Syllabus del corso
Obiettivi
Acquisizione delle conoscenze di base dei principali tipi di campionamento, degli strumenti statistico-metodologici della statistica descrittiva ed inferenziale per la programmazione degli studi e l’analisi dei dati, con enfasi sulle peculiarità del dato in campo fisioterapico.
Il modulo si propone di rendere lo studente in grado di:
1) Leggere con spirito critico la letteratura scientifica che presenti analisi statistiche descrittive e inferenziali
2) Avere una conoscenza di base solida per essere coinvolto nella concezione e realizzazione di studi in campo fisioterapico
Contenuti sintetici
Definizioni di base, principali metodi di campionamento, presentazione dei dati in grafici e tabelle, misure di tendenza centrale e dispersione, misure di posizione e outlier, calcolo delle probabilità, variabili casuali, distribuzioni di probabilità Binomiale e Gaussiana, distribuzioni di probabilità campionarie della media aritmetica e della proporzione, intervallo di confidenza su media e proporzione della popolazione, verifica di ipotesi su media/e proporzione/i della popolazione/i.
Programma esteso
Introduzione alla Statistica: definizioni di popolazione, campione, variabile, dato, informazione – capitolo 1
Metodi di campionamento: campionamento casuale, campionamento non probabilistico, campionamento stratificato, campionamento a grappolo, campionamento multistadio, errori nel campionamento – capitolo 1
Organizzare e sintetizzare i dati: rappresentazioni tabellari e grafiche, errori nelle rappresentazioni tabellari e grafiche – capitolo 2
Sintetizzare numericamente i dati: misure di tendenza centrale e dispersione (media aritmetica, mediana, moda, deviazione standard) per dati atomici e raggruppati in classi, misure di posizione e outlier (z-score, percentili, quartili) – capitolo 3
Introduzione al calcolo delle probabilità: approcci alla determinazione della probabilità, regole della probabilità, probabilità condizionata – capitolo 5
Distribuzioni di probabilità: discreta Binomiale, continua Gaussiana, Gaussiana standardizzata con proprietà e applicazioni, Binomiale con approssimazione Gaussiana – capitoli 6 e 7
Prerequisiti
Nessuno.
Modalità didattica
Lezioni sincrone frontali, contenuti asincroni (clip e quiz).
Materiale didattico
- Testo: Fondamenti di statistica Micheal Sullivan III, traduzione a cura di Emma Zavarrone, Pearson 2020, diponibile anche come e-book https://www.pearson.it/opera/pearson/0-7264-fondamenti_di_statistica
- Slides
- Contenuti digitali del testo disponibili su piattaforma moodle
Periodo di erogazione dell'insegnamento
Primo semestre.
Modalità di verifica del profitto e valutazione
Esame scritto.
Orario di ricevimento
Su appuntamento, previo contatto email con il docente.
Sustainable Development Goals
Aims
Basic knowledge of typical sampling schemes, methodological tools of descriptive statistics and inferential statistics to set up studies and to analyse data, with attention to the features of rehabilitation data.
At the end of the course the student will be able to:
1) read and discuss scientific literature with descriptive and inferential statistical analyses
2) have a solid knowledge to be involved in the the design and implementation of studies in rehabilitation
Contents
Basic definitions, typical sampling schemes, data representation through graphs and tables, measures of central tendency and dispersion, position measures and outlier, probability calculus, random variables, probability distributions Binomial and Gaussian, sampling probability distribution of mean and proportion, confidence interval on population mean and proportion, hypothesis testing on population mean/s and proportion/s.
Detailed program
Introduction to statistics: definitions of population, sample, variable, data, information – chapter 1
Sampling methods: random sampling, non probabilist sampling, stratified sampling, group sampling, multistate sampling, errors in sampling – chapter 1
Organization and sinthesis of data: representation by tables and plots, errors in tables and graphs – chapter 2
Summarizing data: central and dispersion measures (arithmetic mean, median, modal value, standard deviation) for atomic data and aggregation into classes, position measures and outlier (z-score, percentiles, quartiles) – chapter 3
Introduction to probability calculus: approaches to determination of probabilities, probability rules, conditional probability – chapter 5
Distribution probabilities: Binomial discrete, continuous Gaussian, standard Gaussian with properties and applications, Binomial with Gaussian approximation – chapters 6 e 7
Prerequisites
None.
Teaching form
Synchronous frontal lessons, asynchronous contents (clips and quizzes).
Textbook and teaching resource
- Book: Fondamenti di statistica Micheal Sullivan III, traduzione a cura di Emma Zavarrone, Pearson 2020, diponibile anche come e-book https://www.pearson.it/opera/pearson/0-7264-fondamenti_di_statistica
- Slides
- Digital contents available on the moodle platform
Semester
First semester.
Assessment method
Written exam.
Office hours
Under request, via email contact with the instructor.
