| Programma | Scopo del corso è quello di fornire le necessarie conoscenze di biometria zootecnica ed informatica orientate alla biostatistica ed alla modellizzazione.
Ciò prevede una buona conoscenza della statistica di base e dell?algebra matriciale per poter poi passare all'illustrazione dei modelli e test statistici più utilizzati nella sperimentazione scientifica con particolare attenzione agli animali d'interesse zootecnico.
Infine, si passerà alla costruzione della sperimentazione zootecnica che prevede la conduzione di una prova, la scelta degli animali, la raccolta dei dati fino all?elaborazione degli stessi scegliendo i modelli più opportuni e l'interpretazione dei risultati.
LEZIONI TEORICHE
Algebra matriciale
Definizione di matrice e vettore; matrici speciali; principali operazioni con le matrici e i vettori (addizione, sottrazione, moltiplicazione); prodotto di Kronecker; potenza di una matrice; proprietà delle matrici; inversa di una matrice; calcolo del determinante; proprietà del determinante; inversa generalizzata; inversa di Moore-Penrose; vettori linearmente dipendenti; vettori linearmente dipendenti (LIN); risoluzione dei sistemi di equazione con le matrici. Test parametrici e non parametrici Test statistici parametrici (ANOVA a una via,a due vie, regressione).Test statistici non parametrici (test Kolmogorov-Smirnov, test di Wilcoxon o test dei ranghi per confronto di gruppi in campioni appaiati, analogo del test t; test della somma dei ranghi per confronto di due gruppi in campioni indipendenti, analogo del test t, test di correlazione dei ranghi di Spearman analogo non parametrico del coefficiente di Pearson. Applicazioni del Test del chi-quadro).
Principali modelli statistici
Soluzioni e funzioni stimabili: medie stimate, errori, confronti e significatività. Adattamento del modello. Modelli di tipo monofattoriale o plurifattoriale con eventuali interazioni. Modelli statistici lineari ad effetti fissi con classificazione fattoriale (cross classification), gerarchica (nested) o mista.
Modelli a regressione
Regressione lineare e correlazione, il metodo dei minimi quadrati, il modello statistico di
regressione lineare, intervalli di confidenza delle stime dei coefficienti della retta di regressione, correlazione lineare semplice; regressione quadratica e cubica, regressione stepwise.
La sperimentazione in campo animale
Pianificazione della sperimentazione zootecnica; come si conduce un esperimento scientifico; impostazione della prova e scelta degli animali; esecuzione della prova e raccolta dei dati; elaborazione e valutazione statistica. Il software statistico R ed applicazioni con Excel.
LEZIONI PRATICHE
Risoluzione dei modelli studiati sulla base di casi applicati alle produzioni animali.
Risoluzione dei modelli tramite software dedicati R e Excel. |
|---|
| Testi consigliati | 1. A. PETRIE, P. WATSON Statistics for Veterinary and Animal Science, Blackwell Science ed., 1999.
2. E. BALLATORI Statistica e metodologia della ricerca, Galeno ed.
3. A. CAMUSSI, F. MOLLER, E. OTTAVIANO, M. SARI GORLA Metodi statistici per la sperimentazione biologica, Zanichelli ed. 4. G.W.SNEDECOR, W.G.COCHRAN Statistical methods, VI edition, Ames, Iowa, USA. 5.R.COCCARDA Manuale di statistica, Statistica descrittiva, inferenziale e calcolo delle probabilità. Maggioli ed.
6.G.A.MACCARARO, B.CHIANDOTTO, R.DE CRISTOFARO, G.CHISCI, F.SALVI, E.OTTAVIANO, E.MARUBINI, M.BABBINI, N.MONTANARO, F.NICOLIS, M.TURRI Biometria principi e metodi, Piccini ed. 7. Materiale delle lezioni. |
|---|
| Risultati apprendimento | Conoscenze (sapere)
1.acquisire conoscenze di biometria zootecnica
2.acquisire conoscenze di informatica
3.saper costruire una sperimentazione zootecnica
4.conoscere i principali modelli statistici
5.conoscere i principali software statistici
6.saper scegliere il modello più adatto al tipo di esperimento
7.saper elaborare i risultati sia con software dedicati che programmabili
8.saper interpretare le elaborazioni
9.saper organizzare l'esposizione dei risultati ottenuti
10.saper stendere ed elaborare un lavoro scientifico
Abilità (saper fare)
1.definire un piano sperimentale
2.eseguire campionamenti, rilevamenti, analisi di laboratorio, ecc.
3.costruire dataset
4.applicare i software statistici più utilizzati
5.elaborare ed interpretare i dati
6.presentare opportunamente i risultati
7.elaborare un lavoro scientifico
Comportamenti (saper essere)
1.essere in grado di lavorare in gruppo
2.essere consapevole dell'importanza della metodologia scientifica
Supporti per l'insegnamento e l'apprendimento
Video proiezioni delle lezioni
Materiale didattico distribuito dal docente
Piattaforme telematiche ad accesso limitato
Testi consigliati per lo studio
Modalità di apprendimento (oltre alla frequenza delle attività didattiche)
Lettura e studio personale su testi di riferimento
Lettura e studio personale su materiale on-line messo a disposizione dal docente
Fare pratica di abilità tecniche
Modalità di verifica
Esame orale finale
Esame scritto finale
Accertamento continuo al termine di ogni lezione/esercitazione
Al termine delle verifiche è previsto un incontro con studenti per discutere i risultati
|
|---|
