Course Syllabus

Export

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.

  1. 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

  2. Gestione e pulizia dei dati
    Importazione/esportazione, formati comuni, preprocessing.

  3. Statistica descrittiva
    Media, deviazione standard, istogrammi, grafici xy

  4. Principali distribuzioni statistiche
    Ricostruzione di distribuzione normale, binomiale (con simulazione di getto dei dadi) e poissoniana.

  5. Analisi e interpretazione
    Regressione lineare, stima delle incertezze di pendenza e incertezza, confronto con modelli (metodo del chi quadrato)

  1. 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.

  2. 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.

  3. 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.

  4. 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.

  5. 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.

Matematica di base (algebra, funzioni, derivate elementari), nessuna esperienza di programmazione richiesta.

Lezioni frontali con esempi pratici di trattamento del dato statistico.

I fogli elettronici generati durante le lezioni saranno caricate sulla piattaforma e-learning insieme a una breve guida dei comandi principali utilizzati nelle lezioni.

I e II semestre del primo anno.

Lo studente potrà acquisire i relativi CFU (l'esame è senza voto, solo approvato/non approvato) in due diverse modalità alternative tra loro:

  1. Eseguire e restituire al docente tutti gli esercizi forniti nella cartella condivisa
  2. 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

Su appuntamento con il docente: roberto.lorenzi@unimib.it

ISTRUZIONE DI QUALITÁ
Export

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.

  1. Introduction to scientific data analysis
    Organisation of data files (CSV, TSV, TXT, etc.), overview of basic software for scientific data processing

  2. Data management and cleaning
    Import/export, common formats, preprocessing.

  3. Descriptive statistics
    Mean, standard deviation, histograms, xy graphs

  4. Main statistical distributions
    Reconstruction of normal, binomial (with dice roll simulation) and Poisson distributions.

  5. Analysis and interpretation
    Linear regression, estimation of slope and uncertainty, comparison with models (chi-square method)

  1. 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.

  2. 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.

  3. 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.

  4. 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.

  5. 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.

Basic mathematics (algebra, functions, elementary derivatives), no programming experience required.

Lectures with practical examples of statistical data processing.

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.

First and secon semester of the first year.

Students can earn the relevant credits (the exam is not graded, only pass/fail) in two different ways:

  1. Complete and return all the exercises provided in the shared folder to the lecturer
  2. 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

By appointment with the lecturer: roberto.lorenzi@unimib.it

QUALITY EDUCATION
Enter

Key information

Field of research
NN
ECTS
1
Term
Annual
Activity type
Mandatory
Course Length (Hours)
12
Degree Course Type
Degree Course
Language
Italian

Staff

    Teacher

  • RL
    Roberto Lorenzi

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all