INTRODUZIONE AI MODELLI STATISTICI

Scheda dell'insegnamento

Anno accademico di regolamento: 
2019/2020
Anno di corso: 
1
Anno accademico di erogazione: 
2019/2020
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
42
Prerequisiti: 

Per questa attività formativa è consigliata la conoscenza degli argomenti trattati nei corsi di base di Inferenza Statistica

Moduli

Metodi di valutazione

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

Esame scritto e orale

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso si propone di richiamare gli aspetti metodologici e applicativi di base dei modelli statistici, secondo i punti di vista descrittivo e inferenziale. Argomenti principali sono il modello di regressione lineare per dati di popolazione e per dati campionari, il modello di regressione logistico binomiale e la loro analisi con il software SAS. Il corso si rivolge ai laureati con formazione pregressa non quantitativa o non assimilabile a quella tipicamente acquisita nelle lauree triennali in Statistica.

Contenuti

Dipendenze in media e lineare, interpolazione fra punti e per punti, funzione di regressione. Regressione lineare semplice e multipla per dati di popolazione e per dati campionari. Selezione del modello di regressione in base a criteri descrittivi e inferenziali. Modello di regressione logistico binomiale. Applicazioni a dati reali con il software SAS

Programma esteso

- Richiami sulle forme principali di dipendenza su dati di popolazione quantitativi: dipendenze in media e lineare. Interpolazione fra punti e per punti. Funzione di regressione. Criterio di accostamento dei minimi quadrati
- Regressione lineare: retta dei minimi quadrati, bontà di adattamento, estensione a più variabili esplicative, correlazioni multipla e parziale, regressori qualitativi
- Modello di regressione lineare semplice e multiplo per dati campionari: specificazione del modello, ipotesi, metodi di stima dei minimi quadrati e di massima verosimiglianza, intervalli di confidenza, verifica di ipotesi
- Selezione del modello di regressione multiplo: criteri descrittivi e inferenziali
- Modello di regressione logistico binomiale: specificazione del modello con una o più variabili esplicative, forma lineare e moltiplicativa, odds e odds ratio, stima dei parametri, intervalli di confidenza, verifica di ipotesi, bontà di adattamento
- Applicazioni con SAS: PROC REG e PROC LOGISTIC

Bibliografia consigliata

- Freund, R. J., Wilson, W. J., and Sa, P. (2006), Regression Analysis: Statistical Modeling of a Response Variable, 2nd edition, Academic Press
- Johnston, J. (1993), Econometrica, 3a edizione, Franco Angeli, Milano
- Littell, R. C., Freund, R. J., and Spector, P. C. (2002), SAS for Linear Models, 4th Edition, Cary, NC: SAS Institute Inc.
- Zenga, M. (2014), Lezioni di Statistica Descrittiva, Giappichelli, Torino

Metodi didattici

Lezioni/Laboratorio

Contatti/Altre informazioni