Introduzione alla logica della ricerca scientifica. Concetti di popolazione, campione, unità statistica. La programmazione degli esperimenti. Tipi di variabili e loro rappresentazione grafica. Elementi di probabilità e principali distribuzioni di probabilità. Misure di tendenza centrale e di variabilità. Correlazione e regressione. Verifica delle ipotesi. Principali test parametrici e non-parametrici. Modelli lineari generalizzati. Introduzione alla analisi multivariata.
Quinn & Keough (2002) Experimental Design and Data Analysis for Biologists. Cambridge University Press.
Whitlock & Schluter (2010) Analisi statistica dei dati biologici. Zanichelli
Obiettivi Formativi
Conoscenze
Principi del disegno sperimentale e della programmazione delle osservazioni; principali metodi di analisi sia univariati che multivariati.
Competenze
Competenza nell’analizzare dati di origine ecologica ed etologica; saper programmare un esperimento o una campagna di osservazioni; saper scegliere le tecniche e metodiche di analisi più approprate a specifici casi.
Capacità acquisite alla fine del corso
Alla fine del corso lo studente dovrà essere in grado di adattare i principi generali della programmazione sperimentale a casi specifici, testare vari tipi di ipotesi, analizzare statisticamente i dati e interpretare in maniera critica i risultati sperimentali.
Prerequisiti
nessuno
Metodi Didattici
Lezioni frontali, seminari, discussione in classe su casi di studio selezionati. Esercitazioni pratiche di analisi di dati.
Modalità di verifica apprendimento
L’esame ha lo scopo di accertare l’acquisizione delle conoscenze e delle abilità tramite una prova scritta ed una orale. La prova scritta consiste nella risoluzione di alcuni problemi numerici e in test nei quali si chiederà di individuare la strategia di analisi di dati forniti dal docente. La prova orale verterà su alcuni argomenti del programma svolti a lezione, in particolare nella descrizione e interpretazione di esperimenti utilizzando rappresentazioni grafiche dei risultati.
Programma del corso
Introduzione alla logica della ricerca scientifica. Ipotesi, ipotesi nulla, principio di falsificazione. Concetti di popolazione, campione, unità statistica. La programmazione degli esperimenti. Replicazione, indipendenza, pseudoreplicazione.
Principali tipi di disegno sperimentalee loro analisi: semplice, fattoriale, nested. Tipi di variabili e loro rappresentazione grafica. Elementi di probabilità e principali distribuzioni di probabilità (es. Normale, Poisson, Binomiale). Misure di tendenza centrale e di variabilità. Correlazione e regressione. Verifica delle ipotesi. Principali test parametrici e non-parametrici per diversi tipi di variabili.
Modelli lineari generalizzati: implementazione di GLM per differenti tipi di variabili (normali, Posson, binari).
Introduzione alla analisi multivariata: ordinamento (PCA, nMDS) e analisi dei cluster.