statistica

Acquisire le conoscenze di base dell'algebra lineare soprattutto sui reali.
Esporre rigorosamente il proprio pensiero in ambito matematico in vista delle applicazioni alla statistica.
Al termine del corso ci si aspetta che lo studente abbia raggiunto i seguenti obiettivi:

• 1. Conoscenza e capacità di comprensione : Conoscenza delle basi dell'algebra delle matrici e di altri strumenti dell'algebra lineare. Utilizzo delle matrici in diversi contesti.
• 2. Capacità di applicare conoscenza e comprensione : Capacità di utilizzare gli strumenti matematici necessari per la metodologia statistica, formulando argomentazioni rigorose di tipo logico-deduttivo.

Sistemi lineari e matrici. Spazi vettoriali. Applicazioni lineari. Matrici simmetriche e teorema
spettrale. Ortogonalita'. Forme quadratiche.

L'esame si svolge con due possibili modalità: due prove intermedie su
due parti del corso e una prova orale; una prova scritta sull'intero
programma e una orale.
Le prove scritte accertano soprattutto la comprensione delle tecniche
dell'algebra lineare. In particolare si accertano la capacità di utilizzo
dell'algoritmo di Gauss per affrontare le questioni tipiche dell'algebra
lineare. Le prove scritte si svolgeranno tramite quiz moodle a cui si affianca una domanda di teoria, il cui superamento è premessa per l'ammissione alla prova orale.
La prova orale accerta la comprensione delle definizioni e dei
teoremi principali. Sono richieste, in sede di orale, semplici dimostrazioni. Gli studenti sufficienti alla prova scritta di una sessione di esame possono sostenere l'orale anche nell'appello successivo della medesima sessione. Gli studenti sufficienti allo scritto via intermedie possono accedere all'orale in uno qualsiasi degli appelli della sessione invernale a partire da dicembre.
Gli homeworks assegnati durante il corso orientano gli studenti e invitano
a studiare con continuità ma non costituiscono un quantificabile elemento di valutazione.
La docente, tenuto conto dei recenti sviluppi della tecnologia, si riserva di modificare/integrare alcuni aspetti della prova di esame qualora questo si riveli necessario per accertare l’effettiva padronanza dei contenuti e la riconducibilità dell’elaborato al candidato/a.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Marco Abate, Algebra lineare, McGraw-Hill (1996).
Il testo verrà integrato in parte con dispense fornite dal docente.

Il Corso ha l'obiettivo di fornire agli studenti conoscenze e capacità di comprensione del livello iniziale del Calcolo Differenziale ed Integrale (limiti, derivate, studi di funzione, integrali di una variabile, approssimazione mediante formula di Taylor e serie numeriche). Intende anche sviluppare le capacità tecniche di base e le capacità critiche necessarie per applicare le conoscenze acquisite alla modellizzazione e risoluzione di problemi matematici in vari ambiti. Il corso copre argomenti e fornisce capacità di apprendimento che sono indispensabili per il proseguimento degli studi nel CdS e in altri ambiti scientifici.
Con riferimento alla Matrice di Tuning del Corso di Studi:
I. Conoscenza e Comprensione
I risultati di apprendimento attesi per le studentesse e gli studenti del Corso di Studi in termini di conoscenza e
comprensione sono i seguenti:
cc1. conoscenza delle basi dell'analisi matematica e dell'algebra...
cc2. conoscenza elementare del calcolo delle probabilità
cc3. conoscenza della gestione dei database, di alcuni metodi e l...
cc4.1. padronanza della logica sottostante i fondamenti dell'analis...
II. Capacità di Applicare Conoscenza e Comprensione
I risultati di apprendimento attesi per le studentesse e gli studenti del Corso di Studi in termini di capacità di applicare
conoscenza e comprensione sono i seguenti:
ca2. capacità di gestire database e condurre analisi di dati usa...
ca3.1. capacità di risolvere semplici problemi di programmazione
ca4. capacità di progettare e condurre un'indagine statistica pe...
ca6. capacità di interpretare i risultati di un'analisi statisti...
ca7. capacità di illustrare e comunicare i risultati di un'anali...
III. Autonomia di Giudizio
Le laureate e i laureati magistrali in Statistica sono in grado di:
ag3. capacità di valutare gli aspetti etici e deontologici della...
Capacità di Comunicazione
Le laureate e i laureati magistrali in Statistica:
ac1. Capacità di giustificare le scelte e comunicare i risultati...
ac2. capacità di interagire con interlocutori non esperti
ac3. capacità di lavorare sia individualmente sia in gruppo, anc...
Capacità di Apprendimento
Le laureate e i laureati in Statistica:
ap1. capacità di integrare le proprie conoscenze adattandosi all...

Successioni e serie numeriche. Calcolo differenziale e integrale per
funzioni di una variabile. Ottimizzazione libera e vincolata per funzioni di
più variabili.

L'esame consiste di due prove scritte.
Nella prima prova scritta, che dà accesso alla seconda prova scritta, viene richiesta la risoluzione di esercizi sugli
argomenti del corso (calcolo di limiti e derivate, studio di funzione,
integrali, serie numeriche, sviluppi in serie di Taylor, estremi liberi e
vincolati per funzioni di più variabili). Questa prova può essere superata
in alternativa anche tramite le prove intermedie che vengono fatte
durante il corso.
Nella seconda prova scritta, a cui si accede dopo aver superato la prima,
viene richiesta l'esposizione di risultati di teoria visti nel corso: definizioni,
enunciati di teoremi e relative dimostrazioni.
La valutazione finale è una opportuna media delle valutazioni delle due
prove scritte.
Durante il corso saranno svolte delle prove scritte intermedie di esercizi
che, se superate, in alternativa alla prima prova, danno accesso alla prova teorica dell'esame.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Testi consigliati per la parte teorica
R. Magnanini, Dispense del Corso di Calcolo, 2023 (file pdf messo a
disposizione dal docente)
altri testi consigliati:
P. Marcellini, C. Sbordone, Calcolo, Liguori, 2002.
Testi consigliati per la parte di esercizi
P. Marcellini, C. Sbordone, Esercitazioni di Matematica, I volume, parti
prima e seconda, Liguori, 2013
P. Marcellini, C. Sbordone, Esercitazioni di Analisi Matematica 2, parti
prima e seconda, Liguori 2017
B. P. Demidovic, Esercizi e problemi di analisi matematica, Editori Riuniti
M. Bramanti, Esercitazioni di Analisi Matematica 1, Esculapio, 2011

Il corso si propone di introdurre lo studente in un laboratorio informatico. Fornisce le basi del pacchetto Office. Introduce alla tecniche di programmazione strutturata quale propedeutica competenza agli altri insegnamenti previsti nel piano di studi

Introduzione al pacchetto Office. Introduzione alla programmazione strutturata

Verifica a fine corso su tutto il programma svolto. La prova consistente in una batteria di esercitazioni sui princiipali pacchetti di Office (Word, Excel, PowerPoint) e su un test a risposta chiusa per la verifica dell'apprendimento delle strutture di base del coding e della programmazione strutturata. Il test è erogato attraverso una piattaforma di testing del Dip.to di Statistica, Informatica, Applicazioni "G. Parenti" e rilascia una idoneità.

Dispense messe a disposizione dal docente

Gli studenti impareranno a utilizzare il calcolatore per risolvere problemi e impareranno ad applicare il pensiero computazionale per inquadrare problemi e per gestire il processo di estrazione dell'informazione dai dati in modo computazionale.

Problem solving, sviluppo di algoritmi di base e implementazione usando il linguaggio Python

Consegna di un progetto con relativa discussione più orale. La consegna di un progetto che rispetti la specifica è condizione necessaria per essere ammessi all'orale. Lo scopo del progetto è verificare la capacità di sviluppare in autonomia algoritmi e applicarli in pratica su un dataset dato in modo asincrono. Durante l'orale verrà valutata l'abilità di problem solving, risolvendo esercizi. Gli esercizi saranno varianti di quelli presenti sui libri interattivi, opportunamente alterati per verificare, piuttosto che la capacità mnemonica dei candidati, l'abilità nella comprensione della specifica formale dell'esercizio e la capacità di sviluppo di soluzioni efficienti per il problema dato.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Think Python: How to Think Like a Computer Scientist by Allen B. Downey Beijing: O'reilly Media Problem Solving With Algorithims and Data Structures Using Python, 2nd edition, By Brad Miller and David Ranum Franklin Beedle & Assoc Piattaforma Interattiva (libera traduzione dei libri sopra con materiale e esercizi addizionali): - http://www.andreamarino.it/python/thinkcspy/toc.html#t-o-c - Capitoli "Analisi degli algoritmi", "Ricerca e Sorting" e "Tecniche Algoritmiche" in http://www.andreamarino.it/python/pythonds/

Obiettivo del corso è introdurre gli studenti all'utilizzo del computer nell'analisi dei dati statistici e nella simulazioni di scenari complessi caratterizzati da aleatorietà attraverso la programmazione ad oggetti in ambiente di calcolo di tipo vettoriale. Tutte le attività di analisi e programmazione saranno condotte con l'ausilio dell'ambiente di calcolo statistico open source R. In accordo con i Descrittori di Dublino, al termine del corso lo studente saprà: 1) conoscere l'ambiente di programmazione statistica R e comprendere le differenze nella logica programmativa vettoriale con i linguaggi di programmazione strutturata tradizionali (ovvero non basati su logica vettoriale); 2) effettuare una rappresentazione statistica delle informazioni di base sia a livello tabellare che grafico, ed inoltre replicare in via algoritmica alcune realtà complesse caratterizzate da aleatorietà, valutando (attraverso le simulazioni Montecarlo) la probabilità che in tali realtà si verifichino determinati eventi; 3) simulare scenari relativamente complessi in piena autonomia; 4) comunicare i risultati delle analisi statistiche condotte e delle simulazioni svolte tramite la piattaforma ; 5) continuare ad apprendere in modo autonomo tutte le funzionalità che la piattaforma mette a disposizione per migliorare la proprie competenze analitico programmative.

Perché usare R, come installarlo e come aggiungere pacchetti; R come una calcolatrice scientifica; Introduzione alle creazione di funzioni; Vettori, matrici e array; Liste e Dataframe; Elementi di programmazione strutturata in ambiente vettoriale; Loop functions: le funzioni della famiglia apply; Principali funzionalità per la descrizione statistica delle informazioni; Funzioni per il trattamento delle distribuzioni di Variabili Casuali; Simulazioni Monte Carlo e applicazioni a scenari del mondo reale.

Nel periodo di erogazione del corso vengono svolte due verifiche (una intermedia e una di fine corso) per una puntuale valutazione in itinere del raggiungimento dei risultati di apprendimento previsti. La verifica intermedia verte sull'accertamnento della conoscenza dei contenuti della prima parte del programma, orientati alla comprensione della logica vettoriale e alla capacità di creare e manipolare gli oggetti base previsti dall'ambiente R (quali vettori, matrici, array e dataframe). La verifica si volgerà al computer ed è basata su un test con domande a risposta chiusa, a partire da esercizi proposti anche su dataset assegnati di cui verrà richiesta l'importazione. La verifica di fine corso sarà dedicata all''accertamento delle competenze in tema di capacità di comprendere e analizzare scenari complessi al fine di simularli (tramite lo sviluppo di opportune funzioni) per valutare la probabilità che si verifichino determinati eventi. Saranno assegnate due tracce (a difficoltà incrementale) che descrivono scenari reali. Gli studenti dovranno consegnare il codice di programma che replica gli scenari descritti. Invece, durante le sessioni d'esame previste dal calendario, la prova è unica e omnicomprensiva di tutto il programma del corso, e suddivisa in una parte volta ad accertare la onoscenza dei contenuti della prima parte del programma, ed in una seconda finalizzata a compredere il possesso delle competenze necessarie ad assolvere a richieste di simulazione di scenari (come descritto in precedenza).
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

"Introduzione alla Statistica Computazionale con R" (gratuitamente scaricabile all'indirizzo https://books.fupress.it/catalogue/introduzione-alla-statistica-computazionale-con-r/3581)

Lo studente acquisisce gli elementi fondamentali della Statistica descrittiva e della Probabilità, comprendendo la logica dei metodi e sviluppando la capacità di applicarli a dati reali. Lo studente, inoltre, conosce gli elementi essenziali della teoria della probabilità e delle variabili aleatorie ed è in grado di fare applicazioni a casi reali.

Il corso introduce i concetti fondamentali della Statistica descrittiva e della Probabilità. Principali argomenti: Fonti dei dati. Distribuzioni e grafici; Medie, Variabilità, Forma; Distribuzioni doppie, Dipendenza in media, Correlazione, Regressione lineare semplice. Probabilità. Variabili aleatorie, in particolare Binomiale, Poisson, Normale, Chi-quadrato, Esponenziale. Variabili aleatorie multiple. Legge dei grandi numeri. Teorema limite centrale.

La verifica si basa su tre elementi: 1) Esame scritto (da svolgersi su carta oppure tramite quiz Moodle), che consiste in domande di teoria e esercizi di tipo applicativo, per i quali è richiesto di individuare un metodo appropriato, effettuare i calcoli (usando una calcolatrice tascabile) e interpretare i risultati (le due parti del programma sono pesate come segue: statistica descrittiva 60%, probabilità 40%; il voto è espresso in trentesimi) 2) Esercizi svolti in maniera autonoma durante il periodo didattico (attività opzionale che può comportare fino ad un massimo di 1 punto da aggiungere al voto dell’esame scritto) 3) Esame orale: lo studente che supera l’esame scritto viene ammesso all’esame orale con un voto pari al voto dell’esame scritto più eventuali punti per compiti svolti in maniera autonoma durante il periodo didattico; l’esame orale riguarda gli aspetti teorici e interpretativi; al termine dell’esame orale viene attribuito il voto finale.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

• G. Cicchitelli, P. D'Urso, M. Minozzo: Statistica: principi e metodi (Quarta Edizione) Pearson Italia, Milano, 2022, ISBN 9788891915382(Capitoli 1-7, 9-16).
• Materiale didattico a cura del docente, disponibile tramite Moodle.

L'insegnamento si propone di fornire una base teorico-concettuale ampia e una sufficiente dimestichezza con le tecniche fondamentali di inferenza statistica. Al termine del corso ci si aspetta che lo studente abbia raggiunto i seguenti obiettivi:
1. Conoscenza e capacità di comprensione: elementi teorici e applicati di base relativi alle distribuzioni di probabilità e alle distribuzioni campionarie e ai metodi di inferenza statistica classica parametrica: stima puntuale, stima d'intervallo, verifica d'ipotesi (per un solo campione e per due campioni); concetti di base teorici di inferenza statistica bayesiana.
2. Capacità di applicare conoscenza e comprensione: saper individuare il metodo di analisi opportuno, svolgere l'analisi e trarre le conclusioni appropriate.
3. Autonomia di giudizio: saper maneggiare gli strumenti di base della statistica inferenziale quale insieme di teorie, metodi e tecniche di analisi quantitativa finalizzate alla risoluzione dei problemi decisionali in condizioni di incertezza; saper valutare in modo critico i risultati ottenuti da un'analisi inferenziale;
4. Abilità comunicative: saper comunicare i risultati di un'analisi inferenziale a un pubblico specializzato e a un pubblico non specializzato nell'analisi dati; saper utlizzare un linguaggio appropriato.
5. Capacità di apprendimento: saper connettere le conoscenze e competenze acquisite a specifici contesti reali

Variabili casuali e distribuzioni campionarie. Elementi di statistica inferenziale. Elementi di stima puntuale e per intervallo. Elementi della teoria dei test di ipotesi. Cenni di inferenza Bayesiana.

