View syllabus
ADVANCED BIOSTATISTICS
ALESSANDRO MASSOLO
Academic year2023/24
CourseCONSERVATION AND EVOLUTION
Code519PP
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
BIOSTATISTICA AVANZATASECS-S/02LEZIONI56
DIMITRI GIUNCHI unimap
ALESSANDRO MASSOLO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso intende introdurre gli studenti della laurea magistrale ai principali disegni sperimentali complessi come misure ripetute in disegni nidificati ed effetti ‘individuali’ (modelli misti). Gli studenti dovranno familiarizzare con i modelli lineari generalizzati (GLM) e con alcune applicazioni tipiche che consentono il loro utiliizzo per descrivere e predire risposte di tipo continuo, e conteggi, di tipo ordinale e nominale (sia dicotomiche, sia multiple). Inoltre, apprenderanno i principi di base della formulazione, validazione e selezione di modelli statistici alternativi.

 

Knowledge

The course introduces the Masters students to complex experimental designs as nested repeated methods and mixed models, introducing the Generalized Linear Modelling approach to describe and predict nominal (dichotomous and multinomial), ordinal, count and continuous outcome variables. Students will also learn the principles behind the formulation, validation and selection of alternative statistical models.

 

Modalità di verifica delle conoscenze

Il corso prevede che gli studenti verifichino la loro formazione mediante un lavoro individuale o di gruppo (a seconda del numero di partecipanti) che prevedera’ l’analisi di un set di dati che dovra’ essere concordato con il docente. Gli studenti dovranno indicare il loro disegno sperimentale, formulare le ipotesi che intendono verificare e le relative previsioni, e infine condurre le analisi statistiche e formulare i modelli, e riassumere i risultati del loro lavoro nella forma di una comunicazione scientifica scritta che dovranno anche presentare alla classe. La valutazione si basera’ su criteri sia della componente scritta sia della presentazione che saranno concordati e discussi all’inizio del corso.

Assessment criteria of knowledge

The underline teaching philosophy is based on active learning and hands-on approaches. The students will be required to analyze, describe and summarize a set of data in the form of a short communication. Students can use their own data, or data available in their labs, or they will be assigned a dataset by the instructor.

Modalità di verifica delle capacità

Il corso sara’ condotto seguendo una filosofia di tipo ‘active learning’ e ‘hands-on approach’. Gli studenti impareranno ad analizzare, presentare e riassumere i propri dati nella forma di una breve comunicazione scientifica utilizzando dati provenienti dalla loro stessa ricerca o disponibili presso i laboratori dove condurranno le loro tesi, oppure che saranno assegnati dal docente.

Assessment criteria of skills

The underline teaching philosophy is based on active learning and hands-on approaches. The students will be required to analyze, describe and summarize a set of data in the form of a short communication. Students can use their own data, or data available in their labs, or they will be assigned a dataset by the instructor.

Prerequisiti (conoscenze iniziali)

Corso di Biostatistica di base

Prerequisites

Course of basic biostatistics

Teaching methods

The underline teaching philosophy is based on active learning and hands-on approaches. The students will be required to analyze, describe and summarize a set of data in the form of a short communication. Students can use their own data, or data available in their labs, or they will be assigned a dataset by the instructor.

Programma (contenuti dell'insegnamento)

Intro R: 101 sul software and sulle rappresentazioni grafiche Introduzione ai modelli Formulazione dei modelli: teoria ed attivita' di gruppo la regressione lneare multipla e il modello generale Le diagnostiche dei modelli lineari Valutare la performance dei modelli, model selection L'analisi dellle componenti principali Il modello lineare generale Esercitazione R: modello lineare Esercitazione R: selezione dei modelli, analisi dellle componenti principali

Syllabus

Intro R: 101 on the R software and on graphical representations Intro to modeling Model formulation: theory and group activity; Multiple regression and the general model Linear models, diagnostics, Model performance evaluation, model selection Principal component analysis, Mixed models.

 

Bibliografia e materiale didattico

Fox John, Applied Regression Analysis and Generalized Linear Models, Third Edition. Sage Publications

Zuur, Ieno, Elphick - 2010 - A protocol for data exploration to avoid common statistical problems

Modalità d'esame

Scritto - Saggio

 

Assessment methods

Written essay

Note

Commissione d'esame:

  • Presidente: Alessandro Massolo
  • Presidente Supplente: Dimitri Giunchi
  • Membri della Commissione: Dimitri Giunchi, Alessandro Cini, Cultori della Materia (se in carica)
Notes

Exam Committee:

  • President: Alessandro Massolo
  • Vice-President: Dimitri Giunchi
  • Committee members: Dimitri Giunchi, Alessandro Cini, Cultori della Materia (if appointed)
Updated: 25/07/2023 15:45