Salta ai contenuti. | Salta alla navigazione

Image Portlet
Home Pacifico Antonio Didattica 2023/2024 Statistica economica, big data e micro dati

Statistica economica, big data e micro dati - Mod. b micro dati

  • A.A. 2023/2024
  • CFU 3
  • Ore 20
  • Classe di laurea L-33
Antonio Pacifico /
Prerequisiti

(i) Elementi di Analisi dei Dati e di Statistica Descrittiva. (ii) Statistica Applicata e Regressione Lineare (semplice e multipla). (iii) Modelli Logit

Obiettivi del corso

Il corso intende fornire gli strumenti principali per identificare analiticamente le strutture nascoste presenti nei dati ed essere in grado di utilizzarle per prevedere i valori futuri dei dati stessi o prendere altri tipi di decisioni. La parte centrale del corso mira a fornire le basi, mediante l'utilizzo di appropriati software (RStudio), per costruire modelli statistico-econometrici per prevedere e stimare un 'output' utilizzando un numero (potenzialmente) molto grande di 'input'.

Programma del corso

(1) Valutazione e Selezione dei modelli: (i) Cross-validation; (ii) Criteri di Informazione.


(2) Unsupervised Machine Learning Techniques: Modelli Logistici.


(3) Metodi di selezione e di 'shrinkage': (i) tecniche di regressione 'Forward' e 'Backward'; (ii) Stepwise regression; (iii) Lasso; (iv) Ridge Regression (RR); (v) Principal Component Analysis (PCA); (vi) Partial Least Squares.


Durante il corso, gli studenti svolgeranno lezioni pratiche sugli argomenti descritti in forma cartacea ed analitica, mediante l'utilizzo del software 'open source' RStudio.

Testi (A)dottati, (C)onsigliati


(A); Hastie, T., and Tibshirani, R., "An Introduction to Statistical Learning: with Applications in R", Springer (2017), New York (USA), ISBN 978-1461471370. Capitoli e relative pagine saranno indicati dal Docente durante le lezioni.


(C); Hastie, T., Tibshirani, R., and Friedman, J., "The Elements of Statistical Learning Data Mining, Inference, and Prediction", Springer (2009), New York (USA), ISBN 978-0387848570. Capitoli e relative pagine saranno indicati dal Docente durante le lezioni.





Metodi didattici
  • Lezioni teoriche/metodologiche. Esercizi empirici di natura microeconomico-sociale and aziendale. Casi di studio su dati micro mediante l'utilizzo del software statistico-econometrico RStudio.

Modalità di valutazione
  • La modalità di valutazione (in trentesimi) consiste in una prova scritta in cui gli studenti dovranno svolgere alcuni quesiti (suddivisi in sottopunti) contenenti: domande teoriche/pratiche; svolgimento di esercizi; interpretazione di grafici e output di stima.


    I criteri di valutazione saranno suddivisi in: conoscenza e capacità di comprensione degli argomenti trattati nel corso (50%) e capacità di applicare gli strumenti adeguati e completezza delle risoluzioni presentate (50%).


    Durante il corso è previsto lo svolgimento di un 'Project Work' in gruppi su dati reali (micro) mediante il software utilizzato a lezione. I gruppi devono essere composti da un minimo di 2 ad un massimo di 4 studenti. Il 'Project Work' è obbligatorio e comporta un punteggio aggiuntivo fino a 2 punti (massimo) sul voto conseguito nella prova scritta.


    Se lo studente NON dovesse svolgere il Project Work, potrebbe (su disponibilità del Docente) essere autorizzato a sostenere comunque la prova scritta finale, ma con una PENALIZZAZIONE di -3 sul voto finale.


    Il voto finale dell'esame è ottenuto sommando all'esito della prova scritta il voto ottenuto nel Project Work (da -1 a 2), limitatamente alla prova sostenuta - con qualsiasi esito - in uno degli appelli della prima sessione d'esame. In caso di ritiro alla prova scritta, il punteggio del 'Project Work' sarà mantenuto, ma sempre entro la prima sessione d'esame.

Lingue, oltre all'italiano, che possono essere utilizzate per l'attività didattica

Italiano

  Torna alla scheda
  Materiali didattici
Avviso
I materiali didattici sono reperibili nella stanza Teams al link di seguito
Info
» Vai alla stanza Teams