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”.
Prerequisiti
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
Programma esteso
# 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
Bibliografia
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.
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.
Altre informazioni
- - -
Obiettivi agenda 2030 per lo sviluppo sostenibile
- - -
