Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Teoria della probabilità: eventi, proprietà additiva e moltiplicativa. L incertezza"

Transcript

1 La probabilità Teoria della probabilità: eventi, proprietà additiva e moltiplicativa L incertezza Nella maggior parte delle situazioni la nostra condizione è caratterizzata dallincertezza Incertezza relativa ad eventi che devono ancora accadere: Quali numeri usciranno alla prossima estrazione del Superenalotto? Incertezza relativa ad eventi che sono già accaduti Chi ha vinto il Campionato italiano di calcio di Serie A nella stagione ? Incertezza relativa ad eventi che stanno accadendo Qual è la prevalenza di infezione da HIV nella popolazione italiana? Incertezza relativa allesistenza e alla natura di leggi generali Di quanto aumenta il rischio di avere un infarto allaumentare dei valori di PM 10? 1

2 L incertezza Allincertezza contribuiscono, in misura variabile: La nostra ignoranza, ovvero la limitatezza delle informazioni di cui disponiamo La variabilità dei fenomeni di cui ci occupiamo Mentre in alcuni casi losservazione (misura) ci permette di passare dallincertezza alla certezza (?) Quali numeri usciranno alla prossima estrazione del Superenalotto? Chi ha vinto il Campionato italiano di calcio di Serie A nella stagione ? in altri casi, per diverse ragioni, la misurazione potrà solo ridurre lincertezza Qual è la prevalenza di infezione da HIV nella popolazione italiana? Di quanto aumenta il rischio di avere un infarto allaumentare dei valori di PM 10? La probabilità Che cosè la probabilità? A che cosa serve, in generale? A che cosa serve, per un epidemiologo? Interpretazione in termini probabilistici delle misure di occorrenza e di associazione Un fumatore ha una probabilità di ammalarsi di tumore 5 volte superiore a quella di un non fumatore Interpretazione in termini probabilistici delle caratteristiche di validità di un test diagnostico La probabilità che una persona sana risulti positiva al test mammografico è pari allo 0.5% Quantificazione delleffetto dellerrore casuale sulle stime campionarie La probabilità di osservare un rischio relativo 5 in assenza di associazione è pari al 3.2% 2

3 La probabilità La probabilità è ciò che ci aiuta (meglio, che ci dovrebbe aiutare) a ragionare (a fare affermazioni) in maniera corretta (o, quanto meno, coerente) in condizioni di incertezza. Ars conjectandi(jacob Bernoulli) Diversi aspetti: Filosofico: definizioni di probabilità Matematico: assiomi e regole Applicativo: come usare le probabilità EVENTO ALEATORIO Definizione L evento è l elemento di base al quale può essere applicata la probabilità è il risultato di una osservazione o di un esperimento è la descrizione di un potenziale risultato è lo stato preso da un sistema L evento è una proposizione logica suscettibile di essere verificata o no a seconda del risultato dell esperimento 3

4 Eventi aleatori Un fenomeno aleatorio è un fenomeno che può manifestarsi in vari modi e rispetto al quale siamo, pertanto, in condizioni di incertezza. Un fenomeno aleatorio deve essere, almeno teoricamente, verificabile (Lesito deve essere conoscibile). Una variabile aleatoria (numero aleatorio) è una variabile che può assumere diversi valori. A ciascuno di questi valori (esaustivi e mutuamente esclusivi) avrà senso attribuire una probabilità Un evento aleatorio è una variabile aleatoria che può assumere solo due valori (V/F, 0/1) Da una variabile aleatoria si passa ad unevento raggruppando i possibili esiti in due classi Probabilità Teoria classica La probabilità di un evento aleatorio è il rapporto tra il numero di esiti favorevoli ad esso e quello di tutti gli esiti possibili, purché questi ultimi siano equiprobabili.??? Si adatta abbastanza bene a quelle situazioni in cui i fenomeni aleatori presentano situazioni di simmetria, in cui nessun particolare esito è favorito rispetto agli altri due facce di una moneta sei facce di un dado estrazione di una carta da un mazzo uscita di un numero alla roulette 4