L'esame è costituito da una prova scritta strutturata su due parti, che devono svolgersi nella medesima sessione d'esame:

• Parte pratica: 6 esercizi su tutto il programma (90 minuti)
• Parte teorica: 4 domande teoriche su tutto il programma, di cui almeno una dimostrazione (60 minuti)
  L'esame si intende superato qualora si ottenga un voto di almeno 18/30 in ciascuna delle due parti.
  Il voto finale è determinato dalla media aritmetica tra la parte pratica e quella teorica.
  La parte pratica è finalizzata a verificare la capacità dello studente di mettere in pratica le conoscenze acquisite. La parte teorica è finalizzata a valutare il grado di acquisizione delle conoscenze e la capacità di ragionamento critico.
  Durante il periodo di lezione verranno assegnati degli esercizi (Homeworks) dalla piattaforma Pearson del libro di testo. La consegna entro le scadenze assegnate di almeno 5 esercitazioni su 7 totali, completate almeno al 60%, dà diritto ad un punto in più sul voto finale dell'esame.
  Per coloro che frequentano, è prevista la possibilità di scorporare l'esame in due prove parziali da sostenere durante il periodo di svolgimento delle lezioni (a metà e alla fine).
  Il docente si riserva di verificare, a propria discrezione, le competenze e conoscenze acquisite tramite una prova orale.
  Tabella docimologica di valutazione
  Insufficiente
  Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
  18–22
  Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
  23–25
  Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
  26–28
  Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
  29–30 e Lode
  Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
  La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

• Cicchitelli, G. , D'Urso, P. , Minozzo, M., Statistica: Principi e metodi, Pearson, Ultima Edizione.
• Dispense didattiche a cura del docente
• Testo di utile consultazione (facoltativo): Ross S.M., Probabilità e statistica per l'ingegneria e le scienze, Maggioli editore, IV ed.

Il corso mira a fornire conoscenze di distribuzioni multivariate e di aspetti teorici e applicazioni pratiche delle principali tecniche statistiche multivariate di riduzione di dimensioni, analisi dei gruppi, analisi discriminate. Con riferimento all’aspetto pratico, il corso prevede l’implementazione attraverso il software R delle tecniche mutivariate apprese. Al termine del corso ci si aspetta che lo studente avrà raggiunto i seguenti obiettivi: 1. Conoscenza e comprensione. Conoscere concetti relativi alle distribuzioni multivariate e le principali tecniche statistiche multivariate. 2. Applicare conoscenza e comprensione. Applicare le tecniche multivariate apprese a dati reali, utilizzando il software R. 3. Autonomia di giudizio. Scegliere la tecnica di analisi multivariata più adatta in base ai dati e agli obiettivi. 4. Abilità comunicative. Comunicare i risultati con un linguaggio appropriato, sia scritto che orale. 5. Capacità di apprendimento. Applicare le conoscenze acquisite a contesti professionali.

Variabili aleatorie multivariate. Distribuzioni di variabili aleatorie multivariate. Analisi in componenti principali. Analisi dei gruppi. Analisi discriminante.

Prova scritta e prova orale. La prova scritta consisterà in domande teoriche ed esercizi pratici. La prova orale sarà incentrata principalmente sulla discussione di un progetto di analisi dei dati in R, che gli studenti dovranno consegnare al momento dell'esame orale.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Hardle, W. and Simar, L. (2012). Applied multivariate statistical analysis (3rd Edition). Springer-Verlag Berlin Heidelberg.
Altri testi consigliati:
Johnson R.A., Wichern D.W. (2007). Applied Multivariate Statistical Analysis (6th Edition). Pearson, Prentice Hall.
Zani, S. e Cerioli, A. (2007). Analisi dei dati e data mining per le decisioni aziendali. Giuffrè Milano.

Sapere applicare il controllo di qualità in azienda tramite l'utilizzo di opportuni metodi statistici: disegno degli esperimenti -CC4.1 e CC4.2- e metodologia delle superfici di risposta- CC4.2; applicazione di tale metodi per l'analisi e la soluzione di problematiche in ambito tecnologico e ingegneristico, considerando in particolare il controllo di qualità off-line (in fase di progettazione), al fine di ottenere una ottimizzazione robusta di processo (CC3 e CC5). L’obiettivo formativo primario è fornire allo studente/essa gli strumenti teorici (CC4.2) e applicativi (CC3, CC5) per applicare efficacemente il controllo di qualità in fase di progettazione.

Gli argomenti del corso possono essere suddivisi in 3 parti: 1-fondamenti del disegno sperimentale (1 CFU); 2- disegno sperimentale per la qualità (4 CFU)-CA6, CA7, CA8; 3- laboratorio: esercitazioni svolte dallo studente in aula attrezzata (software SAS, procedure GLM, RSREG, NLP- CC3) insieme al docente (1CFU)- CA1, CA2.

Esame orale: le domande saranno articolate in modo da coprire i principali argomenti dell'insegnamento. E' data particolare attenzione alla capacita' critica e costruttiva dello studente (AG1, AG2, AG3, AC1,AC2,AC3). Considerando i 3 macro argomenti, le domande copriranno gli argomenti principali e i principali concetti delineati nel programma. Lo studente/essa dovra' dimostrare (AG1 -AG3) di avere acquisito le competenze necessarie per applicare (AP1) i metodi statistici in azienda (pianificazione sperimentale e progettazione robusta) al fine di fornire la soluzione ottima (optimal setting) per il prodotto/processo da ottimizzare(AP1, AC1, AC2, AC3). NOTE GENERALI: 1.si fa presente che la data di esame, fissata con largo anticipo, presuppone che lo/a studente/studentessa si sia organizzato/a per poter sostenere l'esame nel proprio turno (per esempio: iscritto/a n.17 che puo' andare al pomeriggio o alle giornate seguenti). 2. Gli studenti devono iscriversi online sulla piattaforma SOL. La richiesta di essere iscritti da parte dei docenti non sarà più accettata.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Dispense del docente disponibili sul proprio sito-web: https://local.disia.unifi.it/berni/
Cornell J.A, 1993, Come applicare la metodologia delle superfici di risposta, Vol.8, Editoriale Itaca per ASQC.
Levi R., Lombardo A., Vicario G., 2006, progettazione e analisi degli esperimenti, McGraw-Hill libri capp.: 4-6-7-8.

