2. Docenti
  3. NOBILE Amelia Giuseppina
  4. Didattica

METODI E TECNICHE PER L'ANALISI DEI DATI

Amelia Giuseppina NOBILE METODI E TECNICHE PER L'ANALISI DEI DATI

0522500015
DIPARTIMENTO DI INFORMATICA
CORSO DI LAUREA MAGISTRALE
INFORMATICA
2014/2015



ANNO CORSO 2
ANNO ORDINAMENTO 2010
PRIMO SEMESTRE
CFUOREATTIVITÀ
648LEZIONE
AMELIA GIUSEPPINA NOBILE T Curriculum
Obiettivi
L’OBIETTIVO DEL CORSO CONSISTE NELLO SVILUPPO DI METODI E TECNICHE PER IL TRATTAMENTO E L'ANALISI DI DATI UTILIZZANDO UNO DEI PIÙ POTENTI E FLESSIBILI SOFTWARE STATISTICI, OSSIA IL LINGUAGGIO DI PROGRAMMAZIONE R (HTTP://WWW.R-PROJECT.ORG/). NELLA PRIMA PARTE DEL CORSO SI PRESENTANO LE PRINCIPALI CARATTERISTICHE DI R E LE SUE FUNZIONALITÀ DI BASE. NELLA SECONDA PARTE SI AFFRONTANO UNA SERIE DI PROBLEMI APPLICATIVI LEGATI AL TRATTAMENTO E ALL'ANALISI DEI DATI E ALLE PIÙ DIFFUSE TECNICHE DI STATISTICA DESCRITTIVA E INFERENZIALE. L’ULTIMA PARTE DEL CORSO RIGUARDA LA SIMULAZIONE DI ALCUNI PROCESSI STOCASTICI. IL CORSO HA COME OBIETTIVO QUELLO DI RENDERE GLI STUDENTI CAPACI DI APPLICARE LE LORO CONOSCENZE E LA LORO PROFESSIONALITÀ IN DIVERSI SETTORI CHE RICHIEDONO UN SUPPORTO QUANTITATIVO ALLO SVILUPPO DI APPLICAZIONI INFORMATICHE PER LA GESTIONE, LA MANIPOLAZIONE E L’ANALISI DI DATI STATISTICI.
Prerequisiti
CONOSCENZE DI BASE DI CALCOLO DELLE PROBABILITÀ E STATISTICA
Contenuti
- L’AMBIENTE INTEGRATO R. INTRODUZIONE E NOTE STORICHE. COME INTERAGIRE CON R. VETTORI. ARRAY E MATRICI. LISTE. DATA FRAME. FATTORI. DEFINIZIONE DI NUOVE FUNZIONI. ISTRUZIONI CONDIZIONALI. ISTRUZIONI ITERATIVE. SCRIPT, OUTPUT E DIRECTORY.

- TABELLE E GRAFICI. DISTRIBUZIONI DI FREQUENZA SEMPLICI. DISTRIBUZIONI DI FREQUENZA DOPPIE. DISTRIBUZIONI DI FREQUENZA CONDIZIONATE. LE PRINCIPALI RAPPRESENTAZIONI GRAFICHE. FUNZIONI GRAFICHE AD ALTO LIVELLO, A BASSO LIVELLO E PER GRAFICI INTERATTIVI. GRAFICI A BARRE, A BASTONCINI E DIAGRAMMI A TORTA. ISTOGRAMMI. BOXPLOT. RAPPRESENTAZIONI GRAFICHE DI TABELLE. RAPPRESENTAZIONI GRAFICHE PER CONFRONTARE VARIABILI. SCATTERPLOT. GRAFICI DI FUNZIONI.

- STATISTICA DESCRITTIVA DEI DATI IN R. INTRODUZIONE ALLA STATISTICA DESCRITTIVA. FUNZIONE DI DISTRIBUZIONE EMPIRICA DISCRETA E CONTINUA. INDICI DI POSIZIONE E DI DISPERSIONE. MEDIA CAMPIONARIA, MEDIANA CAMPIONARIA E MODA CAMPIONARIA. PERCENTILI E QUARTILI. VARIANZA CAMPIONARIA, DEVIAZIONE STANDARD CAMPIONARIA E COEFFICIENTE DI VARIAZIONE. FORMA DI UNA DISTRIBUZIONE DI FREQUENZA. SKEWNESS CAMPIONARIA E CURTOSI CAMPIONARIA. CORRELAZIONE, COVARIANZA E COEFFICIENTE DI CORRELAZIONE CAMPIONARI.

- ANALISI DEI CLUSTER CON R. INTRODUZIONE ALL’ANALISI DEI CLUSTER. NOZIONI DI BASE E DEFINIZIONI. FUNZIONI DI DISTANZA E MISURE DI SIMILARITÀ. METODI DI OTTIMIZZAZIONE. METODI GERARCHICI. ANALISI DEL DENDROGRAMMA. METODI NON GERARCHICI.

