Statistica per le decisioni aziendali
Programma
Modulo I.
1. Gli strumenti di base per le previsioni
2. Judgemental forecasting e il metodo Delphi
3. Regressione semplice
4. Regressione multivariata
5. Modelli di decomposizione delle serie storiche
6. Exponential smoothing – Tecniche di base
7. Exponential smoothing – Tecniche avanzate
8. Modelli ARIMA – Elementi di base, modelli AR ed MA
9. Modelli ARIMA – Modelli ARIMA non stagionali
10. Modelli ARIMA – Scelta del modello e previsione dai modelli ARIMA
11. Modelli ARIMA – Modelli ARIMA stagionali
12. Cenni a tecniche di forecasting avanzate: reti neurali e modelli econometrici
Modulo II. Laboratorio
Il laboratorio è parte integrante del corso. Sarà utilizzato il software di analisi dei dati R, liberamente disponibile sul network del CRAN all’indirizzo http://cran.r-project.org. Durante il corso di laboratorio sarà erogata un’introduzione approfondita ad R, e verranno mostrati casi pratici di studio relativi agli argomenti teorici.
Testi consigliati
- M. Bilancia (2017) Dispense per il Corso Statistica per le Decisioni Aziendali – Versione 1.1 Settembre 2018. Dipartimento Jonico, liberamente distribuite sotto Licenza Creative Commons 4.0 CC BY-NC-ND.
- R.J. Hyndman, G. Athanasopoulos (2014) Forecasting: Principles and Practices. Liberamente disponibile all’indirizzo https://www.otexts.org/fpp. Sul sito Web associato al testo è presente una grande quantità di dataset, materiale didattico ed esempi svolti in R.
- M. Mineo, Una Guida all’Utilizzo dell’Ambiente Statistico R (2003). Disponibile sul sito del CRAN