Strumenti quantitativi per la gestione

Modelli analitici per l’analisi dei dati e l’ottimizzazione delle scelte
Conoscenza delle tecniche principali della regressione statistica: analisi ed interpretazione di modelli che trovano largo impiego nelle applicazioni pratiche; tecniche di individuazione dei modelli, di diagnostica e di correzione dei problemi. 
Acquisire capacità di  analisi e modellazione statistica dei fenomeni reali attraverso la discussione di casi reali ed esempi pratici. Capacità di saper affrontare i problemi principali che si possono presentare nelle applicazioni reali
Acquisire capacità di utilizzo di software statistico per l’implementazione delle tecniche discusse.
Acquisire capacità di comprendere autonomamente  i testi di tipo applicato che trattano di modelli lineari.
Conoscenze di base ed applicate:
- metodi per la rappresentazione dell’incertezza di natura non stocastica
- modelli per le decisioni a criteri multipli in presenza di più decisori
- trattamento di variabili linguistiche
- algoritmi fuzzy.
Capacità:
- analizzare l’incertezza presente nei processi decisionali ed individuare gli strumenti di rappresentazione più idonei
- costruire modelli di decisione a criteri multipli con più decisori
- rappresentare processi inferenziali con proposizioni condizionali fuzzy.