2. Docenti
  3. ADDESSO Paolo
  4. Didattica

STATISTICA MEDICA

Paolo ADDESSO STATISTICA MEDICA

0612800032
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA
INGEGNERIA DELL'INFORMAZIONE PER LA MEDICINA DIGITALE
2025/2026

ANNO CORSO 3
ANNO ORDINAMENTO 2022
PRIMO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
18ESERCITAZIONE
216LABORATORIO
FABIO POSTIGLIONE T Curriculum
PAOLO ADDESSO Curriculum
Obiettivi
L’INSEGNAMENTO MIRA A FORNIRE GLI ELEMENTI DI BASE PER L’ANALISI DEI DATI BIOMEDICI, QUALI:
- I PRINCIPALI STRUMENTI PER VISUALIZZARE I DATI MEDICI E DESCRIVERLI TRAMITE SEMPLICI MODELLI;
- I METODI PIÙ RILEVANTI PER PIANIFICARE LA RACCOLTA DI DATI BIOMEDICI, PER SOTTOPORRE A VERIFICA SPERIMENTALE I MODELLI EMPIRICI, E ANALIZZARE L’EFFETTO DEI DIVERSI FATTORI DI INFLUENZA;
- I METODI PRINCIPALI PER COSTRUIRE E SOTTOPORRE A VERIFICA SPERIMENTALE MODELLI INTERPRETATIVI DI UNA PATOLOGIA MEDICA.
- LA CAPACITÀ DI UTILIZZARE I PRINCIPALI STRUMENTI SOFTWARE PER L’ANALISI DEI DATI BIOMEDICI.

CONOSCENZE E COMPRENSIONE
DESCRIZIONE DI FENOMENI NON DETERMINISTICI BASATA SULLA TEORIA DELLA PROBABILITÀ. ELEMENTI DI BASE DI STATISTICA DESCRITTIVA, PER SINTETIZZARE I DATI NELL’ANALISI UNIVARIATA E MULTIVARIATA, E DELL’INFERENZA STATISTICA. ANALISI DEI FATTORI PIÙ SIGNIFICATIVI NELLA DESCRIZIONE DI UNA PATOLOGIA MEDICA. MODELLI DI REGRESSIONE LINEARE. TEST PER VALUTARE LA SIGNIFICATIVITÀ STATISTICA.

APPLICAZIONE DELLE CONOSCENZE E DELLA COMPRENSIONE
ANALIZZARE SEMPLICI DATA SET DI INTERESSE APPLICATIVO TRAMITE SOFTWARE DEDICATI PER APPLICAZIONI DI STATISTICA MEDICA.
STIMARE I PARAMETRI DI MODELLI DI REGRESSIONE LINEARE DEI DATI.
CENNI DI EPIDEMIOLOGIA E DI ANALISI DI DATI LONGITUDINALI.

Prerequisiti
PREREQUISITI: ADEGUATE CONOSCENZE MATEMATICHE. NOZIONI DI PROBABILITÀ DI BASE.
Contenuti
UNITÀ DIDATTICA 1: INTRODUZIONE AL CORSO, RICHIAMI DI PROBABILITÀ, STATISTICA DESCRITTIVA E INTRODUZIONE A R (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/0/4)
-1 (ORE LEZIONE 2): INTRODUZIONE AL CORSO. RICHIAMI DI TEORIA DELLA PROBABILITÀ E CALCOLO COMBINATORIO, VARIABILI ALEATORIE E COEFFICIENTE DI CORRELAZIONE
-2 (ORE LEZIONE 2): VETTORI DI VARIABILI ALEATORIE. LEGGE DEI GRANDI NUMERI. TEOREMA LIMITE CENTRALE. RICHIAMI DEI PRINCIPALI MODELLI DI VV.AA.
-3 (ORE LEZIONE 2): INTRODUZIONE ALLA STATISTICA DESCRITTIVA: ISTOGRAMMI, MEDIA, MEDIANA, MODA. INDICI DI DISPERSIONE: DEVIAZIONE STANDARD E VARIANZA CAMPIONARIA.
-4 (ORE LABORATORIO 2): INTRODUZIONE A R CON COMANDI DI BASE E DATAFRAME. VISUALIZZAZIONE IN R DEI TEOREMI ASINTOTICI E DEI CONCETTI DI STATISTICA DESCRITTIVA.
-5 (ORE LABORATORIO 2): ANALISI DI CORRELAZIONE TRAMITE R, SCATTER PLOT. BOX PLOT. CORRELATION PLOT.

CONOSCENZE E CAPACITA DI COMPRENSIONE
MODELLI PROBABILISTICI UTILI ALLA STATISTICA. VETTORI DI VARIABILI ALEATORIE E DISTRIBUZIONI CONGIUNTE E MARGINALI. CONOSCENZA DEI TEOREMI FONDAMENTALI DI PROBABILITÀ PER ANALIZZARE I DATI. INDICATORI E STRUMENTI GRAFICI PER DESCRIVERE IL COMPORTAMENTO DI QUANTITÀ ALEATORIE MISURATE. ANALIZZARE LA CORRELAZIONE TRA GRANDEZZE ALEATORIE.

CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
UTILIZZO DI GRAFICI E TABELLE DI USO COMUNE IN STATISTICA. UTILIZZO DI SEMPLICI DATASET TRAMITE SOFTWARE DI ANALISI DATI. CALCOLO E VISUALIZZAZIONE DELLA DISTRIBUZIONE DI VARIABILI ALEATORIE. VISUALIZZARE LA CORRELAZIONE TRA VARIABILI.


UNITÀ DIDATTICA 2: STATISTICA INFERENZIALE (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 6/2/4)
-6 (ORE LEZIONE 2): ELEMENTI DI TEORIA DELLA STIMA: STIMA PUNTUALE E INTERVALLARE. STIMA DELLA MEDIA DI POPOLAZIONE NORMALE CON VARIANZA NOTA.
-7 (ORE LEZIONE 2): DISTRIBUZIONI CHI QUADRATO E T DI STUDENT. STIMA INTERVALLARE DELLA MEDIA E VARIANZA DI POPOLAZIONE NORMALE CON VARIANZA INCOGNITA. INTERVALLI DI CONFIDENZA UNILATERALI. ESEMPI DI STIMA INTERVALLARE
-8 (ORE LEZIONE 2): STIMATORI E LORO PROPRIETÀ (LINEARITÀ, CORRETTEZZA, EFFICIENZA, CONSISTENZA, ASINTOTICA NORMALITÀ, SUFFICIENZA). MSE E CENNI AL “TRADE OFF BIAS-VARIANZA”. FUNZIONE DI VEROSIMIGLIANZA.
-9 (ORE ESERCITAZIONE 2): ESEMPI DI FUNZIONE DI VEROSIMIGLIANZA. ESERCIZI SULLO STIMATORE A MASSIMA VEROSIMIGLIANZA (MAXIMUM LIKELIHOOD – ML).
-10 (ORE LABORATORIO 2): INTERVALLI DI CONFIDENZA, DISTRIBUZIONE CHI QUADRATO E T DI STUDENT IN R
-11 (ORE LABORATORIO 2): ESERCIZI DI STIMA ML IN R

CONOSCENZE E CAPACITA DI COMPRENSIONE
STIMA DEI PARAMETRI DI DISTRIBUZIONI DI USO COMUNE. COSTRUZIONE DEGLI INTERVALLI DI CONFIDENZA IN CASI SEMPLICI. PROPRIETÀ DEGLI STIMATORI IMPORTANTI PER L’APPRENDIMENTO STATISTICO.

CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
STIMA DI MEDIA E VARIANZA DEI DATI RACCOLTI IN UN DATA SET. CALCOLO DEGLI INTERVALLI DI CONFIDENZA DEI PARAMETRI A PARTIRE DA UN CAMPIONE ESTRATTO DA UNA POPOLAZIONE NORMALE. STIMA A MASSIMA VEROSIMIGLIANZA IN CASI DI UTILITÀ PRATICA.


UNITÀ DIDATTICA 3: VERIFICA (TEST) DI IPOTESI (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/2/2)
-12 (ORE LEZIONE 2): TEST DI IPOTESI. RISCHIO DI I E DI II SPECIE DI UN TEST D’IPOTESI. IPOTESI NULLA E REGIONE CRITICA.
-13 (ORE LEZIONE 2): VERIFICA DI IPOTESI SULLA MEDIA DI UNA POPOLAZIONE NORMALE, A VARIANZA NOTA: ESEMPIO DI UN TEST BILATERALE.
-14 (ORE ESERCITAZIONE 2): TEST SULLA MEDIA DI UNA POPOLAZIONE NORMALE, CON VARIANZA INCOGNITA: ESERCIZIO SU UN TEST UNILATERALE. ESERCIZIO: TEST SULLE DIFFERENZE DI MEDIE DI DUE NORMALI (CON STESSA VARIANZA).
-15 (ORE LEZIONE 2): TEST SULLA VARIANZA DI UN NORMALE. LIVELLO DI SIGNIFICATIVITÀ E POTENZA DI UN TEST. CURVA ROC E AUC.
-16 (ORE LEZIONE 2) BONTÀ DI ADATTAMENTO E Q-Q PLOT. LEMMA DI NEYMAN-PEARSON ED ESEMPIO DI TEST SULLA MEDIA DI UNA NORMALE A VARIANZA NOTA. DEFINIZIONE DEL “P-VALUE” E SUO USO NEI TEST DI IPOTESI.
-17 (ORE LABORATORIO 2) IMPLEMENTAZIONE DI TEST SULLA MEDIA DI UNA POPOLAZIONE NORMALE, A VARIANZA NOTA E INCOGNITA IN R. Q-Q PLOT E NORMALITÀ DEI DATI IN R.

CONOSCENZE E CAPACITA DI COMPRENSIONE
VERIFICA DELLE IPOTESI STATISTICHE ED ERRORI. TEST DI IPOTESI IN CASI NOTEVOLI. PRESTAZIONI DI UN TEST TRA DUE IPOTESI. VERIFICA DELL’IPOTESI DI NORMALITÀ.

CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
IMPLEMENTAZIONE AL CALCOLATORE DI TEST DI IPOTESI SUI PARAMETRI DELLE VARIABILI IN SEMPLICI DATASET. BONTÀ DI ADATTAMENTO PER VIA GRAFICA.


UNITA DIDATTICA 4: MODELLI DI REGRESSIONE LINEARE. CENNI ALL’EPIDEMIOLOGIA E SULL’ANALISI DI DATI LONGITUDINALI (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/0/6)
-18 (ORE LEZIONE 2) ANALISI DI REGRESSIONE: INTRODUZIONE E STIMATORI AI MINIMI QUADRATI, MEDIE E VARIANZE DEGLI STIMATORI. INTERVALLI DI CONFIDENZA SUI PARAMETRI.
-19 (ORE LEZIONE 2) TEST DI IPOTESI SUL PARAMETRO PENDENZA DELLA REGRESSIONE LINEARE SEMPLICE. REGRESSIONE POLINOMIALE CON ESEMPI.
-20 (ORE LABORATORIO 2) INTRODUZIONE ALL’ANALISI DI REGRESSIONE IN R.
-21 (ORE LABORATORIO 2) REGRESSIONE POLINOMIALE E DETERMINAZIONE DEL MODELLO POLINOMIALE PIÙ ADATTO IN AMBIENTE R.
-22 (ORE LEZIONE 2) INTRODUZIONE ALL’EPIDEMIOLOGIA: INCIDENZA E PREVALENZA.
-23 (ORE LEZIONE 2) CENNI SULL’ANALISI DEI DATI LONGITUDINALI PER LA VALUTAZIONE DELLE CONDIZIONI DEI PAZIENTI
-24 (ORE LABORATORIO 2) SEMPLICI MODELLI EPIDEMIOLOGICI E ESEMPI DI DATI LONGITUDINALI IN R

CONOSCENZE E CAPACITA DI COMPRENSIONE
MODELLI DI REGRESSIONE LINEARE. TEST PER VALUTARE LA SIGNIFICATIVITÀ STATISTICA DEI PARAMETRI DEL MODELLO LINEARE. INDICI PER VALUTARE L’ADATTAMENTO DI UN MODELLO DI REGRESSIONE AI DATI. ELEMENTI DI BASE DI EPIDEMIOLOGIA E DEI DATI LONGITUDINALI.

CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
COSTRUZIONE DI MODELLI DI REGRESSIONE SEMPLICE E POLINOMIALE A PARTIRE DA SEMPLICI DATA SET. VALUTARE L’ADATTAMENTO DI UN MODELLO DI REGRESSIONE IN SEMPLICI DATA SET. SEMPLICI APPLICAZIONI DI MODELLI EPIDEMIOLOGICI E DI TECNICHE PER ANALISI DEI DATI LONGITUDINALI.


TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 28/4/16
Metodi Didattici
L’INSEGNAMENTO PREVEDE LEZIONI TEORICHE ED ESERCITAZIONI IN AULA E AL CALCOLATORE TRAMITE R SUGLI ARGOMENTI PROPOSTI.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALL’ATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.
Verifica dell'apprendimento
L’ESAME PREVEDE UN PROGETTO DI GRUPPO E UN COLLOQUIO ORALE. IL PROGETTO MIRA A STABILIRE LE CAPACITÀ DI ANALIZZARE UN SEMPLICE DATA SET BIOMEDICI TRAMITE IL SOFTWARE R. IL COLLOQUIO ORALE È FINALIZZATO A VALUTARE NEL SUO COMPLESSO: LA CAPACITÀ DI AFFRONTARE PROBLEMI DI STATISTICA MEDICA ATTRAVERSO LE METODOLOGIE E GLI STRUMENTI ILLUSTRATI DURANTE IL CORSO; LA CONOSCENZA ED IL LIVELLO DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO. VENGONO ANCHE VALUTATE L’AUTONOMIA DI GIUDIZIO E LA CAPACITÀ ESPOSITIVA.
Testi
D. PICCOLO, STATISTICA PER LE DECISIONI. 3° ED., IL MULINO, 2020.
S. M. IACUS, G. MASAROTTO, LABORATORIO DI STATISTICA CON R, 2° ED., MCGRAW-HILL, 2014
ARMITAGE P, BERRY G, MATTHEWS JNS. STATISTICAL METHODS IN MEDICAL RESEARCH, 4TH EDITION. BLACKWELL SCIENCE, MALDEN, MA, USA, 2002.

TESTI DI SUPPORTO:
M. GUIDA, AFFIDABILITÀ, ARACNE, 2020.
A. PAPOULIS, S. U. PILLAI, PROBABILITY, RANDOM VARIABLES AND STOCHASTIC PROCESSES, 4TH ED., MCGRAW-HILL, 2001.


MATERIALE DIDATTICO INTEGRATIVO SARÀ DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
LA LINGUA DELL’INSEGNAMENTO È L’ITALIANO.
Orari Lezioni

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2025-09-25]