Argomenti dell'insegnamento
– Statistica descrittiva – inferenza – il modello di regressione – analisi delle serie storiche – introduzione a RMarkdown – introduzione a LaTex

Insegnamenti propedeutici
corso base di statistica e/o econometria

Modalità di insegnamento
Lezioni, esercitazioni, laboratori, progetti.

Obiettivi formativi
Al termine del corso lo studente conosce gli elementi principali della statistica e dell’analisi delle serie storiche ed è in grado di condurre un’analisi di dati reali attraverso il software statistico R. Inoltre, lo studente dimostra la capacità di presentare i risultati ottenuti in modo professionale ed efficace attraverso la redazione di un report scientifico, utilizzando LaTeX e/o RMarkdown. In particolare gli obiettivi disciplinari del corso sono • Condurre analisi preliminari sui dati • Visualizzare e comprendere le relazioni tra i dati • Applicare gli strumenti appropriati della teoria della probabilità e della inferenza statistica per ottenere informazioni utili • Prendere decisioni sfruttando l’informazione derivante dai dati • Presentare i risultati ottenuti in modo professionale

Obiettivi formativi e risultati di apprendimento (ulteriori info.)
Conoscenza e comprensione: • Conoscere i principali strumenti di analisi statistica ed econometrica per i diversi tipi di dati Capacità di applicare conoscenza e comprensione: • Manipolare e sintetizzare i dati • Applicare metodi statistici a dataset reali utilizzando il software statistico R • Interpretare i risultati ottenuti dall’analisi statistica o econometrica Capacità trasversali /soft skills: • Collaborazione in un gruppo di lavoro Autonomia di giudizio: • Pensare in modo critico e prendere decisioni sulla base di appropriate analisi Abilità comunicative: ¿ Comunicare in modo efficace i risultati ottenuti anche ad un audience non specializzata

Modalità d'esame
Orale e project work: orale con domande di verifica e tesina con lavoro di gruppo con elaborato applicativo

Criteri di valutazione
Attribuzione di un unico voto finale. In particolare, vengono valutati i seguenti aspetti: • Capacità di applicare le conoscenze acquisite ad un dataset reale • Capacità di rielaborazione dei risultati • Capacità di collaborazione • Chiarezza nell’esposizione dei risultati ottenuti