Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Triennale
  3. Statistica e Gestione delle Informazioni [E4104B - E4102B]
  4. Insegnamenti
  5. A.A. 2021-2022
  6. 3° anno
  1. Modelli Lineari Generalizzati in Epidemiologia e Medicina
  2. Introduzione
Insegnamento Titolo del corso
Modelli Lineari Generalizzati in Epidemiologia e Medicina
Codice identificativo del corso
2122-3-E4102B059
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi



Il corso permette di conoscere sotto il profilo teorico  le principali tecniche di analisi dei dati esplorative sia a partire da dati quantitativi che qualitativi.  Inoltre  mette in grado di  analizzare dati empirici mediante tali tecniche.

Conoscenza e comprensione. Mediante  una indagine esplorativa su dati  multivariati di elevata dimensione si fornisce conoscena e comprensione a riguardo delle relazioni fra variabili in un contesto multivariato secondo diverse ottiche quali  la relazione fra insiemi di variabili quantitativi e qualitativi, le variabili che permettono di discrimniare fra gruppi di individui, la rappresentazioni di  distanze fra individui   in dimensioni ridotte.

Capacità di applicare conoscenza e comprensione. Attraverso le analisi dei dati esplorative più opportune nei diversi casi, si individuano,  a partire da  insiemi di variabili molto numerose ,  le variabili più rilevanti per costruire modelli lineari o non lineari di tipo multivariato, modelli logistici, modelli di analisi della varianza, rappresentazioni di individui in spazi di non elevate dimensioni.


Contenuti sintetici

Analisi della correlazione canonica

Analisi discriminante

Analisi delle corrispondenze

Multidimensional scaling




Programma esteso



Introduzione analisi dei dati 

A Analisi della correlazione canonica

1 Scopo

2 Modo per ricavare 1° variabile canonica e successive

3 Lettura risultati

4 Esempi 

5 Esercitazioni con SAS

 

B Analisi discriminante

1 Scopo

2 I dati

3 Modo per ricavare 1° variabili discriminante e successive

4 Lettura risultati

5 Modo alternativo per ricavare variabili discriminanti

6 Esempi

7 Esercitazioni con SAS

 

C Analisi corrispondenze

1 Scopo

2 Matrici profili riga e colonna

3 Analisi corrispondenze in ottica correlazione canonica e componenti principali

4 Lettura risultati: scomposizione χ2

5 Lettura altri risultati

6 Analisi delle corrispondenze multiple  

7 Esempi

8 Esercitazioni con SAS

 

D Multidimensional scaling

1 Multidimensional scaling metrico con distanze euclidee 

2 Teorema di Torgerson 

3 Lettura risultati 

4 Esempi

5 Esercitazioni con SAS

6 Multidimensional scaling con dissimilarità metriche

7 Multidimensional scaling con dissimilarità ordinali

8 Esempi

9 Esercitazioni con SAS


Prerequisiti

Nessuna propedeuticità formale. 

Si richiede però la conoscenza dei contenuti degli insegnamenti di Calcolo delle probabilità, Statistica 1, Laboratorio di Informatica, Analisi statistica multivariata, Base di dati, Analisi dei dati

Metodi didattici

Il corso verrà erogato sia mediante lezioni frontali sia mediante esercitazioni pratiche in laboratorio informatico con il linguaggio SAS. Durante le lezioni verranno fornite le conoscenze teoriche dei metodi statistici oggetto del corso, mentre nelle esercitazioni si applicheranno queste tecniche ad alcuni casi reali soprattutto in medicina ed epidemiologia. 


Modalità di verifica dell'apprendimento

L’esame è in forma scritta con orale facoltativo. La verifica scritta si compone di  due  domande di teoria sui metodi oggetto del corso e da una prova pratica in laboratorio, da svolgersi durante l'esame scritto con il software SAS, in analogia a quanto svolto durante le esercitazioni.
 Le domande teoriche consentono di verificare la conoscenza degli scopi, dei metodi di risoluzione, del commento dei risultati dei metodi di analisi esplorativa dei dati. Si richiede  la capacità di esprimersi con un adeguato linguaggio tecnico. La  prova pratica  vuole verificare la capacità di analizzare un data set di dati reali   mediante gli strumenti di analisi dei dati più opportuni nei diversi casi commentando e interpretando adeguatamente i risultati. 

Non sono previsti esami distinti per studenti frequentanti e studenti non frequentanti.

Non sono previste prove in itinere.


Testi di riferimento

Dispense e slides del docente.

Vitali O., Statistica per le scienze applicate. Vol. 2, Cacucci Editore, 1993 (per correlazione canonica e analisi discriminante).

Zani S., Cerioli A. Analisi dei dati e data mining per le decisioni aziendali. Giuffré, 2007 (per analisi delle corrispondenze e multidimensional scaling).


Periodo di erogazione dell’insegnamento

2 semestre a.a. 2021/22, secondo ciclo

Lingua di insegnamento

Italiano

Esporta

Learning objectives

Contents



Detailed program


Prerequisites

No formal prerequisites. It requires, however, knowledge of the content of the following courses: Probablility Calculus, Statistics 1, Informatics Lab, Multivariate statistical analysis, Database Systems, Data Analysis

Teaching methods

Assessment methods

Textbooks and Reading Materials


Semester

Second semester 2022, second cycle

Teaching language

Italian

Entra

Scheda del corso

Settore disciplinare
MED/01
CFU
6
Periodo
Secondo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
47
Tipologia CdS
Laurea Triennale
Lingua
Italiano

Staff

    Docente

  • MA
    Marta Angelici
  • GV
    Giorgio Vittadini

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione manuale
Iscrizione spontanea (Studente)

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche