto a quattro voci: 1) coerenza delle analisi svolte rispetto alle domande riportate nella prova pratica/take-home assignment; 2) chiarezza nel commentare e riportare le analisi svolte; 3) correttezza tecnica delle analisi svolte; 4) capacità di interpretare correttamente il significato delle analisi svolte. Per superare l'esame occorre ottenere un voto >=18 in entrambi i moduli. Il voto finale è la media dei voti ottenuti nei due moduli.
Testi di riferimento
Per il modulo I Epidemiologia ambientale: Metodi di studio e applicazioni in sanità pubblica. Dean Baker , Fabio Barbone , Rebecca Calderon , Tord Kjellstrom , Harris Pastides (2004). Edizione italiana del testo: Environmental Epidemiology A Textbook on Study Methods and Public Health Applications. WHO-USEPA (WHO/SPE/OEH/99.7). Disponibile all’indirizzo: http://www.arpat.toscana.it/documentazione/catalogo-pubblicazioni-arpat/epidemiologia-ambientale?searchterm=epidemiologia+ambientale D. Baker, M.J. Nieuwenhuijsen(eds). Environmental Epidemiology: study methods and application, Oxford University Press, 2008. Per il modulo II Applied Spatial Statistics for Public Health Data (2004). Lance A. Waller, Carol A. Gotway. Wiley Peter Diggle, Paulo Ribeiro (2007). "Model-based Geostatistics". Springer
Al termine del corso lo studente - sa integrare le conoscenze metodologiche con l'interpretazione fenomenica - è in grado di svolgere le varie fasi dell'analisi statistica dei fenomeni biodemografici - sa presentare i…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente - sa integrare le conoscenze metodologiche con l'interpretazione fenomenica - è in grado di svolgere le varie fasi dell'analisi statistica dei fenomeni biodemografici - sa presentare i risultati delle analisi effettuate sia in forma scritta che orale
Programma
Progettazione della ricerca: formulazione delle domande, definizione del disegno di studio e scelta dei metodi e delle fonti dati più appropriate. Introduzione ai principi dell’inferenza causale applicati allo studio dei fenomeni socio-demografici e bio-demografici. Utilizzo avanzato del software R per la gestione, l’analisi, la modellizzazione e la visualizzazione dei dati. Acquisizione, integrazione, pulizia e preparazione di dati secondari provenienti da fonti diverse. Applicazione di tecniche statistiche per l’analisi di fenomeni socio-demografici e bio-demografici. Visualizzazione delle relazioni tra variabili, dei dati spaziali, delle strutture di rete e dei risultati di modelli statistici complessi. Interpretazione critica delle fonti, della qualità dei dati e dei risultati delle analisi statistiche. Comunicazione efficace dei risultati attraverso report, rappresentazioni grafiche e presentazioni orali.
Modalità d'esame
Durante le ore di laboratorio, gli studenti e le studentesse dovranno elaborare, individualmente o in gruppo, un report applicando progressivamente i concetti, gli strumenti e i metodi affrontati nel corso. I risultati del lavoro dovranno essere presentati sia in forma scritta sia oralmente. I dettagli relativi alle modalità di svolgimento e presentazione saranno forniti su virtuale e illustrati durante le attività di laboratorio. L’esame non prevede l’attribuzione di un voto, ma si conclude con un giudizio di idoneità o non idoneità. Gli studenti e le studentesse non frequentanti sono pregati di mettersi in contatto con il docente per chiarimenti riguardo le modalità di presentazione del report finale. Nell' elaborazione del report è consentito un uso limitato, dichiarato e non sostanziale dell’IA per attività di supporto (sintesi, riformulazioni). Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Tutte i materiali saranno resi disponibili su Virtuale. Letture di supporto consigliate: Quantitative Social Science: An Introduction. Kosuke Imai, Princeton University Press https://press.princeton.edu/books/hardcover/9780691167039/quantitative-social-science Fundamentals of Data Visualization, Claus O. Wilke https://clauswilke.com/dataviz/ Data Visualization: A Practical Introduction. Kieran Healy, Princeton University Press Link https://socviz.co/ Data Visualisation: A Handbook for Data Driven Design. Andy Kirk, Sage https://uk.sagepub.com/en-gb/eur/data-visualisation/book266150 Hands-On Programming with R. Garrett Grolemund https://rstudio-education.github.io/hopr/ R Graphics Cookbook, 2nd edition. Winston Chang https://r-graphics.org/
Codice insegnamento 30060
LABORATORIO DI STATISTICA ECONOMICA E ANALISI DI MERCATO3° anno · 4 CFU · 0 file
Al termine del corso lo studente acquisisce la conoscenza di software statistico adatto all'elaborazione e all'analisi di banche di dati economici. In particolare lo studente è in grado di: - integrare le conoscenze…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente acquisisce la conoscenza di software statistico adatto all'elaborazione e all'analisi di banche di dati economici. In particolare lo studente è in grado di: - integrare le conoscenze metodologiche con l'interpretazione fenomenica - svolgere le varie fasi dell'analisi statistica dei fenomeni economici - presentare i risultati delle analisi statistiche effettuate sia in forma scritta che orale
Programma
1. Conoscere i propri clienti: analisi statistica della clientela 2. Analisi della domanda e dei comportamenti di consumo 3. Analisi delle performance delle aziende 4. Produttività ed efficienza delle imprese 5. Conoscere il territorio e la sua struttura economica
Modalità d'esame
La prova d'esame e' volta ad accertare la conoscenza e la capacita' di utilizzare gli strumenti statistici, presentati a lezione e durante i laboratori. La verifica prevede una prova scritta obbligatoria e una prova orale facoltativa. La prova scritta è strutturata con domande chiuse, aperte, esercizi e commento ai risultati di analisi statistiche. Durante la prova scritta non e' ammesso l'uso di materiale di supporto quale libri di testo, appunti, supporti informatici. L’orale integrativo sarà svolto con quesiti che verteranno sugli argomenti del modulo insufficiente. La verbalizzazione della valutazione conseguita avviene nella data fissata ed indicata in Almaesami. E' possibile prendere visione del compito e chiedere chiarimenti in occasione della data di verbalizzazione immediatamente successiva all'appello in cui si è sostenuto l'esame. La verbalizzazione può avvenire in assenza dello studente. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
The student learns the numerical methods for differential problems. At the end of the course the student knows the numerical-mathematical aspCFU and the main algorithmic methodologies that deal with the numerical…
Scheda dell'insegnamento
Obiettivi formativi
The student learns the numerical methods for differential problems. At the end of the course the student knows the numerical-mathematical aspCFU and the main algorithmic methodologies that deal with the numerical solution of differential problems of interest in Engineering.
Programma
Prerequisiti: Conoscenze matematiche generali e competenze informatiche acquisite durante il corso di laurea triennale. Più precisamente, si richiedono prerequisiti di Geometria e Algebra, Analisi Matematica e programmazione MATLAB. È inoltre necessaria una conoscenza pregressa dei concetti fondamentali e degli argomenti di base dell'Analisi Numerica. Programma: 1. Metodi iterativi per la risoluzione di equazioni non lineari e sistemi di equazioni non lineari Richiami ai principali metodi iterativi per la ricerca degli zeri di equazioni non lineari in una variabile: metodo di bisezione, metodo di Newton e metodo delle secanti. Metodi iterativi per la risoluzione numerica di sistemi di equazioni non lineari: metodo di Newton e metodi quasi-Newton. Un'applicazione riguardante la risoluzione di sistemi non lineari nell'ingegneria aerospaziale. 2. Differenziazione numerica: approssimazione delle derivate mediante differenze finite Approssimazione numerica delle derivate mediante formule alle differenze finite. Il metodo dei coefficienti indeterminati. Determinazione della lunghezza del passo che minimizza l'errore totale. Applicazioni: risoluzione, mediante metodi alle differenze finite, di problemi di interesse ingegneristico in ambito aerospaziale. 3. Integrazione numerica mediante formule di quadratura gaussiane Breve rassegna delle formule di quadratura di Newton-Cotes e dei loro limiti. Formule di quadratura gaussiane aperte, chiuse e semi-chiuse. Algoritmi numerici per il calcolo dei nodi e dei pesi delle formule di Gauss-Legendre, Gauss-Lobatto e Gauss-Radau. Un'applicazione dell'integrazione numerica nell'ambito dell'aerodinamica computazionale. 4. Metodi numerici per la risoluzione di problemi ai valori iniziali per equazioni differenziali ordinarie (ODE-IVP) Equazioni differenziali ordinarie (ODE) e problemi ai valori iniziali (IVP). Esistenza, unicità e stabilità delle soluzioni. Metodi numerici a un passo per la risoluzione di problemi ODE-IVP: metodi di Runge-Kutta espliciti e impliciti a passo fisso e metodi di Runge-Kutta a passo adattivo. Accuratezza, consistenza e stabilità dei metodi numerici. Problemi stiff. Applicazione: simulazione della risposta dinamica del ponte di Tacoma Narrows.
Modalità d'esame
L'esame finale è volto ad accertare il raggiungimento dei seguenti obiettivi formativi: acquisizione delle conoscenze relative ai fondamenti numerico-matematici e alle principali metodologie algoritmiche per la risoluzione di equazioni non lineari e sistemi di equazioni non lineari, per la differenziazione e l'integrazione numerica e per la risoluzione di problemi ai valori iniziali per equazioni differenziali ordinarie; capacità di progettare e implementare metodi numerici e programmi di calcolo in ambiente MATLAB per la risoluzione di problemi di interesse ingegneristico, nonché di analizzarne criticamente accuratezza, efficienza e affidabilità. L'esame si svolgerà in laboratorio informatico. Gli studenti avranno a disposizione 120 minuti per completare due esercizi che richiederanno sia lo sviluppo di codici MATLAB, sia la risposta a quesiti teorici sugli argomenti trattati durante le lezioni. Ai fini della valutazione saranno presi in considerazione esclusivamente i file caricati sulla piattaforma Esami On Line (EOL) entro il termine della prova. Durante la prova d'esame non è consentita la consultazione di libri di testo, appunti o strumenti informatici di supporto. Non è inoltre consentito l'accesso a risorse didattiche online né l'utilizzo di strumenti di Intelligenza Artificiale generativa (IA). La prova si considera superata con il conseguimento di almeno 18 punti su un punteggio massimo di 32. Un punteggio superiore a 30 comporta l'attribuzione della votazione di “30 e lode”, a riconoscimento dell'eccellente livello di preparazione dimostrato. Le istruzioni e le scadenze per l'eventuale rifiuto della votazione saranno comunicate via e-mail al momento della pubblicazione degli esiti dell'esame. Per partecipare alla prova d'esame lo studente deve iscriversi, con almeno 2 giorni di anticipo, nelle liste disponibili sulla piattaforma web AlmaEsami. Il giorno dell'esame lo studente potrà accedere al laboratorio e sostenere la prova solo se provvisto di un documento di riconoscimento. Le date delle prove d'esame sono consultabili sulla piattaforma web AlmaEsami e risultano visibili con vari mesi di anticipo. Precisazioni sulla verbalizzazione del voto d'esame per coloro che hanno l'insegnamento di NUMERICAL ANALYSIS (6 CFU) come modulo del corso integrato di NUMERICAL AND MATHEMATICAL METHODS FOR ENGINEERING (12 CFU) Se l'insegnamento di NUMERICAL ANALYSIS (6 CFU) è uno dei due moduli che, insieme all'insegnamento di MATHEMATICAL METHODS FOR ENGINEERING (6 CFU), costituisce il corso integrato di NUMERICAL AND MATHEMATICAL METHODS FOR ENGINEERING (12 CFU), la votazione che verrà verbalizzata sarà data dalla media aritmetica delle singole votazioni che lo studente avrà ottenuto nei due moduli. Si precisa che il risultato della media sarà arrotondato all'intero più vicino. Solo nel caso in cui la media risulterà esattamente equidistante tra due interi si procederà per arrotondamento all'intero superiore. Inoltre, per ottenere come valutazione finale “30 e lode”, lo studente dovrà trovarsi in uno dei seguenti due casi: - avere ottenuto “30 e lode” in entrambi i moduli; - avere ottenuto “30 e lode” in un modulo e 30 nell'altro. Si precisa infine che la verbalizzazione della valutazione finale richiede il superamento di entrambe le prove d'esame degli insegnamenti di NUMERICAL ANALYSIS (6 CFU) e MATHEMATICAL METHODS FOR ENGINEERING (6 CFU) in un intervallo di tempo non superiore a 12 mesi. Studenti/sse con bisogni educativi speciali connessi a disturbi dell'apprendimento e/o disabilità sono invitati a contattare per tempo l’Ufficio di Ateneo competente (https://site.unibo.it/studenti-con-disabilita-e-dsa/it) affinché possa proporre loro eventuali adattamenti che dovranno essere sottoposti all’approvazione del docente almeno 15 giorni prima della data dell’esame.
Testi di riferimento
Per la preparazione dell'esame lo studente potrà fare riferimento al materiale didattico caricato dal docente sulla piattaforma Virtuale. Testi di riferimento consigliati per approfondimenti sono: [1] T. Sauer: Numerical Analysis, 3rd ed., Pearson, 2018. [2] J. Kiusalaas: Numerical Methods in Engineering with MATLAB, 3rd ed., Cambridge University Press, 2015. [3] K. Atkinson, W. Han, D. Stewart: Numerical Solution of Ordinary Differential Equations, John Wiley and Sons, 2009. [4] A. Quarteroni, R. Sacco, F. Saleri: Numerical Mathematics, 2nd ed., Springer, 2007. [5] R.J. LeVeque: Finite Difference Methods for Ordinary and Partial Differential Equations, SIAM, 2007. Per colmare eventuali lacune relative ai prerequisiti di Analisi Numerica e/o ai fondamenti di programmazione in MATLAB si consigliano: [1] E. E. Mikhailov: Programming with MATLAB for Scientists: A Beginner’s Introduction, CRC Press, Inc., 2017. [2] A. Quarteroni, F. Saleri, P. Gervasio: Scientific Computing with MATLAB and Octave (4th edition), Springer, 2014. [3] C. Moler: Numerical Computing with MATLAB, SIAM, 2004. [4] J. Stoer, R. Bulirsch: Introduction to Numerical Analysis (3rd ed.), Springer, 2002.
Codice insegnamento 37261
NUMERICAL ANALYSIS (I.C.)3° anno · 2° semestre · 0 file
At the end of the course, the student has a basic understanding of computational tools and terminology, including object oriented programming techniques. He is able to: - use programming languages to write small scale…
Scheda dell'insegnamento
Obiettivi formativi
At the end of the course, the student has a basic understanding of computational tools and terminology, including object oriented programming techniques. He is able to: - use programming languages to write small scale programs; - understand programs written by others; - map financial problems, such as pricing systems and risk measurement models, into computational solutions.
Programma
Programmare i calcolatori è un attività di tipo creativo, che si apprende solo con l'esercizio, orientata a trovare soluzioni a problemi utilizzando i linguaggi di programmazione. Il corso introdurrà gli strumenti di base e la terminologia utilizzata nel settore dell'informatica quali ad esempio: sistemi operativi, reti di calcolatori e sistemi informativi, linguaggi di programmazione, interpreti e compilatori. Successivamente, utilizzando il linguaggio Python, verranno presentate le tecniche di programmazione seguendo un approccio interattivo introducendo gradualmente i concetti ed i costrutti dei linguaggi di programmazione, quali: Variabili, espressioni e comandi; funzioni, condizionali e ricorsione; Iterazione; Tipi di dati; Tabelle; il formato csv; creazione di fogli elettronici; accesso a dati tramite Web. Tratteremo inoltre: programmazione ad oggetti; casi di studio e metodi per l'accesso ai dati finanziari.
Modalità d'esame
Esame scritto: composto da uno a tre esercizi di programmazione composto da 3 a 5 funzioni da realizzarsi in Python con carta e penna. Verrà valutata in 30esimi la capacità di programmare acquisita dallo studente. La durata dello scritto è di circa 90 minuti e potrà variare lievemente a seconda della difficoltà degli esercizi proposti. Si seguirà la seguente graduazione dei voti a seconda del numero di funzioni da realizzare: Almeno una funzione realizzata corretta: 18-19. Più di una funzione realizzata corretta ma con più funzioni errate o mancanti: 20-24. Una funzione mancante o tutte le funzioni realizzate ma con presenza di errori in alcune di esse: 25-29. Tutte le funzioni corrette: 30-30L. Per quanto riguarda l'esame scritto, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi di riferimento
Testo di riferimento: How to Think Like a Computer Scientist: Learning with Python, di Allen Downey, Jeff Elkner e Chris Meyers. Gree Tea Press (disponibile in rete: https://openbookproject.net/thinkcs/python/english3e/). Altri testi: Finantial Modelling in Python, di S. Fletcher e C. Gardner. Wiley Finance 2009. Introduzione a Python, di T. Gaddis (Quinta Edizione) Pearson, 2022.
Codice insegnamento 37278
POLITICA ECONOMICA3° anno · 6 CFU · SECS-P/02 · 0 file
Al termine del corso lo studente: - possiede gli strumenti necessari per comprendere le caratteristiche ed i cambiamenti della politica economica italiana; - conosce i problemi strutturali dell'economia italiana relativi…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente: - possiede gli strumenti necessari per comprendere le caratteristiche ed i cambiamenti della politica economica italiana; - conosce i problemi strutturali dell'economia italiana relativi allo sviluppo endogeno e locale, all'inflazione, al debito pubblico, al Mezzogiorno ed all'occupazione; - è in grado di leggere e analizzare i principali documenti di politica economica (DPEF, Legge finanziaria) e le più importanti fonti statistiche nazionali ed internazionali.
Programma
I contenuti del corso saranno: Introduzione ai temi della Politica Economica (un'ora). La politica economica italiana (15 ore): - Modelli interpretativi e misure di politica economica nel secondo dopoguerra, - Modelli di sviluppo endogeno e locale nell'esperienza italiana, distretti industriali e la globalizzazione, -La misura del capitale territoriale
Le politiche di sviluppo territoriale. Dalla Cassa per il Mezzogiorno alle politiche regionali dell'UE. Similarità e differenze.
Gli indicatori di Benessere Equo e Sostenibile: la teoria di Amartya Sen come sfondo e i target per la Politica economica italiana; gli indicatori BES introdotti nel DEF Introduzione teorica e misura della qualità istituzionale (4 ore teoriche e 2 di laboratorio): indicatori WGI e EQI Problemi strutturali dell'economia italiana e misure di politica economica (4 ore e 2 di laboratorio):
La povertà in Italia
il Mezzogiorno e la fine dell'intervento straordinario, occupazione e disoccupazione.
Il debito pubblico in Italia Le politiche dell'UE e l'Italia nel contesto europeo (10 ore e 2 di laboratorio): -La Politica di Coesione dell'UE: storia, principi e caratteristiche -I periodi di programmazione: 2007-2013 e 2014-2020 -Attuazione in Italia: opportunità e problemi
Gli accordi di Maastricht, l'Euro e il Patto di Stabilità -Lezione seminariale della docente sulla Politica Agricola Comunitaria La Strategia Nazionale per le Aree Interne come esempio di Multilevel governance (2 ore) Il Bilancio dell'UE 2021-2027. L'impostazione del ciclo di programmazione della Politica di Coesione 2021-2027 e il PNRR (2 ore) -Il futuro delle Politiche europee alla luce dell'emergenza sanitaria Covid-19 del 2020 e il programma di ripresa e resilienza dell'Italia
Il ciclo di programmazione della Politica di Coesione 2021-2027 Visti i temi affrontati nel corso di Politica Economica esso contribuisce ad una maggiore consapevolezza e, quindi, al raggiungimento degli obiettivi, 5, 8, 10 e 16, dei 17 Obiettivi per lo Sviluppo Sostenibile (SDGs) dell’ONU.
Modalità d'esame
La verifica del grado di apprendimento degli argomenti trattati verrà condotta attraverso l'esame scritto od orale. Negli appelli di Dicembre, Gennaio e Febbraio (3) verranno effettuate verifiche scritte di un'ora e trenta con le seguenti modalità: Gli studenti avranno la scelta di 1 quesito (su 2), articolato in 5 punti, tutti da trattare, ogni punto vale massimo 7/35 e per ogni punto non trattato verrà sottratto 2 al punteggio ottenuto). Sommando la valutazione dei diversi punti se si supera il punteggio di 30 si ottiene anche la Lode. Le domande relative alle lezioni di laboratorio prevedono la consultazione delle tavole di dati e dei grafici allegati Lo scritto prevede un numero massimo di parole da scrivere per ciascun punto. Gli appelli di giugno, luglio e settembre saranno in modalità orale e le domande saranno impostate come per lo scritto. La valutazione dell'esame orale sarà data secondo il criterio:
Preparazione e capacità di analisi sufficienti, espresse in un linguaggio formalmente corretto → 18-22;
Preparazione tecnicamente adeguata, capacità di analisi sufficiente, anche se non particolarmente articolate, espresse in un linguaggio corretto → 23-26;
Conoscenza approfondita dei temi affrontati nel corso, buone capacità di analisi e di critica, padronanza della terminologia specifica → 27-29;
Conoscenza molto approfondita dei temi affrontati nel corso, capacità di analisi critica e di collegamento, padronanza della terminologia specifica → 30-30L. In particolare, si intende verificare il raggiungimento dei seguenti obiettivi didattici:
conoscenza delle politiche economiche dell'Unione europea e dei suoi collegamenti con quelle italiane e internazionali;
uso appropriato degli strumenti metodologici illustrati durante le lezioni frontali;
capacità di discutere i risultati ottenuti al fine di interpretare il fenomeno oggetto di studio, alla luce della letteratura sull'argomento e delle attuali strategie di politica economica. STUDENTI CON DSA o DISABILITA' TEMPORANEE O PERMANENTI Si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli interessati eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di almeno 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento. Esame in ambiente controllato con divieto di utilizzo dell’IA L’uso di strumenti di IA durante la prova è vietato in qualunque forma, inclusi chatbot, generatori di testo, traduttori avanzati, sintetizzatori di contenuti e strumenti integrati nei dispositivi. Qualunque utilizzo di IA è considerato violazione del principio di onestà e correttezza previsto dalla Policy e può comportare l’annullamento della prova da parte del docente, che rimane responsabile dell’accertamento della validità dell’esame. Questa modalità si applica a questa tipologia di prova che mira a valutare competenze individuali non delegabili all’IA, quali: • comprensione critica; • capacità di argomentazione logica; • risoluzione autonoma di problemi; • applicazione di nozioni fondamentali; • ricostruzione personale di procedure, passaggi metodologici o concetti. Nel caso lo studente/la studentessa fosse sorpreso/a ad utilizzare l'IA o altro materiale durante la prova gli/le verrà chiesto di interrompere l'esame e abbandonare l'aula.
Testi di riferimento
Documenti di Politica economica europei ed italiani, che verranno messi a disposizione degli studenti su IOL (Insegnamenti On Line), le slide presentate e alcuni capitoli/paragrafi indicati (da studiare o da leggere) nell'ultima slide relativa all'argomento: Politica Economica – Valli, 2005 Cap.1 e Cap. 4 Politica Economica Volume I – Valli, 1998 Cap.13 e paragrafi 14.1, 14.2, 14.3, 14.4, 14.5 e 15.5 Mezzogiorno a tradimento – Viesti – Cap.3 Le cause del divario Nord-Sud in Italia e gli effetti delle politiche pubbliche sulla società nel Mezzogiorno, tesi SVIC di Alessandra Buonaiuto Politica Economica – Valli, 2005 - Par. 5.8 Lo sviluppo locale – Ciapetti, 2010 Il distretto industriale Marshalliano come concetto socio-economico - G. Becattini, 1991 LA GOVERNANCE NEI DISTRETTI INDUSTRIALI DEL TERZO MILLENNIO Il caso della Regione Marche e l’area di crisi industriale complessa del Fermano Maceratese, tesi di laurea Svic di M. G. Paccapelo a.a. 2019/2020 SVIC Le nuove politiche regionali dell'Unione Europea – Viesti, Prota – Cap.1 e 2 Politica Regionale – Commissione Europea [http://www2.stat.unibo.it/brasili/polec_2017/regional_policy_it.pdf] I fondi strutturali europei: otto lezioni dall'esperienza italiana – Viesti, Luongo 2014 Le nuove politiche regionali dell'Unione Europea – Viesti, Prota – Cap.7 Le nuove politiche regionali dell'Unione Europea – Viesti, Prota – Cap.8 Investire nelle regioni: la riforma della Politica di coesione dell’UE 2014-2020 Sintesi dell’accordo di partenariato per l’Italia, 2014-2020, European Commission 2014 Accordo di partenariato 2014-2020 Italia allegato 1 risultati attesi - azioni Politica Economica Europea - Valli, 1999 par.2.2 e 2.3 Politica Economica e Macroeconomia Vittorio Valli e altri, paragrafi 7.6, 7.7, 7.8 (2010), Ed. Carocci Padoa-Schioppa Tommaso, L’Euro in prospettiva storica, il Mulino, n.399, 1/2002 Bordignon, Turati DEBITO PUBBLICO come ci siamo arrivati e come sopravvivergli, PICCOLA BIBLIOTECA PER UN PAESE NORMALE - VITA E PENSIERO (un capitolo) Letture integrative: -Rapporti BES, annate varie
Istat, I distretti industriali 2011 L’"effetto distretto”: motivazioni e risultati di un progetto di ricerca – L. Federico Signorini, 2000 I distretti industriali del Terzo Millennio – F. Guelpa, S. Micelli, 2007 Cap.1 I distretti industriali del Terzo Millennio – F. Guelpa, S. Micelli, 2007 Cap.7 Italia e Germania: due vie per l’uscita dalla crisi – A. Brasili C.Brasili, 2011 Lo sviluppo è libertà – Sen, 2000 La povertà in Italia - Sintesi Rapporto Istat 2024 Città e sviluppo locale – Bertini, Brasili, 2014 I “nuovi” distretti agroalimentari tra i “nuovi” distretti industriali- C. Brasili, R. Fanfani Nel DEF 2017 per la prima volta gli indicatori BeS Il Quadro Strategico Nazionale 2007-2013 Mantovani A., Mattarin L, Economia dell’integrazione europea, Il Mulino, Bologna 2008 (cap 5 pp. 163-200) Roberto Basile, Luisa Giallonardo, Marcella Mulino (2023) Politica economica, terza edizione Ed. Wolters Kluwer Italia (CEDAM) I numeri della corruzione – C. Brasili (2012) La finanza pubblica e il debito pubblico Dott.ssa Arianna Moschetti Da pag 10 a pag 13 E da pag 21 a pag 45 Rapporto sul Sistema agroalimentare dell'Emilia- Romagna - Capitolo 2. Le politiche comunitarie e nazionali
Codice insegnamento 03568
PROJECT3° anno · 1° semestre · 4 CFU · 0 file
PROVA FINALE L3° anno · 1° semestre · 4 CFU · 0 file
Nell'elaborazione della prova finale, lo studente dimostra capacità di applicare le conoscenze acquisite e di possedere abilità di analisi, sintesi, elaborazione autonoma e comunicazione, spirito di iniziativa e…
Scheda dell'insegnamento
Obiettivi formativi
Nell'elaborazione della prova finale, lo studente dimostra capacità di applicare le conoscenze acquisite e di possedere abilità di analisi, sintesi, elaborazione autonoma e comunicazione, spirito di iniziativa e imprenditorialità.
Codice insegnamento 35074
RECORD LINKAGE3° anno · 2° semestre · 6 CFU · SECS-S/01 · 0 file
At the end of the course the student will know the methods for linking the information referred to the same statistical unit. This information belongs to different archives and the statistical unit is not identified by…
Scheda dell'insegnamento
Obiettivi formativi
At the end of the course the student will know the methods for linking the information referred to the same statistical unit. This information belongs to different archives and the statistical unit is not identified by means of a code free of errors. The student will be able to use the exact matching, by means of deterministic and probabilistic record linkage and the basic tools of statistical matching.
Programma
The statistical formalisation of the record linkage problem Deterministic record linkage String similarity functions Blocking Fellegi-Sunter model and decision rule Latent class model and its estimation via the EM algorithm Record linkage as an assignment problem Supervised classification for record linkage tasks More recent developments and Bayesian models for record linkage
Modalità d'esame
A 2-hour exam using R, with exercises covering both practical and theoretical aspects of the course. The exam is designed to assess the ability to solve a practical record linkage task, while also demonstrating understanding of the underlying methods and models. All work must be completed in an R script, with reproducible computations. Written answers should be provided as comments within the code. The final grade is based on the total points earned across all exercises. Paper notes and printed resources are allowed, while electronic and online resources are not. The use of generative artificial intelligence tools in assessment tasks is prohibited. Any such use constitutes a breach of academic integrity.
Testi di riferimento
Suggested readings: Data Matching: Concepts and Techniques for Record Linkage, Entity Resolution, and Duplicate Detection, P. Christen, Springer, 2012. ISBN: 978-3-642-43001-5. Chapters 1, 2, 4, 5, 6. An Introduction to Statistical Learning with Applications in R, G. James, D. Witten, T. Hastie, and R. Tibshirani, Springer, 2021, Sections 4.3, 4.4, 4.5, 8.1. Data Quality and Record Linkage Techniques, T. N. Herzog, F. J. Scheuren, and W. E. Winkler, Springer, 2007. ISBN: 978-0-387-69502-0. Chapters 8 and 9. (Almost) All of Entity Resolution, O. Binette and R. C. Steorts, Science Advances, vol. 8, no. 12, 2022. The stringdist Package for Approximate String Matching, M. P. J. van der Loo, The R Journal, vol. 6, no. 1, 2014. Other study material, including slides and R scripts from the tutorials, will be made available on Virtuale.
Al termine del corso lo studente possiede le competenze e gli strumenti metodologici statistici, sia per l'analisi delle aree funzionali interne all'azienda sia del mercato in cui essa opera, da utilizzare come…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente possiede le competenze e gli strumenti metodologici statistici, sia per l'analisi delle aree funzionali interne all'azienda sia del mercato in cui essa opera, da utilizzare come supporto alle decisioni aziendali. In particolare lo studente è in grado di: - sintetizzare le informazioni contabili ed extracontabili (interne all'azienda e esterne) in un sistema informativo aziendale - analizzare le problematiche specifiche delle aree funzionali aziendali e utilizzare gli strumenti statistici più appropriati per definire strategie di soluzione - comprendere la struttura e le dinamiche del mercato e del sistema economico in cui opera l'azienda.
Programma
Il corso si propone di fornire agli studenti gli strumenti statistici utilizzabili per la raccolta, l'organizzazione e l'analisi dei dati aziendali, a supporto di decisioni manageriali prese spesso in condizioni di incertezza. Il corso è orientato all'applicazione, con l'utilizzo del software statistico SAS, delle tecniche citate a dati economico-aziendali nell'ambito di problemi/scenari specifici di analisi e gestione aziendale. 1. La Statistica in azienda Il ruolo della Statistica in azienda. Aree in cui può essere impiegata. Il processo decisionale di tipo statistico. L'azienda come utente e fornitore di informazioni. 2. Basi di dati aziendali. Dati interni ed esterni. Le indagini statistiche campionarie. L'errore di campionamento. Alcune strategie di campionamento probabilistico e non probabilistico. Il campionamento ripetuto nel tempo. La determinazione della numerosità campionaria. Calcolo e correzione dei pesi campionari per il riporto dei risultati alla popolazione. L'errore non campionario . Alcune fonti statistiche ufficiali e non ufficiali. Sui consumi: indagine ISTAT e l'indagine AcNielsen. Sui redditi: l'indagine della Banca d'Italia. Le informazioni riportate nella matrice dei dati. 3. L'analisi delle determinanti della domanda e la previsione delle vendite. Metodi di previsione endogeni ed esogeni. Impiego del modello di regressione lineare multipla. Ipotesi alla base del modello. Stima ed interpretazione dei parametri del modello. Proprietà degli stimatori. Valutazione dell'adeguatezza del modello lineare. Verifica della significatività del modello. Test sui singoli parametri. Analisi dei residui. Il problema della multicollinearità. L'inclusione di variabili esplicative qualitative. Previsione di un valore individuale. Modelli di regressione non lineari. Esempi ed applicazioni. 4. Analisi dei dati per le strategie aziendali: LA SEGMENTAZIONE DEL MERCATO . La matrice delle distanze/dissomiglianze. La distanza Euclidea, la distanza di Mahalanobis, la distanza di Minkowski. Indici di similarità. La segmentazione dei mercati. Metodi di classificazione a priori e a posteriori. Metodi di classificazione a posteriori: la cluster analysis gerarchica. Fasi della cluster analysis gerarchica. Metodi di raggruppamento di tipo gerarchico. Scelta del numero dei gruppi e criteri di valutazione delle partizioni. Metodi di classificazione a posteriori: la cluster analysis non gerarchica. Fasi della cluster analysis non gerarchica. Metodo di raggruppamento delle k medie. Scelta del numero dei gruppi e connotazione dei gruppi. Esempi di applicazioni. Nell'ultima parte del corso gli studenti che frequentano svolgono un'indagine campionaria su un argomento concordato. Lo svolgimento dell'indagine implica la scelta della strategia di campionamento, la stesura del questionario, lo svolgimento delle interviste, l'inserimento e l'analisi dei dati mediante le tecniche affrontate nel corso. PREREQUISITI: assiomi delle probabilità, variabili aleatorie, stimatori e loro proprietà, intervalli di confidenza, verifica delle ipotesi, modello di regressione lineare semplice.
