- Data Analysis I
- Summary
Course Syllabus
Obiettivi formativi
L’obiettivo è quello di fornire agli studenti le competenze pratiche ed operative, riguardanti la misura, il rilevamento e il trattamento dei dati pertinenti l'analisi economica nei suoi vari aspetti applicativi. L’insegnamento propone una solida preparazione riguardante i più rilevanti modelli statistici, così come una competenza nell’applicare tali metodologie ad un ampio campo di fenomeni economici reali. Lo studente acquisirà la capacità ad interpretare i risultati ottenuti e svilupperà un proprio spirito critico nella lettura di tabulati e grafici, anche prodotti da terze parti, per l’analisi dei fenomeni economici. Inoltre lo studente acquisirà la capacità di applicare le metodologie statistiche multivariate e interpretare i risultati atti a fornire utili indicazioni sulle decisioni da attuare in contesto aziendale. Gli studenti dovranno essere in grado dunque di utilizzare le conoscenze acquisite nel corso per analizzare le opportunità e le criticità dell'ambiente nel quale operano, elaborando adeguate raccolte e analisi di dati.
Contenuti sintetici
Il corso introduce allo studio di alcune metodologie statistiche multivariate utili a perseguire finalità diverse a seconda del contesto applicativo e presentare alcune applicazioni inerenti problematiche aziendali.
Programma esteso
Classificazione delle metodologie di analisi multivariata
Metodi di dipendenza e di interdipendenza, tabella di contingenza, matrice di varianze e covarianze, matrice di correlazione; matrice di dati standardizzati, matrice di varianze e covarianze tra dati standardizzati.
Analisi dei gruppi
Metodi gerarchici di tipo aggregativo, metodi non gerarchici.
Analisi delle componenti principali
Criteri per la scelta del numero di componenti principali, interpretazione delle componenti principali; rappresentazione grafica dei risultati.
Analisi discriminante lineare
Punteggi discriminanti, criteri per la scelta del numero di funzioni discriminanti, classificazione delle unità statistiche.
Prerequisiti
Statistica.
Metodi didattici
Lezioni frontali (teoria ed esempi).
Lezioni su applicazioni delle tecniche apprese a casi studio.
Modalità di verifica dell'apprendimento
L’esame comprende domande di teoria ed esercizi. Le prime verificano la conoscenza e la comprensione dei principali concetti della materia. I secondi misurano la capacità dello studente di applicare tali concetti per la soluzione di problemi pratici. Lo studente che abbia riportato almeno 18 trentesimi nella prova scritta ha inoltre facoltà di sostenere un orale integrativo, che può comportare sia l’aumento sia la diminuzione del punteggio riportato. Prima della prova orale, lo studente visiona il compito e può chiedere delucidazioni sulla correzione e sulla valutazione. Di norma, la prova orale è facoltativa tuttavia, nei casi dubbi, il docente può prevederne l’obbligo a sua discrezione.
Testi di riferimento
F. Delvecchio, Analisi statistica di dati multidimensionali, Cacucci, Bari, 1992;
A. Rizzi, Analisi dei dati, NIS, Roma, 1990;
S. Sharma, Applied Multivariate Techniques, John Wiley & Sons, 1985;
O. Vitali, Statistica per le scienze applicate, Cacucci, Bari, 1999;
S. Zani, Analisi dei dati statistici II, Giuffré, Milano, 2000.
Periodo di erogazione dell'insegnamento
Primo semestre.
Lingua di insegnamento
Italiano.
Learning objectives
The goal is to provide students with the practical and operational skills, referring measurements, detection and treatment of the relevant data to the economic analysis in its various application aspects. The course offers students a solid foundation in some of the most important, broadly used, statistical models, as well as some experience in applying those methods to a broad range of real economic problems. The student will learn how to interpret results and will develop his own point of view in reading tables and graphs, even made by a third part, related to economic studies. Furthermore, students will get a solid foundation in some of the most important statistical methods, a good experience in applying those methods to data and interpreting results. Students will be able, therefore, to use the knowledge gained in the course to analyze the opportunities and critical issues of the environment in which they work by elaborating collection and data analysis.
Contents
The objective of data analysis is to extract the relevant information contained in the data which can then used to solve a given problem. The course provides a number of multivariate statistical techniques to obtain relevant information from data.
Detailed program
Classification methods of multivariate analysis
Methods of dependence and interdependence, contingency table, variance and covariance matrix, correlation matrix; standardized data matrix, variances and covariances matrix between standardized data.
Cluster Analysis
Hierarchical methods of aggregation, non-hierarchical methods.
Principal component analysis
Criteria for selecting the number of principal components, interpretation of the principal components, graphical representation of the results.
Linear Discriminant Analysis
Discriminant scores, criteria for selecting the number of discriminant functions, classification of the statistical units.
Prerequisites
An introductory course of descriptive Statistics.
Teaching methods
Frontal lessons (theory and examples).
Lectures on applications of the techniques to case studies.
Assessment methods
The exam consists of questions about theory and exercises. The former test students’ knowledge and understanding of the main concepts of the subject. The latter measure students’ ability in the application of such concepts to solve simple practical problems. Students with a grade of at least 18/30 in the test can ask for a supplementary oral, which may raise or lower the former mark. Before the oral, graded tests are shown and students can ask for details about corrections and criteria used to grade. The oral is optional, but the teacher can make it mandatory in his judgment.
Textbooks and Reading Materials
F. Delvecchio, Analisi statistica di dati multidimensionali, Cacucci, Bari, 1992;
A. Rizzi, Analisi dei dati, NIS, Roma, 1990;
S. Sharma, Applied Multivariate Techniques, John Wiley & Sons, 1985;
O. Vitali, Statistica per le scienze applicate, Cacucci, Bari, 1999;
S. Zani, Analisi dei dati statistici II, Giuffré, Milano, 2000.
Semester
First semester.
Teaching language
Italian.