- Conoscenza e capacità di comprensione: gli studenti dovranno mostrare di avere compreso le basi per l'utilizzo del software R a un livello intermedio e gli aspetti teorici sottostanti le tecniche di visualizzazione e di analisi esplorativa di insiemi di dati bivariati e multivariati.

- Conoscenza e capacità di comprensione applicate: lo studente dovrà mostrare di sapere impiegare il software R per l'analisi multivariata di insiemi di dati reali.

- Autonomia di giudizio: lo studente deve mostrare di sapere scegliere lo strumento più adeguato per la visualizzazione o per l'analisi multivariata di dati reali.

- Abilità comunicative: lo studente sarà in grado di comunicare efficacemente i risultati delle analisi dei dati utilizzando opportuni strumenti (incluso l'impiego di R per la gestione automatica di report)

- Capacità di apprendere: lo studente al termine del corso sarà in grado di analizzare autonomamente R per l'analisi dei dati

Basi di Calcolo delle probabilità e di algebra lineare.
Elementi di base di programmazione.

1. Visualizzazione e analisi dei dati con R: analisi di variabili doppie
a. Confronti tra distribuzioni: boxplot multipli, qq-plot. Strumenti di inferenza in R: test di ipotesi di uguaglianza di medie e ANOVA.
b. Grafici per due variabili quantitative: il diagramma di dispersione e la funzione plot in R
c. Sintetizzare relazioni tra variabili: covarianza/correlazione
d. L'analisi di regressione lineare: la funzione lm() in R
e. Visualizzare relazioni fra variabili in un diagramma di dispersione
f. Lisciamento del diagramma di dispersione (metodo del nucleo, polinomi locali)

2. Uso avanzato di sistemi di visualizzazione in R: il pacchetto ggplot2

3. Analisi e visualizzazione di variabili multiple con R
a. Sistemi per la visualizzazione di dati multidimensionali
b. Introduzione all'analisi di regressione multipla
d. Metodi di raggruppamento gerarchico
e. Metodi di raggruppamento non gerarchico (K-medie e varianti)

- Dispense fornite durante le lezioni disponibili sulla pagina Moodle2@units del corso.

Lezioni in aula.
Esercitazioni guidate.
Lavori di gruppo con discussione comune.

Il corso si avvarrà di strumenti didattici disponibili nelle piattaforme Moodle2@units, MS/Teams e wooclap. Inoltre è previsto che tutti gli studenti usino il software R pertanto è necessario che posseggano o possano accedere a un computer.
Eventuali cambiamenti alle modalità qui descritte, che si rendessero necessari per garantire l'applicazione dei protocolli di sicurezza legati all'emergenza COVID19, saranno comunicati nel sito web di Dipartimento e del Corso di Studio e nelle comunicazioni tramite il Teams dell'insegnamento su MS/Teams.
Per gli studenti che mutuano parte del corso per il modulo di Elementi di Informatica dedicato al software R (CdL SIAFA), il programma sarà limitato ai punti 1-4 e l’esame comprenderà solo un test per il quale sarà previsto solo l’attribuzione di una valutazione idoneo/a-non/idoneo/a.

La valutazione avviene in diversi momenti e con più modalità:
- Per gli studenti frequentanti
1. durante il corso verranno assegnati compiti a casa da consegnare entro termini stabiliti
2. durante il corso verranno svolte una o più prove intermedie di esame
3. Lo studente dovrà presentare un rapporto in cui espone il risultato di un progetto assegnato al termine del corso.

La valutazione finale avverrà facendo la media dei voti conseguite nelle 3 parti (con pesi rispettivamente pari a 0.1, 0.5, 0.4).
Il complesso delle prove è tale da poter giudicare il raggiungimento degli obiettivi formativi come sopra enunciati.

- Studenti non frequentanti: si svolge un esame orale nel quale verrà chiesto anche di svolgere alcune analisi usando il software R o su richiesta potranno svolgere delle analisi su un dataset fornito del docente e presentare i risultati durante l'esame.

Questo insegnamento approfondisce argomenti connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite.