Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Psicologia
COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY
Insegnamento
STATISTICS FOR BRAIN AND COGNITIVE SCIENCES
PSO2044208, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY (Ord. 2014)
PS1932, ordinamento 2014/15, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STATISTICS FOR BRAIN AND COGNITIVE SCIENCES
Dipartimento di riferimento Dipartimento di Psicologia Generale
Sito E-Learning https://elearning.unipd.it/scuolapsicologia/course/view.php?idnumber=2017-PS1932-000ZZ-2016-PSO2044208-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo NON è possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta Insegnamento riservato SOLO agli iscritti al corso di COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY (Ord. 2014)

Docenti
Responsabile GIULIO VIDOTTO M-PSI/03

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Psicologia generale e fisiologica M-PSI/03 6.0

Modalità di erogazione
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 42 108.0 Nessun turno

Calendario
Inizio attività didattiche 09/10/2017
Fine attività didattiche 12/01/2018

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: Probabilità, variabili casuali, statistica descrittiva e inferenziale, intervalli di confidenza, t-test, F-test, nozioni di base sui disegni sperimentali. Gli studenti possono facilmente trovare materiali su Internet (ad esempio, un elenco completo dei requisiti è fornito dal corso di Statistical Methods in Brain and Cognitive Science sul sito del MIT).
Conoscenze e abilita' da acquisire: Il corso fornisce gli strumenti per comprendere la teoria di fondo ed i problemi pratici necessari per l'applicazione dei modelli lineari.
Gli argomenti sono: regressione lineare multipla, ANOVA, e modelli lineari generalizzati.
Gli obiettivi sono: Capire i fondamenti del modello di regressione e ANOVA; interpretare i risultati delle analisi di regressione e ANOVA; Valutare la qualità dei modelli.
Modalita' di esame: Tipo di esame: Scritto, con eventuale integrazione orale.
Prova scritta: domande aperte.
Criteri di valutazione: La valutazione della prestazione dello studente si baserà sulla comprensione delle metodologie statistiche proposte e sulla capacità di applicarle in modo autonomo in un contesto di ricerca.
Contenuti: Algebra matriciale (introduzione). Regressione lineare semplice: approccio algebrico e geometrico. Modelli lineari: regressione semplice e multipla, regressione con variabili dummy, ANOVA per piani fattoriali, ANOVA a misure ripetute, analisi della covarianza, Contrasti e confronti multipli. Modelli lineari generalizzati (introduzione). Inoltre, al termine del corso gli studenti dovrebbero essere esperti nell'uso del pacchetto statistico R.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali ed esercitazioni di laboratorio.
Eventuali indicazioni sui materiali di studio: Materiale per il corso:
Slides utilizzate a lezione e per i laboratori.

Julian J. Faraway (2005). Linear models with R. Chapman & Hall/CRC.

Approfondimenti:
George H. Dunteman (1984), Introduction to Linear Models. Sage Publications.
John Fox (1997). Applied Regression Analysis, Linear Models and Related Methods. Sage Publications.
Testi di riferimento:
  • Faraway, Julian James, Linear models with R. Boca Raton [etc.]: Chapman & Hall/CRC, 2005. Cerca nel catalogo