L'insegnamento si propone di fornire una solida preparazione teorica e applicativa sui principali metodi di campionamento probabilistico e di inferenza per popolazioni finite, sviluppando al contempo le competenze necessarie per la progettazione, la conduzione, l'analisi e la valutazione critica dei dati e dei risultati di indagini campionarie. Al termine del corso ci si aspetta che lo studente abbia raggiunto i seguenti obiettivi:
1. Conoscenza e capacità di comprensione: acquisire le conoscenze teoriche e applicative relative al campionamento probabilistico e ai metodi di inferenza statistica per popolazioni finite, comprendendone i fondamenti, le proprietà, le condizioni di applicabilità e gli ambiti di impiego. Conoscere le fasi di progettazione di un'indagine campionaria, i principali disegni di campionamento, i metodi di stima dei parametri di una popolazione finita e le tecniche per la valutazione della precisione degli stimatori.
2. Capacità di applicare conoscenza e comprensione: essere in grado di progettare e condurre un'indagine statistica per la stima di uno o più parametri di una popolazione finita, scegliendo il piano di campionamento e lo/gli stimatore/i più idoneo/i in funzione del contesto applicativo, e di interpretare e valutare criticamente le informazioni contenute nei risultati di indagini statistiche pubblicate.
3. Autonomia di giudizio: essere in grado di identificare le esigenze conoscitive di differenti contesti applicativi e tradurle nella progettazione di un'indagine statistica.
4. Abilità comunicative: essere in grado di comunicare i risultati di un'indagine statistica a un pubblico specializzato e non specializzato, adottando un linguaggio chiaro, rigoroso e adeguato al livello di competenza degli interlocutori.
5. Capacità di apprendimento: essere in grado di integrare, aggiornare le conoscenze acquisite per applicarle alla risoluzione di problemi specifici in contesti reali.

Il corso introduce le principali tecniche statistiche di indagine campionaria per popolazioni finite e affronta, anche con riferimento ad indagini reali i diversi tipi di problemi che si possono presentare in fase di progettazione dell’indagine e in fase di analisi dei dati raccolti.

L'esame è costituito da una prova scritta e da una prova orale, che devono essere sostenute nello stesso appello d'esame.
La prova scritta consiste prevalentemente nella risoluzione di esercizi applicativi, ai quali si affiancano due o tre domande teoriche a risposta breve, spesso finalizzate all'interpretazione e alla discussione dei risultati ottenuti negli esercizi.
La prova orale è finalizzata principalmente alla discussione dell'elaborato scritto e mira a verificare la capacità dello studente di motivare le scelte metodologiche effettuate, contestualizzarle rispetto al problema affrontato e dimostrare una piena comprensione dei concetti teorici e delle procedure utilizzate.
Per accedere alla prova orale è necessario conseguire una valutazione di almeno 18/30 nella prova scritta.
L'esame si intende superato qualora lo studente ottenga una votazione di almeno 18/30 in ciascuna delle due prove. Il voto finale è determinato dalla media aritmetica dei voti conseguiti nella prova scritta e nella prova orale.
Per gli studenti frequentanti è prevista la possibilità di suddividere la prova scritta in due prove parziali: la prima si svolge indicativamente a metà del periodo di lezioni, mentre la seconda può essere sostenuta in uno degli appelli della sessione d'esami immediatamente successiva alla conclusione del corso, contestualmente alla prova orale. Per il superamento della prova scritta è necessario conseguire una votazione di almeno 18/30 in ciascuna delle due prove parziali. Il voto della prova scritta è determinato dalla media aritmetica delle votazioni conseguite nelle due prove.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

• Conti Pie Luigi, Marella Daniela (2012) Campionamento da popolazioni finite;
• altro materiale fornito dal docente.
  Testi di utile consultazione:
• Tillé Y., Dickson M. M., Espa G. (2020) Elementi di campionamento e stima da popolazioni finite;
• Cicchitelli G., Herzel A., Montanari G. E (1992) Il campionamento statistico;
• Sharon L. Lohr (1999) Sampling: design and analysis;
• Jelke Bethlehem (2009) Applied Survey Methods;
• Frosini B. V., Montinaro M., Niccolini G. (2011) Campionamenti da popolazioni finite;
• Nicolini G., Marasini D., Montanari G.E., Pratesi M., Ranalli M.G., Rocco E. (2013) Metodi di stima in presenza di errori campionari.

Il Laboratorio introduce gli studenti all’uso di software per la gestione dei data set e l’analisi dei dati.
Al termine del corso ci si aspetta che lo studente abbia raggiunto i seguenti obiettivi:
1. Conoscenza e capacità di comprensione: conoscenza del linguaggio MySQL e del software statistico SAS per la gestione dei database e per l'analisi statistica dei dati. Padronanza della logica sottostante ai fondamenti dell'analisi statistica dei dati e conoscenza dei principali metodi di raccolta dati e metodi di analisi descrittiva.
2. Capacità di applicare la conoscenza e la comprensione: comprensione della specificità dei singoli contesti applicativi e capacità di declinare la metodologia statistica in vari ambiti; gli studenti saranno in grado di utilizzare il linguaggio MySQL per l’interrogazione di una o più tabelle e per la creazione di viste e query complesse, e di manipolare data set in SAS per la generazione di grafici e tabelle.
3. Autonomia di giudizio: saper valutare le procedure più opportune per la preparazione e l’analisi dei dati utilizzando il linguaggio MySQL e il software SAS.
4. Abilità comunicative: saper comunicare i risultati ottenuti a un pubblico specializzato e a un pubblico non specializzato nell'analisi dei dati; saper utilizzare un linguaggio appropriato.
5. Capacità di apprendimento: saper connettere le conoscenze e le competenze acquisite a contesti reali specifici.

