
Parte Teorica
Progettazione di un protocollo di Ricerca:
Background, tipologia delle variabili d’interesse, cenni sulla dimensione campionaria (Disegni sperimentali, Studi Osservazionali).
Statistica descrittiva:
Tabelle descrittive, cenni alle rappresentazioni grafiche dei dati.
- Distribuzioni di frequenza
- Indici di posizione
- Indici di variabilità
- Indici di forma
- Diagramma a barre, istogramma e boxplot.
Probabilità e variabili casuali:
Definizioni e proprietà fondamentali, teorema di Bayes, variabili casuali discrete e continue, v.c. Bernoulli, Binomiale, Uniforme, Esponenziale, Gaussiana.
- Sensibilità e specificità di un test diagnostico
- Valori predittivi positivi e negativi, con particolare riferimento al teorema di Bayes
- Curva Roc
- Odds Ratio, Risk Ratio
Inferenza statistica:
Tecniche parametriche e tecniche non parametriche: scegliere i test in funzione della natura dei dati (campioni appaiati o indipendenti).
- Test differenza tra medie, varianze omogenee ed eterogenee.
- Test di McNemar, test di Wilcoxon a uno e a due campioni, test di Kruskal-Wallis, Test di Stuart-Maxwell, Test di Friedman.
Regressione lineare e regressione logistica
R
Introduzione al software R e nozioni preliminari – I pacchetti in R – Importare ed esportare dati con R – Sintassi di base -Statistica descrittiva con R- Inferenza statistica con R- Curve ROC – Regressione lineare e regressione logistica con R