INGLESE

Il corso intende analizzare i metodi statistici di maggiore interesse per la Biostatistica. Viene chiarita la differenza tra dato osservazionali ( più usati in economia) e dati sperimentali (più usati in medicina). Vengono esposte le tecniche statistiche per i dati sperimentali nei quali il ricercatore è soggetto attivo nella preparazione degli stessi. Infine vengono analizzati i problemi inferenziali ad 1 campione , a 2 campioni, a più campioni ed infine le tecniche della statistica non parametrica.

Biostatistics for the Biological and Health Sciences, Third Edition, Global Edition, Marc M. Triola ; Mario F. Triola; Jason Roy; 2023 Pearson Education Ltd

Gli obiettivi del corso sono quelli di permettere agli studenti di muoversi con disinvoltura per risolvere i problemi della biostatistica avvalendosi di strumenti di natura informatica quali l'ambiente statistico R ed il programma Python in modo da poter acquisire conoscenze di base fondamentali per il corso di laurea Magistrale in Data Science

Conoscenza della statistica descrittiva e di informatica di base

Lezioni frontali con slides sugli argomenti principali del corso e ricevimenti con gli studenti del corso per la predisposizione dei project works

L'esame finale consiste in due prove successive:

1) Preparare e discutere un elaborato scritto basato su dati reali provenienti da fonti ufficiali o su un questionario creato dallo studente.
L'elaborato deve contenere una descrizione dettagliata degli obiettivi, dei dati e delle tecniche statistiche scelte per raggiungere gli obiettivi e dei risultati ottenuti; all'interno del project work lo studente dovrà descrivere la procedura in R o in Python con la quale perviene ai risultati del dataset

2) Prova orale avente come oggetto gli aspetti teorici trattati nel corso escluso quello svolto all'interno del proprio project work

1. Introduzione alla Biostatistica
2. Tecniche di progettazione e analisi per studi epidemiologici
3. Determinazione della dimensione del campione
4 Probabilità e variabili casuali discrete e continue
5. Analisi di sopravvivenza e regressione di Cox e Curve RoC
6. Stima puntuale ed intervallare dei parametri .
7. Verifica delle ipotesi per un campione e per due campioni
8. Correlazione e regressione
9. Propensity Score Matching ed introduzione all'inferenza causale.
10. Sensitivity Analysis and Bias Analysis e Meta-analisi
11 Inferenza su piu' campioni: analisi della varianza a una e a due vie e programmazione degli esperimenti.
12 Inferenza statistica non parametrica: test non parametrici e distribution free.

ENGLISH

The course intends to analyze the statistical methods of greatest interest for Biostatistics. The difference between observational data (most used in economics) and experimental data (most used in medicine) is clarified. The statistical techniques for experimental data in which the researcher is an active subject in their preparation are exposed. Finally, 1-sample, 2-sample, multi-sample inferential problems and finally non-parametric statistics techniques are analysed.

Biostatistics for the Biological and Health Sciences, Third Edition, Global Edition, Marc M. Triola ; Mario F. Triola; Jason Roy; 2023 Pearson Education Ltd

The objectives of the course are to allow students to move with ease to solve biostatistics problems using IT tools such as the R statistical environment and the Python program in order to acquire knowledge fundamental foundations for the Master's degree course in Data Science

Knowledge of descriptive statistics and basic computer science

Lectures with slides on the main topics of the course and receptions with the students of the course to prepare the project works

The final exam consists of two subsequent tests:

1) Prepare and discuss a written paper based on real data from official sources or on a questionnaire created by the student.
The paper must contain a detailed description of the objectives, data and statistical techniques chosen to achieve the objectives and the results obtained; within the project work the student will have to describe the procedure in R or Python with which he arrives at the results of the dataset

2) Oral test having as its object the theoretical aspects covered in the course excluding that carried out within your project work

1. Introduction to Biostatistics
2. Design and analysis techniques for epidemiological studies
3. Determination of sample size
4 Discrete and continuous probabilities and random variables
5. Cox regression and survival analysis and RoC curves
6. Punctual and interval estimation of the parameters.
7. Hypothesis testing for one sample and two samples
8. Correlation and regression
9. Propensity Score Matching and introduction to causal inference.
10. Sensitivity Analysis and Bias Analysis and Meta-analysis
11 Inference on multiple samples: one- and two-way analysis of variance and programming of experiments.
12 Non-parametric statistical inference: non-parametric and distribution free tests