MODELLI LINEARI GENERALIZZATI

Obiettivi formativi

Obiettivi formativi. L'obiettivo formativo principale del corso e' l'apprendimento dell'analisi. Modelli Lineari Generalizzati nei loro aspetti teorici, metodologici ed applicativi. Conoscenza e capacità di comprensione. Dopo aver frequentato il corso gli studenti conoscono e sanno applicare i metodi dell'analisi statistica a tutte quelle situazioni rappresentabili nella famiglia dei Modelli Lineari Generalizzati. Capacità di applicare conoscenza e comprensione. Al termine del corso gli studenti sono in grado individuare quali tipi di situazioni sono analizzabili nella famiglia dei Modelli Lineari Generalizzati, individuando modello campionario, funzione di link e predittore lineare. Sono inoltre in grado di formulare in termini parametrici le domande sostantive relative alle diverse situazioni e di rispondere a tali domande con gli strumenti dell' analisi statistica. Autonomia di giudizio. Gli studenti sviluppano capacità critiche attraverso il procedimento di scelta, stima e validazione del modello statistico in diverse situazioni rappresentabili nella famiglia dei Modelli Lineari Generalizzati. Abilità comunicativa Una particolare attenzione e' rivolta al linguaggio tecnico-scientifico della disciplina, che deve essere opportunamente utilizzato nella prova finale. Capacità di apprendimento. Gli studenti che superano l’esame hanno acquisito la capacita' di associare alle diverse situazioni reali il Modello Lineare Generalizzato statistico parametrico che meglio le rappresenta, e di valutare la qualità di tale rappresentazione. Questi strumenti sono utili sia agli approfondimenti nei possibili campi applicativi, sia nello studio dei modelli parametrici in generale.

Canale 1
CECILIA VITIELLO Scheda docente

Programmi - Frequenza - Esami

Programma
Richiami sul Modello Lineare Normale (MLN); Popolazione di riferimento e modello campionario di un Modello Lineare Generalizzato (MLG). La famiglia esponenziale. La matrice Dn,k e le tabelle di contingenza multiple. Formalizzazione di un MLG: funzione di link , predittore lineare e componente accidentale. Modelli simmetrici e asimmetrici, modelli gerarchici e non gerarchici. Il modello Loglineare: sua formalizzazione e legami con i modelli ANOVA. Il Modello Logistico- Lineare e suoi legami con il modello di regressione. Il modello regressivo di Poisson. La devianza nei Modelli Lineari Generalizzati Stima dei parametri e verifica delle ipotesi nei MLG. L'interpretazione dei risultati. Analisi dei residu e analisi di influenza: la diagnostica nei Modelli Lineari Generalizzati. Esempi concreti di applicazione dei MLG in diversi contesti.
Prerequisiti
Per affrontare i contenuti dell' insegnamento lo studente deve avere familiarita' con i principi e i metodi dell' inferenza statistica, in generale e con i risultati basati sul da campionamento da popolazioni normali in particolare. Si richiede inoltre una conoscenza di base dell' analisi della varianza e della regressione, e lo studio della dipendenza delle tabelle di contingenza a due vie per le variabili qualitative. E inoltre richiesta una conoscenza base di algebra delle matrici.
Testi di riferimento
Dispense del docente e lucidi delle lezioni Annette J. Dobson An Introduction to Generalized linear Models CHAPMAN & HALL/CRC A CRC Press Company Boca Raton London New York Washington, D.C.
Modalità insegnamento
La frequenza del corso e' fortemente consigliata. In caso di impossibilita' a seguire le lezioni si consiglia di contattare il docente Le lezioni frontali prevedono integrazione tra la presentazione di aspetti teorici , metodologici e applicativi dei Modelli Lineari Generalizzati Il corso è erogato in presenza a meno che non sia altrimenti stabilito dagli organi di governance dell' ateneo.
Frequenza
La frequenza del corso e' fortemente consigliata. In caso di impossibilita' a seguire le lezioni si consiglia di contattare il docente
Modalità di esame
La prova d'esame consiste in un colloquio di almeno un ora. Gli studenti si presentano all' esame con dei data set ( generalmente almeno tre) da loro già analizzati. I dati set e la loro analisi sono il punto di partenza per una discussione sugli aspetti teorici metodologici ed applicativi dei Modelli Lineari Generalizzati. I data set possono essere scelti da un elenco fornito dal docente o proposti dallo studente stesso e devono essere tali da permettere di spaziare sull' intero programma del corso
Bibliografia
David Collett Modelling Binary Data CHAPMAN & HALL/CRC Boca Raton London New York Washington, D.C. MC CULLAGH, P. NELDER, J.A. (1989 2nd edition) Generalized Linear Model New York Chapman and Hall Agresti A. (1990) Categorical Data Analysis Newyork Wiley Fahrmair L., Tutz G. Multivariate Statistical Modeling Based on Generalized Linear Model (1994) Springer Verlag New York
Modalità di erogazione
La frequenza del corso e' fortemente consigliata. In caso di impossibilita' a seguire le lezioni si consiglia di contattare il docente Le lezioni frontali prevedono integrazione tra la presentazione di aspetti teorici , metodologici e applicativi dei Modelli Lineari Generalizzati Il corso è erogato in presenza a meno che non sia altrimenti stabilito dagli organi di governance dell' ateneo.
  • Codice insegnamento1022720
  • Anno accademico/1
  • CurriculumBiostatistica
  • Anno1º anno
  • Semestre1º semestre
  • SSDSECS-S/02
  • CFU6