Analisi Statistica dei Dati
Lezioni per i Corsi di Laurea Magistrale
in Informatica e Matematica
del Dipartimento di Scienze Fisiche, Informatiche e Matematiche
dell'Università degli Studi di Modena e Reggio Emilia
Anno Accademico 2018/2019
(versione definitiva)
L'ultima modifica di questa pagina risale a venerdì 14-12-2018
(a parte il ripristino di un broken link).
Informazioni sul ricevimento studenti ed eventuali avvisi compaiono nella mia
pagina istituzionale.
Le modalità d'esame sono descritte nei
contenuti dell'insegnamento
indicati in Esse3.
Gli appelli inseriti in Esse3 sono da intendere come occasioni per consegnarmi la tesina
e richiederne l'approvazione; gli orali si tengono su appuntamento.
Le tesine possono essere realizzate individualmente o in gruppi di due
(al massimo tre) persone, ma in questo secondo caso tutti i membri del gruppo
devono sostenere l'orale nella stessa occasione.
Consiglio di avvisarmi all'inizio del lavoro di realizzazione della tesina.
Il software R e la sua documentazione sono disponibili sul sito del
progetto R per il calcolo statistico.
L'ambiente integrato di sviluppo R Studio può essere un utile complemento.
La seguente lista di lezioni costituisce a tutti gli effetti
un elenco dettagliato degli argomenti d'esame,
individuando un percorso di lettura nel
testo di riferimento
(L. Held & D. Sabanés Bové, Applied Statistical Inference, Springer-Verlag, 2014)
e suggerendo ulteriori letture.
Il testo di riferimento è disponibile presso la
Biblioteca Scientifica
Interdipartimentale di UniMoRe (SALA MATEM A.17/869).
Soluzioni degli esercizi ed errata sono disponibili in una
pagina dedicata al libro dall'Università di Zurigo.
Modelli statistici e inferenza di verosimiglianza
(capitoli 1 e 2, escluse le sottosezioni 2.3.2 e 2.5.1)
- Introduzione con esempi
(mar 25 set 2018 ore 14)
Materiale promozionale:
one-page fact sheet
on the growing value of statistics education and experience;
see also the career website
This is Statistics.
- Funzione di verosimiglianza
(mar 25 set 2018 ore 15)
Materiale didattico: diapositive
introduttive all'inferenza statistica
& script for the analysis
of Examples 2.1 and 2.2 in the reference text.
- Stima di massima verosimiglianza
(gio 27 set 2018 ore 11)
- Verosimiglianza generalizzata
(gio 27 set 2018 ore 12)
- Funzione punteggio e informazione di Fisher
(gio 4 ott 2018 ore 11)
- Cambi di parametrizzazione
(gio 4 ott 2018 ore 12)
- Verosimiglianza relativa
(mar 9 ott 2018 ore 14)
Materiale didattico: dataset
presented in Section 1.1.8 of the reference text.
- Insiemi di verosimiglianza
(mar 9 ott 2018 ore 15)
Materiale didattico: script
for the analysis of Example 2.8 in the reference text
(secondo il foglio di lavoro
su verosimiglianza relativa e insiemi verosimili).
- Approssimazione quadratica della log-verosimiglianza
(gio 11 ott 2018 ore 11)
- Sufficienza e principio di verosimiglianza
(gio 11 ott 2018 ore 12)
Materiale didattico: breve nota
del docente sul criterio di fattorizzazione.
- Massimizzazione numerica della verosimiglianza
(mar 16 ott 2018 ore 14)
- Valutazione grafica della bontà di adattamento
(mar 16 ott 2018 ore 15)
Materiale didattico: script
for the analysis of Example 2.12 in the reference text
(secondo il foglio di lavoro
su massima verosimiglianza numerica e adattamento).
Valutazioni frequentiste di metodi inferenziali
(capitolo 3, tutte le sezioni)
- Stimatori puntuali
(gio 18 ott 2018 ore 11)
Materiale didattico: diapositive
introduttive ai problemi di stima puntuale.
- Distorsione e correttezza
(gio 18 ott 2018 ore 12)
Materiale didattico: blog post on variance estimators that minimize MSE.
- Consistenza e normalità asintotica
(mar 23 ott 2018 ore 14)
Materiale didattico: diapositive
con definizioni ed esempi relativi all'argomento.
- Simulazioni e valutazioni Monte Carlo
(mar 23 ott 2018 ore 15)
Materiale didattico: script
for Monte Carlo assessment of point estimation error on simulated data
(secondo il foglio di lavoro
sulla valutazione Monte Carlo dell'errore di stima).
- Stimatori per intervallo
(gio 25 ott 2018 ore 11)
- Pivot e intervalli di confidenza
(gio 25 ott 2018 ore 12)
- Intervalli di Wald e metodo delta
(mar 30 ott 2018 ore 14)
Materiale didattico: diapositive
con un esempio notevole relativo all'argomento.
- Il metodo bootstrap
(mar 30 ott 2018 ore 15)
Materiale didattico: script for a bootstrap analysis
(secondo il foglio di lavoro sul metodo bootstrap)
of the non-censored survival times in the
dataset presented in Section 1.1.8
of the reference text.
- Verifica di ipotesi e p-value
(mar 6 nov 2018 ore 14)
Materiale didattico: diapositive con
un'introduzione minimale all'argomento.
- Significatività e confidenza
(mar 6 nov 2018 ore 15)
Materiale didattico: dataset
and script for the analysis of
Examples 3.7, 3.10, 3.18 and 3.19, in the reference text
(secondo il foglio di lavoro
su significatività e confidenza).
Proprietà frequentiste dell'inferenza di verosimiglianza
(capitolo 4, escluse le sezioni 4.5 e 4.6)
- Informazione di Fisher attesa
(gio 8 nov 2018 ore 11)
- Distribuzione asintotica del punteggio
(gio 8 nov 2018 ore 12)
- Test del punteggio
(mar 13 nov 2018 ore 14)
Materiale didattico: diapositive
con un esempio particolare di inferenza basata sul punteggio
& dataset for the analysis
of Examples 4.8 and 4.9 in the reference text;
diapositive sul p-value
come variabile aleatoria.
- Intervallo di confidenza del punteggio
(mar 13 nov 2018 ore 15)
Materiale didattico: script for the analysis
of Examples 4.8 and 4.9 in the reference text
(secondo il foglio di lavoro
sull'inferenza asintotica tramite punteggio).
- Distribuzione dello stimatore di massima verosimiglianza
(gio 15 nov 2018 ore 11)
Materiale didattico: rinvio al capitolo 18 del libro
A Course in Large Sample Theory
di Thomas S. Ferguson,
pubblicato da Chapman & Hall nel 1996,
per un eventuale approfondimento dell'argomento
(collocazione SALA DEWEY 001.4222/002 presso la
BSI di Unimore).
- Disuguaglianza di Cramér-Rao e stimatori efficienti
(gio 15 nov 2018 ore 12)
Materiale didattico: blog post on the phenomenon of super-efficiency
(exemplified by Hodge's estimator).
- Test di Wald e stabilizzazione della varianza
(mar 20 nov 2018 ore 14)
Materiale didattico: blog post on league tables and funnel plots.
- Inferenza basata sul rapporto di verosimiglianza
(mar 20 nov 2018 ore 15)
Materiale didattico: dataset and
script for the analysis
of Examples 4.14, 4.18 and 4.19, in the reference text
(secondo il foglio di lavoro
sull'inferenza asintotica tramite pivot di Wald e rapporto di verosimiglianza).
Inferenza di verosimiglianza per modelli multiparametrici
(capitolo 5, escluse le sezioni 5.4, 5.5 e 5.6)
- Vettore punteggio e matrice di informazione
(gio 22 nov 2018 ore 11)
- Errori standard e intervalli di Wald
(gio 22 nov 2018 ore 12)
- Modelli annidati
(mar 27 nov 2018 ore 14)
- Superficie di verosimiglianza
(mar 27 nov 2018 ore 15)
Materiale didattico: dataset and
script for the analysis
of Example 5.9 in the reference text
(secondo il foglio di lavoro
su modelli annidati e superficie di verosimiglianza).
- Modelli mistura
(mar 4 dic 2018 ore 14)
- Verosimiglianza profilo
(mar 4 dic 2018 ore 15)
Materiale didattico: script for the analysis
of Example 5.10 in the reference text
(secondo il foglio di lavoro
su modelli mistura e verosimiglianza profilo).
Elementi di inferenza bayesiana
(capitolo 6, escluse le sezioni 6.5, 6.6 e 6.7)
- Distribuzione iniziale e modelli bayesiani
(gio 6 dic 2018 ore 11)
- Teorema di Bayes e distribuzione finale
(gio 6 dic 2018 ore 12)
- Sintesi della distribuzione finale
(mar 11 dic 2018 ore 14)
Materiale didattico: script for the analysis
of Example 6.3 in the reference text (secondo la prima parte del
foglio di lavoro su
sintesi della finale e scelta dell'iniziale).
- Scelta della distribuzione iniziale
(mar 11 dic 2018 ore 15)
Materiale didattico: script for the analysis
of Example 6.4 in the reference text (secondo la seconda parte del
foglio di lavoro su
sintesi della finale e scelta dell'iniziale).
- Distribuzioni iniziali improprie e di Jeffreys
(gio 13 dic 2018 ore 11)
- Stimatori bayesiani
(gio 13 dic 2018 ore 12)
Segnalo il sito Random
(rivolto a insegnanti e studenti di probabilità, statistica matematica e processi stocastici)
come valida risorsa web.