Search Google Appliance

Analisi di mercato

  • Edizioni di altri A.A.:
  • 2017/2018
  • 2018/2019
  • 2019/2020

Dati insegnamento


Lingua Insegnamento:
Italiano 
Testi di riferimento:
Dispense - Appunti del corso distribuite in aula

Per ulteriori approfondimenti:
Sarndal, C. E., Swensson, B. and Wretman, J. (1992). Model Assisted Survey Sampling. Springer, New York, NY. 
Obiettivi formativi:
L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:

Conoscenza e capacità di comprensione

Il corso intende fornire avanzamenti metodologici ed applicativi dei metodi e le tecniche dei sondaggi in campo economico ed aziendale. Si vuole, inoltre, spingere gli studenti a specializzarsi nell'uso del pacchetto statistico open source R per selezionare campioni e produrre stime.

Capacità di applicare conoscenza e comprensione

Al termine del corso di insegnamento sarà in grado di selezionare campioni e produrre stime usando sofisticati metodi Design-Based e Model-Assisted. Le conoscenze acquisite gli consentiranno di stimare aggregati economici e/o aziendali. 
Prerequisiti:
Lo studente deve possedere le conoscenze della statistica di base e della matematica generale 
Metodi didattici:
Lezioni orali. Esercitazioni pratiche con il software R. 
Modalità di verifica dell'apprendimento:
Conoscenza e capacità di comprendere

Per verificare l'apprendimento è previsto un esame scritto ed un orale. L’esame scritto consisterà in domande teoriche ed esercizi sull'intero programma con particolare attenzione all'uso del software R, simulando alcune selezioni e stime campionarie. La valutazione finale, espressa in trentesimi, tiene conto sia dello scritto che dell’orale.

Capacità di applicare conoscenza e comprensione

Durante lo scritto e l’orale, la capacità degli studenti di applicare le tecniche di indagine viene verificata in modo da essere in grado di trattare casi di studio specifici. 
Altre Informazioni:
E-mail: benedett@unich.it.
Giorni ed orari di ricevimento studenti:
Nel I semestre il docente riceve per appuntamento (benedett@unich.it). Nel II semestre il ricevimento è fissato per il mercoledì dalle ore 16:00 alle ore 18:00, studio DEC 2° Piano, Viale della Pineta, 4. 

Concetti, definizioni, nomenclature
Tipologie di indagini
La costruzione degli archivi
I questionari
Popolazione e campionamento
Le caratteristiche di alcuni disegni campionari
Tecniche di stima basate sul disegno
L’uso di informazioni ausiliarie nella stima campionaria
Controllo e correzione dei dati
Diffusione dei dati


1.1. Cenni storici
1.2. Concetti, definizioni, nomenclature
1.3. Tipologie di indagini
1.4. La costruzione degli archivi
1.5. I questionari
2. Popolazione e campionamento
2.1. Popolazioni finite e superpolazioni
2.2. Campioni con o senza reinserimento
2.3. Lo spazio campionario
2.4. Campioni casuali e disegnio campionario
2.5. Le probabilità di inclusione
2.6. Algoritmi di selezione campionaria
3. Le caratteristiche di alcuni disegni campionari
3.1. Introduzione
3.2. Il campione casuale semplice
3.3. Campionamenti con probabilità variabili
3.4. Il campione sistematico
3.5. Il campione stratificato
3.6. Campionamento a grappoli
3.7. L’uso di due o più stadi di campionamento
3.8. Campionamenti di unità territoriali
3.9. Il campione bilaciato
4. Tecniche di stima basate sul disegno
4.1. Introduzione
4.2. Statistiche e stimatori
4.3. Stima del totale
4.4. Gli stimatori di Hansen-Hurwitz (HH) e di Horvitz-Thompson (HT)
4.5. Varianza delle stime e stima dell’errore campionario
4.6. Stimatori e relative varianze per alcuni piani di campionamento
5. L’uso di informazioni ausiliarie nella stima campionaria
5.1. Introduzione
5.2. L’uso delle variabili ausiliarie
5.3. Stime assistite da modello o basate su modello
5.4. Gli stimatori di post stratificazione delle differenze e del quoziente
5.5. Lo stimatore di regressione generalizzato
5.6. Gli stimatori di calibrazione
5.7. Correzione dagli effetti delle mancate risposte totali
5.8. Stima per piccoli domini
6. Controllo e correzione dei dati
6.1. Introduzione
6.2. Il piano di campatibilità
6.3. Identificazioni degli errori
6.4. Correzioni selettive ed interattive
6.5. Metodi di imputazione
7. Diffusione dei dati
7.1. Introduzione
7.2. Tutela della riservatezza
7.3. Diffusione di dati elementari
7.4. Diffusione di stime o dati aggregati