Corso di Laurea in Produzioni e Gestione degli Animali in Allevamento e Selvatici - PGAAS

Obiettivi principali del'insegnamento sono il saper affrontare e risolvere problemi facendo uso del metodo scientifico e poter gestire 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
Si 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
Si 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.

MD di Fisica applicata

Conoscenza e capacità di comprensione. Lo studente dovrà conoscere le formule, le procedure di calcolo, la simbologia e le unità di misura necessarie per descrivere e quantificare un fenomeno fisico e da utilizzare nelle discipline oggetto del Corso di Studio e nell’ambito della professione.

Capacità di applicare conoscenza e comprensione. Lo studente dovrà saper scegliere e applicare le formule, le tecniche e le procedure di calcolo appropriate per risolvere un problema/esercizio di Fisica e per utilizzarle nelle discipline oggetto del Corso di Studio e nell’ambito della professione.

Autonomia di giudizio. Lo studente 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 Studente dovrà mostrare una buona capacità di discussione delle strategie adottate, utile per le discipline oggetto del Corso di Studio e per l’ambito professionale.

Abilità comunicative. Lo studente dovrà far uso della terminologia tecnico-scientifica specifica in modo adeguato, per poterla utilizzare nelle discipline oggetto del Corso di Studi e nell’ambito della professione.

Capacità di apprendimento. Le conoscenze e le competenze acquisite consentiranno allo studente di approfondire l’approccio analitico alla risoluzione di problemi e alla loro rappresentazione grafica, permettendogli di applicarli in autonomia nelle discipline oggetto del Corso di Studi e in diversi ambiti della pratica professionale. 

MD di Statistica applicata e MD di Informatica
Conoscenza e capacità di comprensione. Si 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. Si 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. Si dovrà essere in grado di utilizzare sistemi di gestione di basi di dati piatte e relazionali. Nell'uso di fogli elettronici, si dovrà saper utilizzare funzioni grafiche, logiche, matematiche e statistiche per la descrizione di dati. Si 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. Si 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. Si 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, si dovrà mostrare una buona capacità di discussione dei risultati ottenuti.
Abilità comunicative. Si 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.

Le lezioni online del MD Fisica Applicata sono disponibili su http://start.unito.it/enrol/index.php?id=33. Le Lezioni frontali per i MD Informatica e Statistica Applicata (26 ore) sono integrate da attività esercitative a gruppi (20 ore) in aula informatica. 

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

Applied Physics: written exam, consisting in 4 exercises to be solved. Two questions for each exercise are required, each question count 4 points for a total of 32 points.

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 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.

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.

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 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.