Elaborazione dei dati sperimentali

Ecological Data Management and Analysis

Anno accademico 2018/2019

Sommario insegnamento

• Obiettivi formativi
• Risultati dell'apprendimento attesi
• Modalità di insegnamento
• Modalità di verifica dell'apprendimento
• Programma
• Testi consigliati e bibliografia
• Note
• Strumenti didattici

Obiettivi formativi

Questo corso intende fornire un'introduzione alla gestione dei dati ed alle analisi statistiche per gli studenti in Scienze Naturali. Durante il corso, faremo per lo più riferimento ad esempi tratti da studi di ecologia animali, ma il corso può essere seguita anche da studenti interessati ad altri argomenti.

La prima parte del corso descriverà le buone pratiche da adottare per la gestione dei dati scientifici. L'obiettivo è quello di aiutare gli studenti ad organizzare bene i dati, preparando dataset ordinati che possano successivamente essere usati per effettuare delle analisi statistiche, con qualsiasi software. Nella seconda parte del corso, spiegheremo i concetti statistici di base e introdurremo il test d'ipotesi usando esempi ecologici. Il corso non verterà tanto sugli aspetti teorici, quanto sull'applicazione dei diversi tipi di test. Per questo motivo, faremo ampio uso del linguaggio R e dell'interfaccia RStudio. Tutorials ed esercizi interattivi specificatamente pensati per questo corso saranno di supporto agli studenti durante il processo di apprendimento.

------------

This course intends to gently introduce data management and statistical analysis techniques and concepts to students in the Natural Sciences. While we will mostly use examples in the fields of Animal Ecology, the course can be followed by students from other scientific domains.

The first part of the course describes good practices to handle scientific data. The aim is to help students to organize data properly, building tidy datasets that could be subsequently used to perform statistical analysis, with any software. In the second part of the course, we will explain basic concepts behind statistical tools and we will introduce hypothesis testing using interesting ecological examples. The course will not be heavy on mathematics and statistical theory, trying instead to practically apply all the acquired concepts and methods to real data sets. To achieve this goal, we will use the open-source statistical language "R" and the friendly "RStudio" interface.  Specifically developed tutorials and interactive exercises will assist the student during the whole learning process. 

Risultati dell'apprendimento attesi

Al termine del corso, gli studenti dovranno aver acquisito:

• Conoscenza e capacità di comprensione - conoscenza dei principi di gestione e organizzazione dei dati biologici, conoscenza e comprensione della teoria statistica di base;
• Conoscenza e capacità di comprensione applicate - conoscenza degli strumenti fondamentali per gestire e processari i dati sperimentali e capacità di comprendere e applicare diverse tipologie di test statistici, anche attraverso l'uso del software R;
• Autonomia di giudizio - capacità di valutare la tipologia di dati disponibili e di individuare il tipo di test più appropriato per verificare le ipotesi di ricerca;
• Abilità comunicative - capacità di formulare le ipotesi alla base di un lavoro di ricerca e di comunicare le metodologie adottate per i test di ipotesi ed i relativi risultati;
• Capacità di apprendere - capacità di esplorare autonomamente approcci statistici più complessi.

-----------------------

At the end of the course it is expected that students will have acquired:

• knowledge and understanding - knowledge of basic principles for data management and organization and a good understanding of statistical concepts and methods;
• applying knowledge and understanding - knowledge of the essential tools to correctly manage and process field and experimental data before analysis; ability to apply different statistical approaches and tests, e.g. using R software;
• making judgements - sufficient "statistical literacy" to autonomously judge which methods are most appropriate to use in a range of data analysis problems typically encountered in the natural sciences and to test concrete hypothesis;
• communication skills - ability to clearly state hypothesis to be tested and to communicate and appropriately describe the adopted methodologies and the results obtained through statistical analysis;
• learning skills - confidence to autonomously explore additional, more complex analytical approaches.

Modalità di insegnamento

Le lezioni si terranno in aula e saranno suddivise in una parte di lezione frontale, per illustrare i concetti di base, seguita da una sessione di esercizi, per applicare immediatamente i concetti acquisiti a casi studio reali. Per seguire il corso, è opporturno, se possibile, essere dotati di PC portatile (che può comunque essere fornito in caso di necessità). Nel caso di utilizzo di PC personale, è necessario installare i software R ed RStudio

-----------------------

The lessons will be held in the classroom and each of them will be divided into a frontal lesson, designed to illustrate the basic concepts, and in an exercise session, in order to immediately apply the statistical concepts to real case studies. Appropriate IT equipment is, therefore, necessary to follow the course. If students are using their own laptop (recommended), R and RStudio must be pre-installed to follow the course.

Modalità di verifica dell'apprendimento

Il 50% del voto finale dell'esame sarà basato su un test a risposte multiple. Il restante 50% sarà basato sulla soluzione di un breve esercizio (simile a quelli visti durante il corso, ma generalmente più facile!), da risolvere utilizzando R, e da una disussione orale. Durante la discussione orale, allo studente sarà richiesto di commentare l'esame scritto e la soluzione proposta per l'esercizio in R in particolare.

-----------------------

50% of the final vote will be based on a written exam with multiple choice answers. The remaining 50% of the final vote will be based on a short statistical problem that you will be asked to solve using "R" (similar to those you will encounter as exercises during the course, but generally easier!) and on an oral discussion. During the oral examination, indeed, students will be asked to discuss the answers to the written exam and to comment on the R exercise.

Programma

Gestione dei dati

• Cosa sono i dati e come gestirli;
• Cos'è R e come si usa;
• Dataset ordinati;
• Analisi esplorativa dei dati

Analisi dei dati

• Ripasso di concetti statistici di base: distribuzioni campionarie e loro proprietà;
• Intervalli di confidenza, p-value e test d'ipotesi;
• Le distribuzioni z e t di Student: il t-test;
• Errori, potenza, e statistica non parametrica;
• La regressione lineare semplice e multipla e l'ANOVA
• Modelli lineare generalizzati (regressione binomiale and Poissoniana)

------------------------

Data management

• What is data and how to handle it;
• What is R and how to use it;
• Tidy data;
• Data exploration

Data analysis

• Review of basic statistical concepts: sampling distributions and their properties;
• Confidence intervals, p-values, and hypothesis testing;
• z and t distributions: the t-tests;
• Errors, power, and nonparametric statistics;
• Simple and multiple linear regression, ANOVA;
• Generalised linear models (binomial and Poisson regression)

Non è disponibile un libro di testo ufficiale per questo corso, ma i materiali, tutorials e eventuali articoli scientifici di interesse saranno resi disponibili tramite la piattaforma Moodle.

--------------------

There will not be any official textbook for this course, but open access materials, tutorials, and relevant review papers will be made available on the Moodle platform.

Orario lezioni

Note

Gli orari del corso saranno definiti e pubblicati su questo sito web indicativamente alla fine di febbraio 2019.

---------------------

The course timetable will be defined and published on this website presumably at the end of February 2019.

• Materiale didattico
• Bacheca appelli
• Vai a Moodle
• Visita i forum