PREREQUISITI E PROPEDEUTICITÀ

CONOSCENZE E ABILITÀ DA ACQUISIRE

Lo/la studente/essa dovrà:

-      conoscere le principali tecniche di base per l'analisi descrittiva dei dati e l'inferenza statistica; inoltre dovra' conoscere le basi teoriche dei modelli di regressione e le loro principali applicazioni;

-      saper utilizzare il software statistico R almeno nelle principali funzioni di base;

-      saper interpretare in autonomia analisi e report statistici forniti da terzi;

-      essere in grado di analizzare, tramite l'uso di R, un insieme di dati reali e saper trarre conclusioni coerenti con le analisi svolte;

-       saper commentare e comunicare con sicurezza i risultati ottenuti dall'analisi di un insieme di dati.

PROGRAMMA/CONTENUTI DELL’INSEGNAMENTO

MODULO: Statistica applicata agli alimenti

1. Introduzione a R

Ambiente di lavoro. Assegnazioni di valori e operazioni aritmetiche. Vettori, matrici e data-frame. Caricamento e salvataggio dei dati. Cenni di programmazione.

2. Statistica descrittiva, probabilita' e richiami di inferenza statistica

Tabelle di frequenza e rappresentazioni grafiche. Indici di posizione e variabilità. Risultati di base di calcolo delle probabilita'. Intervalli di confidenza. Test delle ipotesi: errori di primo e secondo tipo, livello di significatività.

3. Relazioni fra variabili

Indipendenza statistica, dipendenza in media (Anova a una via) e correlazione lineare.

4. Regressione lineare

Il modello di regressione lineare. Stima dei parametri. Test sui parametri. Misure di bontà di adattamento. I residui e la diagnostica sul modello. Punti influenti e valori anomali. Analisi della varianza e test F.

5. Cenni di statistica avanzata

Le principali metodologie per l'analisi di dati multivariati. Disegno degli esperimenti. Metodi di simulazione.

ATTIVITÀ DI APPRENDIMENTO E METODI DIDATTICI PREVISTI

L’insegnamento prevede:

- lezioni teoriche con esempi;

- sessioni di laboratorio per l'analisi di insiemi di dati reali tramite l'utilizzo del software R.