- VARIABILI ALEATORIE CON R. DISTRIBUZIONI DI PROBABILITÀ DISCRETE E LORO SIMULAZIONE (BERNOULLI, BINOMIALE, GEOMETRICA E DI PASCAL, IPERGEOMETRICA, DI POISSON). DISTRIBUZIONI DI PROBABILITÀ CONTINUE E LORO SIMULAZIONE (UNIFORME, ESPONENZIALE, NORMALE, CHI-QUADRATO, DI STUDENT). ALCUNI IMPORTANTI RISULTATI CONNESSI ALLE VARIABILI ALEATORIE, ANALIZZATI TRAMITE LA SIMULAZIONE IN R.

- STATISTICA INFERENZIALE CON R. INFERENZA STATISTICA. DISTRIBUZIONI CAMPIONARIE. STIMA PUNTUALE. STIMA PER INTERVALLO. INTERVALLI DI CONFIDENZA. INTERVALLI DI CONFIDENZA PER LA MEDIA E VARIANZA DI UNA POPOLAZIONE NORMALE. INTERVALLI DI CONFIDENZA PER I PARAMETRI DI UNA POPOLAZIONE DI BERNOULLI, DI POISSON ED ESPONENZIALE. DIFFERENZE TRA LE MEDIE DI POPOLAZIONI NORMALI E DI POPOLAZIONI DI BERNOULLI. TECNICHE DI ANALISI STATISTICA MULTIVARIATA.

- SIMULAZIONE DI ALCUNI PROCESSI STOCASTICI CON R. PASSEGGIATA ALEATORIA, CATENE DI MARKOV DISCRETE E CONTINUE NEL TEMPO.
Metodi Didattici
IL METODO DIDATTICO PREVEDE LEZIONI TEORICHE INTEGRATE DI CONTINUO DA ESERCITAZIONI E PROBLEMI TUTTI CONNESSI ALLE METODOLOGIE PER L’ANALISI DEI DATI E ALLA SIMULAZIONE DI ALCUNI PROCESSI STOCASTICI. LA FREQUENZA DELLE LEZIONI È FORTEMENTE CONSIGLIATA. GLI STUDENTI SONO GUIDATI AD APPRENDERE IN MANIERA CRITICA E RESPONSABILE TUTTO CIÒ CHE IL DOCENTE PRESENTA DURANTE LE LEZIONI FRONTALI. GLI STUDENTI SONO COSÌ STIMOLATI A COMUNICARE ALL’INTERA CLASSE LE IDEE DI SVILUPPO E DI IMPLEMENTAZIONE DI PROBLEMI STATISTICO-COMPUTAZIONALI; SONO INOLTRE INCORAGGIATI AD ACQUISIRE ABILITÀ E COMPETENZA NELLA GESTIONE DELLA COMPLESSITÀ DI NUOVI PROBLEMI CONNESSI ALL’ANALISI DEI DATI.. PER AIUTARE GLI STUDENTI NELLO STUDIO INDIVIDUALE, IL DOCENTE FORNIRÀ APPUNTI COMPLETI DELLE LEZIONI DURANTE IL CORSO, COMPRENSIVI DEI VARI ARGOMENTI TRATTATI E DEI PROBLEMI AFFRONTATI.
Verifica dell'apprendimento
L’ESAME CONSISTE DI UN PROGETTO E UNA PROVA ORALE. IL VOTO DIPENDERÀ DALLE CONOSCENZE ACQUISITE E DALLA CAPACITÀ DI APPLICARE LE METODOLOGIE ACQUISITE ALLA RISOLUZIONE DI PROBLEMI APPLICATIVI CONCRETI. GLI STUDENTI CHE HANNO FREQUENTATO ASSIDUAMENTE SONO AVVANTAGGIATI NELLA DISCUSSIONE ORALE POICHÉ SONO STATI GUIDATI DURANTE LE LEZIONI AD APPRENDERE, ELABORARE E COLLEGARE IN MANIERA SISTEMATICA E CRITICA I VARI ARGOMENTI OLTRE CHE A GESTIRE LA COMPLESSITÀ DI NUOVI PROBLEMI.
Testi
- MICHAEL J. CRAWLEY (2012) THE R BOOK, WILEY.
- JANE M. HORGAN (2009) PROBABILITY WITH R. AN INTRODUCTION WITH COMPUTER SCIENCE APPLICATIONS. WILEY
- MARIA L. RIZZO. (2008) STATISTICAL COMPUTING WITH R. CHAPMAN & HALL/CRC TAYLOR & FRANCIS GROUP.
- APPUNTI DELLE LEZIONI DEL DOCENTE.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2016-09-30]