Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Psicologia
COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY
Insegnamento
STATISTICS FOR BRAIN AND COGNITIVE SCIENCES
PSO2044208, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY
PS1932, ordinamento 2017/18, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STATISTICS FOR BRAIN AND COGNITIVE SCIENCES
Dipartimento di riferimento Dipartimento di Psicologia Generale
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo NON è possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta Insegnamento riservato SOLO agli iscritti al corso di COGNITIVE NEUROSCIENCE AND CLINICAL NEUROPSYCHOLOGY

Docenti
Responsabile GIULIO VIDOTTO M-PSI/03

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Psicologia generale e fisiologica M-PSI/03 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 42 108.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019

Syllabus
Prerequisiti: Probabilità, variabili casuali, statistica descrittiva e inferenziale, intervalli di confidenza, t-test, F-test, nozioni di base sui disegni sperimentali. Gli studenti possono facilmente trovare materiali su Internet (ad esempio, un elenco completo dei requisiti è fornito dal corso di Statistical Methods in Brain and Cognitive Science sul sito del MIT).
Conoscenze e abilita' da acquisire: Il corso è volto ad acquisire abilità e strumenti per comprendere la teoria di fondo ed i problemi pratici necessari per l'applicazione dei modelli lineari. Nello specifico, il corso fornirà agli studenti conoscenze su:

1. Teorie e modelli alla base della regressione lineare multipla, ANOVA, e modelli lineari generalizzati.
2. Abilità di interpretazione dei dati ottenuti attraverso l'uso di regressione e ANOVA.
3. Valutazione della qualità e bontà dei modelli.
Modalita' di esame: Tipo di esame: Scritto.
Prova scritta: Esercizi di analisi dei dati mediante l'utilizzo del software statistico R.
Criteri di valutazione: La valutazione della prestazione dello studente si baserà sulla comprensione delle metodologie statistiche proposte e sulla capacità di applicarle in modo autonomo in un contesto di ricerca. Il voto finale sarà calcolato sommando i punteggi ottenuti nei singoli esercizi.
Contenuti: Algebra matriciale (introduzione). Regressione lineare semplice: approccio algebrico e geometrico. Modelli lineari: regressione semplice e multipla, regressione con variabili dummy, ANOVA per piani fattoriali, ANOVA a misure ripetute, analisi della covarianza, Contrasti e confronti multipli. Modelli lineari generalizzati (introduzione). Inoltre, al termine del corso gli studenti dovrebbero essere esperti nell'uso del pacchetto statistico R.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali ed esercitazioni di laboratorio.
Eventuali indicazioni sui materiali di studio: Materiale per il corso:
Slides utilizzate a lezione e per i laboratori.

Julian J. Faraway (2005). Linear models with R. Chapman & Hall/CRC.
Testi di riferimento:
  • Faraway, Julian James, Linear models with R. Boca Raton [etc.]: Chapman & Hall/CRC, 2005. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • R

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Uguaglianza di genere