OBIETTIVI FORMATIVI
Il corso ha l'obiettivo di introdurre gli studenti al problema della modellazione statistica in presenza di variabili esplicative. Lo studente apprende in che modo i fenomeni reali possano essere rappresentati mediante opportuni modelli statistici e in che modo trasformare un problema reale in un problema statistico. In particolare, gli studenti apprendono in che modo sia possibile mettere in relazione diversi fenomeni o caratteristiche del fenomeno oggetto di studio con finalità descrittive, inferenziali e predittive. Lo studente apprende in che modo modellare la dipendenza in media di una variabile risposta in funzione di altre variabili concomitanti o esplicative mediante il modello di regressione lineare e non lineare.

DIDATTICA EROGATIVA
N.48 VIDEOLEZIONI ON-LINE (N.6 UNITA’ DIDATTICHE - DELLA DURATA DI DUE ORE PER OGNI CFU)

DIDATTICA INTERATTIVA
N. 2 lezioni interattive per cfu
N. 5 discussioni tematiche sul forum didattico (Topic) E N. 2 post PER CFU COME DAL LINEE GUIDA SULLA DIDATTICA DEL PQA
N. 2 e-tivity ogni 5 cfu
n. 2 test per ogni cfu CON 8 DOMANDE A RISPOSTA MULTIPLA


Modulo 1 Modelli per variabili casuali
1.1 Introduzione
1.2 Modelli per prove bernoulliane
1.3 Modelli per variabili casuali discrete
1.4 La variabile casuale Normale
1.5 Variabili casuali connesse alla Normale
1.6 Modelli per variabili casuali continue
1.7 La variabile casule normale doppia
1.8 Leggi fondamentali del calcolo delle probabilità

Modulo 2 Principi d'inferenza statistica
2.1 Introduzione
2.2 Distribuzioni campionarie
2.3 Teoria della stima
2.4 Stima per intervallo
2.5 Verifica delle ipotesi statistiche
2.6 Verifica d'ipotesi sui parametri di una v.c. Normale
2.7 Il test del rapporto di verosimiglianza
2.8 Test per distribuzioni doppie

Modulo 3 Regressione lineare semplice
3.1 Introduzione
3.2 Specificazione del modello
3.3 Ipotesi del secondo ordine
3.4 Il metodo dei minimi quadrati
3.5 Normalità degli errori e test sui parametri
3.6 Bontà di adattamento
3.7 Previsione e approfondimenti d'inferenza
3.8 Analisi dei residui e diagnostica del modello

Modulo 4 Regressione lineare multipla
4.1 Introduzione
4.2 Specificazione del modello
4.3 Il metodo dei minimi quadrati
4.4 Bontà di adattamento
4.5 Procedure d'inferenza
4.6 Variabili qualitative
4.7 Selezione del modello
4.8 Diagnostica

Modulo 5 Limiti ed estensioni del modello lineare
5.1 Introduzione
5.2 Non linearità
5.3 Non normalità
5.4 Minimi quadrati generalizzati
5.5 Eteroschedasticità
5.6 Autocorrelazione
5.7 Multicollinearità
5.8 Endogeneità

Modulo 6 Modelli per risposta discreta
6.1 Introduzione
6.2 Carenze del modello lineare
6.3 Specificazione del modello
6.4 Modelli per risposta binaria
6.5 Modeli per risposta binomiale
6.6 Modelli per risposta multinomiale
6.7 Regressione di Poisson
6.8 Modelli log-lineari

MODALITÀ DI VERIFICA DEL PROFITTO IN ITINERE

Il grado di apprendimento degli studenti è monitorato costantemente attraverso gli strumenti e le metodologie di verifica. 
In particolare, al fine di rendere fattibile la verifica e la certificazione degli esiti formativi il docente ed il tutor terranno conto del:
1. tracciamento automatico delle attività formative da parte del sistema - reporting; 
2. il monitoraggio didattico e tecnico (a livello di quantità e qualità delle interazioni, di rispetto delle scadenze didattiche, di consegna degli elaborati previsti, ecc.). 
3. le verifiche di tipo formativo in itinere, anche per l'autovalutazione (p. es. test multiple choice, vero/falso, sequenza di domande con diversa difficoltà, simulazioni, mappe concettuali, elaborati, progetti di gruppo, ecc.);
4. l'esame finale di profitto, nel corso del quale si tiene conto e si valorizza il lavoro svolto in rete (attività svolte a distanza, quantità e qualità delle interazioni on line, ecc.).
La valutazione, in questo quadro, tiene conto di più aspetti:
a. il risultato di un certo numero di prove intermedie (test on line, sviluppo di elaborati, ecc.);
b. la qualità e quantità della partecipazione alle attività on line (frequenza e qualità degli interventi monitorabili attraverso la piattaforma);
c. i risultati della prova finale. 

Pertanto i dati raccolti saranno oggetto di valutazione da parte del docente per l'attività di valutazione dello studente.


MODALITÀ DI VALUTAZIONE E OBIETTIVI DELLA PROVA FINALE
L’accesso all’esame è subordinato al riconoscimento di frequenza, che verrà attestato con l'apposito certificato al momento della prenotazione dell'esame, che attesterà lo svolgimento delle attività didattiche di verifica in itinere e al livello del lavoro svolto nelle varie esercitazioni.
L'esame consisterà in un colloquio orale e la votazione sarà espressa in 30/30
L'esame di profitto viene svolto in forma orale. Lo studente riceverà dalla commissione almeno tre domande sugli argomenti descritti nel programma del Corso.
L’esame mira a valutare il raggiungimento degli obiettivi didattici. In particolare:
a) Lo studente dovrà dimostrare di saper affrontare unL’accesso all’esame è subordinato al riconoscimento di frequenza, che verrà attestato con l'apposito certificato al momento della prenotazione dell'esame, che attesterà lo svolgimento delle attività didattiche di verifica in itinere e al livello del lavoro svolto nelle varie esercitazioni.
L'esame consisterà in un colloquio orale e la votazione sarà espressa in 30/30
L'esame di profitto viene svolto in forma orale. Lo studente riceverà dalla commissione almeno tre domande sugli argomenti descritti nel programma del Corso.
L’esame mira a valutare il raggiungimento degli obiettivi didattici. In particolare:
a) Lo studente dovrà dimostrare di saper affrontare un problema d'inferenza;
b) lo studente dovrà dimostrare di saper interpretare un modello di regressione;
c) lo studente dovrà dimostrare di essere in grado di valutare la bontà del modello stimato ed il rispetto delle assunzioni

In riferimento alla votazione verranno assegnati al massimo 10 punti per ogni obiettivo verificato di cui ai punti a, b e c.
Ai fini del superamento dell’esame è richiesto un punteggio minimo pari a 6 punti ad obiettivo.
La lode verrà assegnata nel caso in cui lo studente:
a) acquisisca il punteggio massimo assegnato a tutti gli obiettivi
b) dimostri piena autonomia nel condurre il colloquio orale
c) evidenzi punti di forza e criticità, connessi alla diagnostica del modello stimato ed alla possibilità di esplorare modelli alternativi.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE RICHIESTE CHE CONSENTONO DI ELABORARE E/O APPLICARE IDEE ORIGINALI SPESSO IN UN CONTESTO DI RICERCA (DESCRITTORE DI DUBLINO N. 1)
1. La conoscenza dei modelli di regressione consentirà allo studente di rappresentare le relazioni tra variabili che descrivono le caratteristiche del fenomeno oggetto di studio in modo appropriato alla natura del problema e dei dati oggetto di studio
2. La conoscenza delle procedure inferenziali consentirà allo studente di costruire il modello più adatto, verificare la bontà del modello stimato e confrontare modelli alternativi, anche a scopo predittivo
3. La conoscenza della corretta interpretazione del modello di regressione stimato permetterà allo studente di misurare e valutare con piena consapevolezza le relazioni tra le variabili


COMPETENZE RICHIESTE AL FINE DI APPLICARE CONOSCENZA, COMPRENSIONE E ABILITÀ NEL RISOLVERE PROBLEMI (DESCRITTORE DI DUBLINO N. 2)
1. Lo studente sarà in grado di utilizzare la conoscenza sull’analisi statistica dei modelli di regressione finalizzata alla modellazione e la previsione di fenomeni reali, soprattutto in ambito economico e finanziario.
2. Le conoscenze acquisite permetteranno allo studente, una volta conseguita la laurea, di utilizzare con consapevolezza le procedure statistiche finalizzate alla modellazione e la previsione di fenomeni mediante modelli di regressione nei contesti lavorativi che richiedono l'analisi di dati economici e finanziari.


BIBLIOGRAFIA CONSIGLIATA

Piccolo, D., Statistica per le decisioni, il Mulino
Stock, J.H., Watson M.W., Introduzione all'Econometria, Pearson

Piccolo, D., Statistica per le decisioni, il Mulino
Stock, J.H., Watson M.W., Introduzione all'Econometria, Pearson