Lezioni teoriche e attività pratiche
Pur non essendo previsto alcun pre-requisito formale, una buona consocenza dei contenuti della Statistica (statistica descrittiva, probabilità, inferenza statistica) è ritenuta essenziale
Di norma obbligatoria
Indagini di mercato. Rilevazioni statistiche. Progettazione di questionari. Matrici di dati. Principali sintesi statistiche di dati multidimensionali.
Metodi di campionamento. Campionamento da popolazioni finite. Campionamento probabilistico e non probabilistico. Principali piani di campionamento. Stima della dimensione campionaria.
Analisi di dati multidimensionali. Distanze, indici di similarità e dissimilarità. Cluster analysis: metodi gerarchici e non gerarchici di classificazione. Segmentazione del mercato e dei consumatori.
Modelli di regressione lineare. Regressione lineare semplice e multipla. Stime dei minimi quadrati. Misure di bontà del modello.
Argomenti | Riferimenti testi | |
---|---|---|
1 | Rilevazioni statistiche. Principali tecniche di indagine statistica. Progettazione di questionari. Il linguaggio R. | Testo 1 cap. 4; Testo 2: cap 2; Testo 4: cap 4 |
2 | Campionamento da popolazioni finite. Distribuzioni campionarie. Inferenza da popolazioni finite. Campionamento semplice, stratificato, sistematico. Campionamento a grappoli ed a due stadi. Campionamenti ragionati. | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
3 | Stima della media. Stima del totale e della proporzione. Dimensionamento del campione in funzione del costo e in funzione dell’errore | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
4 | Prime analisi di dati multimensionali. Matrici di dati e sintesi statistiche. Applicazioni in R | Testo 1 cap. 3; Testo 2: cap. 3 |
5 | Metodi di segmentazione del mercato e della clientela. Distanza e dissimilarità. Indici di similarità. Trattamento congiunto variabili miste. Cluster analysis: metodi gerarchici e non gerarchici. Applicazioni in R. | Testo 1 cap. 3,4; Testo 2: cap.5 |
6 | Metodi di riduzione dimensionale. Analisi fattoriale. Applicazioni in R. | Testo 2: cap. 5 |
7 | Modelli di di regressione lineare. Regressione lineare semplice e multipla. Stima dei minimi quadrati. Valutazione di bontà dell’adattamento. Inferenza su parametri del modello di regressione. Applicazioni in R. | Testo 1 cap. 2,3; Testo 2: cap.4 |
L’esame consiste nella redazione di un elaborato inerente un caso studio di analisi di dati e di una prova orale.
Argomenti inerenti la progettazione e realizzazione di indagini statistiche, Argomenti inerenti la segmentazione, Argomenti inerenti modelli di regressione