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.

Gli studenti saranno in grado di effettuare correttamente un'analisi statistica delle variabili ambientali e climatiche utilizzando software statistici, individuando l'approccio statistico più adatto al problema oggetto di studio e identificando potenziali benefici e insidie dei vari approcci analitici.

Nessun prerequisito 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. 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
Articoli scientifici
Slide delle lezioni fornite dal docente

L'esame si svolgerà nel laboratorio informatico. 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. Gli studenti dovranno conseguire una valutazione sufficiente in entrambe le parti per superare l'esame complessivo. Il voto sarà basato sul numero di risposte corrette fornite nelle domande scritte e sul livello di presentazione del compito di analisi dei dati. In particolare verranno valutati: chiarezza della presentazione e adeguatezza degli approcci statistici e delle modalità di visualizzazione dei dati, leggibilità del codice.

Insegnamento 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.

Inglese

Nessuna.

scritto