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.