Vai al contenuto principale
Oggetto:
Oggetto:

Elementi di fisica, statistica e informatica

Oggetto:

Elements of physics, statistics, and informatics

Oggetto:

Anno accademico 2021/2022

Codice dell'attività didattica
VET0207
Docenti
Prof. Mario Giacobini (Responsabile)
Dott. Anna Vignati (Affidatario)
Prof. Ugo Ala (Affidatario)
Anno
1° anno
Periodo didattico
Secondo semestre
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
Mista
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa
Tipologia d'esame
Scritto più orale obbligatorio
Prerequisiti

Matematica di base appresa nei corsi della Scuola Secondaria Superiore. Non sono necessarie nozioni di calcolo differenziale e/o integrale.

Basic knowledge of Mathematics at the level of High School courses. No notion of differential and integral calculus is required.
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

Gli obiettivi formativi del Corso Integrato sono coerenti con quelli del Corso di Studi dal momento che forniscono conoscenze e competenze essenziali per affrontare e risolvere problemi facendo uso del metodo scientifico gestendo le problematiche analitiche inerenti. Tali competenze saranno utilizzate in gran parte degli insegnamenti successivi e, continuamente, nella pratica professionale oggetto degli studi.

MD Fisica applicata
Gli argomenti trattati e le abilità che si intendono formare sono finalizzati a contribuire a far maturare le competenze necessarie ad affrontare (descrivere, comprendere e risolvere) la fenomenologia fisica presente negli insegnamenti che sono oggetto del Corso di Studio e della futura professione.

MD Statistica applicata e MD Informatica
Le nozioni fondamentali di statistica ed informatica contribuiranno a far maturare le competenze necessarie alla gestione di dati e alla comprensione delle applicazioni statistiche nel campo della gestione zootecnica e faunistica. In particolare, le competenze relative alla gestione di dati saranno utili in successivi corsi di approfondimento sui principali sistemi informativi utilizzati nella pratica professionale.

The Student must acquire a detailed knowledge of the physical quantities and laws needed for a reasonable understanding of the physical phenomenology that will be used in the next Courses.

Applied Physics
The topics covered and the skills to be trained are aimed at helping the development of the skills necessary to face (describe, understand and solve) the physical phenomenology present in the teaching courses of the Degree Program and the future profession.

Applied Statistics and Informatics
The Student will acquire the fundamental notions of statistics and informatics useful to the management of data and to their statistical analysis in the field domestic and wildlife management. In particular, the competences on data management will be fundamental for the otional courses of the following years in the degree that analyze the main information systems used in the practice.

Oggetto:

Risultati dell'apprendimento attesi

MD di Fisica applicata

Conoscenza e capacità di comprensione. Al termine dell’insegnamento lo/la studente/ssa dovrà conoscere le formule, le procedure di calcolo, la simbologia e le unità di misura necessarie per descrivere e quantificare un fenomeno fisico.

Capacità di applicare conoscenza e comprensione. Al termine dell’insegnamento lo/la studente/ssa dovrà saper scegliere e applicare le formule, le tecniche e le procedure di calcolo appropriate per risolvere un problema/esercizio di Fisica.

Autonomia di giudizio. Al termine dell’insegnamento lo/la studente/ssa dovrà acquisire un buon grado di autonomia nell'impostare analiticamente la soluzione di un problema/esercizio e nel rappresentare graficamente il fenomeno/esercizio in analisi. Inoltre, lo/la studente/ssa dovrà mostrare una buona capacità di descrizione delle strategie adottate.

Abilità comunicative. Al termine dell’insegnamento lo/la studente/ssa dovrà far uso della terminologia tecnico-scientifica specifica in modo adeguato.

Capacità di apprendimento. Al termine dell’insegnamento lo/la studente/ssa dovrà aver approfondito l'approccio analitico alla risoluzione di problemi e alla loro rappresentazione grafica.

MD di Statistica applicata e MD di Informatica

Conoscenza e capacità di comprensione. Lo/a studente/ssa dovrà conoscere gli strumenti informatici necessari per gestire in modo logico e funzionale dati biologici. Una volta organizzati i dati, 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/a studente/ssa 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/a studente/ssa dovrà essere in grado di utilizzare sistemi di gestione di basi di dati piatte e relazionali. Nell'uso di fogli elettronici, lo/a studente/ssa dovrà saper utilizzare funzioni grafiche, logiche, matematiche e statistiche per la descrizione di dati. Lo/a studente/ssa 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/a studente/ssa 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/a studente/ssa 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, dovrà mostrare una buona capacità di discussione dei risultati ottenuti.

Abilità comunicative. Lo/a studente/ssa 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.

Applied Physics

Knowledge and understanding. At the end of the course, the student will know the formulas, calculation procedures, symbols and units of measurement necessary to describe and quantify a physical phenomenon.

Ability to apply knowledge and understanding. At the end of the course, the student must be able to choose and apply the appropriate formulas, techniques and calculation procedures to solve a physics problem / exercise.

Autonomy of judgment. At the end of the course, the student must acquire a good degree of autonomy in analytically setting up the solution to a problem / exercise and in graphically representing the phenomenon / exercise under analysis. Furthermore, the student must show a good ability to describe the strategies adopted.

Communication skills. At the end of the course, the student must make adequate use of the specific technical-scientific terminology.

Learning ability. At the end of the course, the student must have deepened the analytical approach to solving problems and their graphic representation.

Applied Statistics and Informatics

Knowledge and understanding. Students must know IT tools useful to manage in a logical and functional way biological data. Once organized the data, students will see the main methodological approaches to describe, both graphically and statistically, the sample represented by those data. Then, students must learn basic notions of inferential statistics, and master the concepts of hypothesis, distribution, and inference.

Applying knowledge and understanding.Students must be able to use management systems for flat and relational databases. When using spreadsheets, students must be able to use graphical, logical, mathematical, and statistical functions to describe a sample of data. Students must be able to draw the statistical framework useful to study the phenomenon under investigation, by choosing and applying the statistical test more adequate for the selected statistical analysis.

Making judgments. Students must gain a good authonomy in discriminating which paradigms of data organization and which graphical tools and descriptive statistics are more suitable to describe the phenomenon under investigation. Students must gain a good confidence in selecting the experimental design more suitable to study the phenomenon under investigation. Once conducted the statistical analysis of the data collected, students must show a good autonomy in discussing the obtained results.

Communication skills. Students must be able to correctly use the specific scientific and technological terminology.

Learning skills. The acquired knowledge offers the basis for a future learning of database management systems that will result useful in different areas of professional practice, as the management of a veterinary clinic or the use of datbases in public health. Morevoer, the acquired knowledge offers the basis to independently analyse data and for a future learning of statistical models.

Oggetto:

Modalità di insegnamento

N.B. A causa della grave emergenza sanitaria in atto ed in ottemperanza alle misure di contenimento della diffusione dell’infezione da Coronavirus, in deroga rispetto a quanto in precedenza riportato nella presente scheda, l’insegnamento potrebbe essere erogato secondo modalità di didattica alternativa utilizzando la piattaforma Moodle, con una pagina per il MD Informatica e il MD Statistica Applicata e una pagina per il MD Fisica Applicata. I link alle diverse pagine Moodle sono reperibili al fondo della pagina dei relativi moduli. Le istruzioni per l’utilizzo della piattaforma sono disponibili ed accessibili sul sito di Unito.

Le misure introdotte saranno applicate in via transitoria sino alla cessazione della situazione emergenziale legata a COVID 19

Lezioni frontali (24 ore per il MD Fisica Applicata e 26 ore per i MD Informatica e Statistica Applicata) integrate da attività esercitative collettive in aula (6 ore per il MD Fisica Applicata) e a gruppi (20 ore per i MD Informatica e Statistica Applicata) in aula informatica.

Traditional frontal lessons (24 hours for MD Applied Physics and 26 hours for MD Informatics and Applied Statistics) integrated by collective practical works (6 hours for MD Applied Physics) in the classroom and by groups of students (20 hours for MD Informatics and Applied Statistics) in labs.

Oggetto:

Modalità di verifica dell'apprendimento

L’esame del corso integrato di Elementi di Fisica, Statistica e Informatica prevede una prova scritta per il MD di Fisica Applicata seguita da un colloquio orale sul programma dei MD Statistica Applicata e Informatica.

L'esame verte sugli argomenti oggetto delle lezioni e si articola in due parti.

MD Fisica applicata: lo scritto di Fisica è composto da 4 esercizi. Ogni esercizio proposto deve essere svolto per esteso, rappresentando graficamente la situazione quando richiesto e motivando le strategie adottate.

MD Statistica applicata e MD Informatica: colloquio orale sul materiale trattato, accompagnato da verifica delle capacità di inserimento ed elaborazione dati. Tale verifica consiste nello svolgimento di un esercizio simile a quelli svolti nelle esercitazioni mediante i software visti durante i laboratori informatici.

Le votazioni delle due parti concorreranno in modo proporzionale ai relativi CFU al voto finale. Una volta superata una delle due prove, lo/a studente/ssa ha un anno solare di tempo per completare l'esame superando la restante prova.

Durante il corso è prevista la possibilità di sostenere due esoneri, uno relativo al MD Fisica e uno relativo ai MD Informatica e Statistica Applicata. Il  superamento di ogni prova esonera gli argomenti oggetto della prova stessa dall'esame scritto (MD Fisica Applicata) o dal colloquio orale (MD Statistica e MD Informatica). Le votazioni in trentesimi ottenute nelle diverse prove concorrono alla valutazione finale in modo ponderato secondo i crediti relativi ai diversi programmi.

