I prerequisiti del corso comprendono il programma di un corso di base di statistica a livello di laurea triennale.

Concetti base di statistica descrittiva, inferenziale, e probabilità.

Indici di posizione e variabilità, associazione, algebra degli eventi, concetto di probabilità, intervalli di confidenza e test di ipotesi.

il corso introduce gli strumenti basilari dell'analisi multivariata, che favoriranno l'acquisizione di conoscenze per l'analisi e la valutazione di fenomeni, economici e sociali.

Il corso consta di una parte teorica e di una pratica. Per quest'ultima, il corso prevede alcune esercitazioni su dati reali e simulati con l'ausilio di software, con l'obiettivo sia di testare in itinere il livello di apprendimento, sia di favorire l'apprendimento di strumenti di calcolo essenziali per l'analisi e la misurazione di dati.

Al termine del corso, lo studente sarà in grado di gestire un dataset multidimensionale, e predisporre alcune analisi dei dati. Sarà inoltre in grado di elaborare ed applicare idee originali nei vari contesti di ricerca, al fine di risolvere problemi legati alla moltitudine di campi di applicazione delle tecniche apprese. Particolare attenzione sarà posta allo sviluppo di capacità di comunicazione delle conclusioni delle analisi e delle misurazioni prodotte attraverso disseminazione e produzione di documenti di sintesi, a partire dalla conoscenza approfondita delle metodologie e delle ipotesi ad esse sottostanti.

Tutte le competenze acquisite si baseranno su una tipologia di apprendimento adattiva, che consenta cioè di estendere le competenze acquisite, integrandole con ulteriori approfondimenti ove necessario, in modo da consentire una crescita autonoma dello studente nel campo di riferimento, per il quale i contenuti del corso possano rappresentare delle solide basi teoriche e pratiche.

Gli argomenti fondamentali del corso sono:

• Elementi di algebra delle matrici.
• Matrici di dati. Relazioni tra variabili quantitative: matrice di covarianza e matrice di correlazione. Misure di variabilità multidimensionale
• Variabili aleatorie multivariate. Distribuzioni di variabili aleatorie multivariate.
• Analisi in componenti principali.
• Analisi dei gruppi.
• Analisi della varianza a un fattore: modello e ipotesi
• Analisi della varianza a più fattori: modello e ipotesi
• Analisi della varianza: test post-hoc
• Modello di regressione lineare semplice
• Modello di regressione lineare multipla
• Analisi della covarianza nel modello di regressione (cenni)

Consigliati

DE SANTIS, Annamaria (2022) Analisi Multivariata e Learning Analytics. Metodi e applicazioni. Pearson. ISBN: 9788891932419

• Le lezioni saranno frontali, in presenza, con l'ausilio di materiale didattico fornito dal docente (sottoforma di dispense e materiali integrativi) e software statistico.

   

  L'attività sarà supportata da esercitazioni in aula, da svolgersi sia singolarmente che in gruppo.

   

• L'esame consiste di una parte scritta (prova finale), e, nel caso questa sia sufficiente, di un colloquio orale. Il voto finale sarà formato da una media ponderata delle due parti, con pesi rispettivamente 0.4 e 0.6.

   

  La prova scritta, della durata indicativa di 2 ore, consiste di domande a risposta sia aperta che chiusa. La prova sarà svolta al computer, con l'ausilio di software specifico.

  
  

  
  

  Tutte le prove, sia scritte che orali, saranno valutate tenendo conto di

   

  a)      conoscenza e capacità di comprensione degli esercizi (20% sul totale della valutazione complessiva);

  b) capacità di operare collegamenti fra argomenti (20% sul totale della valutazione complessiva);

  c) capacità di applicare le conoscenze in ambito di problemi pratici (20% sul totale della valutazione complessiva)

  d) precisione e rigore nell'applicazione di formule e metodologie (40% sul totale della valutazione complessiva)

inglese

Italiano