Insegnamento
ANALISI DEI DATI MULTIDIMENSIONALI (Ult. numero di matricola pari)
SCP4063365, 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
1124411
Crediti formativi 6.0
Denominazione inglese MULTIVARIATE DATA ANALYSIS
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2016/laurea_statisticatecnologiescienze
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA

Docenti
Responsabile MANUELA CATTELAN SECS-S/01
Altri docenti LORENZO MARAGONI

Mutuazioni
Codice Insegnamento Responsabile Corso
SCP4063365 ANALISI DEI DATI MULTIDIMENSIONALI (Ult. numero di matricola pari) MANUELA CATTELAN SC2095

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 6.0

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

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LABORATORIO 2.0 14 36.0 2
LEZIONE 4.0 28 72.0 Nessun turno

Calendario
Inizio attività didattiche 27/02/2017
Fine attività didattiche 09/06/2017
Orario della didattica Visualizza calendario delle lezioni
Giorno Ora Aula Edificio
Orari_chiudi Lunedi' 12.30-13.30, 13.30-14.30 ASID20, ASID60 S.CATERINA
  20/03/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
20/03/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
27/03/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
27/03/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
03/04/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
03/04/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
10/04/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
10/04/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
08/05/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
08/05/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
15/05/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
15/05/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
22/05/2017 12.30-13.30 ASID20, ASID60 S.CATERINA
22/05/2017 13.30-14.30 ASID20, ASID60 S.CATERINA
Orari_chiudi Mercoledi' 12.30-14.30 SC140 S.CATERINA
  01/03/2017 12.30-14.30 SC140 S.CATERINA
08/03/2017 12.30-14.30 SC140 S.CATERINA
15/03/2017 12.30-14.30 SC140 S.CATERINA
22/03/2017 12.30-14.30 SC140 S.CATERINA
29/03/2017 12.30-14.30 SC140 S.CATERINA
05/04/2017 12.30-14.30 SC140 S.CATERINA
12/04/2017 12.30-14.30 SC140 S.CATERINA
19/04/2017 12.30-14.30 SC140 S.CATERINA
26/04/2017 12.30-14.30 SC140 S.CATERINA
03/05/2017 12.30-14.30 SC140 S.CATERINA
10/05/2017 12.30-14.30 SC140 S.CATERINA
17/05/2017 12.30-14.30 SC140 S.CATERINA
Orari_chiudi Venerdi' 12.30-14.30 SC140 S.CATERINA
  03/03/2017 12.30-14.30 SC140 S.CATERINA
10/03/2017 12.30-14.30 SC140 S.CATERINA
17/03/2017 12.30-14.30 SC140 S.CATERINA

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: Algebra lineare
Statistica I
Conoscenze e abilita' da acquisire: Il corso mira ad introdurre lo studente ai principali metodi statistici per dati (e problemi) multidimensionali.
Vengono affrontati alcuni metodi inferenziali classici e i principali metodi esplorativi di riduzione dei dati.
Una particolare rilevanza è data anche alla definizione di tecniche di analisi dei gruppi (clustering gerarchico e non gerarchico).
L'acquisizione della capacità di applicazione dei metodi tramite software (R) è una finalità non secondaria del corso.
Modalita' di esame: Prova scritta.
Criteri di valutazione: Capacità di rispondere alle domande e interpretare l'analisi dei dati.
Contenuti: Metodi di riduzione dei dati
- Analisi delle componenti principali
- Analisi fattoriale esplorativa. Identificazione dei fattori,
rotazioni degli assi, interpretazione dei fattori.
- Analisi delle corrispondenze semplici e multiple.
- Scaling multidimensionale.
Metodi di clustering e classificazione.
- Cluster analysis gerarchica.
- Misure di distanza e metodologie appropriate per variabili non
quantitative.
- Cluster analysis non gerarchica.
Inferenza Multivariata
- Vettori casuali multivariati
- Distribuzione Normale Multivariata
- Distribuzione Wishart e T^2 di Hotelling
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali e laboratorio.
Eventuali indicazioni sui materiali di studio: Appunti delle lezioni e materiale su moodle.
Testi di riferimento:
  • Mardia, K.V., Kent, J.T., Bibby, J.M., Multivariate Analysis. New York: Academic Press, 1979. Cerca nel catalogo
  • Johnson, R. A., Wichern, D. W., Applied Multivariate Statistical Analysis. --: Prentice Hall, 2013. Cerca nel catalogo
  • Everitt, B., Hothorn, T., An Introduction to Applied Multivariate Analysis with R. --: Springer, 2011. Cerca nel catalogo