Approccio bayesiano e classico all analisi ad interim negli studi clinici controllati
|
|
- Annunciata Damiani
- 5 anni fa
- Visualizzazioni
Transcript
1 Approccio bayesiano e classico all analisi ad interim negli studi clinici controllati Antonella Bodini anto@mi.imati.cnr.it CNR-IMATI, Milano 21 Giugno 2005 p. 1/30
2 Traccia breve introduzione il caso non sequenziale il caso sequenziale approccio classico approccio bayesiano } ICON3 21 Giugno 2005 p. 2/30
3 Introduzione Fase I Fase II Fase III Fase IV a carattere esplorativo studi pilota su pochi pazienti gran numero di pazienti tests dopo l approvazione 21 Giugno 2005 p. 3/30
4 Introduzione II durata pluriennale della sperimentazione arrivo sequenziale dei pazienti assegnazione randomizzata a 2 (o più) trattamenti (corrente/nuovo) risposta (endpoint ) continua o binaria dati censurati test di superiorità o di equivalenza 21 Giugno 2005 p. 4/30
5 Introduzione III Ragioni: Etiche Economiche Amministrative fedeltà alla pianificazione fedeltà al protocollo verifica delle ipotesi del disegno Nuove informazioni 21 Giugno 2005 p. 5/30
6 Cenni storici Wald (1947, USA) SPRT Barnard (1946, GB) Armitage (1954, 1958, 1975) Brass (1952, 1958) Shaw (1966) Pocock (1977) O Brien & Fleming (1979) Lan & DeMets (1983) 21 Giugno 2005 p. 6/30
7 Il caso non sequenziale X Ai N (µ A, σ 2 ), X Bi N (µ B, σ 2 ), i = 1,..., n osservazioni indipendenti H 0 : µ A = µ B vs H 1 : µ A µ B N Z = 1 n 2nσ 2 i=1 (X Ai X Bi ) ( (µ A µ B ) ) n/2σ 2 H0, 1 = N (0, 1) Z z 1 α/2 rifiuto H 0 si controlla l errore di I specie 21 Giugno 2005 p. 7/30
8 Il caso sequenziale Il monitoraggio continuo è impossibile! Monitoraggio sequenziale per gruppi: K = n.ro di analisi di monitoraggio all analisi k-ma: statistica Z k se Z k c k, per k < K allora si rifiuta H 0 si prosegue fino alla fase finale. c k : P H0 ( Z 1 c 1 o o Z K c K ) = α 21 Giugno 2005 p. 8/30
9 c k z 1 α/2 α = 0.05 K Pocock O B & F K/k K/k K/k K/k 21 Giugno 2005 p. 9/30
10 Il caso generale N oss., j ma analisi: (Z 1,..., Z K ) N K Z i Z i 1 K i.a., una ogni N/K oss. d(j) = jn/k dati X i N (θ, σ 2 ), σ 2 noto 1 Z j = d(j) d(j)σ 2 i=1 X i ind.; E(Z j ) = θ d(j)/σ 2, V ar(z j ) = 1; Corr(Z j1, Z j2 ) = d(j 1 )/d(j 2 ) 1 j 1 j 2 K. 21 Giugno 2005 p. 10/30
11 L analisi di sopravvivenza Osservazioni binarie θ = log λ, λ = hazard rate H 0 : θ = 0 vs H 1 : θ 0 Z j = S j / I j S j = d 1 (j) d(j) i=1 I j = d(j) i=1 n 0i (j) n 0i (j)+n 1i (j) n 0i (j) n 1i (j) [n 0i (j)+n 1i (j)] 2 d 1 (j) decessi nel gruppo di trattamento (t = 1) n ti (j) sopravvissuti nel gruppo t = 0, 1 21 Giugno 2005 p. 11/30
12 L analisi di sopravvivenza S j è la logrank score statistics I j informazione per θ θ 0 S j N (θi j, I j ) & n 1i (j) r n 0i (j) i I j d(j) r/(r + 1) 2 Harrington et al., 1982; Tsiatis, Giugno 2005 p. 12/30
13 ICON3 N = (tratt.) 0 (contr.) HR (λ) I j j d 1 (j) e 1 (j) d 0 (j) e 0 (j) (1) (2) (1) HR: SAS, by Istituto Mario Negri (2) r = 0.5; I j 2d(j)/9. 21 Giugno 2005 p. 13/30
14 ICON3, II Naive Pocock O B & F Z Non si termina mai in anticipo e si accetta θ = 0, equivalenza 21 Giugno 2005 p. 14/30
15 Intervalli di confidenza Tsiatis et al., 1984: Hp. gaussianità, r = 1. Viene determinata la densità della variabile (Z, τ), con τ tempo d arresto e Z statistica osservata all istante di arresto. Quindi, numericamente, si può ottenere l intervallo di confidenza esatto. 21 Giugno 2005 p. 15/30
16 ICON3, cont IC(95%) = (0.868, 1.281) 21 Giugno 2005 p. 16/30
17 RCI Repeated confidence interval approach Jennison & Turnbull, Un intervallo di confidenza ad ogni analisi intermedia {I 1,..., I K } sequenza di RCIs con livello 1 α se P θ (θ I j j = 1,..., K) = 1 α ottenuti invertendo un test sequenziale: I j = {θ : Z j θ I j ) < c j } 21 Giugno 2005 p. 17/30
18 ICON3, cont. O Brien & Fleming Non seq. 1 Pocock Giugno 2005 p. 18/30
19 Statistica bayesiana {f θ (x) : θ Θ} modello statistico estensione del modello: p(θ) densità di probabilità (prior) f(x, θ) = f θ (x)p(θ) Teorema di Bayes: f(θ x) f θ (x)p(θ) f(θ x 1,..., x n ) i f θ(x i )p(θ) distribuzione a posteriori 21 Giugno 2005 p. 19/30
20 Stat. bayesiana, II ˆθ = Θ θ p(θ x 1,..., x n )dθ mediana, quartili... I : p(θ I x 1,..., x n ) = 0.95, CrI(95%) pr. a posteriori di qualunque I Θ f(x n+1 x 1,..., x n ) = Θ f θ(x n+1 )p(θ x 1,..., x n )dθ distr. predittiva 21 Giugno 2005 p. 20/30
21 Interim analysis bayesiana Spiegelhalter & Freedman, 1988 Ad ogni interim analysis: S(j)/I j = Z(j)/ I j N ( ) θ, Ij 1 PRIOR : p 0 (θ) N (θ 0, τ 2 ) I j = r d(j)/(r + 1) 2 τ 2 = r n 0 /(r + 1) 2 PRIOR AD UNA VEROSIMIGLIANZA DA UN TRIAL IPOTETICO CON n 0 PAZIENTI E VALORE OSSERVATO DELLA DIFFERENZA PARI A θ 0 21 Giugno 2005 p. 21/30
22 i.a. bayesiana, II posterior p(θ s j ) N ( τ 2 θ 0 + s j τ 2 + I j, 1 τ 2 + I j ) ˆθ j = (r + 1)2 s j + r n 0 θ 0 r[n 0 + d(j)] CrI j = ˆθ ± (r + 1) z 1 α/2 r[n0 + d(j)] STOP: p(θ < 0 s j ) < ɛ o p(θ < 0 s j ) 1 ɛ 21 Giugno 2005 p. 22/30
23 Scelta della prior evidenza esterna al trial può variare durante il trial Alcune scelte naturali : N (θ 0, (r + 1) 2 /rn 0 ) θ 0 = 0, n 0 = 0 non informativa θ 0 = 0, n 0 : p 0 (θ > θ 1 ) 0.05 Scettica θ 0 = θ 1, n 0 come sopra. Entusiasta Altre possibilità. 21 Giugno 2005 p. 23/30
24 ICON3, cont. Inferenza per λ = exp(θ) prior analisi ˆλ CrI(95%) (0.742, 1.178) non informativa (0.714, 0.991) θ 0 = 0, n 0 = (0.775, 1.012) (0.856, 1.083) (0.788, 1.158) scettica (0.749, 1.007) θ 0 = 0, n 0 = (0.794, 1.019) (0.867, 1.080) (0.878, 1.288) entusiasta (0.799, 1.074) θ 0 = 0.344, n 0 = (0.831, 1.067) (0.898, 1.119) n 0 tale che p 0 (θ 1, + ) per θ 1 = log 1.41 θ 0 = θ 1 21 Giugno 2005 p. 24/30
25 ICON3, cont. prior Giugno 2005 p. 25/30
26 ICON3, cont. prior scettica: int. di equivalenza [ 0.142, 0.148] 21 Giugno 2005 p. 26/30
27 ICON3, cont. Probabilità a posteriori di miglioramento = 0.05, 0.10, prior j ˆθ P (θ > θ s j ) ( 0.03, 0.001, 0) non inform ( 0, 0, 0) θ 0 = 0, n 0 = ( 0, 0, 0) ( 0.001, 0, 0) ( 0.024, , 0) scettica ( 0, 0, 0) θ 0 = 0, n 0 = ( 0, 0, 0) ( 0.001, 0, 0) ( 0.19, 0.006, 0) entusiata ( 0.001, 0, 0) θ 0 = 0.344, n 0 = ( , 0, 0) ( 0.005, 0, 0) 21 Giugno 2005 p. 27/30
28 Commenti apprendimento dall esperienza incorporare informazioni diverse strumenti aggiuntivi di valutazione valutazioni di probabilità per θ range di punti di vista da considerare elicitazione della prior distribuzione predittiva 21 Giugno 2005 p. 28/30
29 Bibliografia essenziale FAYERS P.M., ASHBY D. AND PARMAR, M.K.B. (1997). Tutorial in Biostatistics. Bayesian Data Monitoring in Clinical Trials. Statist. Med. 16, JENNISON C. AND TURNBULL B.W. (1990). Statistical approaches to Interim monitoring of medical trials: a review and commentary. Statist. Sc. 5, JENNISON C. AND TURNBULL B.W. (2000). Group Sequential Methods with Aplications to Clinical Trials Chapmann & Hall/CRC. Boca Raton. SPIEGELHALTER D.J., FREEDMAN L.S. AND PARMAR, M.K.B (1994). Bayesian approaches to randomized trials (with discussion). J. Roy. Statist. Soc. A. 157, Giugno 2005 p. 29/30
30 Ricerca html Approfondire, con l analisi di dati reali ma anche tramite simulazioni, il contributo dell approccio bayesiano all interim analisys. 21 Giugno 2005 p. 30/30
Statistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
Dettagli(a) Determinare lo stimatore di massima verosimiglianza θ di θ. (b) Calcolare la funzione di score e l informazione di Fisher.
Statistica Matematica, Anno Accademico 216/17, 27 Gennaio 217 ESERCIZIO 1 Siano X 1, X 2, X 3 variabili aleatorie indipendenti con legge X 1 Gamma(3,2), X 2 Gamma(5,1) e X 3 Gamma(4,3) Determinare la funzione
Dettaglicostruzione di un modello a partire dai dati Quale modello potrebbe essere utilizzato per riprodurre dei dati simili a questi?
