Didattica - Università degli Studi di Padova

Syllabus

Prerequisiti:	Il corso prevede le conoscenze di: Istituzioni di analisi matematica, Statistica I, Statistica II, Algebra lineare, Istituzioni di calcolo delle probabilità.
Conoscenze e abilita' da acquisire:	Il corso è finalizzato a far acquisire agli studenti i metodi statistici per la formulazione, l'adattamento, la costruzione, la validazione e l'utilizzo del modello di regressione lineare multiplo e dei modelli per dati discreti. Attraverso le attività di laboratorio, il corso fornisce anche gli strumenti necessari per l'analisi al computer dei modelli di regressione, tramite il software statistico R. Le abilità che lo studente inizierà ad acquisire riguardano: 1. l'uso della metodologia e degli strumenti appropriati; 2. riconoscere la tipologia e la struttura dei dati da analizzare; 3. la capacità di analisi e l'autonomia di giudizio.
Modalita' di esame:	La verifica delle conoscenze acquisite avviene attraverso una prova scritta, della durata di due ore, con tre esercizi volti ad evidenziare le conoscenze, le metodologie, la capacità di analisi e di discussione critica acquisite durante il corso. Vi sono sia domande di teoria sia analisi di output di un'elaborazione con il pacchetto statistico R. Questa prova è basata sui temi trattati e discussi a lezione e nelle esercitazioni.
Criteri di valutazione:	La valutazione della preparazione dello studente si baserà: - sulla comprensione degli argomenti trattati; - sull'acquisizione dei concetti e delle metodologie proposte; - sulla capacità di applicare le conoscenze acquisite.
Contenuti:	I contenuti del programma, in sintesi, possono essere divisi in due parti: 1) ll modello di regressione lineare normale (6 CFU) Inferenza basata sulla verosimiglianza: stima puntuale, intervalli di confidenza, verifica di ipotesi lineari sui coefficienti di regressione e test F, previsioni. Ipotesi del secondo ordine: stima ai minimi quadrati e Teorema di Gauss Markov. Analisi critica e costruzione del modello: metodi diagnostici (analisi dei residui, individuazione di valori anomali e punti leva), tecniche per la selezione delle variabili. Alcuni esempi notevoli: test t a due campioni; analisi della varianza a una e a due vie; analisi della covarianza. 2) Modelli di regressione per variabili risposta discrete (3 CFU) Discussione critica dei modelli lineari e motivazioni per la loro generalizzazione. Dati binari e modelli di regressione logistica (verosimiglianza, stima dei parametri, interpretazione delle stime dei parametri, problemi di verifica d'ipotesi). La regressione di Poisson (verosimiglianza, stima dei parametri, problemi di verifica d'ipotesi).
Attivita' di apprendimento previste e metodologie di insegnamento:	Il corso è organizzato in lezioni frontali (42 ore) e in esercitazioni in aula informatica (22 ore), in cui si propone l'analisi di casi studio provenienti da diversi contesti applicativi utilizzando il software R. L'insegnamento è sempre interattivo, con domande e presentazione di casi di studio, per promuovere la discussione e la riflessione critica in aula.
Eventuali indicazioni sui materiali di studio:	Le lezioni di teoria ed i laboratori sono basati sul libro di testo. Altro materiale didattico, esercizi e prove di esame degli anni precedenti sono resi disponibili nella piattaforma Moodle prima delle lezioni.
Testi di riferimento:	Grigoletto, M., Pauli, F., Ventura, L., Modello Lineare - Teoria e Applicazioni con R. Torino: Giappichelli, 2017.