Analisi Statistica Multivariata (2008-2009)

Anno Accademico: 
2008-2009
Insegnamento: 
EC084
Analisi Statistica Multivariata
Docente: 
Matilde Trevisani
Obiettivi: 
Il corso di Analisi Statistica Multivariata ha come scopo quello di fornire metodi statistici per lo studio di una pluralità di fenomeni osservabili congiuntamente su un campione di unità statistiche. Le tecniche classiche di analisi statistica multivariata costituiranno la maggior parte della materia insegnata durante il corso. Sarà quindi privilegiato l'approccio descrittivo all'analisi multivariata. Tali tecniche si propongono infatti di esplorare i dati al fine di pervenire ad una loro sintesi, che ne evidenzi e preservi le caratteristiche principali, e di formulare delle ipotesi interpretative, oggetto eventualmente di successive analisi anche di carattere inferenziale. Con riguardo all'approccio probabilistico-inferenziale, nel corso saranno trattati in particolare i modelli di analisi fattoriale.
Collegamento con altri insegnamenti: 
Analisi di mercato, Tecniche di classificazione e data mining
Programma: 
L' attività didattica è svolta attraverso lezioni ed esercitazioni. Le lezioni sono dedicate sia alla teoria statistica che sta alla base delle tecniche esaminate che all' illustrazione degli obiettivi per cui esse vengono utilizzate nonchè all' interpretazione dei risultati con esse ottenuti. Nelle esercitazioni vengono presentate le principali procedure che il software R rende disponibili per effettuare analisi multivariate. Programma riassuntivo del corso Introduzione all'analisi statistica multivariata I. Introduzione: dati multivariati, obiettivi e diversi approcci dell' analisi multivariata. II. Ripasso di algebra lineare. III. Distribuzioni multivariate: distribuzioni congiunte, marginali e condizionali; medie, matrici di dispersione e correlazione; distribuzione normale multivariata; altre distribuzioni. IV. Esplorazione iniziale di dati multivariati: indici e rappresentazioni grafiche. Tecniche classiche di analisi statistica multivariata 1. Analisi delle componenti principali: obiettivi e definizione delle componenti principali; calcolo, interpretazione e suo utilizzo come tecnica preliminare per altre analisi. 2. Il Biplot: dualità dei dati multivariati; calcolo, rappresentazione grafica e interpretazione. 3. Distanze e indici di similarita: vari tipi di distanza per dati quantitativi; vari tipi di indici di similarità per dati qualitativi. 4. Lo scaling multidimensionale: obiettivi; il modello metrico classico per la rappresentazione spaziale delle distanze; il modello non metrico per la rappresentazione spaziale del ranking delle distanze tra le unità (algoritmo di Kruskal); interpretazione e uso per altre analisi. 5. Analisi dei gruppi: obiettivi; distanze tra gruppi; metodi gerarchici; metodi partitivi. 6. Analisi fattoriale: affinità con altre tecniche di riduzione delle dimensioni e diversità; il modello (di base) di analisi fattoriale e metodi di stima; metodi di rotazione dei fattori.
Testi consigliati: 
Il materiale per lo studio e le esercitazioni sarà  dato a lezione (sotto forma di lucidi, appunti e applicazioni svolte). Alcuni utili riferimenti bibliografici sono i seguenti.- Manly Brian F.J. (2005) Multivariate Statistical Methods A primer, 3rd ed., Chapman and Hall/CRCTesto consigliato in particolare per gli argomenti 1, 2, 3, 4 e 5: Zani S. (2000), Analisi dei dati statistici, Vol. II, Osservazioni multidimensionali, Giuffrè Editore. Dal 2007 esso è stato sostituito e ampliato da - Testo consigliato in particolare per gli argomenti I, II, III e IV: Chatfield C. and Collins A.J. (2000), Introduction to multivariate analysis, Chapman and Hall/CRC.- Testo consigliato in particolare per gli argomenti 1, 2, 3, 4 e 5: Zani S., Cerioli A. (2007), Analisi dei dati e data mining per le decisioni aziendali, Giuffrè Editore. - Testo consigliato in particolare per gli argomenti I, 1 e 6: Everitt B. and Graham D. (2001), Applied multivariate data analysis, 2nd ed., Wiley.
Ultimo aggiornamento: 11-12-2013 - 16:24