statistica e data science

Lo studente dovra' essere in grado di descrivere e rappresentare alcuni
fenomeni aleatori (con l'eventuale utilizzo del software R), relativi anche ad altre
discipline, mediante opportuni modelli probabilistici. In particolare, per ogni
fenomeno aleatorio lo studente dovra' essere in grado di:
giustificare eventuali distribuzioni di probabilita' utilizzate;
fornire i piu' comuni valori di sintesi; di valutare adeguatamente probabilita' di
eventi (condizionati e non);
aggiornare probabilita';
sfruttare risultati teorici sia per ottenere trasformazioni di numeri aleatori sia
per semplificare problemi piu' complessi.
Inoltre, utilizzando i concetti fondamentali del corso e quelli del ragionamento
logico matematico, lo studente dovra' saper risolvere alcuni “paradossi” del
calcolo delle probabilita', anche se questi vengono presentati in forme diverse.

6 Introduzione generale. Cenni storici. Problema di de Mere [4]. Proposizioni logiche, eventi, indicatori [2].
Relazioni e operazioni logiche. Formule di De Morgan. Calcolo combinatorio (Combinazioni, disposizioni,
premutazioni). Binomio di Newton. Insieme delle parti. Partizione finita dell'evento certo. Definizione classica di
probabilita'. Proprieta' fondamentali della probabilita'.
4 Impostazione assiomatica del calcolo delle probabilita'. Sigma addititiva' e additivita' finita. Cenni
sull’impostazione frequentista. Sul significato soggettivo della probabilita' [2] Condizione di coerenza e criterio
della scommessa [2].. Probabilita' e teoria della misura [4].
4 Costituenti generati da una famiglia di n eventi. Decomposizione di un evento nell'unione dei costituenti ad
esso favorevoli. Dipendenza e indipendenza logica. Gli assiomi del calcolo delle probabilita' come condizioni
necessarie di coerenza. Verifica della coerenza di una valutazione probabilistica. Probabilita', quoziente di
scommessa e quote di vincita.
4 Definizione di evento condizionato e di probabilita' condizionata. Proprieta' della probabilita' condizionata.
Teorema delle probabilita' composte. Formula di disintegrazione. Formula di Bayes ed applicazioni. Famiglia
di eventi stocasticamente indipendenti.
6 Numeri aleatori semplici. Distribuzione Binomiale. Estrazioni con restituzione da un'urna di composizione nota.
Distribuzione Ipergeometrica. Estrazioni senza restituzione da un'urna di composizione nota. Comportamento
asintotico della distribuzione ipergeometrica. Estrazioni con restituzione da un'urna di composizione incognita.
Estrazioni senza restituzione da un'urna di composizione incognita. Indipendenza condizionata. Mistura di
distribuzioni Binomiali. Mistura di distribuzioni Ipergeometriche. Cenni sulla scambiabilita. Previsione e
varianza di un numero aleatorio semplice.
4 Numeri aleatori discreti. Previsione e varianza di un numero aleatorio discreto. Funzione di ripartizione nel
discreto. Distribuzione di Poisson. Approssimazione della distribuzione Binomiale. Distribuzione Geometrica.
Proprieta' di assenza di memoria della distribuzione Geometrica. Distribuzione di Pascal e binomiale negativa.
Disuguaglianze di Markov e di Cebicev.
6 Probabilita' su famiglie infinite di eventi incompatibili. Distribuzioni assolutamente continue. Densita' di
probabilita', funzione di ripartizione, previsione e varianza nel continuo. Distribuzione Uniforme, Esponenziale,
Normale, Gamma, Beta, Chi-quadro, Laplace. Teoria dell'affidabilita. Funzione di sopravvivenza. Funzione di
rischio. Proprieta' di assenza di memoria della distribuzione Esponenziale.
6 Vettori aleatori discreti e continui. Funzione di ripartizione multidimensionale, distribuzione congiunta,
distribuzioni marginali e distribuzioni marginali condizionate. Indipendenza stocastica tra numeri aleatori.
Covarianza. Indipendenza e incorrelazione. Coefficiente di correlazione lineare. Trasformazioni (lineari e non)
di numeri aleatori. Metodo della funzione di ripartizione. Cenni sul valore atteso condizionato. Cenni sulla
Matrice delle varianze e covarianze. Cenni sulla Distribuzione normale multidimensionale.
4 Funzione caratteristica ([2], vedi anche [4]) (o in alternativa funzione generatrice dei momenti) e proprieta' .
Somma di numeri aleatori. Cenni sull'operatore di convoluzione. Distribuzione Chi-quadro con n gradi di liberta.
4 Vari tipi di convergenza [4]. Teorema centrale del limite. Approssimazione normale della distribuzione
Binomiale. Legge dei grandi numeri.

6 Calcolo combinatorio. Operazioni logiche. Proprieta fondamentali della probabilita'.
6 Probabilita' condizionate. Teorema di Bayes. Paradossi della probabilita'
6 Probabilita' discreta ed esercizi. Calcolo delle principali distribuzioni di probabilita' discrete in R.
6 Numeri aleatori continui, valori di sintesi, affidabilita'. Utilizzo del software R per la visualizzazione delle densità
e per il calcolo delle funzioni di ripartizione.

6 Vettori aleatori, funzioni di numeri aleatori.
6 Distribuzione normale, Teoremi limiti. Funzione caratteristica (o in alternativa funzione generatrice dei
momenti). Simulazione compito di Esame.

La verifica dell'apprendimento avviene attraverso una prova scritta (o due prove
scritte in itinere) seguita da una prova orale.
Prova Scritta.
La prova scritta sara' composta da 4 esercizi: 2 riguardanti prevalentemente
argomenti della prima meta' del corso e 2 riguardanti argomenti
prevalentemente della seconda meta' del corso. Tutti gli esercizi svolti
correttamente avranno lo stesso punteggio. Il punteggio complessivo della
prova scritta e' espresso in trentesimi. La prova scritta e' superata se si ottiene
un punteggio maggiore o uguale a 18/30.
Eventuali Prove scritte in itinere
La prima prova in itinere si svolgera' durante il periodo di sospensione della
didattica e sara' composta da 2 esercizi riguardanti argomenti della prima meta'
del corso (principalmente problemi di probabilita' discreta, valori di sintesi).
La seconda prova in itinere, riservata a coloro che hanno superato la prima
prova in itinere, sara' composta da 2 esercizi riguardanti prevalentemente
argomenti della seconda meta' del corso (principalmente problemi nel continuo,
vettori aleatori, problemi limiti, funzione caratteristica). Se non diversamente
comunicato, tutti gli esercizi svolti correttamente avranno lo stesso punteggio
(7,5). Il punteggio complessivo della prova scritta in itinere e' espresso in
trentesimi. La prova in itinere e' superata se si ottiene un punteggio maggiore o
uguale a 18/30.
Il superamento di entrambe le prove in itinere e' equivalente al superamento
della prova scritta con un punteggio pari alla media aritmetica arrotondata per
eccesso dei punteggi attribuiti alle singole prove in itinere. Pertanto coloro che
superano entrambe le prove in itinere potranno non sostenere la prova scritta. Il
superamento della sola prima prova in itinere non esonera dal superamento
della prova scritta.
Le prove scritte mirano a valutare sia le conoscenze possedute
dall'esaminando che le sue capacita' a risolvere problemi probabilistici simili a
quelli trattati durante le lezioni e durante le esercitazioni. In particolare, dalla
risoluzione degli esercizi si comprendera' in che misura l'esaminando e' in grado
di:
formalizzare un fenomeno aleatorio; giustificare la scelta di un modello
probabilistico e di eventuali distribuzioni di probabilita'; fornire valori di sintesi;
gestire il condizionamento; utilizzare o rielaborare risultati teorici; scegliere
eventuali approssimazioni di distribuzioni di probabilita'; utilizzare le tavole della
distribuzione normale standard; utilizzare strumenti matematici per risolvere
problemi aleatori.
Prova orale e voto finale.
Nella prova orale si prende spunto dagli esercizi presenti nella prova scritta, in
particolare da eventuali esercizi non svolti o svolti parzialmenti, per valutare il
grado di conoscenza dell'esaminando su alcuni argomenti teorici del programma
e sulla sua capacita' espositiva. La prova orale mirera' a finalizzare e/o a
graduare meglio (aumentando o diminuendo) la valutazione nella prova scritta.
L'esaminando supera l'esame se ottiene un voto maggiore o uguale a 18/30.
La soglia della sufficienza del 18/30 si raggiunge quando l'esaminando dimostra
di avere acquisito una conoscenza di base degli argomenti descritti nel
programma, e' in grado di operare minimi collegamenti fra di loro, dimostra di
avere acquisito una limitata autonomia di giudizio; il suo linguaggio e' sufficiente
a comunicare con gli esaminatori.
Per conseguire il voto massimo di 30/30 e lode, l'esaminando deve invece
dimostrare di aver raggiunto in maniera eccellente gli obiettivi previsti. Gli
obiettivi raggiunti si considerano eccellenti quando l’esaminando ha acquisito la
piena conoscenza degli argomenti del programma, dimostra di saper applicare
la conoscenza acquisita anche in contesti differenti rispetto a quelli propri trattati
durante il corso, si esprime con competenza lessicale anche nell’ambito del
linguaggio specifico di riferimento ed e' in grado di elaborare ed esprimere
giudizi autonomi fondati sulle conoscenze acquisite. Inoltre, la lode puo' essere
attribuita se il voto della prova scritta sommato al voto della prova orale supera il
punteggio di 30.
Per gli studenti con disabilità e neurodiversita' saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversita', in base alle specifiche esigenze e in
attuazione della normativa vigente.

Dispense
Materiale didattico ed esercizi di compiti di esami relativi ad anni precedenti
curati dal docente che verranno resi disponibili in parte a inizio corso e in parte
durante il corso
Testi di riferimento (References)

• [1] Sheldon Ross; Calcolo delle Probabilita' 3a ed.; Apogeo Education -
  Maggioli Editore, 2013; ISBN 9788838788604
  (English version: A first course in Probability, 8th edition, Pearson)
• [2] Romano Scozzafava; Incertezza e Probabilita'; Zanichelli, 2003; ISBN:
  9788808079756 (Esclusi capitoli su processi stocastici)
  Approfondimenti (Further bibliography)
  Per alcuni argomenti del programma dell'insegnamento, non presenti nei testi
  consigliati, vengono forniti i seguenti riferimenti bibliografici.
  (For some particular topics of the syllabus proper references are given below).
• [3] Luciano Daboni; Calcolo delle Probabilita' ed Elementi di Statistica; Utet,
  1981, ISBN 978-8877502087.
• [4] Giorgio Dall'Aglio; Calcolo delle Probabilita'; Zanichelli, 2001, ISBN:
  9788808176769.
• [5] Luca Leuzzi Enzo Marinari Giorgio Parisi, Calcolo delle probabilità,
  Zanichelli, 2023

Il corso ha come obiettivo fondamentale quello di:

• far acquisire agli studenti una adeguata comprensione di base dell’istituto
  aziendale, del relativo glossario, dei principi che ne regolano il governo e la
  gestione;
• consentire l'apprendimento di modelli gestionali e strumenti di analisi necessari
  alla lettura ed all'interpretazione delle dinamiche aziendali e del loro impatto
  sullo sviluppo sostenibile del contesto socioeconomico di un territorio.
• fornire il substrato conoscitivo necessario per una corretta interlocuzione con
  professionisti contabili gestionali di aziende pubbliche/private e non-profit per la
  comprensione del contributo offerto dalle medesime al funzionamento dei
  moderni processi e sistemi economici e finanziari.
  I temi trattati nel corso forniscono le conoscenze fondamentali necessarie per
  l'efficace raccolta, gestione, analisi e interpretazione dei dati nei contesti
  aziendali e organizzativi. Tale patrimonio conoscitivo consente agli studenti di
  comprendere i contesti organizzativi e manageriali nei quali i dati sono generati
  e utilizzati, favorendo lo sviluppo di processi di analisi e di decisione basati sui
  dati.

3 Concetti di bisogno, funzioni economiche, economia aziendale e economia delle aziende turistiche
3 Formula imprenditoriale. Caratteri morfologici e fisiologici delle aziende.
10 Patrimonio aziendale. Teoria degli stocks. Lo Stato Patrimoniale. Margini Patrimoniali.
10 Gestione aziendale. Teoria dei flussi. Il Conto Economico. Analisi redditività.
6 La contabilità analitica. Analisi dei costi per le decisioni aziendali.

10 Bilancio di esercizio e analisi per margini e indici
10 Break even analysis - Margine di contribuzione
4 Sosternbilità aziendale - indicatori ESG

L’esame consiste in una prova scritta sull'intero programma svolto. In
particolare, lo studente dovrà effettuare alcune applicazioni pratiche di tipo
quantitativo, nonché intrepretare i risultati ottenuti. Sono previste anche
domande a risposta aperta e chiusa sulle parti teoriche del programma.
Le applicazioni pratiche e le domande poste sono volte ad indagare se lo
studente abbia acquisito: a) conoscenza e padronanza degli argomenti oggetto
del programma; b) capacità interpretativa ed autonomia di giudizio anche di casi
concreti; c) capacità di utilizzare un linguaggio tecnico adeguato.
Come prova in itinere, sarà proposto un lavoro di gruppo su un caso aziendale,
da presentare e discutere in aula, finalizzato a stimolare il team working. Il voto
del team work, espresso in trentesimi, se accettato concorrerà alla valutazione
finale.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.
I criteri adottati per la valutazione, espressa in trentesimi, sono i seguenti:

• valutazione eccellente (30 - 30 e lode): ottima conoscenza degli argomenti,
  ottima proprietà di linguaggio, buona capacità analitica - lo studente è in grado
  di applicare le conoscenze per risolvere i problemi proposti;
• molto buono (26-29): buona padronanza degli argomenti, piena proprietà di
  linguaggio - lo studente è in grado di applicare le conoscenze per risolvere i
  problemi proposti;
• buono (24-25): conoscenza di base dei principali argomenti, discreta proprietà
  di linguaggio, con limitata capacità di applicare autonomamente le conoscenze
  alla soluzione dei problemi proposti;
• soddisfacente (21-23): non ha piena padronanza degli argomenti principali
  dell’insegnamento ma ne possiede le conoscenze, soddisfacente proprietà
  linguaggio, scarsa capacità di applicare autonomamente le conoscenze
  acquisite;
• sufficiente (18-20): minima conoscenza di base degli argomenti principali
  dell’insegnamento e del linguaggio tecnico, scarsa capacità di applicare
  autonomamente le conoscenze acquisite.
• insufficiente (inferiore a 18/30): non possiede una conoscenza accettabile dei
  contenuti degli argomenti trattati nell’insegnamento.

Sorci C. Lezioni di Economia Aziendale, Giuffrè, Milano, 2014 (Da studiare:
Parte Prima: capitoli 1-2-3; Parte Seconda: capitoli 1-2-3-4-6; Parte Terza:
capitoli 1-2).
Ulteriore materiale didattico sarà reso disponibile tramite il portale della didattica
in corrispondenza del corso di insegnamento.
(Additional course materials will be made available through the course's online
learning platform)

1. Possedere un glossario di base della terminologia economica.
2. Conoscere ed interpretare gli elementi essenziali dei principali modelli
economici (micro e macro) e le sottostanti assunzioni.
3. Essere in grado di utilizzare gli strumenti matematici e geometrici (studio e
rappresentazione di funzioni di una e due variabili, risoluzione di sistemi di
equazioni, problemi di ottimizzazione vincolata e numeri indici) necessari per
comprendere i problemi di scelta affrontati da consumatori e produttori, il
funzionamento dei principali modelli micro e macro economici, gli elementi di
base della contabilita' nazionale, gli interventi di politica economica e i loro effetti
sulle variabili economiche.
4. Capacita' di applicare a rappresentazioni semplificate di casi reali le principali
teorie utilizzate in microeconomia e macroeconomia.

2 Introduzione all'economia
4 Domanda, Offerta ed Equilibrio di Mercato
6 Teoria del consumatore
6 Teoria del Produttore
6 Equilibrio di Marcato e Surplus
6 Oliogopolio e Monopolio
6 Fallimenti del Mercato
2 Decisioni Collettive
4 Variabili macro-economiche
6 Teoria della crescita

30 Esercitazioni di Microeconomia
6 Esercitazioni di Macroeconomia

La verifica dell'apprendimento avviene attraverso:
1) una prova scritta di fine corso, contenente sia domande a risposta aperta che
domande a risposta multipla
2) una prova scritta in itinere, contenente sia domande a risposta aperta che
domande a risposta multipla
3) Varie esercitazioni da svolgere dagli studenti sia da soli che in gruppi
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

Alcune dispense sono fornite durante il corso. I principali testi consigliati sono:
Besanko, D. & Braeutigam, R. (2012) Microeconomia, Ed. McGraw- Hill.
Balletta L. & Modica S. (2020), Ed. Egea.

OBIETTIVI FORMATIVI DELL’UNITA’ DIDATTICA 1: Funzioni di una variabile
reale.
1) enunciare e dimostrare i fondamentali teoremi dell’analisi di funzioni di una
variabile reale; 2) utilizzare i teoremi e le regole del calcolo differenziale e
integrale per l’analisi di funzioni di una variabile reale; 3) spiegare e motivare le
fasi del processo logico-deduttivo che permettono di rappresentare un problema
reale tramite un modello matematico.
DELL’UNITA’ DIDATTICA 2: Funzioni di piu' variabili
reali.
1) estendere alle funzioni di piu' variabili i fondamentali teoremi delle funzioni di
una variabile reale; 2) utilizzare i teoremi e le regole del calcolo differenziale e
integrale per l’analisi di funzioni di piu' variabili; 3) utilizzare le conoscenze e
capacita sviluppate durante il corso per analizzare e descrivere tramite modelli
matematici problemi reali.

