Essere in grado di scegliere il più appropriato modello statistico per l’analisi di fenomeni ambientali.
Familiarizzare con l’ambiente statistico R per la stima del modello e la valutazione della sua bontà di adattamento.
Essere in grado di comunicare in modo efficace i risultati ottenuti.
Familiarizzare con l’ambiente statistico R per la stima del modello e la valutazione della sua bontà di adattamento.
Essere in grado di comunicare in modo efficace i risultati ottenuti.
scheda docente
materiale didattico
Programma
R-studio ed R: installazione e principali caratteristiche. La creazione di un project. Primi passi con R: operazioni elementari, statistiche descrittive, grafici. Richiami di inferenza statistica. Distribuzioni campionarie, intervalli di confidenza e test. Applicazioni ed esempi in R. Stima di massima verosimiglianza. Modelli lineari: stima dei parametri, selezione del modello e valutazione della bonta' di adattamento. Modelli lineari generalizzati: stima dei parametri, selezione del modello e valutazione della bonta' di adattamento. Modello di regressione logistica. Modello di regressione di Poisson.Testi Adottati
Carsten Dormann (2020) Environmental Data Analysis: An introduction with Examples in R, SpringerBibliografia Di Riferimento
Carsten Dormann (2020) Environmental Data Analysis: An introduction with Examples in R, SpringerModalità Erogazione
La didattica è organizzata con lezioni frontali.Modalità Frequenza
La frequenza non e' obbligatoria ma altamente consigliataModalità Valutazione
Elaborazione di una tesina e discussione.