Insegnamento
STATISTICAL MODELS
SCP4063245, A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2016/17
1124383
Crediti formativi 9.0
Denominazione inglese STATISTICAL MODELS
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2016/laurea_magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Responsabile LUISA BISAGLIA SECS-S/03
Altri docenti CARLO GAETAN SECS-S/01
NICOLA TORELLI 000000000000

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 6.0
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/03 3.0

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
LEZIONE 9.0 64 161.0 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' 12.30-14.30 ASID17 S.CATERINA
  27/02/2017 12.30-14.30 ASID17 S.CATERINA
06/03/2017 12.30-14.30 ASID17 S.CATERINA
13/03/2017 12.30-14.30 ASID17 S.CATERINA
20/03/2017 12.30-14.30 ASID17 S.CATERINA
27/03/2017 12.30-14.30 ASID17 S.CATERINA
03/04/2017 12.30-14.30 ASID17 S.CATERINA
10/04/2017 12.30-14.30 ASID17 S.CATERINA
08/05/2017 12.30-14.30 ASID17 S.CATERINA
15/05/2017 12.30-14.30 ASID17 S.CATERINA
22/05/2017 12.30-14.30 ASID17 S.CATERINA
29/05/2017 12.30-14.30 ASID17 S.CATERINA
05/06/2017 12.30-14.30 ASID17 S.CATERINA
Orari_chiudi Giovedi' 16.30-18.30 BENVENUTI S.CATERINA
  02/03/2017 16.30-18.30 BENVENUTI S.CATERINA
09/03/2017 16.30-18.30 BENVENUTI S.CATERINA
16/03/2017 16.30-18.30 BENVENUTI S.CATERINA
23/03/2017 16.30-18.30 BENVENUTI S.CATERINA
30/03/2017 16.30-18.30 BENVENUTI S.CATERINA
06/04/2017 16.30-18.30 BENVENUTI S.CATERINA
13/04/2017 16.30-18.30 BENVENUTI S.CATERINA
20/04/2017 16.30-18.30 BENVENUTI S.CATERINA
27/04/2017 16.30-18.30 BENVENUTI S.CATERINA
04/05/2017 16.30-18.30 BENVENUTI S.CATERINA
11/05/2017 16.30-18.30 BENVENUTI S.CATERINA
18/05/2017 16.30-18.30 BENVENUTI S.CATERINA
25/05/2017 16.30-18.30 BENVENUTI S.CATERINA
01/06/2017 16.30-18.30 BENVENUTI S.CATERINA
08/06/2017 16.30-18.30 BENVENUTI S.CATERINA

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
Prerequisiti: Calcolo delle probabilità, Statistica progredito
Conoscenze e abilita' da acquisire: The objective of the whole course is to get students acquainted with the fundamentals, basic properties and use of the most important recent modeling
techniques, to gain experience in model building and to get some hands-on experience by analysing some real data by using R, Bugs and other up-to-date
statistical software.
Modalita' di esame: A written exam for each parts of the course.
Each exam will be marked independently by the corresponding instructor.
At the end of the course, students will receive a final mark based on all 3 exams results.
Criteri di valutazione: At the end of the course, students will receive only a final mark based on all 3 exams results.
Contenuti: Generalized linear mixed models
o Introduction to the course: basic ideas
o Generalized linear models: structure and inference
o Extending GLMs: First instances of models for hierarchical data
o Generalized linear mixed models
o Introduction to hierarchical models and to GLMMs
o Likelihood inference in GLMMs
o Bayesian Hierarchical Models
o Practical sessions with R and R-Bugs

Time series analysis
o Introduction. Linear time series models.
o Linear time series models: model specification.
o Linear time series models: parameter estimation and forecasting.
o Introduction to spectral analysis
o Nonlinear models: an introduction
o Nonlinear models: Markov-Switching Models and Threshold Autoregression Models
o Long-memory models. Integer AutoRegressive models

Spatial statistics
1. Introduction to spatial statistics:
2. Estimation and modeling of spatial correlations:
3. Prediction and Interpolation (kriging):
4. Spatio-temporal modeling:
5. Second order spatial models for network data:
6. Gibbs-Markov random fields on networks:
7. Simulation and estimation of a Markov random field on a network:
8. Hierarchical spatial models and Bayesian statistics:
Attivita' di apprendimento previste e metodologie di insegnamento: Lectures and Laboratories
Eventuali indicazioni sui materiali di studio: Mc Cullagh, P & Nelder J.A., Generalized Linear Models. New York: Chapman & Hall, 1989.
Gelman, A. & Hill J., Data Analysis Using Regression and Multilevel/Hierarchical Models. --: Cambridge University Press, 2007.
Fahrmeir L., Tutz, G., Multivariate Statistical Modelling Based on Generalized Linear Models. --: Springe, 2001. chapter 6
McCulloch, C.E., Searle, S.R., Generalized, Linear and Mixed Models. --: Wiley, 2001.
Brockwell P.J., Davis R.A., Introduction to Time Series and Forecasting. --: Springer, 1996.
Fan J., Yao Q., Nonlinear time series. --: Springer-Verlag, 2003.
Tsay R.S., Analysis of Financial Time Series. - -: Wiley-Interscience, 2005.
Wei W., Time Series
Banerjee, S. ,Carlin, B.P. and Gelfand. A.E (2014) Hierarchical Modeling and Analysis for Spatial Data, CRC Press, New York (second edition)
Gaetan, C. and Guyon, X. (2010) Spatial Statistics and Modeling, Springer, New York.
Testi di riferimento: