Competenze culturali (conoscenza di): - Statistica descrittiva e statistica inferenziale - Formulazione di ipotesi e verifica - Modelli statistici in ecologia - Cenni di analisi multivariata.
Competenze metodologiche (saper effettuare): - Uso pratico del software statistico R - Saper rilevare, organizzare e interpretare dati ecologici – Saper effettuare test d’ipotesi e scegliere test appropriati - Saper riportare correttamente i risultati statistici - Saper interpretare e comprendere le analisi statistiche in articoli scientifici.
Competenze metodologiche (saper effettuare): - Uso pratico del software statistico R - Saper rilevare, organizzare e interpretare dati ecologici – Saper effettuare test d’ipotesi e scegliere test appropriati - Saper riportare correttamente i risultati statistici - Saper interpretare e comprendere le analisi statistiche in articoli scientifici.
scheda docente
materiale didattico
Libri di testo consigliati:
Crawley, M.J. (2007) The R Book. Wiley.
Gotelli & Allison. A Primer in Ecological Statistics, Sinauer Ass. Inc.
Software:
R Core Team (2014). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
Il ricevimento si effettua previo appuntamento via mail: marta.carboni@uniroma3.it
Programma
Significato della disciplina: analisi statistiche in biologia – Statistica descrittiva, inferenziale e predittiva - Misure di dispersione – Media e mediana – Distribuzioni di probabilità – Formulare ipotesi e testarle – Ipotesi nulla - Test a una e a due code – Test parametrici e non parametrici – t test e analoghi – Analisi delle frequenze - Analisi della varianza – Analisi della covarianza – Potenza statistica - Correlazioni e regressioni – Generalized linear models - Modelli statistici avanzati in ecologia (modelli misti, model selection, testare l’efficacia di un modello) – Analisi multivariata (pca, analisi discriminante) – Metodi statistici avanzati (se rimane tempo: Analisi delle matrici e test di mantel, metodi di Monte Carlo) – Introduzione al software statistico R – Tipi di variabili – Tecniche grafiche – Tecniche di analisi – Metodi avanzati in R (se rimane tempo: cicli, funzioni, randomizzazioni).Testi Adottati
Dispense e script distribuiti durante le lezioni; File PDF delle lezioni svolte.Libri di testo consigliati:
Crawley, M.J. (2007) The R Book. Wiley.
Gotelli & Allison. A Primer in Ecological Statistics, Sinauer Ass. Inc.
Software:
R Core Team (2014). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org/.
Il ricevimento si effettua previo appuntamento via mail: marta.carboni@uniroma3.it
Modalità Erogazione
Il corso si svolgerà con lezioni frontali e con esercitazioni pratiche in aula con l'ausilio del software per l’analisi statistica RModalità Frequenza
La frequenza con costanza è fortemente raccomandataModalità Valutazione
La valutazione prevede due prove in itinere e un esame finale. Le prove saranno pratiche e consisteranno nell’elaborazione di dati sperimentali utilizzando il software R e nella produzione di un report di interpretazione dei risultati. Saranno valutati sia il raggiungimento dei risultati corretti che la modalità di svolgimento dell’esercizio, la preparazione dello script e la capacità di interpretare i risultati correttamente. L’esame finale prevederà sia la prova pratica che una discussione orale a partire dal lavoro svolto.