Il corso ha quale obiettivo la trattazione delle estensioni del modello lineare per l’analisi di dati complessi quali il modello GLS, i modelli lineari misti (LMM), i modelli lineari generalizzati (GLM) , in particolare il modello log-lineare di Poisson per dati di conteggio e il modello logistico binomiale. L’analisi dei casi empirici è svolta in ambiente R. Questo insegnamento fornirà conoscenze e capacità di comprensione relativamente a: 1) Struttura dei principali modelli a natura lineare in presenza di variabili continue e discrete categoriali, sia sul versante della variabile dipendente sia su quello delle variabili indipendenti; 2) Metodi per la scelta e definizione del modello in relazione alla natura dei dati; 3) Principali procedure implementate in R per la costruzione di modelli lineari e il successivo approfondimento delle analisi con le relative rappresentazioni grafiche 4) Lettura e interpretazione degli output delle analisi prodotte con R.
Prerequisiti
conoscenza degli argomenti trattati nei corsi di base di Statistica (distribuzioni di gauss, Poisson e Binomiale, modelli lineari). Conoscenza della programmazione in R.
Metodi didattici
Lezioni teoriche in aula ed esercitazioni pratiche con il software R.
Verifica Apprendimento
L'esame e scritto e consiste nella preparazione di un'analisi statistica di dati con il software R (durata prova scritta: 2 ore) che ha ad oggetto argomenti sia a natura teorica sia a natura pratica.
Testi
Zuur et al. Mixed effects models and extensions in ecology with R
Contenuti
Applicazione dei modelli lineari all'analisi biologica dei dati: 1) Estensione dei modelli lineari; teoria del modello lineare misto (LMM) e del modello lineare generalizzato (GLM): specificazione del modello, funzioni stimabili, ipotesi verificabili. Parametrizzazione, Contrasti 2) Analisi dei set di dati per ciascun modello con R 3) Modelli misti lineari generali (GLMM)