Espandi Menu

PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

Notifiche Email

Elenco notifiche

Modelli statistici/Apprendimento statistico

01VJWNG

A.A. 2021/22

Lingua dell'insegnamento

Italiano

Corsi di studio

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 40
Esercitazioni in aula 20
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Collaboratori
Espandi
Didattica
SSD CFU Attivita' formative Ambiti disciplinari
Date d'appello
Orario delle lezioni
Statistiche superamento esami
2021/22
In questo corso si insegnano alcuni metodi avanzati della statistica e diverse loro applicazioni. Il corso è integrato con Apprendimento Statistico (Statistical Learning) per mostrare come molti metodi siano in comune con il Machine Learning, l'Intelligenza Artificiale e più in generale la Data Science.
Some advanced methods of Statistics will be taught together with several example applications. This course is integrated with Statistical Learning, since many methods are shared with Machine Learning, Artificial Intelligence and, more generally, Data Science.
Lo studente imparerà come i metodi probabilistici statistici che ha studiato in teoria vengono applicati in pratica, mettendone a frutto tutte le potenzialità metodologiche.
The student will learn how to apply in practice the statistical methods s/he has studied in theory, in order to use all of their methodological potentials.
Una preparazione equivalente a 15 crediti di Probabilità e Statistica Matematica.
Previous education equivalent to 15 credits of Probability and Mathematical Statistics.
Modelli lineari e applicazioni. Modelli lineari generalizzati e applicazioni. Principi di sperimentazione clinica e biomedica. Principi di statistica bayesiana e reti bayesiane. Metodi per dati qualitativi. R e altro software specializzato per metodi MCMC.
Linear models and their applications. Generalized linear models. Principles of clinical and biomedical experimentation. Parametric and nonparametric survival and reliability. Principal components Discriminant analysis. Introduction to Bayesian networks. Categorical data. R, OpenBUGS and other specialized software.
Esercitazioni in forma tradizionale completeranno le lezioni e un software statistico appropriato sarà usato in laboratorio informatico.
Traditional exercise sessions will complement lectures, whereas appropriate statistical software will be used in computer lab sessions.
- An Introduction to Statistical Learning with Applications in R Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani http://faculty.marshall.usc.edu/gareth-james/ISL/ - The BUGS Book: A Practical Introduction to Bayesian Analysis di David Lunn, Chris Jackson, Nicky Best, Andrew Thomas, David Spiegelhalter. Chapman & Hall. - Categorical Data Analysis di Alan Agresti. Wiley - Foundations of Linear and Generalized Linear Models by Alan Agresti. Wiley. - Bayesian Data Analysis. 3rd Edition by A. Gelman , J. B. Carlin, H. S. Stern, D. B. Dunson, A. Vehtari, D. B. Rubin Chapman & Hall/CRC
- An Introduction to Statistical Learning with Applications in R Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani http://faculty.marshall.usc.edu/gareth-james/ISL/ - The BUGS Book: A Practical Introduction to Bayesian Analysis by David Lunn, Chris Jackson, Nicky Best, Andrew Thomas, David Spiegelhalter. Chapman & Hall. - Categorical Data Analysis by Alan Agresti. Wiley - Statistical analysis of designed experiments by Ajit C. Tamhane. Wiley - Foundations of Linear and Generalized Linear Models by Alan Agresti
Modalità di esame: Prova orale obbligatoria;
Exam: Compulsory oral exam;
... L'esame sarà una interrogazione orale su due estrazioni casuali da un insieme di una ventina di studi di casi analizzati durante l'anno e verrà integrata con domande teoriche più generali.
Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.
Exam: Compulsory oral exam;
The exam will be an oral conversation about two out of around twenty case studies seen in class
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.
Modalità di esame: Prova orale obbligatoria;
L'esame sarà una interrogazione orale su due estrazioni casuali da un insieme di una ventina di studi di casi analizzati durante l'anno e verrà integrata con domande teoriche più generali.
Exam: Compulsory oral exam;
At the end of the course, a list of case studies seen in the course will be provided, together with explanations, references and software. During the oral exam each student will be assigned at random two case studies from the list, which he/she will have to discuss thoroughly. The student will comment on the specific aspects of the case study, on its methodological foundations and on the software used. The student will have to be able to connect the specific details of the case studies to general principles and methodologies. Finally, the professor may ask the student one or more extra questions regarding any topic covered in the course.
Modalità di esame: Prova orale obbligatoria;
L'esame sarà una interrogazione orale su due estrazioni casuali da un insieme di una ventina di studi di casi analizzati durante l'anno e verrà integrata con domande teoriche più generali.
Exam: Compulsory oral exam;
At the end of the course, a list of case studies seen in the course will be provided, together with explanations, references and software. During the oral exam each student will be assigned at random two case studies from the list, which he/she will have to discuss thoroughly. The student will comment on the specific aspects of the case study, on its methodological foundations and on the software used. The student will have to be able to connect the specific details of the case studies to general principles and methodologies. Finally, the professor may ask the student one or more extra questions regarding any topic covered in the course.
Esporta Word