Quantitative methods

A.A. 2020/2021
12
Crediti massimi
80
Ore totali
SSD
SECS-S/01 SECS-S/03
Lingua
Inglese
Obiettivi formativi
The aim of this course is to provide students with practical and theoretical understanding of some of the most used multivariate statistical methods, with a particular attention to techniques useful for business and marketing applications. More specifically, the scope of the course is to give the students the necessary tools to be able to deal with simple and complex problems that a company may be facing, by using information and statistical methods suitable for the purpose, such as regression analysis, cluster analysis or principal component analysis, among the others.
Risultati apprendimento attesi
At the end of the course, students will be able to represent a dataset through tables and graphs, to summarise the relevant information using descriptive statistics, by appropriately considering eventual outliers.
Students will be acquainted with statistical models, their theoretical foundations and their correct use and interpretation.
Specifically, they will be able to choose the statistical tool suitable to a specific problem, they will learn to select a regression model for a response (dependent) variable, given a set of covariates, to estimate the parameters of the model and to use tests of hypotheses in order to answer a research question or to take decisions. They will put in practice the use of advanced descriptive tools, such as cluster analysis or principal component analysis, aimed at detecting the existence of homogeneous groups of observations or to synthesise the total information in a small number of "factors"." Through the introduction of the statistical software R, students will learn to apply the appropriate quantitative tools on various real-data scenarios and an adequate representation of the results. As part of their final exam, they will also be able to design and develop an "empirical exercise" on their own.
Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo trimestre
Nel caso in cui la situazione di emergenza sanitaria lo renda necessario, l'organizzazione del corso sarà modificata come segue

Metodi didattici
Le lezioni, sia di teoria che di laboratorio, saranno tenute in modalità sincrona attraverso la piattaforma Microsoft Teams secondo il calendario didattico.
Le lezioni saranno registrate e rese disponibili su Ariel.

Syllabus e Materiale didattico
Il contenuto del corso e il materiale didattico non subiranno variazioni. Nel caso si rendano necessarie modifiche queste saranno prontamente comunicate sul sito del corso.

Modalità di verifica dell'apprendimento e criteri di valutazione:
Il test finale relativo alla parte teorica sarà, se possibile, effettuato in presenza. Qualora ciò non fosse possibile, sarà online attraverso l'uso della piattaforma exam.net.
La seconda parte dell'esame non subirà variazioni. Qualora si renda necessaria la discussione orale di uno o più report, questa sarà organizzata online attraverso Microsoft Teams.
Prerequisiti
Gli studenti devono possedere le nozioni che si acquisiscono in un corso di statistica di base (statistica descrittiva e inferenziale) e conoscenze di un corso di matematica di base.
I seguenti argomenti sono considerati presequisiti essenziali:
Matematica:
- funzioni di una o più variabili
- successioni e serie
- limite di successione e di funzioni
- derivata, funzioni motonone e convesse/concave
- massimizzazione/minimizzazione di una funzione ad una variabile
Statistica:
- tipi di dati e loro rappresentazione
- indici di posizione e di scala,
- misure di dipendenza tra variabili qualitative (chi-quadrato) e quantitative (covarianza e correlazione)
- variabili casuali discrete e continue
- distribuzione gaussiana e binomiale
- legge dei grandi numeri e teorema centrale del limite
- campionamento casuale semplice
- Stima della media e della varianza della popolazione: media e varianza campionaria e loro proprietà
- Stima per intervalli: intervalli di confidenza per la media
- Verifica di ipotesi sulla media di una popolazione. Test d'ipotesi con varianza nota e non nota, p-value

E' inoltre consigliata qualche conoscenza di algebra lineare.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in due prove: una prova scritta, nella forma di domande a risposta multipla e/o domande aperte, relative alla parte teorica.
Una prova pratica, consistente nell'analisi di un dataset a scelta dello studente e nella stesura di un report per la presentazione dell'analisi effettuata e dei risultati ottenuti. Maggiori dettagli sulla stesura del report saranno pubblicati sul sito Ariel del corso e comunicati in classe.
Il voto finale è il risultato della media di entrambe le prove.
Module 1
Programma
Teoria:
- Introduzione al corso
- Cenni di algebra lineare
- modello di regressione lineare multipla
- analisi in componenti principali

Laboratorio:
- introduzione ad R
- statistiche di base e rappresentazioni dei dati
- modello di regressione lineare
Metodi didattici
Le lezioni si svolgono con didattica frontale, approssimativamente metà delle lezioni è dedicata all'introduzione della teoria e la restante metà all'applicazione dei metodi introdotti durante le lezioni teoriche su dati reali utilizzando il dataset R.
Materiale di riferimento
An Introduction to Statistical Learning, with Applications in R, di
Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani, Springer (2017).
Introduction to Econometrics, 4th Edition
James H. Stock, Mark W. Watson (2019).
Module 2
Programma
Teoria:
- Modelli per variabili dipendenti binarie
- Cluster analysis
- Modelli lineari per dati panel

Laboratorio:
- Analisi in componenti principali
- Stima di modelli logit e probit in R
- Cluster analysis in R
- Stima di modelli lineari per dati panel in R
Metodi didattici
Le lezioni si svolgono con didattica frontale, approssimativamente metà delle lezioni è dedicata all'introduzione della teoria e la restante metà all'applicazione dei metodi introdotti durante le lezioni teoriche su dati reali utilizzando il dataset R. Durante le lezioni pratiche si consiglia agli studenti l'uso del proprio laptop.
Materiale di riferimento
An Introduction to Statistical Learning, with Applications in R, di
Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani, Springer (2017).
Introduction to Econometrics, 4th Edition
James H. Stock, Mark W. Watson (2019).
Moduli o unità didattiche
Module 1
SECS-S/01 - STATISTICA - CFU: 6
Lezioni: 40 ore

Module 2
SECS-S/03 - STATISTICA ECONOMICA - CFU: 6
Lezioni: 40 ore

Siti didattici
Docente/i
Ricevimento:
Lunedì 9:30-12:30. Il ricevimento è a distanza, il docente deve essere contattato via Microsoft Teams. Il ricevimento riprenderà il giorno 11 gennaio, in caso di necessità è possibile richiedere un appuntamento tramite email