Inferenza statistica costruzione di un modello a partire dai dati segnale analogico in microvolt: 222 190 193 201 187 203 214 199 187 194 218 218 215 190 203 192 197 224 194 207 188 205 191 221 170 231
DettagliESERCIZI EPOS. { C x 3 (1 x) 0 x 1 0 altrove
ESERCIZI EPOS 1. Sia X una v.c. con densità f X (x) = { C x 3 (1 x) 0 x 1 0 altrove (a) Determinare il valore della costante C (b) Calcolare la funzione di ripartizione F X (x) (c) Calcolare P (X > 1/2)
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. I modelli di studio
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica I modelli di studio Corso di laurea in medicina e chirurgia - Statistica Medica Disegno dello studio
DettagliStima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori
Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
DettagliCapitolo 1. Elementi di Statistica Descrittiva. 1.5 Esercizi proposti
Capitolo 1 Elementi di Statistica Descrittiva 1.5 Esercizi proposti Esercizio 1.5.1 In questo caso n = 24 e, dopo aver ordinato i dati (usando il metodo stem-and-leaf per esempio), 3 4 4 5 5 5 6 6 7 7
DettagliRichiami di Statistica
Università di Pavia Richiami di Statistica Eduardo Rossi Popolazione e campione casuale Un idea centrale della statistica è che un campione sia una rappresentazione della popolazione. Si possono sfruttare
DettagliUniversità di Pavia Econometria. Richiami di Statistica. Eduardo Rossi
Università di Pavia Econometria Richiami di Statistica Eduardo Rossi Università di Pavia Campione casuale Siano (Y 1, Y 2,..., Y N ) variabili casuali tali che le y i siano realizzazioni mutuamente indipendenti
DettagliEndpoint di efficacia in oncologia. Valter Torri Istituto Mario Negri
Endpoint di efficacia in oncologia Valter Torri Istituto Mario Negri Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi differenti I: sicurezza II: attività III: efficacia di
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017 1 2 3 4 5 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliStima dei Parametri. Corso di Apprendimento Automatico Laurea Magistrale in Informatica Nicola Fanizzi
Laurea Magistrale in Informatica Nicola Fanizzi Dipartimento di Informatica Università degli Studi di Bari 20 gennaio 2009 Sommario Introduzione Stima dei parametri di massima verosimiglianza Stima dei
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliStima dell intervallo per un parametro
Stima dell intervallo per un parametro In aggiunta alla stima puntuale di un parametro dobbiamo dare l intervallo che rappresenta l incertezza statistica. Questo intervallo deve: comunicare in modo obbiettivo
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliAnalisi della sopravvivenza
Università degli Studi di Padova - Facoltà di Medicina e Chirurgia Statistica Medica per le Scuole di Specializzazione Analisi della sopravvivenza Francesco Grigoletto Unità didattica n. 5 giugno 00 Tempo
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.12 - Test statistico Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona IPOTESI SCIENTIFICA Affermazione che si può sottoporre a verifica
DettagliProbabilità e Statistica
Probabilità e Statistica - 12.01.2016 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliCorso di approfondimento Il disegno dello studio
Corso di approfondimento Il disegno dello studio Istituto Superiore di Sanità 24-25 novembre 2011 1 PROGRAMMA 24 Novembre 2011 12:30 Registrazione e pre - test 13:00-17:30 - Presentazioni 20' + 10' per
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliAnalisi Fattoriale - Applicazioni Analisi Esplorativa
Analisi Fattoriale - Applicazioni Analisi Esplorativa Aldo Solari 1 / 23 1 Dati Esami 2 Stock-Price Data 2 / 23 Outline 1 Dati Esami 2 Stock-Price Data 3 / 23 Dati Esami Voto agli esami n = 202 studenti
DettagliMODELLI PROBABILISTICI E STATISTICI
Prime due lettere del cognome: Nome e Cognome: MODELLI PROBABILISTICI E STATISTICI Prova di esame del 22 Luglio 2002 Consegnare solo questo foglio e assicurarsi che la logica delle risposte sia ben indicata,
DettagliTest di sopravvivenza
Dipartimento di Fisica a.a. 24/25 Fisica Medica 2 Test di sopravvivenza 9/5/24 Analisi della sopravvivenza Esiste un punto di partenza ben identificabile ad esempio: inizio di un mal di schiena? primo
