Corso di Laurea Magistrale in Scienze Statistiche ed Economiche, Università degli Studi di Milano-Bicocca, A.A. 2022/23.
Martedì e mercoledì inizio ore 9:00, giovedì inizio ore 11:30.
ARGOMENTI | MATERIALE | DIDATTICO | LIBRO DI TESTO | ESERCIZI |
Introduzione al corso. | SLIDES. | ESERCIZI. | ||
Prediction, Estimation, and Attribution. | SLIDES. | R CODE. | CASI §1, §Epilogue | ESERCIZI. |
Conformal prediction. | SLIDES. | R CODE | ESERCIZI | |
James-Stein estimation. | SLIDES. | R CODE | CASI §7.1, §7.2 | ESERCIZI. |
Ridge regression. | SLIDES. | R CODE | CASI §7.3, ESL §3.4.1, CASL §3 | ESERCIZI. |
Smoothing splines. | SLIDES. | R CODE | ESL §5.1-§5.5, CASL §4.2, §4.5, §4.6 | ESERCIZI. |
|
|
|||
Sparse Modeling and the Lasso. | SLIDES. | R CODE | CASI §16, ESL §3.3-§3.4.3, CASL §7.1-§7.6 | ESERCIZI |
Data splitting for variable selection. | SLIDES. | R CODE | CASI §15.1, CASI §15.2 | |
Stability selection. | SLIDES. | R CODE | ESERCIZI | |
Knockoff filter. | SLIDES. | R CODE |
La modalità di verifica consiste in una prova scritta in laboratorio. Lo studente (oppure il docente) può richiedere la prova orale. La prova scritta ha come obiettivo la verifica delle abilità di analisi dei dati e di programmazione e la comprensione degli aspetti matematico-statistici degli argomenti trattati.
La prova si svolgerà in laboratorio, con accesso alla piattaforma “esami informatizzati”. Per partecipare alla prova è necessario iscriversi all’appello. Durante la prova sarà possibile utilizzare il software R / Rstudio, con le librerie R disponibili (ovvero quelle installate sul computer). Durante la prova non sarà disponibile il collegamento ad internet (quindi non sarà possibile installare nuove librerie). La prova è a libro aperto. Il materiale consultabile è il seguente:
e verrà reso disponibile tramite la piattaforma “esami informatizzati” il giorno dell’esame.
Calendario degli esami.
Sessione | Data | Luogo | Orario | ||||||
---|---|---|---|---|---|---|---|---|---|
Primaverile | 8 Maggio 2023 | LAB713 | 14:00 | ||||||
Estiva | 26 Giugno 2023 | LAB711 | 16:00 | ||||||
Estiva | 10 Luglio 2023 | LAB711 | 14:00 | ||||||
Estiva | 1 Settembre 2023 | LAB717 | 14:00 |
Efron, Hastie (2016) Computer-Age Statistical Inference: Algorithms, Evidence, and Data Science. Cambridge University Press [CASI]
Hastie, Tibshirani, Friedman (2009). The Elements of Statistical Learning. Springer [ESL]
Lewis, Kane, Arnold (2019) A Computational Approach to Statistical Learning. Chapman And Hall/Crc. [CASL]
Hastie, Tibshirani, Wainwright (2015). Statistical Learning with Sparsity: The Lasso and Generalizations. CRC Press [SLS]
Wainwright (2019) High-Dimensional Statistics: A Non-Asymptotic Viewpoint. Cambridge University Press [HDS]