Elaborazione dei dati statistici per l’impresa

Scheda di dettaglio | Calendario didattico (lezioni, ricevimenti, esercitazioni) | Calendario prove d’esame | Dati statistici

Scheda di dettaglio

CFU dell'insegnamento

4 CFU

Anno di corso

2° anno

Nome del docente

foto docente Prof.ssa Roberta Siciliano

Curriculum Vitae

Roberta Siciliano, nata a Napoli il 12 maggio 1964, dottore di ricerca in Statistica Computazionale e Applicazioni, è professore ordinario di Statistica presso la Facoltà di Economia dell’Università di Napoli Federico II, dove ricopre il ruolo di Presidente del Consiglio di Coordinamento dei Corsi di Laurea triennale in Scienze del Turismo ad Indirizzo Manageriale e di Laurea Magistrale in Progettazione e Gestione dei Sistemi Turistici, in collaborazione con la Facoltà di Lettere e Filosofia. E’ titolare dei seguenti insegnamenti: Statistica sociale, Statistica per l’azienda, Statistica per le decisioni di impresa, Statistica per le ricerche di mercato. E’ membro del Consiglio Scientifico del Centro di Qualità di Ateneo, del Collegio dei Docenti del Dottorato di Ricerca in Statistica e del Consiglio Direttivo del Centro Interdipartimentale per le Ricerche sul Turismo (CIRT) presso l’Università di Napoli Federico II.

E’ membro di associazioni nazionali ed internazionali di Statistica (SIS, ISI, IASC, IFCS, CLADAG) e del Comitato Editoriale della rivista Journal of Classification; è revisore di articoli scientifici per le principali riviste del settore. E’ membro del Comitato Scientifico in numerosi Convegni Internazionali nelle aree della Statistica Computazione e Analisi dei Dati. E’ coordinatore nazionale di programmi di ricerca finanziati dal MIUR e dalla Comunità Europea. E’ autore di oltre 50 pubblicazioni scientifiche su riviste internazionali, enciclopedie, monografie e atti di convegno, ed ha proposto contributi metodologici e computazionali nelle aree dell’Analisi Multivariata e della Statistica Computazionale.

Note Roberta Siciliano è fondatore e coordinatore scientifico del Laboratorio didattico-scientifico del Dipartimento di Matematica e Statistica “STAD - Statistica e Tecnologie per l’Analisi dei Dati” (Statistics and Technologies Analyzing Data), per le attività di ricerca sul campo, di progettazione e realizzazione di indagini campionarie e di sistemi di monitoraggio e valutazione, di elaborazione statistica dei dati, di sviluppo di metodi e tecnologie di supporto alle decisioni per l’apprendimento dai dati statistici e la gestione dell’informazione nei processi ICT (Information, Communication, Technology).
Il gruppo di lavoro STAD è formato da:
- Dott. Massimo Aria, ricercatore di Statistica sociale
- Dott. Antonio D’Ambrosio, dottore di ricerca in Statistica
- Dott. Valerio A. Tutore, dottore di ricerca in Statistica computazionale
- Dott. Marcello Pecoraro, dottorando di ricerca in Statistica
- Dott. Gianfranco Giordano, dottorando di ricerca in Statistica
- Dott. Sonia Amodio, dottorando di ricerca in Matematica per l’analisi economica e la finanza

Riferimenti web:
http://www.stad.unina.it
http://wpage.unina.it/roberta

Tutor del corso

foto tutor Dott. Valerio Guerra

Struttura dell’insegnamento

Il percorso formativo si struttura nelle seguenti quattro unità didattiche, a cui sono associate quattro tipologie di elaborazione dei dati con i metodi statistici di base e con quelli di analisi multivariata:
U1. Introduzione all’elaborazione dei dati statistici per l’impresa
U2. Analisi statistica descrittiva con Excel
U3. I modelli lineari per l’analisi statistica
U4. I metodi di analisi statistica multidimensionale dei dati

L’insegnamento si struttura come un percorso logico che, partendo dai concetti di base relativi alla selezione e organizzazione dei dati in database, alle principali rappresentazioni tabellari e grafiche, alla costruzione di indici statistici (U1, U2), propone l’elaborazione dei dati attraverso i modelli statistici di base (U3) ed affronta, successivamente, la tematica della sintesi statistica finalizzata all’ottenimento dell’informazione utile e significativa dai dati, attraverso la loro elaborazione con i metodi di riduzione della dimensionalità e di classificazione propri dell’analisi multivariata in contesti di data mining (U4).
Il percorso logico “dato –> informazione –> conoscenza” finalizzata alla decisione ed alla previsione, ovvero il processo di estrazione della conoscenza da grandi masse di dati (Knowledge Discovery in Databases), rientra nel paradigma scientifico dello Statistical Learning: Data Mining, Inference and Prediction (Hastie, Tibshirani, Friedman, 2001) e rappresenta il punto di partenza per il connubio tra la statistica moderna e le scienze informatiche (computer science) ben stigmatizzato dall’Intelligent Data Analysis (Hand, Berthold, 2005).

I risultati dell’apprendimento previsti

Obiettivo dell’insegnamento è di fornire, ai discenti, le conoscenze di base utili a sviluppare capacità di organizzazione ed elaborazione statistica di dati provenienti da indagini campionarie e censuarie, altresì dai sistemi informativi aziendali e da banche dati relative all’impresa ed al mercato del lavoro.

Le eventuali propedeuticità

Nessuna Propedeuticità

Libri di testo di riferimento

di Roberta Siciliano, Elaborazione dei dati statistici di impresa, in corso di realizzazione.

Modalità di erogazione

A distanza tramite piattaforma LMS e aula virtuale.
L'attività di docenza comprende:

Docenza frontale di inizio e fine corso registrata (con aula virtuale);
Materiali di studio on line (Workbook);
Sessioni di docenza registrate (Slide show);
Esercitazioni on line;
Sessioni di ricevimento studenti on line.

L’organizzazione della didattica (lezioni, esercitazioni, laboratorio, verifiche in itinere ecc.)

L’insegnamento richiede un impegno teorico-applicativo da parte del discente. L’elaborazione dei dati statistici relativi a casi studio reali e/o simulati sarà condotta in parte con funzioni di Excel, altresì verrà fornita un software open source contenente applicativi statistici.
Saranno proposte per ciascuna unità didattica due esercitazioni ed un caso studio. In tal modo, il discente sarà messo in condizione di poter svolgere autonomamente l’analisi statistica dei dati disponibili così da acquisire le competenze necessarie per il superamento dei test intermedi e dell’esame finale.
La strutturazione è in quattro unità didattiche, per un totale di circa 100 ore di studio, di cui 33 ore nelle modalità di fruizione dei materiali didattici proposti dal docente.

Verifiche in itinere
Durante il periodo di lezioni saranno effettuati test intermedi, la cui valutazione sarà tenuta in considerazione ai fini dell’esame finale.
Saranno proposti tre test intermedi, uno alla fine dello svolgimento delle unità didattiche U1—U2, il secondo test una volta conclusa l’unità didattica U3 e il terzo alla fine dello svolgimento della unità didattica U4.
Il discente dovrà svolgere un’analisi statistica di un data set relativo ad un caso studio assegnato. I passi dell’analisi sono:
- la selezione del metodo statistico più appropriato con la definizione di ipotesi, condizioni di applicabilità del metodo e risultati attesi,
- l’organizzazione ed elaborazione statistica dei dati,
- la descrizione delle rappresentazioni grafiche e tabellari più significative e commento dei risultati finali.
L’output del test è la redazione di un documento in cui il discente descrive lo svolgimento dell’analisi statistica condotta per la risoluzione del caso studio.

La modalità di frequenza (obbligatoria, facoltativa)

Per un modulo da 4 CFU:
- aver consultato TUTTI i materiali didattici (Workbook e Slide show)
- dovranno essere certificate almeno 33 ore di collegamento on line.

Prove d'esame

L’esame finale di Elaborazione dei dati statistici per l’impresa prevede il superamento di una prova orale. Questa consiste nell’elaborazione di un set di dati relativo ad un caso studio assegnato, con relativa discussione della scelta del metodo impiegato e dei risultati finali ottenuti dall’elaborazione statistica.