DECISION ANALYSIS IN MANAGEMENT

Anno accademico 2021/2022 - 1° anno
Docente: Sally Giuseppe Arcidiacono
Crediti: 9
Organizzazione didattica: 225 ore d'impegno totale, 165 di studio individuale, 60 di lezione frontale
Semestre:
ENGLISH VERSION

Obiettivi formativi

1. Conoscenza e capacità di comprensione (knowledge and understanding):

Il percorso formativo del corso ha come obiettivo all'acquisizione dei principi teorici e delle principali metodologie applicative dell’analisi delle decisioni in ambito economico e manageriale. Particolare enfasi è rivolta ai metodi e alle tecniche operative da applicare nei problemi decisionali del mondo del lavoro. Per raggiungere tali obiettivi, si utilizzano strumenti multimediali, accesso a database, uso di fogli di calcolo e software computazionali nelle lezioni frontali come nelle altre metodologie didattiche opportune. Tutto il percorso formativo della disciplina è orientato a coniugare metodologie didattiche che mirano a sviluppare sia la capacità induttiva che il processo logico-deduttivo degli studenti.

2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding):

Lo studente sarà in grado di utilizzare i modelli matematici acquisiti durante il corso per comprendere e analizzare i problemi decisionali che sarà chiamato ad affrontare nella professione. Infatti, particolare attenzione è rivolta all’attività operativa mirando allo sviluppo di una capacità critica dello studente nei confronti delle tematiche trattate anche presentando in aula opportuni casi reali

3. Autonomia di giudizio (making judgements): Lo sviluppo di un'autonoma capacità critica nel contesto delle tematiche trattate è uno dei principali obiettivi formativi dell’insegnamento. Una buona acquisizione delle conoscenze teoriche e delle capacità operative previste nel programma dell’insegnamento non è sufficiente per una completa formazione dello studente, se tale preparazione non è accompagnata dall'acquisizione di un'approfondita capacità di valutazione, di impostazione e di risoluzione di un problema. Durante il corso, lo studente è anche addestrato alla ricerca delle fonti informative più appropriate (consultazioni di pubblicazioni specialistiche, di banche dati, di siti internet, ecc.), ad un’analisi critica sulla loro attendibilità e significatività, per un loro appropriato e consapevole utilizzo nella realtà operativa.

4. Abilità comunicative (communication skills): Lo studente è messo in condizioni di relazionarsi e di trasferire a terzi, anche non specialisti, con chiarezza espositiva, precisione, padronanza di espressione e linguaggio tecnico appropriato, informazioni, analisi, giudizi di valore, progetti e proposte operative concernenti le problematiche che la precipua attività lavorativa porterà ad affrontare, sapendone esporre anche le motivazioni e le ipotesi adottate. Non è sufficiente, infatti, saper applicare metodi e tecniche corretti, che ben rappresentano il problema affrontato; occorre anche saperli giustificare, esplicitandone le ipotesi adottate, spesso implicitamente, che condizionano lo sviluppo e la validità di tutta l’analisi condotta. A tal fine, accanto ad un’appropriata conoscenza teorica dei metodi e della loro implementazione operativa, è indispensabile acquisire una capacità di avvalersi efficacemente di strumenti di calcolo e tecnologie multimediali. Durante tutto il percorso formativo si presterà particolare attenzione allo sviluppo di tali abilità, avendo cura di stimolare e assicurare una partecipazione attiva di ogni studente, mediante l'organizzazione di appropriate attività didattiche sopra ricordate. Lo studente è continuamente sollecitato ad esporre verbalmente e formalmente il proprio pensiero con adeguate argomentazioni e tecniche, a redigere documenti in forma scritta, a predisporre presentazioni, a discutere quanto presentato in aula, per stimolare una proficua interazione anche sul piano della comunicazione.

