ITA | ENG
B026853 - STATISTICA PER LE BIOTECNOLOGIE
Principali informazioni
Lingua Insegnamento
Contenuto del corso
Libri di testo consigliati
Obiettivi Formativi
Prerequisiti
Metodi Didattici
Altre Informazioni
Modalità di verifica apprendimento
Programma del corso
Anno Accademico 2020-21
Coorte 2020 - Laurea Magistrale in BIOTECNOLOGIE PER LA GESTIONE AMBIENTALE E L'AGRICOLTURA SOSTENIBILE
Anno di corso
Primo Anno - Secondo Semestre
Dipartimento di Afferenza
Scienze e Tecnologie Agrarie, Alimentari Ambientali e Forestali (DAGRI)
Tipo insegnamento
Attività formativa monodisciplinare
Settore Scientifico disciplinare
SECS-S/01 - STATISTICA
Crediti Formativi
6
Ore Didattica
48
Periodo didattico
01/03/2021 ⇒ 11/06/2021
Frequenza Obbligatoria
No
Tipo Valutazione
Voto Finale
Contenuto del corso
mostra
Programma del corso
mostra
Docenza
Mutuazione
Insegnamento mutuato da:
B002657 - STATISTICA
Laurea Magistrale in SCIENZE E GESTIONE DELLE RISORSE FAUNISTICO-AMBIENTALI
B002657 - STATISTICA
Laurea Magistrale in SCIENZE E GESTIONE DELLE RISORSE FAUNISTICO-AMBIENTALI
Lingua Insegnamento
Italiano.
Contenuto del corso
Elementi di statistica descrittiva con R. Il calcolo delle probabilità. Modelli Bayesiani lineari e di regressione logistica. Il disegno statistico degli esperimenti.
Libri di testo consigliati (Cerca nel catalogo della biblioteca)
Stefanini F.M., 2020, Introduzione ai metodi Bayesiani in statistica applicata: materiale ausiliario (sito web).
Obiettivi Formativi
Conoscenze:
elementi generali del paradigma Bayesiano; capacità di formulare un modello lineare per risposte univariate; fondamenti del disegno statistico degli esperimenti.
Competenze acquisite:
riconoscere le caratteristiche delle variabili che compaiono nello studio di un fenomeno; valutare le peculiarità degli esperimenti richiesti per rispondere ad un quesito di ricerca; identificare le criticità connesse all'analisi statistica dei risultati.
Lo studente al termine del corso deve sapere:
1. sintetizzare con riassunti statistici opportuni la qualità dei dati e gli aspetti salienti del fenomeno investigato;
2. trasformare i dati elementari ed effettuare l'analisi statistica con il software R;
3. formulare e applicare modelli lineari di uso ricorrente;
4. applicare le idee di base del disegno sperimentale.
elementi generali del paradigma Bayesiano; capacità di formulare un modello lineare per risposte univariate; fondamenti del disegno statistico degli esperimenti.
Competenze acquisite:
riconoscere le caratteristiche delle variabili che compaiono nello studio di un fenomeno; valutare le peculiarità degli esperimenti richiesti per rispondere ad un quesito di ricerca; identificare le criticità connesse all'analisi statistica dei risultati.
Lo studente al termine del corso deve sapere:
1. sintetizzare con riassunti statistici opportuni la qualità dei dati e gli aspetti salienti del fenomeno investigato;
2. trasformare i dati elementari ed effettuare l'analisi statistica con il software R;
3. formulare e applicare modelli lineari di uso ricorrente;
4. applicare le idee di base del disegno sperimentale.
Prerequisiti
Insegnamenti contenenti i prerequisiti (vincolanti e/o consigliati).
Corsi vincolanti: nessuno.
Corsi raccomandati: matematica di un corso di laurea triennale.
Corsi vincolanti: nessuno.
Corsi raccomandati: matematica di un corso di laurea triennale.
Metodi Didattici
CFU:
Lezioni di didattica frontale (totale ore): 48 (webinar e aula)
Lezioni di didattica frontale (totale ore): 48 (webinar e aula)
Altre Informazioni
Modalità di verifica apprendimento
Esame orale sugli argomenti trattati a lezione, nelle esercitazioni e nei progetti assegnati.
Programma del corso
Introduzione al corso: lo studio della statistica applicata: la preparazione dell’esame, le risorse del corso ed R. Distribuzioni di frequenze, momenti, quantili; sintesi grafiche uni e multivariate. Il calcolo delle probabilità per variabili casuali con riferimento particolare a casi: Bernoulli, Binomiale, Normale, Poisson, Multinomiale, Beta, Gamma. Introduzione ai metodi Bayesiani in prospettiva soggettivista. Modelli lineari per risposte gaussiane e la regressione logistica: stima e test delle ipotesi con variabili esplicative qualitative e/o quantitative. Esperimenti randomizzati in condizioni controllate: campionamento casuale, randomizzazione, controllo, replicazione, variabili obiettivo e covariate.