Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
MODELLI STATISTICI 2
SCP4063744, A.A. 2016/17

Informazioni valide per gli studenti immatricolati nell'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
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL MODELS 2
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2016/laurea_magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2016-SS1736-000ZZ-2016-SCP4063744-N0
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ALESSANDRA SALVAN SECS-S/01
Altri docenti NICOLA SARTORI SECS-S/01

Mutuante
Codice Insegnamento Responsabile Corso di studio
SCP4063744 MODELLI STATISTICI 2 ALESSANDRA SALVAN SC2094

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
Turni
LABORATORIO 2.0 16 34.0 2
LEZIONE 7.0 48 127.0 Nessun turno

Calendario
Inizio attività didattiche 01/10/2016
Fine attività didattiche 20/01/2017
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Commissione Dal Al Membri
2 Commissione a.a.2017/18 01/10/2017 30/09/2018 SALVAN ALESSANDRA (Presidente)
KENNE PAGUI EULOGE CLOVIS (Membro Effettivo)
MENARDI GIOVANNA (Membro Effettivo)
SARTORI NICOLA (Membro Effettivo)

Syllabus
Prerequisiti: Istituzioni di Analisi Matematica
Algebra Lineare
Istituzioni di Probabilità
Statistica 1 e 2
Modelli Statistici 1
Conoscenze e abilita' da acquisire: Il corso mira ad approfondire teoria e applicazioni dei modelli di regressione con particolare riferimento ai modelli lineari generalizzati. Sono trattati modelli per dati continui, binari, categoriali e di conteggio. Sono forniti alcuni elementi introduttivi ai modelli per dati correlati. Il corso tratta inoltre gli strumenti necessari per l'analisi dei dati utilizzando modelli di regressione, tramite il software statistico R.
Modalita' di esame: Esame scritto in aula informatica (si richiederà l'uso di R per lo svolgimento di alcuni calcoli).
Criteri di valutazione: Si valuteranno la preparazione dello studente sui contenuti oggetto del corso, la sua capacità di analizzare le caratteristiche dei modelli e di interpretare e valutare criticamente i risultati delle analisi svolte.
Contenuti: I modelli lineari generalizzati (Generalized Linear Models, GLM)
- Famiglie esponenziali, di dispersione esponenziali e GLM: modelli, momenti, funzione di legame e verosimiglianza.
- Inferenza sui parametri di un GLM (stima puntuale, verifica d'ipotesi e regioni di confidenza)
- Adeguatezza dei modelli: devianza e residui.
- Casi notevoli: regressione binomiale, Poisson e gamma.
- Sovradispersione e quasi-verosimiglianza.
- Tabelle di frequenza: modelli log-lineari.
- Modelli multinomiali per risposte nominali o ordinali.
- Elementi introduttivi ai modelli per dati correlati (modelli marginali, modelli lineari generalizzati misti, equazioni di stima generalizzate).
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso verrà erogato per mezzo di lezioni di teoria ed esercitazioni in laboratorio informatico.
Eventuali indicazioni sui materiali di studio: Materiale didattico sarà reso disponibile sulla pagina web del corso.
Testi di riferimento:
  • Agresti, A., Foundations of Linear and Generalized Linear Models. Hoboken: John Wiley & Sons Inc, 2015. Cerca nel catalogo
  • Dobson, A. and Barnett, A., An Introduction to Generalized Linear Models, Third Edition. Boca Raton, FL: Chapman and Hall/CRC, 2008.
  • Madsen, H. and Thyregod, P., Introduction to General and Generalized Linear Models. Boca Raton, FL: Chapman and Hall/CRC, 2010.
  • Azzalini, A., Inferenza Statistica: una Presentazione basata sul Concetto di Verosimiglianza. Milano: Springer-Italia, 2001. Capitolo 6 (in English: Azzalini, A. (1996). Statistical Inference, based on the Likelihood. Chapman and Hall, Chapter 6) Cerca nel catalogo
  • Pace, L., Salvan, A., Introduzione alla Statistica - II. Inferenza, Verosimiglianza, Modelli. Padova: Cedam, 2001. Capitoli 8 e 10 Cerca nel catalogo
  • Bortot, P., Ventura, L., Salvan, A., Inferenza Statistica: Applicazioni con S-Plus e R. Padova: Cedam, 2000. Capitolo 5 Cerca nel catalogo
  • Pace, L., Salvan, A., Teoria della Statistica: Metodi, Modelli, Approssimazioni Asintotiche. Padova: Cedam, 1996. Capitolo 6 (in English: Pace, L., Salvan, A. (1997). Principles of Statistical Inference. World Scientific, Singapore, Chapter 6) Cerca nel catalogo