Serena ARIMA
Professore II Fascia (Associato)
Settore Scientifico Disciplinare SECS-S/02: STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA.
Dipartimento di Scienze Umane e Sociali
Studium 2000 - edificio 5 - Via di Valesio - LECCE (LE)
Ufficio, Piano terra
Telefono +39 0832 29 4862
Dipartimento di Scienze Umane e Sociali
Studium 2000 - edificio 5 - Via di Valesio - LECCE (LE)
Ufficio, Piano terra
Telefono +39 0832 29 4862
Orario di ricevimento: martedì ore 10-12
Curriculum Vitae
Actual position
Serena Arima is associate professor of Statistics (ssd SECS-S/02) at the University of Salento from March 2020 (national habilitation to full professor).
Past positions: Associate professor at Dep. of methods and models for economy, territory and finance (MEMOTEF) at the University of Roma ``La Sapienza'' (from 3/01/2018). She was reasearcher at the same department from 30/12/2012.
Study and past positions
2009 PhD in "Methodological statistics" at University of Rome "La Sapienza". PhD Thesis: Bayesian tools for complex statistical models in genetics, Supervisor Prof. Luca Tardella.
2005 Master of Science in Biostatistics, Center of Biostatistics, Hasselt University (Belgium). Master thesis: Peabody Picture vocabulary test - revised data: a Bayesian approach to item response theory. Supervisor: Annouska Laenen. Cosupervisor: Luca Tardella. Final evaluation: great distinction.
2004 Laurea (v.o.) con lode in Statistica at University of Rome "La Sapienza". Thesis: Bayesian models for microarray data Supervisor: Prof. L. Tardella.
2008-2010 Post doc at the Dip. MEMOTEF. Research theme: Statistical models for latent structure: theory and applications. Supervisor: Prof. Brunero Liseo.
Research topics: Bayesian statistics, small area estimation, MCMC, biostatistics.
Associate editor of the journal Statistical Methods and Applications (fascia A for 13/D1), Journal of Statistical Computations and Simulations (fascia A for 13/D1) e Electronic Journal of Applied Statistics (rivista scientifica per 13/D1).
Referee for the following journals: Bayesian Analysis, Biostatistics, Bioinformatics, SERRA, JRSS-C, Survey Methodology, Journal of Ocial Statistics, Environmetrics, Biometrical Journal, Statistical Modelling, BMC Medical Research Methodology, Computational Statistics and Data Analysis, Journal of Multivariate Analysis, Journal of Applied Statistics, JRSS-A, Journal of Statistical Computation and Simulation, Journal of Statistical and Planning Inference, Statistical Methods and Application
Scientific activity: a detailed description of my scientific activity and published papers can be found in the attached file.
Didattica
A.A. 2023/2024
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Course type Laurea Magistrale
Language INGLESE
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
Year taught 2023/2024
For matriculated on 2023/2024
Course year 1
Structure DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences
Location Lecce
STATISTICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 10.0
Ripartizione oraria Ore totali di attività frontale: 60.0
Anno accademico di erogazione 2023/2024
Per immatricolati nel 2023/2024
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE UMANE E SOCIALI
Percorso PERCORSO GENERICO/COMUNE
Statistica e matematica per la data science - Mod. I
Corso di laurea DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
Tipo corso di studio Laurea Magistrale
Crediti 6.0
Ripartizione oraria Ore totali di attività frontale: 36.0
Anno accademico di erogazione 2023/2024
Per immatricolati nel 2023/2024
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE UMANE E SOCIALI
Percorso Percorso comune
Statistica e matematica per la data science - Mod. II
Corso di laurea DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
Tipo corso di studio Laurea Magistrale
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Anno accademico di erogazione 2023/2024
Per immatricolati nel 2023/2024
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE UMANE E SOCIALI
Percorso Percorso comune
A.A. 2022/2023
Laboratorio abilità informatiche per la ricerca psicologica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 4.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Anno accademico di erogazione 2022/2023
Per immatricolati nel 2020/2021
Anno di corso 3
Struttura DIPARTIMENTO DI STORIA, SOCIETA' E STUDI SULL'UOMO
Percorso PERCORSO GENERICO/COMUNE
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Course type Laurea Magistrale
Language INGLESE
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
Year taught 2022/2023
For matriculated on 2022/2023
Course year 1
Structure DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences
Location Lecce
STATISTICA APPLICATA ALLE SCIENZE BIOMEDICHE
Corso di laurea INFERMIERISTICA (ABILITANTE ALLA PROFESSIONE SANITARIA DI INFERMIERE)
Tipo corso di studio Laurea
Crediti 2.0
Ripartizione oraria Ore totali di attività frontale: 24.0
Anno accademico di erogazione 2022/2023
Per immatricolati nel 2022/2023
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Percorso COMUNE/GENERICO
STATISTICA PER LA RICERCA BIOMEDICA
Corso di laurea MEDICINA E CHIRURGIA
Tipo corso di studio Laurea Magistrale a Ciclo Unico
Crediti 4.0
Ripartizione oraria Ore totali di attività frontale: 49.5
Anno accademico di erogazione 2022/2023
Per immatricolati nel 2021/2022
Anno di corso 2
Struttura DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Percorso COMUNE/GENERICO
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Anno accademico di erogazione 2022/2023
Per immatricolati nel 2022/2023
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE UMANE E SOCIALI
Percorso PERCORSO GENERICO/COMUNE
A.A. 2021/2022
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Course type Laurea Magistrale
Language INGLESE
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
Year taught 2021/2022
For matriculated on 2021/2022
Course year 1
Structure DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences
Location Lecce
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Anno accademico di erogazione 2021/2022
Per immatricolati nel 2021/2022
Anno di corso 1
Struttura DIPARTIMENTO DI SCIENZE UMANE E SOCIALI
Percorso PERCORSO GENERICO/COMUNE
STATISTICA PSICOMETRICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Anno accademico di erogazione 2021/2022
Per immatricolati nel 2019/2020
Anno di corso 3
Struttura DIPARTIMENTO DI STORIA, SOCIETA' E STUDI SULL'UOMO
Percorso PERCORSO GENERICO/COMUNE
A.A. 2020/2021
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Course type Laurea Magistrale
Language INGLESE
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
Year taught 2020/2021
For matriculated on 2020/2021
Course year 1
Structure DIPARTIMENTO DI SCIENZE E TECNOLOGIE BIOLOGICHE ED AMBIENTALI
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences
Location Lecce
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Anno accademico di erogazione 2020/2021
Per immatricolati nel 2020/2021
Anno di corso 1
Struttura DIPARTIMENTO DI STORIA, SOCIETA' E STUDI SULL'UOMO
Percorso PERCORSO GENERICO/COMUNE
STATISTICA PSICOMETRICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Tipo corso di studio Laurea
Lingua ITALIANO
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Anno accademico di erogazione 2020/2021
Per immatricolati nel 2018/2019
Anno di corso 3
Struttura DIPARTIMENTO DI STORIA, SOCIETA' E STUDI SULL'UOMO
Percorso PERCORSO GENERICO/COMUNE
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Subject area SECS-S/02
Course type Laurea Magistrale
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
For matriculated on 2023/2024
Year taught 2023/2024
Course year 1
Semestre Secondo Semestre (dal 04/03/2024 al 07/06/2024)
Language INGLESE
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences (169)
Location Lecce
Basic concepts of mathematics and statistics.
The main goal of the course is to provide basic tools for analyzing ecological data with focus on probabilistic and mathematical modeling issues. In particular the course deals with:
1) Introduction to statistics and probability;
2) Association and entropy measures;
3) Probability and statistical inference for Normal and not Normal populations;
4) Linear models and non linear models.
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
The course aims at providing basic methodologies for analyzing ecological data and modeling their intrinsic variability.
Slides, exercises provided on the web page. Practical exercises with the statistical software R.
Written exam with R.
1. Introduction: why analyzing data in ecology?
2. Exploratory data analysis and graphics
3. Deterministic functions for ecological modelling
4. Probability and stochastic distribution of ecological modeling
5. Stochastic simulation and power analysis
6. Statistical inference
7. Linear regression model and generalized linear models
8. Non linear models
9. Modelling variance
10. Dynamic models
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
B. Bolker (2007) Ecological models and Data with R, PRINCETON UNIVERSITY PRESS.
A. Zuur, E.N. Ieno, G.M. Smith (2007) Analyzing ecological data, Springer Ed.
Interesing web book: http://web.stanford.edu/class/bios221/book/introduction.html
MATHEMATICAL MODELLING IN ECOLOGY (SECS-S/02)
STATISTICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea
Crediti 10.0
Ripartizione oraria Ore totali di attività frontale: 60.0
Per immatricolati nel 2023/2024
Anno accademico di erogazione 2023/2024
Anno di corso 1
Semestre Secondo Semestre (dal 04/03/2024 al 07/06/2024)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di matematica di base.
Il corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità.
Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti di natura teorica e applicata. Tipicamente nell'esame una domanda è di natura teorica, alla quale vengono assegnati 5/6 punti, e i restanti ripartiti negli esercizi. Nella risoluzione degli esercizi, l'interpretazione dei risultati svolge un ruolo chiave ed ha un punteggio assegnato (e dichiarato come ogni esercizio).
Esercitazioni e materiale supplementare sarà disponibile sulla pagina web del docente.
La Rilevazione dei Fenomeni Statistici
Introduzione; Caratteri, unitàstatistiche e collettivo; Classificazione dei caratteri statistici; Suddivisione in classi di un carattere quantitativo; I diversi tipi di rilevazione; Rilevazione totale e rilevazione campionaria.
Distribuzione di un carattere e sua rappresentazione
Dalle distribuzioni unitarie alle distribuzioni di frequenza; Frequenze relative e percentuali; Frequenze cumulate; Rappresentazione grafica delle distribuzioni semplici; Grafici a barre o a nastri; Istogrammi; Grafici a torta; Diagrammi cartesiani.
Sintesi della distribuzione di un carattere: Le medie
Introduzione; La media aritmetica; La media geometrica (escluse le proprietà); La mediana (escluse le proprietà); La moda (escluse le proprietà); I percentili.
Sintesi della distribuzione di un carattere: La variabilità
Introduzione; La variabilitàdi una distribuzione; Indici basati sullo scostamento dalla media aritmetica; Il teorema di Chebyshev e la standardizzazione; Altri indici di variabilità; Box plot; La concentrazione.
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
- Agresti, A, e Finley, B. Statistica, L'arte e la scienza di imparare dai dati, Pearson, 2009
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
STATISTICA (SECS-S/02)
Statistica e matematica per la data science - Mod. I
Corso di laurea DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea Magistrale
Crediti 6.0
Ripartizione oraria Ore totali di attività frontale: 36.0
Per immatricolati nel 2023/2024
Anno accademico di erogazione 2023/2024
Anno di corso 1
Semestre Primo Semestre (dal 18/09/2023 al 12/01/2024)
Lingua
Percorso Percorso comune (999)
Strumenti di matematica di base, strumenti di statistica di base.
Il corso mira ad approfondire gli strumenti di matematici necessari per la definizione e la stima di modelli statistico-probabilistici (funzioni generatrici di variabili aleatorie, momenti di variabili aleatorie e funzioni di esse)
Il corso introduce gli studenti agli strumenti fondamentali per l’analisi statistica e matematica relativi alla data science. Dopo aver richiamato le nozioni di base, si introdurranno gli strumenti di matematici necessari per la definizione e la stima di modelli statistico-probabilistici (funzioni generatrici di variabili aleatorie, momenti di variabili aleatorie e funzioni di esse)
Conoscenze e comprensione.
Acquisire una conoscenza dei principali metodi matematici e statistici per l’inferenza mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti più avanzati della statistica e della data sciencea nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Lezioni frontali, esercitazioni e attività di laboratorio.
Modalità di accertamento dei risultati: esame scritto accompagnato dall’analisi di casi di studio.
Introduzione alla scienza statistica
Statistica: descrizioni e inferenze;
Tipi di dati e variabili;
Raccolta dei dati e casualizzazione;
Statistiche descrittive: sintetizzare i dati univariati e multivariati.
Distribuzioni di probabilità
Introduzione alla probabilità
Variabili aleatorie e distribuzioni di probabilità
Valori attesi delle variabili aleatorie
Distribuzioni di probabilità discrete
Distribuzioni di probabilità continue
Generazione numeri casuali
Distribuzioni congiunte, condizionate e indipendenza
Correlazione tra variabili aleatorie
A. Agresti, M. Kateri (2022) Statistica per data scientist, EGEA
Statistica e matematica per la data science - Mod. I (SECS-S/02)
Statistica e matematica per la data science - Mod. II
Corso di laurea DATA SCIENCE PER LE SCIENZE UMANE E SOCIALI
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea Magistrale
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Per immatricolati nel 2023/2024
Anno accademico di erogazione 2023/2024
Anno di corso 1
Semestre Primo Semestre (dal 18/09/2023 al 12/01/2024)
Lingua
Percorso Percorso comune (999)
Conoscenze di statistica e matematica di base.
Il corso introduce gli studenti agli strumenti fondamentali per l’analisi statistica e matematica relativi alla data science. Dopo aver richiamato le nozioni di base, si approfondiranno i principali metodi inferenziali basati sull’approccio di verosimiglianza e gli strumenti matematici per la stima. Il metodo Bayesiano verrà introdotto e verranno illustrate le principali procedure inferenziali.
Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza dei principali metodi matematici e statistici per l’inferenza mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti più avanzati della statistica e della data sciencea nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti a risposta multipla ed esercizi. Eventuale progetto.
Introduzione alla scienza statistica
Statistica: descrizioni e inferenze;
Tipi di dati e variabili;
Raccolta dei dati e casualizzazione;
Statistiche descrittive: sintetizzare i dati univariati e multivariati.
Distribuzioni di probabilità
Introduzione alla probabilità
Variabili aleatorie e distribuzioni di probabilità
Valori attesi delle variabili aleatorie
Distribuzioni di probabilità discrete
Distribuzioni di probabilità continue
Generazione numeri casuali
Distribuzioni congiunte, condizionate e indipendenza
Correlazione tra variabili aleatorie
Distribuzioni campionarie
Le distribuzioni campionarie: distribuzioni di probabilità delle statistiche
Teorema del limite centrale: distribuzione campionaria normale per campioni di grandi dimensioni
Inferenza statistica: stima
Stime puntuali e intervalli di confidenza
Funzione di verosimiglianza e stima di massima verosimiglianza
Determinare la dimensione del campione prima di raccogliere i dati
Ricampionamento computazionale e intervalli di confidenza bootstrap
L’approccio bayesiano all’inferenza statistica
Inferenza statistica: test di significatività
Test del rapporto di verosimiglianza e intervalli di confidenza
Test non parametrici
Classificazione e clustering
Classificazione: analisi discriminante lineare e alberi
Analisi dei cluster
A. Agresti, M. Kateri (2022) Statistica per data scientist, EGEA
Statistica e matematica per la data science - Mod. II (SECS-S/02)
Laboratorio abilità informatiche per la ricerca psicologica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare NN
Tipo corso di studio Laurea
Crediti 4.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Per immatricolati nel 2020/2021
Anno accademico di erogazione 2022/2023
Anno di corso 3
Semestre Secondo Semestre (dal 06/03/2023 al 09/06/2023)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Fondamenti di statistica.
Il corso presenta gli aspetti di analisi dei dati in psicometria e statistica mediante l'utilizzo del software statistico R. Il corso ha l'obiettivo di mostrare gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti e i modelli statistici più largamente utilizzati nella ricerca psicologica.
Il corso intende fornire agli studenti i principali strumenti software per l’analisi statistica di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza di software di base per l'analisi dei dati mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare e fornire analisi di base di dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Lezioni frontali e di laboratorio.
Esame scritto.
1. Introduzione all'uso di software nella ricerca psicologica;
2: Il software R: introduzione alla filosofia e al linguaggio;
3. Statistica descrittiva: dall'importazione del dato all'esportazione di semplici output;
4. Statistica inferenziale: il software R per test di ipotesi e intervalli di confidenza;
5. Il modello lineare con R.
Francesca Ieva - Chiara Masci - Anna Maria Paganoni (2ed) Laboratorio di statistica con R, Pearson
Laboratorio abilità informatiche per la ricerca psicologica (NN)
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Subject area SECS-S/02
Course type Laurea Magistrale
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
For matriculated on 2022/2023
Year taught 2022/2023
Course year 1
Semestre Secondo Semestre (dal 06/03/2023 al 09/06/2023)
Language INGLESE
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences (169)
Location Lecce
Basic concepts of mathematics and statistics.
The main goal of the course is to provide basic tools for analyzing ecological data with focus on probabilistic and mathematical modeling issues. In particular the course deals with:
1) Introduction to statistics and probability;
2) Association and entropy measures;
3) Probability and statistical inference for Normal and not Normal populations;
4) Linear models and non linear models.
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
The course aims at providing basic methodologies for analyzing ecological data and modeling their intrinsic variability.
Slides, exercises provided on the web page. Practical exercises with the statistical software R.
Written exam with R.
1. Introduction: why analyzing data in ecology?
2. Exploratory data analysis and graphics
3. Deterministic functions for ecological modelling
4. Probability and stochastic distribution of ecological modeling
5. Stochastic simulation and power analysis
6. Statistical inference
7. Linear regression model and generalized linear models
8. Non linear models
9. Modelling variance
10. Dynamic models
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
B. Bolker (2007) Ecological models and Data with R, PRINCETON UNIVERSITY PRESS.
A. Zuur, E.N. Ieno, G.M. Smith (2007) Analyzing ecological data, Springer Ed.
Interesing web book: http://web.stanford.edu/class/bios221/book/introduction.html
MATHEMATICAL MODELLING IN ECOLOGY (SECS-S/02)
STATISTICA APPLICATA ALLE SCIENZE BIOMEDICHE
Corso di laurea INFERMIERISTICA (ABILITANTE ALLA PROFESSIONE SANITARIA DI INFERMIERE)
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea
Crediti 2.0
Ripartizione oraria Ore totali di attività frontale: 24.0
Per immatricolati nel 2022/2023
Anno accademico di erogazione 2022/2023
Anno di corso 1
Semestre Primo Semestre (dal 03/10/2022 al 20/01/2023)
Lingua
Percorso COMUNE/GENERICO (999)
Matematica di base
l corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali in ambito biomedico.
l corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Scritto
La Rilevazione dei Fenomeni Statistici
Introduzione; Caratteri, unitàstatistiche e collettivo; Classificazione dei caratteri statistici; Suddivisione in classi di un carattere quantitativo; I diversi tipi di rilevazione; Rilevazione totale e rilevazione campionaria.
