📊 Metodi Statistici per le Decisioni 2024/2025
Metodi Statistici per le Decisioni è un corso del corso di laurea magistrale in Management dei Servizi presso la Facoltà di Economia dell’Università Cattolica del Sacro Cuore, sede di Roma. Il corso è strutturato in due moduli principali, matematico e statistico ed è progettato per fornire competenze essenziali nella rappresentazione e nell’analisi dei problemi economici, statistici e finanziari.
📘 A chi si rivolge il corso?
Il corso è pensato per studenti del corso di laurea magistrale in Management, con un focus sull’applicazione delle metodologie statistiche a casi reali e concreti. Sono richieste competenze base di statistica, ma non competenze tecniche avanzate, poiché i concetti verranno trattati con un orientamento pratico e applicativo.
🔍 Perché è utile per studenti di Economia?
In un contesto economico sempre più orientato dai dati, conoscere e applicare il Data-Driven Decision Making è cruciale per prendere decisioni informate. Attraverso questo corso, gli studenti di Management dei Servizi acquisiranno strumenti per interpretare e utilizzare i dati, abilità fondamentali per affrontare con successo le sfide in ambito finanziario, aziendale e di mercato.
🎯 Obiettivi del Corso
L’obiettivo del corso è duplice: fornire una preparazione teorica solida su metodi e tecniche matematici e statistici e sviluppare competenze pratiche per analizzare e rappresentare scenari concreti in ambito economico e finanziario.
Al termine del corso, gli studenti saranno in grado di applicare i concetti teorici per risolvere problemi complessi, utilizzare il linguaggio e la simbologia matematica e statistica per rappresentare situazioni reali, con particolare attenzione agli ambiti economico, statistico e finanziario, e affrontare con autonomia e competenza studi avanzati.
📋 Programma del Corso
- Software R: Introduzione all’utilizzo del software R per l’analisi statistica.
- Regressione: Richiami di regressione lineare semplice e multipla, modelli logit per variabili dipendenti binarie.
- Alberi decisionali: Approccio agli alberi di decisione per regressione e classificazione.
- Machine Learning: Applicazione di Random Forest con divisione train-test e valutazione degli errori.
- Clustering: Clustering gerarchico e k-means.