Statistica per le decisioni aziendali

  • Corso di Laurea: Corso di Laurea Magistrale in Economia e Management dello Sviluppo Sostenibile
  • Anno: 1
  • Crediti: 6
  • Docenti: - Aristei David - Guardabascio Barbara
  • Consulta il materiale didattico

  • Programma:
    1. Introduzione alla statistica aziendale e alle fonti dei dati per le analisi aziendali
    Le fonti di dati per le analisi aziendali: fonti primarie e fonti secondarie. La qualità dell’informazione statistica.
    Il Sistema Statistico Europeo (ESS) e il Sistema Statistico Nazionale (SISTAN)
    Le fonti statistiche secondarie interne. Presentazione delle principali fonti esterne ufficiali e non ufficiali rilevanti nelle analisi aziendali
    Gli indicatori congiunturali e le principali indagini Istat. Il datawarehouse I.stat lettura e download dei dati.

    2. Le indagini campionarie per la rilevazione di dati di interesse aziendale
    L’indagine statistica e le sue fasi: formulazione degli obiettivi, individuazione della popolazione di riferimento, il campionamento statistico, individuazione e modalità di raccolta, progettazione del questionario, rilevazione dei dati, codifica e archiviazione dei dati, analisi dei dati, redazione di un rapporto di ricerca.
    Tecniche di campionamento probabilistico e processo di stima dei parametri.
    Il campionamento casuale semplice: procedura di estrazione e calcolo degli stimatori puntuali e per intervallo. Errore campionario e determinazione della numerosità campionaria.
    Il campionamento sistematico. Il campionamento stratificato e le relative procedure di stima dei parametri e di costruzione degli intervalli di confidenza.
    Errori non campionari e relativi metodi di trattamento.
    Tecniche di rilevazione dei dati; lo strumento di rilevazione; tipologie di quesiti, scale di valutazione, classificazione dei caratteri statistici.

    3 Analisi preliminari dei dati: misure di associazione
    La matrice dei dati; analisi dei profili colonna: l’associazione fra coppie di caratteri statistici; indici di associazione per variabili qualitative (su scala nominale e su scala ordinale), quantitative e miste.

    4. Il modello di regressione per l’analisi delle relazioni causali tra variabili e le previsioni aziendali
    Il modello di regressione lineare semplice: la stima dei parametri e i relativi test di significatività; variabile esplicativa dummy; il modello di regressione semplice per le previsioni aziendali.
    Il modello di regressione lineare multipla: richiami di algebra matriciale; la stima dei parametri e i relativi test di significatività; la bontà dell’adattamento; le variabili esplicative dummy e slope-dummy; il modello di regressione multipla per le previsioni aziendali.


    Testi di riferimento:
    Bracalente, B., Cossignani, M., Mulas, A. (2009), Statistica Aziendale, McGraw-Hill, Milano 2009.

    Testi di consultazione:
    Biggeri, L., Bini, M., Coli, A., Grassini, L., Maltagliati, M. (2017): Statistica per le decisioni aziendali, Seconda Edizione, Pearson, Milano.
    Bassi, F., Ingrassia, S. (2022): “Statistica per analisi di mercato. Metodi e strumenti”, Pearson, Milano.

    Materiale didattico aggiuntivo:
    Il materiale didattico (dispense, esercitazioni, altro materiale di supporto) sarà progressivamente reso disponibile nella piattaforma Unistudium.


    L’esame prevede una prova scritta in presenza, della durata di 1 ora e 40 minuti, articolata in due parti: 2 domande di carattere teorico a risposta aperta e 2 esercizi.
    Se le future sessioni di esame saranno in modalita` mista, oltre alla prova scritta in presenza, sara` possibile sostenere l’esame in forma orale a distanza (colloquio di circa 45 minuti, articolato come la prova scritta in domande teoriche ed esercizi).
    Solo durante la prova scritta in presenza e` possibile consultare un formulario (contenente solo formule, senza dimostrazioni o commenti; massimo 1 foglio A4 fronte/retro).

  • Collaboratori

  • Note
    Orario di ricevimento:
    Durante il corso: Giovedì dopo la lezione e Venerdì prima della lezione (preferibilmente su appuntamento)
    In altri periodi: da concordare via e-mail (david.aristei@unipg.it)