Insegnamento METODI STATISTICI PER L'ANALISI DEI RISCHI AZIENDALI
| Nome del corso di laurea | Amministrazione, finanza e controllo |
|---|---|
| Codice insegnamento | A004840 |
| Sede | PERUGIA |
| Curriculum | Accounting & business administration |
| Docente responsabile | Francesco Bartolucci |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2025 |
| Erogato | Erogato nel 2025/26 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Discipline statistiche e matematiche |
| Settore | SECS-S/01 |
| Anno | 1 |
| Periodo | Secondo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | ITALIANO |
| Contenuti | Strumenti di statistica inferenziale applicati al contesto aziendale. Il modello di regressione semplice e multiplo. L’analisi di dati categoriali. Il modello di regressione logistica semplice e multiplo. Il Credit Scoring come strumento di valutazione di un’azienda. |
| Testi di riferimento | G. Cicchitelli, P. D’Urso e M. Minozzo, Statistica - Principi e metodi (quarta edizione), Pearson, Milano, 2022. Dispense a cura del docente estratte dal libro: E. Stanghellini, Introduzione ai metodi statistici per il credit scoring, Springer, 2009. |
| Obiettivi formativi | La moderna gestione aziendale richiede familiarità con strumenti avanzati di analisi quantitativa delle grandezze micro e macro-economiche. Gli studenti saranno in grado di completare analisi di dati aziendali multidimensionali e di interpretare correttamente le grandezze statistiche rilevanti. |
| Prerequisiti | Per completare con successo il modulo gli studenti dovranno possedere le conoscenze di base della statistica descrittiva e inferenziale. |
| Metodi didattici | Le lezioni si svolgono in quattro ore settimanali. Ampio spazio sarà dedicato alle analisi di dati aziendali mediante il software statistico R. |
| Altre informazioni | Studenti Erasmus o in scambio con programmi internazionali sono benvenuti. |
| Modalità di verifica dell'apprendimento | La verifica dell’apprendimento sarà effettuata mediante una prova scritta che si compone di quattro domande, due teoriche e due pratiche. Le domande teoriche verteranno sulle strumentazioni statistiche mentre le domande pratiche consisteranno nella interpretazione dell’output tipico di un software di analisi dei dati statistici. |
| Programma esteso | Richiami di inferenza statistica: stima puntuale; stima per intervallo; verifica delle ipotesi. Il modello di regressione semplice: assunzioni di base; metodo dei minimi quadrati; indice di determinazione; stima di massima verosimiglianza dei parametri; intervalli di confidenza; verifica delle ipotesi sui parametri; esempi di applicazione in R a casi aziendali. Il modello di regressione multipla: assunzioni di base; formulazione del modello con la notazione matriciale; metodo dei minimi quadrati; indice di determinazione multipla; stima di massima verosimiglianza dei parametri; intervalli di confidenza; verifica delle ipotesi sui parametri; cenni di diagnostica sul modello; esempi di applicazione in R a casi aziendali. Strumenti di analisi di dati categoriali: verifica d’ipotesi e intervalli di confidenza per proporzioni due o più popolazioni; esempi di applicazione in R a casi aziendali. Il modello di regressione logistica: assunzioni di base; formulazione del modello e interpretazione dei parametri; stima di massima verosimiglianza (cenni); intervalli di confidenza e verifica d’ipotesi sui parametri; esempi di applicazione in R a casi aziendali. Il Credit Scoring: concetti introduttivi e principali metodi di analisi. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile | L'insegnamento contribuisce al raggiungimento dell'Obiettivo n. 4, in quanto fornisce strumenti per l'analisi dei dati nel campo del management e della gestione aziendale, particolarmente importanti nell'epoca dei BIG DATA. |