Prof. Isabella Morlini

Argomenti del programma: 1. Ripasso del modello lineare - Modello lineare semplice e multiplo - Assunzioni del modello lineare classico - Stima dei parametri e interpretazione - Diagnostica e bontà del modello lineare - Criteri di selezione del modello 2. Introduzione ai Modelli Lineari Generalizzati (GLM) - Motivazioni - Struttura dei GLM - Procedura di stima - Verifica della bontà del modello - Selezione del modello in ambito GLM 3.

Argomenti del programma: INTRODUZIONE Variabili e unità statistiche. Universo e campione. RIPASSO DI STATISTICA DESCRITTIVA Distribuzioni unitarie di frequenza, indici di posizione, indici di variabilità, standardizzazione di una variabile. PROBABILITÀ Concetti primitivi: prova, evento, probabilità. Algebra degli eventi. I postulati. Probabilità classica, frequentista e soggettiva. Probabilità condizionate e indipendenza.

Argomenti del programma: - L’analisi dei dati in azienda: il data warehouse ed il data mining come supporto alle decisioni. I sondaggi e le indagini statistiche. - Primary e secondary data. Tecniche di campionamento per l'acquisizione dei secondary data. - Il questionario. - Presentazione e classificazione delle informazioni rilevate: la matrice dei dati. Il trattamento preliminare dei dati: valori mancanti e valori anomali.

Argomenti del programma: Introduzione: variabili e unità statistiche, la scala di misura delle variabili, universo e campione, indagini censuarie e campionarie. Distribuzioni unitarie di frequenza. Indici univariati di posizione: media, mediana, moda e percentili. Indici di variabilità: varianza, deviazione standard, range, differenza interquartile, coefficiente di variazione. La standardizzazione.