Distribuzione di un carattere e sua rappresentazione
Dalle distribuzioni unitarie alle distribuzioni di frequenza; Frequenze relative e percentuali; Frequenze cumulate; Rappresentazione grafica delle distribuzioni semplici; Grafici a barre o a nastri; Istogrammi; Grafici a torta; Diagrammi cartesiani.
Sintesi della distribuzione di un carattere: Le medie
Introduzione; La media aritmetica; La media geometrica (escluse le proprietà); La mediana (escluse le proprietà); La moda (escluse le proprietà); I percentili.
Sintesi della distribuzione di un carattere: La variabilità
Introduzione; La variabilitàdi una distribuzione; Indici basati sullo scostamento dalla media aritmetica; Il teorema di Chebyshev e la standardizzazione; Altri indici di variabilità; Box plot; La concentrazione.
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
BLAND M, Statistica Medica, Ediz. APOGEO
STATISTICA APPLICATA ALLE SCIENZE BIOMEDICHE (SECS-S/02)
STATISTICA PER LA RICERCA BIOMEDICA
Corso di laurea MEDICINA E CHIRURGIA
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea Magistrale a Ciclo Unico
Crediti 4.0
Ripartizione oraria Ore totali di attività frontale: 49.5
Per immatricolati nel 2021/2022
Anno accademico di erogazione 2022/2023
Anno di corso 2
Semestre Primo Semestre (dal 03/10/2022 al 20/01/2023)
Lingua
Percorso COMUNE/GENERICO (999)
Concetti di matematica di base.
Lo studente apprenderà i concetti base della statistica e della probabilità con applicazioni mirate alla ricerca biomedica. Si introdurranno i concetti di base dell'inferenza statistica e metodi di validazione di ipotesi di ricerca con particolare attenzione alla valutazione di misure di rischio e loro validazione.
L'obiettivo del corso è quello di permettere agli studenti di comprendere e sapere applicare in ambito medico, nella clinica e nella ricerca, i principali concetti e strumenti della statistica. Lo studente al termine del corso dovrà aver acquisito una buona padronanza della terminologia utilizzata in ambito statistico, dovrà essere in grado di servirsi nel modo appropriato dei corretti strumenti metodologici per l'analisi dei dati e a valutare l'attendibilità dei dati raccolti. Lo studente apprenderà inoltre come leggere lavori scientifici in modo critico e riprodurne i risultati.
Lezioni frontali e attività di laboratorio software.
Esame scritto e orale.
1. Introduzione alla statistica: unità, campioni, popolazioni e variabili;
2. Statistica descrittiva: rappresentazioni grafiche e sintesi numeriche;
3. Misure di associazione;
4. Sensitività, specificità, curve ROC: i test diagnostici;
5. Il modello lineare;
6. Inferenza statistica come strumento per la validazione delle ipotesi sperimentali e cliniche.
M. Bland, F. Ieva, V. Vitelli (2019) Statistica Medica, Apogeo.
M. Borrelli (2019) Medical statistics with R, LECTURE NOTES FOR THE ICTP MASTER IN MEDICAL PHYSICS, TRIESTE, ITALY, http://ictpmmp.weebly.com
STATISTICA PER LA RICERCA BIOMEDICA (SECS-S/02)
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Per immatricolati nel 2022/2023
Anno accademico di erogazione 2022/2023
Anno di corso 1
Semestre Secondo Semestre (dal 06/03/2023 al 09/06/2023)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di matematica di base.
Il corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità.
Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti di natura teorica e applicata. Tipicamente nell'esame una domanda è di natura teorica, alla quale vengono assegnati 5/6 punti, e i restanti ripartiti negli esercizi. Nella risoluzione degli esercizi, l'interpretazione dei risultati svolge un ruolo chiave ed ha un punteggio assegnato (e dichiarato come ogni esercizio).
Esercitazioni e materiale supplementare sarà disponibile sulla pagina web del docente.
La Rilevazione dei Fenomeni Statistici
Introduzione; Caratteri, unitàstatistiche e collettivo; Classificazione dei caratteri statistici; Suddivisione in classi di un carattere quantitativo; I diversi tipi di rilevazione; Rilevazione totale e rilevazione campionaria.
