- Docente: Giuliano Galimberti
- Crediti formativi: 10
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Moduli: Giuliano Galimberti (Modulo 1) Giuliano Galimberti (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Bologna
- Corso: Laurea Magistrale in Scienze statistiche (cod. 8055)
Conoscenze e abilità da conseguire
Al termine del corso lo studente conosce i fondamenti della costruzione di modelli in ambito statistico. In particolare, lo studente è in grado di: - derivare stime puntuali dei parametri, controllare ipotesi e costruire intervalli di confidenza per un modello lineare generalizzato - scegliere il modello più opportuno per l'analisi di specifiche situazioni empiriche - definire un modello a variabili latenti, stimarne i parametri e interpretarne i risultati
Contenuti
- Modelli statistici: aspetti introduttivi.
- Modelli di regressione lineare: richiami.
- Modelli lineari generalizzati. Famiglie esponenziali, predittori lineari, funzioni legame. Stimatore di massima verosimiglianza. Bontà di adattamento del modello: definizione di devianza. Analisi dei residui. Inferenza sui parametri: test del rapporto delle verosimiglianze.
- regressione di Poisson per variabili dipendenti di conteggio.
- Regressione logistica per variabili dipendenti binarie, qualitative sconnesse e qualitative ordinali.
- Modelli lineari misti: concetti base. Effetti fissi ed effetti casuali. Strutture per la matrice di varianza-covarianza. Stimatore di massima verosimiglianza e stimatore di massima verosimiglianza ristretta. Analisi dei residui. Bontà di adattamento del modello. Inferenza sui parametri: intervalli di confidenza e test d'ipotesi.
- Modelli a variabili latenti: concetti base. Tipologie di variabili latenti, formulazione generale di un modello con variabili latenti .Modelli con variabili latenti quantitativi: il modello fattoriale. Modelli con variabile latente qualitativa sconnessa: le misture di gaussiane. Model-based cluster analysis.
Testi/Bibliografia
Dobson, A. J. (2002) An Introduction to Generalized Linear Models. Second Edition. Chapman & Hall/CRC.
West, B. T., Welch, K. B. and Galecki, A. T. (2007) Linear Mixed Models. A Practical Guide Using Statistical Software. Chapman & Hall/CRC.
Everitt, B. S., Hothorn, T. (2006) A Handbook of Statistical Analysis Using R. Chapman & Hall/CRC.
Materiale specifico fornito dal docente.
Azzalini, A. (2001) Inferenza Statistica. Una Presentazione Basata sul Concetto di Verosimiglianza. Seconda Edizione. Springer-Verlag.
Metodi didattici
Lezioni frontali in aula
Esercitazioni In laboratorio informatico
Modalità di verifica e valutazione dell'apprendimento
Prova scritta obbligatoria e prova orale facoltativa
Orario di ricevimento
Consulta il sito web di Giuliano Galimberti