Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Data management and research methodologies

Oggetto:

Data management and research methodologies

Oggetto:

Anno accademico 2019/2020

Codice dell'attività didattica
SAF0073
Docenti
Prof. Mario Giacobini (Affidamento interno)
Prof. Dario Sacco (Affidamento interno)
Corso di studi
[1707M21-001] SCIENZE ANIMALI - curr. Animal Nutrition and Feed Safety
Anno
2° anno
Tipologia
B - Caratterizzante
Crediti/Valenza
6
SSD dell'attività didattica
INF/01 - informatica
Modalità di erogazione
Convenzionale
Lingua di insegnamento
Inglese
Modalità di frequenza
Facoltativa
Tipologia d'esame
Scritto con orale a seguire
Prerequisiti

Conoscenze di matematica fornite nella scuola superiore e nell’ambito degli insegnamenti di matematica di base.
Conoscenze di base di utilizzo di fogli di calcolo relativamente i) alla parametrizzazione ed utilizzo di formule già implementate, ii) alla costruzione di tabelle ed ii) alla produzione di semplici grafici del tipo istogrammi ed a dispersione.

Basic knowledge of mathematics acquired during high school and during the course for getting the bachelor’s degree.
Students are required to have skills in the use of spreadsheets for i) parametrization of existing formulas, ii) creation of tables, and iii) creation of simple graphs (bar plots, scatter plots).

Propedeutico a

Insegnamento apicale, propedeutico alla professione.

This is an apical course, preparatory for the profession.
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

L'obiettivo dell'insegnamento è quello di dotare il dottore magistrale delle competenze necessarie per applicare il metodo scientifico di indagine ed interpretare problemi complessi riferiti agli aspetti della nutrizione animale. Lo studente sarà quindi in grado di pianificare e eseguire le più comuni applicazioni di statistica univariata riportate sulla stampa tecnica e tecnico scientifica.

The subjects are included in the learning area of knowledg and understanding capacity.

Objective of the course is to provide graduated students with expertise aimed at applying the scientific method and interpreting complex problems referred to animal nutrition issues. The student will be able to design and execute statistical procedures normally applied on technical and scientific journals.

Oggetto:

Risultati dell'apprendimento attesi

Conoscenze e capacità di comprensione

Gli studenti saranno in grado di:

apprendere nozioni di base di statistica inferenziale, padroneggiare i concetti di ipotesi, distribuzione e inferenza;

interpretare semplici statistiche univariate, che normalmente appaiono su riviste tecniche e scientifiche;

comprendere i risultati sperimentali basati su prove statistiche.

Capacità di applicare conoscenze e comprensione

Saranno anche in grado di eseguire le stesse statistiche da soli utilizzando fogli di lavoro o software statistici e pianificando semplici progetti sperimentali.

Gli studenti saranno in grado di:

 

gestire semplici database ricavando le principali statistiche descrittive;

rappresentare i risultati per mezzo di tabelle e figure;

pianificare progetti sperimentali semplici;

definire l’analisi statistica utile per studiare il fenomeno in esame, scegliendo e applicando il test statistico più adeguato

Autonomia di giudizio

Gli studenti devono acquisire una buona confidenza nella scelta del disegno sperimentale più adatto allo studio del fenomeno in esame. Una volta condotta l'analisi statistica dei dati raccolti, gli studenti devono mostrare una buona autonomia nel discutere i risultati sperimentali sulla base di risultati statistici.

 

Abilità comunicative

Gli studenti acquisiranno un vocabolario adeguato per la descrizione dei risultati statistici.

 

Capacità di apprendimento

Le conoscenze acquisite offrono la base per analizzare in modo indipendente i dati e per un futuro apprendimento dei modelli statistici.

Knowledge and understanding

Students will be able:

  • to learn basic notions of inferential statistics, mastering the concepts of hypothesis, distribution, and inference;
  • to interpret simple univariate statistics, normally appearing on technical and scientific journals;
  • to understand experimental results based on statistical evidence.

Applying knowledge and understanding

They will be also able to perform the same statistics by themselves using worksheets or statistical software and plan simple experimental designs. Students will be able:

  • to manage simple flat databases deriving main descriptive statistics;
  • to represent results by means of tables and figures;
  • to plan simple experimental designs;
  • to draw the statistical framework useful to study the phenomenon under investigation, by choosing and applying the statistical test more adequate for the selected statistical analysis.

Making judgements

Students must gain a good confidence in selecting the experimental design more suitable to study the phenomenon under investigation. Once conducted the statistical analysis of the data collected, students must show a good autonomy in discussing experimental results based on statistical outputs.

Communication skills

Students will acquire a proper vocabulary for describing statistical results.

Learning skills

The acquired knowledge offers the basis to independently analyse data and for a future learning of statistical models.

Oggetto:

Modalità di insegnamento

Il corso consiste in 60 ore di lezioni frontali svolte su postazioni PC. Le presentazioni in PowerPoint e gli esercizi già risolti, utilizzati durante le lezioni, sono disponibili per gli studenti sulla piattaforma del corso.

La frequenza al corso non è obbligatoria, ma gli studenti sono calorosamente invitati a partecipare. L'esame finale non sarà differenziato tra studenti che hanno frequentato e quelli che non lo hanno fatto.

The course consists of 60 hours of lectures carried out on PC working stations. PowerPoint presentations and already solved exercises, used during lessons, are available to students on the course platform.
Attendance to the course is not mandatory, but students are warmly request to attend. The final exam will not be differentiated between students that have attended and those that have not.

Oggetto:

Modalità di verifica dell'apprendimento

L'esame finale consisterà in esercizi da risolvere con l'aiuto di un PC e di una parte orale per valutare le conoscenze teoriche dello studente. La parte pratica deve essere valutata "sufficiente" per avere accesso alla parte orale. Sarà espresso in trentesimi.

 

Durante il semestre sono previsti due test pratici in corso sulle prime (30 ore) e seconde (30 ore) parti del corso. Se superato con un punteggio sufficiente, i test pratici in corso esonerano dalle parti interessate agli esami finali.

Final exam will consists of exercises to be solved with the help of a PC and of a oral part to assess theoretical knowledge of the student. Practical part must be evaluated "sufficient" to have access to the oral part. It will be expressed on a scale of 30.

During the semester two ongoing practical tests are scheduled on the first (30 hours) and second (30 hours) parts of the course. If passed with a sufficient mark, the ongoing practical tests exonerate from the parts covered at the final examinations.

Oggetto:

Programma

Programma del corso:

 

Tipi di variabili

Statistica descrittiva: indici di posizione, variabilità e forma.

Distribuzioni e rappresentazioni di probabilità.

Calcolo della probabilità utilizzando software statistico

Applicazione su statistiche inferenziali

Teorema del limite centrale e test di ipotesi statistica

Errore standard e intervalli di confidenza

Confronto dei campioni

Primo e secondo tipo di errore

ANOVA a una o più vie

Disegno fattoriale

Trasformazione dei dati per test di normalità

Semplice regressione lineare

Regressione lineare multipla

Introduzione a LMM

Course program:

  • Types of variables
  • Descriptive statistics: indices of position, variability and shape.
  • Probability distributions and representations.
  • Calculation of probability using statistical software
  • Application on inferential statistics
  • Central limit theorem and statistical hypothesis testing
  • Standard error and confidence intervals
  • Samples comparison
  • First and second type errors
  • One way and multiple ways ANOVA
  • Factorial design
  • Data transformation for normality tests
  • Simple linear regression
  • Correlation analysis
  • Multiple linear regression
  • Introduction to LMM

Testi consigliati e bibliografia

Oggetto:

Testi consigliati e bibliografia

Statistics: The Art and Science of Learning from Data, 4th Edition

Alan Agresti, Christine A. Franklin, Bernhard Klingenberg

Pearson, ISBN: 9780133860917

http://www.artofstat.com/webapps.html

Statistics: The Art and Science of Learning from Data, 4th Edition
Alan Agresti, Christine A. Franklin, Bernhard Klingenberg
Pearson, ISBN: 9780133860917
http://www.artofstat.com/webapps.html



Oggetto:
Ultimo aggiornamento: 29/02/2020 16:26
Non cliccare qui!