L'attività didattica è svolta attraverso lezioni ed esercitazioni. Le lezioni sono dedicate sia alla teoria statistica necessaria per l’analisi che all’illustrazione e interpretazione dei risultati da essa prodotti. Nelle esercitazioni vengono presentate le principali procedure disponibili nel software R per effettuare tali analisi. Programma riassuntivo del corso Introduzione all'analisi statistica multivariata I. Introduzione: dati multivariati, obiettivi e diversi approcci dell’analisi multivariata, esplorazione iniziale di dati multivariati. II. ripasso di algebra lineare. III. Distribuzioni multivariate: distribuzioni congiunte, marginali e condizionali; medie, matrici di dispersione e correlazione; distribuzione normale multivariata; altre distribuzioni. Tecniche classiche di analisi statistica multivariata 1. Analisi delle componenti principali: definizione delle componenti principali; calcolo, interpretazione e uso per altre analisi. 2. Il Biplot: dualità dei dati multivariati; calcolo, rappresentazione grafica e interpretazione. 3. Distanze e indici di similarità: vari tipi di distanza per dati quantitativi; vari tipi di indici di similarità per dati qualitativi. 4. Lo scaling multidimensionale: il modello metrico classico; il modello non metrico: l'algoritmo di Kruskal; interpretazione e uso per altre analisi. 7. Analisi dei gruppi: metodi gerarchici e metodi partitivi. 8. Analisi fattoriale: Analisi fattoriale:} il modello di analisi fattoriale, le ipotesi sottostanti, la stima (analisi delle componenti principali; metodo di massima verosimiglianza), rotazione dei fattori.