Salta al contenuto principale della pagina

ANALISI DI DATI SPERIMENTALI MEDIANTE TECNICHE DI PROGRAMMAZIONE

CODICE 61900
ANNO ACCADEMICO 2022/2023
CFU
  • 4 cfu al 1° anno di 9020 CHIMICA INDUSTRIALE (LM-71) - GENOVA
  • 4 cfu al 2° anno di 9020 CHIMICA INDUSTRIALE (LM-71) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE ING-IND/26
    SEDE
  • GENOVA
  • PERIODO 1° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    L'insegnamento fornisce i concetti base di statistica monovariata e multivariata che consentono di interpretare in modo corretto dati (osservazioni) sperimentali. Verranno fornite: a) le basi di programmazione, b) le basi del linguaggio di programmazione in VBA (Visual Basic for Applications), l'ambiente di sviluppo software di MS Excel. Verranno discussi alcuni casi di studio per favorire l'apprendimento dei concetti teorici.

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    L’insegnamento si propone di fornire agli studenti gli strumenti di analisi per poter interpretare in modo corretto dati sperimentali di natura chimica. Verranno illustrati i concetti di base teorici più idonei e adeguati alla completa analisi delle osservazioni sperimentali. Per favorire l’apprendimento dei concetti e delle metodologie di base verranno illustrati alcuni esempi esplicativi di interesse per l’ambito della Chimica Industriale

    OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

    L’obiettivo di questo insegnamento è duplice: a) fornire le basi di programmazione (per un linguaggio semplice quale è il VBA), b) fornire agli studenti le conoscenze e gli strumenti di analisi dei dati per rendere possibile la corretta razionalizzazione delle osservazioni sperimentali. In particolare, si approfondiranno le conoscenze:

    • di base di programmazione (programmazione strutturata, diagrammi di flusso, procedure, tipi e dichiarazioni di variabili, strutture di controllo, rappresentazione delle matrici e dei vettori, operazioni di lettura e scrittura);
    • fondamentali di statistica descrittiva, esplorativa e inferenziale;
    • di base dei test statistici e dei test parametrici e non parametrici;
    • di concetti di base della statistica multivariata;
    • fondamentali dei criteri di valutazione dei modelli.

    Al termine dell’insegnamento gli studenti saranno in grado di:

    • realizzare il programma che rappresenta l’algoritmo risolutore del problema di interesse;
    • valutare la qualità delle osservazioni sperimentali usando gli strumenti della statistica monovariata;
    • ottimizzare la progettazione delle prove sperimentali;
    • discriminare tra modelli alternativi che descrivono il sistema studiato;
    • identificare le variabili di processo più importanti.

    PREREQUISITI

    Buona conoscenza dei concetti base di matematica

    MODALITA' DIDATTICHE

    L’insegnamento è erogato tramite lezioni frontali per un totale di 32 ore (equivalenti a 4 CFU).

    Il materiale didattico di supporto alla preparazione dell’esame sarà reso disponibile sull’istanza di AulaWeb dedicata all’insegnamento.

    PROGRAMMA/CONTENUTO

    Programma

    Basi di programmazione

    Introduzione, tipi e dichiarazioni di variabili

    Operatori espressioni e funzioni

    Strutture di controllo

    Rappresentazione dei vettori e delle matrici

    Gestione delle procedure

    Operazioni di ingresso (lettura) e uscita (stampa)

    Analisi dei dati

    Introduzione: statistica descrittiva, esplorativa e inferenziale

    Indici statistici importanti: media, mediana, moda e varianza

    Covarianza: coefficiente di variazione, intervalli di confidenza

    Ipotesi di significatività: test unilaterale, bilaterale, test di Kolmogorov-Smirnov, MAD Test

    Introduzione alle distribuzioni statistiche più importanti: distribuzione t-Studente, del "Chi2", distribuzione F di Fisher

    Test statistici

    Introduzione: test parametrici e non parametrici, test del "Chi2" (varianza), test di Student, test di Fisher

    Concetti base di statistica multivariarata: Principal Component Analysis

    Valutazione dei modelli: criterio di massima verosimiglianza, metodo dei minimi quadrati

     

    TESTI/BIBLIOGRAFIA

    Testi di counsultazione

    J. Reed, “Excel 2002 Visual Basic for Application passo passo”, Mondadori Informatica

    R. Gallifuoco, “Laboratorio di VBA”, Apogeo

    P. Guccini, “Excel 2002 macro”, Apogeo

    D. Himmelblau, “Process Analysis by Statistical Methods”, John Wiley & Sons

    M. Spiegel, “Statistica”, Schaum

    Lipschutz, “Calcolo delle probabilita’”, Schaum

    J.E. Jackson, “A User’s Guide To Principal Components”, John Wiley & Sons

    DOCENTI E COMMISSIONI

    Commissione d'esame

    ALBERTO SERVIDA (Presidente)

    LEZIONI

    INIZIO LEZIONI

    Le lezioni avranno inizio a partire dal 17/10/2022

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Esame solo orale.

    L’iscrizione deve essere fatta registrandosi on-line e inviando una e-mail al docente dell’insegnamento entro 7 giorni dalla data dell’appello.

    La registrazione on-line all’esame può essere fatta dalla pagina web: https://servizionline.unige.it/studenti/esami/prenotazione.

    MODALITA' DI ACCERTAMENTO

    La Commissione è costituita da almeno due componenti; l’esame orale ha una durata di almeno 30 min. Con queste modalità, la Commissione è in grado di verificare il conseguimento degli obiettivi formativi dell'insegnamento. Nel caso in cui questi non fossero raggiunti, lo studente è invitato ad approfondire lo studio richiedendo anche eventuali spiegazioni aggiuntive ai docenti responsabili.

    La valutazione complessiva tiene conto anche delle capacità di applicare le conoscenze teoriche nel risolvere problemi di interesse industriale.