- Docente: Simone Giannerini
- Crediti formativi: 4
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Rimini
- Corso: Laurea Specialistica in Economia e politica dei mercati (cod. 0529)
Conoscenze e abilità da conseguire
Il corso si propone di fornire allo studente gli strumenti e le nozioni di base del data mining con particolare riferimento al contesto delle decisioni aziendali. L'attenzione viene posta sull'interpretazione critica e sulle implicazioni in termini di decisioni operative dei risultati della regressione multipla e di alcuni procedimenti di classificazione e di clustering prodotti dai software statistici. La piattaforma software di riferimento e' costituita dall'ambiente di sviluppo open source R.
Contenuti
-
Inferenza: Intervalli di confidenza e test di ipotesi. Introduzione a R, nozioni di base.
-
Il modello di regressione lineare multipla. Estensioni: la regressione logistica per dati binari. Alberi di regressione. Esempi svolti con R.
-
Tecniche di scelta del modello. Diagnostica e analisi dei residui. Esempi svolti con R.
-
Metodi di classificazione. Analisi discriminante, alberi di classificazione. Esempi svolti con R.
-
Metodi di analisi interna. Analisi dei gruppi.
Testi/Bibliografia
-
Borra S., Di Ciaccio A., STATISTICA, Metodologie per le scienze economiche e sociali, McGraw-Hill, 2004. http://www.ateneonline.it/diciaccio/
Cap.11 § tutto escluso 11.7;
Cap.12 § 12.1-12.4;
Cap.13 § 13.1-13.6, 13.9;
Cap.14 § 14.1-14.2 (fino a 14.2.3);
Cap.17 § 17.5-17.7;
Cap.19 (http://www.ateneonline.it/diciaccio/capitolo_19.pdf), 19.1-19.7;
-
Azzalini A., Scarpa B., Analisi dei dati e data mining, Springer, 2004.
Cap.1 § tutto;
Cap.2 § 2.1 (escluso 2.1.3), 2.3 (escluso 2.3.3), 2.4;
Cap 3 § tutto escluso 3.5.4;
Cap 5 § 5.1, 5.2;
Cap 6 § da definirsi;
-
A. Montanari: Appunti sulla Regressione Multiplahttp://www2.stat.unibo.it/montanari/Didattica/dispensa2.pdf
§ 2.10
Testi integrativi:
-
S. Iacus, G. Masarotto, Laboratorio di Statistica con R, McGraw-Hill. 2003.
Metodi didattici
Lezioni frontali ed esercitazioni in laboratorio.
Modalità di verifica e valutazione dell'apprendimento
Prova orale.
Strumenti a supporto della didattica
Link ad altre eventuali informazioni
http://www2.stat.unibo.it/giannerini/
Orario di ricevimento
Consulta il sito web di Simone Giannerini