DettagliDipartimento di Samità Pubblica e Malattie Infettive Sapienza Università di Roma
I bias negli studi epidemiologici. Elementi di statistica descrittiva ed inferenziale.l epidemiologia sperimentale Paolo Villari paolo.villari@uniroma1.it Dipartimento di Samità Pubblica e Malattie Infettive
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliMaria Pia Sormani METODI DI ANALISI E DISEGNI DI STUDIO
Maria Pia Sormani METODI DI ANALISI E DISEGNI DI STUDIO Disegni di superiorità Il disegno classico dei trial clinici è un disegno di superiorità: Si vuole dimostrare se il farmaco A è meglio del farmaco
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2008/09
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 28/9 Prova scritta del 4//29 Una ditta produce bottoni, con una (bassa) frequenza p di pezzi difettosi. Una merceria, cliente abituale, acquista regolarmente
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
DettagliCorrezione di Esercizi 4 di Calcolo delle Probabilità e Statistica. Mercoledì 4 maggio 2016
Correzione di Esercizi di Calcolo delle Probabilità e Statistica. Mercoledì maggio 6 Chun Tian. Answer of Exercise Figure. Catena di Markov.. (a) Le classi di equivalenza e i loro periodi. Da Figure, si
DettagliBrevi cenni all intervallo di confidenza
Brevi cenni all intervallo di confidenza INFERENZA STATISTICA L INFERENZA STATISTICA è un insieme di metodi con cui si cerca di «raggiungere una conclusione» sulla popolazione, sulla base delle informazioni
DettagliStima dell intervallo per un parametro
Stima dell intervallo per un parametro In aggiunta alla stima puntuale di un parametro dobbiamo dare l intervallo che rappresenta l incertezza statistica. Questo intervallo deve: comunicare in modo obbiettivo
DettagliIntroduzione all inferenza statistica
Introduzione all inferenza statistica Carla Rampichini Dipartimento di Statistica Giuseppe Parenti - Firenze - Italia carla@ds.unifi.it - www.ds.unifi.it/rampi/ Dottorato in METODOLOGIA DELLE SCIENZE SOCIALI,
DettagliEndpoint di efficacia in oncologia. Valter Torri Istituto Mario Negri
Endpoint di efficacia in oncologia Valter Torri Istituto Mario Negri Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi e misure di esito differenti I: sicurezza II: attività
DettagliCONSORT statement: raccomandazioni per migliorare la qualità della presentazione dei RCT
CONSORT statement: raccomandazioni per migliorare la qualità della presentazione dei RCT 1997: di 122 RCTs pubblicati su efficacia di un farmaco per la depressione (inibitori selettivi del reuptake della
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliInterpretazione dei risultati di RCT relativi a dati di sopravvivenza. Roberto D Amico - Università degli Studi di Modena e Reggio Emilia
Interpretazione dei risultati di RCT relativi a dati di sopravvivenza Roberto D Amico - Università degli Studi di Modena e Reggio Emilia Interpretazione dei risultati di un RCT Popolazione Pazienti Campione
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
Dettagli28/02/2013. La prognosi. Predizione della durata, decorso ed esito di una malattia in un individuo (dunque del gruppo di individui a cui appartiene!
// http://www.biostatistica.unich.it La prog Predizione della durata, decorso ed eto di una malattia in un individuo (dunque del gruppo di individui a cui appartiene!) Domande o Quali fattori influenza
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliPROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati
PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono
DettagliEsercitazione Maggio 2019
Esercitazione 6 9 Maggio 019 Esercizio 1 E noto che la durata di un determinato tipo di Hard Disk per Server segue la legge esponenziale con media pari a 8 anni. a) Calcolare la probabilità che un Hard
DettagliIntroduzione all inferenza statistica, III lezione
Introduzione all inferenza statistica, III lezione Carla Rampichini Dipartimento di Statistica Giuseppe Parenti - Firenze - Italia carla@ds.unifi.it - www.ds.unifi.it/rampi/ Dottorato in METODOLOGIA DELLE
DettagliE n 1 n. n i. n 2. n 2 ( n
Lezione n. 7 7.1 Ancora sulle proprietà degli stimatori Esempio 7.1 [continua dall Esempio 6.1] Studiare varianza e MSE dei due stimatori e verificare se T n raggiunge il limite di Cramer- Rao. Soluzione.
DettagliUniversità di Siena. Corso di STATISTICA. Parte seconda: Teoria della stima. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti
Università di Siena Corso di STATISTICA Parte seconda: Teoria della stima Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Master E 2 C Centro per lo Studio dei Sistemi Complessi Università di
DettagliCorso di Statistica Medica 2006-2007 Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Sono previste 30 ore di lezione di statistica e 12 di
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
DettagliEndpoint di efficacia in oncologia
Percorso di Formazione Linee Guida AIOM Endpoint di efficacia in oncologia Valter Torri IRCCS Istituto Mario Negri Post verità Il ciclo di vita di un famaco In clinica classificazione in fasi con obiettivi
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) (discrete) variabile casuale
DettagliStudi di sopravvivenza
Scuola di Specializzazione in Fisica Sanitaria a.a. 25/26 Corso di Informatica e Statistica Medica Studi di sopravvivenza 5/3/26 Analisi della sopravvivenza Fissare un punto di partenza ben identificabile
DettagliProva di Laboratorio di Probabilità e Statisticatraccia
Prova di Laboratorio di Probabilità e Statisticatraccia A 19 giugno 2015 ISTRUZIONI PER LA PROVA AL COMPUTER: EFFETTUARE IL LOGIN CON: USERNAME:esame PASSWORD: CREARE UN FILE R CONTENENTE SOLO I
DettagliAGENDA 1 METODOLOGIA, STRATEGIE E TECNICHE DELLA RICERCA CLINICA. Corso di formazione. Edizione Firenze. Centro Studi ANMCO Settore Ricerca
AGENDA 1 Corso di formazione METODOLOGIA, STRATEGIE E TECNICHE DELLA RICERCA CLINICA Edizione 2018 Firenze 1 Le lezioni si terranno nell arco del 2018: le date riportate per i moduli didattici sono indicative.
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliProbabilità e Statistica
Probabilità e Statistica - 11.06.2015 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliMetodo epidemiologici per la clinica _efficacia / 1. L analisi statistica
Metodo epidemiologici per la clinica _efficacia / 1 L analisi statistica Metodo epidemiologici per la clinica _efficacia / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
DettagliANALISI DELLA SOPRAVVIVENZA
Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/9 ANALISI DELLA SOPRAVVIVENZA L analisi statistica dei cosiddetti tempi di sopravvivenza o tempi di fallimento
DettagliIntroduzione all Inferenza Statistica
Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliAGENDA Firenze Centro Studi ANMCO Fondazione per il Tuo cuore HCF onlus
AGENDA Corso di formazione su metodologia, strategie e tecniche della Ricerca clinica Firenze Centro Studi ANMCO Fondazione per il Tuo cuore HCF onlus 1 modulo 8-10 Ottobre 2014 Metodologia della Ricerca
DettagliStima della significativita di un segnale Problema On/Off. Andrea Belfiore DFNT Universita di Pavia
Stima della significativita di un segnale Problema On/Off Andrea Belfiore DFNT Universita di Pavia Problema On/Off Descrizione del problema Descrizione dei test MonteCarlo Soluzione analitica frequentista
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - AA - A.A. -6 Prova scritta - giugno 6 Problema. (pt 9) Supponiamo che ad un centralino arrivino n chiamate, agli istanti aleatori T, T,..., T n.. Supponiamo che T,
DettagliGli studi longitudinali (o di coorte) sono utilizzati: per la stima dell incidenza delle patologie per la stima della mortalità
Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari /6 Gli studi longitudinali (o di coorte) sono utilizzati: per la stima dell incidenza delle patologie per la stima
DettagliMetodi Statistici per il Management
Metodi Statistici per il Management Richiami di Inferenza Statistica Simone Borra - Roberto Rocci Indice Probabilità Variabili Casuali Metodologie dell Inferenza Statistica 2 Siano dati i seguenti elementi:
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliStatistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche
Lezione: approccio stocastico all analisi delle serie storiche E-mail: orietta.nicolis@unibg.it 3 maggio 2011 Programma 1 Approccio stocastico all analisi delle serie storiche Programma Approccio stocastico