5 Probabilità Teoria classica Dalla definizione classica deriva che la misura della probabilità di un evento può variare da un minimo di 0 (nessun caso favorevole) come ad esempio l'uscita del 91 al Lotto (0 su 90), fino ad un massimo di 1 (tutti i casi favorevoli), come ad esempio pescare una pesciolino rosso da una vasca che contiene solo pesci rossi (n su n). Diremo, nel primo caso, che l'evento è impossibile e nel secondo caso che l'evento è certo. In tutti gli altri casi: gli eventi hanno una probabilità 0 < p < 1, tanto più vicina a zero quanto più è difficile che l'evento accada e tanto più vicina ad 1, quanto più è facile che accada. Un'altra importante proprietà è che: la somma delle probabilità di tutti i possibili esiti di un fenomeno aleatorio deve essere 1, poiché è certo che uno qualsiasi di essi dovrà per forza verificarsi La nascita della teoria frequentista 5

6 La nascita della teoria frequentista La nascita della teoria frequentista 6

7 La nascita della teoria frequentista La nascita della teoria frequentista 7

8 La nascita della teoria frequentista La nascita della teoria frequentista 8

9 La nascita della teoria frequentista La nascita della teoria frequentista 9

10 La nascita della teoria frequentista La nascita della teoria frequentista (e non solo ) 10

11 Probabilità Teoria frequentista Supponiamo di ripetere un esperimento n volte in condizioni sostanzialmente identiche e di contare il numero m di volte in cui l evento A si verifica all aumentare di n la proporzione m/n si avvicina ad un limite fisso che è la probabilità di A P(A) = lim n (m / n) La probabilità di un evento è dunque definita come la frequenza relativa con cui l evento si verifica in una lunga serie di esperimenti indipendenti condotti in condizioni virtualmente identiche Anche in questo caso: La probabilità di un evento è un numero compreso tra 0 e 1 La somma delle probabilità dei possibili esiti è uguale a 1 Un esercizio per capire Un esercizio per capire la differenza tra FREQUENZA ASSOLUTA e FREQUENZA RELATIVA In Stata, la sequenza clear set obs 100 gen roll=1+int(6*uniform()) tab roll Genera 100 lanci di un dado (simulati ) Proviamo a fare 10 lanci e poi 100, 1000, 10000, Come sono le differenze ASSOLUTE tra le uscite? Come sono le differenze RELATIVE? 11

12 Probabilità Teoria frequentista Esempi: Se un meteorologo ci dice che cè una probabilità del 30% che oggi piova, non fa riferimento ad un modello simmetrico di eventi equiprobabili, ma si basa sulla frequenza osservata di giorni con pioggia con condizioni (di temperatura, umidità, pressione etc.) simili a quelli di oggi Se un medico ci dice che la probabilità di successo di un intervento chirurgico su un dato paziente è dell87%, si basa (dovrebbe basarsi!) sulla frequenza osservata di successi in un numero cospicuo di interventi dello stesso tipo eseguiti su pazienti con caratteristiche (età, genere, condizioni fisiche, patologie concomitanti, etc.) simili a quelle del paziente dato Probabilità Definizioni a confronto Ma possiamo davvero considerare tutti gli eventi ripetibili? Qualche volta e necessario un altro approccio: Definizione Approccio Tempo Eventi Stima Esempi Classica teorico a priori equiprobabili calcolo gioco d' azzardo Frequentista oggettivo a posteriori ripetibili frequenza relativa valutazione individuale da Bayesiana soggettivo a priori irripetibili parte di un soggetto razionale e coerente mortalità e morbosità in popolazioni stima del rischio individuale 12

13 Probabilità Teoria soggettiva Secondo questa teoria, la probabilità è una misura del grado di fiducia soggettiva (di chi parla) che un evento si realizzi (o che una variabile aleatoria assuma un determinato valore) su una scala che va da 0 (completa sfiducia che levento si verifichi) a 1 (certezza che levento si verifichi) Ovviamente, considerazioni di simmetria e di frequenza relativa osservata sono alla base della valutazione soggettiva Probabilità Teoria soggettiva La probabilità assegnata ad un evento corrisponde a quanto sono disposto a pagare per vincere 1 nel caso che levento si verifichi Secondo la teoria soggettiva dire che la probabilità di A è uguale a 0.75 significa dire che sarei disposto a pagare 75c per vincere 1 al verificarsi di A La teoria soggettiva è particolarmente adatta nel caso di eventi che possono verificarsi una sola volta e di eventi già verificatisi ma ignoti 13

14 Probabilità ogni approccio ha i suoi aspetti critici tutti i fenomeni presentano simmetrie che li rendono riconducibili a combinazioni di eventi equiprobabili Il fatto che allaumentare del numero di esperimenti la frequenza relativa tenda ad un limite è unipotesi (legge empirica delle medie) che non può essere dimostrata né matematicamente né empiricamente Per molti eventi non è possibile immaginare, nemmeno teoricamente, la ripetizione dellesperimento Probabilità: ogni approccio ha i suoi aspetti critici Ci piacerebbe che la probabilità fosse una proprietà dellevento, non dello stato mentale di chi la esprime La definizione soggettiva ipotizza una rigidità rispetto al rischio che in genere non cè Tuttavia, l oggettività viene recuperata nel definire le regole da usare per modificare le probabilità a priori alla luce delle osservazioni fatte 14

15 Probabilità Per fortuna, le regole di calcolo delle probabilità che riguardano il modo per quantificare la probabilità di eventi complessi, sono largamente indipendenti dalla teoria sottostante Le proprietà della probabilità 15

16 Eventi e teoria degli insiemi Insieme collezione di elementi aventi una proprietà in comune nel caso degli eventi e della probabilità, si tratta realizzazioni dello stesso evento A Esempi: 1) Che un soggetto sia fumatore 2) Che un soggetto sia affetto da tumore polmonare Eventi e teoria degli insiemi Spazio o universo L insieme che comprende tutti i possibili elementi Viene rappresentato spesso da un rettangolo che rappresenta lo spazio finito dell esperienza a cui si sta facendo riferimento Esempio: La popolazione dei suscettibili ad una specifica patologia (coloro cioè che possono ammalarsi) A U 16

17 Eventi e teoria degli insiemi Sottoinsieme Ogni elemento di A è anche elemento di B L evento A si verifica solo se è verificato anche l evento B A B Esempio: I forti fumatori (A) sono un sottoinsieme dei fumatori (B) A B U Eventi e teoria degli insiemi Insieme Unione l insieme che contiene tutti gli elementi di A e tutti gli elementi di B Si esprime come A B = OR (operatore booleano) Esempio: L insieme dei soggetti che fumano (A) sigari, (B) sigarette A B 17

18 Eventi e teoria degli insiemi Insieme Intersezione l insieme che contiene tutti gli elementi che appartengono sia ad A che a B Si esprime come A B = AND (operatore booleano) Esempio: L insieme dei soggetti che fumano (B), e sono affetti da tumore pomonare (A) A A B B Eventi e teoria degli insiemi Insieme complementare l insieme che contiene tutti gli elementi dell Universo U che non appartengono ad A comprende tutti gli eventi che escludono A c = NOT (operatore booleano) A A c = φ (l evento nullo) Esempio: L insieme dei soggetti NON affetti da tumore pomonare (A c ) A A c 18

19 Eventi mutuamente esclusivi Due eventi A e B che non possono verificarsi contemporaneamente sono definiti mutuamente esclusivi esempio: A è l evento che il tumore sia di stadio III B è l evento che sia di stadio IV A B = φ P(A B ) = 0 A B A B 19

20 La proprietà additiva Quando due eventi sono mutuamente esclusivi, la proprietà additiva della probabilità afferma che: la probabilità del verificarsi dell uno oppure dell altro evento è pari alla somma della probabilità di ciascuno dei due eventi OR A B P(A B ) = P(A) + P(B) P(A B ) > P(A) P(A B ) > P(B) A B La proprietà additiva Quando due eventi NON sono mutuamente esclusivi, la proprietà additiva della probabilità afferma che: la probabilità del verificarsi dell uno oppure dell altro evento è pari alla somma della probabilità di ciascuno dei due eventi meno la probabilità dell evento intersezione (che altrimenti sarebbe contata due volte) P(A B ) = P(A) + P(B) - P(A B ) A A B B P(A B ) > P(A) P(A B ) > P(B) 20

21 21

22 La proprietà moltiplicativa Prendiamo in esame 1 evento aleatorio esposizione ed 1 effetto: ad esempio esposizione al fumo ed la presenza di BPCO Se i due eventi non sono associati, si combineranno casualmente, seguendo la proprietà moltiplicativa della probabilità 20% 10% 50% x = P(A AND B ) = P(A) x P(B) P(A AND B ) < P(A); P(A AND B ) < P(B) Eventi indipedenti e dipendenti L Epidemiologia costruttiva utilizza le misure di frequenza allo scopo di stimare se i due eventi si associano solo casualmente, o se l esposizione aumenta il RISCHIO di malattia: se l esposizione e la malattia sono tra loro indipendenti (non esiste dunque alcuna associazione) se l esposizione e la malattia sono tra loro dipendenti (l esposizione modifica la probabilità di malattia) La probabilità di essere Fumatore AND Malato è il prodotto delle probabilità elementari La probabilità di essere Fumatore AND Malato è MAGGIORE del prodotto delle probabilità elementari 22

23 La probabilità condizionata L esposizione e la malattia potrebbero essere distribuite nella popolazione come nel seguente schema: 0,2 0,5 Esposti 0,8 0,5 esposti 23

24 Eventi indipendenti se l esposizione e la malattia sono tra loro indipendenti la conoscenza dello stato di malattia non influenza la probabilità che un soggetto sia esposto 0,2 0,5 0,5 Esposti esp. 0,5*0,2= 0,1 0,5*0,2= 0,1 0,8 0,5 0,5 Esposti esp. 0,5*0,8= 0,4 0,5*0,8= 0,4 Eventi dipendenti se l esposizione e la malattia sono tra loro dipendenti la conoscenza dello stato di malattia modifica la stima della probabilità che un soggetto sia esposto 0,2 0,95 0,05 Esposti esp. 0,95*0,2= 0,19 0,05*0,2= 0,01 0,39 Esposti 0,39*0,8= 0,31 0,8 0,61 esp. 0,61*0,8= 0,49 24

25 La probabilità condizionata se l esposizione e la malattia sono tra loro dipendenti la conoscenza dello stato di malattia modifica la stima della probabilità che un soggetto sia esposto Esposti esp. Esposti esp. La conoscenza dello stato assunto da uno dei due eventi condiziona la stima della probabilità che si verifichi l ALTRO evento: PROBABILITA CONDIZIONATA 25

26 Il teorema di Bayes (1) a partire dai prodotti marginali e dalle probabilità nelle singole diramazioni, è possibile rovesciare l albero delle probabilità B B P(B A) P(B A c ) = P(BANDA) OR P(BANDA c ) = P(B) P(A)* P(B A) + P(A c )* P(B A c ) = P(B) (0,95*0,2) + (0,39*0,8 ) = 0,19 + 0,31 = 0,50 B c B c P(B c A) P(B c A c ) = P(B c ANDA) OR P(B c ANDA c ) = P(B c ) P(A)* P(B c A) + P(A c )* P(B c A c ) = P(B c ) (0,05*0,2) + (0,61*0,8) = 0,01 + 0,49 = 0,50 Il teorema di Bayes (2) In questo modo è possibile modificare la stima della probabilità che un soggetto sia malato sulla base della conoscenza dello stato di esposizione 0,19/0,5= 0,38 0,5*0,38= 0,19 0,19+0,31= 0,5 0,01+0,49= 0,5 Esposti esposti 0,31/0,5= 0,62 0,01/0,5= 0,02 0,49/0,5= 0,98 0,5*0,61= 0,31 0,5*0,02= 0,01 0,5*0,98= 0,49 26

27 Il teorema di Bayes ed i test Il teorema di Bayes viene utilizzato spesso nella valutazione di test diagnostici o screening Test Diagnostici: hanno come obiettivo di consentire una diagnosi di malattia Test di Screening: utilizzati su soggetti che non presentano alcuna sintomatologia clinica, permettono di classificare tali individui sulla base della probabilità di essere affetti da una particolare patologia Il teorema di Bayes consente di utilizzare la probabilità per valutare le incertezze associate ai risultati Misure di qualità di un test SENSIBILITA : la percentuale di soggetti che il test classifica come positivi = Veri positivi / (Veri positivi + Falsi negativi) esprime la probabilità che il test sia positivo nei soggetti SPECIFICITA : la percentuale di soggetti sani che il test identifica come negativi = Veri negativi / (Veri negativi + Falsi positivi) esprime la probabilità che il test sia negativo nei soggetti sani 27

28 Qualità del test ed alberi di probabilità Prevalenza Sensibilità P(B A) Test + Veri positivi P(A) Test- Falsi negativi 1- P(A) Test + Falsi positivi Test- Veri negativi Specificità P(B c A c ) Misure di qualità di un test VALORE PREDITTIVO DEL TEST POSITIVO (VPP): la probabilità di essere dei soggetti risultati positivi al test = Veri positivi / (Veri positivi + Falsi positivi) VALORE PREDITTIVO DEL TEST NEGATIVO (VPN): la probabilità di essere sani dei soggetti risultati negativi al test = Veri negativi / (Veri negativi + Falsi negativi) 28

29 Qualità del test ed alberi di probabilità Valore predittivo test + P(A B) Veri positivi P(B) Test + Falsi positivi Test- Falsi negativi Valore predittivo test - P(A c B c ) Veri negativi Qualità del test ed alberi di probabilità P(A)* P(B A) P(A B) = P(A)* P(B A) + P(Ac )* P(B A c ) = Preval. * Sensib. (Preval. * Sensib.) + (1-Preval.)*(1-Specif.) Prevalenza Sensibilità Test + Test- Veri positivi Falsi negativi Veri positivi Falsi positivi Valore predittivo del test + Test + Specificità Test + Falsi positivi Veri negativi Falsi negativi Veri negativi P(A c )* P(B c A c ) P(A c B c )= P(A)* P(Bc A) + P(A c )* P(B c A c ) = Test- Test- (1-Preval. )* Specif. Valore predittivo del test - Preval. * (1-Sensib.) + (1-Preval.)*Specif. 29

30 Sistema di Classificazione citologica Classificazione Bethesda Infezione Reazioni ASCUS Lesione Intraepiteliale Squamosa (SIL) Basso Grado (LSIL) Alto Grado (HSIL) riparative Richart Neoplasia Intraepitaeliale della Cervice Condiloma CIN I CIN II CIN III Reagan (OMS) Normale Atipia Displasia lieve Displasia Displasia Carcinoma Carcinoma Moderata grave in situ invasivo Papanicolau I II III IV V da: Nanda K, et al., Ann Intern Med 2000; 132: Il Pap-test Stime di frequenza da: CNR - Basi scientifiche per la definizione di linee guida 10:1000 (p=0.01) 10: :1000 (p=0.003) (p=0.0001) da: Loiudice et al, Eur J Cancer Prev, 1998; 7: :1000 (p=0.08) Sensibilità 0.40 Specificità :1000 (p=0.01) Un esempio: il pap-test Prevalenza P(A)=0.01 Sensibilità P(B A) = =0.25 Test + Test- Veri positivi =0.01*0.75 = Falsi negativi =0.01*0.25 = =0.99 Specificità =0.07 P(B c A c ) =0.93 Test + Test- Falsi positivi =0.99*0.07 = Veri negativi =0.99*0.93 =

31 Qualità del test ed alberi di probabilità Prevalenza P(A)* P(B A) P(A B) = P(A)* P(B A) + P(Ac )* P(B A c ) , Sensibilità Specificità Test + Test Veri positivi Falsi negativi Falsi positivi Veri negativi P(A c )* P(B c A c ) P(A c B c )= P(A)* P(Bc A) + P(A c )* P(B c A c ) = Veri positivi Falsi positivi Veri negativi = Preval. * Sensib. (Preval. * Sensib.) + (1-Preval.)*(1-Specif.) Valore predittivo del test Test (1-Preval. )* Specif Valore predittivo del test - Preval. * (1-Sensib.) + (1-Preval.)*Specif. Qualità del test ed alberi di probabilità Valore predittivo test = = Test + Test- Test Falsi negativi Test Test- Valore predittivo test / = / = / = / = Veri positivi = Falsi positivi = Falsi negativi = Veri negativi =

32 32

33 33

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi ommario Corso di tatistica Facoltà di Economia a.a. 2006-2007 2007 francesco mola L algebra degli eventi Diagrammi di Venn Teoremi fondamentali Probabilità Condizionata ed Indipendenza tocastica Lezione

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Conduzione di uno studio epidemiologico (osservazionale)

Conduzione di uno studio epidemiologico (osservazionale) Conduzione di uno studio epidemiologico (osservazionale) 1. Definisco l obiettivo e la relazione epidemiologica che voglio studiare 2. Definisco la base dello studio in modo che vi sia massimo contrasto

Dettagli

E SE MI CHIAMANO... DOPO IL PAP TEST?

E SE MI CHIAMANO... DOPO IL PAP TEST? E SE MI CHIAMANO... DOPO IL PAP TEST? Informazioni sui percorsi di approfondimento diagnostico e di cura PROGRAMMA REGIONALE PER LA PREVENZIONE DEI TUMORI FEMMINILI Coordinamento editoriale e di redazione:

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Lo screening cervicale.

Lo screening cervicale. Lo screening cervicale. Per migliorare il grado di informazione dei pazienti su alcuni importanti argomenti (quali ad esempio le terapie svolte, l alimentazione da seguire e gli esercizi di riabilitazione)

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

Altre informazioni sul virus HPV: informazioni approfondite per le utenti

Altre informazioni sul virus HPV: informazioni approfondite per le utenti Altre informazioni sul virus HPV: informazioni approfondite per le utenti Questo è un documento di approfondimento sull HPV. Prima di leggerlo consultate il documento Alcune informazioni sul virus HPV

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

La programmazione di uno studio clinico: dalla domanda al disegno

La programmazione di uno studio clinico: dalla domanda al disegno Metodo epidemiologici per la clinica _efficacia / 1 La programmazione di uno studio clinico: dalla domanda al disegno La buona ricerca clinica Non è etico ciò che non è rilevante scientificamente Non è

Dettagli

Altre informazioni sul papilloma virus (HPV)

Altre informazioni sul papilloma virus (HPV) Altre informazioni sul papilloma virus (HPV) Questo è un documento di approfondimento sull HPV. Prima di leggerlo guardate le informazioni di base contenute in Alcune informazioni sull esame per il papilloma

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Papilloma virus umano (HPV): informazioni per gli operatori

Papilloma virus umano (HPV): informazioni per gli operatori Papilloma virus umano (HPV): informazioni per gli operatori Documento complementare al foglio per utenti Altre informazioni sul papilloma virus (HPV) Commenti alla sezione 1: PAP TEST E TEST HPV 1.1 Cos

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

CALCOLO COMBINATORIO E PROBABILITA

CALCOLO COMBINATORIO E PROBABILITA CALCOLO COMBINATORIO E PROBABILITA Con calcolo combinatorio si indica quel settore della matematica che studia i possibili modi di raggruppare ed ordinare oggetti presi da un insieme assegnato, con l obiettivo

Dettagli

DRG e SDO. Prof. Mistretta

DRG e SDO. Prof. Mistretta DRG e SDO Prof. Mistretta Il sistema è stato creato dal Prof. Fetter dell'università Yale ed introdotto dalla Medicare nel 1983; oggi è diffuso anche in Italia. Il sistema DRG viene applicato a tutte le

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

Deceduti Regione LOMBARDIA

Deceduti Regione LOMBARDIA Tumore della vescica Di maggior rilievo nei maschi (più di 3/4 dei casi), presenta variazioni geografiche di entità modestissima, minori di ogni altro tipo di carcinoma. Il 9-95% circa è costituito da

Dettagli

INFLUENZA. Che cos è

INFLUENZA. Che cos è INFLUENZA Che cos è L influenza è una malattia infettiva provocata da virus del genere Othomixovirus che colpiscono le vie aeree come naso, gola e polmoni. I soggetti colpiti nel nostro Paese vanno dai

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

La biopsia del linfonodo sentinella nel carcinoma. Dott. S.Folli S.C. Senologia AUSL Forlì s.folli@ausl.fo.it

La biopsia del linfonodo sentinella nel carcinoma. Dott. S.Folli S.C. Senologia AUSL Forlì s.folli@ausl.fo.it La biopsia del linfonodo sentinella nel carcinoma duttale in situ: : si,no, forse Dott. S.Folli S.C. Senologia AUSL Forlì s.folli@ausl.fo.it Definizione Il carcinoma duttale in situ della mammella è una

Dettagli

Indicazioni per la certificazione

Indicazioni per la certificazione Il nuovo modello per la certificazione delle cause di morte: peculiarità e indicazioni per una corretta certificazione Indicazioni per la certificazione Stefano Brocco Coordinamento del Sistema Epidemiologico

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Notizie generali sul Resilience Process Questionnaire

Notizie generali sul Resilience Process Questionnaire 12 Notizie generali sul Resilience Process Questionnaire Il modello teorico di riferimento Oltre ai modelli descritti da Fergus e Zimmerman (2005) esiste un quarto approccio che, partendo dall approccio

Dettagli

Calcolo combinatorio

Calcolo combinatorio Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Calcolo combinatorio Ines Campa e Marco Longhi Probabilità e Statistica

Dettagli

ESENZIONI PER MOTIVI DI ETA' e/o REDDITO

ESENZIONI PER MOTIVI DI ETA' e/o REDDITO Il nucleo familiare è composto da : - Il richiedente l esenzione - il coniuge (non legalmente ed effettivamente separato) indipendentemente dalla sua situazione reddituale - dai familiari a carico fiscalmente

Dettagli

Abitudini e stili di vita del paziente a rischio di scarsa aderenza

Abitudini e stili di vita del paziente a rischio di scarsa aderenza POpolazione Sieropositiva ITaliana Abitudini e stili di vita del paziente a rischio di scarsa aderenza Survey realizzata da In collaborazione con Con il supporto non condizionato di 2 METODOLOGIA Progetto

Dettagli

LA DOCUMENTAZIONE INFERMIERISTICA. Obiettivi della giornata. Obiettivi del progetto

LA DOCUMENTAZIONE INFERMIERISTICA. Obiettivi della giornata. Obiettivi del progetto LA DOCUMENTAZIONE INFERMIERISTICA Obiettivi della giornata Conoscere i presupposti normativi, professionali e deontologici della documentazione del nursing Conoscere gli strumenti di documentazione infermieristica

Dettagli

III.8.2 Elementi per il bilancio idrico del lago di Bracciano

III.8.2 Elementi per il bilancio idrico del lago di Bracciano III.8.2 Elementi per il bilancio idrico del lago di Bracciano (Fabio Musmeci, Angelo Correnti - ENEA) Il lago di Bracciano è un importante elemento del comprensorio della Tuscia Romana che non può non

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

REaD REtina and Diabetes

REaD REtina and Diabetes Progetto ECM di formazione scientifico-pratico sulla retinopatia diabetica REaD REtina and Diabetes S.p.A. Via G. Spadolini 7 Iscrizione al Registro delle 20141 Milano - Italia Imprese di Milano n. 2000629

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Che cos'è il radon? Il gas radon è rilevabile con i sensi?

Che cos'è il radon? Il gas radon è rilevabile con i sensi? Che cos'è il radon? Il Radon è un gas inodore e incolore presente in natura. Il suo isotopo (atomo di uno stesso elemento chimico con numero di protoni fisso e numero di neutroni variabile) 222Rn è radioattivo

Dettagli

La Cartella Infermieristica quale strumento operativo di miglioramento della qualità

La Cartella Infermieristica quale strumento operativo di miglioramento della qualità La Cartella Infermieristica quale strumento operativo di miglioramento della qualità Dott. Mag. Nicola Torina Coordinatore infermieristico Unità Terapia Intensiva di Rianimazione Metodologie operative

