Laboratorio di Analisi Dati per Scienze Biologiche

Programma dell'insegnamento
Il corso si propone di fornire allo studente le conoscenze di base (Competenze culturali) e gli strumenti (competenze metodologiche) statistici, matematici e informatici necessari per:
- condurre un esperimento,
- trattare, elaborare e sintetizzare dati sperimentali,
- valutare l'incertezza e intervalli di confidenza dei risultati di un'osservazione,
- valutare i parametri statistici di una popolazione a partire da un campione (inferenza),
- confrontare quantitativamente dati e modelli mediante test di reiezione delle ipotesi.

Programma dettagliato
1. Strumenti di un foglio elettronico (EXCEL, CALC) per la sintesi e la presentazione di dati sperimentali e il calcolo statistico.
0. importare i dati. configurazione del formato dei numeri. Configurazione del PC (lingua, impostazioni di visualizzazione delle estensioni dei files).
a. costruzione di tabelle,
b. funzioni, funzioni in forma di matrice,
c. istogrammi e diagrammi a Barre,
d. grafici a dispersione.
e. funzioni avanzate: tabelle, regressione lineare, strumenti avanzati per l'analisi dei dati.
2. Sintesi statistica:
a. i principali indici statistici per un set di dati anche in forma aggregata,
b. distribuzioni di frequenza per un set di dati,
c. istogrammi di frequenze,
d. presentare la relazione tra grandezze usando grafici a dispersione,
e. valutare la relazione lineare tra grandezze valutandone la correlazione e/o i parametri della regressione lineare.
3. Calcolo delle probabilità:
a. definizioni di probabilità di un evento e simbolismo per il calcolo delle probabilità,
b. eventi dipendenti/indipendenti, compatibili/incompatibili,
c. probabilità di eventi: and, or e probabilità condizionate,
d. teorema di Bayes,
e. distribuzioni di probabilità modello (binomiale, uniforme, Gauss).
4. Valutazione delle incertezze sperimentali
a. l’incertezza su grandezze sperimentali (dati, frequenze degli istogrammi, etc..)
b. incertezze sui parametri di rette di regressione,
c. l’incertezza sulla correlazione lineare
d. valutare le incertezze di misura su grandezze derivate
5. Inferenza statistica
a. Calcolare e interpretare gli intervalli di confidenza per: valori medi, distribuzioni, correlazione lineare, parametri della regressione lineare,
b. test di reiezione delle ipotesi (Z, T, e chi^2),
c. test chi^2 per tabelle di contingenza o distribuzioni,
d. Calcolare un p-value per un test di ipotesi,
e. Costruire e/o interpretare correttamente un test di screening (teorema di Bayes)

Per affrontare con profitto il corso è richiesta una preparazione matematica di base, equivalente alle conoscenze normalmente acquisite nella scuola secondaria superiore, nonché una minima familiarità con gli strumenti informatici di uso comune.

In particolare, lo studente dovrebbe possedere le seguenti competenze preliminari:

* Algebra di base e algebra lineare elementare: operazioni con numeri reali, frazioni, potenze e radicali; manipolazione di espressioni algebriche; risoluzione di equazioni e disequazioni di primo e secondo grado; concetto di vettore e nozioni elementari di matrici e sistemi lineari.
* Funzioni elementari: conoscenza delle principali funzioni matematiche (lineari, polinomiali, razionali, esponenziali e logaritmiche), delle loro proprietà fondamentali e del loro comportamento qualitativo.
* Calcolo differenziale e integrale di base: comprensione del concetto di derivata e integrale; capacità di applicare le principali regole di derivazione e integrazione a funzioni semplici, in particolare polinomi, funzioni esponenziali e logaritmiche; interpretazione geometrica della derivata come tasso di variazione e dell’integrale come area.
* Rappresentazione grafica nel piano cartesiano: capacità di tracciare grafici di funzioni semplici e di interpretarne le caratteristiche principali (andamento crescente o decrescente, massimi e minimi, intercette, andamento asintotico).
* Lettura e interpretazione di grafici e tabelle capacità di comprendere e interpretare grafici cartesiani, diagrammi, istogrammi e tabelle numeriche, individuando trend, relazioni tra variabili e possibili anomalie nei dati.
* Competenze numeriche di base: uso delle percentuali, proporzioni, medie e ordini di grandezza; capacità di effettuare semplici approssimazioni e valutazioni quantitative.
* Competenze informatiche di base: familiarità anche elementare con l’utilizzo di un computer e dei principali strumenti di produttività individuale (Office); conoscenza elementare dell’uso di fogli elettronici (ad esempio Excel), inclusa l’immissione di dati, l’utilizzo di formule semplici e la creazione di grafici di base.

Tali prerequisiti consentono allo studente di seguire efficacemente le attività teoriche e pratiche del corso, con particolare riferimento all’analisi quantitativa dei dati biologici e all’interpretazione statistica dei risultati sperimentali.

M. C. WHITLOCK, D. SCHLUTER - ANALISI STATISTICA DEI DATI BIOLOGICI, ZANICHELLI.

IL TESTO È INTEGRATO CON LE NOTE E GLI ESERCIZI DISPONIBILI SULLA PIATTAFORMA MOODLE e SUI SITI WEB:

https://scienze.el.uniroma3.it/course/view.php?id=2352

.

Il corso si svolgerà con lezioni frontali e con esercitazioni pratiche con l'ausilio di PC e di programmi specifici per la sintesi e l'analisi dei dati sperimentali (Excel, Calc, Gnuplot)
Le lezioni potranno essere svolte in modalità remota sulle piattaforme TEAMS e MOODLE.
La frequenza è obbligatoria

Fatti salvo i casi previsti dai regolamenti di Ateneo, la frequenza al corso è obbligatoria in presenza per gli studenti in corso.
Alcune attività sono disponibili solo a che frequenta con regolarità il Corso.
Alcune prove di valutazione e appelli potranno essere disponibili solo per gli studenti frequentanti con regolarità.
A seguito dell'autorizzazione del Collegio Didattico il docente mete a disposizione lezioni in streaming e registrate per quegli argomenti e procedure più difficili da memorizzare e da seguire (algoritmi, procedure etc...).

L’esame consiste in:
- due prove scritte sotto forma di test su Moodle;
- una prova orale sugli argomenti del corso.

Divieto di strumenti di Intelligenza Artificiale (IA) e LLM:
Durante entrambe le prove (test su Moodle e orale) è vietato l’uso di strumenti di IA, inclusi i Large Language Models (LLM) e qualsiasi assistente che generi o suggerisca risposte (ad es. chatbot, funzioni di “riscrittura/riassunto/spiegazione”, estensioni del browser o app analoghe).

Uso non autorizzato e sanzioni
L’uso di tali strumenti, anche parziale o tramite dispositivi esterni, è considerato non autorizzato e comporta
- l'interruzione immediata della prova
- l'esclusione dalla partecipazione alle successive sessioni d’esame fino al semestre successivo.

L’uso non autorizzato può essere accertato anche successivamente mediante strumenti di analisi (inclusi sistemi IA), verifiche software, controllo dei log/flussI di attività e colloqui o prove di riscontro delle competenze.