Insegnamento EXPERIMENTAL METHODS IN AGRICULTURE
- Corso
- Biotecnologie agrarie e ambientali
- Codice insegnamento
- A002242
- Curriculum
- Comune a tutti i curricula
- Docente
- Andrea Onofri
- Docenti
-
- Andrea Onofri
- Ore
- 54 ore - Andrea Onofri
- CFU
- 6
- Regolamento
- Coorte 2022
- Erogato
- 2022/23
- Attività
- Caratterizzante
- Ambito
- Discipline biotecnologiche agrarie
- Settore
- AGR/02
- Tipo insegnamento
- Obbligatorio (Required)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- Inglese
- Contenuti
- Il corso fornirà basi teoriche e strumenti pratici per organizzare e condurre esperimenti scientifici nel settore agrario, analizzare correttamente i dati, procedendo alla corretta interpretazione e presentazione dei risultati.
- Testi di riferimento
- E-book del docente linkato su UNISTUDIUM
- Obiettivi formativi
- Al termine del corso gli studenti dovranno avere competenze sui seguenti aspetti:
1. Aspetti basilari per l'organizzazione degli esperimenti
2. Disegni sperimentali più importanti e quando si usano
3. Cosa è l'ANOVA e quando si usa
4. Analisi grafica dei residui. Metodo di Box e Cox per le trasformazioni stabilizzanti
5. Cosa è la regressione lineare e quando si usa
6. Cosa sono i test di confronto multiplo e quando si usano
7. Cosa è la regressione non-lineare e quando si usa
Abilità (saper fare)
1. Impostare un esperimento scientifico
3. Analizzare i dati provenienti da un esperimento scientifico
4. Valutare se le assunzioni di base per i metodi parametrici sono rispettate
5. Mettere in atto le più importanti strategie correttive
6. Costruire semplici equazioni per la descrizione di fenomeni scientifici
7. Utilizzare software statistico avanzato
Comportamenti (saper essere)
1. Mostrare spiccato senso critico nella produzione, interpretazione e selezione di dati scientifici
2. Mostrare un sufficiente grado di precisione scientifica nell'impostare esperimenti ed eseguire simulazioni - Prerequisiti
- Lo studente deve possedere le seguenti conoscenze preliminari:
1. Statistiche descrittive. Indicatori di tendenza centrale: media, moda mediana (Indispensabile)
2. Statistiche descrittive. indicatori di dispersione: devianza, varianza, deviazione standard, coefficiente di variabilità (indispensabile)
3. Correlazione e regressione: concetti fondamentali (importante)
4. Popolazione e campione. Parametri e stimatori. Metodi e criteri di stima. Intervalli di confidenza di una media. (importante)
5. Fondamenti sul test d'ipotesi, errori di 1^ e 2^ specie, protezione e potenza. Alcuni esempi di test statistico: test di t di Student, chi quadro (utile)
6. Capacita fondamentali nell'uso di Excel: aprire, chiudere, salvare fogli di lavoro. Capacità di realizzare grafici fondamentali (a barre e a dispersione). Impiego delle funzioni fondamentali (somma, media ecc.) (fondamentale) - Metodi didattici
- Verranno utilizzati i seguenti strumenti didattici:
Video proiezioni delle lezioni, materiale didattico distribuito dal docente, dispense consegnate dal docente
Oltre alla frequenza delle lezioni, lo studente si avvarrà di:
lettura e studio personale su testi di riferimento
lettura e studio personale su materiale consegnato dal docente
lettura e studio personale su materiale on-line messo a disposizione dal docente
attività personale pratica di abilità tecniche e di laboratorio - Altre informazioni
- Le informazioni principali di questo corso sono contenute nella piattaforma UNISTUDIUM
- Modalità di verifica dell'apprendimento
- Esame orale finale con prova pratica di analisi dei dati
- Programma esteso
- Il corso si occuperà di alcuni dei metodi fondamentali per il reperimento di informazioni scientifiche, cioè l'organizzazione di esperimenti e l'impiego di modelli matematici di simulazione. Dovrà fornire le basi teoriche e gli strumenti pratici per pianificare, organizzare e condurre esperimenti scientifici nel settore agrario, nonché di procedere alla corretta elaborazione ed interpretazione dei dati e alla presentazione dei relativi risultati tramite tesi e/o report e/o pubblicazione.
LEZIONI FRONTALI (circa 1.5 ore ciascuna, più 45 min. di discussione collettiva, riepilogo e presentazione di casi-studio)
1 - Procedimento scientifico e misurazione dei fenomeni naturali; variabilità dei dati sperimentali. Popolazione, campione e campionamento. Metodi e criteri di stima. I perché dell'inferenza statistica. Unità sperimentali. Repliche e sottocampionamento. Indipendenza delle unità sperimentali.
2 - Pianificazione degli esperimenti e ANOVA. Generalità sul disegno sperimentale. Disegni a randomizzazione completa. Disegni a blocco randomizzato e a quadrato latino. Disegni fattoriali. Esempi.
3 - Disegni sperimentali complessi. split-plot, split-block e gerarchico. Esperimenti ripetuti nello spazio e nel tempo. Esempi.
4 - Analisi della varianza nei disegni a randomizzazione completa e blocco randomizzato. Inferenze statistiche nell'ANOVA. Esempi
5 - Verifica delle assunzioni di base e analisi preliminare dei dati. Ispezione grafica dei residui. Trasformazioni stabilizzanti. Esempi.
6 - Test di confronto multiplo: pregi e difetti delle metodiche più importanti. Applicazioni relative ad alcuni casi-studio tipici.
7 - Analisi della varianza nelle prove a split-plot, split-block e negli esperimenti ripetuti nello spazio e nel tempo. Esempi
8 - Analisi di regressione e di correlazione. Quando è necessaria. Esempi. La regressione polinomiale. Inferenze statistiche ed ANOVA nell'analisi di regressione. Esempi.
9 - La regressione non-lineare. Il caso del dosaggio biologico. Esempi.
10 - La regressione non lineare. Curve di dissipazione degli erbicidi. Curve di crescita delle colture. Altre funzioni di interesse biologico. Verifica dell'adattamento. Esempi.
Argomenti delle esercitazioni
Le esercitazioni saranno opportunamente calibrate per consentire allo studente, non solo la comprensione dei concetti esposti a lezione, ma soprattutto di eseguire praticamente ed autonomamente le analisi statistiche presentate. Allo studente verranno presentati casi-studio, tratti dalla realtà operativa della ricerca scientifica applicata al mondo agricolo. Lo studente verrà quindi guidato ed indirizzato alla risoluzione di questi casi-studio, utilizzando il software più adatto.