L'esonero di Informatica e Statistica Applicata consiste in  colloquio orale sul programma trattato nel MD, accompagnato da verifica delle capacità di interrogazione di basi di dati realzionali e di elaborazione statistica di dati con i software visti durante i laboratori informatici.

The exam of the integrated course includes a written test for the MD of Applied Physics followed by an oral interview on the MD of Statistica and Informatica.

The evaluations on the topics covered during the lectures and the practical works is composed by two parts.

Applied Physics: the Physics essay consists of 4 exercises. Each exercise proposed for the exam must be carried out in a complete way, graphically representing the situation when required and motivating the strategies adopted.

Applied Statistics and Informatics: practical test followed by an oral discussion. The practical test consists in the solution at the computer of a problem involving the management and the statistical analysis of data similar to those seen during the practical sessions. The discussion with the examiners of the proposed solution will be integrated by questions on other topics of the program in order to verify the acquisition of all the required competences.

The evaluation consist in a mark over 30 points that averages the partial marks of the two examinations  proportionally to the modules' credits. Once the student has successfully passed the first part of the exam, he/she has one calendar year to complete the exam with the other part.

During the semester two ongoing practical tests are scheduled on the first part of Applied Physics, and on the program of Informatics and Applied Statistics. If passed with a sufficient mark, the ongoing practical tests exonerate from the parts covered at the final examinations.

Oggetto:

Attività di supporto

E' prevista un'attività di tutorato disciplinare: 40 ore per il MD Fisica Applicata e 40 ore per i MD Statistica Applicata e Informatica.

The students will be supported with 40 hours of mentoring for the MD Applied Physics, and 40 hours for the MD Applied Statistics and Informatics

Oggetto:

Programma

MD Fisica applicata
Metodo scientifico e grandezze fisiche. Analisi dimensionale e cifre significative. Calcolo Vettoriale e grandezze scalari. Cinematica. Dinamica. Lavoro ed energia. Leggi di conservazione. Fluidodinamica. Termodinamica. Fenomeni molecolari. Diffusione e osmosi. Fenomeni elettrici.

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 Sperman.
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.

Applied Physics
Scientific method and physical quantities. Dimensional analysis and significant figures. Vector Calculus and scalar quantities. Kinematics. Dynamics. Work and energy. Conservation laws. Fluid dynamics. Thermodynamics. Molecular phenomena. Diffusion and osmosis. Electrical phenomena.

Applied Statistics and Informatics
Introduction to statistics and informatics: definition of the disciplines, brief historical sketch, data and varfiables, data elabvoration by means of informatic and information systems.

Design and use of databases: logical organization of data, flat and relational databases, data retrival from databeses.

Notion of descriptive statistics: samples and populations, graphical representation of data, measures of central tendency (mean, median, mode) and of dispersion (range, variance, standard deviation, percentiles), shapes of distributions of data, normal distribution, asimmetry measures.

First notions in probability: events and probability, probabilities of independent and mutually exclusive events, probability distributions.
Inferential statistics: central limit theorem and statistical hypothesis testing, standard error, confidence intervals, experimental design, sampling methods, tests for two paired and unpaired samples (t-test and Wilcoxon), tests for more than two samples (one factor analysis of variance, ANOVA test), Pearson and Sperman correlation tests.
Practical works
All topics seen during the lectures will be integrated by examples and completed by practical works in the computer labs. Flat and relational databases will be managed with MS Excel and Access, while statistical analyses will be performed using the R software with its graphical interface RCommander.

Testi consigliati e bibliografia

Oggetto:

Materiale didattico di riferimento

Mudulo di Fisica Applicata:

  • Dispense e materiale didattico pubblicati sulla pagina web del corso
  • Slide del corso di Fisica relative al progetto START@UniTO

Moduli di Informatica e di Statistica Applicata:

  • Dispense e materiale didattico pubblicati sulla pagina web del corso

 

Materiale didattico per ulteriori approfondimenti

Mudulo di Fisica Applicata:

  • 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.)

Moduli di Informatica e di Statistica Applicata:

  • A. Petrie, P. Watson, Statistics for Veterinary and Animal Science, Wiley Blackwell
  • 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

Reference Material

Applied Physics:

  • Notes and files published in the teaching material on the web page of the course/module
  • Slides of the course on Physics in the project START@UniTO

Applied Statistics and Informatics:

  • Notes and files published in the teaching material on the web page of the course/module

 

Materiale didattico per ulteriori approfondimenti

Applied Physics:

  • 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.)

Applied Statistics and Informatics:

  • A. Petrie, P. Watson, Statistics for Veterinary and Animal Science, Wiley Blackwell
  • 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:

Note

Le modalità di svolgimento dell'attività didattica potranno subire variazioni in base alle limitazioni imposte dalla crisi sanitaria in corso. 

The teaching mode could be varied cause of the sanitary crisis. 

Oggetto:

Moduli didattici

Oggetto:
Ultimo aggiornamento: 16/09/2021 17:13
Non cliccare qui!