INTRODUCTORY STATISTICS

La statistica fornisce un approccio efficace per dare un senso ai dati e per tenere conto dell’incertezza che deriva dalla casualità relativa a sistemi complessi. Per fornire agli studenti di dottorato la formazione statistica più adatta alle loro esigenze di ricerca e per adattarsi ai diversi background ed esperienze precedenti, questo corso fa parte di una serie di 4 corsi a disposizione degli studenti di dottorato del Dipartimento. I corsi sono

* Introductory Statistics
* Regression models and distribution fitting
* Statistical models: generalised linear models and extensions
* Spatio-temporal statistical models

Ogni corso vale 3 crediti. Gli studenti di Science and Management of Climate Change devono seguire (almeno) due corsi. Gli studenti di Environmental Sciences possono seguire tutti i corsi necessari. Gli studenti interessati ad acquisire un background più solido nelle scienze statistiche sono fortemente incoraggiati a seguire tutti i corsi.

Si raccomanda a tutti gli studenti di discutere con i docenti dei corsi, con il proprio supervisore e/o con il direttore del dottorato la combinazione di corsi più adatta da frequentare per il proprio piano di dottorato.

Students will be able to correctly carry out a statistical analysis of environmental and climatic variables using statistical software, identifying the most suitable statistical approach for the problem under study and identifying potential benefits and pitfalls of various analytical approaches.

Nessun pre requisito formale. Il corso farà uso di alcuni concetti matematici e statistici quali funzioni, integrali, derivate, matrici, distribuzioni, stima e verifica di ipotesi. Si prevede inoltre che gli studenti abbiano alcune nozioni su come utilizzare R o altri software di analisi dati (Stata, Python, Matlab).

Basi di programmazione in R. RStudio and R Markdown per ricerca riproducibile.. Espressioni logiche. Vettori, matrici, data frame, liste. Caricare, salvare, modificare i dati. Caricare dati scaricati online. Esecuzione condizionata. Cicli for, while, repeat. Come velocizzare il codice R. Pacchetti aggiuntivi. Rappresentazioni grafiche. Casi studio.

Libri open source su R e analisi dei dati
Articoli scientifici
Slide delle lezioni fornite dal docente

L'esame si svolgerà nel laboratorio informatico, assieme eventualmente agli altri moduli di Statistica.
Gli studenti saranno chiamati a rispondere ad alcune domande scritte e a svolgere un compito di analisi dei dati, fornendo una breve relazione sulla loro analisi.

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

- 27-30: risposte corrette; appropriato linguaggio tecnico; presentazione dei risultati dell'analisi statistica eccellente in termini di correttezza dell'analisi, visualizzazione/presentazione dei risultati e leggibilità del codice;
- 22-26: risposte tendenzialmente corrette esposte con un uso a volte non del tutto appropriato e/o competente del linguaggio tecnico; presentazione dei risultati dell'analisi statistica soddisfacente con analisi largamente corrette, una buona visualizzazione/presentazione dei risultati e codice tendenzialmente leggibile ed eseguibile;
- 18-21: risposte solo parzialmente corrette con uso non sempre appropriato e competente del linguaggio tecnico; analisi statistiche fondamentalmente corrette sebbene presentate in maniera non del tutto soddisfacente e con codice non sempre del tutto leggibile e/o eseguibile.

Insegnamento sarà organizzato in:
a) lezioni sui concetti teorici principali e la descrizione dei vari metodi;
b) esercitazioni in cui si mettono in pratica i concetti teorici, scrivendo codice, analizzando dati, interpretando e comunicando i risultati.