Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W000583] - ISTITUZIONI DI STATISTICAPRINCIPLES OF STATISTICS
Laura NANNI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea - [AT01] SCIENZE E TECNOLOGIE AGRARIE First Cycle Degree (3 years) - [AT01] AGRICULTURAL SCIENCE
Dipartimento: [040027] Dip.Scienze Agrarie,Alimentari e AmbientaliDepartment: [040027] Dip.Scienze Agrarie,Alimentari e Ambientali
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2019-2020
Anno regolamentoAnno regolamento: 2019-2020
Obbligatorio
Crediti: 3
Ore di lezioneTeaching hours: 27
TipologiaType: C - Affine/Integrativa
Settore disciplinareAcademic discipline: MAT/06 - PROBABILITÀ E STATISTICA MATEMATICA


LINGUA INSEGNAMENTO LANGUAGE

ITALIANO

Italian


PREREQUISITI PREREQUISITES

Nessuno

None


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

Il corso si struttura in lezioni frontali (2 CFU) e in esercitazioni pratiche (1
CFU) per fornire agli studenti gli elementi di base della statistica e delle
sue applicazioni più comuni. In parallelo, una versione e-learning del
corso è resa disponibile attraverso la piattaforma Moodle che include
materiale didattico organizzato in moduli di apprendimento comprensivi
di esercizi svolti e test di autovalutazione.

Students will be guided through the course by structured lectures (2
ECTS) and relevant practical classes (1 ECTS) to acquire the principles of
statistics and their most common applications. In parallel, an e-learning
version of the course using the Moodle platform will be available,
including teaching materials organized in learning units, exercises, selfevaluation
tests and results.


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

L’insegnamento consente agli studenti di acquisire conoscenze sui
principi fondamentali di statistica e di biometria per rendere possibile la
comprensione degli elementi necessari alla corretta analisi e
interpretazione dei risultati.


Capacità di applicare conoscenze e comprensione.

L’insegnamento si pone come principale obiettivo didattico quello di
fornire una formazione di base che consenta la comprensione dei concetti
fondamentali di statistica e il corretto utilizzo delle principali applicazioni
per il disegno sperimentale, l’analisi dei dati e la loro presentazione.
Inoltre, il corso fornirà gli strumenti per la comprensione delle più comuni
applicazioni statistiche utilizzate nella letteratura scientifica e tecnica.


Competenze trasversali.

a) acquisizione di capacità relative alle tecniche di campionamento,
disegno sperimentale, e analisi di vari tipi di dati; b) capacità di
comprensione del significato dei risultati dell’analisi statistica riportati
nella letteratura scientifica e tecnica.


Knowledge and Understanding.

The aim of the course is to provide a basic information on statistical
methods and biometry, for understanding the main features of data
analysis and their proper application.


Capacity to apply Knowledge and Understanding.

The aim of the course is to provide a basic information on statistics, for
the understanding of the main applications and concept in order to
enable a basic tool for experimental design, data analysis and data
presentation. Moreover, the course will provide the tools to understand
the most common statistical applications utilized in scientific and
technical literature.


Transversal Skills.

(i) acquisition of skills related to the sampling, experimental design and
data analysis of various type of data; (ii) capability of understanding the
meaning of the results of statistical analysis reported in the scientific and
technical literature.



PROGRAMMA PROGRAM

Introduzione e statistica descrittiva (1 CFU): Il metodo scientifico,
Misurazione dei fenomeni naturali, Distribuzioni empiriche, Statistiche
descrittive, Variabilità e rappresentazione grafica dei dati. Statistica
inferenziale (2 CFU): Popolazioni e campioni, Probabilità e test delle
ipotesi, Distribuzioni di probabilità, Intervalli di confidenza e confronto
delle medie, Test di t e Analisi della Varianza (ANOVA), Correlazione e
regressione, Metodi non parametrici.

Introduction and descriptive statistics: The scientific method,
Measurements of natural phenomena, Empirical distributions, Descriptive
statistics, Variability and graphical representation of data (1 ECTS).
Inferential statistics: Populations and samples, Probability and hypothesis
testing, Distribution of probabilities, Confidence intervals and mean
comparisons, t test and Analysis of Variance (ANOVA), Correlation and
regression analysis, Non-Parametric methods (2 ECTS).


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

L’esame finale consiste in un compito scritto basato su esercizi relativi al
programma del corso. Durante il corso verranno svolti dei test di
autovalutazione (modalità e-learning), al fine di fornire agli studenti uno
strumento utile per valutare il livello raggiunto.


Criteri di valutazione dell'apprendimento.

Nell’esame scritto, gli studenti dovranno completare correttamente
almeno i 3/5 degli esercizi che saranno predisposti per valutare: a)
l’abilità di utilizzare le statistiche descrittive più comuni applicate ai
diversi tipi di dati (compresa la rappresentazione grafica dei dati); b)
comprensione dei principi e dei metodi di calcolo delle probabilità e di
test delle ipotesi; c) abilità di usare e comprendere i risultati delle
applicazioni di statistica inferenziale e d) abilità di disegnare semplici
esperimenti statistici.


Criteri di misurazione dell'apprendimento.

Il voto finale sarà attribuito in trentesimi. Il superamento della prova
finale si concretizzerà in un voto che potrà variare fra un minimo di 18
fino ad un massimo di 30 “cum laude”.


Criteri di attribuzione del voto finale.

Il compito scritto è composto da 5 esercizi relativi al programma del
corso, ognumo dei quali sarà valutato con un voto da 0 a 6. Il voto
massimo (30 “cum laude”) è attribuito agli studenti che dimostreranno
una completa padronanza della materia.


Learning Evaluation Methods.

Final assessment will consist of a written test based on exercises on of
the subjects listed in the teaching program. During the course, will be
available self-evaluation tests (e-learning mode), in order to provide the
students useful information about their skill level.


Learning Evaluation Criteria.

In the written test the student will have to complete successfully at least
3/5 of the exercises that will be designed to evaluate: a) the ability to
utilize the most common descriptive statistics for data analysis (including
graphical representation) applied to various types of data; b)
understanding of the principles of probability and hypothesis testing; c)
ability to use and understand the results of inferential statistical
applications and d) the ability of designing simple statistical experiments.


Learning Measurement Criteria.

The final mark is attributed in thirtieths. Successful completion of the
examination will lead to grades ranging from 18 to 30 “cum laude”.


Final Mark Allocation Criteria.

The written test consists of five exercises concerning the subjects listed
in the teaching program, each one will be evaluated within the range 0 -
6. The maximum grade 30 “cum laude” is attributed to students
demonstrating complete mastery of the subject.



TESTI CONSIGLIATI RECOMMENDED READING

Michael C. Whitlock, Dolph Schluter, 2010. Analisi Statistica dei Dati
Biologici, Zanichelli

Michael C. Whitlock, Dolph Schluter, 2008. The Analysis of Biological
Data, Roberts and Company Publishers


Scheda insegnamento erogato nell’A.A. 2019-2020
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2019-2020

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427