Statistica per le decisioni aziendali
Propedeuticità
Nessuna
Obiettivi del corso
Introdurre lo studente alle principali tecniche di “forecasting” e al loro utilizzo nella decisioni aziendali e per l’analisi dell’economia e/o dei mercati finanziari, con lo scopo di apprendere a scegliere le opportune tecniche e a realizzare analisi previsionali univariate. Durante il corso gli studenti apprenderanno l’ambiente per l’analisi dei dati R, realizzando personalmente applicazioni dei modelli di serie storiche oggetto del corso.
Programma
Modulo I.
- Gli strumenti di base per le previsioni
- Judgemental forecasting e il metodo Delphi
- Regressione semplice
- Regressione multivariata
- Modelli di decomposizione delle serie storiche
- Exponential smoothing – Tecniche di base
- Exponential smoothing – Tecniche avanzate
- Modelli ARIMA – Elementi di base, modelli AR ed MA
- Modelli ARIMA – Modelli ARIMA non stagionali
- Modelli ARIMA – Scelta del modello e previsione dai modelli ARIMA
- Modelli ARIMA – Modelli ARIMA stagionali
- 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 a tutti gli argomenti teorici riguardanti la seconda parte del corso.
Testi consigliati
- M. Bilancia (2016) Dispense per il corso di Statistica per le Decisioni Aziendali – Dipartimento Jonico, liberamente distribuite agli studenti su richiesta.
Di utile consultazione per approfondimento/consultazione sulle metodologie descritte a lezione (ma non richiesto ai fini della preparazione dell’esame) si segnala:
- 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.
Le dispense fornite dal docente coprono completamente anche la parte di laboratorio. Tuttavia una utile guida integrativa a riguardo è la seguente:
- A.M. Mineo, Una Guida all’Utilizzo dell’Ambiente Statistico R, 2003. Disponibile sul sito del CRAN
Modalità di accertamento conoscenze
- Esoneri: No
- Prova Scritta: Si
- Colloquio Orale: No
- Prova di laboratorio: SI
Forme di assistenza allo studio
- Corso presente nella zona in e-learning del Sito Web di Facoltà:
Organizzazione della didattica
- Lezioni frontali: Si
- Cicli interni di lezione:
- Corsi integrativi:
- Esercitazioni: Si
- Seminari:
- Attività di laboratorio: Si
- Project work:
- Visite di studio: