Course Syllabus
Obiettivi
I contenuti del corso mirano a fornire allo studente le conoscenze basilari utili a progettare e compilare framework volti all'analisi dei dati ambientali.
Nello specifico il corso si prefigge di:
- disegnare esperimenti e piani di campionamento finalizzati alla raccolta di dati ambientali (fisici, chimici, meteorologico-climatici, geologici, biologici ed ecologici),
- esplorare, gestire e manipolare dataset di dati ambientali: osservazionali, sperimentali, temporali e spaziali
- calcolare statistiche descrittive
- identificare l’analisi statistica adeguata per rispondere a specifiche domande scientifiche rispetto ai dati raccolti o disponibili
- interpretare correttamente i risultati e rappresentarli graficamente
Contenuti sintetici
Esplorazione, gestione e manipolazione di dataset ambientali; analisi e rappresentazione grafica dei dati per mezzo di un approccio informatico e interpretazione dei risultati.
Programma esteso
In dettaglio, il corso tratterà sinteticamente dal punto di vista teorico, e più estensivamente da punto di vista pratico per mezzo dei software R e R-Studio, i seguenti temi:
- Data-mining
- Esplorazione e manipolazione dei dati
- Rappresentazione grafica dei dati
- Analisi di dati con distribuzione normale per mezzo di modelli lineari
- Analisi di dati con distribuzione non normale per mezzo di modelli lineari generalizzati
- Metodi di classificazione e analisi di comunità
- Analisi di serie temporali
- Modelli spazialmente espliciti
Prerequisiti
Nozioni di Statistica di base
Modalità didattica
L’attività didattica sarà organizzata in lezioni frontali (8 ore) e attività pratiche (50 ore).
Materiale didattico
Un’illustrazione dei libri di testo, con le relative caratteristiche, sarà fornita nel corso della prima lezione frontale. Tra questi:
Justin C. Touchon. Applied Statistics with R. A Practical Guide for the Life Sciences.
Oxford University Press (2021) - Consigliata la versione e-book
Periodo di erogazione dell'insegnamento
Le lezioni frontali e la parte pratica saranno erogati nel terzo anno di corso nel primo semestre.
Modalità di verifica del profitto e valutazione
Prova scritta e orale.
La prova scritta consiste nello svolgimento di un esercizio finalizzato alla verifica delle competenze di problem solving disciplinare. Nel corso della prova lo studente potrà consultare gli appunti presi duranto lo svolgimento del corso, nella sua parte frontale o in quella pratica, il o i libri di testo, così come le risorse disponibili in rete.
Il superamento della prova scritta, darà accesso ad una breve prova orale finalizzata ad accertare il livello delle conoscenze, le competenzee e la capacità da parte dello studente di argomentare i concetti illustrati durante le lezioni frontali e in quelle pratiche.
Sono previsti 8 appelli ordinari durante le pause della didattica.
Orario di ricevimento
Su appuntamento previa richiesta agli indirizzi e-mail:
luciano.bani@unimib.it
olivia.dondina@unimib.it
Sustainable Development Goals
Aims
The contents of the course aim to provide the student with the basic knowledge useful for designing and compiling frameworks aimed at analyzing environmental data.
Specifically, the course aims to:
- design experiments and sampling plans aimed at collecting environmental data (physical, chemical, meteorological-climatic, geological, biological and ecological),
- explore, manage and handle environmental datasets: observational, experimental, temporal and spatial data
- calculate descriptive statistics
- identify the appropriate statistical analysis to answer specific scientific questions with respect to the data collected or those available
- correctly interpret the results and represent them graphically
Contents
Exploration, management and handling of environmental datasets; analysis and graphical representation of data using an IT approach and interpretation of results.
Detailed program
In detail, the course will deal briefly from a theoretical point of view, and more extensively from a practical point of view, the following topics:
- Data mining
- Exploration and manipulation of data
- Graphical representation of data
- Analysis of data with normal distribution by means of linear models.
- Analysis of data with non-normal distribution by generalized linear models
- Classification methods and community analysis
- Time series analysis
- Spatially explicit models
Prerequisites
Concepts of Basic Statistics
Teaching form
The teaching activity will be organized in lectures (8 hours) and practical activities (50 hours).
Textbook and teaching resource
An illustration of the textbooks, with their characteristics, will be provided during the first frontal lesson. Between these:
Justin C. Touchon. Applied Statistics with R. A Practical Guide for the Life Sciences.
Oxford University Press (2021) - Consigliata la versione e-book
Semester
The lectures and the practical part will be delivered in the third year of the course in the first semester.
Assessment method
Written and oral test.
The written test consists in carrying out an exercise aimed at verifying disciplinary problem solving skills. During the test, the student will be able to consult the notes taken during the course, in its frontal part or in the practical one, the textbook(s), as well as the resources available on the net.
Passing the written test will give access to a short oral test aimed at ascertaining the level of knowledge, skills and ability on the part of the student to discuss the concepts illustrated during the frontal classes and in the practical lessons.
There are 8 ordinary exam sessions during the teaching breaks.
Office hours
By appointment upon request at the e-mail addresses:
luciano.bani@unimib.it
olivia.dondina@unimib.it
Sustainable Development Goals
Staff
-
Luciano Bani
-
Olivia Dondina
