Università degli Studi di Napoli "Parthenope"

  1. Didattica
  2. METODI QUANTITATIVI PER LE VALUTAZIONI ECONOMICHE E FINANZIARIE
  3. STATISTICA PER LE ASSICURAZIONI

Stampa

icona Rss

STATISTICA PER LE ASSICURAZIONI

Scheda dell'insegnamento

Anno accademico: 
2020/2021
Tipologia di insegnamento: 
Caratterizzante
Tipo di attività: 
Obbligatorio
Corso di afferenza: 
Corso di Corso di Laurea Magistrale in METODI QUANTITATIVI PER LE VALUTAZIONI ECONOMICHE E FINANZIARIE
Settore disciplinare: 
STATISTICA ECONOMICA (SECS-S/03)
Lingua: 
Italiano
Crediti: 
9
Anno di corso: 
2
Docenti: 
Dott.ssa D'AGOSTINO Antonella
Ciclo: 
Primo Semestre
Ore di attivita' frontale: 
72

Obiettivi

Il corso si propone di sviluppare nei discenti capacità di apprendimento ed utilizzo di modelli statistici per l’analisi
quantitativa dei dati di impresa e dei mercati assicurativi. Durante il corso, l’attenzione sarà rivolta non solo agli aspetti
computazionali delle tecniche, ma anche all’effettiva applicazione delle stesse a dati reali mediante l’utilizzo software
R. Ciò al fine di fornire una adeguata conoscenza delle metodologie, delle tecniche e degli strumenti informatici
utilizzati nei campi applicativi di interesse del corso.

Prerequisiti

Capacità di ragionamento. Alcune conoscenze di base di statistica descrittiva, inferenziale e regressione lineare
semplice e multipla possono facilitare l’apprendimento, se già possedute dallo studente; esse corrispondo
essenzialmente a quelle fornite dagli insegnamenti di primo livello di area economica offerti dall’ateneo. Tuttavia, per
gli studenti provenienti da corsi di laurea differenti è comunque prevista un’integrazione con opportuna bibliografia di
riferimento.

Contenuti

I modulo: Introduzione alla gestione dataframes in R. Importazione/esportazione di dati. Analisi dei dati in R e
rappresentazioni grafiche. Alcune funzioni notevoli. Generazione di variabili casuali in R. Elementi di statistica
descrittiva ed inferenziale con R. Alcuni pacchetti specifici per l’analisi di regressione in R (24 ore di lezione
frontali e esercitazioni).
II Modulo: Introduzione ai dati assicurativi. Variabili casuali discrete e continue. Richiami sulla famiglia esponenziale.
Modelli lineari generalizzati (GLM). Modelli per dati categorici. Metodi di stima dei parametri: massima
verosimiglianza. Il metodo bootstrap. Implementazione in R dei modelli teorici trattati e risoluzione di casi empirici
(48 ore tra lezioni frontali e laboratorio R sugli argomenti teorici trattati)

Metodi didattici

Il corso è organizzato in 72 ore di lezione frontale. Il primo modulo costituito da 24 ore sarà completamente dedicato
all’apprendimento del software R, le restanti 48 ore saranno invece dedicate alla trattazione teorica degli argomenti del
corso intervallati da applicazioni empiriche su dati reali Il materiale didattico utilizzato durante le lezioni e le
esercitazioni sarà reso disponibile anche attraverso la piattaforma Moodle di Ateneo. Durante il corso saranno presentati
più casi empirici risolti in classe con il software R.

Verifica dell'apprendimento

La verifica si basa su una prova scritta al fine di valutare la capacità dello studente di utilizzare a fini applicativi il
software R e su una prova orale in cui lo studente sarà interrogato sui contenuti teorici del corso. In particolare, la prova
scritta si compone di un esercizio da svolgere con il software R in aula informatica. Il voto è espresso in 30esimi. Il voto
finale sarà calcolato come media ponderata tra la votazione riportata alla soluzione dell’esercizio (ponderazione 3 CFU)
e la votazione riportata alla prova orale (6 CFU). La lode può essere assegnata se lo studente mostra di essere in grado,
nelle risposte, di approfondire le tematiche trattate anche al di là di quanto esposto nei testi di riferimento e nei materiali
presentati a lezione. Il tempo assegnato per il completamento della prova scritta è di 1 ora. E’ ammesso durante la prova
scritta l’uso di appunti che riguardano i comandi e le funzioni di R.

Testi

P. DE JONG-G. Z. HELLER, Generalized Linear Models for Insurance Data, Cambridge University Press, 2008
- J H Maindonald, Using R for Data Analysis and Graphics, Introduction, Code and Commentary J H Maindonald
Centre for Mathematics and Its Applications, Australian National University, 2008. Downlowed from the .
- Materiale didattico fornito dal docente

Altre informazioni

Risultati di apprendimento attesi:
Conoscenza e capacità di comprensione: lo studente deve dimostrare di aver appreso le metodologie statistiche
sviluppate durante il corso e di saper scegliere la migliore metodologia statistica relativa all’analisi quantitativa dei dati
di impresa e assicurativi
Capacità di applicare conoscenza e comprensione: lo studente deve dimostrare di saper applicare le conoscenze
teoriche ai dati reali mediante il software R.
Autonomia di giudizio: lo studente deve dimostrare la capacità di approfondire anche in modo autonomo le
conoscenze acquisite riuscendo ad applicarle ad ambiti specifici che riguardano in generale l’analisi quantitativa dei
dati.
Abilità comunicative: lo studente deve essere in grado di rispondere in modo chiaro e esaustivo alle
domande della prova orale e risolvere adeguatamente l’esercizio proposto nella prova scritta.
Capacità di apprendimento: lo studente deve mostrare padronanza della metodologia statistica e capacità di
approfondire le proprie conoscenze su riferimenti bibliografici pertinenti e di rilievo per il campo oggetto di studio.