Insegnamento STATISTICA AZIENDALE
| Nome del corso di laurea | Economia e management internazionale |
|---|---|
| Codice insegnamento | 20A00063 |
| Sede | PERUGIA |
| Curriculum | Comune a tutti i curricula |
| Docente responsabile | David Aristei |
| Docenti |
|
| Ore |
|
| CFU | 9 |
| Regolamento | Coorte 2023 |
| Erogato | Erogato nel 2023/24 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Statistico-matematico |
| Settore | SECS-S/03 |
| Anno | 1 |
| Periodo | Secondo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Italiano |
| Contenuti | Il corso è strutturato in cinque argomenti principali: 1) Introduzione alla statistica aziendale e alle fonti dei dati per le analisi aziendali 2) Le indagini campionarie per la rilevazione di dati di interesse aziendale 3) Analisi preliminari dei dati: misure di associazione 4) Il modello di regressione per l’analisi delle relazioni causali tra variabili e le previsioni aziendali 5) Modelli di regressione con variabili dipendenti binarie |
| Testi di riferimento | Testi di riferimento - Bracalente B., Cossignani M., Mulas A.: “Statistica Aziendale”, McGraw-Hill, Milano 2009 (Capitoli 1, 2, 3 (solo 3.1 e 3.3), 4. - Bracalente B. “Regressione con variabili indipendenti qualitative”, appunti integrativi al Capitolo 4 del libro di testo. Testi di consultazione e approfondimento: - Biggeri L., Bini M., Coli A., Grassini L., Maltagliati M.: “Statistica per le decisioni aziendali”, 2/Ed., Pearson, Milano 2017 Materiale didattico aggiuntivo: Il materiale didattico (dispense, esercitazioni, altro materiale di supporto) sarà progressivamente reso disponibile nella piattaforma Unistudium. |
| Obiettivi formativi | L’obiettivo del corso è quello di introdurre gli studenti alle principali metodologie statistiche per analizzare i dati aziendali e supportare le decisioni manageriali: dalle tecniche di campionamento per rilevare dati di interesse aziendale, ai modelli di regressione per analizzare le cause dei fenomeni aziendali e fare previsioni. I metodi statistici sono presentati dando ampio spazio al loro impiego nella soluzione di problemi aziendali e quindi all’interpretazione dei risultati nelle applicazioni. La presentazione dei metodi è accompagnata da esempi e casi aziendali. Sono inoltre previste esercitazioni su dati aziendali da svolgere con i software di analisi statistica. |
| Prerequisiti | Sono richieste conoscenze di base sui principali metodi di statistica descrittiva ed inferenziale. |
| Metodi didattici | Lezioni frontali ed esercitazioni pratiche |
| Altre informazioni | Per gli studenti frequentanti sono previste delle esercitazioni non obbligatorie |
| Modalità di verifica dell'apprendimento | L’esame prevede una prova scritta articolata in due parti: domande di carattere teorico ed esercizi da svolgere. È prevista una prova intermedia (facoltativa) concernente i punti del programma svolti fino alla data della prova. La prova intermedia: a) ha la stessa articolazione in domande ed esercizi della prova ufficiale; b) comporta l’esonero del relativo programma nella prova ufficiale; c) il voto conseguito fa media (ponderata) con quello della seconda parte sostenuta nella prova ufficiale; d) è valida soltanto se la prova ufficiale viene sostenuta in uno dei tre appelli della sessione estiva (giugno-luglio) immediatamente successiva al periodo del corso. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA, è possibile consultare la pagina http://www.unipg.it/disabilita-e-dsa". |
| Programma esteso | 1. Introduzione alla statistica aziendale e alle fonti dei dati per le analisi aziendali La statistica per le decisioni aziendali. Le fonti di dati per le analisi aziendali: fonti primarie e fonti secondarie. La qualità dell’informazione statistica. Le fonti statistiche secondarie interne. Presentazione delle principali fonti esterne ufficiali e non ufficiali rilevanti nelle analisi aziendali 2. Le indagini campionarie per la rilevazione di dati di interesse aziendale Tecniche di campionamento probabilistico e processo di stima dei parametri. Il campionamento casuale semplice: procedura di estrazione e calcolo degli stimatori puntuali e per intervallo. Errore campionario e determinazione della numerosità campionaria. Il campionamento sistematico. Il campionamento stratificato e le relative procedure di stima dei parametri e di costruzione degli intervalli di confidenza. Errori non campionari e relativi metodi di trattamento. Tecniche di rilevazione dei dati; lo strumento di rilevazione; tipologie di quesiti, scale di valutazione, classificazione dei caratteri statistici 3 Analisi preliminari dei dati: misure di associazione La matrice dei dati; analisi dei profili colonna: l’associazione fra coppie di caratteri statistici; indici di associazione per variabili qualitative (su scala nominale e su scala ordinale), quantitative e miste. 4. Il modello di regressione per l’analisi delle relazioni causali tra variabili e le previsioni aziendali Il modello di regressione lineare semplice: la stima dei parametri e i relativi test di significatività; variabile esplicativa dummy; il modello di regressione semplice per le previsioni aziendali. Il modello di regressione lineare multipla: richiami di algebra matriciale; la stima dei parametri e i relativi test di significatività; la bontà dell’adattamento; le variabili esplicative dummy e slope-dummy; il modello di regressione multipla per le previsioni aziendali. Analisi diagnostiche: verifica della validità delle ipotesi di linearità, omoschedasticità, incorrelazione seriale, non collinearità e relativi rimedi. 5. Modelli di regressione con variabili dipendenti binarie Il modello di probabilità lineare. Il modello di regressione logistica: stima e interpretazione dei parametri; effetti marginali; test di significatività; bontà di adattamento; previsione. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile | 4, 8, 9, 12 |