Laboratorio di statistica matematica
A.A. 2020/2021
Obiettivi formativi
Non definiti
Risultati apprendimento attesi
Non definiti
Periodo: Secondo semestre
Modalità di valutazione: Giudizio di approvazione
Giudizio di valutazione: superato/non superato
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
in caso di didattica in remoto, oltre a Teams, viene richiesto che gli studenti abbiano un PC con software statistico installato (R). Su Ariel, verrà spiegato come installarlo.
Programma
1. Introduzione al software statistico (SAS o R)
2. Introduzione ai GLM (General Linear Models): formulazione generale, funzione di link
3. Caso in cui la funzione di link è l'identità: modello di regressione lineare.
3.1. Stima dei parametri
3.2. Metodi di selezione delle variabili
3.3. Analisi dei residui e diagnostica sulla regressione.
4. Caso di regressori dummy
5. ANOVA a una e a due vie
6. Funzione di link logit: regressione logistica
7. Alberi di classificazione e regressione (CART)
8. Introduzione alle reti neurali
2. Introduzione ai GLM (General Linear Models): formulazione generale, funzione di link
3. Caso in cui la funzione di link è l'identità: modello di regressione lineare.
3.1. Stima dei parametri
3.2. Metodi di selezione delle variabili
3.3. Analisi dei residui e diagnostica sulla regressione.
4. Caso di regressori dummy
5. ANOVA a una e a due vie
6. Funzione di link logit: regressione logistica
7. Alberi di classificazione e regressione (CART)
8. Introduzione alle reti neurali
Prerequisiti
Il contenuti del corso di Statistica Matematica (ex CPSM2) sono fortemente consigliati per una comprensione approfondita dei contenuti
Metodi didattici
lezioni in laboratorio informatico
Materiale di riferimento
· G.G. Roussas, A Course in Mathematical Statistics, Academic Press, 1997 (o edizioni più recenti)
· A.Agresti, Categorical data analysis, Wiley, 2nd edition (2002)
· N. Draper, H. Smith, Applied Regression Analysis, Ultima Edizione
· A.J.Izenman, Modern multivariate statistical techniques.. Regression, classification, and manifold learning, Springer, 2008
· A.Agresti, Categorical data analysis, Wiley, 2nd edition (2002)
· N. Draper, H. Smith, Applied Regression Analysis, Ultima Edizione
· A.J.Izenman, Modern multivariate statistical techniques.. Regression, classification, and manifold learning, Springer, 2008
Modalità di verifica dell’apprendimento e criteri di valutazione
progetti durante il corso
MAT/06 - PROBABILITA' E STATISTICA MATEMATICA - CFU: 3
Laboratori: 36 ore
Docenti:
Aletti Giacomo, Micheletti Alessandra
Docente/i
Ricevimento:
su appuntamento
ufficio 2099
Ricevimento:
Su appuntamento per email
studio o online (videoconferenza)