- Introduzione ad R
- Oggetti e assegnazioni
- Immissione dei dati sperimentali
- Importare e salvare dati
- Workspace
- Script o programmi
- Interrogazione di oggetti: autovalori e autovettori
- Altre funzioni matriciali
- Esempi di grafica in R
- Il procedimento scientifico sperimentale
- Definizione di statistica e introduzione alla biometria
- Il procedimento scientifico sperimentale e la statistica
- Statistica descrittiva ed inferenziale
- L’errore sperimentale
- Campione e campionamento. Le repliche
- Collettivo, unità sperimentale e variabili statistiche
- Variabili quantitative e qualitative
- Descrivere le osservazioni sperimentali
- Collettivi poco numerosi
- Arrotondamenti
- Descrizione di sottogruppi
- Distribuzioni di frequenza
- Statistiche descrittive
- Tabelle di contingenza
- Connessione
- Correlazione
- Dalla popolazione al campione: il calcolo di probabilità
- Definizione di probabilità
- Probabilità di eventi semplici o complessi
- Cenni di calcolo combinatorio
- Le variabili casuali
- Variabili casuali discrete: la distribuzione binomiale
- Variabili casuali continue: la distribuzione normale (curva di Gauss)
- Trasformazione e standardizzazione delle variabili
- Le variabili casuali con R
- La distribuzione delle medie campionarie
- La distribuzione t di Student
- La distribuzione F di Fisher
- Altre variabili casuali di interesse per lo sperimentatore
- Dal campione alla popolazione: la stima dei parametri
- Stima puntuale dei parametri di una popolazione
- La precisione di stima e l'errore standard
- Intervalli di confidenza di una media
- L'errore standard e gli intervalli di confidenza nell'analisi di regressione
- Dal campione alla popolazione: Introduzione al test d'ipotesi e alcuni esempi
- Il test d'ipotesi
- Errore di prima e seconda specie
- Ipotesi alternative semplici e complesse
- Confronto tra due medie: test di t di Student
- Confronto tra una proporzione teorica ed una proporzione osservata: metodo esatto
- Confronto tra due proporzioni osservate: il test di chi quadro
- Introduzione ai modelli statistici
- Prima di iniziare...
- I modelli matematici: definizioni
- Cenni di storia dei modelli
- Tipi di modelli matematici
- I modelli matematici descrittivi in statistica
- Il modello lineare generalizzato (GLM)
- Lo schema di lavoro
- Definizione del modello
- Stima dei parametri
- Stima delle devianze degli effetti
- Test d'ipotesi
- Il caso della media
- Il caso della regressione lineare semplice
- Analisi della varianza ad un livello
- Ispezione preliminare dei dati e verifica delle assunzioni di base
- Contrasti e test di confronto multiplo
- Il modello lineare: applicazioni e casi studio
- La regressione non-lineare
- Analisi delle componenti principali
- Analisi delle variabili canoniche
- Analisi AMMI per lo studio dell'interazione trattamento x ambiente
- Set di dati e prove d'esame
|
