-
Lingua Insegnamento:Italiano
-
Testi di riferimento:Appunti del corso distribuiti in aula
-
Obiettivi formativi:Uso delle tecniche multivariate di riduzione della dimensione dei dati in campo economico. Uso del software R su casi studio reali
-
Prerequisiti:Statistica di base e matematica generale
-
Metodi didattici:Didattica frontale ed esercitazioni al computer
-
Modalità di verifica dell'apprendimento:Scritto ed orale
-
Sostenibilità:
1. Prefazione
2. Prime sintesi e rappresentazioni grafiche di dati multivariati
3. Analisi in Componenti Principali
4. Analisi Fattoriale e Modelli ad Equazioni Strutturali
5. Analisi delle Corrispondenze
6. Multidimensional Scaling
7. La classificazione dei dati
7.1. Introduzione
7.2. Classificazione con supervisione (analisi discriminante)
7.3. Classificazione senza supervisione (cluster analysis)
8. Alberi di regressione e classificazione
9. Appendice
9.1. Richiami di calcolo matriciale
1. Prefazione
1.1. Cenni storici
1.2. Dati di esempio
2. Prime sintesi e rappresentazioni grafiche di dati multivariati
2.1. Introduzione
2.2. Note ed approfondimenti
3. Analisi in Componenti Principali
3.1. Introduzione
3.2. Note ed approfondimenti
4. Analisi Fattoriale e Modelli ad Equazioni Strutturali
4.1. Introduzione
4.2. Note ed approfondimenti
5. Analisi delle Corrispondenze
5.1. Introduzione
5.2. Note ed approfondimenti
6. Multidimensional Scaling
6.1. Introduzione
6.2. Note ed approfondimenti
7. La classificazione dei dati
7.1. Introduzione
7.2. Classificazione con supervisione (analisi discriminante)
7.3. Classificazione senza supervisione (cluster analysis)
7.4. Note ed approfondimenti
8. Alberi di regressione e classificazione
9. Appendice
9.1. Richiami di calcolo matriciale
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
