UNIVPM: Guida insegnamenti

[W000872] - QUANTITATIVE METHODS IN MARINE SCIENCEQUANTITATIVE METHODS IN MARINE SCIENCE
Francesco MEMMOLA (Crediti: 2 Ore di lezioneTeaching hours: 16)
Laura VALISANO (Crediti: 4 Ore di lezioneTeaching hours: 32)
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [SM02] BIOLOGIA MARINA Master Degree (2 years) - [SM02] MARINE BIOLOGY
Dipartimento: [040017] Dipartimento Scienze della Vita e dell'AmbienteDepartment: [040017] Dipartimento Scienze della Vita e dell'Ambiente
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2021-2022
Opzionale
Crediti: 6
Ore di lezioneTeaching hours: 48
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: BIO/07 - ECOLOGIA

LINGUA INSEGNAMENTO LANGUAGE

INGLESE

English

PREREQUISITI PREREQUISITES

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)

MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

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)

RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES

Conoscenze e comprensione.

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.

Capacità di applicare conoscenze e comprensione.

Gli studenti impareranno ad utilizzare strumenti di analisi dati e come analizzare dati provenienti da banche dati ad accesso libero.

Competenze trasversali.

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.

Knowledge and Understanding.

The course aims to provide the students with the skills and abilities needed to develope expreimental designs and analyze marine environmental and biological data.

Capacity to apply Knowledge and Understanding.

Students will learn how to use data analysis tools and how analyze data from open access databases.

Transversal Skills.

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.

PROGRAMMA PROGRAM

Basi della statistica. Popolazione statistica. Accuratezza e precisione. Statistica descrittiva ed inferenziale.
Tipi di variabilità e variabili. Distribuzione di frequenza. Distribuzione normale.
Parametri di posizione e dispersione.
Test statistici. Ipotesi nulla ed errore tipo I e II.
Misure di associazione.
Disegno sperimentale. Esperimenti misurativi e manipolativi.
Modello, ipotesi e validazione.
Replicazione, pseudoreplicazione e controllo.
Fattori sperimentali. Analisi della varianza, sorgenti di variabilità e F test. Confronti multipli.
Assunzioni dell’analisi della varianza. Normalità. Indipendenza. Omoscedasticità.
Eteroscedasticità. Trasformazione dei dati. Esperimenti multifattoriali, disegno fattoriale e variabilità.
Disegno gerarchico e analisi nested.
Popolazione e distribuzioni. Test di adattamento.
Statistica parametrica e non-parametrica.
Biodiversità e misure di diversità. Indici di diversità.
Metodi multivariati. Misure di similarità. Metriche.
Analisi multivariate e analisi permutazionale della varianza. Analisi di similarità e percentuali di similarità.
Ordinamento mediante Analisi PCA, PCO e MDS.
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.

Basic of statistics. Statistical population.
Accuracy and Precision. Descriptive and inferential statistic.
Types of variability and variables. Frequency distributions. Normal distribution.
Parameters of location and dispersion.
Statistic tests. Null hypothesis and errors type I and II.
Measures of associations.
Experimental design. Mensurative and manipulative experiments.
Model, Hypothesis and validation.
Replication, pseudoreplications and controls.
Experimental factors. Analysis of variance, sources of variability and F test. Multiple comparisons.
Assumptions of analysis of variance. Normality. Independence. Homoscedasticity.
Heteroscedasticity. Transformation of data. Multifactorial experiments, factorial designs and sources of variability.
Hierachical design and nested analysis.
Populations and distributions. Goodness of fit.
Parametric and non-parametric statistics.
Biodiversity and diversity measures. Diversity indices.
Multivariate methods. Measures of similarity. Metrics.
Permutational Analysis of variance and multivariate analysis of variance. Analysis of similarities and similarities percentages.
Ordination of samples by Principal component analysis, Principal coordinates analysis and Multi-dimensional scaling
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.

MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION

Modalità di valutazione dell'apprendimento.

L'esame finale prevede una prova scritta e potrà essere completato da una prova orale.

Criteri di valutazione dell'apprendimento.

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.

Criteri di misurazione dell'apprendimento.

Il voto finale è attribuito in trentesimi. L’esame si intende superato quando il voto è maggiore o uguale a 18.

Criteri di attribuzione del voto finale.

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.

Learning Evaluation Methods.

The final exam involves a written test and can be completed by an oral exam.

Learning Evaluation Criteria.

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.

Learning Measurement Criteria.

The final vote is in a scale of thirty. The exam is passed when the vote is greater than or equal to 18.

Final Mark Allocation Criteria.

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.

TESTI CONSIGLIATI RECOMMENDED READING

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

E-LEARNING E-LEARNING

Scheda insegnamento erogato nell’A.A. 2021-2022
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2021-2022

Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente