Laboratorio di statistica matematica
A.A. 2022/2023
Obiettivi formativi
L'obiettivo principale dell'insegnamento è di introdurre gli aspetti teorici e computazionali dei primi strumenti statistici, traendo spunto dall'analisi di set di dati simulati o reali. A tale scopo verrà introdotto e utilizzato il software R, di riferimento in tutti gli ambiti scientifici e in diversi contesti aziendali e industriali. Lo studente imparerà a applicare la teoria matematica a situazioni di interesse modellistico, migliorerà le sue competenze informatiche e compuazionali e la sua attitudine al problem solving.
Risultati apprendimento attesi
Lo studente dovrà essere in grado di effettuare un'analisi statistica di base di dati provenienti da situazioni applicative di tipo diverso utilizzando il software statistico R. Avrà acquisito la capacità di utilizzare gli strumenti dell'analisi statistica di base per trarre informazioni rilevanti dai set di dati disponibili. Nel contempo avrà acquisito una buona prima padronanza delle risorse basilari del software R. Dovrà essere cosciente di come la teoria matematica permetta l'utilizzo di specifici algoritmi col software
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
Programma
1. Introduzione al software R
2. Modello di regressione lineare
2.1. Stima dei parametri
2.2. Test di ipotesi e intervalli di confidenza per i parametri
2.3. Metodi di selezione delle variabili
2.4. Analisi dei residui e diagnostica sulla regressione.
2.5. Caso di regressori dummy
3. ANOVA a una e a due vie
4. Introduzione ai GLM e regressione logistica
5. Introduzione a problemi di classificazione
2. Modello di regressione lineare
2.1. Stima dei parametri
2.2. Test di ipotesi e intervalli di confidenza per i parametri
2.3. Metodi di selezione delle variabili
2.4. Analisi dei residui e diagnostica sulla regressione.
2.5. Caso di regressori dummy
3. ANOVA a una e a due vie
4. Introduzione ai GLM e regressione logistica
5. Introduzione a problemi di classificazione
Prerequisiti
Un corso introduttivo di Calcolo delle Probabilita', e uno introduttivo di Statistica Matematica.
I contenuti del corso di Statistica Matematica da 9 cfu sono fortemente consigliati per una comprensione approfondita dei contenuti di questo corso.
I contenuti del corso di Statistica Matematica da 9 cfu sono fortemente consigliati per una comprensione approfondita dei contenuti di questo corso.
Metodi didattici
Lezioni frontali e in laboratorio informatico
Materiale di riferimento
· P.K.Dunn, G.K.Smyth, Generalized linear models with examples in R, Springer, 2018 (disponibile nella biblioteca digitale di UniMI)
· 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
· S.Weisberg Applied linear regression. Fourth edition. Wiley Series in Probability and Statistics. John Wiley & Sons, Inc., Hoboken, NJ, 2014.
· F.Ieva, C.Masci, A.M.Paganoni, Laboratorio di statistica con R, Pearson, 2016 (o edizioni successive)
· Dispense e materiale forniti dai docenti
· 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
· S.Weisberg Applied linear regression. Fourth edition. Wiley Series in Probability and Statistics. John Wiley & Sons, Inc., Hoboken, NJ, 2014.
· F.Ieva, C.Masci, A.M.Paganoni, Laboratorio di statistica con R, Pearson, 2016 (o edizioni successive)
· Dispense e materiale forniti dai docenti
Modalità di verifica dell’apprendimento e criteri di valutazione
Prove in itinere di laboratorio, oppure presentazione di un progetto di analisi di dati
MAT/06 - PROBABILITA' E STATISTICA MATEMATICA - CFU: 3
Laboratori: 36 ore
Siti didattici
Docente/i
Ricevimento:
Su appuntamento per email
Dipartimento di Matematica, via Saldini 50, studio 1027 oppure tramite Microsoft Teams
Ricevimento:
Lunedì 10:30-13:30 (con preavviso, salvo impegni accademici)
Dipartimento di Matematica, via Saldini 50, studio 1017.
Ricevimento:
Su appuntamento per email
studio o online (videoconferenza)