Analisi dei dati per l'agricoltura

Il programma in breve:
Il corso, dopo un richiamo dei concetti di base di statistica descrittiva affronta le principali tecniche di analisi dei dati utili per la valutazione delle informazioni quantitative e qualitative in agricoltura.
Le lezioni si articoleranno in una parte teorica ed una parte applicativa in aula di informatica.
In breve il corso affronterà: descrizione e rappresentazione di dati qualitativi e quantitativi provenienti da database nazionali ed internazionali. Rappresentazione grafiche, analisi dei trend e degli outlier. Distribuzioni campionarie e teoriche. Relazione fra variabili quantitative: covarianza, correlazione e regressione. Relazioni fra variabili quantitative. Normalizzazione e standardizzazione. Test delle ipotesi e test statistici per dati quantitativi e qualitativi. Analisi della varianza ad una e più vie. Fattori di confondimento, interazione, fattori fissi e casuali. Regressione lineare semplice e multipla, Disegno degli esperimenti e schemi sperimentali. Cenni di test non parametrici e di tecniche di analisi multivariata.

Il programma in dettaglio:

Creazione, gestione e preparazione di dataset quantitativi. 4 h
Richiami di statistica descrittiva: Rappresentazione grafica dei dati: istogrammi, diagrammi box plot, scatter plot 4h
Indici di posizione e dispersione 4h
Misure di relazione fra variabili: covarianza. L'analisi della correlazione e della regressione lineare. Il metodo dei minimi quadrati per la stima dei parametri.4h

Caratteristiche delle popolazioni e dei campioni. Stima dei parametri di una popolazione: stima puntuale ed intervallare. Distorsione, efficienza e consistenza di uno stimatore. Il test statistico: concetti di ipotesi nulla, test bilaterali e unilaterali, livello di significatività e sua valutazione critica, errori di I e II tipo, potenza del test. 3 h

Distribuzioni campionarie e distribuzioni teoriche: binomiale, Poisson, normale, normale standardizzata, log-normale. 6h

Variabili qualitative: loro rappresentazione grafica e test di significatività. Test chi quadrato per la valutazione della bontà di adattamento di dati osservati a distribuzioni teoriche (equiprobabile, binomiale, Poisson) e per la verifica di ipotesi di indipendenza di variabili qualitative. Correzione di Yates. 6h

Test su una media. Z score. intervalli di confidenza, t test. Tecniche per i confronti tra due medie campionarie. Il test t per dati appaiati e per campioni indipendenti. Assunzioni. Problematiche dei confronti indiretti. 6 h

Tecniche di confronto fra più medie: l'analisi della varianza. Assunzioni dell'ANOVA (test di normalità e di omogeneità delle varianze). L'analisi della varianza fattoriale e l'interazione: ANOVA a 2 e 3 vie, e relativa interpretazione dei risultati. ANCOVA 6 h
L'analisi gerarchica della varianza. Modello lineare generale. Modello a fattori fissi e modello a fattori casuali. Tecniche di confronto multiplo tra medie (contrasti e test post-hoc). 4 h

L'analisi della varianza della regressione. Bontà del modello. Le assunzioni per la regressione e i relativi test. Il coefficiente di regressione e il suo errore standard. Valori previsti e residui, analisi dei residui. Analisi degli outlier. Test di significatività per coefficiente di regressione e intercetta. Intervalli fiduciali attorno alla retta di regressione. Il coefficiente di determinazione. Significatività statistica della correlazione e della regressione. 4h

Cenni alla trasformazione dei dati, al ranking e ai test non parametrici. 2h

Cenni di analisi della regressione multipla La scelta del modello ottimale (backward, forward e stepwise regression). 2h

Disegno degli esperimenti: stima della dimensione degli esperimenti e della dimensione dell'effetto. Gli schemi sperimentali: blocchi randomizzati, quadrato latino, split-plot. 2 h
Introduzione all'analisi multivariata: 2h
Esecuzione, lettura ed interpretazione dei risultati dei diversi metodi con software statistici dedicati. 9h