BIOSTATISTICS
cod. 1008411

Anno accademico 2024/25
1° anno di corso - Secondo semestre
Docente
Stefano BIFFANI
Settore scientifico disciplinare
Statistica (SECS-S/01)
Ambito
Attività formative affini o integrative
Tipologia attività formativa
Affine/Integrativa
48 ore
di attività frontali
6 crediti
sede:
insegnamento
in INGLESE

Obiettivi formativi

D1 - CONOSCENZA E CAPACITÀ DI COMPRENSIONE
Al termine dell’attività formativa lo studente dovrà dimostrare di essere in grado di conoscere e di comprendere:

1. I principi di base e i diversi tipi di disegni sperimentali
2. Le principali statistiche descrittive ed il loro utilizzo, sia di variabili continue che di misure di frequenza
3. I risultati di un’analisi della varianza o di un Chi-Qudrato
4. Il rapporto tra variabili
5. La visualizzazione dei dati

D2 - CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE

Al termine dell’attività formativa lo studente dovrà dimostrare di essere in grado di:

1. Calcolare statistiche descrittive a partire da dati raccolti e/o disponibili
2. Calcolare la dimensione di un campione
3. Effettuare un confronto tra medie e un’analisi della varianza
4. Quantificare una correlazione tra variabili
5. Studiare il rapporto tra una variabile dipendente ed una indipendente (regressione)
6. Eseguire un chi-quadrato


D3 - AUTONOMIA DI GIUDIZIO

Al termine dell’attività formativa, lo studente sarà in grado di:

1. Interpretare un intervallo di confidenza di un valore atteso e come utilizzarlo per confrontare il risultato di trattamenti o effetti specifici
2. Valutare un disegno sperimentale
3. Effettuare ed interpretare i risultati di un’analisi della varianza
4. Gestire dati di frequenza
5. Essere a conoscenza degli strumenti informatici da utilizzare per eseguire analisi dati

D4 - ABILITÀ COMUNICATIVE
Al termine dell’attività formativa, lo studente dovrà dimostrare di essere in grado di:
1. Esprimersi chiaramente e con termini appropriati nel corso di una descrizione di un’analisi dati.

D5 - CAPACITÀ DI APPRENDIMENTO
Al termine dell’attività formativa, lo studente sarà in grado di:

1. Apprendere i principali concetti relativi all’analisi dei dati
2. Comprendere come utilizzare la statistica di base per rispondere ad alcuni quesiti di ricerca.

Prerequisiti

nessuno

Contenuti dell'insegnamento

Perché Usare la statistica. PPDAC problem-solving cycle. Testare un’ipotesi.
Principi base dei disegni sperimentali. Statistiche descrittive di base (media, moda, mediana, dev. Std,). Distribuzione normale e standardizzata (applicazioni pratiche)
Intervallo di variazione di una media e sue applicazioni: calcolo dimensione di un campione, paired t-test, confronto tra gruppi sperimentali (applicazione pratiche).
Analisi della varianza a 1 fattore. Completely Randomized Design (applicazioni pratiche)
Analisi della varianza a 2 o più fattori. Il caso speciale effetto blocco. L’ effetto interazione. Il Quadrato Latino.
Il rapporto tra le variabili: Correlazione e Regressione lineare. Regressione Logistica
Misure di Frequenza e Chi-Quadrato
Concetti di base nella visualizzazione dei dati

Durante il corso verrà anche introdotto il software R, un linguaggio di programmazione e un ambiente software per il calcolo statistico e la grafica

Programma esteso

- - -

Bibliografia

https://2012books.lardbucket.org/books/beginning-statistics/

Chapter 10. Experimental Design: Statistical Analysis of Data. Descriptive Statistics https://uca.edu/psychology/files/2013/08/Ch10-Experimental-Design_Statistical-Analysis-of-Data.pdf

An Introduction to Logistic Regression: From Basic Concepts to Interpretation with Particular Attention to Nursing Domain (https://synapse.koreamed.org/upload/synapsedata/pdfdata/0006jkan/jkan-43-154.pdf)

Herzog, Michael H., Gregory Francis, and Aaron Clarke. Understanding statistics and experimental design: how to not lie with statistics. Springer Nature, 2019. Parts I and II https://library.oapen.org/bitstream/id/553fdb7d-9981-4e99-b0a9-6241622b1ad5/1007132.pdf


Wilke, Claus O. Fundamentals of data visualization: a primer on making informative and compelling figures. O'Reilly Media, 2019. https://clauswilke.com/dataviz/

Wickham, Hadley, and Garrett Grolemund. R for data science. Vol. 2. Sebastopol, CA: O'Reilly, 2017. https://r4ds.hadley.nz/

Metodi didattici

Lezioni frontali, laboratori

Modalità verifica apprendimento

La verifica dei risultati di apprendimento attesi descritti dall’indicatore D1 e di parte di quelli descritti dagli indicatori D2, D3, D4 e D5, viene effettuata mediante esame scritto.
L’esame scritto verterà su 30 domande a risposta multipla e avrà una durata massima di 40 minuti.
Mediante le domande riguardanti i contenuti del corso verrà accertato se lo studente abbia raggiunto l’obiettivo della conoscenza e comprensione dei contenuti.
Ad ogni domanda risposta in modo corretto verrà attribuito 1 punto, mentre ad ogni domanda risposta in modo errato verrà sottratto 0,25 punti. Ad ogni risposta mancante verranno attribuiti 0 punti.
Il voto verrà arrotondato al valore superiore solo nel caso che il punteggio ottenuto abbia per decimale 75, in tutti gli altri casi verrà arrotondato al valore inferiore. Ad esempio, 16,75 = 17, mentre 16,5 = 16.
Al punteggio raggiunto con le risposte alle domande verrà addizionato 1 punto.
La Lode la si consegue con il punteggio totale di 31.
Per studenti con DSA saranno poste in atto le opportune misure compensative e dispensative.

Altre informazioni

La frequenza alle lezioni non è
obbligatoria, anche se fortemente consigliata

Obiettivi agenda 2030 per lo sviluppo sostenibile

Salute e Benessere

Contatti

Numero verde

800 904 084

Student's office

E. segreteria.scienzealimenti@unipr.it 
 

Quality assurance service 

Course quality assurance manager:
Dott.ssa Caterina Scopelliti
T. +39 0521 905969
E. service didattica.scienzealimenti@unipr.it
E. manager caterina.scopelliti@unipr.it

Course President

Prof.ssa Tullia Tedeschi
E. tullia.tedeschi@unipr.it 

Deputy Course President

Prof.ssa Valentina Bernini
E. valentina.bernini@unipr.it 

 

Delegate for guidance

Prof.ssa Emanuela Zanardi
E. emanula.zanardi@unipr.it 

Delegate for career guidance

Prof.ssa Francesca Bot
E. francesca.bot@unipr.it  

Delegate for tutoring

Prof.ssa Emanuela Zanardi
E. emanuela.zanardi@unipr.it 

Member of the International student mobility commission

Prof. Francesco Martelli
E. francesco.martelli@unipr.it  
 

Responsible for Course Quality Assurance (RAQ)

Prof.ssa Chiara Dall'Asta
E. chiara.dallasta@unipr.it

 

Contact person for students with disabilities, specific learning difficulties,(SpLD) or vulnerable groups

Prof.ssa Marilena Musci
E. marilena.musci@unipr.it 

 

Delegats for internships

Prof.ssa Tullia Tedeschi - Unipr
E. tullia.tedeschi@unipr.it 

Prof.ssa Paola Battilani - Università Sacro Cuore PC
E. paola.battilani@unipr.it

Prof. Pietro Rocculi - Unibo
E. pietro.rocculi3@unibo.it  

Prof. Emilio Stefani - Unimore
E. emilio.stefani@unipr.it

Prof. Nicola Marchetti - Unife
E. nicola.marchetti@unipr.it