OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso si pone l’obiettivo di fornire agli studenti conoscenze fondamentali in merito alla metodologia della ricerca. Verranno introdotti metodi e strumenti per la raccolta, l’analisi e la visualizzazione dei dati, considerando sia approcci quantitativi sia qualitativi.

MODALITA' DIDATTICHE

Lezioni frontali

PROGRAMMA/CONTENUTO

Lezione 1 – Statistica di base (Analisi monovariata)

• Concetti fondamentali: popolazione, campione, variabili.

• Tipi di variabili (nominali, ordinali, quantitative).

• Indicatori di posizione: media, mediana, moda.

• Indicatori di variabilità: range, varianza, deviazione standard.

• Visualizzazioni: istogrammi, boxplot, bar chart.

Lezione 2 – Statistica di base (Analisi bivariata)

• Correlazione (coefficiente di Pearson, di Spearman).

• Regressione lineare semplice.

• Distribuzione normale e proprietà.

• Campionamento: concetti e metodi.

• Intervalli di confidenza (per medie e proporzioni).

• Test di ipotesi: Test Z e Test t.

Lezione 3 – Dataset Titanic

Esplorazione iniziale del dataset (Data Understanding)

• Analisi delle dimensioni del dataset (numero di righe, colonne).
• Identificazione dei tipi di dati (numerici, categorici, date, ecc.).
• Visualizzazione delle prime e ultime righe per comprendere la struttura.
• Controllo dei valori mancanti per colonna.
• Statistiche descrittive di base (media, mediana, deviazione standard, min/max).

Lezione 4 – Dataset Titanic

Pulizia dei dati (Data Cleaning)

• Rimozione o gestione dei duplicati.
• Correzione di errori nei dati (es. valori anomali, formati errati, typo).
• Trattamento dei valori mancanti:
  • Imputazione (media, mediana, moda, modelli predittivi).
  • Rimozione di colonne o righe con troppi dati mancanti.
• Gestione di valori inconsistenti (es. "male"/"Male", "S"/"Southampton").

Lezione 5 – Dataset Titanic

Analisi esplorativa (EDA – Exploratory Data Analysis)

• Distribuzione delle variabili numeriche e categoriche.
• Analisi della variabile target (es. bilanciamento di Survived).
• Relazioni tra variabili:
  • Sopravvivenza per genere, classe, età, numero di familiari.
  • Correlazioni tra variabili numeriche.
• Identificazione di outlier e valori estremi (es. età 0.42, tariffa 0).
• Analisi di gruppi (famiglie, biglietti condivisi, sopravvivenza collettiva).

Lezione 6 – Dataset Titanic

Feature Engineering

• Creazione di nuove variabili:
  • Età in fasce (bambino, adulto, anziano).
  • Dimensione della famiglia (SibSp + Parch + 1).
  • Presenza di titoli onorifici nel nome (Mr, Mrs, Miss, Dr, Master, ecc.).
  • Lunghezza del nome o del biglietto come segnale.
  • Categoria del prezzo del biglietto (basso, medio, alto)

Lezione 7 – Dataset Titanic

• Estrazione di informazioni da campi composti:
  • Lettera della cabina (prima lettera → zona nave).
  • Famiglie con stesso cognome e biglietto.

Lezione 8-9 – Progetto finale

• Sviluppo completo del workflow:

  • Data Cleaning, Preprocessing, EDA, Analisi inferenziale, Modellazione.

• Consegna di un report con grafici e interpretazioni.

TESTI/BIBLIOGRAFIA

Verrà indicata durante le lezioni

DOCENTI E COMMISSIONI

Commissione d'esame

FABRIZIO BRACCO (Presidente)

LUCA SABATINI (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

26 settembre 2025

Orari delle lezioni

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