INGLESE

Un buon grafico è uno strumento potente per analizzare i dati e comunicare risultati. Grazie a processi visivi, un buon grafico statistico può rapidamente fornire una comprensione dei dati.
Allo stesso modo, la presentazione di report statistici è un potente strumento comunicativo che necessita di essere strutturato secondo degli standard precisi.
Questo corso servirà a introdurre lo studente alle forme più comuni di visualizzazione grafica e ai loro usi e abusi, nonché a saper presentare semplici elaborazioni in report statistici.
Gli studenti impareranno sia come creare questi grafici che come comprenderli. Le lezioni copriranno anche alcuni principi di percezione e stima visiva. Iniziamo con dati univariati e bivariati, esaminando alcuni grafici di uso comune e, dopo aver discusso i loro vantaggi / svantaggi, passeremo a strumenti più sofisticati. Esploreremo quindi alcuni strumenti tridimensionali, struttura di gruppo / clustering e proiezioni di dati multi dimensionali. Se il tempo lo consente, il corso prenderà in considerazione alcuni modelli grafici più avanzati come mappe statistiche, reti e l'uso di icone.
Il corso ha come obiettivo quello di fornire competenze metodologiche e pratiche per analizzare dati di diversa natura utilizzando strumenti visivi e per scoprire risultati e andamenti attraverso un’ispezione visiva dei dati.
Lo studente apprenderà come scegliere i migliori strumenti in base alla natura dei dati, al diverso contesto applicativo e a come sviluppare uno storytelling supportato da dati.

Testi consigliati (alcuni sono disponibili gratuitamente dal sito della biblioteca):
Claus O. Wilke, Fundamentals of Data Visualization, O'Reilly
disponibile gratuitamente on line: https://clauswilke.com/dataviz/

R workflow: https://hbiostat.org/rflow/

Edward R. Tufte, “The Visual Display of Quantitative Information”
Leland Wilkinson, The Grammar of Graphics, 2nd edition, Springer
AA.VV., Handbook of Data Visualization, Springer

Websites:
https://ggplot2.tidyverse.org/
https://matplotlib.org/
https://seaborn.pydata.org/
https://towardsdatascience.com/data-visualization/home

Il corso ha come obiettivo quello di formare uno studente che sarà capace di:
Esplorare visivamente dati grezzi e verificare se alcuni modelli statistici rappresentano bene i dati.
Avere capacità critica e eventualmente proporre modifiche a grafici statistici sui principi seguenti.
Produrre infografiche statistiche che siano comprensibili, auto-esplicative e informative utilizzando dei software statistici
Progettare grafici statistici efficaci utilizzando i principi della percezione visiva
Modellizzare grafici statistici in base oi principi della grammatica dei grafici
Progettare poster o infografiche utilizzando i principi del design grafico
Generare visualizzazioni interattive seguendo i principi del design interattivo
Sintetizzare la letteratura sulla visualizzazione dei dati per giustificare le raccomandazioni della pratica grafica.
Fornire le regole di base da seguire per la produzione di report statistici.

Statistica descrittiva e basi di programmazione

48 ore di lezioni frontali con utilizzo di slides e 36 ore di attività laboratoriale con l’utilizzo di software statistico

La modalità di verifica prevedono una prova d'esame con una somministrazione di circa 30 di quiz sui temi del programma e di una discussione di un elaborato svolto dallo studente. Nel caso lo studente non abbia potuto produrre l'elaborato, la seconda parte d'esame verterà sulla discussione approfondita di uno degli argomenti trattati al corso.
La votazione in trentesimi sarà proporzionale al grado di conoscenza verificata attraverso le eventuali prove in itinere e/o quella finale.

Si raccomanda una frequenza costante e partecipativa. Discuteremo, criticheremo e riformuleremo tecniche di visualizzazione, attraverso esercizi pratici, mostreremo diversi software per la grafica statistica, ecc. Non sono argomenti che gli studenti possono riformulare solo studiando le slides. Se uno studente si assenterà a molte lezioni il suo voto ne può risentire.
Oltre ai testi consigliati, il docente fornirà articoli scientifici o divulgativi e dispense su argomenti specifici.
Il laboratorio sarà sviluppato per la maggior parte in R, ma anche altri linguaggi sono ammessi (Matlab, Python).
Laddove possibile, si consiglia di venire a lezione con un notebook.

Richiami di studio di funzioni in più variabili e di funzioni matriciali. (0,5 CFU)

Principi di viasulizzazione grafica(0,5 CFU)
Alcuni criteri per realizzare dei buoni grafici

1-d plots (1 CFU)
Dati numerici e categorici
Steam and leaf plots
Diagrammi a barre
Diagrammi a torta
Istogrammi
Density plot (KDE)

Dati raggruppati (Categorici-numerici, Categorici-categorici)
Serie storiche
Diagrammi a spezzata
Diagrammi ad area

Grafici per serie territoriali (Mappe)
Box-plots e grafici derivati
Violin plots

Grafici per dati bivariati (1 CFU)
Dati numerici, categorici and misti

Scatterplot (Diagrammi di dispersion)
Bag plots
Density plots (KDE)
Heat- maps
Correlation plots

Grafici per dati trivariati (0,5 CFU)
Scatter plot
Density plots (KDE)
Contour plots

