CONOSCENZA E CAPACITA' DI COMPRENSIONE:
Il corso si propone di illustrare i principali aspetti computazionali
nell’ambito delle discipline statistiche in particolare della Statistica
Multivariata introducendo concetti e strumenti che mettano lo
studente in grado di estrarre dalla enorme mole dei dati oggi a disposizione
informazioni utili.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE:
Dal punto di vista teorico obiettivo del corso è di fare acquisire conoscenza e capacità di comprensione per quanto riguarda le
principali tecniche di Analisi Statistica Multivariata con particolare
attenzione agli aspetti computazionali riferiti ai Big Data. Dal punto di vista applicato il
corso si propone di far acquisire la capacita di applicare conoscenza e
comprensione dei metodi teorici mediante l’utilizzo del software SAS e SAS Studio.
AUTONOMIA DI GIUDIZIO:
Lo studente dovrà avere fatto propri i concetti presentati ed essere in
grado di applicarli criticamente ed in modo appropriato anche attraverso un progetto di analisi pratica.
ABILITA' COMUNICATIVE:
Lo studente dovrà essere in grado di comunicare in modo efficace e con
proprietà di linguaggio tecnico i concetti appresi.
CAPACITA' DI APPRENDERE:
Lo studente dovrà avere sviluppato capacità adeguate per poter
intraprendere con autonomia lo studio di argomenti inerenti l’Analisi Statistica Multivariata con particolare
attenzione agli aspetti computazionali riferiti ai Big Data.

Conoscenze di base di statistica (equivalente a due insegnamenti in una laurea triennale)

1.Introduzione alla Statistica Computazionale
2 Aspetti computazionali e gestione / mining dei dati: Data Mining, Web Mining, Spatial Data Mining, Text Mining (cenni)
3. Aspetti computazionali nel caso di Metodi Statistici lineari
4. Aspetti computazionali nel caso di Metodi Statistici non lineari
5. Simulazione e metodi di ricampionamento
6. Analisi Statistica Multivariata e aspetti computazionali:
6.1 L’analisi delle componenti principali
6.2 L’analisi fattoriale
6.3 Alcuni metodi di analisi dei cluster
6.4 Gli Alberi decisionali
6.5 Le Reti neurali (cenni)

-Thisted R. A., (2000), Elements of Statistical Computing, Chapman and Hall.
-Zani S., Cerioli A. (2007), Analisi dei dati e data mining per le decisioni
aziendali, Giuffrè Editore.
-Gareth J.,Witten D.,Hastie T.,Tibshirani R. (2021), Introduzione all'apprendimento statistico, a cura di Salini S.,Gaito S.,Boracchi P.,Ambrogi F., Manzi , Biganzoli E.,Piccin Editore
James G., Witten D. , Hastie T, Tibshirani R - An Introduction to Statistical Learning, Second Edition. Springer 2021.
scaricabile gratis: https://www.statlearning.com/
Ulteriori indicazioni bibliografiche verranno suggerite durante le lezioni

1.Introduzione alla Statistica Computazionale
2 Aspetti computazionali e gestione / mining dei dati: Data Mining, Web Mining, Spatial Data Mining, Text Mining (cenni)
3. Aspetti computazionali nel caso di Metodi Statistici lineari
4. Aspetti computazionali nel caso di Metodi Statistici non lineari
5. Simulazione e metodi di ricampionamento
6. Analisi Statistica Multivariata e aspetti computazionali:
6.1 L’analisi delle componenti principali
6.2 L’analisi fattoriale
6.3 Alcuni metodi di analisi dei cluster
6..4 Gli Alberi decisionali e cenni di random forest
6.5 Le Reti neurali (cenni)

Lezioni frontali teorico pratiche ed esercizi con supporto informatico utilizzando i linguaggi di programmazione SAS e SAS Studio

I materiali sono inseriti su Moodle

L’esame consiste di una prova scritta/pratica e una prova orale su tutto il programma del corso.
In particolare la prova scritta/pratica, volta a verificare la capacità di applicare la conoscenza acquisita durante il corso, consiste in esercizi che prevedono l'utilizzo dei comandi visti a lezione nel linguaggio SAS Studio applicato ad un insieme di dati reali. La prova orale, volta a verificare la conoscenza e la comprensione degli argomenti trattati, consiste nella discussione della prova scritta/pratica e in domande di tipo teorico su tutto il programma svolto durante il corso. Le liste sono chiuse quattro giorni prima della data dell’esame
Si è ammessi a sostenere la prova orale solo se si è superata la prova scritta/pratica.

Questo insegnamento approfondisce argomenti strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite.
Codice obiettivo 4. Codice obiettivo 8. Codice obiettivo 9.