Il Laboratorio introduce gli studenti all’utilizzo di strumenti di gestione e di analisi dei dati.
In particolare, saranno introdotti il linguaggio MySQL e il software statistico SAS.
Il laboratorio prevede la partecipazione attiva degli studenti e lo svolgimento di almeno 4 esercitazioni che saranno assegnate durante il corso. Le esercitazioni svolte durante il corso sono parte integrante della valutazione finale

Il Laboratorio non prevede un esame finale, ma una serie di esercitazioni da svolgere in laboratorio e a casa, sulla base delle quali sarà formulato il giudizio finale di idoneità.

Il materiale di studio sarà fornito a lezione e reso disponibile sulla pagina Moodle del corso.

L'insegnamento si propone di fornire una base teorico-pratica dei modelli statistici per la descrizione di fenomeni reali.
Al termine del corso ci si aspetta che lo studente abbia raggiunto i seguenti obiettivi:
1. Conoscenza e capacità di comprensione: elementi teorici e applicati di base relativi alla specificazione e alla stima di un modello statistico a partire da dati campionari, verificandone la bontà di adattamento. Conoscenza della gestione dei database, dei metodi e dei linguaggi di programmazione, nonché dei software per l'analisi statistica dei dati.
2. Capacità di applicare la conoscenza e la comprensione: comprensione della specificità dei singoli contesti applicativi e capacità di declinare la metodologia statistica in vari ambiti; saper individuare il modello statistico più opportuno, stimarne i parametri e trarre le conclusioni appropriate. In particolare, lo studente sarà in grado di fornire un'interpretazione corretta delle relazioni tra le variabili e di fornire stime corredate da misure di incertezza.
3. Autonomia di giudizio: saper maneggiare gli strumenti di base per la specificazione e la stima di un modello statistico finalizzato alla descrizione e alla previsione del fenomeno di interesse; saper valutare criticamente i risultati ottenuti dal modello.
4. Abilità comunicative: saper comunicare i risultati ottenuti dal modello statistico a un pubblico specializzato e a un pubblico non specializzato nell'analisi dei dati; saper utilizzare un linguaggio appropriato.
5. Capacità di apprendimento: saper connettere le conoscenze e le competenze acquisite a contesti reali specifici.

Il corso si occupa dei modelli statistici fondamentali per l’analisi della dipendenza fra più variabili. Al centro del corso sta il modello lineare. Il corso viene insegnato a partire dallo studio di applicazioni reali, con la discussione della validità delle ipotesi dei modelli. Vengono trattati vari esempi e applicazioni in ambito scientifico, tecnologico, economico e sociale, con dati sperimentali e osservativi.

L'esame è costituito da una prova scritta e da una prova orale. Tali prove sono finalizzate a verificare:
1) le conoscenze acquisite relativamente ai concetti, modelli e strumenti trattati durante il corso e 2) le abilità sviluppate dallo studente, in termini di: capacità di applicare le conoscenze acquisite, capacità di trarre conclusioni, capacità di comunicazione e di utilizzare un linguaggio adeguato, capacità di comprensione e di apprendimento.
Lo studente potrà accedere alla prova orale condizionatamente al superamento della prova scritta. La prova scritta consiste in una serie di esercizi da svolgere con carta e penna, con l'ausilio di una calcolatrice tascabile. L'attività di laboratorio e i compiti assegnati settimanalmente sono parte della valutazione finale.
Per gli studenti iscritti a B027527 - INTRODUCTION TO STATISTICAL MODELLING l'esame include solo gli argomenti della PRIMA PARTE del corso.
PROVA INTERMEDIA e PROVA FINALE
Gli studenti frequentanti che lo desiderano potranno sostenere una prova intermedia sulla prima parte del programma (capp. 1-4 + 7-9), e una prova finale sulla seconda parte (capp. 5, 6 e 10). La data delle due prove sarà comunicata in aula durante lo svolgimento del corso. Le due prove superate con successo sostituiscono la prova d’esame scritta.
Gli esercizi assegnati durante lo svolgimento del corso costituiscono parte integrante della valutazione finale. Per gli studenti frequentanti che hanno svolto almeno il 70% degli esercizi assegnati durante il corso e hanno superato con successo entrambe le prove (intermedia+finale), la prova orale è facoltativa. Il docente si riserva comunque di verificare, a propria discrezione, le conoscenze e le competenze acquisite mediante una prova orale.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a una comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a una solida comprensione teorica della disciplina, alla capacità di collegare concetti, risolvere problemi e proporre analisi critiche, e di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Marchetti, G. (2013). Introduzione ai modelli statistici, Dipartimento di Statistica, Firenze. Dispense a cura di G. Marchetti, scaricabili in formato PDF dalla piattaforma Moodle (e-learning).
Testi di utile consultazione
Mehmetoglu M., Tor G. J. (2018). Applied Statistics Using Stata
A Guide for the Social Sciences, SAGE Publications Ltd.
Weisberg, S. (2014). Applied Linear Regression, 4th Ed., Wiley.

