Insegnamento BUSINESS STATISTICS
| Nome del corso di laurea | Economia e management |
|---|---|
| Codice insegnamento | A004835 |
| Sede | PERUGIA |
| Curriculum | International business |
| Docente responsabile | Barbara Guardabascio |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2024 |
| Erogato | Erogato nel 2024/25 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Statistico-matematico |
| Settore | SECS-S/03 |
| Anno | 1 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Inglese |
| Contenuti | La crescente disponibilità di grandi mole di dati in modo sempre rapido e tempestivo, propria della società dell'informazione, ha fatto emergere la necessità di disporre di metodologie e strumenti adeguati ai processi decisionali di tipo quantitativo nell'ambito delle applicazioni di Business, Management e Marketing. Il corso di Business Statistics si propone di fornire la conoscenza delle principali metodologie statistiche adottate per l’analisi dei dati aziendali e utili a supportare le decisioni manageriali. I dati possono essere di fonte interna all'azienda, come ad esempio quelli riguardanti la clientela o gli utenti, oppure possono derivare da apposite ricerche di mercato o indagini statistiche condotte dall’azienda medesima. La presenza di dati di natura differente (qualitativi e quantitativi) prevede che lo studente acquisisca capacità adeguate che gli consentano di giustificare la logica sottostante l'adozione di una specifica tecnica di analisi e di formulare, in modo critico e rigoroso, ragionamenti sui principali aspetti economici ed aziendali ricavando informazioni sintetiche a supporto delle decisioni e della gestione delle situazioni di rischio aziendale. I metodi statistici presentati spaziano dalle tecniche di campionamento per rilevare dati di interesse aziendale, ai modelli di regressione per analizzare le cause dei fenomeni aziendali e fare previsioni. La presentazione dei metodi è accompagnata da esempi e casi aziendali. Sono inoltre previste esercitazioni su dati aziendali. |
| Testi di riferimento | Statistics for Marketing and Consumer Research, Mario Mazzocchi, SAGE Publications Ltd |
| Obiettivi formativi | Entro la fine del corso gli studenti dovrebbero: Conoscere le nozioni teoriche fondamentali della statistica adottata nelle decisioni aziendali. Acquisire le principali tecniche di indagine e sapere organizzare, sintetizzare e rappresentare graficamente un dataset. Saranno inoltre in grado di formulare e condurre semplici procedure inferenziali e analisi di regressione su piccoli set di dati. Produrre e interpretare analisi statistiche di base. Gli obiettivi del corso, quindi, comprendono la capacità di riconoscere le diverse tipologie di dati aziendali e di selezionare tra diversi strumenti statistici quello più appropriato per il problema in esame. |
| Prerequisiti | I metodi statistici introdotti nel corso sono fortemente dipendenti dagli strumenti matematici di base, pertanto si prevede che gli studenti abbiano frequentato e completato con successo i corsi di matematica previsti. |
| Metodi didattici | Il corso si svolge attraverso lezioni frontali ed esercitazioni sull'utilizzo dei dati. Le tecniche saranno introdotte da esempi e descritte in formule matematiche. Ampio spazio sarà dato anche all'implementazione pratica di ciascuna tecnica e all'interpretazione dei risultati. |
| Altre informazioni | Si consiglia vivamente di frequentare le lezioni. Gli studenti del curriculum in Accounting e Finance non dovranno studiare l'argomento n. 5 |
| Modalità di verifica dell'apprendimento | L’esame prevede una prova scritta in presenza, della durata di 1 ora e 40 minuti, articolata in due parti: 2 domande di carattere teorico a risposta aperta e 2 esercizi. Se le future sessioni di esame saranno in modalita` mista, oltre alla prova scritta in presenza, sara` possibile sostenere l’esame in forma orale a distanza (colloquio di circa 45 minuti, articolato come la prova scritta in domande teoriche ed esercizi). Solo durante la prova scritta in presenza e` possibile consultare un formulario (contenente solo formule, senza dimostrazioni o commenti; massimo 1 foglio A4 fronte/retro). |
| Programma esteso | 1. Introduzione alla statistica aziendale e alle fonti dei dati per le analisi aziendali Le fonti di dati per le analisi aziendali: fonti primarie e fonti secondarie. La qualità dell’informazione statistica. Il Sistema Statistico Europeo (ESS) e il Sistema Statistico Nazionale (SISTAN) Le fonti statistiche secondarie interne. Presentazione delle principali fonti esterne ufficiali e non ufficiali rilevanti nelle analisi aziendali Gli indicatori congiunturali e le principali indagini Istat. Il datawarehouse I.stat lettura e download dei dati. 2. Le indagini campionarie per la rilevazione di dati di interesse aziendale L’indagine statistica e le sue fasi: formulazione degli obiettivi, individuazione della popolazione di riferimento, il campionamento statistico, individuazione e modalità di raccolta, progettazione del questionario, rilevazione dei dati, codifica e archiviazione dei dati, analisi dei dati, redazione di un rapporto di ricerca. 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. 5. Modelli a scelta binaria: i modelli logit e probit: stima, interpretazione e test. |
| Obiettivi Agenda 2030 per lo sviluppo sostenibile | 4, 8, 9, 12 |