ID:
ECO0376
Durata (ore):
45
CFU:
6
SSD:
METODI MATEMATICI DELL'ECONOMIA E DELLE SCIENZE ATTUARIALI E FINANZIARIE
Anno:
2026
Dati Generali
Periodo di attività
Primo Semestre (14/09/2026 - 11/12/2026)
Syllabus
Obiettivi Formativi
Il corso si propone di fornire una solida preparazione teorica sui principali metodi quantitativi utilizzati a supporto delle decisioni economiche, in contesti caratterizzati sia da certezza sia da incertezza. Parallelamente, mira a sviluppare competenze pratiche nell’utilizzo del linguaggio Python per la modellizzazione e la risoluzione computazionale dei problemi analizzati. Il programma include l’introduzione a modelli di ottimizzazione e a metodi decisionali in condizioni di rischio e incertezza, con particolare attenzione agli strumenti della teoria dei giochi per lo studio delle interazioni strategiche.
Prerequisiti
Per una partecipazione efficace al corso, è fortemente raccomandata una conoscenza di base della matematica generale, con particolare riferimento all’algebra lineare (matrici e sistemi lineari) e all’analisi matematica (funzioni, derivate, ottimizzazione sia vincolata che non vincolata).
Metodi didattici
Lezioni frontali dedicate alla trattazione teorica dei concetti fondamentali relativi ai metodi quantitativi, ai modelli decisionali e alla teoria dei giochi, accompagnate dalla presentazione di esempi applicativi finalizzati a facilitare la comprensione dei modelli matematici e delle loro applicazioni in ambito economico.
Lezioni ed esercitazioni dedicate all'introduzione ai fondamenti del linguaggio Python, con particolare attenzione alla sintassi di base, alle variabili, alle strutture di controllo, alle funzioni e all'utilizzo delle principali librerie per il calcolo numerico e la rappresentazione grafica.
Esercitazioni pratiche in aula finalizzate all'implementazione, mediante Python, di modelli decisionali, alla risoluzione di problemi di ottimizzazione, alla costruzione di alberi decisionali e alla simulazione di giochi strategici.
Disponibilità di materiali didattici digitali, quali slide, dispense, tutorial Python e script di esempio, accessibili tramite piattaforme online (Moodle, Teams, ecc.), integrati da videolezioni e webinar dedicati all'approfondimento di specifiche tematiche.
Lezioni ed esercitazioni dedicate all'introduzione ai fondamenti del linguaggio Python, con particolare attenzione alla sintassi di base, alle variabili, alle strutture di controllo, alle funzioni e all'utilizzo delle principali librerie per il calcolo numerico e la rappresentazione grafica.
Esercitazioni pratiche in aula finalizzate all'implementazione, mediante Python, di modelli decisionali, alla risoluzione di problemi di ottimizzazione, alla costruzione di alberi decisionali e alla simulazione di giochi strategici.
Disponibilità di materiali didattici digitali, quali slide, dispense, tutorial Python e script di esempio, accessibili tramite piattaforme online (Moodle, Teams, ecc.), integrati da videolezioni e webinar dedicati all'approfondimento di specifiche tematiche.
Verifica Apprendimento
La modalità di verifica dell’apprendimento comprende una prova scritta (teorica) con domande a risposta aperta, finalizzata a valutare la comprensione dei concetti fondamentali relativi ai metodi quantitativi, ai modelli decisionali e alla teoria dei giochi. La prova include inoltre esercizi di formulazione e analisi di modelli matematici. Una parte significativa della verifica è dedicata alla programmazione in Python, attraverso esercizi finalizzati ad accertare la conoscenza dei costrutti di base della programmazione, quali variabili, strutture di controllo e funzioni, nonché la capacità di implementare modelli decisionali, risolvere problemi di ottimizzazione, costruire alberi decisionali, simulare giochi strategici e utilizzare strumenti computazionali per l’analisi di problemi economici e decisionali. Durante il corso sono altresì somministrati quiz volti a monitorare l’apprendimento continuo e a fornire tempestivi feedback agli studenti.
