Scheda programma d'esame
DATA ANALYSIS LABORATORY
PAOLO FRUMENTO
Academic year2020/21
CoursePOLITICAL SCIENCE
Code575PP
Credits6
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
LABORATORIO DI ANALISI DEI DATISECS-P/01LEZIONI42
PAOLO FRUMENTO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso si concentra su metodi statistici avanzati, e in particolare sui metodi di regressione. L'insegnamento si compone di una parte teorica, e di una pratica basata sull'utilizzo del software statistico R.

Knowledge

The course is dedicated to advanced statistical methods, and in particular to regression methods. The course has a theoretical part, and a practical part in which the statistical software R is used to analyze data.

Modalità di verifica delle conoscenze

La verifica delle conoscenze si accerta al termine del corso con un esame finale, in cui allo studente viene richiesto di analizzare dei dati usando R.

Assessment criteria of knowledge

Knowledge is verified through a final exam, in wich students are requested to analyze a dataset using R.

Capacità

Al termine del corso lo studente avrà acquisito a) la capacità di interpretazione e valutazione critica di informazioni di natura statistica (lettura e comprensione di articoli su riviste e/o pubblicazioni specializzate), b) la capacità di produzione e analisi autonoma di dati statistici.

Skills

At the end of the course, students should have acquired (a) the ability to interpret and critically evaluate statistical information (e.g., published articles in scientific journals); and (b) the ability to carry out statistical analyses. 

 

Modalità di verifica delle capacità

In sede di esame finale sarà valutata la capacità di applicare i metodi statistici di base appresi durante l’insegnamento.

Assessment criteria of skills

The final exam will assess the ability to apply the statistical methods discussed during the course.

Comportamenti

Lo studente potrà sviluppare la sensibilità al ragionamento statistico e alle problematiche connesse all’uso dei dati statistici (produzione, analisi e interpretazione).

Behaviors

Students will develop their statistical reasoning, and their judgement on the use of statistical data (sampling, analysis, interpretation).

 

Modalità di verifica dei comportamenti

Alcuni quesiti dell’esame finale sono finalizzati ad accertare la sensibilità al ragionamento statistico e alle problematiche generali connesse all’uso dei dati statistici

Assessment criteria of behaviors

Part of the final exam is designed to verify the sensitivity to statistical reasoning and general issues related to the use of statistical data.

 

Prerequisiti (conoscenze iniziali)

STATISTICA. Elementi di logica ed elementi di matematica e statistica di base.

 

Prerequisites

Logic and basic mathematics and statistics.

 

Programma (contenuti dell'insegnamento)

Il corso fornisce una breve ripetizione dei principali metodi e strumenti di base propri dello studio quantitativo dei fenomeni collettivi: ragionamento e linguaggio statistico, statistica descrittiva (distribuzioni di frequenza; rappresentazioni grafiche; indici di centralità; indici di dispersione; associazione tra variabili categoriali, correlazione e regressione lineare semplice), e statistica inferenziale (cenni di teoria della probabilità; distribuzioni campionarie; stima puntuale e intervallare; verifica d’ipotesi).

In seguito, il corso affronta modelli di regressione multipla, concentrandosi sul ruolo delle covariate (predittori, trattamenti, confondenti, mediatori, modificatori di effetto) e sulla possibilità di descrivere effetti non lineari.

Ogni argomento teorico sarà messo in pratica con l'ausilio del software statistico R.

 

 

Syllabus

The course presents a short summary of basic statistical methods: terminology, statistical reasoning, descriptive statistics (frequency distributions, plots, measures of central tendency and dispersion, measures of association), and statistical inference (probability, sampling distributions, point estimators, confidence intervals, hypothesis testing).

In the main part of the course, we will discuss multiple regression models. A large part of the course will be dedicated to the role of covariates (predictors, treatments or exposures, confounding, mediation, effect modification), and to the possibility of describing nonlinear effects.

Each subject will be put into practice using R.

 

Bibliografia e materiale didattico

Testi di riferimento:

David S. Moore, Statistica di base, II edizione, Apogeo, 2013. 

David A. Freedman (2009). Statistical Models: Theory and Practice. Cambridge University Press. ISBN 978-1-139-47731-4.

 

Bibliography

David S. Moore, Statistica di base, II edizione, Apogeo, 2013. 

David A. Freedman (2009). Statistical Models: Theory and Practice. Cambridge University Press. ISBN 978-1-139-47731-4.

Indicazioni per non frequentanti

Programma, bibliografia di riferimento e modalità di esame sono gli stessi per studenti frequentanti e non frequentanti.

 

Non-attending students info

Course syllabus, reference bibliography and exam are the same for attending and non-attending students.

 

Modalità d'esame

L'esame consiste di una prova al computer, contenente esercizi da risolvere e domande di teoria.
I punteggi attribuiti a ciascun esercizio e domanda sono riportati nel testo di esame.

 

Assessment methods

The exam will be carried out with the computer. Students will be requested to answer a number of questions using a dataset. Some theoretical questions will also be included.

The grading of each question will be reported in the text of the exam.

 

Note

 

 

Updated: 14/09/2020 13:18