Course Syllabus
Obiettivi formativi
Il corso si pone come obiettivo quello di introdurre tecniche di analisi statistica multivatiata con finalità esplorativa, previsiva e inferenziale.
Alla fine del corso lo studente sarà in grado di applicare le suddette tecniche a insiemi di dati raccolti in molteplici contesti, quali quello economico, sociale e delle scienze naturali, e che possono essere caratterizzati da elevata dimensionalità e dipendenza temporale. Inoltre, lo studente avrà esperito situazioni tipiche del mondo del lavoro: dal risolvere un problema in tempo limitato alla presentazione, scritta ed orale, del proprio operato.
Contenuti sintetici
Il corso è composto da un'unica parte, ma al suo interno è possibile individuare tre parti in base alle finalità degli strumenti statistici trattati.
La prima parte del corso è dedicata allo screening iniziale dei dati, compresi alcuni richiami di visualizzazione dei dati. Nella seconda parte si introducono tecniche statistiche supervisionate e si contestualizza il loro impiego a fini previsivi fornendo, inoltre, i concetti e le procedure necessarie per valutare l'errore di generalizzazione di tali strumenti.
Programma esteso
Cenni di visualizzazione di dati multivariati
Metodi operativi per la valutazione dell'errore di generalizzazione: insieme di stima e verifica, K-fold cross validation
Classificatore di Bayes, analisi discriminante lineare e quadratica
Alberi di classificazione e regressione
Metodi di ensemble
Prerequisiti
Analisi esplorativa, modelli statistici, calcolo delle probabilità, inferenza statistica, programmazione.
Metodi didattici
L'intera attività formativa verrà svolta attraverso lezioni frontali e di laboratorio.
Modalità di verifica dell'apprendimento
La prova scritta si compone di esercizi numerici, di domande aperte e a risposta chiusa. Gli esercizi numerici hanno lo scopo di verificare la capacità dello studente di applicare le tecniche statistiche introdotte durante il corso. Le domande aperte e a risposta chiusa hanno invece l'obiettivo di misurare il livello di conoscenza della teoria alla base delle suddette tecniche.
Testi di riferimento
James, G, Witten, D., Hastie, T., Tibshirani, R., An Introduction to Statistical Learning with applications in R, Springer, 2013
Everitt, B., Hothorn, T. An Introduction to Applied Multivariate Analysis with R, Springer, 2011
Hastie, T., Tibshirani, R., Friedman, J. ,The Elements of Statistical Learning, Springer, 2001
Izenman, A.J., Modern Multivariate Statistical Techniques, Springer, 2008
Azzalini, A. Scarpa, B. Analisi dei dati e data mining, Springer, 2009
Dobson, A., Barnett, A., An Introduction to Generalized Linear Models, CRC Press, 2008
Periodo di erogazione dell’insegnamento
Secondo semestre. Primo ciclo.
Lingua di insegnamento
Italiano