MATHEMATICS FOR MODELLING IN MANAGEMENT
- Anno accademico
- 2024/2025 Programmi anni precedenti
- Titolo corso in inglese
- MATHEMATICS FOR MODELLING IN MANAGEMENT
- Codice insegnamento
- PHD168 (AF:545530 AR:312126)
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Corso di Dottorato (D.M.226/2021)
- Settore scientifico disciplinare
- SECS-S/06
- Periodo
- 1° Periodo
- Anno corso
- 1
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Questo corso affronta i concetti di base e più recenti avanzamenti nel campo della teoria dei newtork. Analizzeremo le principali strutture di social network, le loro proprietà e gli strumenti di base della matematica delle reti. Infine, studieremo come le informazioni, l'innovazione e le opinioni si diffondono attraverso le reti a causa delle interazioni sociali.
Inoltre, vengono date le basi di programmazione in Python con un enfasi particolare alla costruzione, visualizzazione e l'analisi di strutture di network.
Risultati di apprendimento attesi
Grazie all'attività di laboratorio in Python, gli studenti saranno in grado di sviluppare autonomamente parti di codice, progettare processi di raccolta dati e inferire informazioni dai dati per discutere casi di studio rilevanti, con particolare riferimento ai network.
Gli studenti saranno in grado di leggere criticamente, interpretare articoli accademici relativi alle applicazioni della network theory nel campo del management.
Prerequisiti
Mathematics
• Number sets - Powers and their properties - Logarithms and their properties - Equations – Inequalities
• The notion of real function - Graphs of functions – Linear and quadratic functions – Logarithmic and exponential functions
• Derivatives - Rates of change - Increasing/decreasing functions – Convexity and concavity
• Rules for differentiation - Maxima/Minima
• Indefinite integrals - Definite integrals - Improper integrals
• Basics of matrix algebra
Suggested reference:
K. Sydsaeter, P. Hammond and A. Strom (2016). Essential Mathematics for Economic Analysis (V edition), Pearson. Chapters 1-9.
Statistics
• Basic notions of probability theory
• Mean, median, variance , standard deviation
• Hypothesis testing
• Correlation (e.g., how to interpret a correlation coefficient)
• Linear Regression (e.g., how to interpret a regression coefficient)
• Types of variables (e.g., continuous, ordinal, categorical, dummy)
• Basic familiarity with computers and productivity software, like excel
Suggested reference:
OpenStax (2013). Introductory Statistics. Rice University. Free download of the pdf at: https://d3bxy9euw4e147.cloudfront.net/oscms-prodcms/media/documents/IntroductoryStatistics-OP_LXn0jei.pdf
Contenuti
1. Reti e social network. Esempi e applicazioni
2. La matematica delle reti 1 (matrici, grado, connettività)
3. La matematica delle reti 2 (componenti, paths e degree distribution)
4. Metriche e misurazione (centralità, similarità): hub e influencer
5. L'approssimazione di campo medio (dal modello Bass '69 ai nuovi media)
6. Diffusioni su reti e interazioni sociali - Modelli SIR e SIS
7. Passeggiate casuali sui grafici. Il modello di De Groot per la formazione del consenso
8. Opinion leader e influenza sociale: un'applicazione per la consulenza di reti
Laboratorio di Python:
i. Principali oggetti di Python (gestione delle variabili, cicli e alberi decisionali if-else)
ii. Creazione e gestione di vettori e matrici in Python
iii. Creazione e gestione di DataFrame e Dizionari
iv. Creazione e gestione di Oggetti di Rete attraverso vettori e moduli ad hoc (NetworkX)
v. Visualizzazione di oggetti di rete, ragionamento e metodi
vi. Calcolo delle metriche di rete
vii. Analisi statistica con Python e visualizzazione dei dati
viii. Conoscenza approfondita dei moduli comuni (NetworkX; Matplotlib; NumPy; Sci-Kit Learn; Pandas)
Testi di riferimento
Newman, M. Networks: an introduction. Oxford University Press, Second Edition, 2018. [Ch. 1-3, 6-8, 17]
Materiale integrativo e discussion paper saranno messi a disposizione dal docente.
Modalità di verifica dell'apprendimento
Per quanto riguarda la gradazione del voto (criteri per l'assegnazione dei voti):
A. I punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- Sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- Sufficiente capacità di risolvere i problemi proposti;
- Sufficiente competenza nell'uso di Python;
- Limitata capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti.
B. I punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- Discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
- Discreta capacità di risolvere i problemi proposti;
- Discreta competenza nell'uso di Python;
- Discreta capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti.
C. I punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- Buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- Buona o ottima capacità di risolvere i problemi proposti;
- Buona o ottima competenza nell'uso di Python;
- Buona o ottima capacità di spiegare il procedimento matematico sotteso alla risoluzione degli esercizi proposti.
D. La lode verrà attribuita in presenza di:
- Ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- Eccellente capacità di risolvere i problemi proposti;
- Eccezionale competenza nell'uso di Python;
- Eccellente capacità di esposizione e spiegazione nella risoluzione degli esercizi.
Metodi didattici
Altre informazioni
Ca’ Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. Se hai una disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e richiedi supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro) contatta l’ufficio Disabilità e DSA disabilita@unive.it.