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 finale consisterà nella elaborazione di dati sperimentali utilizzando il software R e nella produzione di un report di interpretazione dei risultati da discutere poi oralmente. 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. Sono previste inoltre una prova in itinere sulle tecniche di base da svolgere con le stesse modalità della prova finale e una presentazione orale su un articolo scientifico con tecniche di analisi più avanzate.