1 Obiettivi della disciplina e sua suddivisione
2 Operazioni con gli insiemi. Insieme delle parti. Il prodotto cartesiano. Partizione di un insieme. Logica delle
dimostrazioni.
5 Insieme dei reali. Intorno di un punto. Intervalli aperti e chiusi. L'insieme dei numeri complessi.
Rappresentazione geometrica e polare. Potenza di un numero complesso.
3 Funzioni di una variabile reale. Grafici di funzioni elementari. Funzioni crescenti e decrescenti. Limiti.
3 Funzioni continue. Proprieta delle funzioni continue. Limiti notevoli. Asintoti
3 Derivata di una funzione. Continuita' e derivabilita'. Derivate successive. Regole di derivazione: derivata della
funzione prodotto, rapporto, reciproca, di una potenza generalizzata. Massimi e minimi relativi.
3 Teorema de L’Hopital. Derivabilita' e Monotonia. Convessita' e concavita'.
4 Definizione di integrale. Proprieta' principali dell’integrale. Il teorema fondamentale del calcolo integrale.
6 Integrale e concetto di anti-derivata. Tecniche di integrazione: Integrazione diretta. Integrazione per parti.
Integrazione per sostituzione. Integrali impropri.
4 Serie numeriche, Serie di potenze. Criteri di convergenza. Sviluppo in serie di Taylor e McLaurin di una
funzione reale di variabile reale.
4 Limiti e continuita in R^2. Derivata direzionale. Derivata parziale
6 Differenziale totale. Approssimazione del primo e secondo ordine di funzioni da R^2 in R
4 Definizione di massimo e minimo locale in R^2. Condizioni necessarie e sufficienti per l'ottimo locale.

18 Limiti. Numeri complessi. Continuita' e derivabilita' di una funzione di una variabile Reale. Ottimizzazione di
funzioni di una variabile reale. Concavita' e convessita'. Le esercitazioni includeranno sessioni di uso dell'IA
per la risoluzione degli esercizi e per chiarire gli aspetti teorici inerenti ai diversi passi da compiere nella
risoluzione di un esercizio.
18 Metodi di integrazione. Integrali indefiniti, definiti e impropri. Serie di potenze, Sviluppi in serie di Taylor a
McLaurin, raggio e intervallo di convergenza. Determinazione di massimi e minimi locali in R^2.
Approssimazione lineare di una funzione da R^2 in R. Le esercitazioni includeranno sessioni di uso dell'IA per
la risoluzione degli esercizi e per chiarire gli aspetti teorici inerenti ai diversi passi da compiere nella risoluzione
di un esercizio.

LA PROVA D'ESAME
L'esame finale consiste in una prova scritta, articolata in 10 esercizi, di cui 5
riguardanti la prima unita' didattica e 5 la seconda. Il tempo massimo per lo
svolgimento della prova e' di tre ore. E' inoltre prevista 1 prova scritta in itinere
riguardante la prima unita' didattica. La prova in itinere e' articolata in 6 esercizi
e la durata massima per svolgere la prova e' di due ore. Allo studente che
superasse la prova in itinere, non sara' richiesto di svolgere gli esercizi
corrispondenti nella prova finale. In questo caso, il tempo a disposizione per lo
svolgimento della prova finale sara' opportunamente rimodulato: un'ora e trenta
minuti a disposizione per chi debba completare solo i cinque esercizi della
seconda unita' didattica. Tutte le prove, sia la prova finale che la prova in itinere,
saranno seguite da una discussione (orale) del compito. La formulazione degli
esercizi della prova scritta finale e della prova in itinere e' tale da richiedere allo
studente di utilizzare i teoremi e le regole del calcolo differenziale e integrale per
l’analisi di funzioni di una variabile reale e di piu' variabili reali. Inoltre alcuni
esercizi proposti richiedono allo studente di spiegare e motivare le fasi del
processo logico-deduttivo che permettono di rappresentare un problema tramite
un modello matematico. Per gli studenti con disabilità e neurodiversità saranno
garantiti gli strumenti compensativi e le misure dispensative individuate, dal
CeNDis - Centro di Ateneo per la disabilità e la neurodiversità, in base alle
specifiche esigenze e in attuazione della normativa vigente.
METODO DI VALUTAZIONE
La valutazione dell'esame finale terra' conto dei seguenti aspetti: i) padronanza
degli argomenti; ii) capacita' di applicazione delle conoscenze e iii) proprieta' di
linguaggio (matematico), secondo quanto evidenziato nella prova scritta e nella
discussione (orale) del compito.
VALUTAZIONE DELLA PROVA FINALE E DELLE PROVE IN ITINERE
Ad ogni esercizio viene assegnato un punteggio compreso tra 0 (non svolto o
del tutto insufficiente) e 1 (svolto in modo perfetto). Il voto in trentesimi associato
ad una prova scritta (in itinere o finale) si ottiene moltiplicando la media
aritmetica dei punteggi ottenuti negli esercizi proposti per 30 e prendendo
l'approssimazione intera superiore del risultato ottenuto. La lode e'
eventualmente assegnata dalla commissione in base all'esito della discussione
del compito (cio' si applica anche alla prova in itinere). Nel caso in cui la prova in
itinere sia stata superata, il voto finale si ottiene come l'approssimazione intera
superiore della media dei voti associati a ciascuna delle sue unita' didattiche.
OFA
In conformita' alla delibera del SA del 13 giugno 2017 e alla delibera del CICS
L41 - LM82 del 3 luglio 2017, il superamento dell'esame di Matematica
comporta l'assolvimento del relativo OFA.

UNITA’ DIDATTICA 1: Funzioni di una variabile reale. Larson, Edwards.
Calculus of a Single Variable – 9th Edition. Salas, Hille, Etgen. Calculus of One
and Several Variables - 10th Edition. Wiley Anichini, Conti. Analisi Matematica
1. Pearson Education
UNITA’ DIDATTICA 2: Funzioni a piu' variabili. Edwards, Penney. Multivariable
Calculus, 6.th ed., Prentice Hall. Salas, Hille, Etgen. Calculus of One and
Several Variables - 10th Edition. Wiley Larson, Edwards. Multivariable Calculus,
9th ed.,Thomson Brooks/Cole. Zecca. Dispense di Analisi II. Disponibile on-line.
G. De Marco, Analisi Due (vol.1), Zanichelli.
Saranno inoltre messe a disposizione degli studenti delle dispense in formato
elettronico preparate dal docente che riguardano tutti gli argomenti considerati
nelle due unita' didattiche.

Il corso si propone di fornire allo studente le conoscenze e le competenze
necessarie per affrontare la progettazione di basi di dati e l’utilizzo di sistemi di
gestione di basi di dati. In particolare, verranno esaminate le problematiche
relative al modello relazionale, all’algebra relazionale, al linguaggio SQL e alla
progettazione concettuale e logica.

6 Introduzione ai concetti di base; modello relazionale; relazioni e tabelle; schemi e istanze di relazione; chiavi,
superchiavi; vincoli di integrità.
8 Algebra relazionale: operatori insiemistici; ridenominazione, selezione e proiezione; join naturale e theta-join;
operatori derivati e interrogazioni avanzate.
6 SQL: schemi e tabelle; vincoli intra-relazionali e inter-relazionali; join; ordinamento; interrogazioni nidificate;
operatori aggregati; interrogazioni con raggruppamento; viste.
6 Progettazione di una base di dati: modello Entità-Relazione; progettazione concettuale; strategie di progetto.
6 Progettazione logica: analisi delle prestazioni; ristrutturazione di uno schema Entità-Relazione; traduzione
verso il modello relazionale.

24 Modello relazionale e algebra relazionale.
SQL: interrogazioni semplici e avanzate.
Progettazione concettuale e logica di una base di dati.

Le conoscenze e le competenze acquisite dallo studente saranno verificate
attraverso una prova scritta e un colloquio orale. Durante il corso, si valuterà la
possibilità di una eventuale prova in itinere, in base al programma svolto fino a
quel momento.
La prova scritta e' costituita da almeno tre esercizi volti a verificare le
conoscenze dello studente degli argomenti affrontati durante il corso, e di
applicare le capacita' e le conoscenze acquisite.
Nello svolgimento assume fondamentale importanza il commento teorico dei
risultati ottenuti. La valutazione e' espressa in trentesimi.
La prova orale consiste in un colloquio, volto ad accertare il possesso delle
competenze e delle conoscenze disciplinari previste dal corso; la valutazione
viene espressa in trentesimi. Durante il colloquio orale lo studente dovra' essere
in grado di discutere le soluzioni proposte durante la prova scritta; inoltre
saranno proposte domande di diverso e crescente livello di complessita' al fine
di valutare il raggiungimento degli obiettivi formativi e le abilita' comunicative
dello studente. Infine, allo scopo di valutare l’autonomia di giudizio, sara'
richiesto di analizzare le caratteristiche di specifici scenari applicativi e di
proporre le soluzioni piu' adeguate ai problemi individuati.
La valutazione finale terra' conto sia del punteggio della prova scritta che di
quello della prova orale.
Eccellente (30-30 e lode): durante entrambe le prove lo studente dovra'
dimostrare padronanza completa degli argomenti del corso. Durante il colloquio
orale l’allievo dovra' dimostrare la maturita' di saper collegare i diversi aspetti
trattati e la capacita' di saper generalizzare. Dovra' mostrare autonomia nella
soluzione dei quesiti e la capacita' di individuare le informazioni necessarie per
la soluzione degli stessi.
Molto buono (27-29): buona padronanza degli argomenti; lo studente e' in grado
di applicare le conoscenze per risolvere i problemi proposti.
Buono (24-26): buona conoscenza dei principali, discreta padronanza e
proprieta' di linguaggio, con capacita' di applicare autonomamente le
conoscenze alla soluzione dei problemi proposti.
Discreto (21-23): piu' che sufficiente padronanza degli argomenti principali
dell’insegnamento, limitata capacita' di applicare autonomamente le conoscenze
acquisite.
Sufficiente (18-20): conoscenza di base degli argomenti principali
dell’insegnamento e del linguaggio tecnico.
Insufficiente: lo studente non possiede una conoscenza accettabile dei contenuti
degli argomenti trattati nell'insegnamento.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone. Basi di Dati. McGraw-
Hill, quinta edizione. ISBN: 978-8838694455

DEL MODULO
Il corso mira a fornire gli elementi base utili per lo studio dei fenomeni collettivi.
La statistica infatti analizza in termini quantitativi i fenomeni il cui studio richiede l’osservazione di un insieme di
manifestazioni individuali.
In particolare verranno introdotti i metodi di quella parte della Statistica, nota come Statistica Descrittiva, rivolti all’analisi delle
caratteristiche di un collettivo osservato nella sua totalità.
Alla fine del corso l'alunno sara' in grado di individuare i metodi e le tecniche adeguati all'analisi e applicarli , sintetizzando i
risultati nel modo piu' efficace.
DEL MODULO
Il corso ha come obiettivo fondamentale di offrire allo studente gli strumenti per
potere utilizzare in maniera consapevole l'ambiente di programmazione
statistica R. Alla fine del corso lo studente dovra' essere in grado di risolvere
problemi e condurre analisi statistiche elementari con le nozioni imparate
durante il corso.

2 Obiettivi della disciplina e sua suddivisione.
2 Terminologia statistica e concetti introduttivi
2 Popolazione; unita' statistiche; caratteri e variabili; modalita
4 Tabelle semplici; frequenze assolute, relative e cumulate.
2 Rappresentazioni grafiche
6 Misure di posizione. (cid:9)Misure di variabilita' ed eterogeneita.
2 Distribuzioni di frequenza doppie. distribuzioni marginali e condizionate; frequenze assolute e
relative.
4 Misure di posizione e di variabilita' marginali e condizionate
4 Dipendenza in distribuzione
Dipendenza in media
4 Regressione lineare semplice e correlazione

8 Distribuzione di un carattere e sua rappresentazione: le medie e gli indici di variabilita.
8 Distribuzione congiunta di due caratteri.
8 La dipendenza e l’interdipendenza statistica.
Le esercitazioni includeranno sessioni di uso dell'IA per la risoluzione degli esercizi e per chiarire
gli aspetti teorici inerenti ai diversi passi da compiere nella risoluzione di un esercizio.
MODULO
R PER DATA SCIENCE
Prof.ssa MARIANGELA SCIANDRA
2 Presentazione del corso. Principali differenze tra software libero e software commerciale
2 Introduzione all'ambiente di programmazione R
6 Introduzione a RStudio. L'oggetto base di R: il vettore. Tipi di vettori. Operazione di
assegnazione. Operazioni sui vettori.
Fattori.
2 Array e matrici: operazioni e funzioni per l'utilizzo delle matrici
4 Liste e data-frame. Funzioni attach() e detach(). Gestione del cammino di ricerca. Data-frame
forniti da R.
2 Lettura di dati da file.
3 Costruzione di distribuzioni di frequenze semplici e doppie. Calcolo di frequenze assolute e
relative.
Distribuzioni condizionate e marginali
4 Grafici: funzioni di alto livello e di basso livello. Principali rappresentazioni grafiche. Utilizzo della
funzione par().
3 Analisi di tipo statistico: principali funzioni per il calcolo di statistiche descrittive. Distribuzioni di
probabilita.
4 Elementi di programmazione in R. Funzioni definite dall'utente.

6 Applicazione dei principali comandi in R per la produzione di statistiche.
8 Applicazioni relative alla costruzione di codice e funzioni definite dall'utente.
10 Applicazioni relative alla costruzione di distribuzioni di frequenze e di grafici.

Prova in itinere, prova scritta, prova orale.
La verifica dell'apprendimento avviene attraverso un colloquio orale, subordinato
al superamento della prova scritta e, limitatamente alla sessione invernale di
esami, al superamento della prova in itinere.
Durante il corso potranno essere organizzati lavori di gruppo, report di analisi,
presentazioni autonome degli studenti da discutere in aula: queste attività,
potranno costituire parte della valutazione. Le modalità di valutazione verranno
discusse in aula con gli studenti.
La Commissione giudicatrice e' formata dai docenti titolari dei due moduli del CI.
Prova in itinere
La prova in itinere (al pc) si svolgera' a metà del corso e vertera' sulla parte di
programma svolta nelle prime settimane di corso. Comprendera' esercizi da
svolgere in R e domande a risposta multipla. La valutazione della prova in
itinere e' in trentesimi. La prova si ritiene superata con un punteggio di almeno
18/30, ed e' valida solo se si completa l'esame (prova scritta e prova orale)
entro la sessione invernale.
Prova scritta
La prova scritta per chi ha superato la prova in itinere, e limitatamente agli
appelli della sessione invernale, e' costituita da uno o piu' esercizi da svolgere in
R sugli argomenti trattati durante la seconda parte del corso e ha la durata di 1
ora.
La prova scritta per chi non ha superato la prova in itinere e per tutti nelle altre
sessioni di esame ha la durata di due ore e comprende 2 o piu' esercizi da
svolgere in R su tutto il programma svolto.
Non sara' consentito l’uso di libri o di appunti.
Gli studenti che si presenteranno a partire dall'appello di aprile di esami
dovranno sostenere la prova scritta della durata di 2 ore.
I testi, ben definiti, chiari, di difficolta' differente e unicamente interpretabili,
permettono allo studente di formulare autonomamente la risposta e sono
strutturati in modo da consentire il confronto con quella fornita dagli altri
studenti. La soglia di sufficienza, che indica il superamento della prova, consiste
nell'uso adeguato dei termini relativi ai soli concetti base propri del corso in
oggetto d’esame, e i) nel caso di quesito pratico, con l’applicazione della idonea
metodologia statistica anche se viziato dal mero errore di calcolo (purche'
coerente con la metodologia stessa); ii) nel caso di quesito teorico, nella
coerenza (anche statistica) della risposta, seppur non esaustiva dell’argomento.
La valutazione della prova scritta e' in trentesimi. La prova si ritiene superata
con un punteggio di almeno 18/30. Allo studente verrà comunicato il
superamento o meno della prova scritta.
Prova orale
La prova orale mira ad approfondire l'elaborato scritto e e a valutare la
preparazione dello studente sull'intero programma del corso.
VALUTAZIONE FINALE
La valutazione finale dell’esame prendera' in considerazione tre aspetti: i) la
padronanza degli argomenti; ii) la capacita' di applicazione delle conoscenze e
iii) la proprieta' di linguaggio, valutati nel complesso della prova scritta (peso pari
a 0.2, o a 0.4 in assenza di prova in itinere), dell'eventuale prova in itinere (peso
pari a 0.2) e della prova orale (peso pari a 0.6).
La Commissione potra' tenere conto dei fattori di contesto dell’esame (come ad
esempio la partecipazione attiva durante le lezioni e le esercitazioni).
Lo studente che non supera l'esame può presentarsi all'appello successivo.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

Cicchitelli, D’Urso, Minozzo, Statistica: Principi e Metodi, IV ed., Pearson, 2022. Capp. 1-7, 9-11
Borra, Di Ciaccio, Statistica 3ª ed., McGraw-Hill. Capp 1-4, 6.
Materiale didattico fornito dal docente, disponibile sul Portale Studenti iscrivendosi all'insegnamento.
TIPO DI ATTIVITA' A
AMBITO 83605-Discipline Statistico-Probabilistiche
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE
V. Muggeo e G. Ferrara: Il liguaggio R: concetti introduttivi ed esempi (II
edizione). Pubblicato nel sito del CRAN (The Comprehensive R Archive
Network). (Ultima versione disponibile sul sito).
W. N. Venables, D. M. Smith and the R Core Team, An Introduction to R. Notes
on R: A Programming Environment for Data Analysis and Graphics. Pubblicato
nel sito del CRAN (The Comprehensive R Archive Network). (Consigliata
qualsiasi edizione del testo).
TIPO DI ATTIVITA' B
AMBITO 83606-Discipline Statistiche, Statistiche Applicate e
Demografiche
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE

OBIETTIVI FORMATIVI DEL CORSO: Sistemi lineari ed Elementi di algebra
lineare.
1) costruire un sistema di equazioni lineari e riconoscere la struttura del sistema;
2) rappresentare in forma tabellare un sistema lineare e risolverlo tramite metodi
di riduzione; 3) interpretare la soluzione del sistema; 4) enunciare e dimostrare i
fondamentali teoremi dell’algebra lineare; 5) utilizzare i metodi di
decomposizione delle matrici per investigare le caratteristiche del sistema di
interazioni da esse descritte.

