Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • Calendar
  • My Media
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
You are currently using guest access
 Log in
e-Learning - UNIMIB
Home Calendar My Media
Percorso della pagina
  1. Economics
  2. Bachelor Degree
  3. Statistica e Gestione delle Informazioni [E4104B - E4102B]
  4. Courses
  5. A.A. 2021-2022
  6. 3rd year
  1. Generalized Linear Models in Epidemiology and Medicine
  2. Summary
Insegnamento Course full name
Generalized Linear Models in Epidemiology and Medicine
Course ID number
2122-3-E4102B059
Course summary SYLLABUS

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

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

Export

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

Enter

Key information

Field of research
MED/01
ECTS
6
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
47
Degree Course Type
Degree Course
Language
Italian

Staff

    Teacher

  • MA
    Marta Angelici
  • GV
    Giorgio Vittadini

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)

You are currently using guest access (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics