Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
STATISTICAL MODELS
SCP4063245, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2016/17

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL MODELS
Sito della struttura didattica http://scienzestatistiche.scienze.unipd.it/2017/laurea_magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile LUISA BISAGLIA SECS-S/03

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/01 6.0
AFFINE/INTEGRATIVA Attività formative affini o integrative SECS-S/03 3.0

Modalità di erogazione
Periodo di erogazione Secondo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 9.0 64 161.0 Nessun turno

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018

Syllabus
Prerequisiti: Calcolo delle probabilità, Statistica progredito
Conoscenze e abilita' da acquisire: The objective of the whole course is to get students acquainted with the fundamentals, basic properties and use of the most important recent modeling
techniques, to gain experience in model building and to get some hands-on experience by analysing some real data by using R, Bugs and other up-to-date
statistical software.
Modalita' di esame: A written exam for each parts of the course.
Each exam will be marked independently by the corresponding instructor.
At the end of the course, students will receive a final mark based on all 3 exams results.
Criteri di valutazione: At the end of the course, students will receive only a final mark based on all 3 exams results.
Contenuti: Generalized linear mixed models
o Introduction to the course: basic ideas
o Generalized linear models: structure and inference
o Extending GLMs: First instances of models for hierarchical data
o Generalized linear mixed models
o Introduction to hierarchical models and to GLMMs
o Likelihood inference in GLMMs
o Bayesian Hierarchical Models
o Practical sessions with R and R-Bugs

Time series analysis
o Introduction. Linear time series models.
o Linear time series models: model specification.
o Linear time series models: parameter estimation and forecasting.
o Introduction to spectral analysis
o Nonlinear models: an introduction
o Nonlinear models: Markov-Switching Models and Threshold Autoregression Models
o Long-memory models. Integer AutoRegressive models

Spatial statistics
1. Introduction to spatial statistics:
2. Estimation and modeling of spatial correlations:
3. Prediction and Interpolation (kriging):
4. Spatio-temporal modeling:
5. Second order spatial models for network data:
6. Gibbs-Markov random fields on networks:
7. Simulation and estimation of a Markov random field on a network:
8. Hierarchical spatial models and Bayesian statistics:
Attivita' di apprendimento previste e metodologie di insegnamento: Lectures and Laboratories
Eventuali indicazioni sui materiali di studio: Mc Cullagh, P & Nelder J.A., Generalized Linear Models. New York: Chapman & Hall, 1989.
Gelman, A. & Hill J., Data Analysis Using Regression and Multilevel/Hierarchical Models. --: Cambridge University Press, 2007.
Fahrmeir L., Tutz, G., Multivariate Statistical Modelling Based on Generalized Linear Models. --: Springe, 2001. chapter 6
McCulloch, C.E., Searle, S.R., Generalized, Linear and Mixed Models. --: Wiley, 2001.
Brockwell P.J., Davis R.A., Introduction to Time Series and Forecasting. --: Springer, 1996.
Fan J., Yao Q., Nonlinear time series. --: Springer-Verlag, 2003.
Tsay R.S., Analysis of Financial Time Series. - -: Wiley-Interscience, 2005.
Wei W., Time Series
Banerjee, S. ,Carlin, B.P. and Gelfand. A.E (2014) Hierarchical Modeling and Analysis for Spatial Data, CRC Press, New York (second edition)
Gaetan, C. and Guyon, X. (2010) Spatial Statistics and Modeling, Springer, New York.
Testi di riferimento: