Obiettivi formativi
1. Conoscenza e capacità di comprensione. Gli studenti saranno messi in grado di raggiungere una buona conoscenza della statistica descrittiva univariata, bivariata e dei principi dell’inferenza statistica, applicandola a dati reali in contesti di ricerca .
2. Capacità di applicare conoscenza e comprensione. Gli studenti saranno messi in grado di utilizzare l’ambiente di sviluppo R per descrivere e creare presentazioni grafiche di strutture di dati semplici.
3. Autonomia di giudizio. Gli studenti saranno messi in grado di sviluppare capacità critica e autonomia di giudizio rispetto alla descrizione di dati in report tecnici e all'interpretazione del test inferenziale applicato.
4. Abilità comunicative. Gli studenti saranno messi in grado di comunicare i risultati di analisi di dati, sia in forma numerica sia in forma grafica, con l’adeguato apparato iconografico e l’adeguato lessico tecnico-statistico, a interlocutori specialisti e non specialisti.
5. Capacità di apprendimento. Gli studenti saranno messi n grado di apprendere in modo prevalentemente autonomo nuove tecniche per la descrizione e l'inferenza di dati, in particolare nell’ambiente di sviluppo R.
Prerequisiti
Nessun prerequisito.
Contenuti dell'insegnamento
Il corso intende presentare gli elementi di base della teoria della misura e della statistica descrittiva univariata e bivariata con applicazioni alla ricerca in psicobiologia e neuroscienze cognitive. Il corso introduce inoltre all’utilizzo dell’ambiente di sviluppo R per l’analisi statistica e la presentazione di dati.
Programma esteso
Principi di utilizzo di R. Tipologie di dati. Distribuzioni univariate: misure di tendenza centrale e dispersione. Indici di Forma. Trasformazioni lineari e non lineari. Stime intervallari. Rappresentazioni grafiche univariate. Distribuzioni bivariate: associazione, correlazione, modelli lineari. Rappresentazioni grafiche bivariate. Indici di effect size. Cenni di teoria della probabilità e il problema dell'inferenza statistica. Teorema del limite centrale, legge dei grandi numeri. Principali test inferenziali da associare alle statistiche descrittive affrontate.
Bibliografia
Chiorri, C. (2020). Fondamenti di psicometria. McGraw-HIll. (capitoli da 1 a 15).
Venables, W.N., Smith, D.M. and the R Core Team (2012). An introduction to R. Scaricabile gratuitamente da: http://www.r-project.org/
Metodi didattici
Le lezioni si svolgeranno in presenza, e saranno integrate con esercitazioni in aula. Il materiale didattico sarà depositato sulla specifica piattaforma ad accesso riservato agli studenti (Elly) e comprenderà presentazioni iconografiche e/o audio-video di supporto, oltre a dataframe e testi di esercitazione.
Modalità verifica apprendimento
Esame scritto, con due domande aperte di teoria sull'intero programma, e un esercizio in ambiente R. L'esercizio prevede l'analisi di dati che saranno messi a disposizione (tramite Elly) al massimo 48 ore prima della prova. Le analisi comprenderanno una prima parte relativa a statistiche descrittive sui dati e due successive parti in cui saranno richieste verifiche inferenziali di ipotesi. Oltre alla corretta esecuzione delle statistiche, sarà considerata parte imprescindibile ai fini della sufficienza la capacità di interpretare e commentare adeguatamente gli output delle analisi. La valutazione in trentesimi sarà così composta:
prima domanda di teoria: 0-8 punti; seconda domanda di teoria: 0-8 punti
esercizio: 0-14 punti, così suddivisi:
prima parte 0-4 punti;
seconda parte 0-5 punti;
terza parte 0-5 punti.
E' facoltà dello studente chiedere che l'esame sia integrato da una prova orale, purché l'esito della prova scritta sia complessivamente sufficiente. La prova orale è strutturata in maniera analoga alla prova scritta: domande relative ai contenuti dell'intero programma e una breve esercitazione in ambiente R su dati utilizzati per le esercitazioni durante il corso.
Gli Studenti con DSA/BSE devono preventivamente contattare il Centro di Accoglienza e Inclusione dell'Ateneo (cai@unipr.it)
Altre informazioni
Si raccomanda con insistenza di accompagnare la preparazione teorica con l'esecuzione degli esercizi proposti; si suggerisce di richiedere al docente feedback sulla loro correttezza.
Obiettivi agenda 2030 per lo sviluppo sostenibile
- - -
