Syllabus del corso
Obiettivi formativi
Il corso si pone come obiettivo quello di introdurre tecniche di analisi statistica multivatiata con finalità esplorativa e previsiva.
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, per esempio, da elevata dimensionalità.
Contenuti sintetici
- Analisi esplorative dei dati
- Strumenti previsivi
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
Non ci saranno prove in itinere.
L'esame è una prova scritta che si compone di esercizi teorici e numerici che possono essere svolti su carta e/o al computer. Gli esercizi hanno lo scopo di verificare il livello di conoscenza e la capacità dello studente di risolvere problemi mediante l'applicazione dele tecniche statistiche introdotte durante il corso.
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
Sustainable Development Goals
Learning objectives
The aim of the course is to introduce some multivariate techniques used in exploratory data analysis and in prediction.
The student will be able to apply the aforementioned techniques to real data collected, for instance, in social and economic fields and that can be characterized by high-dimensionality.
Contents
- Exploratory data analysis
- Prediction tools
Detailed program
Basic concpets of data visualization
Tools to assay the generalization error: training and test set and K-fold cross validation
Bayes classifier, linear and quadratic discriminant analysis
Classification and regression trees
Ensemble techniques
Prerequisites
Exploratory data analysis, statistica models, probability theory, statistica inference, programming
Teaching methods
Theoretical lectures and computer lab lectures.
Assessment methods
The will just be a final examition.
The exam is written and includes theoretical and practical exercizes to be solved with or without the aid of the computer. The exercizes have the aim to assay the knoledge and the ability of the student to solve problems by applying the statistical techniques introduced in the course.
Textbooks and Reading Materials
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
Semester
Secondo semeters, first cycle
Teaching language
italian
