Serena ARIMA
Settore Scientifico Disciplinare SECS-S/02: STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA.
Orario di ricevimento (su appuntamento durante la gestione emergenza Covid-19): lunedì 10-11; martedì 11-12
Curriculum Vitae
Actual position
Serena Arima is associate professor of Statistics (ssd SECS-S/02) at the University of Salento from March 2020.
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)
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. 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 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 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 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 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 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.
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 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.