Dati Generali
Periodo di attività
Primo Semestre (24/09/2024 - 24/01/2025)
Syllabus
Obiettivi Formativi
Il corso ha l’obiettivo di fornire competenze teoriche e pratiche di analisi dei dati e di progettazione degli esperimenti necessarie nell’ambito delle scienze farmaceutiche.
Prerequisiti
Nessuno
Metodi didattici
Lezioni frontali e soluzione guidata di esercizi numerici discussi in aula usando Microsoft Excel e software open source sviluppato appositamente per la didattica del corso. Il materiale didattico è realizzato con Power Point e file Excel e messo a disposizione integralmente su Kiro insieme ai software open source.
Apprendimento attivo (active learning, learn by doing): gli studenti, in orario di lezione, saranno guidati nell’uso dei software.
Apprendimento per padronanza (mastery learning): gli studenti devono raggiungere la padronanza degli argomenti trattati in ogni modulo. Agli studenti che non raggiungono un grado di apprendimento sufficiente, è fornito supporto aggiuntivo.
La frequenza alle lezioni non è solo raccomandata, ma è sicuramente vantaggiosa per gli studenti. Offre infatti l'opportunità di interagire con il docente, condividendo l’obiettivo di migliorare e facilitare l'apprendimento dei temi del corso.
Per gli studenti con esigenze specifiche, che non possono frequentare di persona le attività didattiche e che hanno fatto domanda per usufruire di Modalità Didattiche Inclusive, sarà disponibile materiale didattico adeguato per un proficuo studio autonomo. Se richiesto, l'autoapprendimento potrà essere supportato da attività di tutoraggio o di didattica integrativa, e da incontri dedicati, anche online, con flessibilità di orario a seconda delle esigenze.
Apprendimento attivo (active learning, learn by doing): gli studenti, in orario di lezione, saranno guidati nell’uso dei software.
Apprendimento per padronanza (mastery learning): gli studenti devono raggiungere la padronanza degli argomenti trattati in ogni modulo. Agli studenti che non raggiungono un grado di apprendimento sufficiente, è fornito supporto aggiuntivo.
La frequenza alle lezioni non è solo raccomandata, ma è sicuramente vantaggiosa per gli studenti. Offre infatti l'opportunità di interagire con il docente, condividendo l’obiettivo di migliorare e facilitare l'apprendimento dei temi del corso.
Per gli studenti con esigenze specifiche, che non possono frequentare di persona le attività didattiche e che hanno fatto domanda per usufruire di Modalità Didattiche Inclusive, sarà disponibile materiale didattico adeguato per un proficuo studio autonomo. Se richiesto, l'autoapprendimento potrà essere supportato da attività di tutoraggio o di didattica integrativa, e da incontri dedicati, anche online, con flessibilità di orario a seconda delle esigenze.
Verifica Apprendimento
L’esame può essere superato con quattro prove in itinere consistenti nella discussione di un project work presentato dallo studente alla fine di ogni modulo dell’insegnamento. I project work consistono nell’analisi e interpretazione di dati acquisiti sotto la guida del docente.
Il voto d’esame è calcolato in trentesimi come media aritmetica dei punteggi ottenuti nelle prove in itinere.
In alternativa, l’esame può essere superato nella modalità tradizionale, in forma scritta, nelle sessioni ordinarie di esame. L’esame in queste sessioni prevederà la soluzione di un esercizio di analisi dei dati. La durata della prova è di due ore. Durante la prova sarà consentito l’uso di manuali, appunti e personal computer. La valutazione della prova è fatta in trentesimi.
Il voto d’esame è calcolato in trentesimi come media aritmetica dei punteggi ottenuti nelle prove in itinere.
In alternativa, l’esame può essere superato nella modalità tradizionale, in forma scritta, nelle sessioni ordinarie di esame. L’esame in queste sessioni prevederà la soluzione di un esercizio di analisi dei dati. La durata della prova è di due ore. Durante la prova sarà consentito l’uso di manuali, appunti e personal computer. La valutazione della prova è fatta in trentesimi.
Testi
G. Marrubini, C. Melzi, Trattamento dei dati e progettazione degli esperimenti per le scienze chimiche e farmaceutiche. McGraw-Hill, Milano, maggio 2024.
K.H. Jarman, The Art of Data Analysis. How to Answer Almost Any Question Using Basic Statistics. Wiley, New York 2013,
G.A. Lewis, D. Mathieu, R. Phan-Tan-Luu, Pharmaceutical Experimental Design.
Marcel Dekker-CRC Press, New York 1998.
D.C. Montgomery, Design and Analysis of Experiments. 10th edition, Wiley, New York 2019.
G.E.P. Box, J.S. Hunter, W.G. Hunter, Statistics for Experimenters. Design, Innovation, and Discovery. Second edition, Wiley, New York 2005.
R.G. Brereton, Data Analysis for the Laboratory and Chemical Plant. Wiley, New York 2003.
K.H. Jarman, The Art of Data Analysis. How to Answer Almost Any Question Using Basic Statistics. Wiley, New York 2013,
G.A. Lewis, D. Mathieu, R. Phan-Tan-Luu, Pharmaceutical Experimental Design.
Marcel Dekker-CRC Press, New York 1998.
D.C. Montgomery, Design and Analysis of Experiments. 10th edition, Wiley, New York 2019.
G.E.P. Box, J.S. Hunter, W.G. Hunter, Statistics for Experimenters. Design, Innovation, and Discovery. Second edition, Wiley, New York 2005.
R.G. Brereton, Data Analysis for the Laboratory and Chemical Plant. Wiley, New York 2003.
Contenuti
Il corso è strutturato in quattro moduli, ciascuno dedicato ad un argomento specifico. L'accesso al modulo 4 richiede comprensione e pratica degli argomenti esposti nei moduli 1-3.
Modulo 1 (4 ore): analisi descrittiva dei dati, dati univariati e multivariati.
Modulo 2 (4 ore): inferenza statistica e test di ipotesi.
Modulo 3 (4 ore): analisi di regressione.
Modulo 4 (12 ore): progettazione degli esperimenti.
MODULO 1. Analisi di dati univariati: statistica descrittiva. Variabili quantitative e qualitative, tabelle e grafici. Descrittori di posizione e di dispersione. Calcolo di moda, media, mediana, quantili, intervallo di variazione, varianza, deviazione standard, deviazione standard relativa, deviazione standard raggruppata. Analisi di dati multivariati. Rappresentazioni possibili di dati multidimensionali. Analisi delle componenti principali (Principal Component Analysis, PCA). Scores e Loadings. Rappresentazione grafica di scores e loadings. Pretrattamento dei dati.
MODULO 2. Statistica inferenziale. Popolazione e campione. Stima puntuale di un parametro. Stima per intervallo di un parametro. Test di ipotesi. Tipi di errori e potenza dei test di ipotesi. Confronto di un valore medio con un dato di riferimento. Uso della distribuzione normale standardizzata, z score: la varianza della popolazione è nota a priori. Test T: la varianza della popolazione non è nota. Verifica delle precondizioni per applicare correttamente i test Z e T. Test per confrontare due medie. Serie di dati non indipendenti tra loro ma che possono essere rese indipendenti. Serie indipendenti di dati. Analisi della varianza (ANOVA). ANOVA a un fattore. Test per il confronto di due varianze.
MODULO 3. Regressione lineare semplice. Stima dei parametri di modelli lineari. Significatività dei parametri. ANOVA della regressione. Regressione lineare multipla. Stima e significatività dei parametri dei modelli di regressione multipla. Coefficienti di correlazione e di determinazione. Analisi della varianza della regressione. Introduzione alla progettazione degli esperimenti (Design of Experiments, DoE).
MODULO 4. Approcci metodologici alla ricerca sperimentale: cos'è un piano sperimentale?
Rappresentazione matriciale di un piano sperimentale. Modelli fattoriali. Interazioni nei modelli fattoriali completi. Piani fattoriali frazionari. Confusioni nei piani fattoriali frazionari. Piani di Plackett-Burman. Metodologia della superficie di risposta. Piani D-ottimali. Piani per miscele
Modulo 1 (4 ore): analisi descrittiva dei dati, dati univariati e multivariati.
Modulo 2 (4 ore): inferenza statistica e test di ipotesi.
Modulo 3 (4 ore): analisi di regressione.
Modulo 4 (12 ore): progettazione degli esperimenti.
MODULO 1. Analisi di dati univariati: statistica descrittiva. Variabili quantitative e qualitative, tabelle e grafici. Descrittori di posizione e di dispersione. Calcolo di moda, media, mediana, quantili, intervallo di variazione, varianza, deviazione standard, deviazione standard relativa, deviazione standard raggruppata. Analisi di dati multivariati. Rappresentazioni possibili di dati multidimensionali. Analisi delle componenti principali (Principal Component Analysis, PCA). Scores e Loadings. Rappresentazione grafica di scores e loadings. Pretrattamento dei dati.
MODULO 2. Statistica inferenziale. Popolazione e campione. Stima puntuale di un parametro. Stima per intervallo di un parametro. Test di ipotesi. Tipi di errori e potenza dei test di ipotesi. Confronto di un valore medio con un dato di riferimento. Uso della distribuzione normale standardizzata, z score: la varianza della popolazione è nota a priori. Test T: la varianza della popolazione non è nota. Verifica delle precondizioni per applicare correttamente i test Z e T. Test per confrontare due medie. Serie di dati non indipendenti tra loro ma che possono essere rese indipendenti. Serie indipendenti di dati. Analisi della varianza (ANOVA). ANOVA a un fattore. Test per il confronto di due varianze.
MODULO 3. Regressione lineare semplice. Stima dei parametri di modelli lineari. Significatività dei parametri. ANOVA della regressione. Regressione lineare multipla. Stima e significatività dei parametri dei modelli di regressione multipla. Coefficienti di correlazione e di determinazione. Analisi della varianza della regressione. Introduzione alla progettazione degli esperimenti (Design of Experiments, DoE).
MODULO 4. Approcci metodologici alla ricerca sperimentale: cos'è un piano sperimentale?
Rappresentazione matriciale di un piano sperimentale. Modelli fattoriali. Interazioni nei modelli fattoriali completi. Piani fattoriali frazionari. Confusioni nei piani fattoriali frazionari. Piani di Plackett-Burman. Metodologia della superficie di risposta. Piani D-ottimali. Piani per miscele
Lingua Insegnamento
ITALIANO
Altre informazioni
Nessuna
Corsi
Corsi
CHIMICA E TECNOLOGIA FARMACEUTICHE
Laurea Magistrale Ciclo Unico 5 Anni
5 anni
No Results Found
Persone
Persone
Personale tecnico amministrativo
No Results Found