Presentazione

Organizzazione della Didattica

DM270
STATISTICA PER L'ECONOMIA E L'IMPRESA ORD. 2014


9

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 48 0 16 69

Periodo

AnnoPeriodo
III anno1 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Italiano

Calendario Attività Didattiche

InizioFine
01/10/201620/01/2017

Tipologia

TipologiaAmbitoSSDCFU
affine/integrativo Nessun ambitoSECS-S/019


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof.ssa SALVAN ALESSANDRASECS-S/01Dipartimento di Scienze Statistiche

Altri Docenti

DocenteCoperturaSSDStruttura
Prof. SARTORI NICOLAMutuazioneSECS-S/01Dipartimento di Scienze Statistiche

Attività di Supporto alla Didattica

Non previste.

Bollettino

Istituzioni di Analisi Matematica Algebra Lineare Istituzioni di Probabilità Statistica 1 e 2 Modelli Statistici 1

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.

Il corso verrà erogato per mezzo di lezioni di teoria ed esercitazioni in laboratorio informatico.

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).

Esame scritto in aula informatica (si richiederà l'uso di R per lo svolgimento di alcuni calcoli).

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.

Agresti, A., Foundations of Linear and Generalized Linear Models. Hoboken: John Wiley & Sons Inc, 2015 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 Pace, L., Salvan, A., Teoria della Statistica: Metodi, Modelli, Approssimazioni Asintotiche. Padova: Cedam, 1996 Pace, L., Salvan, A., Introduzione alla Statistica - II. Inferenza, Verosimiglianza, Modelli. Padova: Cedam, 2001 Bortot, P., Ventura, L., Salvan, A., Inferenza Statistica: Applicazioni con S-Plus e R. Padova: Cedam, 2000 Dobson, A. and Barnett, A., An Introduction to Generalized Linear Models, Third Edition. Boca Raton, FL: Chapman and Hall/CRC, 2008

Materiale didattico sarà reso disponibile sulla pagina web del corso.