METODI STATISTICI PER LE ANALISI DI MERCATO
Anno accademico 2016/2017 - 1° annoCrediti: 9
Organizzazione didattica: 225 ore d'impegno totale, 165 di studio individuale, 60 di lezione frontale
Semestre: 1°
ENGLISH VERSION
Obiettivi formativi
- Conoscenza e capacità di comprensione (knowledge and understanding): Il corso mira a fornire gli strumenti fondamentali per l’analisi statistica di dati multivariati, con particolare attenzione all’analisi di dati nel campo del marketing.
- Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): Sulla base delle conoscenze acquisite, lo studente sarà in grado di utilizzare i principali metodi quantitativi al fine di analizzare e investigare aspetti essenziali di fenomeni in ambito marketing attraverso l’utilizzo del linguaggio R.
- Autonomia di giudizio (making judgements): lo studente sarà in grado di raccogliere, elaborare ed interpretare dati di natura quantitativa e qualitativa, anche in un’ottica politico-decisionale. Lo studente potrà poi organizzare sistematicamente tali valutazioni in una riflessione articolata su specifiche realtà aziendali.
- Abilità comunicative (communication skills): Lo studente sarà in grado di trasferire ad altri, con padronanza di linguaggio tecnico, informazioni e valutazioni relative a distribuzioni di dati inerenti il marketing e le analisi di mercato
- Capacità di apprendimento (learning skills): alla fine del corso di lezioni lo studente avrà acquisito le conoscenze necessarie per poter proseguire i suoi studi economico-aziendali. L’apprendimento è ottenuto con un processo graduale in stretta relazione con le tematiche disciplinari e con gli obiettivi formativi peculiari del Corso di Laurea Specialistica in Direzione Aziendale.
Prerequisiti richiesti
Conoscenze di base di Statistica (statistica descrittiva, probabilità, inferenza statistica)
Frequenza lezioni
Di norma obbligatoria
Contenuti del corso
Indagini di mercato. Rilevazioni statistiche. Progettazione di questionari. Matrici di dati. Principali sintesi statistiche di dati multidimensionali. Il software statistico R.
Metodi di campionamento. Campionamento da popolazioni finite. Campionamento probabilistico e non probabilistico. Principali piani di campionamento. Stima della dimensione campionaria.
Analisi di dati multidimensionali. Distanze, indici di similarità e dissimilarità. Cluster analysis: metodi gerarchici e non gerarchici di classificazione. Segmentazione del mercato e dei consumatori. Analisi Fattoriale.
Modelli di regressione lineare. Regressione lineare semplice e multipla. Stime dei minimi quadrati. Misure di bontà del modello. Analisi dei residui. Inferenza sui parametri di un modello di regressione.
Testi di riferimento
- G. Bonollo, M. Bonollo, Statistica Aziendale, McGraw Hill, Milano, 2005
- B. Bracalente, M. Cossignani, A. Mulas, Statistica Aziendale, McGraw-Hill, Milano, 2009
- M. Montinaro, Metodi Statistici per le Indagini Campionarie, Utet, Torino, 2007
- F. Bassi, Analisi di Mercato, Carocci Editore, Roma, 2009
Programmazione del corso
| * | Argomenti | Riferimenti testi | |
|---|---|---|---|
| 1 | * | Rilevazioni statistiche. Principali tecniche di indagine statistica. Progettazione di questionari. Il linguaggio R. | Testo 1 cap. 4; Testo 2: cap 2; Testo 4: cap 4 |
| 2 | * | Campionamento da popolazioni finite. Distribuzioni campionarie. Inferenza da popolazioni finite. Campionamento semplice, stratificato, sistematico. Campionamento a grappoli ed a due stadi. Campionamenti ragionati. | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
| 3 | * | Stima della media. Stima del totale e della proporzione. Dimensionamento del campione in funzione del costo e in funzione dell’errore | Testo 2: cap. 2; Testo 3: cap 1-5; Testo 4: cap 3 |
| 4 | * | Prime analisi di dati multimensionali. Matrici di dati e sintesi statistiche. Applicazioni in R | Testo 1 cap. 3; Testo 2: cap. 3 |
| 5 | * | Metodi di segmentazione del mercato e della clientela. Distanza e dissimilarità. Indici di similarità. Trattamento congiunto variabili miste. Cluster analysis: metodi gerarchici e non gerarchici. Applicazioni in R. | Testo 1 cap. 3,4; Testo 2: cap.5 |
| 6 | * | Metodi di riduzione dimensionale. Analisi fattoriale. Applicazioni in R. | Testo 2: cap. 5 |
| 7 | * | Modelli di di regressione lineare. Regressione lineare semplice e multipla. Stima dei minimi quadrati. Valutazione di bontà dell’adattamento. Inferenza su parametri del modello di regressione. Applicazioni in R. | Testo 1 cap. 2,3; Testo 2: cap.4 |
N.B. La conoscenza degli argomenti contrassegnati con l'asterisco è condizione necessaria ma non sufficiente per il superamento dell'esame. Rispondere in maniera sufficiente o anche più che sufficiente alle domande su tali argomenti non assicura, pertanto, il superamento dell'esame.
Verifica dell'apprendimento
Modalità di verifica dell'apprendimento
L’esame consiste nella redazione di un elaborato inerente un caso studio di analisi di dati in ambito marketing e di una prova orale.
Esempi di domande e/o esercizi frequenti
Argomenti inerenti la progettazione e realizzazione di indagini statistiche
2 Argomenti inerenti la segmentazione
3 Argomenti inerenti l’analisi fattoriale
4 Argomenti inerenti modelli di regressione