1 Obiettivi della disciplina e sua suddivisione
4 Definizione di sistema lineare. Rappresentazione in forma tabellare. Riduzione di Gauss. Soluzione nella forma
a scala per riga.
4 Variabili pivot e libere. Discussione della soluzione di un sistema lineare. Sistemi lineari omogenei.
4 Algebra delle matrici. Determinante e rango di una matrice.
2 Matrici invertibili e calcolo della matrice inversa.
4 Inversa generalizzata e inversa di una matrice a blocchi.
4 Algebra dei vettori. Prodotto scalare. Vettori linearmente dipendenti e linearmente indipendenti. Sistemi di
generatori e basi di spazio vettoriale.
3 Trasformazioni lineari. Forme quadratiche.
6 Autovalori ed autovettori di una matrice.

24 Soluzioni di sistemi lineari e discussione della soluzione. Calcolo del determinante ed inversa di una matrice.
Calcolo del rango di una matrice. Studio della dipendenza lineare tra vettori. Diagonalizzabilita' di una matrice.
Calcolo di autovalori e autovettori. Applicazioni in R e Wolfram Alpha

LA PROVA D'ESAME
L'esame finale consiste in una prova scritta, articolata in 6 esercizi. Il tempo
massimo per lo svolgimento della prova e' di due ore. E' inoltre prevista una
prova scritta in itinere, riguardante operazioni e proprieta' elementari delle
matrici (prodotto riga per colonna, trasposta, determinante, rango, matrice
inversa). La prova in itinere e' articolata in 6 esercizi e la durata massima per
svolgere la prova e' di due ore. Allo studente che superera' la prova in itinere
non sara' richiesto di svolgere gli esercizi corrispondenti nella prova finale. In
questo caso, il tempo a disposizione per lo svolgimento della prova finale sara'
opportunamente rimodulato: un'ora per lo studente che abbia superato la prova
in itinere e due ore altrimenti. Tutte le prove, sia la prova finale che la prova in
itinere, saranno seguite da una discussione (orale) del compito. La formulazione
degli esercizi della prova scritta finale, e della prova in itinere (riguardo ai relativi
argomenti), e' tale da richiedere allo studente di utilizzare i teoremi e le regole e
teoremi di algebra delle matrici per la risoluzione di sistemi di equazioni lineari e
per l'analisi delle proprieta' di matrici. Inoltre alcuni esercizi proposti richiedono
allo studente di spiegare e motivare le fasi del processo logico-deduttivo che
permettono di rappresentare un problema tramite un modello matematico. Per
gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.
METODO DI VALUTAZIONE
La valutazione dell'esame finale terra' conto dei seguenti aspetti: i) padronanza
degli argomenti; ii) capacita' di applicazione delle conoscenze e iii) proprieta' di
linguaggio (matematico), secondo quanto evidenziato nella prova scritta e nella
discussione (orale) del compito.
VALUTAZIONE DELLA PROVA FINALE E DELLE PROVE IN ITINERE
Ad ogni esercizio viene assegnato un punteggio compreso tra 0 (non svolto o
del tutto insufficiente) e 1 (svolto in modo perfetto). Il voto in trentesimi associato
ad una prova scritta (in itinere o finale) si ottiene moltiplicando la media
aritmetica dei punteggi ottenuti negli esercizi proposti per 30 e prendendo
l'approssimazione intera superiore del risultato ottenuto. La lode e'
eventualmente assegnata dalla commissione in base all'esito della discussione
del compito (cio' si applica anche alle prove in itinere). Nel caso in cui la prova in
itinere sia stata superata, il voto finale si ottiene come l'approssimazione intera
superiore della media dei voti ottenuti nelle due prove (in itinere e finale) svolte.

Sistemi lineari ed Elementi di algebra lineare. Strang. Introduction to Linear
Algebra. Cambridge Press. Ferrarotti. Appunti di Algebra Lineare. Disponibile on-
line. M. Stoka e V. Pipitone, Esercizi e Problemi di Geometria, CEDAM

Obiettivo del corso e' quello di fornire allo studente metodi e modelli statistici per
lo sviluppo di analisi in ambito economico e di impresa, e di sviluppare la
capacita’ di problem solving e di interpretazione dell’evidenza ottenuta.

2 Introduzione al corso: obiettivi, contenuti, risultati attesi e modalità di esame.
6 Aspetti generali e definitori del dato spaziale in ambito economico. Esplorazione spaziale del dato economico a
livello micro (impresa) e macro (sistemi economici e struttura economica).
6 Metodi e modelli statistici per l’analisi delle strutture produttive territoriali. Esempi di analisi empiriche
economiche e replicazioni con software R.
8 Analisi delle Dinamiche Territoriali e Settoriali: Metodi di Scomposizione spaziali e non dei Cambiamenti
Economici.
10 Matrice dei pesi spaziali. Misure di dipendenza spaziale e modelli di regressione spaziale. Modelli di
regressione per dati macro e micro economici spazialmente dipendenti.

6 Analisi esplorativa di dati economici spaziali reali.
8 Analisi delle Dinamiche Territoriali e Settoriali.
10 Modelli di regressione spaziale.

La verifica dell'apprendimento viene fatta con la definizione di report su casi
studio e seguente prova orale.
Attraverso la valutazione dei report e l'esame finale la Commissione preposta
tende a verificare la
capacita' degli studenti di: (i) utilizzare adeguati strumenti statistici per l’analisi di
specifici problemi economici; (ii) confrontare vantaggi e svantaggi nel loro
impiego; (iii) interpretare in maniera critica i risultati empirici.
La valutazione e' fatta in trentesimi e si articola nel seguente modo: 30 o
30 e lode: ottima conoscenza degli argomenti, ottima proprieta' di linguaggio,
buona capacita' analitica e di collegamento tra i vari argomenti; 26-29: buona
padronanza degli argomenti e linguaggio appropriato ma qualche incertezza;
23-25: discreta conoscenza dei principali argomenti ma incertezze nel
linguaggio tecnico; 18-22: conoscenza minima degli argomenti e linguaggio
tecnico impreciso; insufficiente: gravi carenze nell'esprimere gli
argomenti di base.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal
CeNDis - Centro di Ateneo per la disabilità e la neurodiversità, in base alle
specifiche esigenze e in attuazione della normativa vigente.

LeSage, J., & Pace, R. K. (2009). Introduction to spatial econometrics.
Chapman and Hall/CRC. Capitoli 1-3 (Chapters 1-3).
Bivand, R. (2002). Spatial econometrics functions in R: Classes and methods.
Journal of geographical systems, 4, 405-421.
Note del docente e articoli scientifici.

Obiettivo del corso e' quello di fornire agli studenti le metodologie e le tecniche
di base necessarie alla misurazione ed alla comprensione dei fenomeni
demografici. Lo studente sara' in grado di discutere le problematiche legate alle
dinamiche di mortalita, fecondita, migrazione e sviluppo demografico anche con
l’ausilio delle teorie di popolazione illustrate durante il corso. Attraverso l’utilizzo
di dati ricavati dalle principali fonti ufficiali (Istat, Eurostat, Nazioni Unite, OECD)
gli studenti dovranno infine sviluppare la capacita' di commentare
autonomamente l'andamento dei principali fenomeni demografici, sia a livello
nazionale che internazionale, attraverso l'elaborazione e la rappresentazione
grafica degli opportuni indici e/o tassi.
Inoltre, gli studenti frequentanti avranno la possibilita' di acquisire abilita' e
capacita' relative alla comprensione e presentazione di un paper demografico in
lingua inglese. Il lavoro di gruppo si concludera' con una presentazione del
lavoro in aula.

4 Introduzione al corso (programma, modalita' d’esame, obiettivi del corso, presentazione dei risultati della
valutazione del corso dell’anno precedente …). Definizione e contenuti della demografia. Fonti, statistiche ed
errori.
1 Le misure dell’incremento demografico.
4 Analisi della struttura per eta' e sesso della popolazione.
Indici e rappresentazioni grafiche.
Relazioni tra struttura e dinamica di una popolazione.
Lo schema della prima transizione demografica come modello esplicativo delle tendenze della popolazione
mondiale.
La seconda transizione demografica.
Finestre demografiche.
2 L'equazione della popolazione. Introduzione allo studio degli eventi demografici.
4 Misure sintetiche e analitiche (i concetti di coorte e generazione, lo schema di Lexis; quozienti generici e
specifici; standardizzazione diretta ed indiretta).
4 Mortalita. Principali misure nello studio della mortalita' (rischi di morte; tavola di mortalita' e funzioni
biometriche; punto di Lexis; mortalita' nelle eta' infantili; mortalita' per causa, la mortaita' differenziale).
Salute e sopravvivenza negli ultimi decenni (transizione sanitaria ed epidemiologica; allungamento della
speranza di vita; ..).
Le ineguaglianze sessuali, territoriali e sociali nei confronti della salute e della morte.
3 Nuzialita' e divorzi: prospettive teoriche e misure
4 La fecondita.
Dalla fecondita' naturale alla fecondita' controllata: le componenti della fecondita; puberta, menopausa e
sterilita; le variabili intermedie della fecondita.
4 Mobilita' e migrazioni
Definizioni, fonti e misure. Migrazioni interne ed internazionali in Italia.
2 Previsioni demografiche

3 Misure di incremento: classe rovesciata e esercitazione
3 Esercitazione su schema di Lexis
2 Esercitazione su mortalita
2 Esercitazione su fecondita
14 Lavoro di gruppo sotto la supervisione del docente

La verifica dell'apprendimento avviene attraverso un colloquio orale. La
Commissione giudicatrice sara' presieduta dal docente titolare
dell’insegnamento e da almeno un altro Professore o Ricercatore del medesimo
o affine settore disciplinare, o un cultore della materia.
PROVA ORALE
La valutazione prevede il superamento di un colloquio orale al cui esito
concorrerà (in termini di punti premianti) la valutazione della presentazione di
gruppo svolta in aula.
L'esaminando dovra' rispondere a una prima domanda in merito al calcolo e
all’utilizzo delle misure degli eventi demografici. Una seconda domanda sara'
volta ad accertare la capacita' dello studente di selezionare criticamente tra i
diversi strumenti di analisi dei dati demografici e tra le diverse fonti disponibili
quelli piu' adeguati all’evento demografico oggetto di studio (natalita', mortalita',
nuzialita', divorzialita' e migrazioni). Una terza domanda vertera' ad accertare la
conoscenza delle tendenze in demografiche in atto, la capacita' interpretativa e
l’autonomia di giudizio a partire dall’interpretazione di semplici grafici e/o tabelle.
LAVORO DI GRUPPO E PRESENTAZIONE
Per gli studenti frequentanti il voto terra' conto anche del lavoro svolto in gruppo
e della sua presentazione in aula. Utilizzando il metodo del Problem Based
Learning (PBL) gli studenti dovranno affrontare e risolvere una specifica
questione demografica proposta dal docente. Gli studenti, sotto la supervisione
del docente, saranno divisi in gruppi e lavoreranno collaborativamente per
analizzare i dati demografici e sviluppare soluzioni basate su ricerche
approfondite. La metodologia PBL stimolerà il pensiero critico, l'apprendimento
autonomo e la capacità di lavorare in team. Ogni gruppo avrà il compito di
presentare i propri risultati e le soluzioni proposte davanti alla classe, favorendo
così un ambiente di apprendimento interattivo e partecipativo. Le presentazioni
finali saranno seguite da una sessione di domande e discussione per
incoraggiare il confronto e l'approfondimento delle tematiche trattate.
Durante il lavoro di gruppo gli studenti dovranno dimostrare la capacita' di
reperire ed elaborare autonomamente dati statistici dalle banche dati di
statistica ufficiale (ISTAT, EUROSTAT, UN). La riflessione critica sulla scelta
degli strumenti opportuni per rispondere al proprio quesito demografico
costituisce un elemento caratteristico e rilevante del corso. Nella presentazione
orale gli studenti dovranno mostrare di essere in grado di interpretare e di
comunicare con efficacia e chiarezza i principali risultati del proprio lavoro, siano
essi espressi sotto forma di risultati di ricerca come anche di indicatori
demografici o rappresentazioni grafiche. La data della presentazione del lavoro
di gruppo sara' concordata con gli studenti frequentanti almeno due settimane
prima. La presentazione del lavoro di gruppo concorre all'attribuzione da 1 a 3
punti premianti rispetto al voto conseguito.
VALUTAZIONE FINALE DELL’INSEGNAMENTO
La soglia della sufficienza della prova orale sara' raggiunta quando lo studente
abbia mostrato sufficiente conoscenza, comprensione e padronanza delle
misure demografiche. Sara' oggetto di valutazione anche la capacita' di
comprendere ed elaborare criticamente tabelle e rappresentazioni grafiche che
includono l’utilizzo delle misure della struttura e dell’andamento della
popolazione. La prova e' valutata in trentesimi e si ritiene superata con una
votazione minima di 18/30. Quanto piu, invece, l’esaminando abbia dato
evidenza, nella prova orale, delle sue conoscenze nonche' delle sue capacita'
argomentative ed espositive tanto piu' la valutazione sara' positiva. Il voto terra'
conto anche dell’esito della presentazione del lavoro di gruppo (da 1 a 3 punti).
Lo studente che non supera l’esame potra' presentarsi all’appello successivo.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

MANUALE A SCELTA TRA:

• Livi Bacci M. (1999), Introduzione alla Demografia, Loescher, Torino (esclusi
  capitoli 13 e 14)
• De Santis G. (2010), Demografia, il Mulino, Bologna
  Materiale integrativo (argomenti che saranno trattati durante il corso che NON
  sono presenti nei manuali consigliati):
  -(cid:9)De Santis G. (2010), Demografia, il Mulino (capitolo 11 “Le fonti e i dati”)
  -(cid:9)Golini A. (1989), Popolazione, in “Enciclopedia del Novecento”, vol. VIII
  -(cid:9)Caselli G. e Vallin J. (2001), Dinamica della popolazione: movimento e
  struttura, [in:] Caselli G. e Vallin J. Wunsch E. (a cura di), Demografia: la
  dinamica delle popolazioni, Carocci Editore, Roma, pp. 73-101
  -(cid:9)Commissione per la Garanzia dell’Informazione Statistica (2002), La
  rilevazione delle migrazioni internazionali e la predisposizione di un sistema
  informativo sugli stranieri, Rapporto di ricerca 02.11 (a cura di S. Strozza, F.
  Ballacci, M. Natale e E. Todisco). (Capitoli 1 e 2)
  Nel corso delle lezioni verranno distribuiti articoli divulgativi di approfondimento
  (in italiano ed in inglese) che verranno discussi in aula.

Il corso si propone di individuare le questioni giuridiche connesse al processo di
informatizzazione della societa' contemporanea, offrendo agli studenti un
panorama aggiornato della normativa e della giurisprudenza italiana
ed europea. Gli studenti dovranno essere in grado di riconoscere e interpretare
criticamente i principi e le norme che regolano il trattamento dei dati personali;
le novita' introdotte dal c.d. codice dell’amministrazione digitale e la disciplina di
internet con particolare riguardo alle tematiche della tutela dei nomi a dominio,
dei motori di ricerca, dei social network, della responsabilita' degli internet
provider, del commercio elettronico e della tutela giuridica dei software e delle
banche dati.

4 Introduzione al diritto e al sistema delle fonti
2 Il quadro normativo del diritto privato digitale
4 Persona e soggetto giuridico. I diritti della personalità e i diritti inviolabili della persona
4 La responsabilità del danno non patrimoniale
8 Lineamenti di diritto delle obbligazioni e del contratto in generale
10 Dal Codice della Privacy al Regolamento UE 2016/679. La disciplina del GDPR.
10 Contratto del consumatore, contratti a distanza, la disciplina del commercio elettronico. La responsabilità degli
internet service provider e contratto informatico. Gli smart contracts
4 Il sistema dei rimedi
2 Algoritmi e intelligenza artificiale

La verifica dell’apprendimento avviene attraverso un colloquio orale che
consistera' in almeno tre domande aperte finalizzate a verificare: a) le
conoscenze acquisite dallo studente sui tre gruppi di argomenti in cui e'
suddiviso il programma del corso: nozioni generali del diritto, diritto della privacy
e diritto dell’informatica e la capacita' di stabilire connessioni tra i contenuti
oggetto delle distinte parti del programma b) l’acquisizione della terminologia
giuridica d) le capacita' elaborative e soprattutto quella di fornire autonomi
giudizi in merito ai contenuti disciplinari.
La soglia della sufficienza della prova orale e' raggiunta quando lo studente
dimostra conoscenza e comprensione degli argomenti nelle linee generali
(nozioni fondamentali e approfondimento sufficiente delle connesse questioni
giuridiche esaminate da dottrina e giurisprudenza e analizzate nei libri di testo e
nel corso delle lezioni) e una proprieta' di linguaggio non sufficientemente
articolata. Al di sotto di tale soglia, l’esame risultera' insufficiente.
Alle maggiori capacita' argomentative ed espositive e ad una padronanza del
linguaggio settoriale corrisponde una votazione piu' che sufficiente che e'
quantificata seguendo i sotto elencati metodi di valutazione.
DESCRIZIONE METODI DI VALUTAZIONE
Il giudizio finale della prova d’esame e' pronunciato dalla Commissione
giudicatrice composta dal docente titolare dell’insegnamento (presidente) e da
almeno un altro Professore, Ricercatore o Docente del medesimo o affine
settore disciplinare (componente/i) secondo i seguenti metodi di valutazione:
Per superare l'esame, ottenere quindi un voto non inferiore a 18/30, lo studente
deve dimostrare di avere acquisito una conoscenza di base degli argomenti
descritti nel programma, di essere in grado di operare minimi collegamenti fra di
loro, dimostrando di avere acquisito una limitata autonomia di giudizio; il suo
linguaggio deve essere sufficiente a comunicare con gli esaminatori.
Per conseguire un punteggio pari a 30/30 e lode, lo studente deve, invece,
dimostrare la piena padronanza degli argomenti oggetto del programma e
spiccate capacita' linguistiche e argomentative.
Nella valutazione della prova orale sono piu' in particolare presi in
considerazione 4 distinti elementi:
a) il grado di conoscenza degli argomenti del programma;
b) la capacita' di applicare la conoscenza acquisita anche in contesti differenti /
nuovi/avanzati rispetto a quelli propri dell’insegnamento
c) la competenza lessicale
d) la capacita' di elaborare ed esprimere giudizi autonomi fondati sulle
conoscenze acquisite.
A tali elementi si aggiungono, ai fini di una complessiva valutazione, i fattori di
contesto dell’esame come ad esempio la partecipazione attiva alle lezioni, la
presenza di qualche disabilità, o di problemi di tipo linguistico, in caso di studenti
stranieri. La modalità orale dell'esame finale è necessaria per valutare la
capacità di analisi critica dello studente come da obiettivi formativi.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

Nozioni introduttive: S. MAZZAMUTO (a cura di), Manuale del diritto privato, III
ed., Giappichelli, 2019, capitoli I- II-III-IV-XXI.
Diritto dell’informatica e del trattamento dei dati personali:
ALESSANDRA QUARTA-GUIDO SMORTO, Diritto privato dei mercati digitali,
Le Monnier Università, Mondadori Education, ultima edizione disponibile
AA.VV., GDPR tra novità e discontinuità, a cura di R. Caterina, in
Giurisprudenza italiana, Dicembre 2019, 2777- 2810 (contributi di R. Caterina,
G. Finocchiaro, D. Poletti, F. Piraino, A. Montelero, R.Caterina S. Thobani).
N.B. È imprescindibile la consultazione di un’edizione del codice civile con
annessa legislazione speciale aggiornata all’anno in corso.

Il corso si propone di guidare lo studente alla conoscenza delle metodologie di
base dell’inferenza statistica e all’acquisizione della capacita' di applicare tali
metodologie a problemi concreti che richiedono analisi di dati.
A questo scopo, il corso intende fornire i concetti teorici fondamentali e gli
strumenti basilari dell’inferenza statistica, necessari sia per differenziare un
problema statistico da uno matematico-probabilistico sia per affrontare problemi
concreti.
Lo studente e' indirizzato allo studio e all'utilizzo degli strumenti dell'inferenza
statistica parametrica con
approccio classico di verosimiglianza. Lo studente deve essere in grado di:
i)utilizzare appropriatamente il linguaggio con terminologia propria della
disciplina, quali parametro, stimatore, stima, distribuzione
campionaria;
ii) costruire un modello statistico a livello intermedio, ovvero individuare la
funzione di densita' di probabilita' piu' appropriata per la modellazione dei diversi
fenomeni in esame;
iii) derivare gli stimatori con particolare enfasi a quelli di massima
verosimiglianza;
iv) costruire intervalli di confidenza per i parametri di interesse;
v) condurre verifica di ipotesi attraverso una delle statistiche test (Rapporto di
verosimiglianze, Wald, Score e Gradiente). Tutti gli argomenti teorici sviluppati
nelle lezioni frontali e nelle esercitazioni verranno rivisitati in termini applicativi
con attivita' di laboratorio
informatico-statistico con l’utilizzo dell'ambiente di programmazione R. In questo
contesto lo studente deve essere in grado di scrivere codici per lo sviluppo di
simulazioni elementari.

8 Introduzione all’inferenza statistica. Concetti e definizioni fondamentali. Il Modello Statistico-Probabilistico
parametrico. Verosimiglianza e quantita' collegate. Principali procedure inferenziali parametriche:
specificazione del modello, stima puntuale ed intervallare, verifica di ipotesi.
8 Statistiche campionarie. Statistiche e loro distribuzione campionaria. Sufficienza
8 Stima puntuale. Proprieta' degli stimatori: non distorsione, consistenza, efficienza; distribuzione esatta ed
asintotica. Metodi di costruzione di stimatori puntuali: Il metodo di massima verosimiglianza, i metodi di minima
distanza; il metodo dei momenti.
8 Stima intervallare. Definizione di intervallo di confidenza e di stimatore intervallare; proprieta. Metodi di
costruzione di intervalli di confidenza; quantita-pivot esatte ed approssimate. Confronti tra stimatori intervallari
8 Verifica d’ipotesi Concetti introduttivi: ipotesi semplici e composte, test statistico, regioni di accettazione e di
rifiuto, errori di 1a e 2a specie, dimensione del test, funzione di potenza. Metodi di costruzione di test
statistici: il test Rapporto di Verosimiglianze, il test di Wald il test score di Rao e la statistica gradiente.
8 Il modello lineare classico di regressione. Specificazione, con l’insieme debole e forte degli assunti. Stima MQ
e MV, intervalli di confidenza e verifica d’ipotesi

6 Distribuzioni campionarie di statistiche, valore atteso e varianza. Distribuzioni esatte ed asintotiche. Le
simulazioni per ottenere una stima di Monte Carlo delle distribuzioni campionarie.
6 Disuguaglianza di Jensen e linearizzazione di variabili casuali. Il metodo della linearizzazione per il calcolo
approssimato di distorsione e varianza (metodo Delta); cenni ai metodi numerici iterativi di Fisher e Newton-
Raphson.
8 Stima intervallare e verifica della copertura degli Intervalli di confidenza attraverso le simulazioni
8 Verifica di ipotesi e verifica di ampiezza e potenza del test attraverso le simulazioni.
8 Inferenza sul modello lineare classico di regressione e cenni sul coefficiente di correlazione. Implementazione
in R.

L'apprendimento dello studente viene valutato attraverso una prova scritta ed
una eventuale discussione orale subordinata al superamento della prova scritta.
La commissione giudicatrice e' costituita dal docente titolare e da almeno un
altro ricercatore o professore del medesimo raggruppamento disciplinare.
PROVA SCRITTA
La prova scritta (possibilmente anche in itinere) si pone come obiettivo quello di
valutare le competenze dello studente nel formalizzare con la corretta notazione
un problema di inferenza statistica. Nella prova lo studente deve anche
dimostrare dimestichezza nell'illustrare i concetti e utilizzare gli strumenti teorici
inferenziali attraverso il software di riferimento. La coerenza di quanto riportato
nell'elaborato rappresenta il requisito minimo per il superamento della prova
scritta che si intende superata se si raggiunge la sufficienza (18/30).
La prova orale, che viene svolta solo se lo studente riesce a superare la prova
scritta, e' finalizzata ad approfondire gli argomenti dell'elaborato scritto e a
valutare se e quanto lo studente sia in grado di riconoscere collegamenti tra
argomenti apparentemente differenti. L' appropriatezza del linguaggio
rappresenta un importante elemento di valutazione dello studente. La
conoscenza e comprensione della logica degli strumenti inferenziali rappresenta
la condizione necessaria per il superamento dell'esame, il cui voto finale tiene
conto in egual misura sia della prova scritta che di quella orale.
Una valutazione finale sufficiente può essere ottenuta se il candidato risulta
possedere una conoscenza dei concetti e della logica dell'inferenza statistica
con una adeguata padronanza del linguaggio tecnico. Un giudizio soddisfacente
viene raggiunto se il candidato dimostra, inoltre, una piena padronanza degli
argomenti presentati con formalismo e appropriatezza di linguaggio, mentre la
conoscenza di dettagli e dimostrazioni consentono allo studente di ottenere una
valutazione buona. Infine, una valutazione finale eccellente viene ottenuta
allorquando lo studente abbia mostrato una piena preparazione e una brillante
performance sia nella prova scritta che orale.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

Testi di utile consultazione:

• Mood A. M., Graybill F. (1988) Introduzione alla Statistica. McGraw&Hill.
  [distribuzioni campionarie, stimatori e loro proprieta. Verica di ipotesi]
• Azzalini A. (1992) Inferenza statistica : Un’introduzione basata sul concetto di
  verosimiglianza. Springer&Verlag, Berlin-Heidelberg. [concetto di
  verosimiglianza e corrispondenti quantita, score e informazione. Il modello
  lineare]
  Testi suggeriti per approfondimenti
• Muggeo V., Ferrara G. “ll linguaggio R: concetti introduttivi ed esempi”, http://
  cran.r-project.org/doc/contrib/nozioniR.pdf [introduzione al linguaggio R]
• Casella G, Berger R.L., (1990) Statistical Inference, Wadsworth.
  [approfondimenti]

Alla fine del corso lo studente sara' in grado di:
1) analizzare un problema finanziario e rappresentare le sue componenti tramite
un modello matematico;
2) determinare il valore di strumenti finanziari che dipendono dai tassi
d'interesse;
3) implementare strategie di protezione dal rischio da tasso d'interesse
4) Uso di fogli elettronici per la valutazione di operazioni finanziarie.

1 Presentazione degli obiettivi formativi della materia
3 Operazioni a pronti ed a termine. Interesse semplice, basi finanziarie, sconto semplice. Fattore di sconto e
fattore montante. Tassi a termine.
2 Valore temporale del denaro. Valore futuro e attuale di una posta finanziaria. Il modello lineare d'interesse. Il
modello lineare di sconto. Tassi equivalenti.
4 Capitalizzazione composta e continua. L'Intensita' istantanea d'interesse. Tassi equivalenti e tassi nominali
convertibili. Flussi e portafogli finanziari.
4 Rendite e ammortamenti. Decomposizione della rata in quota capitale e quota interessi.
2 Titoli a tasso fisso (BTP). Il rendimento di un titolo a tasso fisso. Tasso di parita.
4 Titoli a tasso variabile (CCT). Formule di valutazione. Mutui a tasso variabile.
4 Ipotesi di mercato. Definizione di arbitraggio.L'ipotesi di assenza di arbitraggio. Tre teoremi fondamentali di
arbitraggio. Tabelle di payoff.
4 Definizione di struttura a pronti e a termine dei tassi. Il metodo bootstrap per la costruzione della struttura dei
tassi. Evoluzione deterministica della struttura dei tassi.
4 Il rischio di un titolo obbligazionario. La funzione valore. La duration e l'approssimazione di primo ordine della
funzione valore. La duration come misura della volatilita' di un'obbligazione. La convexity e l'approssimazione
di secondo ordine della funzione valore.

3 Calcolo del valore attuale e futuro con il modello lineare d'interesse e con il modello lineare di sconto.
Conversione temporale dei tassi.
Calcolo del tasso d'interesse per operazioni a pronti. L'interesse del BOT. Computo del rateo di un BTP. Il
forward rate agreement e calcolo del valore di liquidazione
2 Calcolo del valore futuro e attuale con gli interessi composti. Esempi di capitalizzazione continua. Equivalenza
fra tassi e intensita. Calcolo del valore attuale di un flusso e di un portafoglio finanziario
2 Calcolo della rata di un mutuo a rata costante. Calcolo della rata per una costituzione di capitale. Esempio di
piano di ammortamento.
2 Calcolo del rendimento di un titolo a tasso fisso. Calcolo del tasso di parita. Analisi delle quotazioni di un BTP
sopra o sotto la pari. Valutazione di un titolo a tasso variabile. Analisi delle quotazioni. Valutazione di mutui a
tasso variabile.
3 Esempi di arbitraggio non rischioso e calcolo della tabella dei payoff.
Costruzione della struttura dei tassi tramite il metodo bootstrap. Strategie di arbitraggio sui tassi a breve
3 Calcolo della duration e della convexity di un titolo obbligazionario. Calcolo della variazione approssimata del
prezzo di un'obbligazione al variare della struttura dei tassi. Determinazione del portafoglio di copertura di un
flusso di passivita' di un fondo pensione. Hedging di una posizione in titoli obbligazionari. Calcolo dell'hedge
ratio utilizzando la duration.
2 Calcolo del VAN. Utilizzo del VAN nel caso di progetti mutualmente esclusivi. Computo dei flussi di cassa
incrementali. Computo dell'indice di profittabilita. Applicazione del VAN a progetti ripetibili. Calcolo tramite
excel del TIR. Applicazione alla scelta fra diversi flussi. Il TAEG.
3 Utilizzo di futures per strategie di copertura. Calcolo del mark-to-market di una posizione in futures. Utilizzo di
strategie di arbitraggio con i futures.
2 Esempi di gestione del rischio tramite swap. Il tasso netto di una posizione in swap. Calcolo del mark-to-market
di uno swap.
2 Esempi di gestione del rischio tramite swap. Il tasso netto di una posizione in swap. Calcolo del mark-to-market
di uno swap.
Calcolo del tasso swap di parita. Utilizzo del metodo bootstrap sulla struttura dei tassi swap.

Prova scritta.
Il compito scritto, a risposta multipla, consta di 12 quesiti da terminare in due ore.
Ogni quesito ha lo stesso punteggio per un totale di 12 punti. La risposta
corretta vale, quindi, 1 punto; alcune risposte sbagliate hanno punteggio pari a 0
e alcune risposte sbagliate (quelle molto lontane dalla risposta corretta) hanno
un punteggio negativo pari a -0.25 o -0.5. Non rispondere al quesito non da
nessuna penalizzazione.
L'esame e' considerato sufficiente (voto 18) se lo studente ottiene un punteggio
minimo pari a 4 (tenuto conto delle eventuali penalizzazioni).

• A. Consiglio. Matematica Finanziaria.
  Disponibile gratuitamente su: chiedere al professore.
• John Hull. Introduction to Options, Futures and Other Derivatives. Prenticel Hall

Obiettivi formativi del corso
Il corso ha come obiettivo fondamentale di offrire allo studente gli strumenti
fondamentali per la costruzione e l’analisi di modelli statistici di dipendenza e di
relazioni fra piu' variabili utilizzando l’opportuno software statistico.
L'attenzione sara' incentrata sui modelli di dipendenza lineare, sulla misura della
dipendenza lineare fra piu' variabili, e sulle estensioni ai modelli lineari
generalizzati

2 Introduzione al corso e problemi reali introduttivi;
6 variabili statistiche multiple; definizione della matrice dei dati; momenti primi e secondi (multivariati) di una
variabile statistica multipla e di combinazioni lineari di variabili statistiche multipla Correlazione fra piu' variabili:
Correlazione parziale Analisi delle componenti principali
4 la distribuzione normale bivariata; funzioni di regressione; distribuzione normale multivariata (cenni);
combinazioni lineari di variabili normali; risultati principali sulle distribuzioni condizionate;
4 Funzioni di regressione e dipendenza in media: modello lineare come approssimazione del problema generale
della dipendenza in media; regressione non parametrica
Modelli lineari: versatilita' del modello lineare generale; componente sistematica e accidentale; la matrice delle
x; osservazioni ripetute; disegni fattoriali; regressione multipla;regressione polinomiale, regressori del tipo 0/1,
modelli con interazioni;
8 assunzioni di base nel modello lineare; la verosimiglianza del modello lineare: costruzione del test LR e degli
stimatori ML; minimi quadrati ordinari; distribuzione campionaria di b,scomposizione della devianza nel modello
lineare e verifica di ipotesi. test F per la verifica di ipotesi nel modello lineare; configurazioni della matrice X e
di X'X modello lineare: verifica di ipotesi generali; intervalli di confidenza per E(Y);errori di previsione.
6 regressione multipla; scomposizione della devianza empirica e coefficiente di determinazione lineare multipla
R2; prova di ipotesi particolari; test per l'eliminazione di q regressori; la multicollinearita
Scelta delle variabili; confronto fra modelli; AIC; errori di previsione e cross validation.
4 Violazione delle assunzioni di base nella regressione e nel modello lineare: analisi dei residui; proprieta' dei
residui empirici; grafici impiegati per l’analisi dei residui.
6 stima dei parametri del modello lineare con fattori qualitativi; analisi della varianza ad una via; assunzioni di
base; divergenza dalla linearita' per fattori quantitativi, differenza fra i test di omogeneita; analisi della varianza
a due vie; significato delle interazioni; analisi della varianza con variabili concomitanti: l’analisi della
covarianza. allontanamento dalle assunzioni di base nel modello lineare e nell’analisi della varianza; analisi dei
residui nell’analisi della varianza.
8 Modelli lineari generalizzati: funzioni legame e famglia di distribuzioni esponenziale. Regressione logistica,
Regressione di Poisson e regressione gamma. Stima dei parametri e scelta del modello

8 variabili statistiche multiple; definizione della matrice dei dati; momenti primi e secondi (multivariati) di una
variabile statistica multipla e di combinazioni lineari di variabili statistiche multipla Correlazione fra piu' variabili:
Correlazione parziale Analisi delle componenti principali
2 la distribuzione normale bivariata; funzioni di regressione; distribuzione normale multivariata (cenni);
combinazioni lineari di variabili normali; risultati principali sulle distribuzioni condizionate;
20 Modelli lineari: impostazioni, stima parametri, inferenza, scelta variabli con R
6 regressione logistica di poisson regressione gamma con R

