DATA ANALYSIS

Nel mondo di oggi, i dati hanno uno ruolo cruciale. La capacità di estrarre informazioni utili e interessanti da datasets complessi e di grandi dimensioni è di crescente importanza in diversi campi e discipline. Il corso DATA ANALYSIS mira a fornire agli studenti una solida preparazione sui concetti e sulle tecniche principali per raccogliere, pulire, analizzare e interpretare efficacemente i dati per prendere decisioni più informate.

Il corso mira a fornire agli studenti una panoramica generale di alcuni degli aspetti principali della data analysis (analisi dei dati). Attraverso una combinazione di nozioni teroiche e sessioni pratiche, gli studenti apprenderanno quelle che sono le diverse tipologie di dati e le metodologie statistiche appropriate per analizzarli. Saranno anche introdotti al software statistico e di programmazione R, ed impareranno alcuni dei comandi più importanti per analizzare i dati con tale software.

Si richiede agli studenti una conoscenza di base dei concetti matematici di variabile e funzione. Inoltre, ci si aspetta che gli studenti abbiano buone capacità di utilizzo del computer.

Il corso tratterà i seguenti temi:
1- Strumenti di programmazione per l'elaborazione dei dati (R):
a. Introduzione al software statistico per l'analisi dei dati
b. Raccolta dati e organizzazioni dei data set
c. Nozioni di base di programmazione: cicli e condizioni
d. Esempi e applicazioni

2- Statistica applicata per l'analisi dei dati:
a. Definizione del problema di ricerca e identificazione delle variabili da considerare per l'analisi
b. Tipi di variabili: quantitative e qualitative
d. Strumenti statistici e visualizzazioni grafiche per descrivere le distribuzioni: grafici a barre, diagrammi di dispersione, grafici lineari, box-and-whiskers plot, istogrammi
f. Cenni di regressione lineare


Il corso tratterà i seguenti temi:
- Introduzione all'analisi dei dati: tipologia di dati, metodi di collezionamento dei dati, fonti, principi e linee guida per il trattamento e l'analisi dei dati
- Introduzione al software per l'analisi dei dati (R)
- Importare, pulire, modificare a salvare i dati
- Statistica descrittiva (media, mediana, varianza, deviazione standard), correlazione, distribuzioni principali
- Visualizzazione dei dati: grafi a barre, scatter plots, grafici lineari, box-and-whiskers plot, istogrammi
- Inferenza e test di ipotesi: test sulla media, test sulla varianza, test sulla correlazione, ANOVA
- Regressioni: regressione lineare bivariata, regressione lineare multivariata, regressioni non lineari
- Analisi di dati spaziali: dati vettoriali, dati raster, analisi vettoriale, visualizzazione dati spaziali

- Donna Kirk, "Contemporary Mathematics", Capitolo 8 https://openstax.org/details/books/contemporary-mathematics ,
- Måns Thulin, 2025, Modern Statistics with R: From wrangling and exploring data to inference and predictive modelling https://www.modernstatisticswithr.com/

- 10% presenza alle lezione (>75%)
- 30% esame parziale: parte scritta (domande a scelta multipla 40%); parte orale (esercizi 60%)
- 30% home assignments
- 30% esame finale, composto di: parte scritta (domande a scelta multipla 40%); parte orale (esercizi 60%)

scritto e orale

Di seguito la classificazione sulla base di un massimo di 30L
18–21 punti: assegnati per scarsa comprensione e capacità di risoluzione dei problemi poco sviluppate.
22–25 punti: Indica una buona comprensione e solide tecniche di risoluzione dei problemi.
26–27 punti: Riflette un'ottima comprensione e capacità di risoluzione dei problemi.
28–30L punti: Premiato per ottime prestazioni.

Il corso si baserà sia su un'introduzione teorica ai concetti alla base dell'analisi dei dati, sia su un approccio pratico di "learning by doing", anche grazie alla forte enfasi posta sulle sessioni di laboratorio interattive.

Il ricevimento degli studenti sarà disponibile su appuntamento