Elementi di statistica descrittiva con R. Il calcolo delle probabilità. Modelli Bayesiani lineari e di regressione logistica. Il disegno statistico degli esperimenti.
Stefanini F.M., 2016, Introduzione ai metodi Bayesiani in statistica applicata. Sito Moodle del corso.
Obiettivi Formativi
Conoscenze:
Elementi generali di statistica Bayesiana.
Capacità di formulare un modello lineare per risposte univariate. I fondamenti del disegno statistico degli esperimenti. Competenze acquisite:
riconoscere le caratteristiche delle variabili che compaiono nello studio di un fenomeno; valutare le peculiarità degli esperimenti richiesti per rispondere ad un quesito di ricerca; identificare le criticità connesse all'analisi statistica dei risultati.
Lo studente al termine del corso saprà:
1. Sintetizzare con riassunti statistici opportuni la qualità dei dati e gli aspetti salienti del fenomeno investigato.
2. Trasformare i dati elementari ed effettuare l'analisi statistica con il software R.
3. Formulare e applicare modelli lineari e logistici di uso ricorrente.
4. Applicare le idee di base del disegno sperimentale.
Prerequisiti
Insegnamenti contenenti i prerequisiti (vincolanti e/o consigliati)
Corsi vincolanti: nessuno.
Corsi raccomandati: matematica di un corso di laurea triennale
Metodi Didattici
CFU: 6
Lezioni di didattica frontale (totale ore): 24 ore
Lezioni in e-learnig: 24 ore
Altre Informazioni
Frequenza delle lezioni ed esercitazioni: non obbligatoria ma fortemente consigliata
Modalità di verifica apprendimento
Test or/and esame orale sugli argomenti trattati a lezione, in e-learing, nelle esercitazioni e nei progetti individuali.
Programma del corso
Introduzione al corso. Lo studio della statistica applicata: la preparazione dell’esame, le risorse del corso ed R. Distribuzioni di frequenze, momenti, quantili; sintesi grafiche e numeriche univariate e multivariate. Il calcolo delle probabilità per variabili casuali con riferimento particolare a casi: Bernoulli, Binomiale, Normale, Poisson, Multinomiale, Beta, Gamma. Introduzione ai metodi Bayesiani in prospettiva soggettivista.
Modelli lineari per risposte gaussiane e la regressione logistica: stima e test delle ipotesi con variabili esplicative qualitative e/o quantitative.
Esperimenti randomizzati in condizioni controllate: campionamento casuale, randomizzazione, controllo, replicazione, variabili obiettivo e covariate. Disegni statistici di uso ricorrente: blocchi random, pienamente fattoriali, fattoriali incompleti bilanciati.