Prof. Angela Montanari

Argomenti del programma: Multivariate data and derived matrices. Dimension reduction methods: principal component analysis, factor analysis. Cluster analysis (unsupervised classification). Supervised classification.

Argomenti del programma: Introduzione al corso L'impresa come sistema: l'economia aziendale nella cornice delle discipline economiche. Imprese e aziende: definizioni, finalità, obiettivi. Il contesto in cui operano oggi le imprese: cenni allo scenario di riferimento e alle transizioni verso la sostenibilità, e al modo in cui si inseriscono nella gestione aziendale.

Argomenti del programma: Introduzione al corso L'impresa come sistema: l'economia aziendale nella cornice delle discipline economiche. Imprese e aziende: definizioni, finalità, obiettivi. Il contesto in cui operano oggi le imprese: cenni allo scenario di riferimento e alle transizioni verso la sostenibilità, e al modo in cui si inseriscono nella gestione aziendale.

Argomenti del programma: Introduzione al corso L'impresa come sistema: l'economia aziendale nella cornice delle discipline economiche. Imprese e aziende: definizioni, finalità, obiettivi. Il contesto in cui operano oggi le imprese: cenni allo scenario di riferimento e alle transizioni verso la sostenibilità, e al modo in cui si inseriscono nella gestione aziendale.

• Dispense di teoria e esercizi fornite dalla docente.
• Dispense scaricabili da Virtuale

Argomenti del programma: Nozioni preliminari: Prodotto cartesiano. I numeri reali. Polinomi e teorema fondamentale dell'algebra. Matrici: operazioni fra matrici, determinanti, matrici invertibili Sistemi lineari: metodo di riduzione di Gauss, teorema di Cramer Spazi vettoriali di dimensione finita: R^n, sottospazi vettoriali, basi, rango di una matrice, teorema di Rouché-Capelli per sistemi lineari, matrice del cambiamento di base…

Argomenti del programma: Probability spaces and Kolmogorov axioms Conditional probability, Law of Total Probability and Bayes' formula Independent events Random variables and distribution functions, discrete and continuous random variables, expected value, variance and covariance Discrete models: Bernoulli, Binomial, Hypergeometric, Poisson, Geometric Continuous models: Uniform, Gaussian, Gamma, Student, Fisher.

Argomenti del programma: Multivariate data and derived matrices. Dimension reduction methods: principal component analysis, factor analysis. Cluster analysis (unsupervised classification). Supervised classification.

Argomenti del programma: Multivariate data and derived matrices. Dimension reduction methods: principal component analysis, factor analysis. Cluster analysis (unsupervised classification). Supervised classification.