Esame scritto con PC ed esame orale subordinato al superamento della prova
scritta. La valutazione terra' conto di entrambe le prove.
La Commissione giudicatrice sara' formata secondo la normativa vigente; in
funzione del calendario di esami puo' prevedere una prova in itinere, che viene
eventualmente comunicata agli studenti almeno 3 settimane prima dello
svolgimento dello stesso.
PROVA SCRITTA
La prova scritta (anche in itinere) mira a rilevare le conoscenze, le competenze,
le abilita' possedute dallo studente e la sua capacita' di riportarle in un elaborato
scritto che tenga conto anche della proprieta' di linguaggio statistico posseduto.
La prova, della durata massima di 2 ore, prevede usualmente 2 problemi basati
su insiemi di dati diversi. Almeno uno dei problemi riguardera' l'applicazione di
un modello lineare.
Per ciascuno dei problemi vengono posti dei quesiti specifici. In ogni caso lo
studente e' normalmente incoraggiato ad utilizzare tutti gli strumenti esplorativi e
descrittivi a sua disposizione. Le situazioni poste sono di livello di difficolta'
analoga a quelle affrontate in aula, ma normalmente non riguardano casi di
studio veri e propri, ma piuttosto insiemi di dati tratti dalla realta' e riadattati ai
fini dell'esame.
Lo studente utilizzera' un Pc con il software R e scrivera' il compito su carta
(mantenendo comunque sul pc traccia delle proprie elaborazioni); nella stesura
dell'elaborato lo studente dovra' commentare tutti i risultati principali in modo
sintetico, ma con proprieta' di linguaggio. In generale la semplice esecuzione dei
comandi R per ottenere dei risultati non commentati non e' considerata
sufficiente, ma e' semplicemente un prerequisito.
Nei commenti ci si aspetta che lo studente descriva sinteticamente i metodi
impiegati e giustifichi le scelte effettuate, senza addentrarsi in dimostrazioni o in
approfondimenti teorici
(L'eventuale prova in itinere sara' ovviamente calibrata sulla porzione di
programma fino a quel momento svolta)
La soglia di sufficienza per il superamento della prova scritta consiste nell’uso
adeguato dei termini relativi ai concetti di base e nello svolgimento della
maggior parte dei quesiti. Lo svolgimento di uno solo dei due problemi
normalmente non e' giudicato sufficiente. La proprieta' di linguaggio sara'
giudicata, nell'attribuzione generale del voto, insieme con l'adeguata
spiegazione delle tecniche adottate
La presenza di errori di calcolo (molto improbabili visto che si lavora con R e su
dati gia' ampiamente controllati dal docente) non pregiudica in generale l'esito
della prova, purche' commenti e azioni siano coerenti
PROVA ORALE
la prova orale mira alla valutazione dell'apprendimento complessivo dello
studente.
L'esame orale inizia sempre con un commento al compito e con qualche
domanda di chiarimento dei docenti su quanto scritto dallo studente: Questa
fase contribuisce alla valutazione complessiva.
La prova orale procede poi con almeno due domande, poste dai due
componenti della commissione, su argomenti teorici finalizzate a graduare la
valutazione delle conoscenze,
competenze, abilita' e trasversalita' con gli argomenti dei corsi seguiti
precedentemente, possedute dallo studente, nonche' la sua capacita' di
trasmetterle con idoneo linguaggio statistico.
La soglia della sufficienza della prova orale sara' raggiunta quando lo studente
abbia mostrato conoscenza e comprensione degli argomenti almeno nelle linee
generali (definizione dei concetti) e abbia competenze applicative minime,
consistenti nella esemplificazione di casi concreti semplici (tipicamente inerenti
agli argomenti trattati nella parte iniziale). Quanto piu, invece,
l’esaminando abbia brillantemente superato la prova scritta e abbia dato
evidenza, nella prova orale, delle sue capacita' argomentative ed espositive,
nonche' di proprieta' di linguaggio statistico,
tanto piu' la valutazione sara' positiva.
In ogni caso la valutazione tiene conto sia della prova scritta che della prova
orale (e dell'eventuale prova in itinere). La soglia fra il superamento e il non
superamento dell'esame complessivo tiene conto dell'acquisizione delle
conoscenze minime previste fra gli obiettivi formativi.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

Draper N.R., Smith H. (1998). Applied Regression Analysis, John Wiley.
Per maggiori approfondimenti verranno indicate le fonti bibliografiche piu' utili
durante il corso.
Materiale didattico
Il materiale didattico (appunti, software, casi di studio, dati e codice R) sara' a
disposizione degli studenti sul web
Verrà anche usato un software didattico ossia il package R scritto dal docente
MLANP
che nella versione più aggiornata insieme a vari notebook didattici è disponibile
sul sito del docente www.marcellochiodi.com o sulle pagine istituzionali.

Il corso si propone di fornire allo studente nozioni base di programmazione in
Python, con un approccio orientato all’analisi statistica. Gli studenti saranno in
grado di scrivere algoritmi di complessità bassa o media per risolvere quesiti o
svolgere specifiche analisi statistiche, utilizzando le funzioni e i pacchetti
appropriati.

2 Introduzione al corso. Definizione degli obbiettivi formativi e modalità d’esame.
6 Excel: logica del foglio di calcolo; inserimento dati; formato dati (testo, data, numero); importazione dati (da txt
e da csv); funzioni elementari (somma, ln, max, min, se); uso dei filtri; esportazione dati (in txt e csv). Tabelle
pivot.
2 Introduzione a Python. Compilatori e prime applicazioni.
2 Numeri, stringhe, liste. Operazioni e funzioni base.
2 Cicli for e while. Strutture if…else.
4 Tipi di strutture dati. Tuples, sets, dizionari.
4 Definizione di funzioni.
2 Caricamento dati su Python.
8 Caricamento di pacchetti. I pacchetti Python per l’analisi dei dati: pandas, numpy, seaborn e matplotlib.
Funzioni principali per la statistica descrittiva

4 Excel: importazione ed esportazione dati, funzioni elementari, uso di filtri.
4 Numeri, stringhe e liste.
4 Cicli for e while. Strutture if…else.
4 Tuples, sets, dizionari. Funzioni.
8 Caricamento dati su Python. Esempi di applicazione delle librerie pandas, numpy, seaborn e matplotlib.

La verifica dell'apprendimento avviene attraverso una prova in itinere e/o una
prova scritta, a cui segue una prova orale.
Prova in itinere
La prova in itinere consiste in una prova scritta che verte sugli argomenti trattati
durante la prima metà del programma. Essa consisterà in un test con quesiti a
risposta multipla, vero/falso, o a risposta chiusa, o potrà prevedere la risoluzione
di esercizi da svolgere in Python. La valutazione della prova in itinere è in
trentesimi e farà media con la prova di fine corso. La prova si ritiene superata
con un punteggio di almeno 18/30, ed è valida solo se si completa l'esame
(prova scritta e prova orale) entro l’anno accademico in cui viene erogata la
materia.
Prova scritta
La prova scritta per chi ha superato la prova in itinere, è costituita da uno o più
esercizi sugli argomenti trattati durante la seconda parte del corso.
La prova scritta per chi non ha sostenuto o superato la prova in itinere ha la
durata di due ore e comprende domande e/o esercizi su tutto il programma
svolto.
Prova orale
Gli studenti che hanno raggiunto o superato il punteggio di 18/30 possono
accedere alla prova orale, che è costituita da un colloquio sui temi trattati
durante il corso, integrato da eventuali esercizi pratici svolti con l’ausilio del
calcolatore. La prova si intende superata qualora lo studente abbia dimostrato
conoscenza e comprensione degli argomenti almeno nelle linee generali
(definizione dei concetti) e abbia competenze applicative minime, consistenti
nella capacità di implementare semplici algoritmi. Quanto più, invece, lo
studente abbia brillantemente superato la prova scritta e abbia dato evidenza,
nella prova orale, delle sue capacità argomentative ed espositive, nonché di
proprietà di linguaggio tecnico informatico e di capacità di utilizzare il mezzo
informatico per la risoluzione di problemi, tanto più la valutazione sarà positiva.
In particolare, si assegneranno le seguenti valutazioni:
18-20: se lo studente dimostra di avere acquisito nozioni e concetti basilari della
materia, con limitate capacità di applicarli per la risoluzione di problemi pratici e
una proprietà di linguaggio elementare
21-24: se lo studente dimostra di avere acquisito nozioni e concetti basilari della
materia, con discrete capacità di applicarli e una proprietà di linguaggio
sufficiente
25-27: se lo studente dimostra di avere acquisito nozioni e concetti propri della
materia in maniera solida, con capacità di applicazione anche in contesti non
discussi in classe, e una buona proprietà di linguaggio
28-30: se lo studente dimostra un'ottima conoscenza della materia, inclusi i
concetti più avanzati, ed è in grado di applicare le conoscenze per risolvere
un'ampia gamma di problemi pratici,da i più semplici ai più complessi, con
un'ottima proprietà di linguaggio
La lode potrà essere assegnata agli studenti che mostreranno una conoscenza
eccellente della materia.
VALUTAZIONE FINALE DELL’INSEGNAMENTO
La votazione sarà in trentesimi. La valutazione finale sarà ottenuta partendo dal
voto medio della prova in itinere e della prova scritta, o dal voto ottenuto nella
prova scritta su tutto il programma, a cui verranno aggiunti fino a 5 punti relativi
alla prova orale.
Il docente potrà tenere conto dei fattori di contesto dell’esame (come, ad
esempio, la partecipazione attiva durante le lezioni e le esercitazioni, oppure la
presenza di qualche disabilità).
Se lo studente non supera l’esame, può presentarsi all'appello successivo.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

Lutz, M. (2011). Imparare Python, IV ediz. O’Reilly. ISBN: 978-8848125956
Downey, A. (2015). Pensare in Python. Come pensare da informatico. II ediz.
Green Tea Press. ISBN: 978-8823822641
Grus, J. (2021). Data Science con Python. Dai fondamenti al machine learning.
O’Reilly. ISBN: 978-8823822948
Materiale fornito dal docente.

Obiettivo del corso e' quello di fornire allo studente quegli strumenti, quei
concetti e quel linguaggio tecnico per la comprensione e l'analisi dei fenomeni
economici, prevalentemente macro-economici. Alla fine del corso lo studente
dovra' essere in grado di: sapersi districare tra le statistiche economiche, saper
impostare una semplice analisi statistico-economica di un fenomeno, saper
sintetizzare e interpretare i risultati dell'analisi.

10 Gli obiettivi del corso. Oggetto della Statistica Economica; gli operatori economici e le operazioni economiche;
il circuito di Knight; le statistiche economiche.
10 SEC 2010: struttura e caratteristiche. I Conti della produzione. La tavola delle interdipendenze settoriali.
14 Gli strumenti fondamentali della statistica economica: i numeri indici per i confronti nel tempo e nello spazio.
L'analisi delle serie storiche secondo l'approccio classico.
10 Principali modelli uniequazionali per sintetizzare i comportamenti del consumatore e dell'imprenditore. Misure
di produttività.
4 Forze lavoro e capitale materiale.

8 Esercizi su dati reali di contabilità nazionale.
10 Esercizi su numeri indice temporali e spaziali.
10 Esercizi su serie storiche utilizzando dati reali.
8 Stima e analisi di funzioni di consumo.

La verifica dell'apprendimento verra' fatta con esame orale alla fine del corso.
Attraverso l'esame finale, la Commissione preposta tende a verificare non solo
se sono stati acquisiti quei concetti base propri della disciplina, ma anche se e'
stato acquisito quel linguaggio tecnico necessario ad esprimere i concetti, ad
analizzare uno scenario economico, a commentare tabelle e grafici
rappresentanti dati economici. Durante l'esame potrà essere chiesto anche la
soluzione di semplici esercizi o anche la dimostrazione di alcune formule o
metodi.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.
METODO DI VALUTAZIONE- La valutazione sarà' fatta in trentesimi. Per una
valutazione sufficiente si richiede la conoscenza delle principali fonti delle
statistiche economiche, di concetti base di contabilita' nazionale e dei numeri
indici temporali.

Giovannini E. e Monducci R., Le Statistiche Economiche. Fonti, metodi e dati
per comprendere il sistema economico. Nuova ediz., Il Mulino, 2025; tranne
cap.V
Documenti ISTAT e EUROSTAT.
Appunti del docente e articoli divulgativi.

DEL MODULO
Il modulo ha come obiettivo fondamentale l'insegnamento dei metodi statistici relativi al trattamento dei dati non metrici e
all'individuazione dei piu' comuni e usati metodi per analizzarli. Inoltre, il corso fornisce strumenti propedeutici al trattamento
dei dati che riguardano il paradigma che ha generato il set di dati. Cio' perche' si vuole che lo studente sia in grado di trattare
i dati tenendo conto del loro livello di misura, del modo in cui sono stati generati e delle finalita' conoscitive. Infine, lo studente
acquisira' una maggiore familiarita' con l'uso del foglio di calcolo Excel.
DEL MODULO
Il corso ha come obiettivo fondamentale quello di iniziare gli studenti alla programmazione base di SAS e all'uso consapevole
del software SAS Studio. Alla fine del corso lo studente sara' in grado di applicare le procedure base del software per la
gestione e manipolazione dei dati e l'analisi statistica elementare.

1 Introduzione al modulo: illustrazione del programma, degli obiettivi formativi del corso e delle
modalita' di svolgimento degli esami. Richiami di concetti propedeutici al corso.
3 La cograduazione: il Tau di Kendall.
2 La cograduazione nel caso di m ordinamenti: il W di Kendall
2 Inferenza per le misure di correlazione tra ranghi
2 Introduzione all'analisi delle tabelle di contingenza a due vie: relazioni fra variabile di riga e
variabile di colonna: simmetrica e asimmetrica, paradigmi generatori dei dati.
5 Confronto fra proporzioni in tabelle 2x2 per campioni binomiali indipendenti. Rischio relativo,
quota, rapporto di quote con i relativi aspetti inferenziali. Statistica di Pearson per test di
indipendenza e analisi dei residui.
4 Statistica M^2 per l’indipendenza in una tabella di contingenza con variabili ordinali. Test esatto
di Fisher
6 Tabelle di contingenza a tre vie: associazione parziale e marginale,paradosso di Simpson,
indipendenza (mutua, marginale, condizionata), associazione omogenea. Test di Cochran-
Mantel-Haenszel e statistica di Mantel-Haenszel.
7 Il modello di regressione logistica: modelli di regressione per una variabile risposta dicotomica.
Costruzione di modelli logit con variabili qualitative e metriche. Stima, test e interpretazione dei
coefficienti di regressione: gli odds ratio.

10 Statistica di Pearson e test di indipendenza. Esercizi sull’indipendenza mutua, condizionata e
marginale, e sull’associazione omogenea
9 Esercizi con studio di casi sulla cograduazione nel caso di 2 e m ordinamenti. Confronto fra
proporzioni in tabelle 2x2 per campioni binomiali indipendenti
5 Modello logit: Stima dei parametri con riferimento alle tabelle 2x2
MODULO
SAS PER DATA SCIENCE
Prof. GIOVANNI BOSCAINO
1 introduzione al corso: obiettivi, metodo di verifica, materiale didattico
2 librerie permanenti e temporanee, step, statement, global statement, dataset sas, sottomissione
di programma, log, errori, warnings, commenti, colori, dati strutturati e non strutturati, colonne,
righe, attributi di colonna, date
8 Inserimento manuale dei dati, proc contents, libname, libname xlsx, options validvarname,
libname clear.
Proc import csv, tab e xlsx, dbms dlm, replace, guessingrows, inserimento dataset sas in excel,
dataset sas permanente da excel con libname,
Proc Print noobs, obs=, var.
WHERE statement, and, or, like, is (not)missing, where also:
Proc means, mean std, min, max, mode,q1, median, q3, percentili, scarti, format, class, nonobs,
variance, ways, statement output e class
Proc univariate, histogram, endpoints, midpoints;
Proc freq, nocum, nopercent, nofreq, nocol norow, nopercent, crosslist, list, or, relrisk, chisq,
expected, fisher.
Grafici con freq plot, plots=freqplot, opzioni scale orient type groupby twoway, esportazione
dataset dei risultati della proc tables, out=, outpct.
Macro variabile;
6 statement format formati per variabili numeriche: w.d, comma, dollar, eurox, datew, mmddyyw,
ddmmyyw, monyyw, monname, weekdate, zw.;
proc format per formati numerici, date e alfanumerici; opzione library=
proc sort: noduprecs, nodupkey, dupout, all
8 Passo data: where, format, keep, drop; not like; Nuove variabili per assegnazione, funzioni
numeriche e per variabili alfanumeriche, opzione "OF name1-nameN"
Funzioni per date: month, year, day, weekday, qtr, today, mdy, yrdif. Funzione SCAN. IF/THEN
IF/THEN/ELSE e integrazione con AND/OR. Statement LENGTH. IF/THEN/DO creazione di piu'
dataset in un unico passo data
Title; Footnote; ods noproctitle; Label; BY per le proc; proc export; esportare in excel con
libname; ODS CSVALL, RTF, EXCEL, POWERPOINT, PDF
DATA STEP: compilazione, esecuzione, PDV, implicit return, implicit output, explicit output;
Opzioni KEEP= e DROP=; PUTLOG statement: ALL, column=, "message".
retain; creazione di variabili cumulate
Elaboraizone dati in gruppi: by statement in data step, frist.column e last.column; if expression
per output; il caso di piu' variabili di condizionamento
funzioni: "of stringa:", RAND, LARGEST, ROUND, CEIL, FLOOR, INT, INTCK, INTNX, COMPBL,
COMPRESS, STRIP, FIND, TRANWRD, CAT, CATS, CATX.
PUT, INPUT, format, Informat, Rename=
proc format CNTLIN
4 Concatenazione dataset; merging di tabelle: statement merge + by, 1 a 1, 1 a molti, righe non
corrispondenti. Opzione IN= di merge;
merge di tabelle con le stesse variabili; merge di piu' di due tabelle; DO LOOP e PDV in
esecuzione;
DO LOOP con etichette; posizione di output; DO LOOP nidificati e posizione dell'output; DO
UNTIL; DO WHILE; Differenze
DO LOOP e WHILE/UNTIL
Tabelle wide e narrow; trasformare wide a narrow, e narrow a wide
proc transpose; array
3 introduzione alla statistica con SAS: pie chart, boxplot, scatterplot, cograduazione, correlazione,
regressione lineare semplice, regressione logistica

