Competenze culturali: conoscenza di – statistica descrittiva e statistica inferenziale - formulazione di ipotesi e verifica – modelli statistici in ecologia
Competenze metodologiche: uso pratico del software statistico R – saper rilevare, organizzare ed interpretare dati ecologici – saper effettuare test d’ipotesi e scegliere testi appropriati
Competenze metodologiche: uso pratico del software statistico R – saper rilevare, organizzare ed interpretare dati ecologici – saper effettuare test d’ipotesi e scegliere testi appropriati
scheda docente materiale didattico
- 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 – Potere statistico - 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) – Analisi delle matrici e test di Mantel – metodi di Monte Carlo (simulazioni, algoritmi)
- Introduzione al software statistico R – Tipi di variabili – Tecniche grafiche – Tecniche di analisi – Metodi avanzati in R (cicli, funzioni, randomizzazioni).
Principali libri di testo consigliati:
Gotelli & Allison. A Primer in Ecological Statistics, Sinauer Ass. Inc.
Crawley, M.J. (2007) The R Book. Wiley.
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
Programma dettagliato:- 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 – Potere statistico - 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) – Analisi delle matrici e test di Mantel – metodi di Monte Carlo (simulazioni, algoritmi)
- Introduzione al software statistico R – Tipi di variabili – Tecniche grafiche – Tecniche di analisi – Metodi avanzati in R (cicli, funzioni, randomizzazioni).
Testi Adottati
Dispense e script distribuiti durante le lezioni; File PDF delle lezioni svolte.Principali libri di testo consigliati:
Gotelli & Allison. A Primer in Ecological Statistics, Sinauer Ass. Inc.
Crawley, M.J. (2007) The R Book. Wiley.
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 Valutazione
La prova pratica consisterà nella 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