Contenuti
Introduzione ai concetti fondamentali dell'analisi delle decisioni economiche, con definizione di problema decisionale e classificazione dei modelli decisionali (certezza, incertezza e rischio; decisioni individuali e interazioni strategiche). Traduzione di problemi concreti in modelli matematici. Analisi dei principali modelli di scelta in economia, con particolare attenzione alla teoria del consumatore e dell'impresa (minimizzazione dei costi, massimizzazione del profitto, produzione e rendimenti di scala). Studio delle decisioni in condizioni di incertezza e rischio, inclusi alberi decisionali e metodi per la valutazione delle alternative. Approfondimento della teoria dei giochi e delle interazioni strategiche, con focus su giochi non cooperativi a due e più giocatori, strategie pure e miste, equilibrio di Nash, giochi ripetuti, evolutivi e bayesiani, attraverso definizioni, esempi e applicazioni.
La seconda parte del corso è dedicata all'introduzione al coding in Python come strumento per l'analisi e la risoluzione di problemi decisionali ed economici. Verranno illustrati i concetti fondamentali della programmazione, la definizione di variabili, strutture di controllo, funzioni e principali librerie per il calcolo numerico e la rappresentazione grafica. Gli studenti svilupperanno semplici applicazioni per implementare modelli economici e decisionali, risolvere problemi numerici, simulare processi decisionali e analizzare giochi statici, dinamici, ripetuti ed evolutivi. Il corso si conclude con una valutazione critica dei modelli sviluppati e un confronto tra gli approcci teorici e computazionali.
La seconda parte del corso è dedicata all'introduzione al coding in Python come strumento per l'analisi e la risoluzione di problemi decisionali ed economici. Verranno illustrati i concetti fondamentali della programmazione, la definizione di variabili, strutture di controllo, funzioni e principali librerie per il calcolo numerico e la rappresentazione grafica. Gli studenti svilupperanno semplici applicazioni per implementare modelli economici e decisionali, risolvere problemi numerici, simulare processi decisionali e analizzare giochi statici, dinamici, ripetuti ed evolutivi. Il corso si conclude con una valutazione critica dei modelli sviluppati e un confronto tra gli approcci teorici e computazionali.
Lingua Insegnamento
ITALIANO
Altre informazioni
Libri consigliati:
1. Python per le Scienze Economiche e Sociali: Coding in preparazione alla Data Science. Jianyi Lin, Davide Radi e Francesco Tornieri, Giapicchelli, 2025. ISBN: 9791221117332
2. Teoria dei giochi, Robert Gibbons, Mulino, 2005. ISBN: 978-88-15-10823-4
Software utilizzati:
Durante il corso verrà utilizzato l’ambiente di sviluppo Spyder per la programmazione in Python, l’implementazione dei modelli decisionali, la risoluzione di problemi numerici e la simulazione computazionale dei modelli analizzati.
L'insegnamento contribuisce al perseguimento dei seguenti Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU":
Goal 9: Imprese, innovazione e infrastrutture
Goal 12: Consumo e produzione responsabili
Goal 13: Lotta contro il cambiamento climatico
1. Python per le Scienze Economiche e Sociali: Coding in preparazione alla Data Science. Jianyi Lin, Davide Radi e Francesco Tornieri, Giapicchelli, 2025. ISBN: 9791221117332
2. Teoria dei giochi, Robert Gibbons, Mulino, 2005. ISBN: 978-88-15-10823-4
Software utilizzati:
Durante il corso verrà utilizzato l’ambiente di sviluppo Spyder per la programmazione in Python, l’implementazione dei modelli decisionali, la risoluzione di problemi numerici e la simulazione computazionale dei modelli analizzati.
L'insegnamento contribuisce al perseguimento dei seguenti Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU":
Goal 9: Imprese, innovazione e infrastrutture
Goal 12: Consumo e produzione responsabili
Goal 13: Lotta contro il cambiamento climatico
Corsi
Corsi (2)
No Results Found
Persone
Persone
Supplenti Docenti
No Results Found