- Docente: Paolo Abondio
- Crediti formativi: 6
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Moduli: Paolo Abondio (Modulo 1) Paolo Abondio (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Bologna
- Corso: Laurea Magistrale in Scienze e gestione della natura (cod. 9257)
-
Orario delle lezioni (Modulo 1)
dal 08/10/2024 al 03/12/2024
-
Orario delle lezioni (Modulo 2)
dal 03/12/2024 al 16/01/2025
Conoscenze e abilità da conseguire
Al termine del corso, lo studente possiede conoscenze sui metodi statistici uni- e multivariati dedicati alla sperimentazione naturalistica. In particolare, lo studente è in grado di: - programmare esperimenti di biologia in campo e in laboratorio; - programmare campionamenti in natura; - elaborare dati sperimentali da rilevamenti in natura e laboratorio.
Contenuti
Teoria
Introduzione alla teoria statistica - Matrice di dati e tipi di variabili.
Statistica univariata - Visualizzazione e descrizione dei dati. Tabelle di frequenza. Grafici. Misure di posizione: media, mediana, modalità. Misure di variabilità
Statistica bivariata - Tabelle a doppia entrata: distribuzioni congiunte, marginali e condizionate. Associazione, covarianza, correlazione
Regressione lineare
Probabilità e inferenza statistica - Modelli statistici, popolazione e campionamento. Inferenza parametrica: stima dei parametri, intervallo di confidenza e test statistici.
Laboratorio di R
Introduzione a R - cos'è R? Comandi di base e strutture dei dati. Importazione e pulizia dei dati. Funzioni, condizionali e iterazione. Statistica descrittiva e grafici di base.
Analisi statistica con R - applicazione dei metodi statistici spiegati nel primo Modulo attraverso R (statistica univariata, statistica bivariata, regressione lineare e inferenza statistica).
Testi/Bibliografia
TEORIA
Testo di riferimento:
M.C. Whitlock, D. Shculter (2022) "Analisi statistica dei dati biologici".
Altro testo di utile consultazione:
G. Cicchitelli, P. D'Urso, M. Minozzo (2017) "Statistica: principi e metodi", 3a edizione. Pearson Italia.
SOFTWARE R
Peter Dalgaard. Introductory Statistics with R. Springer, New York, 2002.
John Verzani. Using R for Intoductory Statistics. Chapman & Hall/CRC, Boca Raton, FL, 2005.
Stefano M. Iacus, Guido Masarotto . Laboratorio di statistica con R. McGraw-Hill, seconda edizione
Franco Crivellari. Analisi Statistica dei dati con R. Apogeo, 2006
Metodi didattici
Lezioni frontali e laboratorio di R.
Si suppone che ogni studente possa avere accesso a un computer personale su cui installare il software R per seguire le lezioni pratiche e svolgere gli esercizi dati in classe.
In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio (https://elearning-sicurezza.unibo.it ), in modalità e-learning.
Modalità di verifica e valutazione dell'apprendimento
L'esame finale è costituito dalle seguenti prove:
- Prova scritta di 1 ora con domande a risposta multipla e aperta mirate a verificare la teoria generale.
- Soluzione di un esercizio pratico in R con descrizione delle procedure e dei risultati ottenuti nell'esercizio.
Strumenti a supporto della didattica
Materiale fornito dal docente; materiali e piattaforme online utili per l'integrazione e l'approfondimento della materia.
Orario di ricevimento
Consulta il sito web di Paolo Abondio