Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Francesca MARIANI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM01] SCIENZE ECONOMICHE E FINANZIARIE (Curriculum: ANALISTA FINANZIARIO) Master Degree (2 years) - [EM01] SCIENZE ECONOMICHE E FINANZIARIE (Curriculum: ANALISTA FINANZIARIO)
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 66
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: SECS-S/01 - STATISTICA
ITALIANO
Italian
Si considerano acquisite le nozioni base di algebra, analisi matematica, calcolo delle probabilità e analisi statistica descrittiva.
Students are strongly advised to acquire the basic notions of algebra, mathematical analysis, probability, descriptive statistics.
Il corso si articolerà in lezioni teoriche e esercitazioni. Saranno inoltre previste delle sessioni di laboratorio dedicate all’utilizzo del software statistico R.
The course will consist of lectures and exercises. There will also be laboratory sessions dedicated to the use of the statistical software R.
Il corso ha l’obiettivo di fornire adeguata conoscenza delle principali tecniche di inferenza statistica e delle relative strategie computazionali.
Capacità di applicare conoscenze e comprensione.
Il corso si propone di sviluppare la capacità di analizzare problemi di inferenza statistica, implementare le analisi usando il software R, interpretare e descrivere i risultati delle analisi effettuate.
Competenze trasversali.
Il corso si propone di sviluppare un approccio critico e analitico nell’analisi statistica di problemi economico-finanziari attraverso lo sviluppo di progetti individuali e di gruppo.
Knowledge and Understanding.
The course will give a knowledge of the main of the main inference techniques statistics and related computational strategies.
Capacity to apply Knowledge and Understanding.
The course aims to develop the ability to analyze problems of statistical inference, implement the analyses using R software, interpret and describe the results of the performed analyses.
Transversal Skills.
The course aims to develop a critical and analytical approach to statistical analysis of economic and financial problems through the development of individual and group projects.
1. Elementi di calcolo delle probabilità.
2. Introduzione all’uso del linguaggio R.
3. Variabili casuali discrete e continue.
4. Vettori aleatori discreti e continui.
5.Trasformazioni di variabili aleatorie.
6. Campionamento casuale.
7. Statistiche e distribuzioni campionarie.
8. Stima puntuale.
9. Intervalli di confidenza.
10. Verifica di ipotesi parametriche.
11. Regressione lineare.
1. Elements of probability theory.
2. Introduction to R language.
3. Discrete and continuous random variables.
4. Discrete and continuous random vectors.
5. Transformations random variables.
6. Casual sampling.
7. Statistics and sample distributions.
8. Point estimation.
9. Interval estimation.
10. Hypothesis testing.
11. Linear regression.
L’esame consiste in una prova scritta, articolata in domande di teoria ed esercizi e in una tesina che illustra un progetto di analisi dati realizzato con il software R. Laddove lo riterrà opportuno, il docente può procedere ad una successiva prova orale. 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 dovranno dimostrare di avere acquisto una solida conoscenza dei principali concetti di probabilità e di inferenza statistica e di avere compreso come utilizzare tali nozioni attraverso esercizi ed applicazioni pratiche.
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. È prevista l’assegnazione del massimo dei voti con lode (30 e lode).
Criteri di attribuzione del voto finale.
Il voto verrà attribuito sulla base della prova scritta e della tesina. La prova scritta si compone di esercizi e può contenere domande di teoria. Il voto finale è una media ponderata dei voti conseguiti nella prova scritta e nella tesina.
Learning Evaluation Methods.
The final exam consists in a written exam, including questions and exercises and in a short report illustrating a data analysis project created with the R software. Where deemed appropriate, the teacher can proceed to a subsequent oral examination. 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 required to have acquired a solid knowledge of the main concepts of probability and statistical inference and to have understood how to apply these notions through practical exercises and applications.
Learning Measurement Criteria.
The exam is worth thirty points. A passing grade is 18 or above. Possibly, a special mention (cum laude) can be awarded.
Final Mark Allocation Criteria.
The final mark will be determine based on the written exam and the short report. The written exam consists of exercises and may contain theory questions. The final mark is a weighted average of the marks obtained in the written test and in the short report.
Mood A. M., Graybill F. A., Boes D. C., Introduzione alla statistica, McGraw-Hill, 1991, Milano. ISBN: 9788838606618
Piazza E. L., Probabilità e statistica. Appunti di teoria ed esercizi svolti, Esculapio, 2014, Bologna.
ISBN: 8874887019
Ieva F., Masci C., Paganoni A.M., Laboratorio di statistica con R, Pearson, 2016, Milano. ISBN 8891901520
Per esercizi:
Maravalle M., Benedetti E., Coccia M., Esercizi di statistica svolti dal manuale di Mood, Graybill, Boes, McGraw-Hill, Milano, 1996. ISBN: 8838607214
Petrone S., Esercizi di inferenza statistica, Schonenfeld & Ziegler, 2003. ISBN: 8888412158
Mira A., Petrone S., Esercizi di calcolo delle probabilità, Schonenfeld & Ziegler, 2004. ISBN: 8888412212
Carota C., Corielli F., Petrone S., Esercizi di calcolo delle probabilita' e statistica inferenziale, Schonenfeld & Ziegler, 2001. ISBN: 9788888412047
Giorgetti M., Mazzola E., Probabilità e statistica matematica, Pearson, 2010. ISBN: 887192584X
Ulteriore materiale verrà reso disponibile sulla piattaforma e-learning del corso.
Mood A. M., Graybill F. A., Boes D. C., Introduzione alla statistica, McGraw-Hill, 1991, Milano. ISBN: 9788838606618
Piazza E. L., Probabilità e statistica. Appunti di teoria ed esercizi svolti, Esculapio, 2014, Bologna. ISBN: 8874887019
Ieva F., Masci C., Paganoni A.M., Laboratorio di statistica con R, Pearson, 2016, Milano. ISBN 8891901520
Workbooks:
Maravalle M., Benedetti E., Coccia M., Esercizi di statistica svolti dal manuale di Mood, Graybill, Boes, McGraw-Hill, Milano, 1996. ISBN: 8838607214
Petrone S., Esercizi di inferenza statistica, Schonenfeld & Ziegler, 2003. ISBN: 8888412158
Mira A., Petrone S., Esercizi di calcolo delle probabilità, Schonenfeld & Ziegler, 2004. ISBN: 8888412212
Carota C., Corielli F., Petrone S., Esercizi di calcolo delle probabilita' e statistica inferenziale, Schonenfeld & Ziegler, 2001. ISBN: 9788888412047
Giorgetti M., Mazzola E., Probabilità e statistica matematica, Pearson, 2010. ISBN: 887192584X
Additional materials will be available on the e-learning platform of the course.
https://learn.univpm.it
Parte del corso verrà erogata in modalità e-learning Blended (Art. 4, Regolamento e-learning UNIVPM).
https://learn.univpm.it
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