PROBABILITY AND STATISTICS

L’insegnamento è una delle attività formative quantitative del Corso di Laurea in Digital Management e consente allo studente di acquisire la conoscenza e la comprensione dei principali strumenti statistici in uso nelle discipline di management e il loro utilizzo per le decisioni aziendali in condizioni di incertezza.
L'obiettivo dell’insegnamento è fornire conoscenze di statistica descrittiva e inferenziale e di calcolo delle probabilità, nonché abilità nell’utilizzo di programmi specifici per l'analisi dei dati e la comunicazione delle informazioni ricavate.
Alla fine del corso, lo studente sarà in grado di individuare ed applicare i modelli e le metodologie di analisi più adatti al contesto di interesse; inoltre saprà interpretare e comunicare i risultati ottenuti, con l'obiettivo di guidare le scelte più adeguate.

1. Conoscenza e comprensione:
-conoscere i principali strumenti per la rappresentazione grafica e la sintesi delle caratteristiche fondamentali di un insieme di dati
-conoscere i concetti di base del calcolo delle probabilità e le principali distribuzioni di probabilità utili per l'inferenza
-conoscere le metodologie di base dell'inferenza statistica

2. Capacità di applicare conoscenza e comprensione:
-saper utilizzare programmi specifici per l'analisi dei dati e per la comunicazione dei risultati
-saper utilizzare la terminologia adeguata in tutti i processi di applicazione e comunicazione delle conoscenze acquisite

3. Capacità di giudizio:
-saper contestualizzare le conoscenze acquisite, individuando i modelli e i metodi più adeguati alla situazione di interesse

4. Abilità comunicative:
-saper presentare in modo chiaro ed esaustivo i risultati ottenuti da un'analisi statistica, sia in forma scritta che orale
-sapere interagire con gli altri studenti e con il docente, in modo critico e rispettoso, in presenza e sul forum dell’aula virtuale

5. Capacità di apprendimento:
-saper utilizzare ed integrare informazioni provenienti da appunti, libri, slide e sessioni pratiche di laboratorio
-saper valutare la propria preparazione utilizzando quiz ed esercizi di autovalutazione assegnati durante il corso

Mathematics for decision sciences è propedeutico.

Statistica descrittiva: popolazione e campione; tipi di variabili; rappresentazioni grafiche e indici sintetici; relazione fra due fattori e statistica Chi-quadrato; relazione fra due variabili quantitative, correlazione e regressione.
Probabilità: spazio campionario, eventi e probabilità; variabili aleatorie discrete e continue; le distribuzioni binomiale e normale.
Inferenza: distribuzioni campionarie; intervalli di confidenza; verifica di ipotesi e p-value; test di bontà di adattamento.

Il corso fornisce un'introduzione pratica al calcolo delle probabilità e alla statistica. La prima parte del corso ha lo scopo di introdurre agli studenti le tecniche più utilizzate per la sintesi e la rappresentazione grafica di un insieme di dati. Successivamente vengono presentati alcuni concetti di probabilità elementare e sulle distribuzioni di probabilità. L'ultima parte del corso riguarda i metodi inferenziali per la stima, la verifica di ipotesi e la previsione. Le lezioni teoriche sono sempre motivate da esempi e applicazioni a problemi aziendali. Viene introdotto anche l'utilizzo del programma R (http://cran.r-project.org/ ) per l'analisi dei dati, la simulazione e l'inferenza.

Testo consigliato:
Robinson, R. and White, H. (2016) Elementary Statistics with R. Disponibile al link http://homerhanumat.github.io/elemStats/

Altri testi interessanti:
Yakir, B. (2011) Introduction to Statistical Thinking (with R, without calculus). Disponibile al link http://pluto.huji.ac.il/~msby/StatThink/IntroStat.pdf
Lee, C.F., Lee, J.C. and Lee, A.C. (2013) Statistics for Business and Financial Economics, Springer. Parzialmente disponibile al link https://link.springer.com/book/10.1007/978-1-4614-5897-5
Wasserman, L. (2004) All of Statistics A Concise Course in Statistical Inference, Springer.
Zumel, N. and Mount, J. (2014) Practical Data Science with R, Manning publications. Parzialmente disponibile al link https://www.manning.com/books/practical-data-science-with-r

Il raggiungimento degli obiettivi dell'insegnamento viene valutato attraverso la partecipazione alle attività e ai compiti assegnati durante il corso (20%), la presentazione di un progetto (40%) e un esame finale (40%). L'utilizzo del pacchetto statistico R è parte integrante del programma e costituisce lo strumento principale per risolvere gli esercizi assegnati e il compito d'esame. Esempi di quiz ed esercizi saranno disponibili in Moodle.

Le attività e i compiti assegnati durante il corso consistono nella discussione attraverso il forum virtuale di alcuni argomenti e nella soluzione di quiz ed esercizi in Moodle.

All'inizio del corso sarà assegnato un progetto a gruppi. Il lavoro consiste nell'analisi di un insieme di dati utilizzando R, la produzione di un rapporto statistico e la presentazione finale dei risultati ottenuti alla classe.

L'esame finale si risolve con l'aiuto di R ed è composto da quiz ed esercizi simili a quelli assegnati in Moodle durante il corso.

Si adotta un approccio interattivo, alternando lezioni in aula a sessioni di laboratorio e analisi di casi di studio presentati alla classe dagli studenti. Si utilizza la piattaforma di e-learning Moodle per lo scambio di informazioni e per la verifica dell'apprendimento finale e in itinere. Si usano programmi open-source per l'analisi dei dati e la produzione di rapporti statistici.

Inglese

scritto e orale