OBIETTIVI FORMATIVI

Inquadrare i problemi di stima parametrica e non parametrica e di verifica delle ipotesi in un contesto rigoroso dal punto di vista matematico. Approfondire lo studio dell’ampia classe dei modelli lineari usando i metodi della statistica matematica.

MODALITA' DIDATTICHE

Lezioni in aula di teoria ed esercizi, per la seconda parte sono previste anche lezioni al calcolatore.

Finalità delle esercitazioni in laboratorio è l'applicazione delle metodologie statistiche presentate a lezione per costruire modelli interpretativi e previsionali dei fenomeni oggetto di indagine, utilizzando dati reali. Tramite tali esercitazioni lo studente può verificare il suo livello di comprensione della teoria statistica e comprenderne meglio l'uso pratico.

Nella prova orale dell'esame possono essere richiesti commenti sui risultati ottenuti e sulle metodologie statistiche utilizzate.
 

PROGRAMMA/CONTENUTO

Programma Prima Parte:
Richiami di Calcolo delle Probabilità: le principali variabili aleatorie discrete e continue. Densità condizionata: caso discreto e caso continuo. Il concetto di speranza condizionata.
Modelli e statistiche. La verosimiglianza di un campione. Statistiche Sufficienti, minimali, ancillari e complete; il teorema di Neyman-Fisher.
Stimatori e loro proprietà; teorema di Rao-Blackwell. Trovare stimatori puntuali: metodo dei momenti, metodo dei minimi quadrati, stima di massima verosimiglianza e sue proprietà. Stimatori UMVUE.
Il modello esponenziale. Informazione di Fisher e teorema di Cramer-Rao.
Verifica di ipotesi. Il teorema di Neyman-Pearson per ipotesi semplici. Il test del rapporto di verosimiglianza.

Programma Seconda Parte:
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.

TESTI/BIBLIOGRAFIA

Prima Parte:

Testi consigliati:   

G. Casella e R.L. Berger, Statistical inference, Wadsworth 62-2002-02  62-2002-09
D. A. Freedman, Statistical Models, Theory and Practice, Cambridge 62-2009-05

L. Pace e A. Salvan, Teoria della statistica, CEDAM 62-1996-01   
M. Gasparini, Modelli probabilistici e statistici, CLUT 60-2006-08   
D. Dacunha-Castelle e M. Duflo, Probabilites et Statistiques, Masson 60-1982-18/19/26 e 60-1983-22/23/24   
A.C. Davison. Statistical Models, Cambridge University Press, Cambridge, 2003 

Letture consigliate:

David J. Hand, A very short introduction to Statistics, Oxford 62-2008-05
L. Wasserman. All of Statistics, Springer 
J. Protter, Probability Essentials, Springer 60-2004-09 
S.L. Lauritzen, Graphical models, Oxford University press 62-1996-14 
D. Williams, Probability with Martingales, Cambridge Mathematical Textbooks, 1991

Appunti distribuiti a lezione

Seconda Parte: Dobson A. J. (2001). An Introduction to Generalized Linear Models 2nd Edition. Chapman and Hall.
Rogantin M.P. (2010). Modelli lineari generali e generalizzati. In rete.