METODI DI RACCOLTA E ANALISI DEI DATI NATURALISTICI ED AMBIENTALI

- Nella prima lezione varranno illustrati gli obiettivi del corso, il programma dettagliato, i metodi d’insegnamento e la modalità di verifica delle conoscenze.
- Il metodo scientifico e la funzione dell’analisi statistica: la logica dell’approccio scientifico allo studio dei fenomeni naturali, che cos’è la statistica e perché serve. DD: 1. Conoscenza e capacità di comprensione, 4. Abilità comunicative
- Gli approcci per l’investigazione delle questioni ecologiche: studi misurativi e manipolativi, esperimenti in campo e in laboratorio, i gradienti naturali e la sostituzione spazio per tempo. DD: 1. Conoscenza e capacità di comprensione
- La logica della verifica delle ipotesi e lo sviluppo di una ricerca: il ruolo della statistica inferenziale, le misure di variabilità e incertezza, l’ipotesi nulla, probabilità e significatività. DD: 1. Conoscenza e capacità di comprensione
- I diversi tipi di variabili e la scelta dei modelli statistici: i dati numerici e categorici, l’associazione fra natura dei dati e modelli statistici. DD: 1. Conoscenza e capacità di comprensione, 4. Abilità comunicative
- La pianificazione del campionamento e la selezione dei campioni: popolazione e campione in statistica, l’unità inferenziale e di campionamento, l’indipendenza, la replicazione e il campionamento casuale. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate
- I metodi e gli strumenti per la raccolta e l’elaborazione dei dati: campionamenti distruttivi e non distruttivi della vegetazione, approcci per la stima della produzione primaria e della decomposizione. DD: 1. Conoscenza e capacità di comprensione
- I modelli lineari in R: correlazione e regressione, analisi della varianza e della covarianza, introduzione al programma statistico R. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio, 5. Capacità di apprendere
- Un protocollo per l’analisi esplorativa dei dati: le statistiche descrittive, l’individuazione di valori anomali, la distribuzione dei dati. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio
- Le procedure per applicare i modelli statistici ai dati: la selezione del modello più appropriato da applicare ai dati e la verifica degli assunti, modelli complessi e parsimoniosi. DD: 1. Conoscenza e capacità di comprensione, 2. Conoscenza e capacità di comprensione applicate, 3. Autonomia di giudizio
- L’interpretazione e la presentazione dei risultati: la struttura di un lavoro scientifico, le rappresentazioni grafiche dei dati. DD: 1. Conoscenza e capacità di comprensione, 3. Autonomia di giudizio
- Alcuni casi di studio e problemi comuni: valutazione critica degli esperimenti, come evitare gli errori statistici più comuni. DD: 1. Conoscenza e capacità di comprensione, 3. Autonomia di giudizio, 5. Capacità di apprendere