STATISTICAL MODELLING

Anno accademico
2020/2021 Programmi anni precedenti
Titolo corso in inglese
STATISTICAL MODELLING
Codice insegnamento
PHD152 (AF:342250 AR:182047)
Modalità
In presenza
Crediti formativi universitari
6
Livello laurea
Corso di Dottorato (D.M.45)
Settore scientifico disciplinare
SECS-S/01
Periodo
I Semestre
Anno corso
1
Sede
VENEZIA
Spazio Moodle
Link allo spazio del corso
La statistica rende possibile la comprensione di fenomeni complessi tramite l'analisi di dati che tengano in conto le incertezze che derivano dalla aleatorietà di sistemi complessi. Il corso presenta alcuni approci statistici per l'analisi di dati meteo-climatologici con particolare attenzione sui metodi di regressione che sono particolarmente adatti a studiare l'effetto di una o più variabili su una variabile di interesse.
Il corso è parte di un percorso statistico composto di tre corsi che è disponibile per tutti gli studenti del dipartimento. Il percorso prevede un corso introduttivo (PHD154 Data Analysis with Statistical Programming) che precede due corsi più avanzati e non sequenziali: PHD076 Statistical Methods for Climate Change Analysis e PHD124 Applied Time Serie. Gli studenti interessati a ottenere una solida preparazione statistica sono incoraggiati a seguire tutti i corsi e a discutere con i docenti del corso nel dottorato cui afferiscono come meglio gestire il percorso formativo.
Gli studenti saranno in grado di impostare e di completare una analisi statistica di variabili meteo-climatologiche tramite software statistico individuando i metodi più adatti alla analisi specificando vantaggi e svantaggi di diversi approci.
Nessun requisito formale: è necessaria una buona capacità di maneggiare concetti matematici quali funzioni, integrali, derivate e matrici. Inoltre per il corso si assume una conoscenza a livello di laurea triennale di alcuni concetti iniziali di probabilità e statistica quali le distribuzioni di probabilità, statistiche descrittive, stima e verifica di ipotesi. Viene anche assunto gli gli studenti siano in grado di usare, almeno a livello basilare, il linguaggio di programmazione R. Gli studenti che non avessero la familiarità richiesta con i concetti elencati sopra e con R sono incoraggiati a seguire il corso PHD154 Data Analysis with Statistical Programming e a discutere con i docenti del corso nel dottorato cui afferiscono come meglio gestire il percorso formativo.
Il corso tratta della analisi di dati meteo-climatologici, prendendo in considerazione le variazioni aleatorie presenti delle variabile e fornendo una valutazione oggettiva della validità di varie ipotesi statistiche.Il corso presenta argomenti quali i modelli di regressione lineari standard e modelli lineari generalizzati (con particolare enfasi su regressione Poisson e Logistica) e sulle loro estensioni (modelli additivi generalizzati, modelli gerarchici, etc…). Gli studenti sono inoltre incoraggiati a individuare metodi statistici utilizzati nella letteratura scientifica e non discussi in classe che possano essere di interesse per la classe. Gli aspetti pratici dei metodi discussi in classe sono presentati tramite la discussione di casi studio e usando il linguaggio statistico R. Il corso verte in gran parte su modelli di regressione, gli studenti con un interesse nei modelli di analisi delle serie temporali sono incoraggiati a seguire anche il corso PHD124 (Applied Time Series): gli studenti che avessero intenzione di seguire questo percorso possono contattare il docente per discutere il loro percorso formativo.
Lecture notes e materiale esterno indicato via via dal docente. Questi testi possono essere utili come testi di consultazione

Daniel S. Wilks, Statistical Methods in the Atmospheric Sciences, 2005, Academic Press

Simon Wood, Generalized Additive Models: An Introduction with R, Second Edition, 2017, CRC Press
1) Partecipazione in classe e homework 20%
Gli studenti dovranno prendere parte attiva alla lezione pratica di laboratorio e consegnare gli homework assegnati periodicamente.

2) Progetto 50%
Ad ogni studente verrà assegnato un dataset riguardante un tema inerente il cambiamento climatico da analizzare (gli studenti sono incoraggiati ad identificare un dataset che sia di loro interesse analizzare). I risultati dell'analisi saranno poi dettagliati in un report.

3) Prova finale 30%
La prova finale consiste nella discussione del progetto.
Lezioni frontali di teoria complementate da lezioni di laboratorio pratico. Il corso utilizzerà il software statistico R (www.r-project.org).
Inglese
orale

Questo insegnamento tratta argomenti connessi alla macroarea "Cambiamento climatico e energia" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile

Programma definitivo.
Data ultima modifica programma: 20/04/2020