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:
- esplorare, gestire e manipolare dataset di dati ambientali (fisici, chimici, meteorologico-climatici, geologici, biologici ed ecologici), di natura osservazionale o sperimentale
- calcolare statistiche descrittive
- rappresentare graficamente la distribuzione dei dati
- identificare l’analisi statistica adeguata per rispondere a specifiche domande scientifiche rispetto ai dati raccolti o disponibili
- rappresentare graficamente i risultati e interpretarne il significato
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:
- 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
- Data-mining
- Modelli spazialmente espliciti
Prerequisiti
Nozioni di statistica di base acquisite nell'insegnamento di "Matematica e Statistica"
Modalità didattica
L’attività didattica sarà organizzata in lezioni frontali (8 ore di Didattica Erogativa) e attività pratiche (50 ore di Didattica Integrativa).
Lezioni da 4 ore in presenza, Didattica Erogativa
- Lezione frontale, per complessivi 1 cfu, 8 ore
Attività di laboratorio (LIBaaS) da 3 o 4 ore in presenza, Didattica Interattiva
- Attività in aula cablata, per complessivi 5 cfu, 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: problemi da svolgere in aula cablata.
Il problema sarà 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, o i libri di testo, così come le risorse disponibili in rete.
Prova orale: colloquio di discussione sulla prova scritta.
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 affrontati nella prova scritta nonché illustrare quelli discussi durante le lezioni frontali e in quelle pratiche.
Sono previsti 7 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 course content is designed to provide students with the fundamental knowledge necessary to design and compile frameworks for the analysis of environmental data.
Specifically, the course aims to:
- explore, manage, and manipulate datasets of environmental data (including physical, chemical, meteorological-climatic, geological, biological, and ecological data), whether observational or experimental in nature
- compute descriptive statistics
- graphically represent data distributions
- identify the appropriate statistical analysis to answer specific scientific questions based on the data collected or available
- graphically present results and interpret their meaning
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:
- 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
- Data mining
- Spatially explicit models
Prerequisites
Basic statistics concepts acquired through the course "Mathematics and Statistics"
Teaching form
The teaching activity will be organized in lectures (8 hours of Delivered Didactics) and practical activities (50 hours of Interactive Teaching).
Four-hour lectures, in person, Delivered Didactics
- Frontal lesson, overall 1 credits, 8 h.
Three- four-hour lab activities (LIBaaS), in person, Interactive Teaching
- Activities in wired classroom, overall 5 credits, 50 h.
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 exam: problem-solving tasks to be carried out in a computer-equipped classroom.
The task will be aimed at assessing students’ disciplinary problem-solving skills. During the exam, students may consult notes taken during lectures or practical sessions, textbooks, and online resources.
Oral exam: discussion based on the written exam.
Passing the written exam grants access to a brief oral exam aimed at verifying the level of knowledge, skills, and the student’s ability to explain the concepts addressed in the written test, as well as those covered during lectures and practical sessions.
A total of 7 official exam sessions are scheduled during 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
