- Area Economico-Statistica
- Corso di Laurea Triennale
- Scienze Statistiche ed Economiche [E4101B]
- Insegnamenti
- A.A. 2019-2020
- 3° anno
- Statistica Computazionale
- Introduzione
Syllabus del corso
Obiettivi formativi
Il Corso si propone di fornire nozioni relative ai principali strumenti computazionali in ambito statistico utili per eseguire modellazione statistica e analisi dei dati.
Contenuti sintetici
Il Corso tratta metodi di ricampionamento e modelli avanzati.
Programma esteso
Tecniche di ricampionamento, Bootstrap, Jacknife. Tecniche di data visualization. Modelli avanzati.
Prerequisiti
Si consiglia la conoscenza degli argomenti di "Statistica III"
Metodi didattici
Il corso è erogato in italiano e prevede lezioni frontali sia in aula sia in laboratorio informatico. Le lezioni in aula sono mirate all'approfondimento delle conoscenze teoriche dello studente sugli argomenti del Corso ed alla loro formalizzazione. Nelle lezioni svolte in laboratorio informatico si trattano gli aspetti di implementazione dei modelli su dati reali e simulati utilizzando il software R.
Modalità di verifica dell'apprendimento
La modalità di verifica si basa su una prova scritta eseguita in laboratorio ed una prova orale (facoltativa). Qualora lo studente (o il docente) richiedano la prova orale, il voto finale è la media dei due voti riportati nelle prove scritta ed orale, altrimenti coincide con l'esito della prova scritta.
Testi di riferimento
- James G., Witten D., Hastie T., Tibshirani R., An introduction to statistical learning, Springer.
Ulteriore materiale è reso disponibile agli studenti sulla pagina e-learning dedicata al Corso.
Periodo di erogazione dell’insegnamento
ll Corso
viene erogato nel primo ciclo del secondo semestre dell'Anno Accademico.
Lingua di insegnamento
Italiano
Learning objectives
The aim of the course is to illustrate the main computational statistical tools which are fundamental for modeling and data analyzing data.
Contents
Resampling methods and advanced models.
Detailed program
Resampling methods, Bootstrap, Jacknife. Data visualization techniques. Advanced models.
Prerequisites
Knowledge of the notions given in the course "Statistics III” is recommended.
Teaching methods
Class
lectures and lab sessions.
Assessment methods
Students are supposed to pass a written exam. The oral exam is optional; if it is requested (by the student or by the teacher), the final mark is obtained by averaging written and oral marks.
Textbooks and Reading Materials
- James G., Witten D., Hastie T., Tibshirani R., An introduction to statistical learning, Springer.
Further material will be circulated via the e-learning page of the course.
Semester
The course is scheduled in the first part (six weeks) of the second semester.
Teaching language
Italian
Scheda del corso
Staff
-
Sonia Migliorati