Obiettivi formativi
<br />La diffusione dell’informatica ha reso accessibile a tutti, non solo ai ricercatori e agli specialisti, i test statistici. A questa grande crescita del loro uso, non è corrisposto un pari incremento della comprensione della metodologia: a quali domande è possibile rispondere, come si deve pianificare la raccolta dei dati in natura ed in laboratorio, quali test applicare, quali le condizioni da rispettare, affinché siano ritenuti universalmente validi dalla comunità scientifica.<br />Dal lavoro di tesi ai rapporti internazionali, ogni pubblicazione fondata sulla interpretazione di dati richiede un’analisi statistica corretta, per essere riconosciuta scientificamente attendibile e permettere il confronto con i risultati di altre ricerche.<br />Nel corso saranno affrontati argomenti di statistica descrittiva e alcuni modelli o distribuzioni teoriche; la parte prevalente sarà dedicata all’inferenza, con test classici di statistica parametrica.
Prerequisiti
Elementi di matematica come da programmi della scuola superiore.
Contenuti dell'insegnamento
<br />Statistica descrittiva:<br />tipidi dati, scale, tabelle<br />rappresentazione grafica dei dati<br />misure di tendenza centrale, di dispersione, di forma (simmetria e curtosi)<br />trasformazionidei dati<br />cenni di calcolo combinatorio: aggruppamenti semplici (permutazioni, disposizioni, combinazioni)<br /><br />Statistica inferenziale univariata:<br />ipotesie verifica delle ipotesi<br />ipotesi nulla e ipotesi alternativa<br />concetti di rischio (o errore) in statistica<br />potenza-efficienza di un test<br />tavole dei valori critici<br />distribuzioni statistiche discrete e continue: binomiale, poissoniana, normale (o gaussiana) e normale standardizzata<br /><br />chi quadrato<br />confronti tra distribuzione osservata e attesa in piccoli campioni (test di Kolmogarov-Smirnov)<br />confronto tra due distribuzioni osservate: tabelle 2 x 2, test di indipendenza<br />tabelle di contingenza 2 x n , m x n<br />metodo esatto di Fisher<br />confronto tra medie di due campioni:<br />test t di Student per due campioni dipendenti (dati appaiati)<br />test t di Student per due campioni indipendenti (dati non appaiati)<br />intervallo di confidenza di una media con deviazione standard nota e ignota<br />Analisi della varianza (ANOVA):<br />a un criterio di classificazione (campionamento completamente casuale)<br />test per l'omogeneità delle varianze<br />componenti della varianza<br />a due criteri di classificazione (blocchi randomizzati)<br />a tre criteri di classificazione (quadrati latini)<br />Regressione lineare semplice:<br />concetto di causa-effetto<br />variabile stocastica e deterministica<br />Y osservati e Y stimati o attesi<br />residui (epsilon)<br />intercetta e coefficiente angolare<br />metodo dei minimi quadrati<br />test F sulla retta di regressione<br />coefficente di determinazione
Programma esteso
- - -
Bibliografia
<br />MANUALE DI STATISTICA PER LA RICERCA E LA PROFESSIONE NELLE DISCIPLINE AMBIENTALI E BIOLOGICHE, L. Soliani, Uni.nova, Parma<br /><br />Camussi et al. - Analisi statistica per la sperimentazione biologica - Zanichelli Bologna
Metodi didattici
Lezioni frontali + Esercitazioni<br />Esame orale o scritto
Modalità verifica apprendimento
- - -
Altre informazioni
- - -
