Analisi Multivariata in Agroecologia

Il termine di iscrizione è stato prorogato al 7 marzo 2023.

Il corso, realizzato con il patrocinio della Società Italiana di Agronomia www.https://siagr.it, fornirà una panoramica completa e approfondita dei metodi statistici di analisi parametrica e non parametrica di dati multivariati utilizzando R e PRIMER 7 + PERMOVA, che sarà fornito e utilizzabile free per tutta la durata del corso. Il corso proposto consiste in 34 ore di didattica sia frontale che pratica ed una mezza giornata dedicata all’analisi di data set comuni (4 ore). In tale giornata verrà programmata una consultazione online individuale separata con il/i docenti (inclusa la condivisione di dati/documenti) per gruppi di partecipanti per discutere i progetti di analisi dei dati, ed ottenere consigli e assistenza e/o porre ulteriori domande.

A chi è rivolto

I destinatari principali a cui si rivolge il corso dovranno essere in possesso di laurea/laurea ante DD.MM. 270/2004 e 509/1999 o conseguita ai sensi del D.M. 270/2004 in Scienze Agrarie e/o in Scienze e Tecnologie agrarie (LM-69), o in Scienze e tecnologie alimentari (LM-70), o di Laurea specialistica/Magistrale in Biologia e Scienze della Nutrizione Umana (LM61), o Laurea Specialistica/Magistrale in Scienze ambientali (LM-75), o Laurea specialistica/Magistrale in Biotecnologie indirizzo Biotecnologie agrarie vegetali (LM-7), o Laurea Specialistica/Magistrale in Biotecnologie agro-industriali (LM-8) o Laurea Specialistica/Magistrale in Biotecnologie Mediche (LM-9). I partecipanti dovranno essere in possesso di corrispondente Laurea conseguita mediante titolo equivalente conseguito in Italia o equipollente conseguito all’estero, riconosciuto ai sensi delle vigenti disposizioni di legge in materia. La conoscenza della statistica di base e dei principali disegni sperimentali è richiesta per la partecipazione al corso. Inoltre, una conoscenza di base di R è fortemente consigliata.

Obiettivi formativi 

I partecipanti alla fine del corso di formazione svilupperanno conoscenze relative al calcolo delle misure di resemblance (similarity/dissimilarity/distance) in strutture multivariate; la valutazione degli effetti del pre-trattamento dei dati (standardizzazione, trasformazione, normalizzazione); la scelta del pre-trattamento per i diversi tipi di dati; metodi di classificazione univariata e multivariata: metodi per la valutazione del numero di clusters, come Elbow method, silhouette method, gap statistic method; metodi di clustering: K-means, e (fuzzy) C-means; Analisi delle Componenti Principali; metodi di ordinazione parametrici e non nell’ambito delle analisi parametriche constrained e unconstrained, come la correspondence analysis, la detrended correspondence analysis, la redundancy analysis (RDA), e la canonical correspondence analysis; la forward selection delle variabili esplicative; il Monte Carlo Test per modelli completamente randomizzati e modelli a blocchi randomizzati; la ripartizione della varianza e tecniche per la gestione di misure ripetute; i metodi di ordinazione non parametrici; la non-parametric analysis of similarities (ANOSIM); la permutational ANOVA e MANOVA (PERMANOVA) per l’analisi multivariata di dati in disegni complessi; la partitioning variation sulla base della scelta delle misure di similarità e metodi di permutazione; il test di omogenità delle dispersioni (PERMDIPS); l’impiego di metodi di analisi multivariata per la variable/feature selection, l’analisi discriminante stepwise; la partial least squares regression con impiego di statistiche VIP (Variable importance for projection).

Metodologia didattica

Il corso sarà costituito da lezioni teoriche e sessioni pratiche in consultazione con i relatori. Ciascuna lezione teorica sarà seguita da una sessione pratica. La sessione al computer (il partecipante userà il proprio computer) sarà seguita dal docente che utilizzerà il proprio computer per riepilogare i punti salienti dell’interpretazione dei risultati, e rispondere alle domande. I partecipanti sono tenuti a utilizzare il proprio laptop o computer desktop, che deve essere dotato di un accesso ad Internet sicuro e affidabile, un microfono e una telecamera, che consentano la comunicazione diretta con il docente (e potenzialmente anche con gli altri partecipanti al corso). Il software PRIMER 7 + PERMOVA gira su Windows, quindi gli utilizzatori Mac dovranno eseguire le analisi in emulazione di Windows o dual boot, mentre la piattaforma R (https://cran.r-project.org/) funziona sia su Windows che su Mac. La conoscenza della statistica di base e dei principali disegni sperimentali è richiesta per la partecipazione al corso. Inoltre, una conoscenza di base di R è fortemente consigliata. Il Corso prevede che i partecipanti abbiano installato sul proprio computer i software proposti, con i packages che verranno indicati dopo l’iscrizione.

Domanda di iscrizione

La domanda di iscrizione dovrà pervenire entro le ore 24:00 del 07/02/2023 esclusivamente on-line registrandosi al sito https://sssup.esse3.cineca.it/Home.do.

Alla domanda di iscrizione, pena l’esclusione, dovranno essere allegati:

• breve curriculum vitae;
• documento d’identità in corso di validità.

Dovrà inoltre essere compilata, entro il giorno 07/02/2023 un'application form disponibile al seguente link:

• https://forms.office.com/Pages/ResponsePage.aspx?id=DQSIkWdsW0yxEjajBLZtrQAAAAAAAAAAAAZ__pZKRXFUNUkzRFVZQ0NaUVRLQUlOOUVaUU5UNUZOUy4u.

Attestato

Al termine del Corso a coloro che avranno frequentato almeno l’70% dell’intero percorso formativo, avranno superato la prova di verifica finale e saranno in regola con il pagamento della quota di iscrizione la Scuola Superiore Sant’Anna rilascerà un attestato di partecipazione, con valore nei limiti consentiti dalla legge, con l’indicazione dei Crediti Formativi Universitari acquisiti. Agli allievi uditori sarà rilasciato il solo certificato di presenza.