Libri UniversitariZoom 100%

Prof. Silvia Cagnone: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 5
Bologna 5 insegnamenti
Facoltà: Economia e management

Prof. Silvia Cagnone: Quantitative Methods For Economic Analysis (I.C)

9,5difficoltà
Bologna · Facoltà: Economia e management · Economics and Econometrics (LM-56)
Di cosa si tratta: Lo studio qualitativo delle ordinary differential e difference equations del primo ordine apre il percorso, con stati stazionari, stabilità ed equazione di accumulazione del capitale. Seguono lo studio dei sistemi non lineari e la scelta intertemporale ottima, in tempo continuo con Hamiltonian e in tempo discreto con Bellman.

Dettagli corso

1º annoCorso: LM-56
CFU: 12Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Leonard – Optimal Control Theory and Static Optimization in…ISBN 9780521331586
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Stokey – Recursive Methods in Economic DynamicsISBN 9780674750968
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
9,5
Montrucchio – Scelte intertemporaliISBN 9788843011711
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
7,2
Koch – Analysis of Multivariate and High Dimensional DataISBN 9780521887939
Tempo di studio del libro≈ 5,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
504 pagine
Difficoltà
9,5
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Utile
R o Stata per l'econometria (R gratuito)
Gratis dal sito ufficiale

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Come si risolve un sistema lineare di tre equazioni con il metodo di Gauss?
  2. Quando una matrice quadrata è invertibile e come si calcola la sua inversa per una matrice 2x2?
  3. Come si determinano i punti critici di una funzione di due variabili?
  4. Che cosa afferma il teorema di Lagrange per l'ottimizzazione vincolata?
  5. Come si interpreta il moltiplicatore di Lagrange in un problema di massimizzazione dell'utilità?
  6. Perché la matrice Hessiana permette di distinguere tra massimi e minimi locali?
  7. Come si calcola la derivata parziale di una funzione di produzione rispetto al capitale?
  8. Quale condizione garantisce che una funzione sia concava e perché conta per l'ottimo?
  9. Come si applica la regola della catena a una funzione composta di più variabili?
  10. Quali sono le proprietà di una distribuzione di probabilità discreta?
  11. Come si calcola il valore atteso di una variabile casuale continua con densità nota?
  12. Che cosa rappresenta la pendenza della retta di regressione stimata con il metodo dei minimi quadrati?
  13. Come si risolve un'equazione alle differenze del primo ordine con coefficiente costante?
  14. Quando un sistema dinamico converge verso uno stato stazionario?
  15. Come si calcola l'elasticità della domanda rispetto al prezzo a partire da una funzione di domanda?
  16. Perché la regola di Cramer si può applicare solo a sistemi con determinante non nullo?
  17. Come si ricava il massimo di una funzione di utilità soggetta a un vincolo di bilancio?
  18. Che cosa significa che due autovalori di una matrice sono complessi coniugati?
  19. Come si calcola il rango di una matrice e che cosa dice sulla compatibilità di un sistema?
  20. Come si descrive il comportamento di una funzione economica attraverso l'analisi dei punti di flesso?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Silvia Cagnone: Inference

5,1difficoltà
Bologna · Facoltà: Economia e management · Economics and Finance (L-33)
Di cosa si tratta: L'inferenza statistica parte dalla funzione di Likelihood, dalle statistiche sufficienti e dalla teoria della stima, con il metodo dei momenti e della massima verosimiglianza. Seguono stima puntuale, proprietà finite e asintotiche degli stimatori, stima per intervalli con pivotal quantity, e verifica di ipotesi con la teoria di Neyman-Pearson, errori di primo e secondo tipo e potenza di un test.

Dettagli corso

3º annoCorso: L-33
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 3 libri
Marx – An introduction to mathematical statistics and its…ISBN 9780134114217
Tempo di studio del libro≈ 8 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
742 pagine
Difficoltà
5,1
Azzalini – Statistical infernece based on the likelihoodISBN 9780412606502
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
341 pagine
Difficoltà
7,1
Hoff – A First Course in Bayesian Statistical MethodsISBN 9781441928283
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
270 pagine
Difficoltà
5,1
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Cerca su Amazon
Consigliato
Eserciziario di statistica
Cerca su Amazon
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che differenza c'è tra stima puntuale e stima per intervallo?
  2. Quali proprietà deve avere uno stimatore per essere considerato corretto?
  3. Come si interpreta correttamente un intervallo di confidenza al 95 per cento?
  4. Che cosa distingue l'errore di primo tipo dall'errore di secondo tipo in un test d'ipotesi?
  5. Quale significato ha il p-value e quali errori di interpretazione sono comuni?
  6. In che cosa consiste il metodo della massima verosimiglianza?
  7. Quando si può applicare il teorema del limite centrale per giustificare un'approssimazione normale?
  8. Come si costruisce un test per la media di una popolazione normale con varianza nota?
  9. Che cosa rappresenta la potenza di un test e da quali fattori dipende?
  10. Perché la distribuzione campionaria di uno stimatore è centrale per l'inferenza?
  11. In che modo l'ampiezza del campione influisce sull'ampiezza di un intervallo di confidenza?
  12. Quale differenza c'è tra ipotesi nulla e ipotesi alternativa in un test unilaterale e bilaterale?
  13. Come si valuta l'efficienza relativa di due stimatori della stessa grandezza?
  14. Che cosa si intende per distribuzione a priori e a posteriori nel contesto bayesiano?
  15. Come si verifica l'ipotesi di uguaglianza di due medie con campioni indipendenti?
  16. Quali sono le ipotesi alla base del modello di regressione lineare semplice?
  17. In che modo si ricava la statistica test per una proporzione con grandi campioni?
  18. Perché lo stimatore della varianza con denominatore n-1 è detto non distorto?
  19. Che cosa significa dire che un test è consistente?
  20. Quale esempio di problema inferenziale può risolvere un test chi-quadrato di indipendenza?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Scorri di lato: 2 insegnamenti →
Facoltà: Scienze

Prof. Silvia Cagnone: Inference

5,1difficoltà
Bologna · Facoltà: Scienze · Scienze statistiche (L-41)
Di cosa si tratta: L'inferenza statistica parte dalla funzione di Likelihood, dalle statistiche sufficienti e dalla teoria della stima, con il metodo dei momenti e della massima verosimiglianza. Seguono stima puntuale, proprietà finite e asintotiche degli stimatori, stima per intervalli con pivotal quantity, e verifica di ipotesi con la teoria di Neyman-Pearson, errori di primo e secondo tipo e potenza di un test.

Dettagli corso

2º annoCorso: L-41
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: 13 settimane (3 mesi)
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 3 libri
Marx – An introduction to mathematical statistics and its…ISBN 9780134114217
Tempo di studio del libro≈ 8 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
742 pagine
Difficoltà
5,1
Azzalini – Statistical infernece based on the likelihoodISBN 9780412606502
Tempo di studio del libro≈ 4 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
341 pagine
Difficoltà
7,1
Hoff – A First Course in Bayesian Statistical MethodsISBN 9781441928283
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
270 pagine
Difficoltà
5,1
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Consigliato
Eserciziario di statistica
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che differenza c'è tra stima puntuale e stima per intervallo?
  2. Quali proprietà deve avere uno stimatore per essere considerato corretto?
  3. Come si interpreta correttamente un intervallo di confidenza al 95 per cento?
  4. Che cosa distingue l'errore di primo tipo dall'errore di secondo tipo in un test d'ipotesi?
  5. Quale significato ha il p-value e quali errori di interpretazione sono comuni?
  6. In che cosa consiste il metodo della massima verosimiglianza?
  7. Quando si può applicare il teorema del limite centrale per giustificare un'approssimazione normale?
  8. Come si costruisce un test per la media di una popolazione normale con varianza nota?
  9. Che cosa rappresenta la potenza di un test e da quali fattori dipende?
  10. Perché la distribuzione campionaria di uno stimatore è centrale per l'inferenza?
  11. In che modo l'ampiezza del campione influisce sull'ampiezza di un intervallo di confidenza?
  12. Quale differenza c'è tra ipotesi nulla e ipotesi alternativa in un test unilaterale e bilaterale?
  13. Come si valuta l'efficienza relativa di due stimatori della stessa grandezza?
  14. Che cosa si intende per distribuzione a priori e a posteriori nel contesto bayesiano?
  15. Come si verifica l'ipotesi di uguaglianza di due medie con campioni indipendenti?
  16. Quali sono le ipotesi alla base del modello di regressione lineare semplice?
  17. In che modo si ricava la statistica test per una proporzione con grandi campioni?
  18. Perché lo stimatore della varianza con denominatore n-1 è detto non distorto?
  19. Che cosa significa dire che un test è consistente?
  20. Quale esempio di problema inferenziale può risolvere un test chi-quadrato di indipendenza?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Facoltà: Scienze Statistiche

