REGRESSION MODELS AND DISTRIBUTION FITTING

La statistica fornisce un approccio efficace per dare un senso ai dati e per tenere conto dell’incertezza che deriva dalla casualità relativa a sistemi complessi. Per fornire agli studenti di dottorato la formazione statistica più adatta alle loro esigenze di ricerca e per adattarsi ai diversi background ed esperienze precedenti, questo corso fa parte di una serie di 4 corsi a disposizione degli studenti di dottorato del Dipartimento. I corsi sono

* Introductory Statistics
* Regression models and distribution fitting
* Statistical models: generalised linear models and extensions
* Spatio-temporal statistical models

Ogni corso vale 3 crediti. Gli studenti di Science and Management of Climate Change devono seguire (almeno) due corsi. Gli studenti di Environmental Sciences possono seguire tutti i corsi necessari. Gli studenti interessati ad acquisire un background più solido nelle scienze statistiche sono fortemente incoraggiati a seguire tutti i corsi.

Si raccomanda a tutti gli studenti di discutere con i docenti dei corsi, con il proprio supervisore e/o con il direttore del dottorato la combinazione di corsi più adatta da frequentare per il proprio piano di dottorato.

Gli studenti saranno in grado di effettuare correttamente un'analisi statistica delle variabili ambientali e climatiche utilizzando software statistici, individuando l'approccio statistico più adatto al problema oggetto di studio e identificando potenziali benefici e insidie dei vari approcci analitici.

Nessun pre requisito formale, anche se il corso si basa su tecniche e metodi statistici presentati in un corso di livello di laurea triennale di statistica e coperte nel corso Introductory Statistics (statistica descrittiva, verifica di ipotesi). Il corso farà uso di alcuni concetti matematici e statistici quali funzioni, integrali, derivate, matrici, distribuzioni, stima e verifica di ipotesi. Si prevede inoltre che gli studenti abbiano alcune nozioni su come utilizzare R o altri software di analisi dati (Stata, Python, Matlab).

Il corso presenta metodi statistici di base e avanzati quali:
* approcci di stima per adattamento di distribuzioni: metodo dei momenti, massima verosimiglianza e inferenza bayesiana
* inferenza e verifica di ipotesi statistica
* metodi di regressione semplice e multipla

L'implementazione pratica dei metodi statistici discussi nel corso sarà presentata tramite software statistico adeguato (per esempio R).

Gli studenti sono incoraggiati a suggerire argomenti che siano di particolare interesse nell'ambito dei loro programmi di ricerca.

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
Dan E. Kelley. Oceanographic Analysis with R. Springer-Verlag, New York, October 2018
Julian Faraway. Linear models with R. CRC Press

L'esame si svolgerà nel laboratorio informatico, assieme eventualmente agli altri moduli di Statistica.
Gli studenti saranno chiamati a rispondere ad alcune domande scritte e a svolgere un compito di analisi dei dati, fornendo una breve relazione sulla loro analisi.
Il voto sarà basato sul numero di risposte corrette fornite nelle domande scritte e sul livello di presentazione del compito di analisi dei dati. In particolare verranno valutati: chiarezza della presentazione e adeguatezza degli approcci statistici e delle modalità di visualizzazione dei dati, leggibilità del codice.

Insegnamento sarà organizzato in:
a) lezioni sui concetti teorici principali e la descrizione dei vari metodi;
b) esercitazioni in cui si mettono in pratica i concetti teorici, scrivendo codice, analizzando dati, interpretando e comunicando i risultati.

Inglese

scritto