Statistica Applicata

alla Sperimentazione Scientifica. Edizione 2013.

Centro Studi per l’Ambiente Alpino

San Vito di Cadore, BL

5 Febbraio e 11-15 Febbraio 2013

 

Coordinatore del Corso: Prof. Luigi Salmaso

 

Docenti:

Prof. Luigi Salmaso, Dott.ssa Rosa Arboretti, Dott. Livio Corain, Dott. Stefano Bonnini

 

NB: Tutti i dottorandi dovranno avere con sé il notebook personale a tutte le lezioni del corso sia a Padova sia a San Vito, procedendo prima dell’arrivo a San Vito all’installazione dei software consigliati nel seguito.

 

Prima e seconda lezione a Padova presso il Dipartimento TESAF, Legnaro – Padova:

 

- 5 febbraio dalle ore 9 alle ore 13 – Aula 2040 - II piano

- 5 febbraio dalle ore 14 alle ore 18 – Aula 2040 - II piano.

 

Arrivo a San Vito il giorno 11 Febbraio al mattino.

 

Orari del corso:

11 febbraio: 15.30-18.30

12 febbraio: 8.30-12.30 e 15.30-18.30

13 febbraio: 8.30-12.30 e 15.30-18.30

14 febbraio: 8.30-12.30

15 febbraio: 8.30-11.30

 

e…se volete saperne di più…..cliccate qui.

 

Per l’iscrizione al corso e l’alloggio contattare la Segreteria Organizzativa:

 

Sig.ra Antonella Tosatto

Telefono: 

0498272685

 

 

antonella.tosatto@unipd.it

 

Programma:

Il corso è un’introduzione ai metodi statistici più frequentemente utilizzati per la sperimentazione scientifica. Sono previste sia lezioni frontali sia esercitazioni per una introduzione all’utilizzo dei seguenti software statistici:

 

• R (www.r-project.org)

 

• Minitab (www.minitab.com)

 

• Statgraphics licenza gratuita di ateneo (http://www.cca.unipd.it/ -> software di interesse per l’ateneo -> Statgraphics:

 

E' attivo in Ateneo un contratto per l'utilizzo di un numero illimitato di copie del software StatGraphics.




 
 
 
 
 
Questa licenza consente a tutto il personale, ai dottorandi, ai borsisti e agli studenti dell'Ateneo di utilizzare gratuitamente il software Statgraphics in italiano e in inglese
 
 

• NPC TEST (http://www.gest.unipd.it/~salmaso/npctest.zip).

 

Principali contenuti:

1. Richiami di statistica univariata e multivariata e ANOVA a una e due vie.

Elementi di statistica descrittiva: la frequenza, gli indici di sintesi (di posizione, variabilità e forma) e le rappresentazioni grafiche(istogramma, boxplot, diagramma di dispersione). Elementi di calcolo delle probabilità: le principali distribuzioni probabilità discrete e continue. Elementi di inferenza statistica: distribuzioni campionarie, stima puntuale e intervallare, verifica di ipotesi, ANOVA.

2. Cluster Analysis.

Introduzione alla Cluster Analysis. Tipologie di clustering. Metriche. Diagrammi utili nelle analisi dei cluster. Clustering di variabili. Tecniche Gerarchiche. Tecniche Scissorie. Metodo delle K-medie. Valutazione dei risultati. Determinare il numero dei cluster. Analisi della composizione dei cluster. Effettuare lo scoring di nuove osservazioni.

3. Principal Component Analysis.

Introduzione alla regressione multivariata. Obiettivi dell’analisi delle componenti principali; Derivazione e proprietà delle componenti principali della popolazione e campionarie; Interpretazione geometrica; Scelta del numero di componenti; Analisi di diversi casi studio.

4. Statistica non parametrica.

Nozioni introduttive. Test statistici parametrici e non parametrici. Verifica di ipotesi su una frequenza per un campione, per due campioni a dati appaiati e per due campioni indipendenti; il caso di più di due campioni. Verifica di ipotesi su un indice di posizione per un campione, per due campioni a dati appaiati e per due campioni indipendenti;il caso di più di due campioni. Analisi della varianza a una e due vie. Metodi di permutazione.

5. Regressione lineare e logistica. Cenni alle serie storiche.

Tecniche di regressione lineare semplice e multipla. Stima dei parametri. Dati binari e categoriali. Odds Ratio. Regressione logistica multivariata.