Distribuzione di un carattere e sua rappresentazione
Dalle distribuzioni unitarie alle distribuzioni di frequenza; Frequenze relative e percentuali; Frequenze cumulate; Rappresentazione grafica delle distribuzioni semplici; Grafici a barre o a nastri; Istogrammi; Grafici a torta; Diagrammi cartesiani.
Sintesi della distribuzione di un carattere: Le medie
Introduzione; La media aritmetica; La media geometrica (escluse le proprietà); La mediana (escluse le proprietà); La moda (escluse le proprietà); I percentili.
Sintesi della distribuzione di un carattere: La variabilità
Introduzione; La variabilitàdi una distribuzione; Indici basati sullo scostamento dalla media aritmetica; Il teorema di Chebyshev e la standardizzazione; Altri indici di variabilità; Box plot; La concentrazione.
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
- Agresti, A, e Finley, B. Statistica, L'arte e la scienza di imparare dai dati, Pearson, 2009
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
Statistica psicometrica (SECS-S/02)
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Subject area SECS-S/02
Course type Laurea Magistrale
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
For matriculated on 2021/2022
Year taught 2021/2022
Course year 1
Semestre Secondo Semestre (dal 07/03/2022 al 10/06/2022)
Language INGLESE
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences (169)
Location Lecce
Basic concepts of mathematics and statistics.
The main goal of the course is to provide basic tools for analyzing ecological data with focus on probabilistic and mathematical modeling issues. In particular the course deals with:
1) Introduction to statistics and probability;
2) Association and entropy measures;
3) Probability and statistical inference for Normal and not Normal populations;
4) Linear models and non linear models.
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
The course aims at providing basic methodologies for analyzing ecological data and modeling their intrinsic variability.
Slides, exercises provided on the web page. Practical exercises with the statistical software R.
Written exam with R.
1. Introduction: why analyzing data in ecology?
2. Exploratory data analysis and graphics
3. Deterministic functions for ecological modelling
4. Probability and stochastic distribution of ecological modeling
5. Stochastic simulation and power analysis
6. Statistical inference
7. Linear regression model and generalized linear models
8. Non linear models
9. Modelling variance
10. Dynamic models
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
B. Bolker (2007) Ecological models and Data with R, PRINCETON UNIVERSITY PRESS.
A. Zuur, E.N. Ieno, G.M. Smith (2007) Analyzing ecological data, Springer Ed.
Interesing web book: http://web.stanford.edu/class/bios221/book/introduction.html
MATHEMATICAL MODELLING IN ECOLOGY (SECS-S/02)
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Per immatricolati nel 2021/2022
Anno accademico di erogazione 2021/2022
Anno di corso 1
Semestre Primo Semestre (dal 20/09/2021 al 14/01/2022)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di base di matematica e di statistica descrittiva.
l corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità. Si introducono i concetti base dell'inferenza statistica con particolare attenzione ai testi di ipotesi.
Obiettivi formativi
l corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo. Saper leggere un lavoro scientifico e interpretarne i risultati in modo critico.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti a risposta multipla ed esercizi.
Ripasso di Statistica Descrittiva
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
Inferenza statistica
Introduzione al concetto di stimatore; intervalli di confidenza e test di ipotesi. Il test T e il test F per l'analisi della varianza.
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
Statistica psicometrica (SECS-S/02)
STATISTICA PSICOMETRICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare M-PSI/03
Tipo corso di studio Laurea
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Per immatricolati nel 2019/2020
Anno accademico di erogazione 2021/2022
Anno di corso 3
Semestre Primo Semestre (dal 20/09/2021 al 14/01/2022)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di matematica di base.
Il corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità.
Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti a risposta multipla ed esercizi. L'esame consta di 2/3 esercizi aperti e 4/5 domande a risposta chiusa. Le risposte multiple corrispondono a 2 punti mentre le domande aperte hanno punteggi che variano in base al tipo di esercizi.
Esercitazioni e materiale supplementare sarà disponibile sulla pagina web del docente.
La Rilevazione dei Fenomeni Statistici
Introduzione; Caratteri, unitàstatistiche e collettivo; Classificazione dei caratteri statistici; Suddivisione in classi di un carattere quantitativo; I diversi tipi di rilevazione; Rilevazione totale e rilevazione campionaria.
Distribuzione di un carattere e sua rappresentazione
Dalle distribuzioni unitarie alle distribuzioni di frequenza; Frequenze relative e percentuali; Frequenze cumulate; Rappresentazione grafica delle distribuzioni semplici; Grafici a barre o a nastri; Istogrammi; Grafici a torta; Diagrammi cartesiani.
Sintesi della distribuzione di un carattere: Le medie
Introduzione; La media aritmetica; La media geometrica (escluse le proprietà); La mediana (escluse le proprietà); La moda (escluse le proprietà); I percentili.
Sintesi della distribuzione di un carattere: La variabilità
Introduzione; La variabilitàdi una distribuzione; Indici basati sullo scostamento dalla media aritmetica; Il teorema di Chebyshev e la standardizzazione; Altri indici di variabilità; Box plot; La concentrazione.
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
STATISTICA PSICOMETRICA (M-PSI/03)
MATHEMATICAL MODELLING IN ECOLOGY
Degree course COASTAL AND MARINE BIOLOGY AND ECOLOGY
Subject area SECS-S/02
Course type Laurea Magistrale
Credits 6.0
Teaching hours Ore totali di attività frontale: 48.0
For matriculated on 2020/2021
Year taught 2020/2021
Course year 1
Semestre Secondo Semestre (dal 08/03/2021 al 11/06/2021)
Language INGLESE
Subject matter Curriculum E-Biodiversity and Ecosystem Sciences (169)
Location Lecce
Basic concepts of mathematics and statistics.
The main goal of the course is to provide basic tools for analyzing ecological data with focus on probabilistic and mathematical modeling issues. In particular the course deals with:
1) Introduction to statistics and probability;
2) Association and entropy measures;
3) Probability and statistical inference for Normal and not Normal populations;
4) Linear models and non linear models.
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
The course aims at providing basic methodologies for analyzing ecological data and modeling their intrinsic variability.
Slides, exercises provided on the web page. Practical exercises with the statistical software R.
Written exam with R.
1. Introduction: why analyzing data in ecology?
2. Exploratory data analysis and graphics
3. Deterministic functions for ecological modelling
4. Probability and stochastic distribution of ecological modeling
5. Stochastic simulation and power analysis
6. Statistical inference
7. Linear regression model and generalized linear models
8. Non linear models
9. Modelling variance
10. Dynamic models
During the course, the statistical software R will be illustrated and the students will be able to elaborate their data using it.
B. Bolker (2007) Ecological models and Data with R, PRINCETON UNIVERSITY PRESS.
A. Zuur, E.N. Ieno, G.M. Smith (2007) Analyzing ecological data, Springer Ed.
Interesing web book: http://web.stanford.edu/class/bios221/book/introduction.html
MATHEMATICAL MODELLING IN ECOLOGY (SECS-S/02)
Statistica psicometrica
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare SECS-S/02
Tipo corso di studio Laurea
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 48.0
Per immatricolati nel 2020/2021
Anno accademico di erogazione 2020/2021
Anno di corso 1
Semestre Primo Semestre (dal 21/09/2020 al 15/01/2021)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di matematica di base.
Il corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità.
Il corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti a risposta multipla ed esercizi. L'esame consta di 2/3 esercizi aperti e 4/5 domande a risposta chiusa. Le risposte multiple corrispondono a 2 punti mentre le domande aperte hanno punteggi che variano in base al tipo di esercizi.
Esercitazioni e materiale supplementare sarà disponibile sulla pagina web del docente.
La Rilevazione dei Fenomeni Statistici
Introduzione; Caratteri, unitàstatistiche e collettivo; Classificazione dei caratteri statistici; Suddivisione in classi di un carattere quantitativo; I diversi tipi di rilevazione; Rilevazione totale e rilevazione campionaria.
Distribuzione di un carattere e sua rappresentazione
Dalle distribuzioni unitarie alle distribuzioni di frequenza; Frequenze relative e percentuali; Frequenze cumulate; Rappresentazione grafica delle distribuzioni semplici; Grafici a barre o a nastri; Istogrammi; Grafici a torta; Diagrammi cartesiani.
Sintesi della distribuzione di un carattere: Le medie
Introduzione; La media aritmetica; La media geometrica (escluse le proprietà); La mediana (escluse le proprietà); La moda (escluse le proprietà); I percentili.
Sintesi della distribuzione di un carattere: La variabilità
Introduzione; La variabilitàdi una distribuzione; Indici basati sullo scostamento dalla media aritmetica; Il teorema di Chebyshev e la standardizzazione; Altri indici di variabilità; Box plot; La concentrazione.
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
Statistica psicometrica (SECS-S/02)
STATISTICA PSICOMETRICA
Corso di laurea SCIENZA E TECNICHE PSICOLOGICHE
Settore Scientifico Disciplinare M-PSI/03
Tipo corso di studio Laurea
Crediti 8.0
Ripartizione oraria Ore totali di attività frontale: 40.0
Per immatricolati nel 2018/2019
Anno accademico di erogazione 2020/2021
Anno di corso 3
Semestre Primo Semestre (dal 21/09/2020 al 15/01/2021)
Lingua ITALIANO
Percorso PERCORSO GENERICO/COMUNE (PDS0-2010)
Nozioni di base di matematica e di statistica descrittiva.
