Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
Insegnamento
ANALISI DEI DATI MULTIDIMENSIONALI (Ult. numero di matricola dispari)
SCP4063365, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea in
STATISTICA PER LE TECNOLOGIE E LE SCIENZE
SC2094, ordinamento 2014/15, A.A. 2019/20
Dispari
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese MULTIVARIATE DATA ANALYSIS
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-lauree-triennali
Dipartimento di riferimento Dipartimento di Scienze Statistiche
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 MANUELA CATTELAN SECS-S/01
Altri docenti DAVIDE RISSO SECS-S/01

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCP4063365 ANALISI DEI DATI MULTIDIMENSIONALI (Ult. numero di matricola dispari) 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

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

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

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Syllabus
Prerequisiti: Algebra lineare
Statistica 1
Statistica 2
Modelli Statistici 1
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 in laboratorio (con R) che include sia elaborazioni di data sets con il software statistico, sia domande di natura teorica.
Criteri di valutazione: Capacità di risolvere gli esercizi e di rispondere alle domande. Completezza, precisione e proprietà di linguaggio nelle risposte.
Contenuti: Inferenza Multivariata
- Vettori casuali
- Distribuzione Normale Multivariata
- Cenni di inferenza per un vettore di medie.
Metodi di riduzione dei dati
- Analisi delle componenti principali
- Analisi fattoriale esplorativa. Identificazione dei fattori,
rotazioni degli assi, interpretazione dei fattori.
- Analisi delle correlazioni canoniche.
Metodi di clustering e classificazione.
- Cluster analysis gerarchica.
- Cluster analysis non gerarchica.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali e laboratorio.
Eventuali indicazioni sui materiali di studio: Il materiale di studio comprende il materiale caricato sulla piattaforma Moodle e i testi di riferimento:
Johnson, R. A.; Wichern, D. W., Applied Multivariate Statistical Analysis per la parte teorica, e Everitt, B. S., Hothorn, T. An introduction to applied multivariate analysis with R per la parte di laboratorio.
Testi di riferimento:
  • Johnson, Richard Arnold; Wichern, Dean W., Applied Multivariate Statistical AnalysisRichard Johnson, Dean Wichern. Edinburgh: Pearson Education Limited, 2014.
  • Everitt, Brian S.; Hothorn, Torsten, An introduction to applied multivariate analysis with RBrian Everitt, Torsten Hothorn. New York [etc.]: Springer, 2011.

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • R