2. Docenti
  3. NOBILE Amelia Giuseppina
  4. Didattica

STATISTICA E ANALISI DEI DATI

Amelia Giuseppina NOBILE STATISTICA E ANALISI DEI DATI

0522500094
DIPARTIMENTO DI INFORMATICA
CORSO DI LAUREA MAGISTRALE
INFORMATICA
2021/2022



ANNO CORSO 2
ANNO ORDINAMENTO 2016
PRIMO SEMESTRE
CFUOREATTIVITÀ
972LEZIONE
AMELIA GIUSEPPINA NOBILE T Curriculum
Obiettivi
CONOSCENZA E CAPACITÀ DI COMPRENSIONE
• 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
• STATISTICA DESCRITTIVA E INFERENZIALE CON R

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
• PROBLEMI APPLICATIVI LEGATI AL TRATTAMENTO E ALL'ANALISI DEI DATI
• 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. VETTORI. ARRAY E MATRICI. LISTE. DATA FRAME. FATTORI. DEFINIZIONE DI NUOVE FUNZIONI.

•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. DIAGRAMMA DI PARETO. RAPPRESENTAZIONI GRAFICHE DI TABELLE. RAPPRESENTAZIONI GRAFICHE PER CONFRONTARE VARIABILI. SCATTERPLOT. GRAFICI DI FUNZIONI.

•STATISTICA DESCRITTIVA UNIVARIATA CON 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. MEDIA PONDERATA

•STATISTICA DESCRITTIVA BIVARIATA CON R: CORRELAZIONE, COVARIANZA E COEFFICIENTE DI CORRELAZIONE CAMPIONARI. MODELLI DI REGRESSIONE LINEARI E NON LINEARI. RESIDUI E COEFFICIENTE DI DETERMINAZIONE

•TECNICHE DI ANALISI STATISTICA MULTIVARIATA CON R. ANALISI DEI CLUSTER. 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. MISURE DI SINTESI ASSOCIATE AI CLUSTER

•VARIABILI ALEATORIE DISCRETE IN R: DISTRIBUZIONI DI PROBABILITÀ DISCRETE E LORO SIMULAZIONE (BERNOULLI, BINOMIALE, GEOMETRICA E GEOMETRICA MODIFICATA, BINOMIALE NEGATIVA, BINOMIALE NEGATIVA MODIFICATA, IPERGEOMETRICA, DI POISSON). ALCUNI IMPORTANTI RISULTATI CONNESSI ALLE VARIABILI ALEATORIE DISCRETE, ANALIZZATI TRAMITE LA SIMULAZIONE IN R.

•VARIABILI ALEATORIE CONTINUE IN R: DISTRIBUZIONI DI PROBABILITÀ CONTINUE E LORO SIMULAZIONE (UNIFORME, ESPONENZIALE, NORMALE, CHI-QUADRATO, DI STUDENT). ALCUNI IMPORTANTI RISULTATI CONNESSI ALLE VARIABILI ALEATORIE CONTINUE ANALIZZATI TRAMITE LA SIMULAZIONE IN R.

•STATISTICA INFERENZIALE CON R: STIMA PUNTUALE. PROPRIETÀ DEGLI STIMATORI. METODI PER LA RICERCA DI STIMATORI. METODI DEI MOMENTI E DELLA MASSIMA VEROSIMIGLIANZA.

•STIMA PER INTERVALLO CON R: INTERVALLI DI CONFIDENZA. INTERVALLI DI CONFIDENZA PER LA MEDIA E VARIANZA DI UNA POPOLAZIONE NORMALE.

•INTERVALLI DI CONFIDENZA PER GRANDI CAMPIONI. 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.

•VERIFICA DELLE IPOTESI CON R: TEST SULLE MEDIE. TEST SULLE DIFFERENZE TRA MEDIE. TEST SULLE VARIANZE. TEST SULLE PROPORZIONI.

•TEST CHI-QUADRATO DI PEARSON. TEST DI IPOTESI IN MODELLI DI REGRESSIONE LINEARI E NON LINEARI
Metodi Didattici
IL METODO DIDATTICO PREVEDE LEZIONI TEORICHE INTEGRATE DA ESERCITAZIONI E PROBLEMI CONNESSI ALLE METODOLOGIE PER L’ANALISI DEI DATI UNIVARIATI E MULTIVARIATI (CFU 9, DURATA (H): 72). 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.
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.
Testi
• MICHAEL J. CRAWLEY (2017) THE R BOOK, WILEY
• JANE M. HORGAN (2009) PROBABILITY WITH R. AN INTRODUCTION WITH COMPUTER SCIENCE APPLICATIONS. WILEY
• ALVIN C. RENCHER (2012) METHODS OF MULTIVARIATE ANALYSIS. WILEY SERIES IN PROBABILITY AND STATISTICS
• APPUNTI DELLE LEZIONI DEL DOCENTE
Altre Informazioni
PER AIUTARE GLI STUDENTI NELLO STUDIO INDIVIDUALE, IL DOCENTE FORNIRÀ APPUNTI DELLE LEZIONI, COMPRENSIVI DEI VARI ARGOMENTI TRATTATI E DEI PROBLEMI AFFRONTATI. 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.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-11-21]