Modalità d'esame
Prima prova parziale: orale sugli argomenti trattati nella prima parte del corso. Seconda prova parziale: report scritto, e relativa discussione orale, sul lavoro pratico che consiste nell'applicazione in SAS dei metodi studiati nella seconda parte del corso ai dati dell'indagine campionaria svolta da tutta la classe, sempre nella seconda parte del corso. Inoltre, prova orale sugli argomenti della seconda parte del corso non inclusi nella prova pratica. Il lavoro pratico può essere svolto individualmente o a gruppi di due persone. Se svolto in gruppo, i componenti del gruppo si dividono la stesura del report e la presentazione orale del lavoro, in modo da evidenziare l'apporto individuale fornito dai due componenti del gruppo. Il report deve essere inviato via mail alla docente almeno due giorni prima della data dell'esame e deve corredato dal dataset e dal programma usato per ottenere i risultati, entrambi in formato SAS. La valutazione finale è la media delle valutazioni prese nelle due prove parziali. Gli studenti che scelgono di non svolgere la prima prova parziale, svolgono entrambe le verifiche (prova orale e presentazione della prova pratica) alla fine del corso. Possibilità di rifiutare il voto: 1. Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
Testi di riferimento
Lucidi del docente (per chi segue il corso) scaricabili dal sito della Facoltà previa iscrizione alla lista di distribuzione. Testi di riferimento: “Statistica per analisi di mercato. Metodi e strumenti”. F. Bassi Francesca e S. Ingrassia, Editore Pearson, 2022, cap. 3, 5, 6, 8. “Introduzione all'econometria”, J.H. Stock e M.W. Watson (edizione italiana a cura di F. Peracchi), seconda edizione, 2009, Pearson Education, cap. 8.
Al termine del corso lo studente conosce le principali fonti statistiche sanitarie italiane e straniere, gli indicatori statistici maggiormente usati in ambito sanitario, gli strumenti di misura relativi alla qualità…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce le principali fonti statistiche sanitarie italiane e straniere, gli indicatori statistici maggiormente usati in ambito sanitario, gli strumenti di misura relativi alla qualità della vita e i modelli statistici di analisi della sopravvivenza. In particolare lo studente è in grado di: - utilizzare le fonti sanitarie italiane e internazionali - creare nuovi indicatori sanitari partendo dalle fonti disponibili - analizzare dati sanitari con strumenti statistici
Programma
Introduzione all'epidemiologia: definizione e storia. Le principali fonti statistiche e il Sistema Statistico Nazionale. Le misure di occorrenza. Le misure di associazione. I principali disegni di uno studio epidemiologico. Accuratezza, validità e precisione. Le tecniche per il controllo del confondimento, in fase di analisi e in fase di disegno: standardizzazione diretta e indiretta, il metodo di Mantel-Haenszel, il matching negli studi di coorte e negli studi caso-controllo. La modificazione di effetto.
Modalità d'esame
La prova d'esame, comune al corso integrato di Biostatistica, verifica il raggiungimento dei seguenti obiettivi didattici:
conoscenza approfondita degli strumenti statistici illustrati durante le lezioni frontali
capacità di impiegare tali strumenti per condurre analisi statistiche di dati biomedici
capacità di impiegare i risultati ottenuti al fine di interpretare gli aspetti quantitativi del fenomeno oggetto di studio. La verifica dell'apprendimento avviene in due parti obbligatorie e comuni al corso integrato di Biostatistica: una prova di laboratorio, che ha come obiettivo quello di accertare le abilità acquisite nel condurre analisi statistiche nell'ambito delle tematiche affrontate, una prova orale, che mira a verificare il raggiungimento degli obiettivi didattici approfondendo gli aspetti teorici. L'accesso alla prova orale è consentito previo superamento della prova di laboratorio. La validità di una prova di laboratorio superata è limitata agli appelli dello stesso anno accademico in cui si è sostenuta. Per quanto riguarda la prova di laboratorio di Statistica Sanitaria, questa prevede la risoluzione di 4 esercizi/problemi/casi di studio tramite l'utilizzo del software STATA e l'interpretazione dei risultati ottenuti. Ciascun esercizio vale 8 punti, per un totale, quindi, di un punteggio pari a 32, che equivale a un voto di 30 e lode. Il superamento della prova di laboratorio è raggiunto con un punteggio almeno pari a 16 (ovvero la corretta risoluzione di metà della prova assegnata) corrispondente a un voto pari a 18. Per quanto riguarda la prova orale di Statistica Sanitaria, questa prevede l'approfondimento di due aspetti. Il primo riguarda le fonti della statistica sanitaria e la descrizione di una o più tipologie di studio epidemiologico (circa 10 punti). La descrizione teorica dei metodi e delle tecniche di analisi e sintesi dei dati epidemiologici previste in programma è, invece, valutata come secondo aspetto della prova orale (circa 20 punti). Il superamento dell'esame avviene solo se si raggiunge la sufficienza in entrambe le parti del corso integrato di Biostatistica. Il voto finale, espresso in trentesimi, tiene conto delle valutazioni riportate nelle due parti, come sintesi media dei voti conseguiti sia nelle prove di laboratorio sia nelle prove orali. Durante il ciclo delle lezioni frontali è prevista una prova di laboratorio intermedia (a metà del corso integrato) per la sola parte di Statistica Sanitaria, alla quale possono partecipare studenti sia frequentanti sia non frequentanti. La struttura e la modalità di verifica sono esattamente le stesse descritte precedentemente. In caso di prove da remoto, la prova di laboratorio avverrà tramite piattaforma EOL, utilizzando il laboratorio informatico virtuale (oppure STATA autonomamente installato) e connettendosi congiuntamente via TEAMS la prova orale avverrà via TEAMS.
Testi di riferimento
K.J. Rothman, Epidemiologia, Idelson Gnocchi, 2007. Altri testi di utile consultazione: K.J. Rothman, Modern Epidemiology, Wolters Kluwer Health: Lippincott Williams & Wilkins, 3 ed., 2008. B.B. Gerstman, Epidemiology Kept Simple: An Introduction to Traditional and Modern Epidemiology, Wiley-Liss, 2 ed., 2003.
STATISTICAL METHODS FOR DATABASE INTEGRATION (I.C.)3° anno · 1° semestre · 0 file
The student learns the fundamental principles of the relational data model and of the relational database management systems. In particular, the student will be able to understand the structure of a relational…
Scheda dell'insegnamento
Obiettivi formativi
The student learns the fundamental principles of the relational data model and of the relational database management systems. In particular, the student will be able to understand the structure of a relational database, the integrity constraints on data and the SQL query language.
