English
ItalianoNavigazione di Sezione:
Metodi Statistici Per Il Management 2023/2024
Programma di Metodi Statistici Per Il Management:
Modelli statistici per l'analisi della dipendenza (supervised statistical learning)
1. Definizione di modello statistico 2. Modelli lineari e non lineari 3. Classificazione dei modelli 4. Regressione lineare semplice: ipotesi, interpretazione, stima dei parametri, bontà di adattamento, test t 5. Modello Logit: ipotesi, interpretazione, stima ML dei parametri, test Z 6. Modello Probit: ipotesi, interpretazione, stima ML dei parametri, test Z Statistica multivariata I: analisi della dipendenza (supervised statistical learning) 1. Regressione lineare multipla: ipotesi, stima dei parametri, bontà di adattamento, test t ed F, backward elimination 2. Modello ANOVA: costruzione del modello, interpretazione Statistica multivariata II: analisi della interdipendenza (unsupervised statistical learning) 1. Analisi in Componenti Principali: definizione degli obiettivi, soluzione, proprietà delle componenti, selezione delle componenti, interpretazione dei risultati, cerchio delle correlazioni 2. Analisi dei Gruppi: Obiettivi e dati, decomposizione della devianza, metodo non gerarchico (K-medie), metodi gerarchici (Ward, del legame singolo, medio, completo), dendogramma, scelta del numero di gruppi Applicazioni: Marketing e Vendite 1. Metodi previsionali: metodi qualitativi, quantitativi 2. Modelli estrapolativi e causali 3. Ricerca del trend 4. Regressione lineare per dati temporali: modello AR(1), diagnostica, confronto tra modelli (AIC, BIC) Applicazioni: Mercati finanziari e Banking 1. Tipi di rischio 2. Basilea II e il requisito patrimoniale 3. Modelli di scoring 4. Applicazione dei modelli Logit e Probit per la previsione dei default: stima, test z e LR, bontà di classificazione, curva SS e curva ROC