Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Elementi di fisica, statistica e informatica

Oggetto:

Elements of physics, statistics, and informatics

Oggetto:

Anno accademico 2015/2016

Codice dell'attività didattica
VET0207
Docenti
Prof. Roberto Cirio (Affidatario)
Prof. Mario GIACOBINI (Responsabile)
Anno
1° anno
Tipologia
Corso integrato
Crediti/Valenza
12
SSD dell'attività didattica
FIS/07 - fisica applicata (a beni culturali, ambientali, biologia e medicina)
INF/01 - informatica
MAT/06 - probabilita' e statistica matematica
Modalità di erogazione
Tradizionale
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa
Tipologia d'esame
Scritto più orale obbligatorio
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

MD Fisica applicata
Lo Studente dovrà acquisire una dettagliata conoscenza delle grandezze e delle leggi fisiche necessarie a una ragionevole comprensione della fenomenologia fisica presente nelle materie che sono oggetto di studio nel corso di laurea.

MD Statistica applicata e MD Informatica
Acquisizione delle nozioni fondamentali di statistica ed informatica necessarie alla gestione di dati e alla comprensione delle applicazioni statistiche nel campo della gestione zootecnica e faunistica.

Oggetto:

Risultati dell'apprendimento attesi

MD di Fisica applicata
Lo Studente al termine del Corso sapra’ affrontare e risolvere problemi facendo uso del metodo scientifico e potra’ gestire le problematiche analitiche inerenti. Tali competenze saranno utilizzate in gran parte dei Corsi successivi e, continuamente, nella pratica professionale oggetto degli studi

MD di Statistica applicata e MD di Informatica
Conoscenza e capacità di comprensione. Lo studente dovrà conoscere gli strumenti informatici necessari per gestire in modo logico e funzionale dati biologici. Una volta organizzati i dati, agli studenti verranno presentati gli strumenti metodologici che permettano loro di descrivere sia da un punto di vista grafico che statistico il campione rappresentato da tali dati. Lo studente dovrà quindi apprendere le nozioni di base di statistica  inferenziale, avere padronanza del concetto di ipotesi, distribuzione e di inferenza.
Capacità di applicare conoscenza e comprensione. Lo studente dovrà essere in grado di utilizzare sistemi di gestione di basi di dati piatte e relazionali. Nell'uso di fogli elettronici, lo studente dovrà saper utilizzare funzioni grafiche, logiche, matematiche e statistiche per la descrizione di dati. Lo studente dovrà essere in grado di descrivere il quadro statistico delineato dallo studio in esame, scegliendo e applicando il test statistico più adatto per l'analisi statistica inferenziale scelta.
Autonomia di giudizio. Lo studente dovrà acquisire un buon grado di autonomia nel discriminare quali paradigmi di oganizzazione di dati e gli strumenti grafici e di statistica descrittiva siano più adatti alla situazione in analisi. Lo studente dovrà quindi acquisire un buon grado di autonomia nel delineare il disegno sperimentale più adatto a studiare il fenomeno sotto investigazione. Una volta eseguita l'analisi statistica dei dati, lo studente dovrà mostrare una buona capacità di discussione dei risultati ottenuti.
Abilità comunicative.Lo studente dovrà essere in grado di utilizzare la terminologia tecnico-scientifica specifica in modo adeguato.
Capacità di apprendimento. Le conoscenze acquisite offrono  le basi per  un successivo approfondimento degli strumenti di organizzazione e gestione di basi di dati che potranno risultare utili in diversi ambiti della pratica professionale. Inoltre le conoscenze acquisite offrono  le basi per  affrontare in modo indipendente analisi statistiche inferenziali e per un successivo approfondimento dei modelli statistici.

Oggetto:

Modalità di insegnamento

Lezioni frontali integrate da attività esercitative collettive in aula e a gruppi in aula informatica.

Oggetto:

Modalità di verifica dell'apprendimento

L’esame verte sugli argomenti oggetto delle lezioni e si articola in due parti, le cui prove possono essere sostenute nella stessa sessione o in sessioni diverse. Il percorso di esame dovrà essere completato entro un anno solare dal superamento della prima delle due parti.

MD Fisica applicata: prova scritta (consistente in esercizi da svolgere per esteso) e colloquio orale obbligatorio al quale sono ammessi gli Studenti che risultino sufficienti nella prova scritta.

MD Statistica applicata e MD Informatica: colloquio orale sul materiale trattato, accompagnato da verifica delle capacità di inserimento ed elaborazione dati con i software visti durante i laboratori informatici.

Le votazioni delle due parti concorreranno in modo proporzionale ai relativi CFU al voto finale.

Durante il corso è prevista la possibilità di sostenere prove in itinere relative al MD Fisica e al MD Informatica. Il superamento di ogni prova esonera gli argomenti oggetto della prova stessa durante il colloquio orale e le votazioni in trentesimi ottenute nelle diverse prove concorrono alla valutazione finale in modo ponderato secondo i crediti relativi ai diversi programmi.

La prova in itinere di Informatica consiste in una prova pratica in aula informatica in cui lo studente deve risolvere esercizi pratici dimostrando le competenze acquisite nell'organizzazione di dati e nella loro descrizione mediante strumenti grafici e statistici.

Oggetto:

Programma

MD Fisica applicata
La fisica e le grandezze fisiche. Analisi dimensionale e cifre significative. Le conversioni. Vettori. Cinematica 2D. Leggi di Newton. Lavoro ed energia. Fluidi ideali e reali. Fenomeni molecolari. Termodinamica. Diffusione e osmosi. Fenomeni elettrici.
Esercitazioni
A richiesta degli Studenti saranno organizzati incontri per riprendere concetti base di matematica.

MD Statistica applicata e MD Informatica
Introduzione alla statistica e all’informatica: ambiti e breve storia delle due discipline, dati e variabili, elaborazione di dati mediante sistemi informatici e informativi.
Creazione e utilizzo di basi di dati: organizzazione logica di dati, basi di dati piatte e loro implementazione e interrogazione mediante fogli elettronici, creazione e interrogazione di basi di dati relazionali.
Statistica descrittiva: campioni e popolazioni, rappresentazione grafica di dati, indici di posizione (media, moda e mediana) e dispersione (range, varianza, deviazione standard, percentili), forme di una distribuzione, distribuzione normale, asimmetria.
Cenni di probabilità: eventi e probabilità, probabilità di eventi indipendenti e di eventi mutualmente esclusivi, distribuzioni di probabilità.
Statistica inferenziale: teorema del limite centrale e test a confutazione di ipotesi,  errore standard, intervalli di confidenza, disegni sperimentali, metodi di campionamento, test per differenze tra medie di due gruppi indipendenti (t-test, Wilcoxon) e dipendenti (t-test e Wilcoxon per dati appaiati),  test per differenze tra medie di più di due gruppi (analisi della varianza ad un fattore, test ANOVA), correlazione di Pearson e Spermann, modelli di regressione lineare semplice.
Esercitazioni
Tutti gli argomenti trattati durante le lezioni teoriche saranno integrati da esempi e affiancati da esercitazioni in aula informatica. Le basi di dati piatte e relazionali saranno gestite mediante MS Excel e Access, mentre per l'analisi statistica sarà utilizzato il software  R con interfaccia grafica RCommander.

Oggetto:

Testi consigliati e bibliografia

Materiale didattico di riferimento:

  • J.S.Walker, Fondamenti di Fisica, Pearson (V ed.)
  • A. Petrie, P. Watson, Statistics for Veterinary and Animal Science, Wiley Blackwell
  • Dispense e materiale didattico pubblicati sulla pagina web del corso

Materiale didattico per ulteriori approfondimenti:

  • D. Giancoli, Fisica, CEA (II ed.)
  • A. Giambattista, Fisica generale, McGraw-Hill (II ed.)
  • D. Scannicchio, Fisica biomedica, Edises (III ed.)
  • R.Serway J.Jewett, Principi di Fisica, EdiSES (V ed.)
  • M. Klaps, W. Lamberson, Biostatistics for animal science, CABI
  • S. A. Glantz, Statistica  per discipline biomediche, 6° edizione, Ed. McGraw-Hill Companies
  • Avalle U., Carmagnola F., Cena F., Console L., Ribaudo M. Introduzione all’informatica, UTET Libreria
Oggetto:

Moduli didattici

Oggetto:
Ultimo aggiornamento: 05/05/2016 10:52