Raccolta, rappresentazione e analisi dei dati
A.A. 2018/2019
Obiettivi formativi
1) Fornire allo studente elementi di statistica per l'analisi della regressione semplice, multipla e ANOVA con la possibilità di valutare i fattori che influenzano l'adattamento del modello alle osservazioni campionarie.
2) Fornire elementi di base di analisi multivariata per lo studio dell'associazione congiunta di più variabili e la valutazione dei pattern di associazione, comprendendo il caso di variabili misurate su scala continua e su scala categorica
3) Illustrare l'utilizzo del software R, liberamente disponibile, che ha il vantaggio di numerose librerie utili per l'analisi di dati in studi di ecologia ed in altri ambiti naturalistici
2) Fornire elementi di base di analisi multivariata per lo studio dell'associazione congiunta di più variabili e la valutazione dei pattern di associazione, comprendendo il caso di variabili misurate su scala continua e su scala categorica
3) Illustrare l'utilizzo del software R, liberamente disponibile, che ha il vantaggio di numerose librerie utili per l'analisi di dati in studi di ecologia ed in altri ambiti naturalistici
Risultati apprendimento attesi
Valutare possibili strategie di analisi statistica in funzione del disegno dello studio e della scala di misura delle variabili raccolte durante la fase di campionamento.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Secondo semestre
Programma
Introduzione all'algebra lineare: vettori e matrici per la rappresentazione dei modelli di regressione
Introduzione alla programmazione con il software R
Il modello lineare generale
Modello lineare semplice
Metodo di stima dei minimi quadrati e della massima verosimiglianza
Inferenza sui coefficienti di regressione e ANOVA del modello
Verifica dell'adattamento: analisi dei residui e identificazione delle osservazioni influenti
Variabilità spiegata e coefficiente di determinazione
Modello di regressione multipla
Interpretazione dei coefficienti di regressione
Inferenza sui coefficienti di regressione e ANOVA del modello
Coefficienti di determinazione parziale
Verifica dell'adattamento: analisi dei residui e identificazione delle osservazioni influenti
Modello Lineare e Analisi della Varianza
Le variabili indicatrici: diverse forme di parametrizzazione del modello ed interpretazione dei risultati.
ANOVA ad un solo criterio di classificazione
ANOVA a più criteri di classificazione
I confronti multipli
I modelli con interazione tra i fattori
Analisi della covarianza
Modelli con effetti fissi ed effetti casuali
Introduzione ai modelli lineari generalizzati
Aspetti metodologici: distribuzione esponenziale generalizzata, predittore lineare, funzioni link, devianza spiegata.
Il modello lineare generale come caso particolare di modello lineare generalizzato
Modello di regressione con errore binomiale
Modello di regressione con errore Poissoniano
Elementi di analisi della sopravvivenza per l'analisi di eventi che dipendono dal tempo
Definizione delle funzioni di sopravvivenza: tasso e probabilità di morte
La definizione di tempi con censura
La stima della probabilità di sopravvivenza con il metodo di Kaplan-Meier
Cenni sui modelli di regressione in analisi della sopravvivenza
Elementi di analisi multivariata
L'analisi delle componenti principali
L'analisi fattoriale
In tutto il corso saranno svolte esercitazioni sull'analisi dei dati con utilizzo del software R . Saranno utilizzati dati di letteratura inerenti problemi di scienza della natura
Introduzione alla programmazione con il software R
Il modello lineare generale
Modello lineare semplice
Metodo di stima dei minimi quadrati e della massima verosimiglianza
Inferenza sui coefficienti di regressione e ANOVA del modello
Verifica dell'adattamento: analisi dei residui e identificazione delle osservazioni influenti
Variabilità spiegata e coefficiente di determinazione
Modello di regressione multipla
Interpretazione dei coefficienti di regressione
Inferenza sui coefficienti di regressione e ANOVA del modello
Coefficienti di determinazione parziale
Verifica dell'adattamento: analisi dei residui e identificazione delle osservazioni influenti
Modello Lineare e Analisi della Varianza
Le variabili indicatrici: diverse forme di parametrizzazione del modello ed interpretazione dei risultati.
ANOVA ad un solo criterio di classificazione
ANOVA a più criteri di classificazione
I confronti multipli
I modelli con interazione tra i fattori
Analisi della covarianza
Modelli con effetti fissi ed effetti casuali
Introduzione ai modelli lineari generalizzati
Aspetti metodologici: distribuzione esponenziale generalizzata, predittore lineare, funzioni link, devianza spiegata.
Il modello lineare generale come caso particolare di modello lineare generalizzato
Modello di regressione con errore binomiale
Modello di regressione con errore Poissoniano
Elementi di analisi della sopravvivenza per l'analisi di eventi che dipendono dal tempo
Definizione delle funzioni di sopravvivenza: tasso e probabilità di morte
La definizione di tempi con censura
La stima della probabilità di sopravvivenza con il metodo di Kaplan-Meier
Cenni sui modelli di regressione in analisi della sopravvivenza
Elementi di analisi multivariata
L'analisi delle componenti principali
L'analisi fattoriale
In tutto il corso saranno svolte esercitazioni sull'analisi dei dati con utilizzo del software R . Saranno utilizzati dati di letteratura inerenti problemi di scienza della natura
Propedeuticità
Nessuna
Prerequisiti
PRE-REQUISITI per il corso
Elementi di base di statistica descrittiva e calcolo delle probabilità
Distribuzione Gaussiana, Binomiale, Poisson
Elementi di inferenza: distribuzioni campionarie, intervalli di confidenza, test d'ipotesi su medie e proporzioni
ESAME
La modalità dell'esame sarà una prova pratica di analisi dei dati seguita da un colloquio
Elementi di base di statistica descrittiva e calcolo delle probabilità
Distribuzione Gaussiana, Binomiale, Poisson
Elementi di inferenza: distribuzioni campionarie, intervalli di confidenza, test d'ipotesi su medie e proporzioni
ESAME
La modalità dell'esame sarà una prova pratica di analisi dei dati seguita da un colloquio
Metodi didattici
Modalità di esame: Scritto e Orale; Modalità di frequenza: Fortemente consigliata; Modalità di erogazione: Mista
Materiale di riferimento
Slides presentate durante le lezioni, (disponibili su richiesta ai docenti del corso). Slides shown throughout the course, available contacting the teachers.
Libri di testo consigliati per consultazione/Textbooks for consultation
QUINN , KEOUGH: EXPERIMENTAL DESIGN AND DATA ANALYSIS FOR BIOLOGIST. CAMBRIDGE UNIVERSITY PRESS
MORRISON, BLOCK, STRIKLAND, COLLIER, PETERSON: WILDLIFE STUDY DESIGN . SPRINGER
Micciolo, ESPA: Analisi esplorativa dei dati con R . APOGEO
Micciolo, ESPA, Canal: Ricerca con R: Metodi di inferenza statistica APOGEO
R MANUALS sul sito: http://cran.r-project.org/)
**** ALTRI TUTORIAL IN R: Other tutorials in R:
Bodo Wintrer: Linear models and linear mixed effects models in R: Tutorial 1
Sul sito: http://www.bodowinter.com/tutorial/bw_LME_tutorial1.pdf
Bodo Winter: A very basic tutorial for performing linear mixed effects analyses. sul sito http://www.bodowinter.com/tutorial/bw_LME_tutorial.pdf
Generalized linear models in R sul sito:
http://www.stat.columbia.edu/~martin/W2024/R11.pdf
Libri di testo consigliati per consultazione/Textbooks for consultation
QUINN , KEOUGH: EXPERIMENTAL DESIGN AND DATA ANALYSIS FOR BIOLOGIST. CAMBRIDGE UNIVERSITY PRESS
MORRISON, BLOCK, STRIKLAND, COLLIER, PETERSON: WILDLIFE STUDY DESIGN . SPRINGER
Micciolo, ESPA: Analisi esplorativa dei dati con R . APOGEO
Micciolo, ESPA, Canal: Ricerca con R: Metodi di inferenza statistica APOGEO
R MANUALS sul sito: http://cran.r-project.org/)
**** ALTRI TUTORIAL IN R: Other tutorials in R:
Bodo Wintrer: Linear models and linear mixed effects models in R: Tutorial 1
Sul sito: http://www.bodowinter.com/tutorial/bw_LME_tutorial1.pdf
Bodo Winter: A very basic tutorial for performing linear mixed effects analyses. sul sito http://www.bodowinter.com/tutorial/bw_LME_tutorial.pdf
Generalized linear models in R sul sito:
http://www.stat.columbia.edu/~martin/W2024/R11.pdf
SECS-S/01 - STATISTICA - CFU: 6
Esercitazioni pratiche con elementi di teoria: 12 ore
Lezioni: 40 ore
Lezioni: 40 ore
Docenti:
Biganzoli Elia, Boracchi Patrizia
Docente/i
Ricevimento:
Da concordare
Campus LITA Vialba, Ospedale Sacco
Ricevimento:
Su appuntamento da concordare via e-mail