PRESENTAZIONE

In questo insegnamento viene sviluppata la teoria dei modelli lineari e lineari generalizzati, con particolare attenzione agli aspetti metodologici. Gli argomenti trattati includono la regressione multipla e multivariata, i modelli lineari generalizzati per variabili risposta di famiglia esponenziale. Vengono anche illustrate alcune applicazioni in ambito bio-medico, ingegneristico ed economico attraverso attività di laboratorio che vengono svolte utilizzando opportuno software statistico (SAS e/o R).

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

L'insegnamento mira ad approfondire lo studio dell’ampia classe dei modelli lineari usando i metodi della statistica matematica.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

L’insegnamento è articolato in due parti:

1. Modelli lineari generali: regressione multipla e multivariata, regressione per misure ripetute. 
2. Modelli lineari generalizzati: regressione logistica, multinomiale e per conteggi; modelli log-lineari.

La parte 2. Modelli lineari generalizzati è mutuata, per un totale di 24 ore, dal corso 121532 - Statistical learning.   
Tutti gli argomenti saranno accompagnati da esercizi pratici in SAS o R, in modo che lo studente possa affiancare alla comprensione degli argomenti trattati anche la capacità di applicare corrette analisi statistiche in contesti reali e di comprendere gli output delle procedure statistiche.

Conoscenza e comprensione: Gli studenti dovranno conoscere le principali classi di modelli di regressione, di inquadrare tali modelli in termini generali (sia teorici che applicati), e di analizzarne gli strumenti matematici sottostanti.

Capacità di applicare conoscenza e comprensione: Gli studenti saranno in grado di individuare, di fronte a problemi applicati in diversi contesti, la corretta tecnica di analisi. Inoltre, saranno in grado di valutare criticamente i risultati ottenuti tramite software statistico.

Autonomia di giudizio: Gli studenti dovranno acquisire consapevolezza delle potenzialità e dei limiti delle tecniche statistiche presentate, attraverso l’analisi di esempi e studio di casi.

Abilità comunicative: Gli studenti dovranno saper utilizzare il linguaggio tecnico-statistico corretto per la comunicazione dei risultati e per la descrizione delle tecniche utilizzate e saranno in grado di organizzare report efficaci per la presentazione dei risultati delle analisi statistiche.

Capacità di apprendimento: Gli studenti svilupperanno adeguate capacità di apprendimento che consentano loro di continuare ad approfondire in modo autonomo altri aspetti della materia.

PREREQUISITI

Elementi di statistica inferenziale e nozioni di statistica matematica relativi alla stimabilità e alla verifica di ipotesi, anche con gli strumenti della teoria della verosimiglianza, in particolar modo nell'ambito dei modelli di classe esponenziale. Teoria e applicazioni del modello di regressione lineare multiplo. Fondamenti sull'utilizzo dei software SAS e R.

MODALITA' DIDATTICHE

Lezioni frontali per la presentazione della teoria e per lo svolgimento di esercizi, anche basati sulla lettura e interpretazione di risultati ottenuti tramite specifico software statistico.  La parte 2. Modelli lineari generalizzati sarà svolta in lingua inglese.

Esercitazioni in laboratorio (circa 10 ore), la cui finalità è l'applicazione delle metodologie statistiche presentate a lezione per costruire modelli interpretativi e previsionali dei fenomeni oggetto di indagine, utilizzando dati reali; attraverso tali esercitazioni lo studente può verificare il suo livello di comprensione della teoria statistica e comprenderne meglio l'uso pratico.

PROGRAMMA/CONTENUTO

Modelli lineari generali. ANOVA: fattori crossed e nested; dati non bilanciati. Modello sovraparametrizzato: diverse riparametrizzazioni e inversa generalizzata: aspetti teorici e implicazioni pratiche.  Modello di regressione lineare multivariata e per misure ripetute.
Modelli lineari generalizzati. Modelli esponenziali. Link function. Modelli per dati categorici (binomiale, multinomiale e Poisson). Stime dei coefficienti con metodi iterativi: Newton-Raphson, scoring. Distribuzioni asintotiche per statistiche basate sulla verosimiglianza. Test e indici per la bontà del modello: devianza, chi-quadro. Residui. Test e intervalli di confidenza per i parametri del modello e loro sottoinsiemi. Odd ratio e log-odd ratio. Modelli per dati ordinali e per tabelle di contingenza.
Esercitazioni al calcolatore con il software SAS e/o R.

TESTI/BIBLIOGRAFIA

Dobson A. J. (2001). An Introduction to Generalized Linear Models 2nd Edition. Chapman and Hall.
Rogantin M.P. (2010). Modelli lineari generali e generalizzati. Dipensa disponibile sulla pagina AulaWeb dell'isegnamento.

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

La data di inizio delle lezioni è consultabile al sito https://corsi.unige.it/corsi/11900/studenti-orario.

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L'esame consiste in una prova scritta e una prova orale.

La prova scritta è formata da due esercizi, uno di carattere più teorico e uno di carattere più applicativo in cui sono anche richiesti il commento e l'interpretazione di output SAS o R. Per accedere all'orale è necessario ottenere una valutazione almeno quasi sufficiente nella prova scritta.

La prova orale consiste in una o più domande relative alla teoria e alle esercitazioni svolte in laboratorio.

Per gli studenti con disabilità o con DSA si rimanda alla sezione Altre Informazioni.

MODALITA' DI ACCERTAMENTO

Nella prova scritta si valutano la comprensione dei concetti, le capacità di calcolo e di interpretazione sopratutto di output SAS o R. 

L'attività di laboratorio viene valutata attraverso la consegna di due relazioni sui temi trattati durante le esercitazioni, in cui si valuta la capacità di applicare le tecniche acquisite a situazioni reali e la proprietà del linguaggio specifico della disciplina.

Nella prova orale si valutano le capacità espositive, di comprensione e rielaborazione degli aspetti teorici della materia. Le valutazioni della prova scritta e del laboratorio costituiscono la base per determinare l'esito complessivo dell'esame.

ALTRE INFORMAZIONI

Strumenti compensativi e misure dispensative Disabilità/Invalidità/Disturbo Specifico dell'Apprendimento

Le misure dispensative e gli strumenti compensativi servono a mettere gli studenti in condizione di raggiungere gli stessi obiettivi di apprendimento dei compagni di studio, non a facilitare l'esame.

L’utilizzo di strumenti compensativi e l’applicazione di misure dispensative devono essere preventivamente autorizzati dal Docente titolare dell'insegnamento in accordo con il Referente.

Per usufruire degli adattamenti in sede di esame compila il Modulo per la richiesta di adattamenti; la richiesta verrà inviata automaticamente dal sistema al docente titolare dell’insegnamento, al Referente della tua Scuola/Area/Dipartimento e in copia conoscenza al Settore; inoltre anche tu riceverai copia della richiesta inviata tramite e-mail.

Gli adattamenti di cui gli studenti possono usufruire sono i seguenti:

• Tempo aggiuntivo (+30% DSA)
• Tempo aggiuntivo (+50% disabilità/invalidità)
• Tempo aggiuntivo durante le prove orali per organizzare la risposta
• Calcolatrice (non sono ammesse calcolatrici programmabili e grafiche)
• Mappe concettuali
• Tabelle e/o Formulari
• Sostenere l'esame in forma scritta
• Sostenere l'esame in forma orale
• Tutor lettore (solo per prove scritte)
• Tutor scrittore (solo per prove scritte)

La tua richiesta di adattamenti deve essere inoltrata tassativamente almeno 7 giorni lavorativi prima della data prevista per l’esame.

Ulteriori informazioni al link: Servizi per studentesse e studenti con disabilità o con DSA | UniGe | Università di Genova

Referente per l'inclusione: Sergio Di Domizio - sergio.didomizio@unige.it