Info
Foto sezione
Logo Bocconi

Insegnamento a.a. 2006-2007

8063 - STATISTICA PER L'ANALISI ORGANIZZATIVA


OSI-LS
Dipartimento di Scienze delle Decisioni

Insegnamento impartito in lingua italiana


Vai alle classi: 7

OSI-LS (6 cfu - I sem. - CC)
Docente responsabile dell'insegnamento:
SONIA PETRONE

Classi: 7 (I sem.)
Docenti responsabili delle classi:
Classe 7: BRUNO SCARPA


Obiettivi formativi del corso

Il corso costituisce un'introduzione ai principali strumenti di modellazione statistica e di data mining usati per analizzare problematiche aziendali, riservando particolare attenzione alle questioni operative poste dall'applicazione delle tecniche prese in considerazione.   La metodologia viene corredata dallo svolgimento di esercitazioni pratiche mediante software di analisi statistica dei dati.


Programma sintetico del corso

Nozioni generali.

  • Motivazioni e contesto
  • I dati e i problemi statistici in azienda
  • Le tecniche statistiche e l'approccio analitico alla soluzione dei problemi
  • Contrasto tra aderenza ai dati e complessita' del modello ovvero contrasto tra distorsione e varianza, tecniche generali per la selezione del modello

Metodi di previsione di variabili quantitative.

  • Regressione lineare e metodi legati (modello lineare, GLM)
  • Cenni ai metodi di regressione non parametrica
  • Modelli di regressione strutturata (modelli additivi, alberi, reti neurali)

Metodi di classificazione

  • Modelli lineari e generalizzazioni (regressione lineare e logistica, analisi discriminante lineare e quadratica)
  • Modelli strutturati (alberi, GAM, reti neurali)

Cenni ai metodi di raggruppamento

Ciascuna sezione e' introdotta e discussa a partire da problemi aziendali reali sottolineando l'utilita' e le caratteristiche specifiche positive e negative di ciascuno strumento nel risolvere i problemi discussi.


Descrizione dettagliata delle modalità d'esame
L'esame e' composto da un lavoro di analisi di dati reali e una prova orale.

Testi d'esame
  • A. AZZALINI, B. SCARPA, Analisi dei Dati e Data Mining, Milano, Springer-Verlag, 2004
  • Materiale didattico a cura del docente
Modificato il 05/06/2006 00:00