- Oggetto:
- Oggetto:
LABORATORIO DI ANALISI STATISTICA PER I DATI ARCHEOLOGICI
- Oggetto:
LABORATORY OF STATISTICAL ANALYSIS FOR ARCHAEOLOGICAL DATA
- Oggetto:
Anno accademico 2023/2024
- Codice attività didattica
- -
- Docenti
- Alessandra Durio (Titolare del corso)
- Corso di studio
- Scuola di specializzazione in Beni archeologici
Giorgio Gullini - Anno
- 1° anno, 2° anno
- Periodo
- Da definire
- Tipologia
- Altre attività
- Crediti/Valenza
- 2
- SSD attività didattica
- SECS-S/01 - statistica
- Erogazione
- Tradizionale
- Lingua
- Italiano
- Frequenza
- Obbligatoria
- Tipologia esame
- Prova pratica
- Tipologia unità didattica
- modulo
- Insegnamento integrato
- ATTIVITÀ INTEGRATIVE (TIROCINI, LABORATORI, SCAVI) – I ANNO (STS0400)
ATTIVITÀ INTEGRATIVE (TIROCINI, LABORATORI, SCAVI) – II ANNO (STS0401) - Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il laboratorio è composto da due parti, la prima (della durata di quattro lezioni da tre ore) si propone di fornire agli studenti le basi metodologiche ed applicative della statistica. I contenuti prevedono l’analisi statistica descrittiva di dati univariati e bivariati
Nella seconda parte (della durata di 6 lezioni da tre ore svolte in laboratorio informatico) si introdurranno gli studenti al software statistico R con l'intento di fornire le conoscenze operative di base necessarie alla gestione e all'analisi dei dati. In questa seconda parte gli studenti avranno modo di elaborare, creando codici in R, un proprio file di dati al fine di anlizzare i risultati di sintesi ottenuti in un esempio applicativo di loro interesse.
The laboratory consists of two parts. The first part (lasting four sessions of three hours each) aims to provide students with methodological and applied basics of statistics. The contents include descriptive statistical analysis of univariate and bivariate data.
In the second part (lasting six sessions of three hours each, conducted in a computer room), students will be introduced to the statistical software R with the intention of providing basic operational knowledge necessary for data management and analysis. In this second part, students will have the opportunity to process, by creating R code, their own data file in order to analyze the summary results obtained in an applied example of their interest.
- Oggetto:
Risultati dell'apprendimento attesi
Conoscenza di base della terminologia scientifica e capacità di comprensione e di interpretazione di un codice in R dedicato all’analisi decsrittiva dei dati.
Capacità di applicare conoscenza e comprensione nell’interpretazione e nella valutazione critica di risultati di analisi statistiche descrittive nonché nell’elaborazione di dati.
Autonomia di giudizio e conseguente possibilità di sviluppare considerazioni logiche e deduttive indispensabili per lavorare autonomamente nella ricerca e nella selezione dei dati a supporto di analisi statistiche e nell’utilizzo delle fonti statistiche ufficiali.
Abilità comunicative per divulgare in forma scritta e orale i risultati delle analisi condotte utilizzando adeguate forme comunicative a seconda degli interlocutori.
Basic knowledge of scientific terminology and the ability to understand descriptive data analysis code in R. Ability to apply knowledge and understanding in the interpretation and critical evaluation of results from descriptive statistical analyses, as well as in data processing. Judgment autonomy and the ability to develop logical and deductive considerations essential for working independently in research and data selection to support statistical analyses and the use of official statistical sources. Communicative skills to disseminate the results of the analyses conducted in written and oral form, using appropriate communicative forms depending on the audience.
- Oggetto:
Programma
Statistica descrittiva: Collettivo e unità statistiche. Caratteri statistici e loro modalità. Scale di misura. Mutabili e variabili statistiche. Distribuzioni di frequenza. Raggruppamento in classi.Rappresentazioni grafiche. La funzione di ripartizione. Misure di posizione: medie, modo, mediana quantili. Misure di variabilità: la varianza e lo scarto quadratico medio. Il diagramma a "scatola e baffi". Mutabili e Variabili statistiche bivariate. Distribuzione di frequenze congiunte, marginali e condizionate.
Introduzione al software R: strumenti di base, oggetti, funzioni, script, pacchetti e interfacce. Tipi e manipolazione di oggetti: vettori, matrici, data frame e liste. Cenni di elementi di programmazione: cicli, condizioni e codici vettorizzati. Importazione, salvataggio e pulizia di data-set. Le funzioni di analisi statistica e i grafici con particolare attenzione al pacchetto ggplot2.
Descriptive Statistics: Population and statistical units. Statistical characters and their modes. Measurement scales. Mutable and statistical variables. Frequency distributions. Grouping into classes. Graphical representations. The cumulative distribution function. Measures of central tendency: mean, mode, median, quantiles. Measures of variability: and standard deviation. Box plot. Bivariate statistical variables. Joint, marginal, and conditional frequency distributions.
Introduction to R software: Basic tools, objects, functions, scripts, packages, and interfaces. Types and manipulation of objects: vectors, matrices, data frames, and lists. Basics of programming elements: loops, conditions, and vectorized codes. Importing, saving, and cleaning datasets. Statistical analysis functions and graphics, with particular attention to the ggplot2 package.
- Oggetto:
Modalità di insegnamento
Le 30 ore previste per il laboratoruìio saranno suddivise in:
- una prima parte della durata di 4 lezioni frontali da 3 ore (12 ore) svolte in aula
- una seconda parte della durata di 6 lezioni da 3 ore (18 ore) svolte in laboratorio informatico. Per questi incontri gli studenti potranno utilizzare il proprio PC portatile in modo da essere aiutati all’installazione dei software necessari. Chi non avrà modo di utilizzare un proprio PC potrà comunque seguire la lezione utilizzando un PC dell’aula informatica.
The 30 hours will be divided as follows:
- the first part consists of 4 frontal lessons lasting 3 hours each (12 hours) conducted in the classroom.
- the second part consists of 6 lessons lasting 3 hours each (18 hours) conducted in the computer laboratory. For these sessions, students may use their own laptops to facilitate the installation of necessary software. Those who do not have access to a personal laptop can still attend the lesson using a computer provided in the computer lab.
- Oggetto:
Modalità di verifica dell'apprendimento
Nel corso delle lezioni in laboratorio informatico verranno verificati i risultati che lo studente ottiene dall’analisi descrittiva con R del proprio dataset.
During the computer lab sessions, the students' results from the descriptive analysis of their own dataset using R will be verified and examined.
Testi consigliati e bibliografia
- Oggetto:
Dispense e materiale per sperimentazione gratuiti, sotto opportuna licenza Creative Commons, curati e forniti dal docente. Saranno disponibili su una piattaforma dedicata al supporto on-line alla didattica.
Lecture notes and experimentation materials will be provided free of charge, under an appropriate Creative Commons license, curated and supplied by the instructor. They will be available on a dedicated platform for online teaching support.
- Oggetto:
Note
Si invitano gli studenti ad iscriversi alla pagina Moodle del corso (icona qui sul fondo) in modo da poter usufruire del materiale di supporto alle lezioni e per poter ricevere gli avvisi e le comunicazioni postate sul Forum.
- Oggetto:
