Obiettivo dell’insegnamento è di fornire, ai discenti, la conoscenza degli aspetti metodologici e applicativi dei principali metodi di analisi statistica per le decisioni e previsioni aziendali, sviluppando altresì capacità di organizzazione ed elaborazione statistica di dati provenienti da indagini campionarie, da banche dati o da sistemi informativi aziendali.
L’insegnamento si fonda sul paradigma scientifico dello “Statistical Learning: Data Mining, Inference and Prediction” (Hastie, Tibshirani, Friedman, 2001), che rappresenta il punto di partenza per il connubio tra la statistica moderna e le scienze informatiche finalizzato alla “Intelligent Data Analysis” (Hand, Berthold, 2005).
Il percorso formativo parte dai concetti introduttivi relativi alla organizzazione e descrizione dei dati, propone l’elaborazione dei dati attraverso i modelli statistici di base ed affronta, successivamente, la tematica della sintesi statistica attraverso i metodi di analisi multivariata in contesti di data mining. Infine, si illustrano alcuni casi studio applicando i principali metodi di estrazione della conoscenza a valore aggiunto per i processi decisionali aziendali e di governance.
1. Introduzione alla statistica per le decisioni di impresa
2. L'organizzazione dei dati statistici
3. L'analisi di regressione lineare multipla
4. I test diagnostici sulla regressione lineare multipla
5. L'uso delle variabili dicotomiche nella regressione
6. Il modello di regressione logistica
7. Modelli Additivi Generalizzati
8. Modelli lineari per l'analisi delle serie storiche
9. Modelli stocastici per l'analisi delle serie storiche
10. L'analisi delle preferenze: introduzione al Multidimensional Scaling
12. Metodi di segmentazione binaria e alberi di decisione
13. Analisi delle Componenti Principali
14. Analisi delle Corrispondenze Multiple
15. Cluster Analysis
Roberta Siciliano è professore ordinario di Statistica presso l’Università di Napoli Federico II, titolare degli insegnamenti di Statistica, Statistica per le decisioni d’impresa, Statistica Economica, Metodi Quantitativi della Facoltà di Economia, afferisce al Dipartimento di Matematica e Statistica.
Membro del Consiglio Scientifico del Centro di Qualità di Ateneo, del Collegio dei Docenti del Dottorato di Ricerca in Statistica, di società scientifiche (ISI, SIS, CLADAG, IASC, IFCS), dell’Editorial Board di Journal of Classification, è mentore del Laboratorio e Gruppo di Ricerca STAD impegnato in programmi di ricerca, finanziati a livello europeo, nazionale e regionale.
La sua produzione scientifica, collocata su riviste internazionali, enciclopedie, volumi monografici, riguarda temi di Analisi Multivariata e Statistica Computazionale, con attenzione a problemi di classificazione e analisi dei dati strutturati in forma complessa.
La sua missione è di promuovere la “conoscenza statistica” nei percorsi universitari, nel settore scientifico della statistica metodologica, nelle diverse applicazioni della ricerca in statistica finalizzata all’analisi di dati.