Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
STRUMENTI STATISTICI PER L'ANALISI DI DATI AZIENDALI
SCP4063306, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL METHODS AND MODELS FOR BUSINESS
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MARIANGELA GUIDOLIN SECS-S/03

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/03 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LABORATORIO 4.0 30 70.0
LEZIONE 5.0 34 91.0

Calendario
Inizio attività didattiche 02/03/2020
Fine attività didattiche 12/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: Formali:
Calcolo delle Probabilità e Statistica Progredito
Sostanziale:
Analisi dei dati (data mining)
Conoscenze e abilita' da acquisire: Il corso si propone di fornire strumenti statistici avanzati a supporto del processo di decisione aziendale.
Il corso ha una forte connotazione applicata, con una partecipazione attiva dello studente durante le settimane di lezione. E’ prevista un'intensa attività in aula informatica, con l’analisi ed il commento di diversi studi di caso.
Modalita' di esame: La prova d'esame si articola in due parti:
- Prova scritta con domande ed esercizi relativi al programma svolto a lezione.
- Lavoro di gruppo su un caso di studio prescelto dal gruppo stesso e preventivamente concordato con il docente e relativa presentazione orale.
Criteri di valutazione: La valutazione della preparazione dello studente si baserà sulla comprensione degli argomenti svolti e sulla capacità di adottare le soluzioni statistiche più idonee per l’analisi di dati reali. Autonomia e spirito critico nell’applicazione delle soluzioni sono criteri fondamentali considerati nel processo di valutazione.
Contenuti: - Le decisioni in azienda
- Modelli per le decisioni aziendali
--- Modelli per dati ordinali
--- Modelli gerarchici
--- Modelli non parametrici
--- Modelli per l'associazione di variabili (market basket analysis)
- Analisi della customer base
---Modelli per dati di rete
- Applicazioni e studi di caso: business intelligence
- Tecniche di visualizzazione
- Problematiche di privacy dei dati, General Data Protection Regulation, etica professionale nella pratica statistica.
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso verrà erogato per mezzo di lezioni frontali, esercitazioni e studi di caso in aula informatica. Considerato il taglio fortemente applicativo del corso, la frequenza alle lezioni ed esercitazioni, seppure non obbligatoria, è vivamente consigliata.
Eventuali indicazioni sui materiali di studio: Materiale didattico predisposto dal docente
Testi di riferimento:
  • Gelman, Andrew; Hill, Jennifer, Data analysis using regression and multilevel/hierarchical modelsAndrew Gelman, Jennifer Hill. Cambridge [etc.]: Cambridge University press,, --.
  • Agresti, Alan, Analysis of Ordinal Categorical Data. Hoboken: John Wiley & Sons, 2012. Cerca nel catalogo
  • Hastie, Trevor J.; Tibshirani, Robert, <<The >>elements of statistical learningdata mining, inference, and predictionTrevor Hastie, Robert Tibshirami, Jerome Friedman. New York: Springer, 2009.
  • Azzalini, Adelchi; Scarpa, Bruno, Data analysis and data miningan introductionAdelchi Azzalini and Bruno Scarpa. New York: Oxford University Press, 2012.

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Problem based learning
  • Case study
  • Working in group
  • Story telling

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture Consumo e produzione responsabili