Il corso ha l'obiettivo di fornire agli studenti le competenze necessarie per gestire, organizzare, analizzare ed elaborare dati utilizzando Microsoft Excel e Microsoft Access. Partendo dalla trasformazione dei dati da formati esterni a Excel, gli studenti apprenderanno come strutturare e analizzare i dati in modo efficace. Successivamente, il corso affronterà l'utilizzo di Access per gestire database complessi, superando i limiti di Excel nella gestione di grandi volumi di dati.
Al termine del corso, lo studente avrà sviluppato le seguenti competenze declinate in termini di descrittori di Dublino*:
Conoscenza e capacità di comprensione. Lo studente sarà in grado di comprendere la gestione dei database, alcuni metodi e linguaggi di programmazione e alcuni software per l'analisi statistica dei dati. Saprà inoltre riconoscere la specificità dei contesti applicativi in cui tali strumenti sono utilizzati e declinare le procedure di gestione e analisi dei dati in funzione delle esigenze informative del problema trattato (cc3, cc5).
Capacita di applicare conoscenza e comprensione. Lo studente sarà in grado di gestire database e condurre analisi di dati utilizzando funzioni già implementate nei software di analisi dati, con particolare riferimento a Excel e Access. Saprà importare, organizzare, pulire, trasformare, interrogare e sintetizzare dati in forma tabellare e relazionale (ca2).
Autonomia di giudizio. Lo studente sarà in grado di tradurre in termini statistici un'esigenza conoscitiva, individuando la struttura dei dati più adeguata e valutando criticamente le scelte operative necessarie per organizzare, interrogare e interpretare le informazioni disponibili (ag1).
Abilita comunicative. Lo studente sarà in grado di giustificare le scelte effettuate e comunicare i risultati delle analisi con linguaggio appropriato, ai giusti livelli di dettaglio e con le modalità tecnologiche più adeguate. Le attività pratiche favoriranno inoltre la capacità di lavorare sia individualmente sia in gruppo nella gestione di problemi applicativi basati sui dati (ac1, ac3).

Introduzione a Excel per importare, gestire e analizzare dati organizzati in tabella. Il database relazionale e Access come superamento dei limiti di Excel. Estrarre dati usando le query. Brevissima introduzione al linguaggio SQL.

L’esame finale consisterà in una prova pratica al computer, finalizzata a verificare la capacità dello studente di gestire, organizzare, analizzare ed elaborare dati mediante Microsoft Excel e Microsoft Access.
La prova richiederà agli studenti di operare su uno o più dataset realistici, partendo dall’importazione e dalla trasformazione dei dati in Excel, fino alla progettazione e gestione di un database relazionale in Access. Gli studenti dovranno dimostrare di saper utilizzare gli strumenti di Excel per la gestione e l’analisi dei dati, incluse le funzioni dedicate alla consultazione, ricerca, estrazione e sintesi di informazioni da basi di dati strutturate. Dovranno inoltre dimostrare di aver compreso la logica dei database relazionali, con particolare riferimento alla struttura delle tabelle, alle chiavi primarie ed esterne, alle relazioni tra entità e all’uso delle query per estrarre informazioni coerenti dai dati.
La prova comprenderà anche una serie di domande sulla logica dei database relazionali e sulle principali funzioni di Excel utilizzabili per la gestione di archivi e basi di dati, al fine di valutare non solo la competenza operativa, ma anche la comprensione concettuale degli strumenti utilizzati.
La verifica consentirà di valutare la capacità di gestire database e condurre analisi di dati mediante funzioni già implementate nei software di analisi, la capacità di tradurre esigenze informative in strutture dati e procedure operative coerenti, la capacità di giustificare le scelte effettuate e di comunicare i risultati ottenuti, anche in relazione al lavoro individuale o di gruppo eventualmente svolto durante il corso (ca2, ag1, ac1, ac3).
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18-22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23-25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26-28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29-30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell'esposizione e nell'applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Per lo studente sarà utile avere a disposizione un manuale introduttivo di Excel e di Access. Durante il corso sarànno messe a disposizione dispense e altro materiale che costituiranno il riferimento base per ripercorrere gli argomenti affrontati durante il corso e superare la prova finale.

L’insegnamento si propone di preparare lo studente a raccogliere ed elaborare informazioni utili per l'analisi economica e per l'attività aziendale.
Con riferimento ai Descrittori di Dublino, al termine dell'insegnamento lo studente sarà in grado di conoscere e comprendere le principali fonti e gli strumenti per la gestione e l’analisi dei dati economici e aziendali (cc3), con particolare riferimento sia ai metodi statistici descrittivi (cc4.1) sia a quelli inferenziali (cc4.2), nonché di riconoscere la specificità dei diversi contesti applicativi (cc5); applicare le conoscenze teoriche a problemi reali (ca2), formulare problemi in termini statistici (ca5), interpretare correttamente i risultati delle analisi (ca6) e comunicarli in modo efficace (ca7); tradurre i fabbisogni conoscitivi in termini statistici (ag1), utilizzare i risultati delle analisi a supporto dei processi decisionali in condizioni di incertezza (ag2) e valutare criticamente gli aspetti etici dell’uso dei dati (ag3); comunicare in modo chiaro e appropriato sia in forma scritta sia orale (ac1), interagire con interlocutori sia esperti sia non esperti (ac2) e lavorare efficacemente sia in autonomia sia in gruppo (ac3); sviluppare capacità di apprendimento continuo e adattare le proprie conoscenze a diversi contesti applicativi (ap1).

L’insegnamento è strutturato in 4 parti:

• Contabilità nazionale
• Numeri indici
• Indici di bilancio e previsione dell’insolvenza
• Metodi statistici per la previsione
  Le prime due parti trattano concetti e metodi basilari della statistica economica, mentre le due parti successive affrontano l'applicazione di metodi e modelli statistici a problemi aziendali.

Prova scritta + Prova orale
La prova scritta consiste in esercizi da svolgere con la calcolatrice scientifica e domande aperte. La prova orale consiste in domande teoriche sugli argomenti svolti a lezione. Con la prova scritta si valuta la capacità dello studente sia di applicare i metodi trattati a lezione, sia di comprendere e discutere i risultati ottenuti. Con la prova orale si valuta la comprensione degli argomenti e degli aspetti teorici dei metodi trattati a lezione.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Testi di riferimento:

• O. Castellino. Introduzione alla contabilità nazionale, Giappichelli, 2021.
• A. Predetti. I numeri indici. Teoria e pratica dei confronti temporali e spaziali, Giuffrè, 2006. [Capitoli 1, 2, 3, 4.1.1, 4.2]
• L. Biggeri, M. Bini, A. Coli, L. Grassini, M. Maltagliati. Statistica per le decisioni aziendali, Pearson, 2a ed., 2017. [Capitoli 3.3-3.6, 5.4.1, 8]
• G. James, D. Witten, T. Hastie, R. Tibshirani. Introduzione all'apprendimento statistico con applicazioni in R, Springer, 2a ed., 2009. [Capitoli 2.1, 2.2, 3.1-3.4, 4.1-4.3, 5.1, 8.1, 8.2]
  Slides e materiale aggiuntivo verranno messi a disposizione sulla piattaforma Moodle.
  Per approfondimenti:
• M. Di Nuzzo. Data science e machine learning: dai dati alla conoscenza, 2021.
• J. C. Hull. Machine learning in business: un'introduzione alla scienza dei dati, 3a ed., 2021.
• B. Lang. Machine Learning with R, II ed., Packt Publishing, 2015.
• G. Shmueli, P. C. Bruce, I. Yahav, N. R. Patel, K. C. Lichtendahl Jr. Data Mining for Business Analytics - Concepts, techniques, and applications in R, Wiley, 2018.
• C. Chapman, E. McDonnel Feit. R for marketing research and analytics, Springer, 2015.
• T. Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, II ed., Springer, 2009.
• T.J. Coelli, D.S. Prasada Rao, C.J. O'Donnell , G.E. Battese. An introduction to efficiency and productivity analysis, Springer, 2005.

Possedere una base teorico-concettuale e pratica del disegno degli esperimenti.
Conoscenze: disegni sperimentali e nozioni relative alla loro applicazione in ambito scientifico.
Competenze: saper individuare il disegno sperimentale più opportuno, condurre l'analisi e trarre le conclusioni appropriate.
Capacità: saper condurre in modo corretto l'analisi e saper comunicare i risultati e sotto quali assunzioni tali risultati sono considerati validi. Acquisire il lessico statistico appropriato.
In generale, si richiede di acquisire una forte padronanza della logica sottostante i fondamenti dell'analisi statistica dei dati e conoscenza dei principali modelli statistici e metodi di analisi inferenziale e la comprensione della specificità dei singoli contesti applicativi e capacità di declinare la metodologia statistica in vari ambiti.

Introduzione al disegno degli esperimenti classico. Sperimentazioni cliniche.

La verifica delle conoscenze e capacità acquisite è effettuata tramite una prova orale. La prova sarà volta a valutare le conoscenze acquisite, la capacità di progettare, analizzare e trarre le giuste conclusioni riguardo un disegno sperimentale. Sarà anche valutato il linguaggio tecnico specifico del disegno sperimentale per la comunicazione dei risultati ottenuti.
Tabella docimologica di valutazione
Insufficiente
Valutazione negativa dovuta a gravi errori concettuali, comprensione frammentaria o nulla degli argomenti trattati, incapacità di applicare le conoscenze, gravi lacune e mancanza di autonomia.
18–22
Valutazione sufficiente o più che sufficiente dovuta a conoscenza elementare degli argomenti, presenza di alcuni errori, capacità di affrontare solo compiti semplici o guidati, livello base di autonomia.
23–25
Valutazione discreta dovuta a comprensione soddisfacente degli argomenti, capacità di applicare correttamente le conoscenze a contesti noti e di affrontare gli esercizi in modo autonomo con qualche imprecisione, con un soddisfacente livello di autonomia e competenza operativa.
26–28
Valutazione buona o molto buona, dovuta a solida comprensione teorica della disciplina, capacità di collegare concetti, risolvere problemi e proporre analisi critiche, di svolgere compiti complessi in modo autonomo, preciso ed efficace, con un buon livello di autonomia e competenza operativa.
29–30 e Lode
Valutazione eccellente o ottima, dovuta a conoscenze complete, approfondite e ben strutturate, capacità di operare in modo autonomo e flessibile, anche in contesti complessi o nuovi, di utilizzare il linguaggio disciplinare in modo appropriato, preciso e articolato, di evidenziare capacità critiche, originalità e rigore nell’esposizione e nell’applicazione.
La Lode è attribuita a elaborati o prestazioni che si distinguono per brillantezza e originalità, anche al di là delle aspettative curricolari.

Montgomery DC (2005) Progettazione e analisi degli esperimenti, McGraw-Hill