5. Capacità di apprendimento (learning skills): Si forniscono agli studenti sin dall’inizio delle lezioni opportuni suggerimenti e stimoli per una partecipazione quanto più attiva possibile all'intero processo formativo e per un miglioramento del metodo di studio individuale, ai fini di un più efficace apprendimento della disciplina, che presenta precipue caratteristiche in termini di apprendimento, mediante un appropriato processo induttivo - deduttivo. Come già ricordato, la verifica dell'effettiva acquisizione delle conoscenze teoriche ed operative, necessarie per l'inserimento nel mondo del lavoro, viene effettuata durante l'intero percorso formativo e non soltanto in sede di esame finale. Durante il corso delle lezioni si verificherà continuamente, argomento per argomento, se la trasmissione delle conoscenze avviene efficacemente, rivedendo eventualmente anche nel corso dell’anno il metodo di insegnamento, per meglio adeguarlo al raggiungimento concreto di questo importante obiettivo, tenendo anche conto della effettiva composizione dell’aula. In tale contesto, la verifica mediante esame di profitto è un naturale e coerente corollario del processo di apprendimento.


Modalità di svolgimento dell'insegnamento

L'insegnamento si svolge mediante lezioni frontali in cui, oltre agli aspetti teorici, si dà ampio spazio alle applicazioni che ne discendono, in modo che lo studente possa acquisire una piena comprensione e una consapevole padronanza della materia.


Prerequisiti richiesti

Pur non essendo previsto alcun prerequisito formale, la conoscenza dei contenuti della disciplina di Matematica Generale è ritenuta comunque molto utile. Alcuni concetti necessari alla trattazione degli argomenti del corso verranno richiamati all’inizio del corso stesso.


Frequenza lezioni

Vivamente consigliata


Contenuti del corso

Titolo del modulo: Introduzione al corso, richiami e concetti di base dell’analisi decisioni

Credito parziale attribuito: 3 CFU.

Obiettivi formativi: Introduzione alle nozioni teoriche e alle principali applicazioni operative della teoria delle decisioni

Descrizione del programma: Esiti e preferenze. Relazioni di preferenza. Stati e atti. Strutture di preferenza. Criterio di Dominanza. Criterio MaxiMin e LexiMin. Richiami di teoria della probabilità. Variabili aleatorie e modelli probabilistici. Probabilità condizionata. Indipendenza tra eventi. Dominanza Stocastica. Valutazione del rischio.

Titolo del modulo: Analisi delle Decisioni in condizioni di incertezza

Credito parziale attribuito: 3 CFU.

Obiettivi formativi: Far acquisire i principi fondamentali dell’analisi decisionale. Introdurre alcune nozioni teoriche ed i principali strumenti operativi della Ricerca Operativa. Applicazione dei modelli di Programmazione Lineare a casi reali

Descrizione del programma: Teoria dell’utilità. Criteri di scelta in condizioni di incertezza. Certo Equivalente. Funzioni di utilità principali. Teorema di von Neumann Morgenstern. Paradossi di San Pietroburgo, Allais e Ellsberg. Prospect Theory. Modelli di Programmazione Lineare. Classificazione ed esempi dei modelli di Programmazione Lineare. Esempi di Programmazione Non Lineare. Risoluzione di modelli di Programmazione lineare tramite software.

Titolo del modulo: Applicazioni della Programmazione Lineare ai problemi decisionali

Credito parziale attribuito: 3 CFU.

Obiettivi formativi: Trasmettere le idee di base e le principali metodologie di analisi decisionale tramite esempi ed applicazioni

Descrizione del programma: Implementazione e presentazione di casi di reali di problemi di decisione manageriale affrontati tramite i concetti presentati durante il corso. Struttura di un problema multicriteriale: alternative, criteri, direzioni di preferenza, problematiche (choice, ranking, sorting). Sistemi di supporto alle decisioni multicriteriali.


Testi di riferimento

- Materiale fornito dal docente.

- Castagnoli, E. (2017). Matematica dei Mercati Finanziari, Egea.

- Bramanti, M. (1997). Calcolo delle probabilità e statistica. Società Editrice Esculapio.

- Hillier, F.S. (2010). Ricerca operativa. McGraw-Hill Education.

- Greco, S. Matarazzo, B. Corrente, S. (2020). Analisi Multicriteriale delle decisioni, (Dispense).

NB: I testi consigliati sono presenti nella biblioteca di dipartimento.