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliVettore (o matrice) casuale (o aleatorio): vettore (o matrice) i cui elementi sono variabili aleatorie
Variabili (vettori e matrici) casuali Variabile casuale (o aleatoria): Variabile che può assumere un insieme di valori ognuno con una certa probabilità La variabile aleatoria rappresenta la popolazione
DettagliFondamenti statistici : Test d Ipotesi (1)
Fondamenti statistici : Test d Ipotesi (1) Ipotesi statistica: È una assunzione formulata su un particolare aspetto della popolazione considerazioni teoriche Informazioni relative a popolazioni analoghe
DettagliAGENDA. Corso di formazione. Metodologia, strategie e tecniche della Ricerca clinica. Edizione Firenze. Centro Studi ANMCO Settore Ricerca
AGENDA Corso di formazione Metodologia, strategie e tecniche della Ricerca clinica Edizione 2016-201 2017 Firenze Modulo 1 - Ottobre 2016 Metodologia della Ricerca clinica Mercoledì, h 14.00-18.00 18.00
DettagliDISEGNO DI UN PROTOCOLLO DI RICERCA CLINICA: GRIGLIA DI AUTOVALUTAZIONE
LA SPERIMENTAZIONE CLINICA NELL AZIENDA OSPEDALIERA UNIVERSITARIA DI PADOVA Simposio DISEGNO DI UN PROTOCOLLO DI RICERCA CLINICA: GRIGLIA DI AUTOVALUTAZIONE Francesco Grigoletto Dipartimento di Medicina
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliAGENDA 1 METODOLOGIA, STRATEGIE E TECNICHE DELLA RICERCA CLINICA. Corso di formazione. Edizione Firenze. Centro Studi ANMCO Settore Ricerca
AGENDA 1 Corso di formazione METODOLOGIA, STRATEGIE E TECNICHE DELLA RICERCA CLINICA Edizione 2017-2018 Firenze 1 Le lezioni avranno inizio nel secondo semestre del 2017 e si concluderanno indicativamente
DettagliQualche principio generale dell analisi statistica
Statistica medica Alla fine di questa lezione dovreste essere in grado di: riconoscere i principali metodi utilizzati nel confronto di due gruppi riconoscere i principali metodi utilizzati nel confronto
DettagliUn tipico esame consiste di tre domande del tipo sottostante:
Un tipico esame consiste di tre domande del tipo sottostante: 1) Una situazione standard da analizzare: - un modello genetico suggerisce che la composizione genetica di una data popolazione in geni AA,
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
Dettagli1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25
1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25 Commento generale: in questo esercizio l unica stima della
DettagliIntervallo di confidenza
Intervallo di confidenza Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima puntuale di µ la deviazione standard Media,
DettagliIntroduzione alla verifica d ipotesi
Introduzione alla verifica d ipotesi Dipartimento di Matematica Università di Roma Tor Vergata 17 dicembre 2017 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. II Esonero - 10 Gennaio 2014
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 II Esonero - 10 Gennaio 2014 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliStima Puntuale e per Intervallo. Stimatore e stima. Pietro Coretto Università degli Studi di Salerno
Stima Puntuale e per Intervallo Pietro Coretto pcoretto@unisa.it Università degli Studi di Salerno Corso di Statistica (01700010) CDL in Economia e Management Curriculum in Management e Informatica a.a.
DettagliAnalisi di sopravvivenza. Dati di sopravvivenza. caratteristiche peculiari dell analisi. Osservazioni troncate. Censura del I tipo
Analisi di sopravvivenza Dati di sopravvivenza Insieme di metodi statistici per l analisi della distribuzione del tempo di comparsa di un evento. È una modalità di analisi per dati provenienti da studi
DettagliUn introduzione alla statistica asintotica attraverso una generalizzazione del Teorema Limite Centrale. Università di Pisa 18 Settembre 2015
Un introduzione alla statistica asintotica attraverso una generalizzazione Candidato: Relatore: Maurizio Pratelli Università di Pisa 18 Settembre 2015 Sezioni 1. Prime definizioni riguardo la statistica
DettagliIntroduzione alla statistica per la ricerca in sanità
Introduzione alla statistica per la ricerca in sanità Modulo La verifica delle ipotesi: il test statistico dott. Eugenio Traini eugenio.traini@burlo.trieste.it Verifica d Ipotesi - 1 Che cos è un ipotesi
Dettagli