14 Esercitazioni sul passo Data
10 Esercitazioni sui passi procedura

La verifica dell’apprendimento si basa sul superamento di una prova scritta e di
una prova orale.
PROVA SCRITTA
La prova scritta mira a rilevare le conoscenze, le abilita' possedute dallo
studente e la sua capacita' di riportarle in un elaborato scritto che renda conto
anche della proprieta' di linguaggio statistico maturate fino ad ora e possedute.
La prova, della durata totale massima di 3 ore, prevede quesiti relativi a
entrambi i moduli. Per ogni modulo sono previsti al piu' 3 quesiti (articolati in al
piu' 3 sottopunti ciascuno) di natura pratica e/o teorica, eventualmente anche a
risposta aperta. I testi, ben definiti, chiari, di difficolta' differente e univocamente
interpretabili, permettono allo studente di formulare autonomamente la risposta
e sono strutturati in modo da consentirne il confronto con quella fornita dagli altri
studenti. La risoluzione degli esercizi richiede conoscenze e abilità nell’uso di
Excel e di SAS, acquisite durante il corso e in insegnamenti precedenti ad esso.
Alla fine della prova scritta, successivamente alla correzione degli elaborati
scritti, il docente comunica agli studenti l’esito della prova con una votazione in
trentesimi, indicativa della valutazione espressa. Il superamento della soglia
minima di 18/30 darà l’accesso alla prova orale. La soglia di sufficienza (pari a
un punteggio di 18 su una scala 18-30), propedeutica al superamento della
prova scritta del modulo, e' raggiunta se lo studente mostra un utilizzo adeguato
dei termini relativi ai soli concetti base propri del modulo in oggetto d’esame, e i)
nel caso di quesito pratico, con l'individuazione della idonea metodologia
statistica anche se viziato dal mero errore di calcolo (purche' coerente con la
metodologia stessa); ii) nel caso di quesito teorico, nella coerenza (anche
statistica) della risposta, seppur non completamente esaustiva dell’argomento.
Quanto piu', invece, l’esaminando abbia dato evidenza delle proprie capacita'
argomentative ed espositive, nonche' di proprieta' di linguaggio statistico, tanto
piu' la valutazione sara' positiva, fino al raggiungimento della votazione
massima in caso di evidenza eccellente.
PROVA ORALE
Lo studente che abbia conseguito almeno la votazione minima alla prova scritta
potra' accedere alla prova orale. La prova orale mira ad approfondire l'elaborato
scritto e la valutazione indicata dal docente nonche’. Questa consistera' in
almeno due domande per modulo finalizzate a graduare meglio la valutazione
delle conoscenze, competenze, abilita' e trasversalita' con gli argomenti dei
corsi seguiti precedentemente (soprattutto calcolo delle probabilità, statistica
inferenziale e statistica esplorativa), possedute dallo studente, nonche' la sua
capacita' di trasmetterle con idoneo linguaggio statistico, ad integrazione di
quanto gia' emerso dalla prova scritta. La prova potra' anche consistere nello
svolgimento di qualche esercizio su carta e/o al PC. La soglia della sufficienza
della prova orale e’ raggiunta se lo studente avrà mostrato conoscenza e
comprensione degli argomenti almeno nelle linee generali (definizione dei
concetti e interpretazione) e abbia abilita' applicative minime, consistenti nella
esemplificazione di casi concreti semplici. Quanto piu', invece, l’esaminando
abbia dato evidenza, nella prova orale, delle sue capacita' argomentative ed
espositive, nonche' di proprieta' di linguaggio statistico e di collegamento con le
altre discpline, tanto piu' la valutazione sara' positiva, fino al raggiungimento
della votazione massima in caso di evidenza eccellente.
VALUTAZIONE FINALE
La valutazione finale dell’esame prendera' in considerazione tre aspetti: i) la
padronanza degli argomenti; ii) la capacita' di applicazione delle conoscenze e
iii) la proprieta' di linguaggio, valutati nel complesso della prova scritta e orale. Il
docente avra' anche la possibilita' di tenere conto dei fattori di contesto
dell’esame (come, ad esempio, la partecipazione attiva durante le lezioni e le
esercitazioni, oppure la presenza di qualche disabilita', se documentata) ai fini
della determinazione dell'esito della prova. Inoltre, in base a quanto introdotto
nella sezione "Organizzazione della didattica", l'esito della gamification porterà
all'attribuzione di n.1 voto in più allo studente che si classificherà primo alla fine
dell'ultima prova conclusiva.
Il voto finale risulterà una media dei voti delle prove scritte e orali, aggiustata per
gli aspetti appena evidenziati.
NOTA: al fine dell'ottenimento dell'Open Badge SAS, in verbale sarà riportato
un giudizio specifico sul modulo secondo i seguenti criteri: Sufficiente: il
candidato ha mostrato conoscenze utili a impostare la risoluzione dei quesiti
posti e con non rilevanti lacune relative alla sintassi SAS Buono: lo studente sa
impostare concettualmente la risoluzione dei quesiti posti e adotta in modo
corretto la sintassi SAS più idonea e utile all’ottenimento del risultato Ottimo: lo
studente mostra complete conoscenze, capacità e abilità relative alla
impostazione della risoluzione del problema, alla sintassi SAS e al modo più
efficace per raggiungere l'obiettivo. Al fine del rilascio dell'Open Badge, il
candidato dovrà conseguire almeno il giudizio di "buono".
Note esplicative: Durante la prova scritta non sara' consentito l’utilizzo di
cellulari, smartphone e notebook/tablet personali, formulari, e l’accesso a
internet e a chatbot, pena l’invalidamento della prova, se non autorizzati dal
docente. In qualsiasi momento dello svolgimento della prova scritta lo studente
potra' ritirarsi dall’esame. Se lo studente non supera l’esame, puo' presentarsi
all’appello successivo. Per la prova scritta relativa al modulo di Dati Categoriali,
lo studente consegnerà unicamente il foglio cartaceo riportante commenti e
risposte, nonche’ le tabelle utili al docente alla comprensione del lavoro svolto e
della consapevolezza di quanto fatto. Per gli studenti con disabilità e
neurodiversità saranno garantiti gli strumenti compensativi e le misure
dispensative individuate, dal CeNDis - Centro di Ateneo per la disabilità e la
neurodiversità, in base alle specifiche esigenze e in attuazione della normativa
vigente

Kendall and Gibbons (1990) Rank correlation and methods. Edward Arnold. Cap. 1(fino a pagina 10), 2 (fino a 2.14), 3, 4
(fino a 4.12) e 6 (fino a 6.14) ISBN 978-0852643051
Agresti (2007) An introduction to categorical data analysis. John Wiley. Cap. 1, 2, 3.2, 4 (4.4 e 4.5 esclusi) ISBN
978-0-471-22618-5
Slide del corso, fornite dal docente
TIPO DI ATTIVITA' B
AMBITO 83606-Discipline Statistiche, Statistiche Applicate e
Demografiche
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE
Guida online di SAS: http://support.sas.com/documentation/94/index.html
SAS certified specialist prep guide: base programming using SAS 9.4 / SAS Institute 2019
Slide fornite dal docente
TIPO DI ATTIVITA' B
AMBITO 83606-Discipline Statistiche, Statistiche Applicate e
Demografiche
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE

Lo studente deve conoscere le basi del processo di misurazione e dei metodi
preposti, mostrare comprensione per la disciplina e per le tecniche di analisi
utilizzate per la misurazione dei concetti, dovrà mostrare di sapere scegliere e
adattare i metodi ai diversi contesti informativi per misurare il concetto. Inoltre
dovrà valutare e scegliere fra vari metodi quello più idoneo ai dati disponibili e
alle domande poste, comunicare i risultati ottenuti con un linguaggio tecnico
preciso e con termini scientifici adatti.

2 disuguaglianza: concetti e definizioni operative
6 La misurazione della prima disuguaglianza: lapoverta'. La scelta della dimensione dello spazio valutativo,
dell’unita'
d’analisi e del riferimento temporale. Poverta' assoluta e relativa; Poverta' oggettiva e soggettiva.
Poverta' come stato dicotomico, politomico o sfocato. Poverta' sezionale o longitudinale.
6 Linee di poverta' e scale di equivalenza. Misure di diffusione e intensita' della poverta' (gli indici
FGT: headcount ratio, poverty gap index, squared poverty gap). Cenni alla scomponibilita' di
alcuni indici di poverta'.
2 Definire e misurare la poverta' assoluta: l'approccio basic need, il food ratio e le linee di poverta'
assoluta dell'Istat. La deprivazione materiale secondo Eurostat.
4 Gli indicatori per la misura delle disuguaglianze: trasformazioni e ponderazione.
4 Le principali misure di disuguaglianza: indice di Gini, curva di Lorenz, rapporti interdecilici, indice
di Atkinson.
4 Alcuni strumenti per le analisi della poverta' a livello micro: probabilita, differenza di proporzioni;
quota; odds ratio, rischio relativo.
4 Una introduzione ai modelli statistici di regressione multipla e ai modelli logit per studiare le
determinanti e i fattori associati a poverta' e disuguaglianza. I modelli logit e di regressione
multipla con il software statistico R e SAS

6 Esplorazione dei siti web dei principali produttori nazionali e internazionali di dati statistici (ISTAT,
Banca d’Italia, Eurostat, Banca Mondiale, FMI, FAO, UNDP, ....); b) Le principali banche dati
disponibili per gli studi di poverta' nei paesi in via di sviluppo; c) Le principali indagini longitudinali
e sezionali per gli studi comparativi europei a livello micro (EU-SILC, LIS, ESS).
10 modelli statistici di regressione multipla e ai modelli logit per studiare le
determinanti e i fattori associati a poverta' e disuguaglianza. I modelli logit e di regressione
multipla con il software statistico R e SAS
8 Lavoro di gruppo su un argomento per la misura della disuguaglianza. Scrittura del Report ed esposizione dei
risultati.

L'esame consiste nella presentazione di un report di lunghezza stabilita e di una
presentazione orale del lavoro svolto durante il corso. La valutazione sarà in
30esimi per entrambe le prove. Il voto conclusivo sarà la media dei voti delle
prove. Il punteggio minimo sarà ottenuto quando i concetti base verrano espsoti
con un linguaggio elementare. Il massimo della votazione si avrà quando alla
conoscenza approfondita degli argomenti trattati durante il corso si affiancherà
un linguaggio specifico e spirito critico.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

• M. Baldini , S. Toso (2009) Diseguaglianza, poverta' e politiche pubbliche, Il
  Mulino, Bologna (capitoli: I, II, III).
• Istat, anni vari, Statistiche sulla poverta' e le condizioni di vita (scaricabili
  gratuitamente da www.istat.it)
• Materiali di studio sulla regressione multipla e logistica forniti dal docente nella
  sezione "Materiale didattico" del Portale
  Unipa.
  TIP

A conclusione del corso il discente sara' in grado di definire e riconoscere le
caratteristiche distintive di una serie temporale ( variabile discreta o continua, ad
intervalli regolari o no), di descriverne le componenti
cicliche, di tendenza e stagionalita, di applicare strumenti adeguati ed
aggiornati per modellarne l’evoluzione nel tempo ; per quanto concerne i dati
georeferenziati lo studente sara' in grado di distinguere tra fenomeni diffusivi e
dispersivi, di identificare la scala appropriata, a livello puntuale o areale, per la
rilevazione e la rappresentazione dei dati e infine per l'analisi descrittiva della
loro distribuzione nello spazio.
Lo studente e' in grado di implementare queste analisi utilizzando i comandi e i
pacchetti disponibili in ambiente statistico R.

1 Illustrazione del programma, degli obiettivi formativi del corso e delle
modalita' di svolgimento degli esami.
4 Aspetti generali e definitori delle serie temporali e spaziali. Introduzione ai Processi stocastici. Processi
stocastici stazionari. La funzione di autocorrelazione di un processo stocastico stazionario: proprieta,
rappresentazione ed interpretazione. Stima della funzione di autocorrelazione.
5 Scomposizione di una serie temporale in componenti elementari. Componenti di una serie temporale.Stima del
trend mediante modelli parametrici e non parametrici. Stima della stagionalita. Metodi basati sulle differenze
successive. Metodi di scomposizione. Destagionalizzazione.
6 Serie storiche come realizzazioni di processi aleatori stazionari. Il teorema di Wold ed i Modelli ARMA/ARIMA.
Modelli a media mobile. Invertibilita' di un modello MA(q). Modelli autoregressivi AR(p). La funzione di
autocorrelazione parziale. Identificazione di un modello ARMA/ARIMA. Modelli ARMA/ARIMA Stagionali.Stima
dei parametri e Analisi dei residui
4 Introduzione all'analisi statistica dei dati spaziali. Dipendenza dei dati nello spazio. Differenti formati di
archiviazione dei dati georeferenziati.
4 Dati geostatistici: Stazionarieta. Isotropia.Funzione di covarianza e variogramma. Analisi e stima del
variogramma .
4 Processi di punto spaziali; proprieta' del momento primo e secondo. Processo di Punto di Poisson omogeneo.
Tests di verifica della casualita'. Alcuni esempi
4 Modelli per dati areali.Griglie regolari e irregolari. Matrici di contiguita.

4 esercitazioni sulla rappresentazione, scomposizione delle serie storiche . Uso delle librerie timeseries,
KernSmooth
2 Analisi di serie temporali in R. Uso delle librerie timeseries forecast
6 Modelli ARIMA: Stima, scelta del modello, rappresentazioni e previsione.
8 Analisi di dati spaziali mediante il software R. Uso delle librerie geoR, akima, spatstat, sp, spdep, maptools,
gstat.
Importare i dati in R: coordinate geografiche; Dati raster; poligoni. Rappresentare e analizzare dati geostatistici
e mappe di punti
4 Rappresentazione di dati areali; Correlazione spaziale ; Regressione per dati spazialmente dipendenti.

L'esame consiste in una prova scritta che consiste nello svolgimento di due
problemi, ciascuno composto da 4- 6 domande, da svolgere con l'ausilio del
Software R.
La prova ha durata massima di 2 ore ed e' strutturata in modo da evidenziare
conoscenze teoriche ,
abilita' e capacita' di riportarle in un elaborato scritto
Per superare l'esame verranno valutati i seguenti elementi:
A) capacita' di trattare con dati spazio - tempo e rappresentarne l'informazione
B) proprieta' di linguaggio
C) Individuare strutture presenti nei dati e descriverne le componenti
D) riconoscere le caratteristiche distintive di una serie temporale ( variabile
discreta o continua, ad intervalli regolari o no), e individuare adeguati modelli di
dipendenza; condurre analisi di routine in R.
La soglia di sufficienza (pari a un punteggio di 18 su una scal 18-30) e' raggiunta
quando il candidato mostra una padronanza DI BASE dei punti A) B) C) D) e
la capacita' di individuare una
metodologia statistica coerente con le ipotesi di lavoro, anche se viziata dal
mero errore di calcolo.
In base alla delibera del Consiglio di CdS L-41 del 28/09/2015, la prova orale
prevede anche due domande in lingua inglese, atta a
valutare la comprensione del testo e la capacita' di formulazione di una risposta.
La prima vertera' sulla traduzione di una frase, la seconda sara' una domanda di
carattere generale . La prova e' considerata superata se il candidato mostra una
adeguata conoscenza della lingua e dei termini tecnici in inglese .
Acune regole: al candidato e' consentito di portare penna, matita ecc..., che
verranno posti sopra il banco; libri, appunti, supporti elettronici, cellulari non
sono ammessi.
A dieci e cinque minuti dalla fine il candidato verra' avvisato del tempo
rimanente e la prova deve essere conclusa in 2 ore. Il candidato deve affrontare
entrambi i quesiti per superare la prova
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

• E. Bee Dagum (2002), Analisi delle serie storiche. Springer ISBN: 8847001463
• R. S. Bivand, E. J. Pebesma, and V. Gomez-Rubio (2008), Applied Spatial
  Data in R Springer-Verlag: New York, NY. ISBN 978-1-4614-7618-4 (qualsiasi
  edizione)
• Avril Coghlan , A Little Book of R For Time Series, Release 0.2, 2016 Parasite
  Genomics Group, Wellcome Trust Sanger Institute, Cambridge, disponibile in
  pdf sul sito https://a-little-book-of-r-for-time-series.readthedocs.io/en/latest/
  Software, manuali e dispense open content indicate dal docente e disponibili
  sul sito http://dssm.unipa.it/CRAN

Obiettivo del corso e' quello di fornire allo studente gli strumenti necessari per
acquisire una visione di insieme tra teoria economica ed analisi quantitativa.
Quindi, tenendo conto della teoria economica, rendere lo studente capace di
formulare una adeguata strategia empirica che comporta fasi esplorative e fasi
di formulazione di un modello statistico.

12 Introduzione all’analisi statistica in ambito economico. Principali strumenti e problemi metodologici ricorrenti in
fase di analisi esplorativa ed in fase di formulazione di un modello statistico basato su teorie economiche.
Richiami sui principali strumenti di inferenza statistica.
12 Richiami di teoria del consumo: vincolo di bilancio; preferenze; funzione di utilita; scelta ottima; esempi con
preferenze Cobb-Douglas, curve di Engel. Analisi empirica dei consumi con dati aggregati: richiami su modello
di Keynes, modello reddito permanente, modello di Hall, test random walk di Campbell-Mankiw. Applicazioni
empiriche. Analisi empirica dei consumi con dati individuali: stima delle curve di Engel. Sistemi di domanda
(cenni): modello LES e modello AIDS. Applicazioni empiriche.
12 Richiami teoria della produzione: massimizzazione del profitto; minimizzazione dei costi, produttivita' media;
produttivita' marginale; elasticita; rendimenti di scala; comportamento duale del produttore; funzione di
produzione Cobb-Douglas. Analisi empirica su relazioni di produzione e produttivita: approcci deterministici e
stocastici. Confronto efficienza e produttivita. Approcci parametrici per la misurazione dell'efficienza con dati
sezionali e longitudinali. Cenni su stimatori per dati longitudinali. Applicazioni empiriche. Analisi empirica su
capacita' innovativa delle imprese. Applicazioni empiriche.

