Vai al contenuto principale
Oggetto:
Oggetto:

Modelli per le analisi socio-economiche

Oggetto:

Statistical Models for Social Science

Oggetto:

Anno accademico 2019/2020

Codice dell'attività didattica
ECM0031
Docente
Cinzia Carota (Titolare del corso)
Corso di studi
Laurea in Economia e Statistica per le Organizzazioni - a Torino [0402L31]
Anno
3° anno
Tipologia
Di base
Crediti/Valenza
6
SSD dell'attività didattica
SECS-S/01 - statistica
Modalità di erogazione
Tradizionale
Lingua di insegnamento
Italiano
Modalità di frequenza
Fortemente consigliata/Recommended
Tipologia d'esame
Scritto
Prerequisiti

Buona conoscenza dei concetti base del calcolo delle probabilità, dell'inferenza statistica, del modello lineare di regressione multipla.

The student is presumed to know basic elements of:
- probabily,
- statistical inference,
- multiple linear regression analysis.

Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

 Questo insegnamento estende significativamente la nozione di modello di regressione lineare multipla, fornendo utili modelli alternativi in molte situazioni pratiche in cui la natura dei dati è categorica o di conteggio. Esso è pensato per:

- favorire una comprensione profonda dei modelli lineari generalizzati,

-approfondire aspetti teorici e applicati nei modelli di regressione logistica e nei modelli di regressione di Poisson e/o Binomiale Negativa discutendone l'uso in casi concreti,

- sviluppare la capacità di comunicare in modo chiaro ed efficace i risultati ottenuti sotto tali modelli

- stimolare curiosità e interesse verso approfondimenti dei modelli log-lineari e dei modelli grafici.

This course significantly extends the notion of standard linear regression model, providing useful alternative models in many applied contexts with categorical or counting data.  It is designed to:

- favour  a deep understanding of generalized linear models,

- analyze in details theoretical foundations and applications of logistic regression and Poisson and/or Negative Binomial regression models describing their uses in practice,

- stimulate a correct and effective communication of the results  obtained under such models,

- stimulate interest in further applications of log-linear and graphical models.

Oggetto:

Risultati dell'apprendimento attesi

 Alla fine dell'insegnamento lo studente sarà in grado di:

- applicare modelli di regressione logistici, di Poisson e Binomiali Negativi,

- discutere e interpretare criticamente i risultati ottenuti sotto tali modelli,

- apprezzare le potenzialità dei modelli log-lineari e dei modelli grafici

Students who complete this course will have the ability to:

- apply logistic, Poisson and Negative Binomial models,

- evaluate and critically discuss the results obtained under these models,

- appreciate the potential of log-linear models and graphical models.

 


Oggetto:

Modalità di insegnamento

 lezioni frontali in aula e in aula informatica

frontal lectures 

Oggetto:

Modalità di verifica dell'apprendimento

MODELLI PER LE ANALISI SOCIO-ECONOMICHE

ESAMI IN MODALITA’ ONLINE A DISTANZA

 

Modalità di esame: 

A causa dell'emergenza Covid-19, per le categorie di studenti esplicitamente individuate dall’Ateneo,  gli esami di settembre 2020 del corso di “Modelli per le Analisi Socio-Economiche” potranno essere svolti in modalità online a distanza attraverso l’uso delle piattaforme Moodle (per la somministrazione della prova di esame scritta) e Webex (per il collegamento audio e video tra docenti e studenti per lo svolgimento della prova di esame orale). Tali modalità di svolgimento dell’esame saranno valide fino a diversa disposizione delle autorità accademiche.

L’esame sarà composto da due parti:

1)      Una prova scritta della durata di 30 minuti, costituita da  domande a risposta aperta alle quali verranno assegnati  punti variabili in relazione alla difficoltà e 0 punti per ogni risposta non data o sbagliata. Il totale che si può raggiungere con il test è 30.

2)      Una prova orale che si svolgerà a conclusione dell’esame scritto.

Gli studenti che ottengono nella prova scritta un voto inferiore a 16.5 non hanno il diritto di accedere all’esame orale. Gli studenti che ottengono un voto superiore o uguale a 16.5 devono necessariamente sottoporsi a un esame orale. Con l’orale il voto può essere confermato, abbassato o alzato.

Maggiori dettagli sulla procedura d’esame sono dati di seguito.

