Multivariate Analysis

​

Obiettivi: 

Conoscere le principali tecniche statistiche per l'analisi di fenomeni multidimensionali, individuare la tecnica ottimale in relazione al tipo di dati ed agli obiettivi dell'analisi, interpretare i risultati in modo appropriato.

 

Tecniche presentate: 

Tecniche di analisi statistica multivariata per la segmentazione (cluster analysis), la classificazione (analisi discriminante, alberi decisionali) e per il perceptual mapping (analisi fattoriale, analisi delle corrispondenze, multidimensional scaling).

​

Esercitazioni:

​Sono previste esercitazioni per ciascuno degli argomenti trattati.

 

Prerequisiti: 

E' propedeutica la frequenza al corso TSC o avere conoscenza degli argomenti in esso contenuti.

​

Argomenti:

Modelli di segmentazione

• L'interdipendenza tra le variabili

  • Le distanze

• la cluster analysis

  • Metodi gerarchici

  • Il metodo delle k medie

  • Esempio di applicazione della Cluster Analysis

 

Modelli di classificazione

• L'analisi discriminante

• Introduzione agli alberi decisionali

  • Algoritmi (CHAID, C&RT)

  • Regole di arresto

  • Stima del rischio

  • Profitti, Costi di errata classificazione, probabilità a priori,
    surrogati

 

I modelli di perceptual mapping e di scaling

• L'analisi fattoriale

  • Passi nell'esecuzuzione dell'analisi dei fattori

  • Esempio di applicazione dell'Analisi delle componenti principali

• L'analisi delle corrispondenze

  • Le dimensioni e la mappa percettiva

• Lo scaling ottimale

  • L'analisi di omogeneità

  • L'analisi delle componenti principali non lineari (cenni)

  • L'analisi della correlazione canonica non lineare (cenni)

• Lo scaling  multidimensionale

  • L'analisi di affidabilità

  • Il MDS