Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Mariateresa CIOMMI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM12] MANAGEMENT DELLA SOSTENIBILITA' ED ECONOMIA CIRCOLARE Master Degree (2 years) - [EM12] SUSTAINABILITY MANAGEMENT AND CIRCULAR ECONOMY
Dipartimento: [040018] Dipartimento di ManagementDepartment: [040018] Dipartimento di Management
Anno di corsoDegree programme year : 1 - Secondo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2021-2022
Obbligatorio
Crediti: 6
Ore di lezioneTeaching hours: 44
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: SECS-S/03 - STATISTICA ECONOMICA
Italiano
Italian
Statistica descrittiva univariate e bivariata. Concetti inferenziali basilari (campioni, statistiche, stimatori).
Univariate and bivariate descriptive statistics. Most relevant inferential concepts (samples, statistics, estimators).
Si prevedono lezioni teoriche e pratiche, durante le quali gli studenti analizzeranno e sintetizzeranno una serie di dataset incentrati sull’ambiente e la sostenibilità. Le analisi computerizzate verranno eseguite anche nel laboratorio PC utilizzando i software R e PAST
The course will be taught through theoretical lessons and hands-on classes, during which the students analyse and synthesize several datasets focused on environmental and sustainability research. Computer-based analyses will be also performed in the PC-lab using the open-source software R and PAST
Gli studenti acquisiranno una buona conoscenza degli strumenti statistici trattati nel corso, nonché la capacità di analizzare set di dati ambientali e di sostenibilità utilizzando tecniche statistiche appropriate.
Capacità di applicare conoscenze e comprensione.
Lo studente deve essere in grado di studiare e comprendere come utilizzare il software statistico per analizzare i set di dati e preparare report.
Competenze trasversali.
Le discussioni e le applicazioni pratiche che avranno luogo durante il corso consentiranno agli studenti di migliorare la loro autonomia e le loro capacità analitiche e comunicative.
Students will acquire a good understanding of the statistical tools covered in the course as well as the ability to analyse economic and business datasets using appropriate statistical techniques.
Capacity to apply Knowledge and Understanding.
The student must be able to study and to understand how to use statistical software for analysing datasets and preparing reports.
Transversal Skills.
The discussions as well as the practical applications that will take place during the course will enable students to enhance their autonomy and their analytical and communicative skills
-Analisi Multivariata:
* Regressione lineare
* Analisi dei clusters
- Introduzione alla geostatistica
- Il problema della costruzione degli indicatori
- Multivariate analysis:
* Linear regression
* Cluster analysis
- Introduction to geostatistics
- The problem of constructing indicators
Prova scritta sulle tematiche metodologiche discusse durante il corso e un elaborato pratico tramite software informatico (non obbligatorio) basato sull'analisi di un set di dati reali.
Partecipazione in classe: Sono previste esercitazioni settimanali al laboratorio informatico. Periodicamente verranno inoltre assegnati esercizi da svolgere autonomamente.
Criteri di valutazione dell'apprendimento.
Gli studenti saranno valutati per la loro conoscenza e comprensione degli strumenti statistici più rilevanti per l'analisi ambientale, nonché nella loro capacità di applicarli a problemi e contesti empirici.
Criteri di misurazione dell'apprendimento.
Il voto finale è attribuito in trentesimi. L’esame si intende superato se il voto è pari o superiore a 18. Ad esami particolarmente brillanti sarà attribuita la lode.
Criteri di attribuzione del voto finale.
Il voto finale viene attribuito sulla base del compito scritto, come somma dei punteggi ottenuti sui singoli esercizi e il voto della tesina sull’analisi dei dati. Il punteggio di ogni esercizio viene assegnato sulla base della difficoltà dello stesso.
Examination: Written exam concerning the methodological issues discussed during the course and a computer-based practical assignment (not mandatory) based on the analysis of a real data set.
Class participation: Weekly computer-based exercises will be also performed in the PC-lab. Weekly home-works will be assigned.
Learning Evaluation Criteria.
Students will be evaluated in their knowledge and understanding of the most relevant statistical tools for business analysis as well as in their ability to apply them to empirical problems and settings.
Learning Measurement Criteria.
Positive grades: from 18 to 30. Cum laude can be bestowed to outstanding performance.
Final Mark Allocation Criteria.
The final grade is awarded on the basis of the written test, as the sum of the scores obtained on the individual exercises and the grade of the thesis on data analysis. The score of each exercise is assigned on the basis of its difficulty.
- NEWBOLD P., CARLSON W. L., THORNE B., Statistica 2/Ed, Pearson Education Italia, 2010. [Ch. 12-14-15]
- R.A. JOHNSON, D.W. WICHERN “Applied multivariate statistical analysis” Pearson International Edition (Ch. 12)
- CIOTOLI, G., FINOIA, M. G. Dalla statistica alla geostatistica. Introduzione all’analisi dei dati Geologici e ambientali. Aracne Editrice, 2005.
- SALVATI L. Analisi, rappresentazione, interpretazione - introduzione alla statistica economica e all'analisi dei dati Kappa, Roma, 2020
- OECD (2008) “Handbook on Constructing
Composite Indicators. Methodology and user
guide”. Disponibile al seguente indirizzo: http://www.oecd.org/std/42495745.pdf
- MAGGINO F. (2017) “From indicators to their synthesis. Methodological issues in the
construction of complex indicators”. Disponibile al seguente indirizzo:
https://www.unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.42/2017/Seminar/Session_7_University_of_Rome.pdf
- Materiale aggiuntivo sarà disponibile sulla pagina e-learning del corso.
- NEWBOLD P., CARLSON W. L., THORNE B., Statistica 2/Ed, Pearson Education Italia, 2010. [Ch. 12-14-15]
- R.A. JOHNSON, D.W. WICHERN “Applied multivariate statistical analysis” Pearson International Edition (Ch. 12)
- CIOTOLI, G., FINOIA, M. G. Dalla statistica alla geostatistica. Introduzione all’analisi dei dati Geologici e ambientali. Aracne Editrice, 2005.
- SALVATI L. Analisi, rappresentazione, interpretazione - introduzione alla statistica economica e all'analisi dei dati Kappa, Roma, 2020
- OECD (2008) “Handbook on Constructing
Composite Indicators. Methodology and user
guide” Available here: http://www.oecd.org/std/42495745.pdf
- MAGGINO F. (2017) “From indicators to their synthesis. Methodological issues in the
construction of complex indicators”. Available here: https://www.unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.42/2017/Seminar/Session_7_University_of_Rome.pdf
- Additional material will be available in the e-learning web page.
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2021-2022
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427