Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
GIAMPIETRO FUSILLO
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea - [AT04] SISTEMI AGRICOLI INNOVATIVI First Cycle Degree (3 years) - [AT04] INNOVATIVE AGRICULTURAL SYSTEMS
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: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
Obbligatorio
Crediti: 6
Ore di lezioneTeaching hours: 54
TipologiaType: A - Base
Settore disciplinareAcademic discipline: MAT/01 - LOGICA MATEMATICA
Sede City ASCOLI PICENO
ITALIANO
Italian
Conoscenze di base di algebra, geometria analitica e trigonometria.
Basic knowledge of algebra, analytic geometry and trigonometry.
Il corso si basa su lezioni frontali integrate con momenti di discussione e tutorial.
The course is based on lectures integrated with moments of discussion and tutorials.
Il corso permette agli studenti di acquisire le conoscenze fondamentali sul calcolo differenziale e integrale e la capacità di risolvere problemi scientifici utilizzando semplici modelli matematici.
Capacità di applicare conoscenze e comprensione.
L’insegnamento si pone come principale obiettivo didattico lo sviluppo nello studente della capacità di utilizzare il calcolo differenziale e integrale per studiare grafici di funzioni e di risolvere semplici problemi scientifici derivanti da diversi di campi di applicazione come la biologia, l’economia e la fisica.
Competenze trasversali.
(i) autonomia di giudizio: capacità di identificare strumenti matematici idonei a risolvere i problemi derivanti dalla ricerca agronomica. (ii) capacità di apprendere e interpretare i modelli matematici utilizzati negli studi scientifici in agronomia.
Knowledge and Understanding.
The course allows students to acquire fundamental knowledge on differential and integral calculus and the ability to solve scientific problems using simple mathematical models.
Capacity to apply Knowledge and Understanding.
The teaching has as its main didactic objective the development in the student of the ability to use differential and integral calculus to study graphs of functions and to solve simple scientific problems deriving from different fields of application such as biology, economics and physics .
Transversal Skills.
(i) autonomy of judgment: ability to identify mathematical tools suitable for solving problems deriving from agronomic research. (ii) ability to learn and interpret mathematical models used in scientific studies in agronomy.
Teoria delle funzioni reali di variabile reale. Algebra delle funzioni. Funzioni elementari. Funzioni limitate, estremi di una funzione. Funzioni monotone. Funzioni composte. Funzioni invertibili. Concetto di limite per le funzioni. Calcolo di limiti elementari. Funzioni continue e principali proprietà. Funzioni continue su intervalli (1 CFU).
Introduzione alle derivate: tassi d’accrescimento. Significato geometrico di derivata. Calcolo delle derivate delle funzioni elementari. Operazioni con le derivate. Derivate di funzioni composte. Derivate e monotonicità. Derivate successive (1 CFU).
Ricerca dei massimi e minimi di una funzione. Funzioni convesse. Flessi. Asintoti di una curva. Teorema di de L’Hopital. Studio del grafico di una funzione. Applicazioni dei concetti studiati nelle scienze naturali (1 CFU).
Cenni sulla teoria dell’integrazione. Concetto d’integrale definito come area sotto la curva di una funzione definita in un intervallo, continua e non negativa. Integrale definito. Principali proprietà dell’integrale definito. Primitiva di una funzione ed integrale indefinito. Teorema fondamentale del calcolo integrale. Integrali di funzioni elementari e tecniche di integrazione. Integrali impropri (1CFU).
Elementi di calcolo delle probabilità. Variabili aleatorie, funzioni di distribuzione e valore atteso di una variabile aleatoria. La distribuzione normale.
Introduzione e statistica descrittiva: Il metodo scientifico, Misurazione dei fenomeni naturali, Distribuzioni empiriche, Statistiche descrittive, Variabilità e rappresentazione grafica dei dati. (1 CFU).
Statistica inferenziale: 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 (1 CFU).
Theory of real functions of a real variable. Algebra of functions. Elementary functions. Bounded functions, extremes of a function. Monotone functions. Compound functions. Invertible functions. Limit concept for functions. Calculation of elementary limits. Continuous functions and main properties. Continuous functions on intervals (1 CFU).
Introduction to derivatives: growth rates. Geometric meaning of derivative. Computation of the derivatives of elementary functions. Operations with derivatives. Derivatives of compound functions. Derivatives and monotonicity. Subsequent derivatives (1 CFU).
Search for the maxima and minima of a function. Convex functions. Flex. Asymptotes of a curve. De L’Hopital theorem. Study of the graph of a function. Applications of the concepts studied in the natural sciences (1 CFU).
Notes on the theory of integration. Integral concept defined as the area under the curve of a function defined in an interval, continuous and not negative. Definite integral. Main properties of the definite integral. Primitive of a function and indefinite integral. Fundamental theorem of integral calculus. Integrals of elementary functions and integration techniques. Improper integrals (1CFU).
Elements of probability calculus. Random variables, distribution functions and expected value of a random variable. The normal distribution.
Introduction and descriptive statistics: The scientific method, Measurement of natural phenomena, Empirical distributions, Descriptive statistics, Variability and graphical representation of data. (1 CFU).
Inferential Statistics: Populations and Samples, Probability and Hypothesis Testing, Probability Distributions, Confidence Intervals and Comparison of Means, T Test and Analysis of Variance (ANOVA), Correlation and Regression, Nonparametric Methods (1 CFU).
La valutazione dell’apprendimento degli studenti verterà su una prova scritta ed eventuale orale. Durante la prova scritta è ammesso l’utilizzo di una calcolatrice scientifica che non abbia capacità grafiche. Per gli di studenti con disabilità/invalidità o disturbo specifico di apprendimento (DSA), che abbiano fatto debita richiesta di supporto per affrontare lo specifico esame di profitto all’Info Point Disabilità/DSA dell’Ateneo. le modalità di esame saranno adattate alla luce di quanto previsto dalle linee guida di Ateneo (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Criteri di valutazione dell'apprendimento.
Per superare con successo l'esame, lo studente deve dimostrare che lui/lei ha pienamente compreso i concetti matematici presentati nel corso, è in grado di utilizzarli per risolvere semplici problemi scientifici, e ha la capacità di sintesi e chiarezza nella comunicazione scritta.
Criteri di misurazione dell'apprendimento.
Il voto verrà espresso in trentesimi. L’esame si intende superato se il voto è pari o superiore a 18. È prevista l’assegnazione del massimo dei voti con lode (30 e lode).
Criteri di attribuzione del voto finale.
• L'esame è articolato in una prova scritta ed in una prova orale.
• E' ammesso a sostenere la prova orale chi avrà riportato alla prova scritta una valutazione maggiore o uguale a 15/30.
• Il voto conseguito nella prova scritta può essere confermato, previo colloquio sulla correzione del compito, se la votazione riportata è compresa tra 18 e 26.
• Gli studenti che hanno conseguito alla prova scritta una votazione:
• pari a 15, 16, 17 risulteranno “Ammessi all’orale” e dovranno sostenere una prova orale obbligatoria nello stesso appello in cui è stata svolta la prova scritta;
• maggiore o uguale a 27 devono sostenere obbligatoriamente la prova orale.
• Ogni studente che abbia superato la prova scritta può comunque sostenere la prova orale.
Learning Evaluation Methods.
The assessment of students' learning will focus on a written and possibly oral test. During the written test, the use of a scientific calculator that does not have graphic skills is allowed. For students with disabilities / disabilities or specific learning disabilities (SLD), who have made a proper request for support to take the specific exam at the University's Disability / SLD Info Point. the examination procedures will be adapted in the light of the provisions of the University guidelines (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Learning Evaluation Criteria.
To successfully pass the exam, the student must demonstrate that he / she has fully understood the mathematical concepts presented in the course, is able to use them to solve simple scientific problems, and has the ability to synthesize and clarity in written communication.
Learning measurement criteria The vote will be expressed out of thirty. The exam is passed if the grade is equal to or higher than 18. It is expected to be awarded the highest marks with honors (30 with honors).
Learning Measurement Criteria.
The vote will be expressed out of thirty. The exam is passed if the grade is equal to or higher than 18. It is expected to be awarded the highest marks with honors (30 with honors).
Final Mark Allocation Criteria.
• The exam is divided into a written test and an oral test. • Those who have obtained a grade greater than or equal to 15/30 in the written test are admitted to take the oral exam. • The grade obtained in the written test can be confirmed, after an interview on the correction of the assignment, if the grade reported is between 18 and 26. • Students who have achieved a mark in the written test: • equal to 15, 16, 17 will be "Admitted to the oral" and will have to take a mandatory oral test in the same session in which the written test was held; • greater than or equal to 27 must necessarily take the oral exam. • Any student who has passed the written test can still take the oral test.
Dispense del docente (piattaforma moodle https://learn.univpm.it)
E.N. Bodine, S. Lenhart, L.J. Gross - G. Caristi, M. Mozzanica, G. Tommei - Matematica per le scienze della vita - UTET Università 2017
D.Benedetto, M.Degli Esposti, C.Maffei – Matematica per le scienze della vita. CEA 2015.
Lecture notes by the teacher (moodle https://learn.univpm.it)
E.N. Bodine, S. Lenhart, L.J. Gross - G. Caristi, M. Mozzanica, G. Tommei - Mathematics for life sciences - UTET University 2017
D.Benedetto, M.Degli Esposti, C.Maffei - Mathematics for the life sciences. CEA 2015. Student reception By appointment only by email
https://learn.univpm.it
https://learn.univpm.it
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427