Grafici 4-d, interattivi e animati
(0.5 CFU)

Visualizzazione di dati multivariati (1 CFU)
Mosaic plots
Tree maps e dendrograms
Parallel coordinates
Bi-plot
PCA (cenni)


Grafici per particolari strutture di dati (1 CFU)
Dati reticolari
Network plots
Dati testuali
Word clouds
Grafici per dati di flusso
Circular plots
Grafici per matrici di distanze
Stream graphs

Elementi di statistical reporting (0,5 CFU)

Software: (3 CFU laboratory)
R
ggplot
Rmarkdown
Quarto

ENGLISH

A good graph is a powerful tool for analyzing data and communicating results. Through visual processes, a good statistical graph can quickly provide an understanding of the data. Similarly, the presentation of statistical reports is a powerful communicative tool that needs to be structured according to precise standards.

This course will serve to introduce the student to the most common forms of graphic visualization and their uses and misuses, as well as how to present simple analyses in statistical reports. Students will learn both how to create these graphs and how to understand them. The lessons will also cover some principles of perception and visual estimation. We begin with univariate and bivariate data, examining some commonly used graphs, and after discussing their advantages/disadvantages, we will move on to more sophisticated tools. We will then explore some three-dimensional tools, group structure/clustering, and projections of multi-dimensional data. If time allows, the course will consider some more advanced graphical models such as statistical maps, networks, and the use of icons.

The aim of the course is to provide methodological and practical skills for analyzing data of different nature using visual tools and to discover results and trends through visual inspection of the data. The student will learn how to choose the best tools based on the nature of the data, the different application contexts, and how to develop data-supported storytelling.

Recommended textbooks (some are freely available for download from the Library of the University)
Claus O. Wilke, Fundamentals of Data Visualization, O'Reilly
free available with code here: https://clauswilke.com/dataviz/

R workflow: https://hbiostat.org/rflow/

Edward R. Tufte, “The Visual Display of Quantitative Information”
Leland Wilkinson, The Grammar of Graphics, 2nd edition, Springer
AA.VV., Handbook of Data Visualization, Springer

Websites:
https://ggplot2.tidyverse.org/
https://matplotlib.org/
https://seaborn.pydata.org/
https://towardsdatascience.com/data-visualization/home

Upon completing this course, you should be able to:
1.Explore raw data visually and assess statistical models’ fit using graphical diagnostics
2.Critique and redesign statistical graphics based on the principles below
3.Produce legible, self-contained, informative graphics using statistical software
4.Plan effective statistical graphics using the principles of human visual perception
5.Model statistical graphics according to the Grammar of Graphics principles
6.Design multi-chart static works (conference posters, infographics) using the principles of graphic design
7.Generate interactive data visualizations following the principles of interaction design
8.Synthesize the data visualization research literature to justify recommendations for graphical practice
9. Give the basic rules for producing effective statistical reports.

Descriptive statistics and basic programming skills.

48 hours of lectures using slides and 36 hours of laboratory activities using statistical software

The verification method includes an exam with the administration of about 30 quizzes on the topics of the program and a discussion of a report developed by the student. If the student has not been able to produce the report the second part of the exam will focus on the in-depth discussion of one of the topics covered in the course.
The mark out of thirty will be proportional to the degree of knowledge verified through any ongoing and / or final tests.
For those who do not attend regularly (less than 50% of lessons). The test will consist of a collection of quizzes and a discussion of practical problems.
The vote goes from 18 to 30 and it will be proportional to the degree of knowledge verified through the task performed in itinere and / or the final exam discussion.

It is expected students to attend class and be actively engaged. We will discuss, critique, and redesign graphics, work through practical exercises, demonstrate useful software, etc. These are not things students can recreate by reading the slides afterwards. If a student misses enough classes, his/her grade will be affected.
In addition to the recommended textbooks, the teacher will provide scientific or informative articles and notes on specific subjects.
The laboratory will be developed mostly in R, but other languages are also allowed (Matlab, Python).
If possible, it encouraged to follow all the lectures with a notebook.

Recap of multivariable analysis and matrix functions.(0.5 CFU)

Main principles of visualization (0.5 CFU)
Some principles for good visualizations

1-d plots (1 CFU)
Numerical data and Categorical data
Steam and leaf plots
Bar diagrams
Pie diagrams
Histograms
Density plot (KDE)

Grouped data (Categorical-numerical, Categorical-categorical)
Time series
Line plots
Areal plots

Map plot
Box-plots and related plots
Violin plots

2-d plots (1 CFU)
Numerical, Categorical and Mixed data

Scatterplot
Bag plots
Density plots (KDE)
Heat- maps
Correlation plots

3-d plots (0,5 CFU)
Scatter plot
Density plots (KDE)
Contour plots

4-d plots, interactive and animation in plots
(0.5 CFU)

Visualization of D-dimensional data (1 CFU)
Mosaic plots
Tree maps and dendrograms
Parallel coordinates
Bi-plot
Principal Components Analysis


Plot for particular datasets (1 CFU)
Network data
Network plots
Textual data
Word clouds
Plots for flows
Circular plots
Plots for Distance matrices
Stream graphs

Elements of statistical reporting (0,5 CFU)

Software: (3 CFU laboratory)
R
ggplot
Rmarkdown
Quarto