Insegnamento
MODELLI STATISTICI APPLICATI
SCP4063831, A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
SC2094, ordinamento 2014/15, A.A. 2016/17
1113469
Crediti formativi 9.0
Denominazione inglese APPLIED STATISTICAL MODELS
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2016-SC2094-000ZZ-2014-SCP4063831-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA

Docenti
Responsabile GIULIANA CORTESE SECS-S/01
Altri docenti GIORGIO CELANT SECS-S/01

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Bio-sperimentale SECS-S/02 9.0

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

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 9.0 64 161.0 Nessun turno

Calendario
Inizio attività didattiche 01/10/2016
Fine attività didattiche 20/01/2017
Orario della didattica Visualizza calendario delle lezioni
Giorno Ora Aula Edificio
Orari_chiudi Lunedi' 12.30-14.30 SC40 S.CATERINA
  07/11/2016 12.30-14.30 SC40 S.CATERINA
14/11/2016 12.30-14.30 SC40 S.CATERINA
21/11/2016 12.30-14.30 SC40 S.CATERINA
28/11/2016 12.30-14.30 SC40 S.CATERINA
05/12/2016 12.30-14.30 SC40 S.CATERINA
19/12/2016 12.30-14.30 SC40 S.CATERINA
09/01/2017 12.30-14.30 SC40 S.CATERINA
16/01/2017 12.30-14.30 SC40 S.CATERINA
Orari_chiudi Martedi' 8.30-10.30, 10.30-11.30, 10.30-12.30, 11.30-12.30 ASID60, SC40 S.CATERINA
  04/10/2016 8.30-10.30 SC40 S.CATERINA
11/10/2016 8.30-10.30 SC40 S.CATERINA
18/10/2016 8.30-10.30 SC40 S.CATERINA
25/10/2016 8.30-10.30 SC40 S.CATERINA
08/11/2016 10.30-12.30 SC40 S.CATERINA
15/11/2016 10.30-11.30 ASID60, SC40 S.CATERINA
15/11/2016 11.30-12.30 ASID60, SC40 S.CATERINA
29/11/2016 10.30-11.30 ASID60, SC40 S.CATERINA
29/11/2016 11.30-12.30 ASID60, SC40 S.CATERINA
06/12/2016 10.30-11.30 ASID60, SC40 S.CATERINA
06/12/2016 11.30-12.30 ASID60, SC40 S.CATERINA
13/12/2016 10.30-11.30 ASID60, SC40 S.CATERINA
13/12/2016 11.30-12.30 ASID60, SC40 S.CATERINA
20/12/2016 10.30-11.30 ASID60, SC40 S.CATERINA
20/12/2016 11.30-12.30 ASID60, SC40 S.CATERINA
10/01/2017 10.30-11.30 ASID60, SC40 S.CATERINA
10/01/2017 11.30-12.30 ASID60, SC40 S.CATERINA
17/01/2017 10.30-11.30 ASID60, SC40 S.CATERINA
17/01/2017 11.30-12.30 ASID60, SC40 S.CATERINA
Orari_chiudi Mercoledi' 10.30-12.30, 16.30-18.30 ASID60, SC40 S.CATERINA
  05/10/2016 10.30-12.30 SC40 S.CATERINA
12/10/2016 10.30-12.30 SC40 S.CATERINA
19/10/2016 10.30-12.30 SC40 S.CATERINA
26/10/2016 10.30-12.30 SC40 S.CATERINA
02/11/2016 16.30-18.30 ASID60 S.CATERINA
Orari_chiudi Giovedi' 12.30-14.30, 14.30-15.30, 14.30-16.30, 15.30-16.30 ASID60, BENVENUTI, SC40 S.CATERINA
  06/10/2016 12.30-14.30 BENVENUTI S.CATERINA
13/10/2016 12.30-14.30 BENVENUTI S.CATERINA
20/10/2016 12.30-14.30 BENVENUTI S.CATERINA
27/10/2016 14.30-16.30 SC40 S.CATERINA
24/11/2016 14.30-15.30 ASID60, SC40 S.CATERINA
24/11/2016 15.30-16.30 ASID60, SC40 S.CATERINA
15/12/2016 14.30-16.30 SC40 S.CATERINA
22/12/2016 14.30-16.30 SC40 S.CATERINA
12/01/2017 14.30-16.30 SC40 S.CATERINA

Commissioni d'esame
Commissione Dal Al Membri
2 Commissione a.a.2017/18 01/10/2017 30/09/2018 CORTESE GIULIANA (Presidente)
CELANT GIORGIO (Membro Effettivo)
SARTORI NICOLA (Membro Effettivo)
VENTURA LAURA (Membro Effettivo)

