Corsi di laurea – sede di Treviso Guida della Facoltà di Economia – a.a. 2007-08 Piano consigliato delle frequenze Corso di laurea in Statistica e Informatica per la Gestione delle Imprese Il mancato rispetto del piano consigliato delle frequenze può comportare per lo studente la sovrapposizione degli orari delle lezioni o degli esami. Il piano è indicativo e potrà subire cambiamenti durante l'anno. Eventuali aggiornamenti saranno riportati nella versione on-line della guida (all'indirizzo: www.unive.it/economia) SEMESTRE periodo INSEGNAMENTI I 1 1° anno 1+2 2 II 3 4 Crediti Economia Aziendale I Matematica I Lingua Inglese (idoneità) Economia Aziendale II Matematica II Storia della filosofia della scienza I Economia Politica I Informatica di base I Statistica I Economia Politica II Informatica I Statistica II TOTALE 1° ANNO I 60 1 2° anno 2 II 3 4 Metodi decisionali per l'azienda A Modelli statistici I Sistemi di elaborazione delle informazioni I Basi di dati aziendali I Modelli statistici II Metodi decisionali per l'azienda B Economia e gestione delle imprese A Statistica computazionale A Un insegnamento a libera scelta Informatica Applicata A Gestione della produzione A Statistica computazionale B TOTALE 2° ANNO I 3° anno 5 5 5 5 5 5 5 5 5 5 5 5 60 1 2 II 5 5 5 5 5 5 5 5 5 5 5 5 3 4 Sistemi informativi aziendali A Analisi dei dati A Un insegnamento a libera scelta Controllo statistico della qualità A Analisi statistica delle serie temporali I Finanza aziendale I Un insegnamento statistico a scelta tra: − Metodi decisionali per l'azienda C (a distanza, 3 e 4 periodo) − Statistica industriale I − Statistica Aziendale A − Statistica e sistemi informativi territoriali A Marketing I Un insegnamento a libera scelta TIROCINIO PROVA FINALE TOTALE 3° ANNO 5 5 5 5 5 5 5 5 5 10 5 60 INSEGNAMENTI A LIBERA SCELTA 3 insegnamenti a libera 1 Sociologia I scelta. Si segnalano i 3 Storia economica del Novecento I seguenti che sono attiLaboratorio informatico A vati presso la sede di Analisi dei costi I Treviso : Metodi statistici per il data mining A 273 5 5 5 5 5