Statistica per le decisioni aziendali

Nome docente	Bilancia Massimo
Corso di laurea	Economia e Amministrazione delle Aziende
Anno accademico	2016/2017
Periodo di svolgimento	Primo semestre
Crediti formativi universitari (CFU)	6
Settore scientifico disciplinare	SECS S/01
Download Programma

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.

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 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: