Course Syllabus

Export

Acquisizione delle conoscenze di base dei principali di strumenti statistico-metodologici della statistica descrittiva e inferenziale per la programmazione degli esperimenti, l’analisi dei dati, le peculiarità del dato di laboratorio.

Lo studente sarà in grado di: comprendere aspetti basilari del disegno dello studio, implementare autonomamente analisi statistiche di base, leggere con spirito critico la letteratura scientifica che presenti analisi statistiche descrittive e inferenziali.

Basi di calcolo delle probabilità
Intervallo di confidenza sul parametro p probabilità di un evento (proporzione)
Tabelle di frequenza e grafici
Indicatori di ordine di grandezza e dispersione
Distribuzione Gaussiana (per approssimare l'andamento di un istogramma)
Intervallo di confidenza sul parametro mu
Utilizzo della distribuzione Gaussiana per la costruzione degli intervalli di confidenza
Verifica di ipotesi

  • Lezioni 1 e 2 : Calcolo delle probabilità (Capitolo 5)
    Definizione di esperimento
    Spazio campionario, eventi semplici e composti
    Probabilità con approccio classico e frequentista
    Eventi incompatibili, dipendenti e indipendenti
    Probabilità dell’unione e dell’intersezione
    Probabilità condizionata

  • Lezione 3 : Intervallo di confidenza sulla proporzione p (Capitolo 9)
    Calcolo della stima puntuale di una probabilità
    Intervallo di confidenza: calcolo della stima intervallare di una probabilità, interpretazione, simulazione
    Pianificazione della stima intervallare di una probabilità

Lezioni 4 e 5 : Organizzare e sintetizzare i dati (Capitolo 2 e Capitolo 3)
Costruzione di una tabella di frequenza per una caratteristica qualitativa: frequenze assolute, relative, relative %
Rappresentazione grafica con grafici a barre, a torta
Costruzione di una tabella di frequenza per una caratteristica quantitativa: aggregazione in classi, frequenze assolute, relative, relative %
Rappresentazione grafica con istogramma
Indicatori sintetici dell’ordine di grandezza e della variabilità del fenomeno quantitiativo: media aritmentica (e/o mediana) e deviazione standard

Lezione 6 : Distribuzione Gaussiana ed il suo uso come metodo di approssimazione di un istogramma (Capitolo 7)
Distribuzione Gaussiana: genesi e metodo di calcolo delle aree

Complemento alle lezioni 1 e 6 : Stima di massima verosimiglianza di p e mu

Lezione 7 : Intervallo di confidenza su mu (Capitolo 9)
Intervallo di confidenza: calcolo della stima intervallare di un parametro mu, interpretazione, simulazione
Pianificazione della stima intervallare di un parametro mu

Complemento alle lezioni 3 e 7 : Utilizzo della distribuzione Gaussiana per la costruzione degli intervalli di confidenza nelle UNITA' B ed F
istribuzioni campiorie della proporzione e della media

Lezione 8 : Verifica di ipotesi su p (Capitolo 10)

Lezione 9 : Verifica di ipotesi su distribuzione di categorie (Capitolo 12)

Nessuno.

Insegnamento con ore frontali:

  • 9 lezioni da 2 ore svolte in modalità erogativa in presenza;
  • 3 lezioni da 2 ore svolte in modalità erogativa in remoto (video clip pre-registrata);
  • 4 lezioni da 2 ore svolte in modalità interattiva in remoto (offline quiz/compiti);

Primo semestre.

Prova scritta

  • L'esame scritto avviene su piattaforma esamionline di ateneo in laboratorio
  • 9 domande nella forma di test a risposte chiuse con 4/5 risposte oppure risposta calcolata
  • 1 domanda aperta
  • 30 minuti
  • 3 punti per ogni domanda

Da definire con lo studente via email laura.antolini@unimib.it

ISTRUZIONE DI QUALITÁ | PARITÁ DI GENERE
Export

Basic knowledge of the most important statistical-methodological tools of the descriptive and inferential statistics for: design of experiments, data collection and analysis, the complexities of lab data.

The student will be able to: understand the main concepts of study design, implement statistical analysis, read the scientific literature presenting descriptive and inferential statistic results.

Basics of probability calculation
Confidence interval on the parameter p probability of an event (proportion)
Frequency tables and graphs
Order of magnitude and dispersion indicators
Gaussian Distribution (to approximate the trend of a histogram)
Confidence interval on the mu parameter
Use of the Gaussian distribution to construct confidence intervals
Hypothesis testing

  • Calculation of probabilities (Chapter 5)
    Definition of experiment
    Sample space, simple and compound events
    Probability with classical and Frequentist approach
    Incompatible, dependent and independent events
    Probability of union and intersection
    Conditional probability

  • Confidence interval on the proportion p (Chapter 9)
    Calculation of the point estimate of a probability
    Confidence interval: calculation of the interval estimate of a probability, interpretation, simulation
    Planning the interval estimate of a probability

  • Organizing and summarizing data (Chapter 2 and Chapter 3)
    Construction of a frequency table for a qualitative characteristic: absolute, relative, relative frequencies %
    Graphic representation with bar and pie charts
    Construction of a frequency table for a quantitative characteristic: aggregation into classes, absolute, relative, relative % frequencies
    Graphic representation with histogram
    Synthetic indicators of the order of magnitude and variability of the quantitative phenomenon: arithmetic mean (and/or median) and standard deviation

  • Gaussian Distribution and its use as a histogram approximation method (Chapter 7)
    Gaussian distribution: genesis and area calculation method

  • Maximum likelihood estimation of p and mu
    Complementary to UNITS B and D

  • Confidence interval on mu (Chapter 9)
    Confidence interval: calculation of the interval estimate of a mu parameter, interpretation, simulation
    Planning the interval estimation of a mu parameter

  • Use of the Gaussian distribution to construct the confidence intervals in UNITS B and F
    sample distributions of the proportion and the mean

  • Testing hypotheses about p (Chapter 10)

  • Hypothesis testing on category distribution (Chapter 12)

None.

Teaching with frontal hours:

  • 9 lessons of 2 hours held in presence mode;
  • 3 lessons of 2 hours carried out remotely (pre-registred video clip);
  • 4 lessons of 2 hours held in remote interactive mode (off line assignments);

First semester.

Written test

  • The written exam takes place on the university's esamionline platform in the laboratory
  • 9 questions with 4/5 answers of a calculation required
  • 1 open question
  • 30 minutes
  • 3 points scored for each question

To be defined with the student by email contact laura.antolini@unimib.it

QUALITY EDUCATION | GENDER EQUALITY
Enter

Key information

Field of research
MED/01
ECTS
3
Term
First semester
Activity type
Mandatory to be chosen
Course Length (Hours)
32
Degree Course Type
2-year Master Degreee
Language
Italian

Staff

    Teacher

  • LA
    Laura Antolini

Enrolment methods

Manual enrolments
Self enrolment (Student)

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
GENDER EQUALITY - Achieve gender equality and empower all women and girls