Programma
Capire i dati: elementari, strutturati da file e dal Web Modellare i dati I formati, il linguaggio XML e la notazione JSON Le Basi di Dati Modello concettuale (diagramma Entità - Relazione) Modello logico (schema delle relazionali) Modelli di basi di dati non relazionali (NoSQL) Gestire le basi di dati Sistemi di gestione di basi di dati relazionali Il linguaggio per le basi di dati relazionali: SQL Manipolare i dati Interrogare le basi di dati Il linguaggio per le basi di dati non relazionali Document-based Analizzare i dati Estrarre dati, informazioni Realizzare viste sui dati Esperienze con R su dati da Database e dal Web
Modalità d'esame
Prova scritta e pratica (durata 2 ore). La prova si articola in due parti. Una prima parte scritta con la richiesta di disegnare un modello di dati sulla base di requisiti (35%) ed inoltre con brevi esercizi e/o quesiti sul programma dell’insegnamento (20%). Non è ammesso l'uso del materiale didattico. Una seconda parte pratica con la richiesta di realizzare delle interrogazioni, nel linguaggio SQL, su una base di dati reale (45%). E' ammesso l'uso del solo materiale didattico. Il voto finale (in trentesimi) è determinato applicando le percentuali - pesi - assegnate a ciascun tipo di richiesta.
Testi di riferimento
Le lezioni si baseranno principalmente sul testo di Jeff Ullman e Jennifer Widom: "A First Course in Database Systems" e sulla documentazione disponibile sul Web. Approfondimenti, esempi e esercizi saranno messi a disposizione su “Virtual Learning Environment”.
Codice insegnamento 79193
STATISTICS FOR ECONOMICS3° anno · 8 CFU · SECS-S/03 · 0 file
By the end of the course, the students will have a good knowledge of the issues related to the measurement and modelling of economic behaviours, and more specifically: - the ability to provide a critical assessment on…
Scheda dell'insegnamento
Obiettivi formativi
By the end of the course, the students will have a good knowledge of the issues related to the measurement and modelling of economic behaviours, and more specifically: - the ability to provide a critical assessment on the quality and reliability of data from the main types of economic survey; - a good understanding of the specification and estimation techniques for a selection of statistical models grounded in economic theory; - a basic knowledge on the statistical models employed in the evaluation of economic policies with non-experimental data.
Programma
This course introduces the application of statistical methods to real-world economic problems, with a particular focus on the measurement and analysis of consumer behavior using consumer panel and scanner data. A key component of the course is the empirical evaluation of public policies using modern econometric techniques. Students will gain both theoretical insight and practical experience in building and estimating economic models, interpreting results, and addressing common statistical challenges in applied microeconomics and policy research. Course topics include: Statistics in economics: research questions, model formulation, data structures, and measurement issues Consumer panel and scanner data: sources, structure, and methodological challenges Economic theory foundations: utility, prices, inflation, demand and supply, elasticities, and labor market concepts Estimation challenges in economics: identification, causality, endogeneity, censoring and corner solutions, sample selection, and panel data models Introduction to empirical modelling using Stata Applications in economics and business statistics: Estimating consumer demand models Evaluating public policy interventions Quasi-experimental policy evaluation methods: Difference-in-Differences (DiD) Regression Discontinuity Designs (RDD) Instrumental Variables (IV) Propensity Score Matching (PSM) Event Studies (ES) Throughout the course, students will engage with applied datasets and work on empirical exercises, developing the analytical and coding skills needed for modern empirical research in economics and public policy. (per partecipare ai laboratori informatici è necessario svolgere i moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio in modalità e-learning) Corsi di formazione obbligatori sulla salute e sicurezza nei luoghi di lavoro
Modalità d'esame
Written exam. The exam will be based on theoretical and empirical questions on topics and applications discussed during the course. The written exam is structured in two parts:
A theoretical section, with multiple choice and/or open ended questions on topics covered during the course;
An empirical question, where the student is presented with Stata codes and outputs produced during the course lab sessions, and is asked to interpret them and answer a set of questions The two parts will equally weigh on the final mark. With regard to assessment, the use of AI is prohibited. Any use constitutes a violation of academic integrity.
Testi di riferimento
The course will be mainly based on lecture notes and chapters/papers provided through the e-learning platform Some very useful reference books are: Cameron, A. C. & Trivedi, P. K. (2022). Microeconometrics Using Stata. Volumes I and II. Second Edition. Stata Press. Wooldridge, J.M. (2015). Introductory econometrics: A modern approach. South-Western Pub. Angrist, J.D & Pischke, J-S. (2015). Mastering 'Metrics: The Path from Cause to Effect. Princeton University Press.
Codice insegnamento 79195
SVILUPPO DI NUOVI PRODOTTI3° anno · 6 CFU · SECS-P/08 · 0 file
Al termine del corso lo studente conosce le tematiche di base relative al processo di sviluppo di nuovi prodotti. In particolare lo studente è in grado di: - analizzare il processo di sviluppo di nuovi prodotti -…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce le tematiche di base relative al processo di sviluppo di nuovi prodotti. In particolare lo studente è in grado di: - analizzare il processo di sviluppo di nuovi prodotti - comprendere come gli strumenti statistici possano ridurre l'incertezza circa l'esito di un simile processo - valorizzare le competenze acquisite nel corso di studi in contesti applicativi
Programma
Innovazione Processo di sviluppo innovativo Generazioni di nuovo idee Processo decisionale del consumatore Product-Concept: ConjointAnalysis Metodi di raccolta dati: survey Analisi di segmentazione: cluster analysis Analisi di posizionamento: mappe percettive Test di vendita Diffusione dell’innovazione
Modalità d'esame
STUDENTI FREQUENTANTI Esame Scritto: Una parte a crocette Una parte a domande aperte Eventuali esercizi Voto finale per i frequentanti:50% esame 50% progetto STUDENTI NON FREQUENTANTI La valutazione del corso per i non frequentanti prevede una prova scritta basata sui materiali indicati nel programma. L’esame conterrà esercizi e domande generali sul programma per NON frequentanti <18 fail 18−23 sufficient 24−27 good 28−30 very good 30 e lode excellent
Codice insegnamento 17273
TECNICHE DI PREVISIONE3° anno · 6 CFU · SECS-P/05 · 0 file
Al termine del corso lo studente conosce i principali metodi per la costruzione di modelli econometrici finalizzati alla previsione in ambito aziendale, finanziario e macroeconomico. In particolare lo studente è in grado…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i principali metodi per la costruzione di modelli econometrici finalizzati alla previsione in ambito aziendale, finanziario e macroeconomico. In particolare lo studente è in grado di: - costruire modelli econometrici dinamici per la previsione di breve periodo dei fenomeni economici tramite il software econometrico Eviews
Programma
Concetti generali. Previsione e metodo scientifico. Informazione statistica e informazione teorica. Metodi qualitativi e metodi quantitativi. Orizzonte di previsione, funzione di perdita, set informativo e prevedibilità. Modelli econometrici per la previsione di breve periodo. I modelli dinamici: stima, test, analisi della specificazione e previsione. Modelli econometrici per la previsione di lungo periodo. Stazionarietà e non stazionarietà. Trend deterministici e trend stocastici. La scelta di un modello per il trend. La scelta del previsore. La valutazione ex post della bontà di una previsione. Il confronto tra più previsori: il test di Diebold e Mariano. La combinazione di previsioni. Intercept correction. La previsione in presenza di cambiamenti strutturali e parametri variabili. L'uso della correzione dell'intercetta nei modelli previsivi. Attività di laboratorio: la previsione nella pratica. Definizione del problema economico di interesse. Raccolta dell'informazione statistica. Scelta della metodologia econometrica. Analisi empirica e interpretazione economica dei risultati.
