OBIETTIVI FORMATIVI

Fornire alcuni strumenti statistici legati a specifiche applicazioni tramite interventi di esperti

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Alla fine del corso lo studente saprà

• riconoscere il grado di applicablità delle tecniche di analisi imparate
• riconoscere i principali problemi di analisi dati nei contesti applicativi sotto elencati 
• individuare i metodi di analisi più adatti 
• svolgere le analisi con gli opportuni supporti informatici
• interpretare i risultati delle analisi e valutarne la validità
• sintetizzare i risultati in un report semi-professionale, interpretare i risultati ottenuti  

Modelli di misurazione in psicometria (16 ore di lezioni frontali)
Fornire un'Introduzione alla teoria della psicometria per statistici e fornisce gli strumenti anche informatici (software R) per eseguire semplici le analisi psicometriche di base.

Demografia dell'Italia e del mondo: temi, dati e e misure (8 ore di lezioni frontali)
Fornire un'introduzione alla demografia per saper comunicare dati demografici al cittadino medio. 

Introduzione alla statistica Bayesiana (8 ore di lezioni frontali)
Acquisire le principali nozioni relative alla modellazione Bayesiana.  

Statistica Ufficiale (8 ore di lezioni frontali. In alternativa potrebbe essere offerto un modulo di Applicazioni in industria)
Il sistema della statistica pubblica.

Il problema della molteplicità dei test statistici in ricerca biomedicina (8 ore di lezioni frontali)
Acquisire coscienza del problema e saperlo affrontare con atteggiamento critico.

A questi moduli si affiancheranno attività seminariali su altri aspetti applicati della statistica matematica, usualmente presentate da data scientists operanti in aziende, società di consumo, enti pubblici.

PREREQUISITI

Fondamenti di statistica inferenziale. Nozioni di Statistica matematica.

MODALITA' DIDATTICHE

Lezioni in aula e laboratorio

PROGRAMMA/CONTENUTO

Psicometria
La teoria classica dei test
Le variabili psicologiche o costrutti
Definizione del dominio di contenuto del costrutto e delle sue operazionalizzazioni
Modelli di misurazione in psicologia ad indicatori riflessivi e formativi
Analisi degli item e attendibilità
Analisi fattoriale esplorativa
Analisi fattoriale confermativa
Modelli di equazioni strutturali

Verranno mostrati esempi di analisi con R (packages 'psych', 'lavaan' e 'semPlot')

Demografia Il corso si basa sull'attenta lettura ed analisi di un volume divulgativo fortemente basato sui dati. Raccolta, analisi e presentazione dei dati per aiutare la società a organizzarsi in modo da trasformare le opportunità in nuove realtà. Il testo di riferimento da analizzare è cambiato negli anni. 

Introduzione alla statistica Bayesiana 
Leggi di probabilità a priori e a posteriori, coniugate, a priori improprie e piatte, confront con metodi frequentisti.

Statistica Ufficiale 
Statistica pubblica, fonti statistiche, dato ufficiale, SISTAN, normativa sulla statistica, codici della statistica.

Il problema della molteplicità dei test statistici in ricerca biomedicina 
I test statistici d'ipotesi sono caratterizzati da una probabilità di falso positivo (livello di significatività) e da una probabilità di falso negativo (1-potenza del test). Quando più test sono effettuati, la probabilità che almeno una vera ipotesi sia rigettata aumenta rapidamente. In ricerca sperimentale, ciò accade per esempio quando più marcatori vengono testati, un test diagnostico è ripetuto più volte, più farmaci vengono comparati a uno standard, più criteri di valutazione vengono usati per valutare l'efficacia di un trattamento, ecc.

La significatività dei risultati osservati viene largamente sopravvalutata qualora i risultati dei test più significativi sono interpretati senza tenere conto della molteplicità dei test effettuati. Questo problema è ancor più cruciale nel caso in cui solo i risultati più significativi vengono riportati e divulgati.

Nel caso di test molteplici, diverse misure di errore sono disponibili, in particolare la probabilità di incorrere in almeno un falso positivo (FWER, familywise error rate) e il tasso di false scoperte (FDR, false discovery rate). Ciascuna di esse ha un significato diverso ed è più o meno appropriata a seconda che il fine della ricerca sia più esplorativo o confermativo.

Diversi metodi di correzione per test multipli sono disponibili nella letteratura statistica. Ciascun metodo di correzione ha come obiettivo il controllo del FWER o del FDR e ciascuno ha proprietà diverse. Nel contesto della valutazione di diversi criteri di efficacia nei trial clinici, l'FDA (US Food and Drug Administration) ha messo a disposizione delle linee guida preliminari.

Esempi pratici con software R: inflazione del livello di più test combinati, correzione del livello di test multipli.

TESTI/BIBLIOGRAFIA

Psicometria
Chiorri, C. (2011). Teoria e tecnica psicometrica. Milano: McGraw-Hill (capitoli 1, 2, 4 e 5).
Ulteriore materiale (slides, codici di R) verrà condiviso online dal docente.

Demografia (il testo sarà precisato in seguito)
Gianpiero Dalla Zuanna e Guglielmo Weber (2012). Cose da non credere. Il senso comune alla prova dei numeri. Laterza. 
Gianpiero Dalla Zuanna e Stefano Allievi (2015). Tutto quello che non vi hanno mai detto sull'immigrazione, Laterza.
Maria Castiglioni e Gianpiero Dalla Zuanna  (2018). La famiglia è in crisi. Falso! Laterza. 

Statistica Ufficiale 
Slide fornite dal docente e siti web degli istituti statistici pubblici.

Introduzione alla statistica Bayesiana 
M. Gasparini, Modelli probabilistici e statistici, CLUT 60-2006-08   

Il problema della molteplicità dei test statistici in ricerca biomedicina 
Dmitrienko, D’Agostino, 2013, Traditional multiplicity adjustment methods in clinical trials. Stat Med 32
Goeman J, Solari A, 2014, Multiple Hypothesis Testing in Genomics. Stat Med 33
FDA, 2017, Multiple Endpoints in Clinical Trials. Draft Guidance for Industry. UCM536750