Conoscenze di base di statistica descrittiva.
Capacità di utilizzo di fogli di calcolo elettronico.
I prerequisiti e le modalità di esame sono gli stessi per gli studenti frequentanti e non frequentanti.
Una assidua frequenza alle lezioni e alle esercitazioni, pur non essendo obbligatoria, è fortemente consigliata.

L'insegnamento è organizzato in lezioni frontali 3 CFU ed esercitazioni pratiche 3 CFU.

Le lezioni frontali hanno lo scopo di presentare le principali metodologie statistiche utilizzate nella ricerca agronomica in senso lato.
Le esercitazioni al PC hanno lo scopo di far acquisire allo studente la capacità di: applicare le conoscenze acquisite, imparare a costruire dataset ottimali, svolgere analisi correttamente, selezionare con spirito critico la metodologia più opportuna, imparare a commentare i risultati ottenuti.

Lo studente al termine del corso acquisirà la capacità di utilizzare software di gestione e analisi dei dati per l'elaborazione dei risultati provenienti da prove sperimentali e indagini campionarie.

Lo studente acquisirà la capacità di presentare, leggere e interpretare i dati provenienti da sperimentazioni in campo ed in laboratorio e da indagini campionarie.

a) Acquisire le conoscenze teoriche e pratiche per la progettazione, la gestione e l'elaborazione di prove sperimentali e di analisi campionarie; b) Acquisire capacità di utilizzo di software per l'elaborazione statistica; c) Acquisire capacità di lettura critica dei principali test statistici.

Statistica descrittiva e distribuzioni campionarie, test statistici: Richiami di statistica descrittiva: indici di tendenza centrale e di dispersione. Caratteristiche delle popolazioni e dei campioni (richiami alle principali distribuzioni di probabilità). Uso della distribuzione normale e della distribuzione normale standardizzata. La stima dei parametri ignoti di una popolazione partendo da campioni. Distorsione, efficienza e consistenza di uno stimatore. Il test statistico: concetti di ipotesi nulla, test bilaterali e unilaterali, livello di significatività, protettività, potenza, errori di I, II e III specie.
I dati qualitativi: L'analisi dei dati di enumerazione; il test X^2 e sue condizioni di validità. Rapporti tra X^2 e Z. Tecniche per i confronti tra proporzioni osservate e teoriche. Tecniche per i confronti tra proporzioni osservate. Tabelle di contingenza e relativi indici per dati nominali e ordinali. La correzione di Yates. Il test G del rapporto di verosimiglianza per piccoli campioni. Cenni ai modelli log-lineari e a tecniche più complesse di analisi di dati espressi come frequenze. Limiti fiduciali di una media. Tecniche per i confronti tra medie campionarie: il caso di 2 campioni, il caso di 2+ campioni. Uso di programmi per le precedenti applicazioni. Prerequisiti e condizioni di applicabilità dell'ANOVA (test di normalità e di omogeneità delle varianze). La trasformazione dei dati.

L'analisi della varianza fattoriale e l'interazione: ANOVA a 2 e 3 vie, e relativa interpretazione dei risultati. L'analisi gerarchica della varianza. Modello a fattori fissi e modello a fattori casuali. Tecniche di confronto multiplo tra medie (contrasti e test post-hoc).
Tecniche non parametriche di analisi della varianza. Uso di programmi per le precedenti applicazioni.

L'analisi della correlazione e della regressione: Il concetto di correlazione. Il coefficiente di correlazione e i relativi test statistici. L'analisi della regressione lineare. Il metodo dei minimi quadrati. Le assunzioni per la regressione e i relativi test. Il coefficiente di regressione e il suo errore standard. Test di significatività per coefficiente di regressione e intercetta. Intervalli fiduciali attorno alla retta di regressione. La regressione passante per l'origine. Il coefficiente di determinazione. Analisi della regressione multipla. Cenni a tecniche non parametriche per l'analisi della regressione e della correlazione. Uso di programmi per le precedenti applicazioni.

Schemi sperimentali e gestione in campo degli esperimenti. La gestione delle fonti di variazione non controllabili e la determinazione del numero di repliche necessario. Schemi sperimentali: a blocchi randomizzati, a quadrato latino, a split-plot, a strip-plot. Criteri per la loro scelta. Realizzazione degli schemi precedenti e al calcolatore, delle relative procedure di analisi statistica.

L'esame consiste in una prova scritta seguita da un colloquio orale. La valutazione sarà espressa in trentesimi. La prova scritta avrà una durata di circa 60 min e consisterà in un numero variabile di domande ed esercizi (che saranno calibrati sul tempo messo a disposizione). La prova pratica consiste nell'analisi di un dataset con software dedicato (Excel o Past). Il colloquio orale verterà sui risultati delle prove scritta e pratica.

La prova scritta intende valutare la conoscenza e la comprensione degli argomenti dell'insegnamento, la correttezza nell'utilizzo del linguaggio specifico della materia, la capacità di applicare le conoscenze acquisite e allo spirito critico utilizzato nella risoluzione dei quesiti proposti. La prova scritta può raggiungere un punteggio massimo pari a 20 punti. Il colloquio orale verrà svolto a seguito del superamento della prova scritta ed è volto al chiarimento degli errori presenti nella prova per il completamento del voto (ma 10 punti).

Attribuzione del voto finale in trentesimi. L’esame si intende superato quando il voto è maggiore o uguale a 1.

Il punteggio finale sarà espresso in trentesimi: fino ad un massimo di 20 per la prova scritta, fino ad un massimo di 10 per la prova orale.
Il colloquio orale verrà svolto a seguito del superamento della prova scritta.

Il libro di riferimento suggerito è: Analisi statistica dei dati biologici. Whitlock M.C., Schluter D. Ed. Zanichelli.
Per consultazione: Snedecor G., Cochran W., Statistical methods, VIII ed., Iowa state University press.
Soliani. Manuale di statistica per la ricerca e la professione -statistica univariata e bivariata parametrica e non-parametrica per le discipline ambientali e biologiche (edizione aprile 2005). Disponibile gratuitamente su internet all’indirizzo http://www.dsa.unipr.it/soliani/soliani.html
Verranno messe a disposizione degli studenti sul sito e-learn del corso le lezioni e il materiale di supporto al corso: dataset di analisi, link ad articoli scientifici, indicazioni di altri testi di riferimento e a pagine web di interesse.

Il Corso di insegnamento non è erogato in modalità e-learning