INGLESE
English
Conoscenza statistica descrittiva, conoscenze informatiche di base (e.g., archiviazione file, fogli elettronici, editor di testi)
Descriptive statistical knowledge, basic computer knowledge (eg, file storage, spreadsheets, text editor)
Le lezioni teoriche saranno alternate ad esercitazioni informatiche utilizzando software freeware (se posibile, gli studenti utilizzeranno propri computer)
Theoretical lessons will be alternated with computer exercises using freeware software (if possible, students will use their own computers)
Il corso si propone di fornire agli studenti le competenze e le abilità necessarie per realizzare disegni sperimentali ed analizzare dati ambientali e biologici marini.
Gli studenti impareranno ad utilizzare strumenti di analisi dati e come analizzare dati provenienti da banche dati ad accesso libero.
Gli studenti impareranno ad affrontare problemi pratici ed interpretativi negli esperimenti di laboratorio e in campo, imparando il rigore logico ed aprendo la loro mente alla complessità e possibili interazioni che avvengono nel mondo reale.
The course aims to provide the students with the skills and abilities needed to develope expreimental designs and analyze marine environmental and biological data.
Students will learn how to use data analysis tools and how analyze data from open access databases.
Students will learn how to deal with practical and interpretative problems in laboratory and field experiments, learning logical rigor and opening their minds to the complexity and possible interactions that take place in the real world.
Il programma sarà così strutturato:
· Osservazione, modelli (ipotetico-deduttivo e induttivo), formulazione di ipotesi, ipotesi nulla e test di falsificazione
· Campionamento rappresentativo, replicazione, precisione ed accuratezza
· Tipologie di dati (quantitativi, qualitativi, presenza/assenza)
· Distribuzione della frequenza delle osservazioni, tendenza e stima campionaria
· Distribuzione normale e Gaussiana, errore standard e deviazione standard, intervallo di confidenza
· Ipotesi ad una e due code; Student-t test, errore di Tipo I e Tipo II
· Studi manipolativi e correlativi; esperimenti manipolativi: allocazione delle repliche ai trattamenti e randomizzazione
· Disegno sperimentale. Fattori fissi e rendom, nested e crossed.
· Normalità ed omoschedasticità, trasformazione dei dati.
· Analisi della varianza (ANOVA); ANOVA gerarchizzata, fattoriale e a misure ripetute. Assunti dell’analisi: indipendenza dei dati, omogeneità della varianza, normalità ed indipendenza dei campioni. Confronti a posteriori: il test di Student-Neuman-Keuls e test di Tukey
· Disegno BACI
· Dati non normali e test non parametrici (Kruskal-Wallis e test di Friedman). Test a posteriori (tesi di Dunn e Mann-Whitney). Correzione di Bonferroni.
· Analisi multivariata: variabili, tipologie di dataset, trasformazione dei dati e matrici di resemblance. Analisi permutazionale della varianza in ambito multivariato (PERMANOVA), output e test a posteriori. Metodi di ordinamento dei dati forzati e non-forzati: MDS, CAP, PCA e PCO.
· Analisi SIMPER (Similarity Percentage).
· Indici di diversità ecologica.
Introduzione a R come strumento per programmare.
• Tipi di dato fondamentali. Nozione di variabile. Assegnazione. Operatori aritmetici, logici e relazionali.
• Istruzioni condizionate. Istruzioni cicliche. Funzioni. Funzioni ricorsive. Importazione dati.
• Cenni di equazioni differenziali e la loro integrazione numerica.
• Modellistica numerica: introduzione e applicazione.
Course overview:
- Observations, hypothetico-deductive and inferential models, hypothesis, null hypothesis and falsification tests
- Types of data (qualitative, quantitative, presence/absence)
- Distribution of observations (frequency, tendency, normal or Gaussian), standard error, standard deviation, confidence interval
- Student t-test, error type I and II
- Manipulative and correlative studies, manipulative experiments, replicates and randomization
- Experimental design, random and fixed factors, nested and crossed factors
- Parametric data: normality and homoscedasticity; Data transformation
- Linear model and simple linear regression
- Analysis of variance (ANOVA): hierarchical, factorial and repeated measure ANOVA; a-posteriori tests (Student-Neuman-Keuls and Tukey)
- Introduction to generalized linear model: logistic regression, Poisson regression
- BACI design
- Non-parametric data and non-parametric tests (Kruskal-Wallis e test di Friedman), a-posteriori tests (Dunn and Mann-Whitney), Bonferroni correction.
- Multivariate data analysis: variables, dataset types, data transformation, resemblance matrices.
- Permutational analysis of variance (PERMANOVA), a posteriori test,
- Analysis of similarity percentages (SIMPER), multi-dimensional scaling (n-MDS and MDS), principal component analysis (PCA), principal coordinate analysis (PCO), canonical analysis of principal coordinates (CAP)
- Ecological diversity indexes
Introduction to R as programming tool
• Fundamentals of data Structure. Notion of variable. Assignment. Arithmetic, logical and relational operators.
• Conditional Instructions. Cyclic instructions. Functions. Recursive functions. Data import.
• An outline of differential equations and their numerical integration.
• Numerical modelling: introduction and application.
L'esame finale prevede una prova scritta e potrà essere completato da una prova orale.
Ogni parte della prova scritta e le domande orali saranno valutate separatamente. Il voto finale deriverà dalla valutazione media di tutte le parti d'esame.
Il voto finale è attribuito in trentesimi. L’esame si intende superato quando il voto è maggiore o uguale a 18.
Il voto finale si assegna in seguito alla valutazione nella prova orale. La lode viene attributa a quegli studenti che dimostrano una conoscenza piena della materia.
The final exam involves a written test and can be completed by an oral exam.
Each part of the written test and oral questions will be evaluated separately. The final assessment will be derived from the average rating of all parts of the exam.
The final vote is in a scale of thirty. The exam is passed when the vote is greater than or equal to 18.
The final vote is given by evaluating the oral test. The “lode” is attributed when the student has demonstrated a deep understanding of the matter.
Anderson MJ, Gorley RN, Clarke KR (2008) PERMANOVA+ for PRIMER: guide to software and statistical methods. PRIMER-E Ltd, Plymouth, UK
Bakus GJ (ed) (2007) Quantitative analysis of marine biological communities. John Wiley & Sons, Hoboken, New Jersey
Gambi MC, Doppiano M (eds) (2004) Mediterranean marine benthos: a manual of methods for its sampling and study, Vol 11 (suppl. 1). Società Italiana di Biologia Martina, Genova, Italy
Hill J, Wilkinson C (2004) Methods for ecological monitoring of coral reefs. A resource for managers. Australian Institute of Marine Science, Townsville, Qld, AustraliaUnderwood AJ (1997) Experiments in ecology. Cambridge University Press, Cambridge
Anderson MJ, Gorley RN, Clarke KR (2008) PERMANOVA+ for PRIMER: guide to software and statistical methods. PRIMER-E Ltd, Plymouth, UK
Bakus GJ (ed) (2007) Quantitative analysis of marine biological communities. John Wiley & Sons, Hoboken, New Jersey
Gambi MC, Doppiano M (eds) (2004) Mediterranean marine benthos: a manual of methods for its sampling and study, Vol 11 (suppl. 1). Società Italiana di Biologia Martina, Genova, Italy
Hill J, Wilkinson C (2004) Methods for ecological monitoring of coral reefs. A resource for managers. Australian Institute of Marine Science, Townsville, Qld, AustraliaUnderwood AJ (1997) Experiments in ecology. Cambridge University Press, Cambridge
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427