69164 - STATISTICA ED ELABORAZIONE DEI DATI

Conoscenze e abilità da conseguire

Al termine dell'insegnamento lo studente dovrebbe conoscere i criteri della statistica induttiva che stanno alla base dei metodi per il trattamento dei dati di origine sperimentale e dovrebbe essere in grado di applicarli alle problematiche legate al controllo di qualità ed alla sperimentazione di processo.

Contenuti

PARTE STATISTICA

A) Richiami ed approfondimenti

• Tipi di variabili (qualitative e quantitative), dati (discreti e continui), scale (nominale, ordinale, ad intervalli, di rapporti)

• Misure di tendenza centrale o posizione: media (aritmetica semplice, ponderata, geometrica, armonica) moda e mediana

• Classificazione di dati con la distribuzione in frequenza, determinazione del numero ottimale di classi (metodi di Sturges e Scott)

• Misure di dispersione o variabilita': campo di variazione, frattili, scarti dalla media (scarto medio assoluto, devianza, varianza, gradi di liberta', deviazione standard, coefficiente di variazione)

• Indici di forma: simmetria e curtosi (momenti, indici di Pearson e di  Fisher)

• Rappresentazioni di dati, grafiche e tabellari

• Precisione ed accuratezza di una misura

• Regressione: variabile indipendente e dipendente, regressione lineare semplice e multipla, codevianza, equazione  di regressione, significativita' del coefficiente angolare con l'F di Fisher e con il t di Student, significativita' dell'intercetta con il t di Student; indici della capacita' predittiva della regressione (coefficiente di determinazione, aggiustato, errore standard, PRESS), analisi dei residui.

• Correlazione (variabili correlate, coefficiente di correlazione, covarianza, relazione tra regressione e correlazione, significativita' del coefficiente di correlazione).

 

B) Probabilita' e distribuzione

• Definizioni di probabilita': classica, statistica, soggettiva

• Calcolo combinatorio semplice: permutazioni, disposizioni e combinazioni  semplici

• Distribuzioni: la distribuzione discreta binomiale (applicazioni, proprieta'), la distribuzione continua normale (funzione di densita' di probabilita', la standardizzazione, momenti e indici di forma, proprieta')

• Distribuzioni campionarie per l'inferenza (Chi-quadro, t di Student, F di Fisher): funzioni di densita' di probabilita', proprieta'.

C) Analisi delle frequenze con il Chi -quadro: confronto fra distribuzione osservata ed attesa, ipotesi nulla ed alternativa, condizioni di applicabilita', valori critici della distribuzione Chi -quadro (tavole)

D) Livelli di significativita' e probabilita': errore del I e II tipo, potenza di un test statistico (livello di significativita', valore della differenza di cui si vuole verificare la significativita', variabilita', ipotesi unilaterale o bilaterale, dimensione del campione, test parametrico o non-parametrico. Intervalli di confidenza o di fiducia.

E) Inferenze sulle medie

• t di Student: confronto tra media osservata ed attesa, tra un'osservazione e la media campionaria, tra medie di due campioni, indipendenti o dipendenti), test a unilaterale o bilaterale, valori critici del t di Student (tavole)

• Analisi della varianza a uno o piu' criteri di classificazione:  il test F, valori critici di F (tavole), varianza e devianza "tra" ed "entro", gli errori, i confronti a priori e posteriori (LSD, Tukey)

• Test non parameterici (Kruskal-Wallis e U di Mann-Whitney, tavole dei valori critici)

• Condizione di applicabilita' e validita dei metodi inferenziali (caratteristiche della distribuzione campionaria, test F, test di Levene, omogeneita' della varianza, caratteristiche degli errori)

F)  Introduzione alle tecniche statistiche multivariate

• Analisi delle componenti principali (PCA)
• Regressione ai minimi quadrati parziali (PLSR)

PARTE  ELABORAZIONE DATI

A) Richiami ed approfondimenti

• Excel per Windows: comandi, sintassi, formule statistiche, matematiche e trigonometriche, logiche, filtri, strumento "analisi dati", linguaggio "macro" e Visual Basic, creazione di report.

B) Le reti neurali artificiali: teoria delle reti neurali: il neurone artificiale, funzioni di trasferimento, architettura, topologia, apprendimento, back-propagation, esempi di  software, applicazione nel settore alimentare.

C) L'analisi di immagine: l'acquisizione, il trattamento dell'immagine, i parametri misurabili, il software ImagJ

D) Risorse bibliografiche in Internet.

(Ripartizione ore di lezione ed esercitazioni: vedi paragrafo "Metodi didattici").

Testi/Bibliografia

Materiale necessario

Dispense per il corso ed esercizi svolti (scaricabili da "Virtuale" e dalla cartella di scambio).

 

Materiale di consultazione o approfondimento 

http://www.dsa.unipr.it/soliani/soliani.html

http://office.microsoft.com/it-it/support/guida-introduttiva-a-microsoft-office-2010-FX100996114.aspx

Murray R. Spiegel, Statistica, McGraw-Hill, 1994

Mario Castino, Ezio Roletto, Statistica Applicata, Piccin, 1991

Giancarlo Bettuzzi, Strumenti per l'indagine statistica, Volume primo: Statistica descrittiva univariata, Clueb, 1995

D. Costantini, G. M. Giorgi, A Herzel, P. Monari, I. Scardovi, Metodi Statistici per le scienze economiche e sociali, Monduzzi editore, 1994

Manuale di Statistica, Edizioni Simone, 2010

Metodi didattici

Lezioni su aspetti teorici in aula ed esercitazioni pratiche, con l'uso di Excel per Win, in sala computer. Le esercitazioni sono finalizzate all'acquisizione da parte dello studente di capacità di utilizzo del foglio elettronico e di analisi dei dati con i test statistici più rilevanti. Verranno dedicate 30 ore a lezioni teoriche e 20 ore ad esercitazioni.

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

Esame finale a quiz del tipo a scelta multipla con risposta singola, con l'uso del PC (piattaforma EOL, 12 domande con indicazione del punteggio per ciascuna domanda, tempo a disposizione: 95 min). Assegnazione del punteggio in trentesimi.

Consultare "Virtuale" per dettagli sulle modalità d'esame e sugli ausilii consentiti durante la prova.

L'esame e' volto a valutare l'apprendimento dello studente - conoscenze e saper fare (calcoli, determinazioni) - su tutti gli argomenti trattati a lezione. Vengono valutati, in particolare:

1) la conoscenza dei fondamenti teorici del test statistico;

2) la capacita' di scelta critica del test statistico;

3) la conoscenza tecnica dello strumento informatico per l'elaborazione e l'analisi dei dati.

Durante il corso il docente ha inoltre modo di valutare il grado di attenzione e di partecipazione critica degli studenti nel corso delle lezioni e delle esercitazioni cercando, seppure non richiedendo, il coinvolgimento degli studenti stessi nell'analisi e nella discussione. Cio' risulta utile per meglio modulare l'insegnamento in funzione della risposta degli studenti, senza che il risultato di questa interazione costituisca pregiudizio per la valutazione finale.

Date di appello per ogni sessione: due.

Studenti/studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l'ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/alle studenti/studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all'approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Strumenti a supporto della didattica

Personal computers con collegamento ad Internet collocato in aula per il docente. Lavagna. Impianto audio. Videoproiettore. Biblioteca. Sala computer.

Orario di ricevimento

Consulta il sito web di Luigi Ragni