STATISTICAL MODELING

Scheda dell'insegnamento

Anno accademico di regolamento: 
2017/2018
Anno di corso: 
1
Anno accademico di erogazione: 
2017/2018
Tipo di attività: 
Obbligatorio
Crediti: 
6
Ciclo: 
Secondo Semestre
Ore di attivita' didattica: 
52
Prerequisiti: 

Il corso si rivolge a laureati triennali in diverse discipline che abbiano seguito un corso introduttivo di statistica descrittiva uni e bivariata e un corso introduttivo di probabilità e inferenza.

Moduli

Metodi di valutazione

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

In una prova in laboratorio gli studenti devono applicare i metodi statistici più opportuni al problema posto mediante i pacchetti software illustrati e interpretarli rispondendo anche ad alcuni quesiti teorici.

Valutazione: 
Voto Finale

Obiettivi formativi

Si mostrano le assunzioni teoriche e gli opportuni modelli statistici necessari per analizzare differenti casi reali oggetto di studio
Si vuole mostrare come i risultati empirici ottenuti siano legati alle ipotesi sottostanti ai modelli. Per questo la trattazione teorica è corredata dalla presentazione degli output ottenuti mediante i software statistici R e SAS.

Contenuti

Il corso si propone di introdurre ai modelli statistici di base sotto il profilo metodologico e applicativo, secondo i punti di vista descrittivo, inferenziale e computazionale.
Argomenti principali sono il modello lineare di tipo classico e con minimi quadrati generalizzati, l’analisi della varianza, il modello di regressione logistico.

Programma esteso

• specificazione, stima e verifica di modelli interpretativi dei dati di tipo lineare più avanzati del modello lineare classico.
• Modelli lineari generalizzati che non rispettano le ipotesi del modello lineare classico: modelli con errori esteroschedastici e correlati, modelli non lineari, trattamento di outlier
• Modelli lineari multivariati di tipo classico e non
• Modelli multilevel.
• Applicazioni con R

Bibliografia consigliata

Snijders TAB, Bosker RJ (2011) Multilevel analysis: an introduction to basic and advanced multilevel modeling. Sage Publishers, New York

Metodi didattici

L’attività formativa è svolta sia attraverso lezioni teoriche che esercitazioni in laboratorio mediante le quali gli studenti possono imparare a trattare i dati, applicare i modelli attraverso i software statistici R e SAS e interpretare i risultati. Gli studenti devono imparare a utilizzare un linguaggio rigoroso sotto il profilo statistico ma devono anche sapere anche spiegare le loro analisi comprensibile a chi non è esperto della materia