1. L'ambiente R.
2. L'organizzazione dei dati: Teoria e pratica con il software statistico R.
3. Le matrici ed i vettori nell'analisi dei dati: Teoria e pratica con il software statistico R.
4. L'analisi esplorativa delle informazioni: Teoria e pratica con il software statistico R.
5. L'analisi della varianza: Teoria e pratica con il software statistico R.
6. Il modello di regressione lineare multipla: Teoria e pratica con il software statistico R.
7. Il modello di regressione logistica: Teoria e pratica con il software statistico R.
8. L'analisi statistica “trivariata”: Teoria e pratica con il software statistico R.
9. L'analisi fattoriale: Teoria e pratica con il software statistico R.
10. L'analisi dei gruppi: Teoria e pratica con il software statistico R.
11. La customer satisfaction: Teoria e pratica con il software statistico R.
12. Analisi di dati aziendali utilizzando dataset reali.
1. L'ambiente R. Operatori aritmetici e logici. Lavorare con gli oggetti. Vettori. Matrici. Array. Data Frame. Liste. Funzioni.
2. L'organizzazione dei dati: Teoria e pratica con il software statistico R. Estrazione e modifica di elementi di oggetti. Subsetting. Dati mancanti. Importazione ed esportazione di dati. Pacchetti R.
3. Le matrici ed i vettori nell'analisi dei dati: Teoria e pratica con il software statistico R. Concetti fondamentali. Operazioni tra vettori e calcolo matriciale con R.
4. L'analisi esplorativa delle informazioni: Teoria e pratica con il software statistico R. Analisi univariata. Analisi bivariata. Dati anomali. Trasformazioni di variabili. Codifica di variabili. Rappresentazioni grafiche.
5. L'analisi della varianza: Teoria e pratica con il software statistico R. Test di ipotesi parametrici. ANOVA. Confronti multipli. Cenni su Test di ipotesi non parametrici.
6. Il modello di regressione lineare multipla: Teoria e pratica con il software statistico R. Richiami di teoria. Stima dei parametri del modello. Analisi grafica dei residui. Eteroschedasticità. Variabili strumentali. Multicollinearità.
7. Il modello di regressione logistica: Teoria e pratica con il software statistico R.
8. L'analisi statistica trivariata: Teoria e pratica con il software statistico R. Effetto di mediazione. Effetto di moderazione.
9. L'analisi fattoriale: Teoria e pratica con il software statistico R.
10. L'analisi dei gruppi: Teoria e pratica con il software statistico R. Metodi gerarchici e non gerachici. Metodi aggregativi e divisivi. Il metodo k-medie.
11. La customer satisfaction: Teoria e pratica con il software statistico R.
12. Analisi di dati aziendali utilizzando dataset reali. Esercitazioni su dataset forniti durante il corso.
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