Dettaglio insegnamento

STATISTICA PER L'IMPRESA E LA PROFESSIONE

EC0470

Insegnamento
STATISTICA PER L'IMPRESA E LA PROFESSIONE
Codice
EC0470
Anno Accademico
2024/2025
Anno regolamento
2024/2025
Corso di studio
AMMINISTRAZIONE, PROFESSIONE E PERSONE
Curriculum
A009 - PROFESSIONISTA PER L'IMPRESA
Responsabile didattico
CFU
8
Ore di lezione
60
Settore Scientifico Disciplinare (SSD)
SECS-S/01 - STATISTICA
Tipo di insegnamento
Attività formativa monodisciplinare
Fruizione insegnamento
OBB - Obbligatoria
Anno
1
Periodo
Secondo Semestre
Sede
NOVARA
Lingua insegnamento
Italiano
Contenuti
Il corso illustra alcuni dei principali metodi statistici per le analisi dei dati di natura economico-aziendale, inerenti alla gestione dell’impresa.
I contenuti si modulano principalmente nelle seguenti aree. La statistica descrittiva; il campionamento e l’inferenza statistica; i modelli di regressione lineare semplice e multipla, e di regressione logistica; le tecniche di analisi di serie storiche. Tutti gli argomenti trattati verranno contestualizzati all’ambito economico e aziendale.
Testi di riferimento
Newbold, Carlson, Thorne. Statistica 2/ed.
Pearson (2010)

L. Biggeri, M. Bini, A. Coli, L. Grassini, M. Maltagliati. Statistica per
le decisioni aziendali. Pearson (2017)

D.C. Montgomery. Controllo Statistico della Qualità. Seconda Edizione. McGraw hill (2006)

Materiale didattico aggiuntivo, a cura del docente, che verrà pubblicato sulla pagina D.I.R. del corso (https://www.dir.uniupo.it)
Obiettivi formativi
Il corso si propone di approfondire i concetti fondamentali della statistica descrittiva, del campionamento e dell’inferenza statistica, dei modelli di regressione e dell’analisi di serie storiche per vederne alcune importanti applicazioni in ambito aziendale. Obiettivo del corso è quello di fornire gli strumenti adeguati per affrontare con competenza e capacità critica i problemi legati alle informazioni quantitative e statistiche, e interpretare adeguatamente i risultati delle analisi statistiche e quantitative. Accanto agli aspetti matematico-statistici, il corso dà ampio spazio allo sviluppo degli aspetti concettuali e logici e all’applicazione ai casi concreti, anche con l’ausilio di un adeguato software.
Prerequisiti
Sono necessarie le conoscenze equivalenti a quelle acquisite negli insegnamenti di Metodi Matematici I e II e nel corso di Statistica della laurea triennale CLEA. (Si possono trovare programmi e materiali didattici di tali corsi sulle relative pagine D.I.R.: https://www.dir.uniupo.it; oppure un equivalente libro per l’azzeramento è: Fulvia Mecatti, Statistica di base, 2/ed., McGraw-Hill.)
Metodi didattici
Lezioni frontali comprendenti teoria ed esercitazioni, anche con l’utilizzo di specifici software di analisi statistica.
Altre informazioni
Ulteriori informazioni e materiale didattico aggiuntivo verranno pubblicati durante il corso sulla pagina dedicata al corso su D.I.R. (https://www.dir.uniupo.it)
Modalità di verifica dell'apprendimento
L'esame consiste in una discussione orale su un'applicazione ad un caso reale volta a verificare le competenze pratiche e una prova orale volta a verificare le competenze teoriche acquisite durante il corso.
Si noti che dopo il terzo tentativo di sostenimento dell'esame in un anno solare, l'iscrizione viene automaticamente bloccata fino all'anno solare successivo.
Programma esteso
1. Statistica descrittiva: breve ripasso delle principali tecniche di analisi di variabili statistiche qualitative e quantitative.
2. Campionamento: il campione casuale semplice e le distribuzioni campionarie. Il campionamento da popolazioni finite (con applicazioni alla revisione contabile).
3. Inferenza Statistica: intervalli di confidenza e verifica d’ipotesi.
4. I modelli di regressione: analisi della correlazione lineare. Regressione lineare semplice e multipla. Regressione logistica.
5. Analisi delle serie storiche.
Il programma potrebbe subire modifiche.
Risultati di apprendimento attesi
Gli studenti dovranno conoscere e comprendere gli strumenti statistici presentati durante il corso, saperli applicare a piccoli esempi di dati e saperne interpretare i risultati.
Ultimo aggiornamento:09-09-2026 00:14:31