Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W000386] - STATISTICA MULTIVARIATA CON RR-APPLICATIONS OF MULTIVARIATE STATISTICS
Maria Cristina RECCHIONI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM01] SCIENZE ECONOMICHE E FINANZIARIE (Curriculum: SCIENZE ATTUARIALI E ASSICURATIVE) Master Degree (2 years) - [EM01] SCIENZE ECONOMICHE E FINANZIARIE (Curriculum: SCIENZE ATTUARIALI E ASSICURATIVE)
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2019-2020
Anno regolamentoAnno regolamento: 2018-2019
Opzionale
Crediti: 6
Ore di lezioneTeaching hours: 44
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: SECS-S/03 - STATISTICA ECONOMICA

LINGUA INSEGNAMENTO LANGUAGE

ITALIANO

Italian


PREREQUISITI PREREQUISITES

Si presuppone la conoscenza della Statistica descrittiva e di quella inferenziale

Descriptive statistics, basic concepts of probability, testing hypotheses, basic concepts of statistical inference.


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

Il corso sarà svolto sia mediante lezioni frontali sia mediante applicazioni presso il laboratorio di informatica

The course is organized into 33 lectures of two hours each, including in-person lectures and applications on the computer.


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

Il corso si propone di fare apprendere l'uso teorico ed empirico di strumenti di statistica per la valutazione di macro e micro aggregati economici e fenomeni finanziari.


Capacità di applicare conoscenze e comprensione.

Al termine del corso gli studenti saranno in grado di scegliere in modo adeguato le tecniche di statistica e valutarne la loro applicabilità ai vari problemi. Saranno, inoltre, in grado di redigere programmi nel linguaggio R per effettuare le opportune applicazioni.


Competenze trasversali.

Le applicazioni pratiche presso il laboratorio di informatica consentiranno agli studenti di migliorare la loro autonomia e la loro capacità critica.


Knowledge and Understanding.

The course aims to provide students with theoretical and empirical approaches to analyze aggregate and financial macro- and microeconomic phenomena.


Capacity to apply Knowledge and Understanding.

At the end of the course, students will be able to adequately select and apply statistical techniques to analyze economic and financial datasets in order to solve problems in economics and finance, also with the use of R code.


Transversal Skills.

Practical exercises will allow
students to improve their autonomy and critical abilities.



PROGRAMMA PROGRAM

1. Richiami di algebra delle matrici.
2. Introduzione all’uso del linguaggio R.
3. Analisi multivariata dei dati
3.1. Analisi delle componenti principali.
3.2. Regressione multipla.
3.3 Cluster Analysis
3.4. Regressione logistica e regressione di Cox
3.5. Analisi discriminante
3.6. Introduzione alla machine learning

1. Basic concepts of linear algebra.
2. Introduction to the R programming language.
3. Multivariate data analysis
3.1 Principal component analysis
3.2 Multiple regression.
3.3 Cluster analysis.
3.4 Logistic regression and Cox regression.
3.5 Discriminant analysis.
3.6 Introduction to machine learning


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

L’esame consiste in una prova scritta e una tesina in cui gli studenti devono elaborare una dataset utilizzando codici implementati in R. La tesina deve includere un esempio di applicazione di Machine learning. Nel compito sono previsti
esercizi e domande brevi con l’obiettivo di verificare l'apprendimento
degli argomenti trattati e l’effettiva capacità di applicare le conoscenze
acquisite. Durante la prova scritta non è ammessa la consultazione di
alcun materiale di supporto.


Criteri di valutazione dell'apprendimento.

Nella prova scritta gli studenti dovranno dimostrare di aver acquisito una solida conoscenza dei temi svolti nelle lezioni e di saper utilizzare la corrispondente strumentazione statistica.


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.


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.


Learning Evaluation Methods.

The final examination consists of a written test and a short report which analyzes a dataset using R codes. The empirical analysis includes an application of machine learning.The written test consists of short exercises and questions designed to assess the learning of the topics covered and the student’s actual ability to apply the knowledge acquired. Supporting materials may not be consulted during the written exam.


Learning Evaluation Criteria.

During the written exam, students must demonstrate solid knowledge of the topics and methods for functions of one variable. The ability to apply the acquired knowledge is evaluated by solving the assigned problems.


Learning Measurement Criteria.

The exam is worth thirty points. A passing grade is 18 or above.


Final Mark Allocation Criteria.

The final score is determined based on the written exam: the sum of the scores obtained on the individual exercises and the short report on the data analysis. The score of each exercise is awarded based on its difficulty.



TESTI CONSIGLIATI RECOMMENDED READING

P.J. HEWSON, Multivariate Statistics with R, scaricabile dal web.
B. BRACALENTE M.COSSIGNANI A. MULAS, Statistica aziendale , McGraw-Hill, 2009.
A. DE LILLO G. ARGENTIN M. LUCCHINI S. SARTI M.TERRANEO,Analisi multivariata per le Scienze sociali.Ed. Pearson Paravia Bruno Mondatori, 2007.
G. ESPA R.MICCIOLO, Analisi esplorativa dei dati con R, Ed. APOGEO, Milano, 2012

P.J. HEWSON, Multivariate Statistics with R, available on the web.
B. BRACALENTE M.COSSIGNANI A. MULAS, Statistica aziendale , McGraw-Hill, 2009.
A. DE LILLO G. ARGENTIN M. LUCCHINI S. SARTI M.TERRANEO,Analisi multivariata per le Scienze sociali.Ed. Pearson Paravia Bruno Mondatori, 2007.
G. ESPA R.MICCIOLO, Analisi esplorativa dei dati con R, Ed. APOGEO, Milan, 2012


E-LEARNING E-LEARNING

http://lms.econ.univpm.it

http://lms.econ.univpm.it


Scheda insegnamento erogato nell’A.A. 2019-2020
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2019-2020

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427