ANALISI DI DATI ECOLOGICI

Docenti: 
LEONARDI Stefano
Codice dell'insegnamento: 
10194*10206*2016*2012*9999
Crediti: 
6
Sede: 
PARMA
Anno accademico di offerta: 
2017/2018
Settore scientifico disciplinare: 
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA (SECS-S/02)
Semestre dell'insegnamento: 
Primo Semestre
Lingua di insegnamento: 

Italiano

Lingua dell'insegnamento: 

Italiano

Obiettivi formativi

L'obiettivo principale del corso è fornire allo studente le nozioni
teoriche e pratiche per applicare il corretto metodo scientifico in
ambito ecologico. Si impara a testare vari tipi di modelli o ipotesi,
a predisporre un esperimento valido per testare il modello o le
ipotesi, ad analizzarne statisticamente i dati raccolti e a
presentarne efficacemente i risultati.

L'enfasi dell'interpretazione è sempre sul "lasciare parlare i dati"
in modo da sviluppare nello studente una concezione critica della
scienza e possibilmente libera da ogni preconcetto.

Lo studente impara la teoria e le nozioni pratiche per analizzare i
dati ( “Conoscenza e capacità di comprensione”), impara ad applicarle
autonomamente, dapprima in classe e successivamente in autonomia, a
situazioni nuove ( “Conoscenze applicate e capacità di comprensione”),
impara a trarre autonomamente le conclusioni statisticamente
correttesulla base base dei dati e della loro aderenza alle ipotesi e
ai modelli testati ("Autonomia di giudizio") e infine impara a
presentare graficamente in modo efficace i risultati ottenuti
("Abilità comunicative"). La progressiva autonomia da parte dello
studente favorisce quindi anche lo svilupparsi delle cosiddette
“Capacità di apprendere”.

L'obiettivo principale del corso è fornire allo studente le nozioni
teoriche e pratiche per applicare il corretto metodo scientifico in
ambito ecologico. Si impara a testare vari tipi di modelli o ipotesi,
a predisporre un esperimento valido per testare il modello o le
ipotesi, ad analizzarne statisticamente i dati raccolti e a
presentarne efficacemente i risultati.

L'enfasi dell'interpretazione è sempre sul "lasciare parlare i dati"
in modo da sviluppare nello studente una concezione critica della
scienza e possibilmente libera da ogni preconcetto.

Lo studente impara la teoria e le nozioni pratiche per analizzare i
dati ( “Conoscenza e capacità di comprensione”), impara ad applicarle
autonomamente, dapprima in classe e successivamente in autonomia, a
situazioni nuove ( “Conoscenze applicate e capacità di comprensione”),
impara a trarre autonomamente le conclusioni statisticamente
correttesulla base base dei dati e della loro aderenza alle ipotesi e
ai modelli testati ("Autonomia di giudizio") e infine impara a
presentare graficamente in modo efficace i risultati ottenuti
("Abilità comunicative"). La progressiva autonomia da parte dello
studente favorisce quindi anche lo svilupparsi delle cosiddette
“Capacità di apprendere”.

Prerequisiti

Avere frequentato un corso introduttivo alla statistica o al calcolo
delle probabilità nel corso della laurea triennale

Avere frequentato un corso introduttivo alla statistica o al calcolo
delle probabilità nel corso della laurea triennale

Contenuti dell'insegnamento

# Introduzione a R

* Vantaggi rispetto ad altri pacchetti statistici
* Le variabili (vettori, matrici, array, dataframe, liste)
* Le funzioni
* Le strutture di controllo
* La grafica

# I test statistici "classici" con R

* Il t di student
* I test non parametrici
* Il chi quadrato
* Un test di permutazione

# L'analisi della varianza in ecologia

* L'anova come modello interpretativo dei processi ecologici
* Preparazione della matrice dei dati
* La funzione lm di R
* Analisi ed interpretazione dell'interazione statistica
* Verifica delle assunzioni

