Metodi Statistici Multivariati

Nome docente Bilancia Massimo
Corso di laurea Strategie d'impresa e Management
Anno accademico 2016/2017
Periodo di svolgimento secondo
Crediti formativi universitari (CFU) 8
Settore scientifico disciplinare SECS-S/01
Download Programma ecotapdf

Propedeuticità

Nessuna

Obiettivi del corso

Fornire una introduzione generale ai principi delle tecniche di “data science”, e alle loro applicazioni in campo aziendale e di business intelligence. Durante il corso gli studenti apprenderanno l’ambiente per l’analisi dei dati R, realizzando personalmente applicazioni dei modelli di data mining e business intelligence oggetto del corso.

Programma

Modulo I. Elementi di probabilità ed inferenza statistica

  1. Probabilità elementare
  2. Variabili aleatorie discrete e continue
  3. Variabili aleatorie doppie e multiple
  4. Elementi di inferenza statistica
  5. Matrici dati

Modulo II. Modelli di Data Mining e Knowledge Discovery per l’azienda

  1. Statistica aziendale e Data Mining
  2. Apprendimento supervisionato e non supervisionato
  3. Regole associative e Market Basket Analysis
  4. Classificazione Naïve Bayes
  5. Alberi di decisione
  6. Clustering I: algoritmi gerarchici
  7. Clustering II: k-means

Modulo III. 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

Riferimento generale per la preparazione dell’esame:


  1. M. Bilancia (2017) Dispense per il Corso di Metodi Statistici Multivariati – Versione 1.0 Febbraio 2017. Dipartimento Jonico, liberamente distribuite sotto Licenza Creative Commons 4.0 CC BY-NC-ND.

Di utile consultazione per approfondimento/consultazione sulle metodologie descritte a lezione (ma non richiesti ai fini della preparazione dell’esame) possono essere:

  1. S. Borra, A. Di Ciaccio (2014) Statistica – Metodologie per le Scienze Economiche e Sociali 3/ed., Mc-Graw Hill, ISBN: 9788838667404
  2. S. Dulli, S. Furini, E. Peron (2009) Data Mining: Metodi e Strategie, Springer Science & Business Media, ISBN 9788847011632
  3. P. Giudici (2005) Data Mining – Metodi Informatici Statistici ed Applicazioni 2/ed., McGraw Hill, ISBN: 9788838672125.

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

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: No
  • Corsi integrativi: No
  • Esercitazioni: Si
  • Seminari: No
  • Attività di laboratorio: Si
  • Project work: No
  • Visite di studio: No

Azioni sul documento

pubblicato il 21/09/2016 — ultima modifica 07/01/2017