Richiami e ripasso di argomenti di statistica: Indicatori statistici, variabile casuale, valore atteso, varianza e relative proprietà. Principali variabili casuali: normale, t di Student, Chi-quadrato, F di Fisher. Stima puntuale della media e della varianza. Verifiche d’ipotesi per la media nel caso di campionamento da normale. Introduzione al software R con cui applicare esercizi di statistica.

Piani sperimentali completamente casualizzati ad un fattore: descrizione del disegno sperimentale e obiettivi. Specificazione del modello che interpreta la variabile dipendente quantitativa, interpretazione dei parametri e assunzioni. Test d'ipotesi da testare sui parametri del modello. Stima e verifica d'ipotesi con parametri noti e non noti. Scomposizione della devianza campionaria totale in devianza “fra” (within) e devianza “nei” (between) gruppi. Stimatore della varianza basato sulla devianza “nei” gruppi e stimatore della varianza basato sulla devianza “fra” gruppi: definizioni, valore atteso, distribuzione di probabilità. Costruzione della statistica test. Tabella Anova. p-value. Indicatori statistici. Applicazioni.

Piani sperimentali a due fattori completamente casuale: descrizione del disegno sperimentale e obiettivi. Il modello che interpreta la variabile dipendente dipendende quantitativa, interpretazione dei parametri, ipotesi assunte e grafici utili per i parametri degli effetti principali e dei parametri di interazione. Descrizioni delle ipotesi da testare. Scomposizione della devianza campionaria totale: devianza dovuta al primo fattore, devianza dovuta al secondo fattore, devianza dovuta all’interazione fra i due fattori, devianza dovuta all’errore. Costruzione della statistica test. Tabella Anova. Applicazioni.

Modello lineare con variabili qualitative: richiami del modello lineare, delle assunzioni su cui si basa e della stima dei parametri. Specificazione del modello con una covariata quantitativa e una qualitativa a due livelli. Specificazione del modello con una covariata quantitativa e una qualitativa a più livelli. Modello lineare con iterazioni tra variabili e con più covariate qualitative. Interpretazione del modello, dei test d'ipotesi sui parametri e implementazione. Applicazioni.

Estensione di quanto visto coi modelli lineari ai modelli lineari generalizzati: specificazione del modello con una covariata quantitativa e una qualitativa a due livelli. Modello lineare generalizzato con iterazioni tra variabili e con più covariate qualitative. Interpretazione del modello, dei test d'ipotesi sui parametri e implementazione. Applicazioni.

Le applicazioni verrano in parte svolte col supporto del software statistico R.