Syllabus del corso
Obiettivi
Il corso introduce i principali strumenti informatici e metodologici per l’analisi, la visualizzazione e l’interpretazione dei dati sperimentali in ambito scientifico, con particolare attenzione a esempi e casi di studio del corso di Elementi di Metodo Sperimentale. Gli studenti acquisiranno competenze pratiche per la gestione dei dati, tramite l'uso di fogli elettronici, e l’applicazione di tecniche statistiche fondamentali.
Contenuti sintetici
-
Introduzione all’analisi dei dati scientifici
Organizzazione dei file dati (CSV, TSV, TXT, etc.), panoramica sui software di base per l'elaborazione del dato scientifico -
Gestione e pulizia dei dati
Importazione/esportazione, formati comuni, preprocessing. -
Statistica descrittiva
Media, deviazione standard, istogrammi, grafici xy -
Principali distribuzioni statistiche
Ricostruzione di distribuzione normale, binomiale (con simulazione di getto dei dadi) e poissoniana. -
Analisi e interpretazione
Regressione lineare, stima delle incertezze di pendenza e incertezza, confronto con modelli (metodo del chi quadrato)
Programma esteso
-
Introduzione all’analisi dei dati scientifici
Introduzione al concetto di dato scientifico e al suo ruolo nell’attività sperimentale. Organizzazione e struttura dei file di dati, con particolare attenzione ai formati di testo più comuni (CSV, TSV, TXT). Panoramica sui principali strumenti software utilizzati per l’elaborazione e l’analisi dei dati scientifici e sul flusso di lavoro tipico che porta dal dato grezzo all’interpretazione dei risultati. -
Gestione e pulizia dei dati
Tecniche di importazione ed esportazione dei dati da e verso file di testo. Gestione dei formati più comuni e preparazione dei dataset per l’analisi. Identificazione e trattamento di dati mancanti o non validi, operazioni di preprocessing e trasformazione dei dati al fine di renderli adatti all’analisi statistica. -
Statistica descrittiva
Introduzione alla statistica descrittiva per l’analisi di dati sperimentali. Calcolo e interpretazione di media e deviazione standard. Costruzione e analisi di istogrammi e grafici cartesiani (xy) per la rappresentazione dei dati e la visualizzazione delle relazioni tra grandezze fisiche. -
Principali distribuzioni statistiche
Studio delle principali distribuzioni di probabilità di interesse scientifico. Ricostruzione della distribuzione normale a partire da dati sperimentali. Introduzione alla distribuzione binomiale, con esempi e simulazioni numeriche (ad esempio il getto dei dadi), e alla distribuzione di Poisson per la descrizione di eventi rari (ad esempio descrizione del numero di gol in una partita). Confronto tra distribuzioni teoriche e dati osservati. -
Analisi e interpretazione dei dati
Analisi delle relazioni tra grandezze fisiche mediante modelli semplici. Regressione lineare dei dati sperimentali e stima dei parametri del modello. Valutazione delle incertezze sulla pendenza e sull’intercetta. Confronto dei risultati sperimentali con modelli teorici attraverso il metodo del chi quadrato e interpretazione critica dei risultati.
Prerequisiti
Matematica di base (algebra, funzioni, derivate elementari), nessuna esperienza di programmazione richiesta.
Modalità didattica
Lezioni frontali con esempi pratici di trattamento del dato statistico.
Materiale didattico
I fogli elettronici generati durante le lezioni saranno caricate sulla piattaforma e-learning insieme a una breve guida dei comandi principali utilizzati nelle lezioni.
Periodo di erogazione dell'insegnamento
I e II semestre del primo anno.
Modalità di verifica del profitto e valutazione
Lo studente potrà acquisire i relativi CFU (l'esame è senza voto, solo approvato/non approvato) in due diverse modalità alternative tra loro:
- Eseguire e restituire al docente tutti gli esercizi forniti nella cartella condivisa
- In itinere durante la parte di Laboratorio del corso di Elementi di Metodo Sperimentale lo studente dovrà dimostrare al termine delle diverse esperienze l'utilizzo corretto degli strumenti informatici per l'elaborazione del dato sperimentale
Orario di ricevimento
Su appuntamento con il docente: roberto.lorenzi@unimib.it
Sustainable Development Goals
Aims
The course introduces the main tools and methodology for analyzing, visualizing, and interpreting experimental data in scientific filed, with particular attention to examples and case studies from the course "Elementi di Metodo Sperimentale". Students will acquire practical skills in data management, the use of spreadsheets, and the application of fundamental statistical techniques.
Contents
-
Introduction to scientific data analysis
Organisation of data files (CSV, TSV, TXT, etc.), overview of basic software for scientific data processing -
Data management and cleaning
Import/export, common formats, preprocessing. -
Descriptive statistics
Mean, standard deviation, histograms, xy graphs -
Main statistical distributions
Reconstruction of normal, binomial (with dice roll simulation) and Poisson distributions. -
Analysis and interpretation
Linear regression, estimation of slope and uncertainty, comparison with models (chi-square method)
Detailed program
-
Introduction to scientific data analysis
Introduction to the concept of scientific data and its role in experimental activity. Organisation and structure of data files, with particular attention to the most common text formats (CSV, TSV, TXT). Overview of the main software tools used for scientific data processing and analysis and the typical workflow that leads from raw data to the interpretation of results. -
Data management and cleaning
Techniques for importing and exporting data to and from text files. Management of the most common formats and preparation of datasets for analysis. Identification and treatment of missing or invalid data, preprocessing and data transformation operations to make them suitable for statistical analysis. -
Descriptive statistics
Introduction to descriptive statistics for the analysis of experimental data. Calculation and interpretation of means and standard deviations. Construction and analysis of histograms and Cartesian (xy) graphs for data representation and visualisation of relationships between physical quantities. -
Main statistical distributions
Study of the main probability distributions of scientific interest. Reconstruction of the normal distribution from experimental data. Introduction to the binomial distribution, with examples and numerical simulations (e.g. dice throwing), and to the Poisson distribution for the description of rare events (e.g. description of the number of goals in a match). Comparison between theoretical distributions and observed data. -
Data analysis and interpretation
Analysis of relationships between physical quantities using simple models. Linear regression of experimental data and estimation of model parameters. Evaluation of uncertainties in slope and intercept. Comparison of experimental results with theoretical models using the chi-square method and critical interpretation of results.
Prerequisites
Basic mathematics (algebra, functions, elementary derivatives), no programming experience required.
Teaching form
Lectures with practical examples of statistical data processing.
Textbook and teaching resource
The spreadsheets generated during the lessons will be uploaded to the e-learning platform along with a brief guide to the main commands used in the lessons.
Semester
First and secon semester of the first year.
Assessment method
Students can earn the relevant credits (the exam is not graded, only pass/fail) in two different ways:
- Complete and return all the exercises provided in the shared folder to the lecturer
- During the laboratory part of the Elements of Experimental Method course, students must demonstrate, at the end of the various experiments, that they have correctly used the IT tools for processing experimental data
Office hours
By appointment with the lecturer: roberto.lorenzi@unimib.it
Sustainable Development Goals
Staff
-
Roberto Lorenzi
