Metodologie sperimentali per l'agricoltura
A.A. 2020/2021
Obiettivi formativi
Acquisizione di solide basi metodologiche e pratiche per la progettazione di prove sperimentali e indagini campionarie in agricoltura. Acquisizione di capacità di utilizzo di software per l'elaborazione statistica dei dati biologici in agricoltura. Acquisizione di solide basi teoriche e pratiche per la presentazione, lettura e interpretazione dei risultati statistici di prove sperimentali e indagini campionarie.
Risultati apprendimento attesi
Lo studente al termine del corso acquisirà la capacità di utilizzare software di gestione e analisi dei dati per l'elaborazione dei risultati provenienti da prove sperimentali e indagini campionarie. Acquisirà inoltre la capacità di presentare, leggere ed interpretare i dati provenienti da sperimentazioni in campo ed in laboratorio e da indagini campionarie.
Periodo: Primo semestre (se vi sono più edizioni controllare anche il periodo dell'edizione, che può essere diverso)
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Programma e organizzazione didattica
Single session
Responsabile
Periodo
Primo semestre
Metodi di insegnamento
Le lezioni si svolgeranno prevalentemente a distanza in sincrono sulla piattaforma Teams.
Dati i contenuti del corso, è fortemente raccomandato seguire il corso passo a passo. Le lezioni verranno comunque registrate e rese disponibili per gli studenti sulla stessa piattaforma. Verranno proposti due momenti in presenza a circa metà e verso la fine del corso. Queste momenti saranno dedicati alla revisione teorica e pratica degli argomenti fino a quel punto trattati. La partecipazione a queste lezioni/esercitazioni in presenza dovrà essere prenotata tramite una apposita app. La partecipazione alle lezioni in presenza è facoltativa e non influenzerà la votazione finale. Tutte le informazioni sulle lezioni/esercitazioni in presenza come anche il materiale didattico e gli avvisi inerenti l'organizzazione del corso saranno disponibii sul sito Ariel del corso.
Programma e materiale di riferimento
Il programma del corso ed il materiale di riferimento rimangono invariati.
Metodi di verifica dell'apprendimento e criteri di valutazione
L'esame si svolgerà in forma orale sulla piattaforma Microsoft Teams e consisterà in domande teoriche, esercizi su excel e commento degli output di un programma statistico utilizzato durante le esercitazioni.
Criteri di valutazione: a) correttezza e completezza del linguaggio scientifico tecnico adottato; b) abilità nel risolvere gli esercizi utilizzando il software indicato; c) completezza e spirito critico nel commento dei risultati di una analisi svolta con un software statistico.
La valutazione sarà espressa in trentesimi.
L'esecuzione delle attività proposte durante il corso (esercizi, commenti alle analisi, etc.) verrà considerate come parte integrante nella valutazione dei 3 criteri sopra-riportati.
Le lezioni si svolgeranno prevalentemente a distanza in sincrono sulla piattaforma Teams.
Dati i contenuti del corso, è fortemente raccomandato seguire il corso passo a passo. Le lezioni verranno comunque registrate e rese disponibili per gli studenti sulla stessa piattaforma. Verranno proposti due momenti in presenza a circa metà e verso la fine del corso. Queste momenti saranno dedicati alla revisione teorica e pratica degli argomenti fino a quel punto trattati. La partecipazione a queste lezioni/esercitazioni in presenza dovrà essere prenotata tramite una apposita app. La partecipazione alle lezioni in presenza è facoltativa e non influenzerà la votazione finale. Tutte le informazioni sulle lezioni/esercitazioni in presenza come anche il materiale didattico e gli avvisi inerenti l'organizzazione del corso saranno disponibii sul sito Ariel del corso.
Programma e materiale di riferimento
Il programma del corso ed il materiale di riferimento rimangono invariati.
Metodi di verifica dell'apprendimento e criteri di valutazione
L'esame si svolgerà in forma orale sulla piattaforma Microsoft Teams e consisterà in domande teoriche, esercizi su excel e commento degli output di un programma statistico utilizzato durante le esercitazioni.
Criteri di valutazione: a) correttezza e completezza del linguaggio scientifico tecnico adottato; b) abilità nel risolvere gli esercizi utilizzando il software indicato; c) completezza e spirito critico nel commento dei risultati di una analisi svolta con un software statistico.
La valutazione sarà espressa in trentesimi.
L'esecuzione delle attività proposte durante il corso (esercizi, commenti alle analisi, etc.) verrà considerate come parte integrante nella valutazione dei 3 criteri sopra-riportati.
Programma
Introduzione: organizzazione e finalità dell'insegnamento. Testi e materiali consigliati, metodi d'esame.
Campioni e popolazioni. Stime, stimatori e parametri. Precisione e accuratezza. Caratteristiche di un buon campione statistico: indipendenza e randomizzazione. Piani di campionamento. Tipo di variabili e loro rappresentazioni grafiche (istogrammi, box plot, ramo e foglia, scatterplot). Lezione frontale: 5 ore
Regole di base per la creazione di un buon dataset. Riferimenti assoluti e relativi, uso di formule e matrici semplici: sintassi. Rappresentazioni grafiche con excel: istogrammi (funzione matrice); box plot; diagrammi a dispersione. Diagrammi a linee, mappe georeferenziate. Regole per grafici e tabelle. Esercitazioni al PC: 6 ore
Statistiche descrittive: misure di posizione e dispersione. Asimmetria e curtosi. Relazioni tra due variabili quantitative: covarianza, correlazione e regressione. Lezione frontale: 4 ore
Esercizi sulla covarianza, correlazione e regressione Calcolo e rappresentazione dei valori attesi e dei residui. Esercitazioni al PC: 5 ore
Distribuzioni: normale e normale standardizzata. Teorema del limite centrale. Distribuzione campionaria della media. Errore standard. Margine di errore. Intervalli di confidenza. Lezione frontale: 2 ore
Esercizi sulla standardizzazione; z score; errori standard; intervalli di confidenza. Esercitazioni al PC: 4 ore
Probabilità: regole di base. Permutazioni e combinazioni. Prova delle ipotesi. Errore di tipo I e II. Potenza dei test statistici. Distribuzione campionaria di una proporzione e intervalli di confidenza. Distribuzione binomiale. Distribuzione di Poisson. Lezione frontale: 2 ore
Esercizi per la costruzione di una distribuzione binomiale. Calcolo degli intervalli di confidenza di una proporzione. Prova delle ipotesi di una distribuzione di Poisson. Esercitazione al PC: 4 ore
Test di bontà dell'adattamento ai modelli probabilistici. Distribuzione chi quadrato e relative assunzioni. Uso del chi al quadrato per valutare la bontà dell'adattamento ad una proporzione, alla binomale e alla distribuzione di Poisson. Uso del test del chi quadrato per verificare l'indipendenza tra due variabili categoriali. Tabelle tetracoriche e correzioni di Yates.. Test esatto di Fisher. Lezione frontale: 3 ore
Esercizi per verificare la bontà dell'adattamento ai modelli probabilistici e l'indipendenza tra due variabili categoriali. Esercitazione al PC, lezione pratica: 6 ore
Intervalli di fiducia, ipotesi alternative bilaterali e unilaterali su una media. t test per misure ripetute o dati appaiati. Valori critici nei test a due o a una coda. Intervallo di confidenza. t test per campioni indipendenti. Verifica delle ipotesi. Test di Welch. Lezione frontale: 3 ore
Esercizi: intervalli di confidenza di una media e definizione del P-value della statistica test t o z. t test con dati appaiati e dati indipendenti. Costruzione del test e verifica delle ipotesi. Valori P e interpretazione dei risultati. Esercitazioni al PC: 6 ore
Analisi della varianza: ipotesi nulle e alternative, scomposizione delle devianze e dei gradi di bertà. Significato di variabilità residua, test F. Ipotesi: normalità e omoschedasticità. Test non parametrici. Lezione frontale: 2 ore
Esercizi: ANOVA a una via con tre livelli. Metodo grafico per la normalità: Q-Q plot, test di Shapiro-Wilk. Trasformazioni normalizzanti. Omoschedasticità, test di Levene. Uso di JMP. Esercitazione al PC: 4 ore
Modello lineare generale. Anova a due vie. Disegno fattoriale e a blocchi randomizzati. Modello misto: fattori fissi e casuali. Interazioni. Quadrato latino. Covariata. Modello lineare e regressione. Valori attesi e residui. Coefficiente di determinazione e suo significato. Lezione frontale: 3 ore
Cenni sulle regressioni non lineari e sull'analisi multivariata. Lezione frontale 2 ore
Esercitazioni con software statistici sulla progettazione e l'analisi dei modelli. Rislutati e loro interpretazione. Esercitazione al PC: 5 ore
Campioni e popolazioni. Stime, stimatori e parametri. Precisione e accuratezza. Caratteristiche di un buon campione statistico: indipendenza e randomizzazione. Piani di campionamento. Tipo di variabili e loro rappresentazioni grafiche (istogrammi, box plot, ramo e foglia, scatterplot). Lezione frontale: 5 ore
Regole di base per la creazione di un buon dataset. Riferimenti assoluti e relativi, uso di formule e matrici semplici: sintassi. Rappresentazioni grafiche con excel: istogrammi (funzione matrice); box plot; diagrammi a dispersione. Diagrammi a linee, mappe georeferenziate. Regole per grafici e tabelle. Esercitazioni al PC: 6 ore
Statistiche descrittive: misure di posizione e dispersione. Asimmetria e curtosi. Relazioni tra due variabili quantitative: covarianza, correlazione e regressione. Lezione frontale: 4 ore
Esercizi sulla covarianza, correlazione e regressione Calcolo e rappresentazione dei valori attesi e dei residui. Esercitazioni al PC: 5 ore
Distribuzioni: normale e normale standardizzata. Teorema del limite centrale. Distribuzione campionaria della media. Errore standard. Margine di errore. Intervalli di confidenza. Lezione frontale: 2 ore
Esercizi sulla standardizzazione; z score; errori standard; intervalli di confidenza. Esercitazioni al PC: 4 ore
Probabilità: regole di base. Permutazioni e combinazioni. Prova delle ipotesi. Errore di tipo I e II. Potenza dei test statistici. Distribuzione campionaria di una proporzione e intervalli di confidenza. Distribuzione binomiale. Distribuzione di Poisson. Lezione frontale: 2 ore
Esercizi per la costruzione di una distribuzione binomiale. Calcolo degli intervalli di confidenza di una proporzione. Prova delle ipotesi di una distribuzione di Poisson. Esercitazione al PC: 4 ore
Test di bontà dell'adattamento ai modelli probabilistici. Distribuzione chi quadrato e relative assunzioni. Uso del chi al quadrato per valutare la bontà dell'adattamento ad una proporzione, alla binomale e alla distribuzione di Poisson. Uso del test del chi quadrato per verificare l'indipendenza tra due variabili categoriali. Tabelle tetracoriche e correzioni di Yates.. Test esatto di Fisher. Lezione frontale: 3 ore
Esercizi per verificare la bontà dell'adattamento ai modelli probabilistici e l'indipendenza tra due variabili categoriali. Esercitazione al PC, lezione pratica: 6 ore
Intervalli di fiducia, ipotesi alternative bilaterali e unilaterali su una media. t test per misure ripetute o dati appaiati. Valori critici nei test a due o a una coda. Intervallo di confidenza. t test per campioni indipendenti. Verifica delle ipotesi. Test di Welch. Lezione frontale: 3 ore
Esercizi: intervalli di confidenza di una media e definizione del P-value della statistica test t o z. t test con dati appaiati e dati indipendenti. Costruzione del test e verifica delle ipotesi. Valori P e interpretazione dei risultati. Esercitazioni al PC: 6 ore
Analisi della varianza: ipotesi nulle e alternative, scomposizione delle devianze e dei gradi di bertà. Significato di variabilità residua, test F. Ipotesi: normalità e omoschedasticità. Test non parametrici. Lezione frontale: 2 ore
Esercizi: ANOVA a una via con tre livelli. Metodo grafico per la normalità: Q-Q plot, test di Shapiro-Wilk. Trasformazioni normalizzanti. Omoschedasticità, test di Levene. Uso di JMP. Esercitazione al PC: 4 ore
Modello lineare generale. Anova a due vie. Disegno fattoriale e a blocchi randomizzati. Modello misto: fattori fissi e casuali. Interazioni. Quadrato latino. Covariata. Modello lineare e regressione. Valori attesi e residui. Coefficiente di determinazione e suo significato. Lezione frontale: 3 ore
Cenni sulle regressioni non lineari e sull'analisi multivariata. Lezione frontale 2 ore
Esercitazioni con software statistici sulla progettazione e l'analisi dei modelli. Rislutati e loro interpretazione. Esercitazione al PC: 5 ore
Prerequisiti
Conoscenze di base di statistica descrittiva.
Capacità di utilizzo di fogli di calcolo elettronico.
I prerequisiti e le modalità di esame sono gli stessi per gli studenti frequentanti e non frequentanti.
Una assidua frequenza alle lezioni e alle esercitazioni, pur non essendo obbligatoria, è fortemente consigliata.
Capacità di utilizzo di fogli di calcolo elettronico.
I prerequisiti e le modalità di esame sono gli stessi per gli studenti frequentanti e non frequentanti.
Una assidua frequenza alle lezioni e alle esercitazioni, pur non essendo obbligatoria, è fortemente consigliata.
Metodi didattici
Il corso è organizzato in lezioni frontali 3,5 CFU ed esercitazioni pratiche in aula di informatica 2,5 CFU. Ogni lezione è articolata in una parte teorica ed una parte applicata. Le lezioni forntali hanno lo scopo di presentare le principali metodologie statistiche utilizzate in agricoltura. Le esercitazioni al PC hanno lo scopo di far acquisire allo studente la capacità di applicare le conoscenze acquisite imparando a costruire dataset ottimali a svolgere analisi scegliendo con spirito critico la metodologia più opportuna ed imparando a commentare i risultati ottenuti.
Materiale di riferimento
Il libro di riferimento suggerito è: Analisi statistica dei dati biologici. Whitlock M.C., Schluter D. Ed. Zanichelli, Questo testo è utile per avere un quadro completo delle principali metodologie presentate nel corso e per gli esercizi risolti che possono costituire materiale di approfondimento per gli studenti.
Verranno messe a disposizione degli studenti sul sito Ariel del corso (https://pcrepaldimsa.ariel.ctu.unimi.it) le slide delle lezioni e il materiale di supporto al corso: dataset di analisi, link ad articoli scientifici, indicazioni di altri testi di riferimento e a pagine web di interesse.
Verranno messe a disposizione degli studenti sul sito Ariel del corso (https://pcrepaldimsa.ariel.ctu.unimi.it) le slide delle lezioni e il materiale di supporto al corso: dataset di analisi, link ad articoli scientifici, indicazioni di altri testi di riferimento e a pagine web di interesse.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova scritta e pratica seguita da un colloquio orale facoltativo. La valutazione sarà espressa in trentesimi.
La prova scritta e la prova pratica hanno una durata di 45 minuti ciascuna.
La prova scritta consiste in 6 domande: di cui una a risposta multipla, due a risposta aperta, 2 esercizi e un output di un programma statistico da commentare.
La prova pratica consiste nell'analisi di un dataset con excel.
Criteri di valutazione: La prova scritta intende valutare la conoscenza e la comprensione degli argomenti dell'insegnamento, la correttezza nell'utilizzo del linguaggio specifico della materia, la capacità di applicare le conoscenze acquisite e allo spirito critico utilizzato nella risoluzione dei quesiti proposti La prova scritta può raggiungere un punteggio massimo pari a 24 punti (fino a 4 punti per ogni domanda)
La prova pratica è volta ad accertare che il candidato sappia scegliere il metodo di analisi corretto, sappia utilizzare un software per l'esecuzione dell'analisi e sappia commentarne i risultati. Questa prova verrà valutata con un punteggio massimo di 6 punti.
Il colloquio orale verterà sui risultati delle prove scritta e pratica. Verrà svolto a seguito del superamento della prova scritta e pratica ed è volto al chiarimento degli errori presenti nella prova per l'eventuale miglioramento del voto.
Il punteggio finale sarà espresso in trentesimi (fino ad un massimo di 24 per la prova scritta; fino ad un massimo di 6 per la prova pratica).
La prova scritta e la prova pratica hanno una durata di 45 minuti ciascuna.
La prova scritta consiste in 6 domande: di cui una a risposta multipla, due a risposta aperta, 2 esercizi e un output di un programma statistico da commentare.
La prova pratica consiste nell'analisi di un dataset con excel.
Criteri di valutazione: La prova scritta intende valutare la conoscenza e la comprensione degli argomenti dell'insegnamento, la correttezza nell'utilizzo del linguaggio specifico della materia, la capacità di applicare le conoscenze acquisite e allo spirito critico utilizzato nella risoluzione dei quesiti proposti La prova scritta può raggiungere un punteggio massimo pari a 24 punti (fino a 4 punti per ogni domanda)
La prova pratica è volta ad accertare che il candidato sappia scegliere il metodo di analisi corretto, sappia utilizzare un software per l'esecuzione dell'analisi e sappia commentarne i risultati. Questa prova verrà valutata con un punteggio massimo di 6 punti.
Il colloquio orale verterà sui risultati delle prove scritta e pratica. Verrà svolto a seguito del superamento della prova scritta e pratica ed è volto al chiarimento degli errori presenti nella prova per l'eventuale miglioramento del voto.
Il punteggio finale sarà espresso in trentesimi (fino ad un massimo di 24 per la prova scritta; fino ad un massimo di 6 per la prova pratica).
AGR/17 - ZOOTECNICA GENERALE E MIGLIORAMENTO GENETICO - CFU: 6
Esercitazioni in aula informatica: 40 ore
Lezioni: 28 ore
Lezioni: 28 ore
Docente:
Crepaldi Paola
Siti didattici
Docente/i
Ricevimento:
Su appuntamento richiesto tramite messaggio e-mail
Sezione di Zootecnica Agraria, I° piano, via Celoria 2