Obiettivi formativi
Introdurre lo studente alla logica del pensiero statistico e alla sua applicazione nella pratica reale
Contenuti dell'insegnamento
Richiami dei principi generali della inferenza statistica. La distribuzione campionaria. Ipotesi e test di ipotesi. Errore di I e II tipo. Potenza di un test e curva operativa. Test parametrici : test t di Student, analisi della varianza. Test non parametrici : test di Wilcoxon, test di Mann-Whitney, test di Kruskal-Wallis, test di Friedman, test della mediana, test chi-quadrato, test esatto di Fisher.
Regressione lineare e correlazione. Regressione multipla, regressione logistica.
Cenni di analisi delle componenti principali, analisi discriminante, cluster analysis.
Utilizzo dei software statistici R e SPSS per l'analisi di dati reali tratti dalla letteratura medica.
Programma esteso
Disegno sperimentale e analisi degli esperimenti.
Power analysis, effect size, sample size calculations.
Calcolo delle probabilità e calcolo combinatorio, distribuzioni di probabilità speciali.
Richiami di statistica univariata e statistica descrittiva elementare.
Richiami sui principi generali dell’inferenza statistica univariata. Concetto di distribuzione campionaria, errore di I e II tipo, potenza di un test, curva operativa.
Test parametrici - test t di Student, ANOVA a 1 e 2 criteri di classificazione, ANOVA per misure ripetute.
Test non parametrici - test di Wilcoxon, test di Mann-Whitney, test di Kruskal-Wallis, test di Friedman, test della mediana, test chi-quadrato, test esatto di Fisher.
Statistica multivariata.
Regressione multipla, regressione logistica, Cenni di analisi delle componenti principali, analisi discriminante, classificazione e cluster analysis.
Utilizzo del software statistico professionale, R e SPSS, per l'analisi di dati reali tratti dalla letteratura medica.
Bibliografia
1) Appunti delle lezioni
2) Sidney Siegel, N. John Castellan Jr. : - Statistica non parametrica - ed. McGraw-Hill
4) Risorse e link da Internet