Syllabus
Prerequisiti: Istituzioni di analisi matematica, Istituzioni di probabilità, Statistica II, Modelli statistici I.
Conoscenze e abilita' da acquisire: I fenomeni ambientali e territoriali richiedono spesso lo studio di una componente spaziale, mentre gli studi biomedici coinvolgono spesso la componente temporale.
L'obiettivo del corso è fornire agli studenti una conoscenza introduttiva degli strumenti statistici per descrivere ed analizzare fenomeni specifici in ambito ambientale, territoriale e biomedico. Inoltre, in ambito di progettazione degli esperimenti, lo scopo del corso consiste nel fornire un'introduzione ragionata ai disegni di base.
Il corso si propone inoltre di rendere gli studenti capaci di scegliere ed applicare la tecnica ed il modello statistico appropriato per l'elaborazione delle diverse tipologie di dati ambientali e biomedici, grazie all'uso di specifici pacchetti del software statistico R. A tale scopo, verranno discussi ed analizzati diversi casi studio di interesse attuale.
Modalita' di esame: L'esame consiste in una prova scritta riguardante sia la parte teorica che la parte pratica del corso, ha quindi lo scopo di accertare sia le conoscenze sulla teoria metodologica, sia la capacità di applicare tale conoscenze a dati reali ed interpretarne i risultati.
La prova scritta potrà eventualmente essere divisa in due parti per il Modulo I e per i Moduli II-III. È possibile un eventuale integrazione con esame orale su richiesta del docente.
Criteri di valutazione: Completezza, precisione ed esattezza delle risposte alle domande, e nello svolgimento degli esercizi; capacità di applicare le tecniche statistiche studiate in modo autonomo e consapevole; capacità di analisi critica ed interpretazione dei risultati ottenuti dalle applicazioni.
Contenuti: Il corso si propone di fornire alcuni strumenti statistici legati a specifiche applicazioni in ambito tecnologico, ambientale e biomedico, ed è sviluppato in tre moduli distinti come segue:

Modulo I: disegno degli esperimenti.
Un problema introduttivo: Il problema di Hoetteling o problema delle pesate, Stimatori ottimali.
Definizione di esperimento, casualizzazione, piano completamente casualizzato. Stima e test di un dispositivo completamente randomizzato ad un fattore. Teorema di Cochran.
Dispositivi a blocchi incompleti e casualizzazione. Modello associato e sua analisi statistica. Funzioni stimabili e connessioni.
Dispositivi con più fattori sotto controllo: quadrati latini e greco latini. Dispositivi fattoriali e non (cenni).

Modulo II: modelli per l'analisi dei dati di sopravvivenza.
I dati relativi al tempo di attesa fino al verificarsi di un evento prendono generalmente il nome di dati di sopravvivenza.
Introduzione ai dati di sopravvivenza e loro peculiarità: dati incompleti, censura a destra, troncamento a sinistra, schemi di censura.
Funzione di rischio, funzione di sopravvivenza, relative stime non parametriche e test per il confronto fra più popolazioni.
Modelli parametrici per dati di sopravvivenza. Modello semi-parametrico di Cox.
Verifica delle assunzioni sottostanti ai modelli per dati di sopravvivenza, selezione del modello.

Modulo III: modelli per l'analisi di fenomeni ambientali
.
Introduzione alle tipologie di dati spaziali, come ad esempio dati ambientali e geostatistici.
Analisi esplorativa e visualizzazione grafica di dati spaziali.
Misure di dipendenza spaziale, variogramma, kriging.
Modelli statistici per dati spaziali.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali ed esercitazioni in laboratorio con l'uso del software R.
Sono eventualmente previste attività in itinere con esercizi da risolvere in gruppo utilizzando il software R. Il corso prevede eventuali attività di seminari da parte di esperti esterni, volte ad illustrare casi reali di applicazioni nelle tecnologie e nelle scienze.
Eventuali indicazioni sui materiali di studio: Durante il corso saranno resi disponibili eventuali appunti e lucidi delle lezioni, ed il codice R usato nei laboratori. In aggiunta, dove necessario, ulteriore materiale didattico e dispense saranno reperibili nel sito accessibile agli studenti.
Testi di riferimento:
  • Graeme D. Ruxton , Nick Colegrave., Experimental design for the life sciences.. --: Oxford University Press (third edition), 2010.
  • John P. Klein, Melvin L. Moeschberger., Survival analysis: Techniques for Censored and Truncated data.. US: New York: Springer-Verlag (2nd edition), 2003. Cerca nel catalogo
  • Roger S. Bivand, Edzer J. Pebesma, Virgilio Gómez-Rubio., Applied Spatial Data Analysis with R.. US: New York: Springer, 2008. Cerca nel catalogo
  • Peter J. Diggle, Paulo J. Ribeiro Jr., Model-based Geostatistics.. US: New York: Springer, 2007.