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

Elementi di Fisica ONLINE, Statistica ed Informatica

Oggetto:

Elements of ONLINE Physics, applied statistic and informatics

Oggetto:

Anno accademico 2018/2019

Codice dell'attività didattica
SVE0167
Docenti
Prof. Mario GIACOBINI (Responsabile)
Prof. Francesco Massaro (Affidatario)
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
Mista
Lingua di insegnamento
Italiano
Modalità di frequenza
Facoltativa
Tipologia d'esame
Scritto
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

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 Fisica applicata
Lo Studente dovrà acquisire una chiara conoscenza di come viene applicato il metodo scientifico attraverso le nozioni di base inerenti le grandezze fisiche ed i principi e le leggi fisiche. Il tutto è volto ad una ragionevole comprensione della fenomenologia fisica presente nelle materie che sono oggetto di studio nel corso di laurea.

MD Statistica applicata e MD Informatica
Lo Studente dovrà acquisire le nozioni fondamentali di statistica ed informatica 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 Student will 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 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
Oltre ad aver acquisito le conoscenze proprie dell'insegnamento lo Studente dovrà essere in grado di gestire l'impostazione analitica di un problema/esercizio di Fisica e di risolverlo sia individuando la/e formula/e richiesta che il risultato numerico. Deve essere inoltre in grado di operare verifiche dimensionali delle formule trovate.

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.

Applied Physics
Despite the acquisition of the basic knowledge concerning the course, the student should also be able to set the boundaries of a problem/exercise being able to solve it properly (both numerically and analytically). She/he should also carry out a proper dimensional analysis to check the solution obtained.

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

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. Per il modulo di Fisica è anche possbile utilizzare le lezioni del corso online disponibili al link web: http://start.unito.it/enrol/index.php?id=33

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. For the physics module it is also possible to follow the on-line course available at the web link: http://start.unito.it/enrol/index.php?id=33

Oggetto:

Modalità di verifica dell'apprendimento

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

MD Fisica applicata on line: prova scritta: 10 domande/esercizi a risposta multipla con 5 scelte  

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 una prove in itinere relativa al MD Fisica e due esoneri per i MD Informatica e MD Statistica Applicata. 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.

L'esonero 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.

L'esonero di 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 evaluations on the topics covered during the lectures and the practical works is composed by two parts.

On line Applied Physics: written exam 

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.

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

The ongoing practical test on Informatics exectuted in the computer lab consists in the solution of exercizede on the management of data using flat and relational databases, and the graphical and statistical description of some data extracted from the databases.

Oggetto:

Attività di supporto

Sono previste 40 ore di tutorato in aula per il MD Fisica Applicata e altre 40 ore in laboratorio informatico per i MD Informatica e Statistica Applicata.

Tutoring lessons (40 hours) for the MD Applied Physics, and additional practical session in the computer labs (40 hours) for the MD Informatics and Applied Statistics.

Oggetto:

Programma

MD Fisica applicata

1.1 Metodo scientifico
1.2 Richiami di Analisi matematica, Statistica, Calcolo vettoriale
2.1 Cinematica
2.2 Leggi del moto di Newton
2.3 Lavoro ed Energia
2.4 Urti
2.5 Corpi rigidi
3.1 Fluidi ideali
3.2 Fluidi reali
3.3 Fenomeni molecolari
4.1 Termodinamica 1
4.2 Termodinamica 2
4.3 Termodinamica 3
4.4 Diffusione e Osmosi
5.2 Forze, Campi e Potenziali elettrici
5.4 Magnetismo

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.

On line Applied Physics

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 Spermann correlation tests, simple linear regression models.
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:

  • J.S.Walker, Fondamenti di Fisica, Pearson (V ed.)
  • G. Norman, D. Streiner, Biostatistica - tutto quello che avreste voluto sapere, 2° edizione, Casa Editrice Ambrosiana
  • 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.)
  • 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:
Ultimo aggiornamento: 11/09/2018 18:56
Non cliccare qui!