 |
Alessandro ULRICI
Professore Ordinario
Dipartimento di Scienze della Vita sede ex-Agraria
|
Insegnamento: Elaborazione dei dati sperimentali
Scienze e tecnologie agrarie e degli alimenti (Offerta formativa 2022)
Obiettivi formativi
Il corso si propone di fornire le conoscenze teoriche e pratiche relative alle tecniche statistiche di base per l’analisi dei dati sperimentali, con l’obiettivo di mettere lo studente in grado di applicare le competenze acquisite all'analisi di dati chimici, tecnologici e sensoriali misurati su matrici agro-alimentari.
Per una più completa comprensione degli obiettivi formativi, si rimanda alla lettura dei risultati di apprendimento attesi a seguito dello svolgimento del presente percorso formativo.
Prerequisiti
Conoscenze di base di Chimica generale, Chimica Analitica, Chimica organica, Matematica.
Programma del corso
La scansione dei contenuti per CFU è da intendere come indicativa. Essa può infatti subire modifiche nel corso dell’insegnamento alla luce dei feedback di studentesse e studenti.
- Statistica di base (1,5 CFU): statistica descrittiva; distribuzioni ed istogrammi di frequenza; teorema del limite centrale e distribuzione normale dell'errore casuale; errore standard della media; limiti di confidenza; distribuzione t di Student; principi di base dei test di significatività; t test per confronto di una media con un valore di riferimento; t test per confronto tra medie e per dati accoppiati ; t test a 1 e 2 code; errori di tipo I e di tipo II; F test; test di Dixon e test di Grubbs per outlier; test chi-quadrato. Esercitazioni al computer: introduzione alle funzioni di MS Excel e sua applicazione a dati sperimentali per l’elaborazione statistica di base in abito agroalimentare.
- Carte di controllo (0,5 CFU): descrizione dei metodi univariati per il monitoraggio di processo; carte di Shewhart per la media e per il range; carte CUSUM. Esercitazione con MS Excel per la creazione di carte di controllo di Shewhart per media e range a partire da un dataset sperimentale in ambito agroalimentare.
- Analisi della varianza (1 CFU): ANOVA a 1 via: sorgenti di varianza e calcolo di sum of squares, gradi di libertà e mean squares; box plot; test per confronti multipli; ANOVA a 2 vie senza interazione; ANOVA a 2 vie con interazione; fattori fissi e fattori random. Esercitazioni con MS Excel su ANOVA e test per confronti multipli applicati a dataset sperimentali in abito agroalimentare.
- Regressione (1 CFU): il metodo dei minimi quadrati; calcolo dei coefficienti di regressione; intervalli di confidenza della retta ed incertezza dei coefficienti di regressione; coefficiente di correlazione e sua interpretazione; analisi dei residui; ANOVA della regressione; linearizzazione dei dati; regressione multilineare (MLR); valutazione della significatività dei coefficienti di regressione; selezione di variabili; validazione esterna mediante test set. Esercitazioni con MS Excel su analisi di regressione unilineare e multilineare di dati sperimentali in abito agroalimentare.
Metodi didattici
L'insegnamento si svolge in presenza ed è erogato in lingua italiana. La frequenza non è obbligatoria ma è consigliata, in particolare per le esercitazioni al computer.
I metodi didattici comprendono:
- lezioni frontali in aula (16 ore, 2 CFU), che includono discussioni guidate su aspetti relativi all’analisi dei dati sperimentali, nonché esempi di applicazioni delle tecniche statistiche a problematiche in ambito agro-alimentare;
- esercitazioni al computer (16 ore, 2 CFU) su set di dati sperimentali in ambito agro-alimentare mediante foglio di calcolo elettronico (Microsoft Excel); le esercitazioni si svolgono in aula informatica e prevedono una parte guidata dal docente ed una parte in cui gli studenti elaborano autonomamente i dati e si confrontano con il docente sulle problematiche incontrate e sui risultati ottenuti.
Testi di riferimento
Dispense fornite dal docente del corso
Durante il corso verranno messe a disposizione sulla piattaforma Microsoft Teams le dispense delle lezioni frontali e videoregistrazioni relative agli argomenti delle lezioni ed alle esercitazioni al computer.
Testi di consultazione:
- J.C. Miller and J.N. Miller "Statistics and Chemometrics for Analytical Chemistry" Ellis Horwood PTR Prentice Hall
- D.C. Harris, “Elementi di Chimica Analitica”, Zanichelli 1999
Verifica dell'apprendimento
Al termine dell’insegnamento è previsto un esame orale che comprende anche una prova pratica di elaborazione dei dati al computer mediante il software utilizzato durante l’insegnamento stesso. L’esame si svolgerà nell’arco del calendario didattico dell’offerta formativa e lo/la studente/studentessa che vorrà sostenerlo concorderà la data con il docente contattandolo via email.
Il colloquio, della durata di 40 minuti circa, sarà semi-strutturato e partirà da una richiesta di esporre in forma sintetica gli argomenti del tirocinio di tesi in corso di svolgimento o, nel caso in cui questo non sia ancora iniziato, di un argomento sul quale si desidera svolgere la tesi. Partendo da tali argomenti il docente porrà quindi un problema simulato, per il quale sia necessario ricorrere ad uno o più metodi di elaborazione dei dati tra quelli descritti nel corso. Una volta identificato l’approccio corretto si procederà quindi a discuterne sia gli aspetti pratici che quelli teorici, al fine di valutare la capacità di descrivere ed applicare correttamente le tecniche di elaborazione statistica dei dati e di sapere analizzare e valutare correttamente i risultati. Al colloquio seguirà quindi una prova pratica al computer della durata di 20 minuti circa; il software utilizzato nelle esercitazioni sarà applicato a un dataset sperimentale il più possibile attinente alle problematiche precedentemente discusse.
Gli indicatori (caratteristiche accertate) di valutazione della prova orale sono:
- capacità di utilizzare e collegare le conoscenze (30%)
- capacità di discutere e approfondire gli argomenti (40%)
- padronanza del linguaggio scientifico (30%)
La valutazione è espressa in trentesimi e il punteggio finale rifletterà in maniera progressiva il diverso raggiungimento degli indicatori di valutazione.
Risultati attesi
Conoscenza e capacità di comprensione:
- descrivere e discutere le principali tecniche di analisi statistica di base dei dati sperimentali nello specifico settore professionale delle scienze e tecnologie agrarie degli alimenti;
- illustrare l’uso di fogli di calcolo elettronico (MS Excel) per l’elaborazione statistica di dataset sperimentali relativi a problematiche in campo agro-alimentare.
Conoscenza e capacità di comprensione applicate:
- utilizzare le funzionalità di MS Excel per effettuare l’analisi statistica dei dati sperimentali;
- interpretare autonomamente i risultati delle elaborazioni.
Autonomia di giudizio:
- determinare autonomamente le strategie più opportune di analisi statistica univariata dei dati per la risoluzione di problemi comuni in ambito agro-alimentare.
Abilità comunicative:
- comunicare in modo chiaro le conoscenze teoriche acquisite;
- utilizzare in maniera corretta e appropriata linguaggio, concetti e modelli acquisiti per discutere le strategie più opportune per l’elaborazione statistica dei dati sperimentali;
- descrivere i risultati ottenuti mediante le tecniche statistiche utilizzate.
Capacità di apprendimento:
- acquisire la terminologia e gli strumenti metodologici per il reperimento delle informazioni e potere provvedere autonomamente al proprio aggiornamento.