Anno di corso: 1

Crediti: 6
Crediti: 6
Crediti: 9
Crediti: 6
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Altro

Anno di corso: 2

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12

Anno di corso: 3

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 12
Tipo: A scelta dello studente
Crediti: 6
Tipo: Lingua/Prova Finale

ANALISI STATISTICA MULTIVARIATA

Scheda dell'insegnamento

Anno accademico di regolamento: 
2016/2017
Anno di corso: 
2
Anno accademico di erogazione: 
2017/2018
Tipo di attività: 
Obbligatorio
Lingua: 
Italiano
Crediti: 
15
Ciclo: 
Annualita' Singola
Ore di attivita' didattica: 
105
Prerequisiti: 

Questa attività formativa deve essere preceduta dal superamento degli esami di Statistica I, Calcolo delle probabilità e Algebra lineare. Si consiglia inoltre la conoscenza degli argomenti trattati nel corso di Statistica II.

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

Prova scritta in laboratorio informatico riguardante argomenti teorici, esercizi numerici e analisi di dati reali mediante l’uso del software R.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso di Analisi statistica multivariata ha come scopo quello di fornire metodi statistici per lo studio di due o più fenomeni osservabili congiuntamente sulle unità statistiche di una popolazione. Privilegia sia gli aspetti teorici sia quelli applicativi.

Contenuti

a. Laboratorio
b. Analisi esplorativa
c. Modelli statistici

Programma esteso

a. Introduzione al linguaggio R. Esplorazione dei dati con grafici e sintesi numeriche. Probabilità, distribuzioni di probabilità e distribuzioni campionarie.

b. Matrice dei dati, analisi delle componenti principali, analisi fattoriale, analisi dei gruppi.

c. Regressione lineare semplice e multipla: specificazione, stima dei parametri, verifica di ipotesi lineari, metodi diagnostici e tecniche per la selezione delle variabili, previsione.

Bibliografia consigliata

a. A. Agresti, C. Franklin (2016) “Statistica: l'arte e la scienza d'imparare dai dati”. Ediz. mylab, Pearson Education Italia

b. R.A. Johnson R.A., D.W. Wichern (2007) Applied Multivariate
Statistical Analysis (6th Edition), Pearson Prentice Hall.

B.S. Everitt, T. Hothorn (2011) An Introduction to Applied
Multivariate Analysis with R, Springer.

S. Zani, A. Cerioli (2007) Analisi dei dati e data mining per le decisioni aziendali, Giuffré Editore, Milano

c. J. Fox,, Applied regression analysis and generalized linear models, Sage, 2016.

D. Piccolo, Statistica (Parti III e IV), Il Mulino, Bologna, 2000.

Ulteriori riferimenti bibliografici verranno forniti dal docente all’inizio del corso.

Metodi didattici

Lezioni teoriche frontali (9 CFU) e laboratorio (6 CFU)

Contatti/Altre informazioni