Inferenza Statistica – Applicazioni con S-Plus e R
Libro adottato a Padova, a.a. 2026/2027 · 2 canali
«Inferenza Statistica – Applicazioni con S-Plus e R» è adottato per Modelli Statistici 2 dal prof. Alessandra Salvan (Statistica per l'Economia e l'Impresa – sede di Padova, Statistica per le Tecnologie e le Scienze – sede di Padova – Padova).
Come lo indica il docente: Inferenza Statistica: Applicazioni con S-Plus e R , Autori: Bortot, P., Ventura, L., Salvan, A., Luogo: Padova, Anno: 2000, Editore: Cedam, Note: Consigliato
Modelli Statistici 2 – Prof. Alessandra Salvan (canale unico)Statistica per le Tecnologie e le Scienze – sede di Padova · Laurea triennale (L-41) · esame facoltativo · 9 CFU
Inferenza Statistica – Applicazioni con S-Plus e Rquesto libroCerca su Amazon ›Da studiare: Capitolo 5Verificato sulla scheda ufficiale il 03/10/2026
Azzalini – LuogoCerca su Amazon ›Da studiare: Capitolo 6 (in English: Azzalini, A. (1996). Statistical Inference, based on the Likelihood. Chapman and Hall, Chapter 6Verificato sulla scheda ufficiale il 03/10/2026
Argomenti del programma: I modelli lineari generalizzati (Generalized Linear Models, GLM) - Famiglie esponenziali, di dispersione esponenziali e GLM: modelli, momenti, funzione di legame e verosimiglianza. - Inferenza sui parametri di un GLM (stima puntuale, verifica d'ipotesi e regioni di confidenza) - Adeguatezza dei modelli: devianza e residui. Selezione del modello. - Modelli per dati binari.
Inferenza Statistica – Applicazioni con S-Plus e Rquesto libroCerca su Amazon ›Da studiare: Capitolo 5Verificato sulla scheda ufficiale il 03/10/2026
Azzalini – LuogoCerca su Amazon ›Da studiare: Capitolo 6 (in English: Azzalini, A. (1996). Statistical Inference, based on the Likelihood. Chapman and Hall, Chapter 6Verificato sulla scheda ufficiale il 03/10/2026
Argomenti del programma: I modelli lineari generalizzati (Generalized Linear Models, GLM) - Famiglie esponenziali, di dispersione esponenziali e GLM: modelli, momenti, funzione di legame e verosimiglianza. - Inferenza sui parametri di un GLM (stima puntuale, verifica d'ipotesi e regioni di confidenza) - Adeguatezza dei modelli: devianza e residui. Selezione del modello. - Modelli per dati binari.