Il corso si occupa dei modelli statistici fondamentali per l’analisi della dipendenza fra più variabili. Al centro del corso sta il modello lineare. Il corso viene insegnato a partire dallo studio di applicazioni reali, con la discussione della validità delle ipotesi dei modelli. Vengono trattati vari esempi e applicazioni in ambito scientifico, tecnologico, economico e sociale, con dati sperimentali e osservativi.
Marchetti, G. (2013). Introduzione ai modelli statistici, Dipartimento di Statistica, Firenze. Dispense a cura di G. Marchetti, scaricabili in formato PDF dalla piattaforma Moodle (e-learning)
Obiettivi Formativi
Stima e test in ambito frequentista per modelli di regressione; modelli di regressione per variabili discrete e continue; costruzione di modelli comprendenti effetti principali e interazioni; verifica della bonta’ di adattamento; verifica della bontà di specificazione; strategie di scelta del modello. Indici di associazione marginale e parziale per variabili discrete e continue.
Gli studenti debbono essere in grado di modellare un fenomeno reale per il quale sono stati raccolti dati campionari dando una interpretazione corretta delle relazioni esistenti tra le variabili e fornendo previsioni e stime corredate da misure di incertezza.
Prerequisiti
INSEGNAMENTO PROPEDEUTICO: STATISTICA I e CALCOLO
Metodi Didattici
Lezioni frontali ed esercitazioni al computer. Lezioni di didattica frontale: circa 60. Attività di laboratorio: circa 12.
Altre Informazioni
Le applicazioni sono svolte usando il software STATA. Sulla piattaforma Moodle si trovano (quasi) tutti gli esempi del libro svolti in STATA e in R.
Modalità di verifica apprendimento
L’esame prevede una prova scritta e una prova orale. Per gli studenti frequentanti saranno valutati i compiti scritti assegnati durante il corso, con problemi e analisi di dati reali.
Programma del corso
Probabilità e variabili aleatorie,stima verifica di ipotesi e distribuzioni campionarie, modelli per il confronto tra gruppi, regressione lineare semplice, inferenza basata sulla verosimiglianza,modello logistico lineare semplice, modello generale di regressione lineare, adattamento e specificazione del modello, modello logistico lineare generale.