Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
Insegnamento
MODELLI STATISTICI 2
SCP4063744, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
SC2094, ordinamento 2014/15, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL MODELS 2
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-lauree-triennali
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ALESSANDRA SALVAN SECS-S/01
Altri docenti EULOGE CLOVIS KENNE PAGUI SECS-S/04

Mutuante
Codice Insegnamento Responsabile Corso di studio
SCP4063744 MODELLI STATISTICI 2 ALESSANDRA SALVAN SC2095

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso III Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
Turni
LABORATORIO 2.0 16 34.0 2
LEZIONE 7.0 48 127.0 Nessun turno

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019

Commissioni d'esame
Commissione Dal Al Membri
1 Commissione a.a.2018/19 01/10/2018 30/09/2019 SALVAN ALESSANDRA (Presidente)
KENNE PAGUI EULOGE CLOVIS (Membro Effettivo)
MENARDI GIOVANNA (Membro Effettivo)

Syllabus
Prerequisiti: Si presumono conoscenze dei contenuti dei seguenti insegnamenti delle lauree triennali del Dipartimento di Scienze Statistiche.
Istituzioni di Analisi Matematica
Algebra Lineare
Istituzioni di Probabilità
Statistica 1 e 2
Modelli Statistici 1
Conoscenze e abilita' da acquisire: Il corso approfondisce teoria e applicazioni dei modelli di regressione con particolare riferimento ai modelli lineari generalizzati. Sono trattati modelli per dati continui, binari, categoriali e di conteggio. Sono forniti alcuni elementi introduttivi ai modelli per dati correlati. Il corso tratta inoltre gli strumenti necessari per l'analisi dei dati utilizzando modelli di regressione, tramite il software statistico R.
Le abilità che lo studente acquisisce riguardano:
1. La conoscenza della metodologia per la specificazione, l'analisi inferenziale e la valutazione dell'adattamento dei modelli trattati;
2. La capacità di analizzare insiemi di dati, anche di una certa complessità, individuando ed applicando, con capacità critiche, gli strumenti più appropriati.
Modalita' di esame: Esame scritto in aula informatica (si richiederà l'uso di R per lo svolgimento di alcuni calcoli).
Il dettaglio delle regole d'esame, così come esempi di prove d'esame, corredati di soluzioni estese, sono disponibili alla pagina Moodle dell'insegnamento (accessibile da https://elearning.unipd.it/stat/).
Criteri di valutazione: Si valuteranno la preparazione dello studente sui contenuti oggetto del corso, la sua capacità di analizzare le caratteristiche dei modelli e di interpretare e valutare criticamente i risultati delle analisi svolte.
Contenuti: I modelli lineari generalizzati (Generalized Linear Models, GLM)
- Famiglie esponenziali, di dispersione esponenziali e GLM: modelli, momenti, funzione di legame e verosimiglianza.
- Inferenza sui parametri di un GLM (stima puntuale, verifica d'ipotesi e regioni di confidenza)
- Adeguatezza dei modelli: devianza e residui. Selezione del modello.
- Modelli per dati binari.
- Modelli per risposte politomiche non ordinali e ordinali.
- Modelli per dati di conteggio: schemi di campionamento, modelli di regressione Poisson, tabelle di contingenza e modelli log-lineari.
- Sovradispersione con dati binari e di conteggio: diagnosi e modelli mistura; regressione beta-binomiale e binomiale negativa.
- Modelli per dati di conteggio con inflazione di zeri.
- Inferenza basata su equazioni di stima e quasi-verosimiglianza.
- Modelli per risposte correlate: modelli marginali, risposte normali multivariate, equazioni di stima generalizzate, MLG misti (con effetti fissi e casuali).
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso è organizzato in lezioni frontali (48 ore) ed esercitazioni in aula informatica (16 ore). Per le esercitazioni, gli studenti vengono suddivisi in due gruppi.
Le esercitazioni prevedono l'analisi, tramite il software R, di insiemi di dati reali provenienti da diversi contesti applicativi. Molti di tali esempi vengono anche presentati e discussi durante le lezioni frontali.
Eventuali indicazioni sui materiali di studio: Tutto il materiale del corso (sia per le lezioni frontali, sia per le esercitazioni) è contenuto nella dispensa "Modelli Statistici 2" a cura di A.Salvan, N.Sartori e L.Pace, 2018, che costituisce il testo di riferimento ed è disponibile alla pagina Moodle dell'insegnamento.
Per approfondimenti, si veda la voce seguente, `Testi di Riferimento'.
Testi di riferimento:
  • Agresti, A., Foundations of Linear and Generalized Linear Models. Hoboken: John Wiley & Sons Inc, 2015. Cerca nel catalogo
  • Dobson, A. and Barnett, A., An Introduction to Generalized Linear Models, Third Edition. Boca Raton, FL: Chapman and Hall/CRC, 2008. Cerca nel catalogo
  • Madsen, H. and Thyregod, P., Introduction to General and Generalized Linear Models. Boca Raton, FL: Chapman and Hall/CRC, 2010. Cerca nel catalogo
  • Azzalini, A., Inferenza Statistica: una Presentazione basata sul Concetto di Verosimiglianza. Milano: Springer-Italia, 2001. Capitolo 6 (in English: Azzalini, A. (1996). Statistical Inference, based on the Likelihood. Chapman and Hall, Chapter 6) Cerca nel catalogo
  • Pace, L., Salvan, A., Introduzione alla Statistica - II. Inferenza, Verosimiglianza, Modelli. Padova: Cedam, 2001. Capitoli 8 e 10 Cerca nel catalogo
  • Bortot, P., Ventura, L., Salvan, A., Inferenza Statistica: Applicazioni con S-Plus e R. Padova: Cedam, 2000. Capitolo 5 Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Case study
  • Interactive lecturing
  • Working in group
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • R; proiezione da `Presenter' con disponibilità del manoscritto su Moodle