Il corso presenta gli aspetti di analisi descrittiva dei dati in psicometria e statistica, mostrando gli strumenti di base per la raccolta, la codifica e l’interpretazione dei dati raccolti. Introduce inoltre il calcolo delle probabilità, le principali variabili casuali e relative distribuzioni di probabilità. Si introducono i concetti base dell'inferenza statistica con particolare attenzione ai testi di ipotesi.
l corso intende fornire agli studenti i principali strumenti statistici per l’analisi di fenomeni reali di tipo psicologico e sociale, in particolare:
Conoscenze e comprensione.
Acquisire una conoscenza della statistica psicometrica di livello post secondario mediante l'utilizzo di testi di riferimento, materiale didattico ed esercitazioni in aula. Inoltre saranno illustrati temi di avanguardia quali l'uso di metodi quantitativi nell'ambito del data science per le scienze umane e sociali.
Capacità di applicare conoscenze e comprensione.
Applicare e discutere gli strumenti di base della statistica e della psicometria nell'ambito dell'analisi dei dati sperimentali.
Autonomia di giudizio.
Interpretare i dati in modo da formulare conclusioni autonome in ambito quantitativo. Saper leggere un lavoro scientifico e interpretarne i risultati in modo critico.
Abilità comunicative.
Comunicare metodi e tecniche per la risoluzione di problemi quantitativi a interlocutori specialisti e non specialisti.
Capacità di apprendimento.
Aver sviluppato le competenze necessarie per intraprendere studi successivi con un alto grado di autonomia.
Le lezioni tradizionali di tipo frontale verranno accompagnate da esercitazioni su argomenti che saranno oggetto della prova d’esame.
Esame scritto con quesiti a risposta multipla ed esercizi.
Esercitazioni e materiale supplementare sarà disponibile sulla pagina web del docente.
Ripasso di Statistica Descrittiva
Analisi dell’associazione tra due caratteri
Introduzione; Distribuzioni doppie di frequenze; Rappresentazione grafica della distribuzione di due caratteri; Analisi dell’associazione tra due caratteri: dipendenza, indipendenza, interdipendenza; Studio dell’associazione tra due caratteri in una tabella doppia di frequenze; Misura dell’associazione per caratteri qualitativi sconnessi; Misura della dipendenza di un carattere quantitativo da un carattere, qualitativo o quantitativo discreto; Misura dell’interdipendenza tra due caratteri quantitativi.
Il modello di regressione lineare semplice
Introduzione; Relazione funzionale e relazione statistica tra due variabili; Specificazione del modello di regressione lineare semplice; Stima puntuale dei coefficienti di regressione; La decomposizione della varianza totale e il coefficiente di determinazione.
Probabilità: concetti di base
Introduzione; Concetti primitivi; Eventi e algebra degli eventi; I postulati; Misura della probabilitànell’approccio classico; Probabilitàcondizionate e indipendenza; Il teorema di Bayes; Le diverse concezioni della probabilità
Variabili casuali e distribuzioni di probabilità
Introduzione; Variabili casuali (o aleatorie); Variabili casuali discrete; Variabili casuali continue; Valore atteso e varianza di una variabile casuale (escluse Valori Caratteristici di una funzione lineare di una V.C.); Variabili casuali standardizzate e teorema di Chebyshev; Distribuzioni di probabilitàper V.C. discrete: Distribuzione Binomiale (escluse le proprietà); Distribuzioni di probabilitàper v.c. continue: Distribuzione Normale (esclusa la curtosi);Distribuzione Chi-quadrato (solo la definizione e calcolo di aree e quantili/percentili con l’uso delle tavole); Distribuzione t di Student (solo la definizione e calcolo di aree e quantili quantili/percentili con l’uso delle tavole); Teorema del limite centrale.
Inferenza statistica
Introduzione al concetto di stimatore; intervalli di confidenza e test di ipotesi. Il test T e il test F per l'analisi della varianza.
- Cicchitelli, G., D’Urso P. E Minozzo, M. Statistica: principi e metodi (terza edizione) - Pearson, 2017
- Borra S., Di Ciaccio A., STATISTICA – Metodologie per le Scienze Economiche e Sociali –, McGraw-Hill, 2004.
STATISTICA PSICOMETRICA (M-PSI/03)
Temi di ricerca
Bayesian modeling, small area estimation, Bayesian model comparison, item response models.