# Introduzione all'algebra matriciale

* La somma e il prodotto di matrici
* Il determinante
* La matrice inversa

# La regressione lineare con le matrici

* Il modello Y=Xb + e
* Le formule "normali"
* Applicazioni con R

# L'ANOVA con le matrici

* Applicazioni con R
* Disegno sperimentale

# Fitting non lineari

* La funzione nls di R
* Scelta fra tre modelli diversi

# Statistica Multivariata

* Analisi delle componenti principali
* Cluster Analysis e Analisi delle Coordinate Principali

# Introduzione alla Maximum Likelihood e alla statistica Bayesiana

# Introduzione a R

* Vantaggi rispetto ad altri pacchetti statistici
* Le variabili (vettori, matrici, array, dataframe, liste)
* Le funzioni
* Le strutture di controllo
* La grafica

# I test statistici "classici" con R

* Il t di student
* I test non parametrici
* Il chi quadrato
* Un test di permutazione

# L'analisi della varianza in ecologia

* L'anova come modello interpretativo dei processi ecologici
* Preparazione della matrice dei dati
* La funzione lm di R
* Analisi ed interpretazione dell'interazione statistica
* Verifica delle assunzioni

# Introduzione all'algebra matriciale

* La somma e il prodotto di matrici
* Il determinante
* La matrice inversa

# La regressione lineare con le matrici

* Il modello Y=Xb + e
* Le formule "normali"
* Applicazioni con R

# L'ANOVA con le matrici

* Applicazioni con R
* Disegno sperimentale

# Fitting non lineari

* La funzione nls di R
* Scelta fra tre modelli diversi

# Statistica Multivariata

* Analisi delle componenti principali
* Cluster Analysis e Analisi delle Coordinate Principali

# Introduzione alla Maximum Likelihood e alla statistica Bayesiana

Programma esteso

Bibliografia

Sono a disposizione on-line le dispense
preparate dall'insegnante.

Sono a disposizione on-line le dispense
preparate dall'insegnante.

Metodi didattici

Il corso ha un forte contenuto pratico. Gli studenti avranno tutti a
disposizione un computer e ciascuna lezione consisterà in un breve
introduzione teorica seguita da esercitazioni pratiche di analisi di
dati ecologici guidate dall'insegnante o da un esercitatore. Alcuni
argomenti saranno presentati con un approccio deduttivo imparando la
legge generale da simulazioni al calcolatore di diversi casi
particolari.

Il corso ha un forte contenuto pratico. Gli studenti avranno tutti a
disposizione un computer e ciascuna lezione consisterà in un breve
introduzione teorica seguita da esercitazioni pratiche di analisi di
dati ecologici guidate dall'insegnante o da un esercitatore. Alcuni
argomenti saranno presentati con un approccio deduttivo imparando la
legge generale da simulazioni al calcolatore di diversi casi
particolari.

Modalità verifica apprendimento

Il voto finale è frutto della media del voto totalizzato da ogni
studente con due modalità diverse

- durante il corso, alla fine di ogni lezione, l'insegnante assegna
dei compiti a casa da svolgere in autonomia, in cui lo studente
applica a nuove situazioni le nozioni apprese in classe. Viene
valutata con domande apposite la capacità critica dello studente
nell'interpretazione statistica dei dati, nel sostegno alle ipotesi
testate e nella verifica delle assunzioni.

- alla fine del corso viene effettuato un esame pratico un cui lo
studente in totale verificata autonomia simula una sessione di
analisi dei dati ottenuti da uno o più esperimenti ecologici e a
presentare i risultati graficamente in modo corretto ed efficace.

Il voto finale è frutto della media del voto totalizzato da ogni
studente con due modalità diverse

- durante il corso, alla fine di ogni lezione, l'insegnante assegna
dei compiti a casa da svolgere in autonomia, in cui lo studente
applica a nuove situazioni le nozioni apprese in classe. Viene
valutata con domande apposite la capacità critica dello studente
nell'interpretazione statistica dei dati, nel sostegno alle ipotesi
testate e nella verifica delle assunzioni.

- alla fine del corso viene effettuato un esame pratico un cui lo
studente in totale verificata autonomia simula una sessione di
analisi dei dati ottenuti da uno o più esperimenti ecologici e a
presentare i risultati graficamente in modo corretto ed efficace.

Altre informazioni