Syllabus del corso

Esporta

Il Corso si propone di fornire nozioni relative ad alcuni strumenti computazionali in ambito statistico utili per eseguire modellazione statistica e analisi dei dati.

Il Corso tratta i modelli mistura e le principali tecniche di clustering, classificazione e regressione basate sulle misture.

Modelli mistura. Model-based clustering. Model-based classification. Mixture of experts models. Tecniche di data visualization e di gestione dei dati (tidyverse).

Si consiglia la conoscenza degli argomenti di "Analisi Statistica Multivariata" e "Statistica III"

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.

La modalità di verifica è così articolata :

- un homework intermedio

- un project work finale da consegnare almeno 4 giorni lavorativi prima della data dell'esame

- una prova scritta in laboratorio informatico (esercizi con R e domande teoriche sugli argomenti svolti a lezione)

  • Fruhwirth-Schnatter (2006) Finite mixture and Markov switching models
  • McLahan-Peel (2000) Finite_Mixture_Models
  • Kabacoff (2018) Data Visualization with R

Ulteriore materiale è reso disponibile agli studenti sulla pagina e-learning dedicata al Corso.

ll Corso viene erogato nel primo periodo del secondo semestre dell'Anno Accademico.

Italiano

Esporta

The aim of the course is to illustrate some computational statistical tools which are fundamental for data analysis and modeling.

Mixture-based clustering , classification and regression methods.

Mixture models. Model-based clustering. Model-based classification. Mixture of experts models. Data visualization and manipulation (tidyverse)..

Knowledge of the notions given in the courses "Multivariate Statistics" and "Statistics III” is recommended.

Class lectures and lab sessions.

The exam consists of an intermediate homework, a final project work and a written exam.

  • Fruhwirth-Schnatter (2006) Finite mixture and Markov switching models
  • McLahan-Peel (2000) Finite_Mixture_Models
  • Kabacoff (2018) Data Visualization with R

Further material will be circulated via the e-learning page of the course.

The course is scheduled in the first part (six weeks) of the second semester.

Italian

Entra

Scheda del corso

Settore disciplinare
SECS-S/01
CFU
6
Periodo
Secondo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
42
Tipologia CdS
Laurea Triennale
Lingua
Italiano

Staff

    Docente

  • SM
    Sonia Migliorati

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione spontanea (Studente)
Iscrizione manuale