Prof. Silvia Cagnone: Latent Variable Models

3,6difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistical Sciences (LM-82)
Di cosa si tratta: I modelli a variabili latenti partono dal modello fattoriale lineare normale, con specificazione, stima di maximum likelihood tramite EM algorithm e bontà di adattamento. Seguono i modelli a tratti latenti per dati binari (logit e normit), per dati polytomous e ordinali con la variabile sottostante, e i modelli a classi latenti per dati binari, con identificabilità e stima.

Dettagli corso

2º annoCorso: LM-82
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6,5 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Bartholomew – Moustaki IISBN 9780470971925
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
3,6
Bartholomew – The Analysis and Interpretation of Multivariate Data…ISBN 9781584882954
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
3,6
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Consigliato
Eserciziario di statistica
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue una variabile latente da una variabile osservata in un modello statistico?
  2. Come si scrive la verosimiglianza marginale di un modello di miscela gaussiana?
  3. Quali problemi di identificabilità possono emergere nei modelli a miscela?
  4. Che cosa si intende per label switching e come si può evitarlo nella stima?
  5. Come si derivano le equazioni di aggiornamento dell'algoritmo EM per una miscela?
  6. Perché l'algoritmo EM non fa decrescere la verosimiglianza ad ogni iterazione?
  7. Come si definisce la funzione Q nell'algoritmo EM e quale ruolo ha nella massimizzazione?
  8. In che modo l'analisi fattoriale modella la covarianza osservata tramite fattori latenti?
  9. Quale legame esiste tra analisi fattoriale e analisi delle componenti principali probabilistica?
  10. Quali sono gli elementi di un modello di Markov nascosto con stati discreti?
  11. Come funziona l'algoritmo forward-backward per calcolare le probabilità degli stati?
  12. Che cosa calcola l'algoritmo di Viterbi e in cosa differisce dal forward-backward?
  13. Come si stima un modello di Markov nascosto con l'algoritmo di Baum-Welch?
  14. Che cosa rappresenta l'evidence lower bound nell'inferenza variazionale?
  15. Perché la divergenza di Kullback-Leibler compare nella formulazione dell'inferenza variazionale?
  16. Quali ipotesi caratterizzano l'approssimazione mean-field nell'inferenza variazionale?
  17. Che cosa permette il trucco della riparametrizzazione nei variational autoencoder?
  18. In che modo un variational autoencoder si differenzia da un autoencoder classico?
  19. Come si applica la stima di massima verosimiglianza a un modello con variabili latenti?
  20. Quali criteri aiutano a scegliere il numero di componenti in un modello a miscela?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Silvia Cagnone: Latent Variable Models

3,6difficoltà
Bologna · Facoltà: Scienze Statistiche · Statistica, economia e impresa (LM-82)
Di cosa si tratta: I modelli a variabili latenti partono dal modello fattoriale lineare normale, con specificazione, stima di maximum likelihood tramite EM algorithm e bontà di adattamento. Seguono i modelli a tratti latenti per dati binari (logit e normit), per dati polytomous e ordinali con la variabile sottostante, e i modelli a classi latenti per dati binari, con identificabilità e stima.

Dettagli corso

2º annoCorso: LM-82
CFU: 6Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 6,5 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 2 libri
Bartholomew – Moustaki IISBN 9780470971925
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
3,6
Bartholomew – The Analysis and Interpretation of Multivariate Data…ISBN 9781584882954
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
3,6
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Consigliato
Calcolatrice scientifica non programmabile
Consigliato
Eserciziario di statistica
Consigliato
R o JASP (programmi gratuiti per l'analisi dei dati)
Gratis dal sito ufficiale

Verifica nel regolamento d'esame se la calcolatrice è ammessa e di che tipo. Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue una variabile latente da una variabile osservata in un modello statistico?
  2. Come si scrive la verosimiglianza marginale di un modello di miscela gaussiana?
  3. Quali problemi di identificabilità possono emergere nei modelli a miscela?
  4. Che cosa si intende per label switching e come si può evitarlo nella stima?
  5. Come si derivano le equazioni di aggiornamento dell'algoritmo EM per una miscela?
  6. Perché l'algoritmo EM non fa decrescere la verosimiglianza ad ogni iterazione?
  7. Come si definisce la funzione Q nell'algoritmo EM e quale ruolo ha nella massimizzazione?
  8. In che modo l'analisi fattoriale modella la covarianza osservata tramite fattori latenti?
  9. Quale legame esiste tra analisi fattoriale e analisi delle componenti principali probabilistica?
  10. Quali sono gli elementi di un modello di Markov nascosto con stati discreti?
  11. Come funziona l'algoritmo forward-backward per calcolare le probabilità degli stati?
  12. Che cosa calcola l'algoritmo di Viterbi e in cosa differisce dal forward-backward?
  13. Come si stima un modello di Markov nascosto con l'algoritmo di Baum-Welch?
  14. Che cosa rappresenta l'evidence lower bound nell'inferenza variazionale?
  15. Perché la divergenza di Kullback-Leibler compare nella formulazione dell'inferenza variazionale?
  16. Quali ipotesi caratterizzano l'approssimazione mean-field nell'inferenza variazionale?
  17. Che cosa permette il trucco della riparametrizzazione nei variational autoencoder?
  18. In che modo un variational autoencoder si differenzia da un autoencoder classico?
  19. Come si applica la stima di massima verosimiglianza a un modello con variabili latenti?
  20. Quali criteri aiutano a scegliere il numero di componenti in un modello a miscela?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Scorri di lato: 2 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Silvia Cagnone a Bologna

Che libro usa il prof. Silvia Cagnone per Quantitative Methods For Economic Analysis (I.C) a Bologna?

Per Quantitative Methods For Economic Analysis (I.C) (Canale unico) indica come obbligatorio: Leonard – Optimal Control Theory and Static Optimization in…, Stokey – Recursive Methods in Economic Dynamics, Montrucchio – Scelte intertemporali, Koch – Analysis of Multivariate and High Dimensional Data.

Quanto è impegnativo Quantitative Methods For Economic Analysis (I.C)?

12 CFU, difficoltà stimata 9.5 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Silvia Cagnone per Inference a Bologna?

Per Inference (Canale unico) indica come obbligatorio: Marx – An introduction to mathematical statistics and its…, Azzalini – Statistical infernece based on the likelihood, Hoff – A First Course in Bayesian Statistical Methods.

Quanto è impegnativo Inference?

6 CFU, difficoltà stimata 5.1 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Silvia Cagnone per Inference a Bologna?

Per Inference (Canale unico) indica come obbligatorio: Marx – An introduction to mathematical statistics and its…, Azzalini – Statistical infernece based on the likelihood, Hoff – A First Course in Bayesian Statistical Methods.

Quanto è impegnativo Inference?

6 CFU, difficoltà stimata 5.1 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Silvia Cagnone per Latent Variable Models a Bologna?

Per Latent Variable Models (Canale unico) indica come obbligatorio: Bartholomew – Moustaki I, Bartholomew – The Analysis and Interpretation of Multivariate Data….

Quanto è impegnativo Latent Variable Models?

6 CFU, difficoltà stimata 3.6 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Silvia Cagnone per Latent Variable Models a Bologna?

Per Latent Variable Models (Canale unico) indica come obbligatorio: Bartholomew – Moustaki I, Bartholomew – The Analysis and Interpretation of Multivariate Data….

Quanto è impegnativo Latent Variable Models?

6 CFU, difficoltà stimata 3.6 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.