Anno accademico 2018-2019
STATISTICA APPLICATA E ANALISI DEI DATI
Docenti:
Vidoni Paolo
Vidoni Paolo
Anno di corso: 1
Totale crediti: 6
Tipologia: Affine/Integrativa
Periodo didattico: Primo Periodo
Lingua insegnamento: Inglese
Prerequisiti. Non sono previste propedeuticità ma è comunque suggerita la frequenza di un corso di base di statistica per seguire adeguatamente le lezioni.
Metodi didattici. L’insegnamento prevede esclusivamente lezioni ed esercitazioni frontali. Parte del corso si svolgerà in laboratorio utilizzando il software statistico R.
Modalità di verifica. L’esame consiste in una prova scritta e in una presentazione orale di un report scritto. Il report prevede l’analisi di un dataset reale o la presentazione di un pacchetto del software R o la descrizione di una procedura statistica non considerata durante il corso.
Altre informazioni. Le lezioni saranno supportate da slides riferite a tutti i temi trattati. Verranno forniti anche esercizi per ogni argomento.
OBIETTIVI FORMATIVI
Conoscenza e capacità di comprensione: conoscenza e comprensione delle principali procedure univariate e multivariate per sintetizzare i dati; conoscenza e comprensione dei principali modelli statistici e delle tecniche più importanti dell’apprendimento statistico, con particolare attenzione ai modelli di regressione e alle tecniche di analisi multivariata; conoscenza di almeno un software statistico.
Capacità di applicare conoscenza e comprensione: comprensione dei metodi statistici come strumenti di ricerca utili in vari contesti applicati; capacità di usare la statistica descrittiva e inferenziale per sintetizzare informazioni, per analizzare e interpretare relazioni tra variabili e per test di ipotesi, acquisire abilità nell’utilizzazione di un software statistico.
Autonomia di giudizio: autonomia di giudizio nella scelta dei modelli e dei metodi statistici più appropriati per analizzare uno specifico dataset e nell’interpretazione dei risultati sperimentali.
Abilità comunicative: abilità comunicative nel presentare in modo convincente e corretto un’analisi statistica, motivando i risultati ottenuti e giustificando la metodologia adottata.
Capacità di apprendimento permanente: capacità di apprendimento utilizzando strumenti utili per riuscire a capire autonomamente i contenuti di un report statistico e per acquisire tecniche statistiche più avanzate.
Capacità di applicare conoscenza e comprensione: comprensione dei metodi statistici come strumenti di ricerca utili in vari contesti applicati; capacità di usare la statistica descrittiva e inferenziale per sintetizzare informazioni, per analizzare e interpretare relazioni tra variabili e per test di ipotesi, acquisire abilità nell’utilizzazione di un software statistico.
Autonomia di giudizio: autonomia di giudizio nella scelta dei modelli e dei metodi statistici più appropriati per analizzare uno specifico dataset e nell’interpretazione dei risultati sperimentali.
Abilità comunicative: abilità comunicative nel presentare in modo convincente e corretto un’analisi statistica, motivando i risultati ottenuti e giustificando la metodologia adottata.
Capacità di apprendimento permanente: capacità di apprendimento utilizzando strumenti utili per riuscire a capire autonomamente i contenuti di un report statistico e per acquisire tecniche statistiche più avanzate.
CONTENUTI
Il corso introduce alcuni importanti metodologie statistiche per l’analisi dei dati. Verranno introdotti gli elementi di base della modellazione statistica e dell’apprendimento statistico, con particolare attenzione ai modelli di regressione e alle tecniche di analisi multivariata. Queste nozioni saranno introdotte considerando applicazioni a contesti reali e parte del corso si terrà in laboratorio informatico, utilizzando il software statistico R.
Programma del corso
1) Introduzione alla statistica e all’analisi dei dati;
2) Analisi statistica esplorativa;
3) Rassegna sugli elementi di base dell’inferenza statistica;
4) Modello di regressione lineare semplice;
5) Regressione multipla e regressione logistica;
6) Previsione e classificazione;
7) Metodi non supervisionati (analisi delle componenti principali e analisi dei gruppi).
Programma del corso
1) Introduzione alla statistica e all’analisi dei dati;
2) Analisi statistica esplorativa;
3) Rassegna sugli elementi di base dell’inferenza statistica;
4) Modello di regressione lineare semplice;
5) Regressione multipla e regressione logistica;
6) Previsione e classificazione;
7) Metodi non supervisionati (analisi delle componenti principali e analisi dei gruppi).
TESTI DI RIFERIMENTO
Costituiscono fonti di studio per l’esame, come testi di consultazione:
1) J. Maindonald, W.J. Braun: Data Analysis and Graphics Using R – An Example-Based Approach (Third Edition); Cambridge University Press, 2010.
2) J. Ledolter, R.V. Hogg: Applied Statistics for Engineers and Physical Scientist (Third Edition); Prentice Hall, 2009.
3) J.P. Marques de Sá: Applied Statistics Using SPSS, STATISTICA, MATLAB and R; Springer, 2007.
1) J. Maindonald, W.J. Braun: Data Analysis and Graphics Using R – An Example-Based Approach (Third Edition); Cambridge University Press, 2010.
2) J. Ledolter, R.V. Hogg: Applied Statistics for Engineers and Physical Scientist (Third Edition); Prentice Hall, 2009.
3) J.P. Marques de Sá: Applied Statistics Using SPSS, STATISTICA, MATLAB and R; Springer, 2007.
