Obiettivi formativi
Analisi di dati univariati e multivariati in ambito economico e sociale.
Prerequisiti
Concetti base di Matematica.
Risultati di apprendimento attesi
Lo studente alla fine del corso dovrà essere in
grado di analizzare diverse tipologie di dati
mediante opportune metodologie statistiche.
L'analisi dei dati sarà effettuata con il software
statistico R il cui insegnamento è parte
integrante del corso.
Contenuti Del Corso
Concetti base di statistica
I diversi tipi di dati
Analisi esplorativa preliminare
Modello di regressione lineare
Modelli lineari generalizzati
Analisi delle Reti
Analisi di dati testuali
Programmazione in R
Testi Di Riferimento
Suggerito: C. Chapman and E. McDonnell Feit (2015) R
for Marketing Research and Analytics,
Springer.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning with applications in R.
Slides del docente.
Metodologie Didattiche
Testo di riferimento, slides, appunti, codici R
Modalità di verifica dell'apprendimento
Due prove intermedie scritte (1/3), un progetto di gruppo (1/3) e un esame orale (33%). Per gli studenti non frequentanti (non-compliant ed esentati) un esame scritto (1/3) al posto delle prove intermedie.
Criteri per l’assegnazione dell’elaborato finale
TBD
Settimana 1
Introduzione alla statistica
I diversi tipi di dati:
- quantitativi: numerici, continui, discreti
- qualitativi (o categoriali): nominali, ordinali, dicotomici
- dati testuali
Settimana 2
Introduzione a R: interfaccia e manipolazione base di dati.
- Statistiche di base: minimo, media, moda,
quantili,, varianza, deviazione
standard, coefficiente di variazione,
correlazione, covarianza, etc.
- Le statistiche di base in R
Settimana 3
Analisi esplorativa:
- Statistiche di base: minimo, media, moda,
quantili,, varianza, deviazione
standard, coefficiente di variazione,
correlazione, covarianza, etc.
- Le statistiche di base in R
- Visualizzazione dei dati: grafici a barre,
istogrammi, mappe, grafici a torta, boxplot,
etc.
- La visualizzazione dei dati in R con ggplot2
- Le principali distribuzioni di probabilità:
Normale, Bernoulli, Binomiale, Poisson
- Le distribuzioni di probabilità in R
Settimana 4
Analisi esplorativa:
- Statistiche di base: minimo, media, moda,
quantili,, varianza, deviazione
standard, coefficiente di variazione,
correlazione, covarianza, etc.
- Le statistiche di base in R
- Visualizzazione dei dati: grafici a barre,
istogrammi, mappe, grafici a torta, boxplot,
etc.
- La visualizzazione dei dati in R
- Le principali distribuzioni di probabilità:
Normale, Bernoulli, Binomiale, Poisson
-Distribuzioni in R
Settimana 5
Il modello di regressione lineare
- Ripasso di inferenza statistica
- Il modello di regressione lineare
- Il metodo dei minimi quadrati
- Interpretazione dei risultati e valutazione del
modello
- La regressione lineare in R
Settimana 6
Il modello di regressione lineare
- Ripasso di inferenza statistica
- Il modello di regressione lineare
- Il metodo dei minimi quadrati
- Interpretazione dei risultati e valutazione del
modello
- La regressione lineare in R
Settimana 7
Modelli lineari generalizzati
- Formalizzazione del modello
- Metodi di stima
- Interpretazione dei parametri e diagnostiche
del modello
- Modelli lineari generalizzati in R
Settimana 8
Modelli lineari generalizzati
- Formalizzazione del modello
- Metodi di stima
- Interpretazione dei parametri e diagnostiche
del modello
- Modelli lineari generalizzati in R
Settimana 9
Analisi di Reti:
- Introduzione alla teoria dei grafi e statistiche
di sintesi
- Come gestire i grafi in R
Settimana 10
Analisi di Reti:
- Introduzione alla teoria dei grafi e statistiche
di sintesi
- Come gestire i grafi in R
Settimana 11
Analisi di dati testuali:
- Introduzione all’analisi testuale
- Come gestire i dati testuali in R
Settimana 12
Riassunto del programma ed esercitazioni.