METODI STATISTICI A SUPPORTO DELLE DECISIONI A

PRIMA PARTE: STRUMENTI MULTIVARIATI DI BASE.
Richiami sulle variabili aleatorie e sull'inferenza statistica.
Classici test Z, T e F per il confronto dei parametri di due popolazioni normali.
Test di adattamento e di indipendenza (Fisher-Irwin, chi-quadro, tabelle di contingenza).
Regressione: determinazione dei coefficienti (modelli lineari, multilineari, linearizzabili; coefficiente di determinazione, analisidei residui, minimi quadrati pesati); inferenza sui coefficienti (test T e F).
Analisi della varianza (a una via, a due vie e con interazioni).

SECONDA PARTE: TECNICHE DI EXPLORATIVE DATA ANALYSIS.
Rappresentazione di dati con elevata numerosità e dimensionalità (distribuzioni normali multivariate, matrice di correlazione, autovalori e autovettori).
Verifica del modello (funzioni kernel, test chi-quadro e di Kolmogorov-Smirnov).
Cluster analysis (distanze; hierarchical tree clustering, linkage; algoritmi k-means; algoritmi EM, misture, classificazioni bayesiane).
Factor analysis (principal component analysis, common factor analysis, riduzione delle variabili, interpretazione dei fattori, rotazioni dei fattori).
Discriminant function analysis (metodo lineare di Fisher, riduzione delle variabili).
Neural networks (multilayer perceptron).
Overfitting e overlearning: quando il modello interpreta il campione e non la popolazione.
Design of Experiments (cenni).