4 Introduzione al software Stata
7 Analisi dei dati su consumi con Stata
7 Analisi dei dati su produzione con Stata
2 Analisi dei dati su produzione con Stata (solo L41)

La verifica dell'apprendimento viene fatta con esame orale, basato anche sui
report scritti dagli studenti durante il corso. Attraverso l'esame finale la
Commissione preposta tende a verificare la capacita' degli studenti di: (i)
individuare adeguati strumenti statistici per l’analisi di specifici problemi
economici; (ii) confrontare vantaggi e svantaggi nel loro impiego; (iii) interpretare
risultati empirici. Inoltre, sulla base della delibera del Consiglio di CdS L-41 del
28/9/2015, la prova orale (L41) include anche una o due domande in lingua
inglese su articoli scientifici distribuiti durante il corso.
“Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente"

Materiale didattico a cura del docente.
Per alcuni aspetti metodologici trattati a lezione si consiglia:
Econometria, Volume primo (Gardini, Cavaliere, Costa, Fanelli, Paruolo).
Franco Angeli. Ultima Edizione. Cap. 1, 3, 4.
Per i richiami di teoria economica si consiglia:
Microeconomia (Varian). Cafoscarina. Ultima edizione. Cap. 2-6 e 17-20

Il corso ha come principale obiettivo lo studio delle procedure per la raccolta dei
dati di un'indagine campionaria, la stima di un parametro incognito della
popolazione e il calcolo dell’errore standard. Si puntera' l'attenzione anche sulla
scelta della migliore dimensione campionaria per ottenere il risultato piu'
preciso. Gli studenti, alla fine del corso, devono essere in grado di costruire gli
strumenti base per la raccolta dei dati, condurre un’indagine campionaria
semplice in funzione dei vincoli posti. Lo studente acquisira' maggiore familiarita'
con l'uso del foglio di calcolo Excel e il software specifico SAS.

1 Introduzione al modulo. Descrizione degli obiettivi formativi, del programma e delle modalita'
della prova finale.
1 Fondamenti delle indagini campionarie e dei sondaggi d'opinione. Cenni storici.
4 Il campionamento da popolazione finita. Principali piani di campionamento probabilistico:
campionamento casuale semplice. Stima della media, della proporzione e del totale.
Determinazione della numerosita' campionaria.
2 Il campionamento Casuale con SAS.
10 Il campionamento casuale stratificato. Stima della media, della proporzione e del totale. Determinazione della
numerosita' campionaria nei casi sopra citati.
2 Confronto fra il campione casuale semplice e stratificato nelle allocazioni uguale, proporzionale e ottimo.
5 Le procedure in SAS per il campionamento casuale semplice e stratificato.
2 Il campionamento stratificato con il SAS.
5 Tecniche di raccolta dei dati nelle indagini campionarie: il questionario e la scheda di intervista.
Costruzione e somministrazione.

6 Campionamento casuale semplice. Stima della media, della proporzione e del totale. Determinazione della
numerosita' campionaria. Calcolo degli stimatori e delle varianze degli stimatori con il SAS.
14 Campionamento casuale stratificato. Stima della media, della proporzione e del totale. Determinazione della
numerosita' campionaria. Calcolo degli stimatori e delle varianze degli stimatori con il SAS.
4 Studio di casi concreti e commento dei risultati.

La valutazione dell'apprendimento avviene attraverso una prova scritta e un
colloquio orale, subordinato al superamento della prova scritta.
PROVA SCRITTA
La prova scritta mira a rilevare le conoscenze e le abilita' possedute dallo
studente, anche informatiche (Excel e SAS), e la sua capacita' di commentare i
risultati ottenuti. La prova, della durata totale massima di 2 ore da svolgersi
senza l'ausilio di cellulari, formule e accesso a amteriale didattico, prevede da 3
quesiti: due di natura pratica e uno teorico, a risposta semi-aperta.
La soglia di sufficienza (18-21) e' raggiunta se lo studente mostra un utilizzo
sufficiente delle conoscenze di base in termini esecutivi. La soglia 21-24 e'
raggiunta quando i quesiti sono svolti tutti ma presentano imprecisioni di calcolo
e interpretazione. La soglia 24-27 viene assegnata quando il compito e' svolto in
ogni sua parte, dimostrando una conoscenza approfondita (sa dimostrare
proprieta' con un adeguato formalismo), mentre la votazione da 28 a 30 e lode
viene raggiunta quando alle caratteristiche precedenti si aggiunge la capacita' di
spaziare e generalizzare con altri ambiti della statistica ed e' in grado di leggere
i dati, le formule e i risultati in termini statistico-matematici e in termini
sostanziali.
PROVA ORALE
La prova orale mira ad approfondire l'elaborato scritto e la valutazione
dell'apprendimento dello studente. Questa consistera' in almeno due domande
finalizzate a valutare la capacita' dello studente di formulare giudizi sia qualitativi
che quantitativi sui concetti fondamentali del corso.
In entrambe le prove sara' richiesta la conoscenza di SAS, da saper applicare
per l'analisi di dati reali.
METODO DI VALUTAZIONE FINALE
La valutazione finale dell’esame prendera' in considerazione tre aspetti: i) la
padronanza degli argomenti; ii) la capacita' di
applicazione delle conoscenze e iii) la proprieta' di linguaggio, valutati nel
complesso della prova scritta e orale. Il docente avra' anche la possibilita' di
tenere conto dei fattori di contesto dell’esame (come ad esempio la
partecipazione attiva durante le lezioni e le esercitazioni, oppure la presenza di
qualche disabilita') ai fini della determinazione dell'esito della prova. Il livello di
conoscenza del SAS accertato durante le prove utile per l'acquisizione della
certificazione BASE SAS deve essere almeno sufficiente.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

Cochran (1977) Sampling Techinques. Wiley & Sons. Cap da 1 a 5.
Dispense del corso
Boscaino G., Giambalvo O. (2014) Sampling, in Probability and Statistics: A
Didactic Introduction, pagg. 176-209. Ed. Jose' I.
Barragues; Adolfo Morais; Jenaro Guisasola, by CRC press Taylor & Francis
Group. ISBN 9781482219777
Testi per il campionamento con SAS: Selecting Unrestricted and Simple
Random With Replacement Samples
Using Base SAS® and PROC SURVEYSELECT David. D. Chapman,
Consultant, Alexandria, VA e 1. http://support.sas.com/
documentation/cdl/en/statug/68162/HTML/default/
viewer.htm#statug_surveyselect_details04.htm

Al termine del corso lo studente conosce gli aspetti di base di un processo di
comunicazione e le tecniche di comunicazione scritta e orale.
Lo studente è in grado di:

• capire qual è il modo migliore di comunicare i risultati di uno studio, in funzione
  delle studio stesso e dell'interlocutore finale;
• presentare efficacemente in forma scritta e orale i risultati delle sue analisi
  statistiche, utilizzando adeguate forme comunicative a seconda degli
  interlocutori.

8 Report
1. Ricerca e organizzazione delle informazioni.
2. Sintesi
3. Struttura di un report
4. Etica e plagio
8 PROGETTAZIONE DI PRESENTAZIONI EFFICACI
1. Preparazione.
2. Progettazione.
3. Esecuzione.

6 Report 1. Ricerca e organizzazione delle informazioni. 2. Sintesi 3. Struttura di un report 4. Etica e plagio
6 PROGETTAZIONE DI PRESENTAZIONI EFFICACI 1. Preparazione. 2. Progettazione. 3. Esecuzione.

La verifica dell'apprendimento avviene attraverso:

• Per chi sostiene l'esame durante la sessione successiva a quella di erogazione
  del corso
  1. Consegna di un report contenente l'analisi di un dataset assegnato alla fine
  del corso e sua presentazione in power point. Il report andrà inviato alla email
  istituzionale del docente entro una settimana dall'inizio della sessione e il
  powerpoint entro la data di scadenza dell'iscrizione dell'appello per il quale si
  vuole sostenere l'esame.
• Per chi sostiene l'esame in altre sessioni
  Contattare il docente almeno 1 mese prima dell'inizio della sessione di esami
  (primaverile, estiva, autunnale) per avere assegnata la prova.
  1. Consegna di un report contenente l'analisi di un dataset assegnato al più 2
  settimane prima dell'inizio della sessione e sua presentazione in power point. Il
  report andrà inviato alla email istituzionale del docente entro una settimana
  dall'inizio della sessione e il powerpoint entro la data di scadenza dell'iscrizione
  dell'appello per il quale si vuole sostenere l'esame.
  La prova orale consistera' nella presentazione in power point dell'analisi e dei
  risultati descritti nel report finale, per valutare meglio le conoscenze e abilita'
  possedute dallo studente, nonche' la sua capacita' di trasmetterle con idoneo
  linguaggio statistico. La durata della presentazione è di 10 minuti, più 5 di
  domande da parte della commissione.
  NB. Lo studente potrà decidere di sostenere l'esame congiuntamente a quello di
  Laboratorio di Data Visuaization. In tal caso, il report e il powerpoint dovranno
  assolutamente contenere anche alcune delle rappresentazioni grafiche illustrate
  durante il corso. Lo studente dovrà consegnare, nei tempi sopra indicati, anche i
  codici R utilizzati.
  Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
  compensativi e le misure dispensative individuate, dal CeNDis - Centro di
  Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
  attuazione della normativa vigente

Materiale fornito dal docente durante il corso.

Questo corso tratta le basi della visualizzazione dei dati e dell'analisi esplorativa
dei dati. Utilizzeremo tre esempi motivanti e ggplot2, un pacchetto di
visualizzazione dei dati per il linguaggio di programmazione statistica R.
Inizieremo con semplici insiemi di dati per poi passare a casi di studio sulla
salute mondiale, l'economia e le tendenze delle malattie infettive negli Stati Uniti.
Vedremo anche come errori, distorsioni, errori sistematici e altri problemi
inaspettati spesso portano a dati che dovrebbero essere gestiti con cura. Il fatto
che possa essere difficile o impossibile accorgersi di un errore in un set di dati
rende la visualizzazione dei dati particolarmente importante.
La crescente disponibilità di set di dati informativi e di strumenti software ha
portato a un maggiore ricorso alla visualizzazione dei dati in molti settori. La
visualizzazione dei dati fornisce un modo potente per comunicare i risultati dei
dati, motivare le analisi e rilevare gli errori. Questo corso vi fornirà le
competenze necessarie per sfruttare i dati per rivelare intuizioni preziose e far
progredire la vostra carriera. Si punterà all'uso di R ma anche di Tableau Public,
una piattaforma gratuita con cui puoi esplorare, creare e condividere
visualizzazioni interattive utilizzando i dati disponibili online.

4 Aspetti fondamentali della rappresentazione grafica dei dati
4 Come usare ggplot2 per creare grafici personalizzati
4 Come comunicare i risultati ottenuti dai dati
4 I punti deboli di alcune rappresentazioni grafiche molto utilizzate e i motivi per cui è meglio evitarle

6 Creazioni di rappresentazioni grafiche complesse: 1. Preparazione. 2. Progettazione. 3. Esecuzione
6 Identificazione di errori in alcuni report reali in circolazione, modifica e proposta di soluzioni valide.

La verifica dell'apprendimento avviene attraverso:

• Per chi sostiene l'esame durante la sessione successiva a quella di erogazione
  del corso
  1. Consegna di un report contenente l'analisi di un dataset assegnato alla fine
  del corso e sua presentazione in power point. Il report andrà inviato alla email
  istituzionale del docente entro una settimana dall'inizio della sessione e il
  powerpoint entro la data di scadenza dell'iscrizione dell'appello per il quale si
  vuole sostenere l'esame.
• Per chi sostiene l'esame in altre sessioni
  Contattare il docente almeno 1 mese prima dell'inizio della sessione di esami
  (primaverile, estiva, autunnale) per avere assegnata la prova.
  1. Consegna di un report contenente l'analisi di un dataset assegnato al più 2
  settimane prima dell'inizio della sessione e sua presentazione in power point. Il
  report andrà inviato alla email istituzionale del docente entro una settimana
  dall'inizio della sessione e il powerpoint entro la data di scadenza dell'iscrizione
  dell'appello per il quale si vuole sostenere l'esame.
  La prova orale consistera' nella presentazione in power point dell'analisi e dei
  risultati descritti nel report finale, per valutare meglio le conoscenze e abilita'
  possedute dallo studente, nonche' la sua capacita' di trasmetterle con idoneo
  linguaggio statistico. La durata della presentazione è di 10 minuti, più 5 di
  domande da parte della commissione.
  NB. Lo studente potrà decidere di sostenere l'esame congiuntamente a quello di
  Laboratorio di Data Visuaization. In tal caso, il report e il powerpoint dovranno
  assolutamente contenere anche alcune delle rappresentazioni grafiche illustrate
  durante il corso. Lo studente dovrà consegnare, nei tempi sopra indicati, anche i
  codici R utilizzati.
  Per gli studenti con disabilità e neurodiversità
  saranno garantiti gli strumenti compensativi e le misure dispensative
  individuate, dal CeNDis - Centro di Ateneo per la disabilità e la
  neurodiversità, in base alle specifiche esigenze e in attuazione della
  normativa vigente.

1) Data Visualisation with R, 111 Examples. Thomas Rahlf, Second edition,
Springer
2) Data Visualization with R, Rob Kabacoff.
3) R Graphics Essentials for Great Data Visualization by A. Kassambara
(Datanovia)
4) Materiale fornito dal docente durante il corso

DEL MODULO
Fornire gli strumenti statistici utili per l’analisi dei fenomeni economici di specifico interesse in ambito aziendale
microeconomico e di analisi e programmazione economica nel contesto macroeconomico. Lo studente dovra' essere in grado
di leggere ed interpretare i principali dati statistici legati alla struttura ed alla performance delle aziende, nonche' al territorio
europeo/nazionale/regionale con specifico riferimento al quadro economico e finanziario, anche con utilizzo di opportuni
software e, in particolare, R, SAS e Python. Specifica attenzione sarà destinata all’analisi delle serie storiche economiche nel
contesto micro e in quello macro e si forniranno gli strumenti teorici ed applicati della modellistica ARIMA-ARIMAX-GARCH
anche con particolare attenzione alle procedure di destagionalizzazione. Verranno illustrati i principi e le applicazioni in tal
senso utilizzate dalla statistica ufficiale per analizzare, stimare e prevedere i principali aggregati economici e trattare gli effetti
della stagionalità, anche in termini anticipatori.
DEL MODULO
Fornire agli studenti le conoscenze necessarie per utilizzare al meglio le metodologie statistiche per l’analisi dei mercati e la
conoscenza degli attori dei mercati, in particolare lo studente dovra' acquisire gli strumenti per l'analisi della domanda
(acquirenti, clienti, consumatori) e dell’offerta (azienda) con specifico riferimento alla progettazione e realizzazione di una
ricerca di mercato. Gli argomenti sono trattati sia dal punto di vista teorico che applicato con esempi e casi di studio sviluppati
tramite software statistico R durante tutto il corso. Verrano ripresi e collegati, dal punto di vista statistico, anche alcuni
argomenti tipicamente affrontati nel corso di economia aziendale con specifico riferimanento a ciclo di vita del prodotto, alla
segmentazione del mercato ed alle determinazioni di costi fissi e variabili ed alle loro rilevazioni. Particolare attenzione sarà
dedicata alla soddisfazione del cliente derivante dalla qualita' del prodotto. Pertanto, verra' introdotto il concetto di qualita'
statistica di prodotto e di processo secondo il TQM e la sua misurazione e rappresentazione. A tal proposito, verranno
presentate le carte di controllo, anche per deriva, e gli indicatori per misurare la capacità di processo. Gli argomenti sono
trattati sia dal punto di vista teorico che applicato con esempi e casi di studio sviluppati tramite software statistico R durante
tutto il corso.

4 Fonti statistiche e dati economici
4 Costruzione di modelli e loro trattamento nel tempo e nello spazio
4 Approccio classico alle serie storiche con modelli deterministici per l'analisi aziendale
4 Metodi naive, lisciamenti esponenziali, modelli Holt-Winters e
filtri previsionali per l'analisi economica. Esempi con R, SAS e Python.
4 Approccio moderno all'analisi delle serie storiche economiche con dati micro-economici
(aziendali) e macro-economici (struttura dell'economia).
4 Approccio Census I e II ed approccio ibrido X12Arima e X13Arima
4 Modello Tramo-Seats delle Banche Centrali e Demetra di Eurostat. Utilizzo dei software R, SAS
e Python. Uso in Istat.
4 Approfondimenti teorici ed applicazioni sui temi trattati con ulteriori specifico riferimento a
procedure in R, SAS e Python. Struttura modelli ARIMA-ARIMAX-SARIMA-GARCH.

