Questo corso è parte del percorso tematico "Techniques and Technologies for a Spatial-based Sustainable Development" del Dottorato di Ricerca in Urban and Regional Development (URD). Le società moderne si basano su big data, open data e libera informazione, ma il problema è: come elaborare questi dati? Qual è il loro significato statistico? L'enorme quantità di dati forniti dalle tecnologie avanzate, richiede un trattamento tanto necessario da parte di nuovi processi. Va quindi incoraggiato un uso migliorato dei metodi classici, già appresi in studi precedenti. Quando il fenomeno indagato deve essere considerato da più punti di vista, è difficile la corretta scelta di un metodo di analisi. Tale scelta è legata all'ambito dell'analisi: l'analisi multivariata è il nome collettivo: riduzione e organizzazione dei dati, ricerca della dipendenza tra variabili, inferenze statistiche. Il corso intende fornire spunti e metodi generali, anche considerando il livello pratico per persone già in possesso di conoscenze di base di Statistica. Inoltre, il corso spera di rendere immediatamente utilizzabili i metodi spiegati il prima possibile. Il corso si basa sul motto "LEARNING BY DOING", dove gli studenti devono applicare la teoria a casi reali.

E' consigliato avere alcune conoscenze di base di statistica elementare. Le lezioni sono comunque aperte a tutti.

l corso è composto da più parti (sia teoriche che pratiche), in particolare 1) Aspetti dell'Analisi Multivariata e applicazioni delle Tecniche Multivariate. Verranno prese in considerazione alcune applicazioni che utilizzano dati geospaziali e open data, partendo dalle reali esigenze della classe. 2) Organizzazione e rappresentazione dei dati. La geometria del campione. La distribuzione normale multivariata. Inferenze su un vettore medio. Il test di Hotelling. Regioni di fiducia e confronto simultaneo delle componenti medie. Confronto dei vettori medi di due popolazioni. 3) Confronto di vettori medi di diverse popolazioni multivariate: Analisi Multivariata della Varianza (metodi MANOVA: unidirezionale, bidirezionale, unidirezionale con interazione, ...). Analisi multivariata di varianza-covarianza (MANCOVA). La soluzione classica: modello di regressione multipla. Inferenze sul modello di regressione. Regressione multipla multivariata 4) Riduzione e interpretazione dei dati: Analisi delle Componenti Principali e Analisi Fattoriale. Confronto dell'analisi delle componenti principali e della regressione della cresta, dei minimi quadrati parziali e dei minimi quadrati totali. Confronto tra analisi fattoriale e analisi delle componenti principali. 5) Discriminazione e classificazione: la funzione discriminante di Fisher per separare due o più popolazioni. Confronto con la regressione logistica. Kriging. Una parte del corso sarà dedicata alle parti pratiche (applicazioni e problem solving), utilizzando strumenti R-Code e GIS. L'esame sarà un report di un caso reale, riguardante i temi di ricerca degli studenti.

In presenza

Presentazione report scritto

P.D.1-1 - Febbraio

Le esercitazioni verranno svolto con software open source e gli studenti dovranno utilizzare i propri laptop.