Il corso presenta in maniera pratica l’approccio del “Design of Experiment” (o “Experimental design”, disegno sperimentale), cioè della metodologia scientifica e statistica utilizzata per pianificare e condurre esperimenti in modo efficiente e informativo. Il corso sarà improntato ad un metodo didattico estremamente pratico, basato su esempi reali. Gli aspetti più strettamente matematici e formali saranno trattati col medesimo metodo, al fine di trasmettere il reale potenziale delle tecniche insegnate nel corso.

Analisi matematica, Excel, fondamenti di algebra lineare e basi di MATLAB consigliati

Il corso è costituito da una parte teorica con lezioni frontali, e da una parte pratica fortemente focalizzata sul problem solving. Nella parte pratica, gli studenti potranno mettersi alla prova lavorando su dataset da studiare secondo le metodologie DoE esposte durante il corso. L’utilizzo di casi reali dei partecipanti è fortemente incoraggiato. Le esercitazioni saranno eseguite principalmente sul software open source Chemometric Agile Tool (CAT, http://www.gruppochemiometria.it/index.php/software/19-download-the-r-based-chemometric-software), con alcune parti di visualizzazione su MATLAB. Di seguito i tre (+ uno) moduli del corso: 1) DoE: Introduction. Cosa è il Design of Experiments? Panoramica dell’argomento e confronto diretto con le esigenze sperimentali dei/delle partecipanti. Introduzione della terminologia (fattori, livelli, dominio sperimentale, interazioni), panoramica dei disegni sperimentali, i diversi livelli di analisi (esplorazione, screening, ottimizzazione), perché in generale il DoE è migliore rispetto a variare un fattore alla volta. 2) DoE in practice: From screening to optimization. Questo modulo è il cuore del corso. Partiremo dalla postulazione del modello di regressione mediante multilinear regression (MLR) per modellare la risposta in relazione al design scelto. Attraverso due esercizi pratici con design full factorial interpreteremo i modelli MLR (matrice di dispersione, leverage, VIF, coefficienti, superfici di risposta, intervalli di confidenza) e faremo la predizione di nuovi esperimenti. 3) DoE in practice: D-Optimal Design. Approfondimento sul metodo del D-Optimal, come funziona, quando si utilizza, come si esegue in pratica sul software CAT. Oltre all’utilizzo classico per la selezione di sub-set da una lista (solitamente troppo lunga) di possibili esperimenti vedremo l’impiego del D-Optimal anche per la selezione di esperimenti da domini sperimentali irregolari, per l’espansione a posteriori del dominio sperimentale, e per il campionamento da liste di oggetti. 4) Practical Basics of Statistics: questo modulo tratterà i concetti di distribuzione statistica, probabilità, varianza, deviazione standard, test statistici (F-test e t-test), regressione lineare e linearità. Il modulo è inteso come un distillato di statistica a cui faremo riferimento durante lo svolgimento degli altri moduli al fine di comprendere puntualmente perché un determinato strumento statistico sia necessario, quale sia il suo significato e come lo si utilizzi. ATTENZIONE: per una trattazione più ampia delle tecniche di analisi dati (detta anche “chemiometria”) vi rimandiamo al corso complementare di III livello di Chemiometria (“Principles of Chemometrics”), tenuto dagli stessi docenti (Cavallini e Savorani). I due corsi non hanno una priorità temporale e possono essere seguiti nell'ordine più confacente allo studente.

In presenza

Presentazione orale - Sviluppo di project work in team

P.D.1-1 - Gennaio

Calendario delle lezioni: - lunedì 20/01/2025, 14:00-17:00 (aula 17A): Modulo 1 - Introduzione - giovedì 23/01/2025, 9:00-13:00 (aula 17A): Modulo 2 - Modelling - giovedì 23/01/2025, 14:00-17:00 (aula 17A): ore libere - lunedì 27/01/2025, 9:00-13:00 (aula 13A): Modulo 3 - D-Optimal - lunedì 27/01/2025, 14:00-17:00 (aula 13A): ore libere - mercoledì 29/01/2025, 9:00-12:00 (aula 19A): ore libere - venerdì 31/01/2025, 13:00-16:00 (aula 17A): esame