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
  • David Aristei
Ore
  • 63 Ore - David Aristei
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
Condividi su