Syllabus del corso
Titolo
Introduzione alla statistica con R (parte II): modelli di regressione lineare e logistica
Docente
Daniele Giardiello
Lingua
Inglese
Breve descrizione
Obiettivi
Il corso, attraverso lezioni frontali e sessioni di laboratorio, si propone di illustrare i fondamenti dei modelli statistici concentrandosi in particolare sui modelli di regressione lineare e logistica.
Verrà fornito un breve cenno agli scopi principali di una analisi statistica che può utilizzare i modelli di regressione: i) scopo descrittivo, ii) scopo previsivo, iii) scopo causale
Alla fine del corso i partecipanti saranno in grado di riconoscere quando eseguire una regressione lineare o logistica, verificare la validità delle ipotesi richieste, stimare i parametri del modello, interpretare correttamente i coefficienti del modello e valutare la bontà dell'adattamento ai dati.
Programma del corso
Giorno 1:
Breve cenno agli scopi di una analisi statistica
Correlazione e modello lineare semplice
Modello lineare multiplo
Laboratorio con R
Giorno 2:
Introduzione ai modelli lineari generalizzati
Modello di regressione logistica
Laboratorio con R
Target audience
Dottorandi di qualsiasi disciplina interessati all'applicazione pratica dei modelli di regressione statistici per l'analisi dei dati nella ricerca scientifica
Metodo di valutazione
Test con domande a risposta multipla
CFU / Ore
1 CFU / 8 ore
Periodo e modalità di erogazione
Febbraio 2027, date e orari da definire.
Sustainable Development Goals
Title
Introduction to statistics with R (part II): linear and logistic regression models
Teacher
Daniele Giardiello
Language
English
Short description
Objectives
The course, through lectures and computer lab sessions, aims to illustrate the fundaments of statistical modeling with multiple covariates focusing on the linear and logistic regression models.
A brief overview will be provided regarding the main purposes of a statistical analysis that employs regression models: i) descriptive purpose, ii) predictive purpose, iii) causal purpose.
At the end of the course the participants should be able to recognize when to per-form a linear or logistic regression, check the validity of the assumptions required, fit the model to the data, correctly interpret the model coefficients and evaluate the goodness of fit.
Course program
Day 1:
Brief overview of the main aims of a statistical analysis
Correlation and simple linear model
Multiple linear model
Lab session with R
Day 2:
Introduction to generalized linear models
Logistic regression model
Lab session with R
Target audience
Doctoral students of any discipline who are interested in the practical application of basic statistical modeling for data analysis in scientific research
Assessment method
Test with multiple choice questions
CFU / Hours
1 CFU / 8 hours
Teaching period and mode
February 2027, time slots to be defined.