Programmazione del corso

 ArgomentiRiferimenti testi
1Concetti di base dell’analisi delle decisioni: esempi didattici e casi di studio.Dispense 
2Esiti e preferenze. Relazioni di preferenza. Stati e atti. Strutture di preferenza. Dispense 
3Richiami di teoria della probabilità.Bramanti, M.: cap. 2. Dispense 
4Probabilità condizionata. Indipendenza tra eventi. Esempi didattici e applicazioni.Bramanti, M.: cap. 2. Dispense 
5Variabili aleatorie e modelli probabilistici. Esempi didattici e applicazioni.Bramanti, M.: cap. 3. Dispense 
6Dominanza Stocastica. Valutazione del rischio.Castagnoli, E.: cap. 16. Dispense 
7Criterio di Dominanza. Criterio MaxiMin e LexiMin. Criterio di Hurwicz.Greco, S. Matarazzo, B. Corrente, S.: cap. 2. Dispense 
8Teoria dell’utilità. Criteri di scelta in condizioni di incertezza. Certo Equivalente.Castagnoli, E.: cap. 15. Dispense 
9Funzioni di utilità principali. Teorema di von Neumann Morgenstern. Castagnoli, E.: cap. 15. Dispense 
10Paradossi di San Pietroburgo, Allais e Ellsberg. Prospect Theory.Castagnoli, E.: cap. 18. Dispense 
11Modelli di Programmazione Lineare. Classificazione ed esempi dei modelli di Programmazione Lineare. Modelli di Programmazione Intera.Hillier, F.S: cap. 2, 7. Dispense 
12Modelli di Programmazione Non Lineare. Risoluzione di modelli di Programmazione tramite software. Hillier, F.S: cap. 8. Dispense 
13Implementazione e presentazione di casi di reali di problemi di decisione manageriale affrontati tramite i concetti presentati durante il corso.Dispense 
14Struttura di un problema multicriteriale: alternative, criteri, direzioni di preferenza, problematiche (choice, ranking, sorting). Sistemi di supporto alle decisioni multicriteriali.Greco, S. Matarazzo, B. Corrente, S.: cap. 3. Dispense 
15Sistemi di supporto alle decisioni multicriteriali: esempi didattici e casi di studio.Greco, S. Matarazzo, B. Corrente, S.: cap. 4. Dispense 

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

La prova d'esame tende ad accertare il raggiungimento degli obiettivi formativi potrà essere effettuata sia in forma scritta che in forma di prova orale nella quale si mira a verificare le capacità dello studente di utilizzare ed applicare opportunamente i concetti di base, gli strumenti ed i risultati fondamentali proposti nel programma, anche sulla base dello svolgimento di uno o più esercizi.

Il voto sarà assegnato in base al livello di preparazione dimostrato dallo studente, fermo restando che il superamento dell’esame richiede il raggiungimento di una soglia minima di conoscenza delle tematiche contemplate nel programma dell’insegnamento

La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere.

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte le necessarie variazioni rispetto a quanto dichiarato in precedenza, al fine di rispettare il programma previsto e riportato nel syllabus.


Esempi di domande e/o esercizi frequenti

  1. Cos’è una misura di probabilità?
  2. Cosa sono e come si calcolano gli indici di posizione, dispersione e forma di una distribuzione?
  3. Cos’è la probabilità condizionata?
  4. Mi enuncia il teorema di Bayes?
  5. Cos’è l’ordinamento stocastico?
  6. Mi illustra i criteri di Dominanza, MaxiMin e Leximin?
  7. Cos’è una relazione binaria?
  8. Cos’è una struttura di preferenza?
  9. Quali sono le principali strutture di preferenza?
  10. Cos’è l’utilità attesa?
  11. Cos’è il Certo Equivalente?
  12. Quali sono le ipotesi del Teorema di von Neumann Morgenstern?
  13. Mi illustra i paradossi di San Pietroburgo, Allais e Ellsberg?
  14. Mi illustra la struttura del modello di programmazione lineare?
  15. Quali sono le ipotesi ed i vantaggi della Programmazione Lineare?
  16. Quali sono le problematiche affrontate in analisi multicriteriale?
  17. Mi descrive la struttura di un problema di analisi multicriteriale?
  18. Mi spiega il modello di preferenza basato sulla somma pesata?