Scuola di Farmacia e Nutraceutica

Scuola di Farmacia e Nutraceutica - Data stampa: 09/09/2026

Il corso mira a fornire le competenze matematiche e statistiche necessarie per l’analisi quantitativa di fenomeni scientifici e applicati.

In particolare, il corso mira a:

• sviluppare le competenze di base nel calcolo algebrico, nello studio dei limiti, delle derivate, degli integrali e nell’analisi del comportamento delle funzioni reali di variabile reale;
• fornire gli strumenti per l’interpretazione e la descrizione dei dati attraverso le tecniche della statistica descrittiva;
• introdurre i concetti fondamentali della teoria della probabilità e della statistica inferenziale, con particolare attenzione alla stima dei parametri e alla verifica di ipotesi;
• promuovere l’utilizzo consapevole delle tecniche matematico-statistiche per la modellizzazione e la risoluzione di problemi in ambito applicato.

Non sono richieste conoscenze preliminari specifiche, oltre a quelle richieste per l'accesso al Corso di Laurea.

• Lezioni frontali
• Problem solving
• Esercitazioni pratiche

Al termine del corso, lo studente sarà in grado di:

1. Conoscenza e capacità di comprensione (Knowledge and understanding)

• Conoscere e comprendere i principali concetti e strumenti dell’analisi matematica e della statistica, in particolare limiti, derivate, integrali, funzioni di variabile reale, probabilità e distribuzioni di probabilità;
• Comprendere i fondamenti della statistica descrittiva e inferenziale e le loro applicazioni in contesti reali.

1. Capacità di applicare conoscenza e comprensione (Applying knowledge and understanding)

• Applicare tecniche matematiche e statistiche per risolvere problemi quantitativi, modellare situazioni reali e analizzare dati;
• Effettuare lo studio di funzioni, calcolare limiti, derivate e integrali;
• Elaborare e interpretare tabelle di frequenza, misure di sintesi e rappresentazioni grafiche;
• Applicare metodi di campionamento, stimare parametri e svolgere test statistici.

1. Autonomia di giudizio (Making judgements)

• Valutare criticamente la correttezza e la coerenza di un modello matematico o statistico applicato a un problema;
• Selezionare gli strumenti più appropriati per l’analisi di dati e per la risoluzione di problemi.

1. Abilità comunicative (Communication skills)

• Comunicare in modo chiaro ed efficace concetti e risultati, utilizzando il linguaggio matematico e statistico appropriato;
• Presentare e giustificare le scelte metodologiche adottate nell’analisi dei dati.

1. Capacità di apprendimento (Learning skills)

• Sviluppare un metodo di studio autonomo e flessibile, funzionale all’approfondimento di tematiche quantitative in ambito economico, sociale, aziendale o scientifico;
• Acquisire competenze propedeutiche per corsi più avanzati di matematica, statistica e data analysis.

Analisi Matematica

• Richiami nozioni di base: Prodotto notevole, Quadrato e Cubo di un binomio, Radicali, Frazioni algebriche, Potenze, Esponenziali e Logaritmi; Equazioni e Sistemi di Equazioni; Disequazioni e Sistemi di Disequazioni, Funzione tra insiemi. Calcolo combinatorio, Tecniche di Calcolo combinatorio (disposizioni semplici e con ripetizione; permutazioni; combinazioni; formula di Newton);
• Limiti di Successioni;
• Limiti di funzioni;
• Funzioni continue;
• Derivate;
• Studio di funzione;

Elementi di Statistica descrittiva, Calcolo delle Probabilità e Statistica inferenziale

• Origini e usi della Statistica; dati statistici; frequenze; tabelle di frequenze; indici statistici di posizione, di variabilità e di forma;
• Il concetto di probabilità; Teoria elementare della probabilità; spazio campionario ed eventi; assiomi di probabilità; probabilità condizionata e indipendenza; partizioni e teorema di Bayes;
• distribuzione complesse di probabilità (Binomiale, Poisson, Gaussiana);
• Teoria elementare dei campioni e metodi di campionamento, Campioni e parametri campionari (il campionamento, distribuzioni di parametri campionari);
• Stima dei parametri e intervalli di confidenza;
• Test di ipotesi (decisioni e ipotesi statistiche, test che utilizzano una distribuzione normale);

Teoria dei piccoli campioni (la distribuzione t di student, la distribuzione chi-quadrato).

• Michiel Bertsch, Andrea Dall’Aglio, Lorenzo Giacomelli - Epsilon 1, Primo Corso di Analisi Matematica.
• Ardelio Galletti - Lezioni di Matematica e Statistica, terza edizione.
• Materiale didattico fornito dal docente e disponibile sulla piattaforma e-learning del CdS.

. Modalità di Valutazione

Prova scritta:

• Soluzione di esercizi pratici sugli argomenti del programma
• La prova si considera superata con un voto ≥ 18/30.
• Non è consentita la consultazione di testi o appunti durante l’esame.

Prova orale (facoltativa):

Sostenibile su richiesta dello studente o del docente per integrare il voto dello scritto.

. Criteri di Valutazione

Criteri per l'assegnazione della lode:

• Completezza della preparazione.
• Eccellente capacità di analisi e sintesi.
• Originalità e rigore nell'esposizione.

Informazioni aggiuntive saranno comunicate durante il corso o tramite la piattaforma e-learning.