IMPORTANTE: Al fine di agevolare l’organizzazione di esami scritti e orali, si invitano le studentesse e gli studenti che, sebbene iscritti, non intendono sostenere la prova a cancellare la propria iscrizione almeno tre giorni prima dell’esame.

 

Procedura di svolgimento della prova scritta

Per prendere parte alla prova di esame scritta gli studenti dovranno seguire la seguente procedura:

  1. Iscriversi all’appello tramite il sistema Esse3 entro i termini previsti. In nessun caso sarà possibile sostenere la prova qualora non sia stata fatta l’iscrizione entro la scadenza.
  2. Accedere alla pagina Moodle dell’esame di “Modelli per le analisi socio-economiche_esame” mediante password di accesso che verrà  comunicata  prima dell’esame ai soli iscritti all’appello. E’opportuno perfezionare l’iscrizione alla pagina subito dopo aver ricevuto la mail con la password. Chi, il giorno dell’esame, non risulterà iscritto alla pagina Moodle non potrà accedere alla prova scritta.
  3. Nella suddetta pagina Moodle dell’esame di “Modelli per le analisi socio-economiche_esame” verrà resa disponibile la prova di esame (denominata “ESAME_data_appello”) alla quale si potrà accedere, nel tempo stabilito per la prova, tramite una password che verrà comunicata ai soli iscritti all’appello. Tale comunicazione conterrà anche le informazioni sull’inizio e fine della prova di esame.
  4. Il giorno dell’esame si prega di collegarsi alla suddetta pagina Moodle “Modelli per le analisi socio-economiche_esame”  almeno 15-20 minuti prima dell’inizio della prova al fine di evitare il sorgere di possibili problemi tecnici di collegamento.
  5. La prova scritta si svolge simultaneamente per tutti gli studenti iscritti (iniziare la prova in ritardo comporterà avere meno tempo per il suo svolgimento). Ogni studente accederà alla prova d’esame digitando la password di cui al punto c) e potrà iniziare il suo esame.

 

ESEMPIO: se la prova di esame scritta inizia alle ore 10:00 e si conclude alle ore 10:30, si consiglia agli studenti di accedere alla pagina Moodle almeno entro le 9:40/9:45. Dalle ore 10:00 sarà possibile accedere alla prova di esame inserendo l’apposita password. Chiusura della prova: ore 10:30.

 

  1. Le domande proposte dovranno essere svolte in sequenza, poiché hanno un ordinamento logico, ma è consentita dal sistema la navigazione tra una domanda e l’altra e la possibilità di tornare indietro sulle domande già processate, entro il tempo fissato (30 minuti che iniziano dal momento di inizio della prova).
  2. In caso di interruzione del collegamento o qualora non fosse possibile connettersi a Moodle e non si potesse terminare il Quiz, la prova scritta di esame sarà sostituita da un colloquio orale. In tal caso la prova orale sarà di durata maggiore e verrà posposta a quella di tutti gli altri studenti iscritti.
  3. Alla fine delle domande del Quiz gli studenti dovranno cliccare su “Termina il tentativo…” e nella pagina successiva su “Invia tutto e termina” per inviare la prova d’esame.
  4. Gli studenti che intendessero ritirarsi dovranno comunicarlo (durante lo svolgimento del Quiz e prima della sua conclusione) mediante una email al seguente indirizzo: cinzia.carota@unito.it

 

Procedura di svolgimento della prova orale

-          Terminata la prova scritta, si apre la prova orale. Gli studenti che superano la soglia per partecipare all’orale vengono invitati ad accedere alla riunione Webex (al link che verrà inviato il giorno prima dell’esame tramite posta elettronica) tenendo con sé la propria smart card o documento di identificazione.

-          Se non sarà possibile esaurire tutti gli esami orali in giornata, la prova orale verrà completata in giorni successivi, definiti e comunicati non appena sarà disponibile la lista degli studenti ammessi alla prova orale.

-          Si procederà a svolgere gli esami in forma orale in ordine alfabetico (al solo scopo di rendere più agevole l’identificazione degli studenti e il funzionamento della piattaforma Webex).

-          In ordine alfabetico, ogni studente dovrà accendere la webcam e il microfono al fine di permettere al docente l’identificazione personale.

-          Durante la prova, lo studente esaminato dovrà tenere accesi sia la webcam che il microfono. Gli altri studenti in attesa dell’esame orale potranno restare collegati ma possibilmente con microfono e webcam spenti in modo da evitare rumori di sottofondo. Si precisa che ogni orale durerà non più di 10 minuti (al fine di consentire un’adeguata organizzazione della seduta e di permettere un’equa valutazione di tutti gli studenti).

-          I quesiti posti all’orale sono relativi ad approfondimenti e varianti delle risposte fornite nel quiz e ad ogni altro aspetto del programma del corso.

-          Alla fine degli orali il docente pubblicherà i voti su Esse3 concedendo 5 giorni per la decisione di accettazione/rifiuto. La registrazione finale del voto di esame verrà effettuata con la procedura usuale attraverso il sistema Esse3.

 

 

 

 

 

 

 

 

MODALITA' DI ESAME IN PRESENZA

 L'esame finale consiste di un test scritto a risposte chiuse ed aperte. Tra le risposte aperte saranno discussi criticamente i risultati di un modello lineare generalizzato applicato in un caso concreto. Questo è il modo in cui vengono controllati al tempo stesso l'acquisizione da parte dello studente della capacità di interpretare correttamente i risultati e di fornire, in forma scritta, una chiara e precisa spiegazione dei ragionamenti  teorici sottostanti all'applicazione proposta. Tempo: 1 ora. Valutazione in trentesimi.

The final exam consists of a written test with closed and open format questions. Among open format questions the student will have to discuss the results of a given generalized linear model applied in a practical case. This  is the way to check simultaneously the student's ability to correctly interpret the presented results and to provide a sharp and clear description, in a written form, of some of the  theoretical reasonings underlying the proposed application.  Time: 1 hour. 

The exam score is evaluated over a range of 30 points.


Oggetto:

Programma

Tabelle di contingenza,

Introduzione ai modelli lineari generalizzati.

Modelli di regressione logistica,

Modelli di regressione di Poisson,

Modelli di regressione Binomiale Negativa,

Modelli log-lineari e modelli grafici.

Il programma è lo stesso per studenti frequentanti e non frequentanti.

Contingency tables,

Logistic regression model,

Poisson regression model,

Negative Binomial regression model,

Log-linear model and graphical model.

The list of topics is the same for both those students attending the lectures and those who do not.

Testi consigliati e bibliografia

Oggetto:

- appunti e materiali resi disponibili on line nella sezione apposita.

Vedi anche:

- https://bitbucket.org/amberti/modellianalisisocioeconomiche/

- An Introduction to Categorical Data Analysis, Autore: Alan Agresti, Edizione: Second Edition, Casa editrice: Wiley, ISBN: 9780471226185

- PennState, STAT 504. https://onlinecourses.science.psu.edu/stat504/

- Jake Lever, Martin Krzywinski & Naomi Altman, Classification evaluation. www.nature.com/articles/nmeth.3945

- PennState, STAT 897D, Tree-based Methods. https://onlinecourses.science.psu.edu/stat857/node/22/

- CHi-squared Automated Interaction Detection, implementation details. https://r-forge.r-project.org/scm/viewvc.php/pkg/man/chaid.Rd?view=markup&root=chaid

- G. Jay Kerns, Introduction to Probability and Statistics Using R (selected parts). https://cran.r-project.org/web/packages/IPSUR/vignettes/IPSUR.pdf

- Lecture notes and further material available in "Course material".

See also:

- https://bitbucket.org/amberti/modellianalisisocioeconomiche/

- An Introduction to Categorical Data Analysis, Alan Agresti, Second Edition, Wiley, ISBN: 9780471226185

- PennState, STAT 504. https://onlinecourses.science.psu.edu/stat504/

- Jake Lever, Martin Krzywinski & Naomi Altman, Classification evaluation. www.nature.com/articles/nmeth.3945

- PennState, STAT 897D, Tree-based Methods. https://onlinecourses.science.psu.edu/stat857/node/22/

- CHi-squared Automated Interaction Detection, implementation details. https://r-forge.r-project.org/scm/viewvc.php/pkg/man/chaid.Rd?view=markup&root=chaid

 

- G. Jay Kerns, Introduction to Probability and Statistics Using R (selected parts). https://cran.r-project.org/web/packages/IPSUR/vignettes/IPSUR.pdf

 





 



Oggetto:

Note

Raccomandata la frequenza.

Orario Lezioni

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Oggetto:
Ultimo aggiornamento: 04/07/2020 11:10
Location: https://www.didattica-est.unito.it/robots.html
Non cliccare qui!