Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Francesca MARIANI
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: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
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.
Le lezioni a contenuto teorico saranno erogate anche in streaming attraverso il collegamento via Teams alla lezione erogata in aula (modalità telematica sincrona).
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.
The theoretical lessons will also be provided in streaming through the connection via Teams.
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.
In particolare, l’insegnamento ha l’obiettivo di far conseguire allo studente i seguenti risultati di apprendimento:
- Conoscere i principali metodi di rappresentazione quantitativa di fenomeni;
- Conoscere le metodologie di analisi multivariata a supporto di analisi di dati legati alla sostenibilità di aziende e territori nonché al benessere di comunità;
- Avere conoscenze preliminari di geostatistica;
- Conoscere i principali elementi alla base del processo di costruzione di indicatori statistici
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. In particolare, dovrà:
applicare formule e modelli di analisi matematico-statistica, distinguendo i vari casi possibili, risolverli analiticamente e/o mediante simulazione su PC, integrare la struttura modellistica con considerazioni sulla reperibilità e qualità dei dati reali disponibili;
saper interpretare i risultati con particolare attenzione alla loro potenziale applicabilità;
utilizzare i principali strumenti di analisi per la previsione di scenari.
Le capacità di applicare le conoscenze sono acquisite attraverso attività svolte in aula e fuori aula. Per quanto riguarda l’attività in aula, l’acquisizione avviene attraverso esercitazioni; discussioni che prevedono l’interazione studente/docente; discussione di lavori individuali e/o di gruppo. Per quanto riguarda le attività fuori dall’aula, le capacità sono acquisite attraverso esercitazioni, homework (facoltativi) e realizzazione di elaborazioni relativi ai lavori individuali e/o di gruppo assegnati.
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.
In particular, the course aims at:
- Know the main methods of quantitative representation of phenomena;
- Know the multivariate analysis methodologies to support the analysis of data related to the sustainability of companies and territories as well as to the well-being of the community;
- Have preliminary knowledge of geostatistics;
- Know the main elements underlying the process of building statistical indicators
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. More in details, student will be able to:
- apply formulas and models of mathematical-statistical analysis, distinguishing the various possible cases, solve them analytically and / or through PC simulation, integrate the modeling structure with considerations on the availability and quality of the real data available;
- interpret the results with particular attention to their potential applicability;
- use the main analysis tools for forecasting scenarios.
The ability to apply knowledge is acquired through activities carried out in the classroom and outside the classroom. As for classroom activities, the acquisition takes place through exercises; discussions involving student / teacher interaction; discussion of individual and / or group work. As for the activities outside the classroom, the skills are acquired through exercises, homeworks (optional) and the creation of elaborations related to individual and / or group work assigned.
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.
Per gli di studenti con disabilità/invalidità o disturbo specifico di apprendimento (DSA), che abbiano fatto debita richiesta di supporto per affrontare lo specifico esame di profitto all’Info Point Disabilità/DSA dell’Ateneo, le modalità di esame saranno adattate alla luce di quanto previsto dalle linee guida di Ateneo (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
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.
For students with disabilities or Specific Learning Disability (SLD) who have contacted the University Disability/SLD Info Point to request support for the specific curricular exam, please note that the way the exam is taken can be adapted in accordance with the University Guidelines (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
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] ISBN: 8871926048
- R.A. JOHNSON, D.W. WICHERN “Applied multivariate statistical analysis” Pearson International Edition (Ch. 12) ISBN: 1292024941
- CIOTTOLI, G., FINOIA, M. G. Dalla statistica alla geostatistica. Introduzione all’analisi dei dati Geologici e ambientali. Aracne Editrice, 2005. ISBN: 8854801917
- OECD (2008) “Handbook on Constructing
Composite Indicators. Methodology and user
guide”. Disponibile al seguente indirizzo: http://www.oecd.org/std/42495745.pdf
- NEWBOLD P., CARLSON W. L., THORNE B., Statistica 2/Ed, Pearson Education Italia, 2010. [Ch. 12-14-15] ISBN: 8871926048
- R.A. JOHNSON, D.W. WICHERN “Applied multivariate statistical analysis” Pearson International Edition (Ch. 12) ISBN: 1292024941
- CIOTTOLI, G., FINOIA, M. G. Dalla statistica alla geostatistica. Introduzione all’analisi dei dati Geologici e ambientali. Aracne Editrice, 2005. ISBN: 8854801917
- OECD (2008) “Handbook on Constructing
Composite Indicators. Methodology and user
guide” Available here: http://www.oecd.org/std/42495745.pdf
https://learn.univpm.it/course/view.php?id=16270
Parte del corso verrà erogata in modalità e-learning Blended mode (Art. 4, Regolamento e-learning UNIVPM).
https://learn.univpm.it/course/view.php?id=16270
Part of the course will be delivered in Blended e-learning mode (Art. 4, UNIVPM e-learning Regulations).
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427