Course Syllabus
Obiettivi
Lo studente imparerà:
- gli strumenti di base per comprendere i risultati scientifici in studi osservazionali e sperimentali con esito continuo, esito binario, esito tempo di sopravvivenza.
- come interpretare i risultati dei modelli di regressione che mettono in relazione i suddetti risultati con variabili di esposizione.
Contenuti sintetici
- Riepilogo sulle statistiche descrittive
- Modello di regressione lineare
- Modello di regressione logistica
- Analisi di sopravvivenza
Programma esteso
- Riepilogo sulle statistiche descrittive (principali indicatori e rappresentazioni grafiche)
- Modello di regressione lineare (con esempi motivanti)
- Modello di regressione logistica (con passaggio dalla tabella di contingenza alla regressione)
- Analisi di sopravvivenza (principali caratteristiche di dati di sopravvivenza e modellamento non parametrico e semiparametrico)
Prerequisiti
Statistica descrittiva di base ed inferenziale
Modalità didattica
Classi tradizionali sincrone
Materiale didattico
https://hbiostat.org/bbr/descript
https://hbiostat.org/bbr/descript
R studio sofware https://posit.co/download/rstudio-desktop/
Periodo di erogazione dell'insegnamento
- Primo semestre
- Dalle 10 alle 13, LAB Monza
Modalità di verifica del profitto e valutazione
Sulla piattaforma esamionline.elearning.
Tipologia di test: domande a scelta multipla/aperte (10 domande, 3 punti per ogni risposta corretta, nessuna penalità per risposte errate), 3 punti aggiuntivi ottenuti dalla domanda offline.
Se il punteggio totale >=18 passi.
Orario di ricevimento
Su richiesta tramite e-mail elearning, nell'aula Webex del docente.
Sustainable Development Goals
Aims
The student will learn:
- the basic tools to understand scientific results in observational and experimental studies with continuous outcome, binary outcome, survival time outcome.
- how to interpret results from regression models relating aforementioned outcome to explanatory/exposure variables.
Contents
- Recap on Descriptive Statistics
- Linear Regression Model
- Logistic Regression Model
- Survival analysis
Detailed program
- Summary of descriptive statistics (main indicators and graphical representations)
- Linear regression model (with motivating examples)
- Logistic regression model (with passage from contingency table to regression)
- Survival analysis (main characteristics of survival data and non-parametric and semi-parametric modeling)
Prerequisites
Basic descriptive and inferential statistics
Teaching form
Standard synchronous classes
Textbook and teaching resource
https://hbiostat.org/bbr/descript
https://hbiostat.org/bbr/descript
R studio sofware https://posit.co/download/rstudio-desktop/
Semester
- First semester
- From 10 to 13, LAB in Monza
Assessment method
On esamionline.elearning platform.
Type of test: multiple choice/open questions (10 questions, 3 points for each correct answer, no penalties for wrong answers), 3 additional points scored by the offline question.
If the total score is >=18 you pass.
Office hours
Under request by the elearning email, in the Webex room of the teacher.