2 fonti statistiche del dato economico
6 Modelli meccanici e tradizionali nell'analisi delle serie storiche. Uso di R e SAS per le procedure
di scomposizione, lisciamento esponenziale e tecniche Holt-Winters.
6 Modelli di destagionalizzazione. Approccio classico e moderno tramite R e SAS. Lettura ed
interpretazione dei relativi output testuali e grafici.
10 Esempi ed esercizi aggiuntivi con i diversi software. Confronto di stime e risultati tra R, SAS e
riproducibilità con Python. Ulteriori esempi con Gretl e Stata.
MODULO
STATISTICA AZIENDALE ED ANALISI DI MERCATO
Prof.ssa ELLI VASSILIADIS
2 Introduzione alla statistica aziendale ed analisi di mercato. il marketing e i suoi concetti
fondamentali. Ciclo di vita del prodotto
2 Ricerche di mercato e uso dei panel.
4 Questionari e scale di misura. Gli atteggiamenti e la loro misurazione
4 Fonti statistiche e classificazione dei consumi in termini di spesa. l'indagine Istat sui consumi.
Analisi della domanda
2 I comportamenti di acquisto. Modelli e misure della customer satisfaction
4 La segmentazione del mercato. Le tecniche di segmentazione a priori e posteriori e uso della
Cluster Analysis e della Conjoint Analysis.
4 Qualità di prodotto e processo in azienda. Il Total Quality Management.
2 Carte di controllo per attributi e per variabili.
2 Carte per misure individuali e per deriva, carta cusum e ewma
2 Test e gestione del fuori controllo statistico
4 capacità di processo

6 Esempi ed esercizi su analisi dei consumi
6 Esempi ed applicazioni di Cluster Analysis e Conjoint Analysis
6 Uso ed applicazioni delle carte di controllo
6 Altri esempi sul controllo statistico e su capacità di processo.

Prova scritta e prova orale per ciascuno dei due moduli. Il voto finale tiene
conto, con uguale peso, delle due prove di esame. La prova scritta verte sulla
capacita' pratica ed interpretativa circa la risoluzione di un problema di statistica
economica usualmente con l'utilizzo di un modello statistico per serie storiche o
serie cross-section. La prova scritta dura in media un'ora e viene strutturata in
modo che lo studente possa utilizzare con successo diverse ed alternative
strategie di analisi. In particolare, viene chiesto di soffermarsi sul significato e
l'interpretazione del dato e del risultato ottenuto con il supporto di software
statistici. La prova orale affronta in modo dettagliato tutti gli argomenti del
programma di studio con la possibilita' di fornire, durante lo stesso esame,
dimostrazioni matematiche e statistiche o risolvere brevi esercizi. Durante il
corso, il docente condividerà con gli studenti un breve articolo, un capitolo di
libro, o una sua parte in lingua inglese di carattere divulgativo, che sarà oggetto
di dibattito con gli studenti.
La valutazione dello studente tiene conto: della conoscenza di concetti ed
argomenti, capacita' di applicazione degli stessi, proprieta' di linguaggio
statistico sia nella prova scritta che in quella orale. La valutazione positiva
minima di 18 prevede una conoscenza appena sufficiente degli argomenti,
mentre la valutazione massima 30 e' attribuita ad un esame che mostri
conoscenza piena e matura degli argomenti. La valutazione finale, in trentesimi,
e' la media della valutazione dei due moduli. La prova orale include quesiti sui
software statistici e qualche domanda specifica sul linguaggio SAS in relazione
agli argomenti della disciplina. Il livello di conoscenza del SAS accertato durante
le prove utile per l'acquisizione della certificazione SAS deve essere almeno
sufficiente.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

1-Vassallo E. (2018). Statistica Economica con R, Amazon: Dublin. ISBN: 9788854828759, ed.2018.
2-Koop G. (2013). Analysis of Economic Data.Wiley: New York. ISBN: ISBN: 9781118472538, ed.4-2013.
3-Bakerman J. (2019). "SAS programming for R users", SAS Institute: NY (liberamente scaricabile da SAS free book). ISBN:
9781642957136, ed.2019.
4- Gilliland M. (2020). "Forecasting with SAS", SAS Institute: NY (liberametne scaricabile da SAS free book). ISBN:
9781951685737, ed.2020.
5- Hamilton J.D. (1994). "Time Series Analysis", Princeton University Press: Princeton. ISBN: 978-0691042893.
6- Slide e materiali didattici aggiuntivi caricati dal docente sul portale circa concetti teorici ed applicazioni con i diversi
software e con dettaglio aggiuntivo su Python.
TIPO DI ATTIVITA' B
AMBITO 50250-Statistico, statistico applicato, demografico
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE
1- Brasini S., Freo M., Tassinari F., Tassinari G., Statistica aziendale e analisi di mercato, Il Mulino, 2002. ISBN
9788815088765
2- Montgomery D.C., Statistical Quality Control: A Modern Introduction.Wiley, 2012. ISBN: 978-1118322574.
3- Marbach G., Le migliori pratiche nellle ricerche di mercato, Rogiosi, 2016. ISBN 978-8869500718
4- Testo per la prova inglese: capitoli 1 e 2 in Chakrapani C. Statistics in Market Research. Wiley, 2009. ISBN
978-0-470-68937-0.
TIPO DI ATTIVITA' B
AMBITO 50250-Statistico, statistico applicato, demografico
NUMERO DI ORE RISERVATE ALLO STUDIO 94
PERSONALE
NUMERO DI ORE RISERVATE ALLE ATTIVITA' 56
DIDATTICHE ASSISTITE

Il corso ha l'obiettivo fondamentale di offrire allo studente gli strumenti per
completare le conoscenze acquisite nei primi due anni del Corso di Laurea in
ambito metodologico. Alla fine del corso, lo studente dovra' essere in grado di
esporre oralmente le tecniche statistiche imparate durante il corso.

4 Richiami sui modelli di analisi della varianza a una, a due e a piu' vie. Il problema dei confronti multipli: test
post-hoc di Tukey, metodo di Scheffe' e metodi basati sulla correzione del p-valore.
4 Analisi dei gruppi. Distanze e similarità. I metodi gerarchici agglomerativi e divisivi. I metodi non gerarchici.
4 L'Analisi discriminante lineare e quadratica.
4 L'analisi delle corrispondenze semplici e multiple.
4 La Correlazione canonica. Cenni sulla Correlazione canonica per dati qualitativi.
4 Problemi numerici di minimo e massimo, vincolati e non, che danno luogo alla risoluzione di equazioni
trascendenti.
4 Metodi di ottimizzazione e loro applicazioni in ambito statistico per funzioni ad uno o più parametri.
Metodi di ricerca diretta e metodi basati sul gradiente.
4 Le tecniche di Simulazione in Statistica. Il metodo Montecarlo.

2 Analisi di modelli di analisi della varianza in R con particolare riferimento al problema dei confronti multipli.
Analisi di alcuni casi studio.
2 L'analisi dei gruppi in ambiente R. Analisi di alcuni casi studio.
2 L'Analisi discriminante in ambiente R. Analisi di alcuni casi studio.
2 L'Analisi delle corrispondenze in ambiente R. Analisi di alcuni casi studio.
2 La Correlazione canonica in ambiente R. Analisi di alcuni casi studio.
2 Analisi di alcuni casi studio su cui poter applicare diverse tecniche di analisi statistica multivariata.
2 Esempi di equazioni trascendenti e algoritmi e funzioni per la risoluzione in ambiente R.
2 Risoluzione di problemi di ottimizzazione (min/max) che danno luogo ad equazioni non risolvibili in forma chiusa
in ambito statistico. Implementazione di algoritmi e funzioni in ambiente R.
4 Studi di simulazione in ambiente R. Simulazioni di distribuzioni
campionarie di alcuni stimatori ottenute estraendo campioni da diverse v.c.
Stima del valore atteso e della varianza di tali stimatori e confronto in termini di non distorsione ed
efficienza.
4 Lavori di gruppo, risoluzione di problemi e presentazione di report con discussione in aula sui risultati ottenuti.

L'esame consiste nella predisposizione di un report statistico, basato sull'analisi
di un insieme di dati col software R, cui segue un colloquio orale per presentare
e commentare i risultati ottenuti. La Commissione giudicatrice sara' presieduta
dal docente titolare dell’insegnamento e da almeno un altro docente del
medesimo settore scientifico-disciplinare.
La prova orale mira ad accertare l'apprendimento dello studente; questa
consistera' in almeno due domande finalizzate a graduare la valutazione delle
conoscenze, competenze, abilita' e trasversalita' con gli argomenti dei corsi
seguiti precedentemente, possedute dallo studente, nonche' la sua capacita' di
trasmetterle con idoneo linguaggio statistico. La soglia della sufficienza sara'
raggiunta quando lo studente avra' mostrato conoscenza e comprensione degli
argomenti svolti almeno nelle linee generali (definizione dei concetti). Quanto
piu', invece, l’esaminando avra' dato evidenza delle sue capacita' argomentative
ed espositive, nonche' di proprieta' di linguaggio statistico, tanto piu' la
valutazione sara' positiva.
La valutazione finale dell’esame prendera' in considerazione tre aspetti: i) la
padronanza degli argomenti; ii) la capacita' di applicazione delle conoscenze e
iii) la proprieta' di linguaggio.
La valutazione finale terra' conto anche dei fattori di contesto dell’esame, come
ad esempio la partecipazione attiva durante le lezioni e le esercitazioni, nonché
della presenza di disturbi specifici dell'apprendimento e di eventuali altre
disabilità.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente.

Il materiale didattico (dispense, slide, esercizi svolti e codici in linguaggio R)
viene fornito dal docente e reso disponibile online tramite il Portale della
didattica. Per maggiori approfondimenti si indicano le seguenti fonti
bibliografiche:
The teaching material (handouts, slides, exercises and codes in R language) is
provided by the teacher and can be downloaded online by the Teaching Portal.
For further details, the following bibliographic sources are indicated:

• B. Everitt, S. Landau, M. Leese, D. Stahl (2011) Cluster Analysis, 5° ed, Wiley.
  ISBN: 978-0-470-74991-3;
• A. C. Rencher (2002) Methods of Multivariate Analysis, 2° dd., Wiley. ISBN:
  0-471-41889-7;
• J.F. Hair, W.C. Black, B.J. Babin, R.E. Anderson (2014), Multivariate Data
  Analysis, 7° ed, Pearson. ISBN 10: 1-292-02190-X, ISBN 13:
  978-1-292-02190-4;
• B.S. Everitt (1987) Introduction to Optimization Methods and their Application
  in Statistics, Chapman and Hall. ISBN-13: 978-94-010-7917-4;
• M. Chiodi (2000) Tecniche di Simulazione in Statistica, RCE;
• W.N. Venables, B.D. Ripley (2002) Modern Applied Statistics with S, Springer.
  ISBN: 978-0-387-95457-8;
• B. Everitt (2005) An R and S-PLUS Companion to Multivariate Analysis,
  Springer. ISBN: 978-1-85233-882-4.

Lo studente alla fine del corso dovrebbe essere in grado di: 1. riconoscere e
descrivere le caratteristiche essenziali della regressione logistica a risposta
dicotomica e politomica; 2. riconoscere e descrivere le caratteristiche essenziali
dei dati di sopravvivenza con gli "strumenti statistici di sopravvivenza piu'
comuni"; 3. riconoscere e interpretare in termini matematici, probabilistici e
statistici gli oggetti piu' comuni (funzione hazard, funzione di sopravvivenza e
hazard cumulato); 4. elaborare e interpretare in maniera elementare un modello
di regressione di Cox. Inoltre deve essere in grado di utilizzare fogli elettronici e
il software statistico SAS.

2 Introduzione al corso. Illustrazione del programma: obiettivi
2 Introduzione alle tipologie di dati (prospettivo contro retrospettivo, aggregato contro individuale, survey contro
sperimentale, longitudinali contro puntuali), Principali misure di associazione in dati rappresentati in tabelle di
contingenza. Data analysis
4 La rappresentazione dei dati multidimensionali. Richiami modello di regressione logistica.
2 Costruzione del dato attraverso un’indagine e utilizzo di dati rilevati da altri (indagine fondamentali in campo
medico, sociale, demografico)
2 Data analysis e tecniche di categorizzazione
2 Interazione: definizione, forme funzionali e analisi grafica.
2 Bonta' di adattamento di un modello di regressione logistica: calcolo della deviance. Applicazioni.
Software: SAS
7 Modelli multinomiali. Proportional odds.Partial proportional Odds. Applicazioni in campo sociale e medico.
Sotware: SAS
2 Analisi dei dati di sopravvivenza: introduzione e caratteristiche
6 I principali oggetti dell’analisi dei dati di sopravvivenza. La funzione di sopravvivenza, hazard, hazard cumulato
(nel continuo e nel discreto) e la speranza di vita.
8 Metodi non parametrici (lo stimatore attuariale e lo stimatore di Kaplan-Meier), Test per il confronto di due
funzioni di sopravvivenza. Test log rank e Gehan
9 Metodi semiparametrici (metodo grafico e per la verifica della proporzionalita' tra i rischi, il
modello di Cox,
costruzione della funzione di verosimiglianza parziale, interpretazione dei coefficienti di regressione, della
baseline e della funzione di sopravvivenza).

4 calcolo verosimiglianza parziale con 1 variabile dummy con excel. Massimizzazione con newton raphson con
excel
3 Tecniche per l’aggregazione di categorie: metodo di Irwin-Lancaster, statistiche test X2 e G2
4 Interazione e aggregazioni di categorie. Analisi grafica per l’individuazione dell’interazione. software: excel +
sas
3 Applicazioni al modello di regressione logistica (stima dei parametri, deviance e bonta' adattamento). Software:
excel e R
4 Modello di regressione logistica, modelli multinomiale e modelli loglineari. Software: SAS
6 Calcolo funzione di sopravvivenza, hazard, hazard cumulato (nel continuo e nel discreto) e speranza di vita.
Software: excel e SAS
6 Verifica grafica e analitica proporzionalita' tra i rischi per l’applicazione del modello di Cox, costruzione della
funzione di verosimiglianza parziale, interpretazione dei coefficienti di regressione, della baseline e della
funzione di sopravvivenza. Software: Excel, R e SAS
6 Lo stimatore attuariale e lo stimatore di Kaplan-Meier. Calcolo SE. Calcolo Hazard puntuale e intervallare.
calcolo hazard cumulato. Test per il confronto di due funzioni di sopravvivenza. Test log rank e Gehan.
Software: Excel, SAS e R

La valutazione dell'apprendimento avviene attraverso una prova scritta e un
colloquio orale, subordinato al superamento della prova scritta. La prova in
itinere sara' stabilita a discrezione del docente e in accordo con gli studenti
frequentanti. Per gli studenti con disabilità e neurodiversità saranno garantiti gli
strumenti compensativi e le misure dispensative individuate, dal CeNDis -
Centro di Ateneo per la disabilità e la neurodiversità, in base alle specifiche
esigenze e in attuazione della normativa vigente.
PROVA SCRITTA
La prova scritta (anche in itinere) mira a rilevare le conoscenze e le abilita'
possedute dallo studente, anche informatiche (Excel e SAS), e la sua capacita'
di commentare i dati reali. La prova, della durata totale massima di 3 ore
prevede da 4 a 5 quesiti di natura pratica e/o teorica, a risposta aperta. Per la
prova in itinere il tempo sara' di 90 minuti e avra' la medesima struttura.
La soglia di sufficienza (18-21) e' raggiunta se lo studente mostra un utilizzo
sufficiente delle conoscenze di base in termini esecutivi. La soglia 21-24 e'
raggiunta quando i quesiti sono svolti tutti ma presentano imprecisioni di calcolo
e interpretazione. La soglia 24-27 viene assegnata quando il compito e' svolto in
ogni sua parte, dimostrando una conoscenza approfondita (sa dimostrare
proprieta' con un adeguato formalismo), mentre la votazione da 28 a 30 e lode
viene raggiunta quando alle caratteristiche precedenti si aggiunge la capacita' di
spaziare e generalizzare con altri ambiti della statistica ed e' in grado di leggere
i dati, le formule e i risultati in termini statistico-matematici e in termini
sostanziali.
Nelle prove sara' richiesta la conoscenza di SAS, da saper applicare per l'analisi
di dati reali
PROVA ORALE
La prova orale mira ad approfondire l'elaborato scritto e la valutazione
dell'apprendimento dello studente. Questa consistera' in almeno due domande
finalizzate a valutare la capacita' dello studente di formulare giudizi sia qualitativi
che quantitativi sui concetti fondamentali del corso.
METODO DI VALUTAZIONE FINALE
La valutazione finale dell’esame prendera' in considerazione tre aspetti: i) la
padronanza degli argomenti; ii) la capacita' di applicazione delle conoscenze e
iii) la proprieta' di linguaggio, valutati nel complesso della prova scritta e orale. Il
docente avra' anche la possibilita' di tenere conto dei fattori di contesto
dell’esame (come ad esempio la partecipazione attiva durante le lezioni e le
esercitazioni, oppure la presenza di qualche disabilita') ai fini della
determinazione dell'esito della prova. Entrambe le prove (scritta e orale) sono
valutate in trentesimi e si ritengono superate con una votazione minima di
18/30.
Il livello di conoscenza del SAS accertato durante le prove utile per
l'acquisizione della certificazione SAS deve essere almeno sufficiente.
Per gli studenti con disabilità e neurodiversità saranno garantiti gli strumenti
compensativi e le misure dispensative individuate, dal CeNDis - Centro di
Ateneo per la disabilità e la neurodiversità, in base alle specifiche esigenze e in
attuazione della normativa vigente

Agresti A. (1990) An Introduction to Categorical Data Analysis, Wiley (pp.1 e 2.1)
Collett D. (1999), Modelling binary data. Chapman & Hall. (capp 3 e 7)
Stokes M., Davis C.S., Koch G.G (2012) Categorical Data Analysis Using
SAS®, Third Edition,(cap.9) SAS Institute
Collett D. (1994), Modelling survival data in medical research, Chapman & Hall.
(capp.1,2,3 e 5.1 e 5.2)
Kleinbaum (1996) Survival Analysis – A Self learning text, Springer (capp 1,2,3
e 4)
Attanasio M. Dispense sull’aggregazione di categorie e collassamento di
variabili.
Dispense di Statistica Sanitaria (a cura di F.Aiello, M.Attanasio e L.Librizzi).
Universita' di Palermo.