Modalità d'esame
La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:
conoscenza approfondita delle tecniche econometriche illustrate durante le lezioni frontali
capacità di impiegare tali tecniche per prevedere fenomeni economici La prova d'esame consiste nello svolgimento di una prova scritta di tre/quattro domande riguardanti sia le parti teoriche sia l'interpretazione dei risultati da un output di Gretl e avrà durata di 1 ora. Inoltre, per valutare la conoscenza delle tematiche affrontate a lezione, durante il corso verranno proposti una serie di esercizi e quiz da svolgere in modalità online. Lo svolgimento di questi quiz è facoltativo e, se svolti correttamente, permette di ottenere dei punti extra al voto d'esame. Nell'ultima settimana del corso verrà inoltre indetta una gara di previsioni. La partecipazione alla gara è facoltativa e i tre candidati che inviano le migliori previsioni otterranno dei punti extra al voto d'esame.
Testi di riferimento
A. Gardini, G. Cavaliere, M. Costa, L. Fanelli, P. Paruolo, Econometria, Franco Angeli, Milano, 2000, voll. I e II
Codice insegnamento 17277
TECNICHE DI PREVISIONE [cod. 17277]3° anno · 1 file
UTILIZZO STATISTICO DI BANCHE DATI ECONOMICHE ONLINE3° anno · 8 CFU · SECS-S/03 · 0 file
Il corso si propone di introdurre alla complessità della moderna organizzazione dei dati statistici, in particolare di quelli disponibili in Internet, sia in forma strutturata che destrutturata. Lobiettivo…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di introdurre alla complessità della moderna organizzazione dei dati statistici, in particolare di quelli disponibili in Internet, sia in forma strutturata che destrutturata. Lobiettivo principale del corso consiste nella formazione di competenze statistiche in grado di coniugare i fondamenti irrinunciabili della misura e della metodologia statistica nel passaggio che porta alle sogle della analisi statistica dei fenomeni, che consiste nella valutazione, selezione e sintesi dei giacimenti di dati oggi disponibili con relativa facilità. Più in dettaglio, alla fine del corso lo studente avrà le competenze per: 1. Orientarsi, mediante ricerche finalizzate, nelle principali molteplici e disomogenee fonti di dati oggi disponibili. Sia per quanto riguarda le fonti ufficiali (Istat, Eurostat, OCSE, Banca Mondiale, ); sia per quanto attiene alle fonti non convenzionali (le statistiche di Google, FaceBook, Twitter, E-bay, trip-advisor, .) 2. Avere una conoscenza di base del principale linguaggio di interrogazione delle grandi banche dati cioè della logica e della sintassi del linguaggio SQL, con particolare attenzione alla capacità di affrontare i problemi connessi alla integrazione dei dati, con riferimento specifico ai problemi del matching, sia esatto che statistico mediante lutilizzo del linguaggio SQL 3. Definire un efficace strategia di estrazione e sintesi di dati da grandi banche dati (i cosiddetti Big-data), mediante lutilizzo delle più appropriate tecniche statistiche finalizzate a definire le basi di dati più appropriate per lanalisi statistica dei fenomeni.
Programma
Il corso e' strutturato in tre parti di circa 20 ore ciascuna. La prima parte si propone di introdurre gli studenti a metodi contemporanei di informatica per la statistica propedeutici all'utilizzo di banche dati on-line e la riproducibilita' della ricerca. Questa parte copre l'utilizzo di softwares essenziali per la produzione e riproduzione scientifica come LaTex, Rstudio, e Quarto, e metodi per l'utilizzo di dati on-line come API, SDMX, and Web Scraping. La seconda parte mira a coprire i contenuti delle banche dati on-line piu' importanti a livello globale e Italiano come i siti della World Bank, International Monetary Fund, OCSE, Eurostat, Banca D'Italia e ISTAT. I contenuti di queste banche dati verranno esplorati utilizzando gli strumenti informatici coperti dalla prima parte del programma come API e SDMX. La terza parte copre strumenti statistici standard come la costruzione di indici e la regressione lineare con lo scopo di preparare una tesina che utilizzi gli strumenti appresi durante il coros. Particolare attenzione e' dedicata alla distinzione tra l'analisi di serie di tempo macroeconomiche dove l'unita' di osservazione e' una statistica anno/paese disponibile nelle banche dati e i dati microeconomici dove le unita' di osservazione sono informazioni sugli individui o le famiglie generate da indagini a campione.
Modalità d'esame
L' esame consiste in un test unico che include domande teoriche e domande applicate. Gli studenti possono rifiutare il voto una volta.
Testi di riferimento
Class slides prodotte dal docente e disponibili sul sito del corso dopo ogni lezione.
Codice insegnamento 79201
IDONEITA' LINGUA FRANCESE B - 11° semestre · 3 CFU · 0 file
IDONEITA' LINGUA FRANCESE B - 21° semestre · 6 CFU · 0 file
IDONEITA' LINGUA SPAGNOLA B - 11° semestre · 3 CFU · 0 file
IDONEITA' LINGUA SPAGNOLA B - 21° semestre · 6 CFU · 0 file
IDONEITA' LINGUA TEDESCA B - 11° semestre · 3 CFU · 0 file
IDONEITA' LINGUA TEDESCA B - 21° semestre · 6 CFU · 0 file
Recensioni del corso
Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.
★
Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.
Loading...
0 studenti online×
Preferenze cookie
NecessariSempre attivi
Sessione, login, sicurezza e memorizzazione di questa scelta. Senza
questi il sito non funziona, quindi non richiedono consenso.
StatisticheSempre attive
Google Analytics 4: pagine viste e percorsi di navigazione, per capire
cosa cercano gli studenti. Dati raccolti in forma aggregata.
Meta Pixel: misura le campagne su Facebook e Instagram. Se sei loggato
trasmette anche il tuo identificativo UniDocs a Meta.
Solo per te: ti prepariamo il riassunto e le domande per ripassare. Il primo file è gratis e l'originale resta tuo.
Oppure condividili con la community e guadagna crediti.
Accidenti, ancora non abbiamo il tuo corso di laurea!
Se ti va puoi inserirlo tu in pochi click — anche solo il corso di laurea, oppure completo di tutti i corsi!
Aggiungilo subito
e faremo del nostro meglio per popolarlo di materiale interessante.
Nel frattempo inizia a guadagnare crediti invitando i tuoi amici, così appena saremo attivi potrai subito accedere al materiale disponibile.
Bastano 3 amici verificati per attivare l'abbonamento…
Consiglia ai tuoi amici
Scrivi ai tuoi vecchi amici o ai tuoi nuovi colleghi di studio. Ogni email che inserisci rappresenta un mattone importante per la community.
Per ogni amico che porti otterrai nuovi crediti!