Dettagli

CIN 2 3: CHE FARE? P Cattani. Centro Ginecologia Oncologica Preventiva ULSS 20 - Verona

CIN 2 3: CHE FARE? P Cattani. Centro Ginecologia Oncologica Preventiva ULSS 20 - Verona CIN 2 3: CHE FARE? P Cattani Centro Ginecologia Oncologica Preventiva ULSS 20 - Verona Istologia: diagnosi e gradi della CIN biopsia cervicale o escissione maturazione cell stratificazione cell anormalità

Dettagli

XIV Riunione AIRTUM Sabaudia 21-23 Aprile 2010

XIV Riunione AIRTUM Sabaudia 21-23 Aprile 2010 CORRELAZIONE TRA PATOLOGIA CARDIOVASCOLARE E TRATTAMENTO RADIANTE POSTOPERATORIO DOPO CHIRURGIA CONSERVATIVA NELLE NEOPLASIE MAMMARIE IN STADIO INIZIALE ANTONELLA FONTANA U. O. C. di Radioterapia Ospedale

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

CRITERI PER L ASSEGNAZIONE DI CREDITI ALLE ATTIVITA ECM

CRITERI PER L ASSEGNAZIONE DI CREDITI ALLE ATTIVITA ECM CRITERI PER L ASSEGNAZIONE DI CREDITI ALLE ATTIVITA ECM 1. Introduzione 2. Pianificazione dell attività formativa ECM 3. Criteri per l assegnazione dei crediti nelle diverse tipologie di formazione ECM

Dettagli

LA VALUTAZIONE COGNITIVA NELL AUTISMO

LA VALUTAZIONE COGNITIVA NELL AUTISMO LA VALUTAZIONE COGNITIVA NELL AUTISMO Risultati di una ricerca su un campione di 135 bambini Massimiliano Petrillo Magda Di Renzo CAMPIONE DI RICERCA 135 bambini (106 M / 29 F) Età compresa tra 2,5-16,5

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Elaborato di Meccanica delle Strutture

Elaborato di Meccanica delle Strutture Università degli Studi di Roma La Sapienza Facoltà di Ingegneria Dipartimento di Meccanica ed Aeronautica Corso di Laurea Triennale in Ingegneria Meccanica Elaborato di Meccanica delle Strutture Docente

Dettagli

La Termodinamica ed I principi della Termodinamica

La Termodinamica ed I principi della Termodinamica La Termodinamica ed I principi della Termodinamica La termodinamica è quella branca della fisica che descrive le trasformazioni subite da un sistema (sia esso naturale o costruito dall uomo), in seguito

Dettagli

Gli indicatori socio-sanitari. sanitari

Gli indicatori socio-sanitari. sanitari Gli indicatori socio-sanitari sanitari 1 1 INDICATORI SOCIO-SANITARI Misurare: EFFICACIA (rispetto degli obiettivi prefissati) EFFICIENZA (rispetto delle azioni e risorse impegnate) del sistema ospedaliero

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? 2. Come nasce la sperimentazione clinica e che tipi di studi esistono?

STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? 2. Come nasce la sperimentazione clinica e che tipi di studi esistono? STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? Si definisce sperimentazione clinica, o studio clinico controllato, (in inglese: clinical trial), un esperimento scientifico che genera dati

Dettagli

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE)

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) Contenuti Michelene Chi Livello ottimale di sviluppo L. S. Vygotskij Jerome Bruner Human Information Processing Teorie della Mente Contrapposizione

Dettagli

LA COMUNICAZIONE E GLI ASSIOMI DELLA COMUNICAZIONE

LA COMUNICAZIONE E GLI ASSIOMI DELLA COMUNICAZIONE LA COMUNICAZIONE E GLI ASSIOMI DELLA COMUNICAZIONE ASSIOMI DELLA COMUNICAZIONE UMANA Proprietà semplici della comunicazione Un essere umano è coinvolto fin dall inizio della sua esistenza in un complesso

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

Lo screening mammografico. La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione

Lo screening mammografico. La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione Lo screening mammografico La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione Indice 03 Gli esperti raccomandano la mammografia nell ambito di un programma di screening 04 Che

Dettagli

SINOSSI PROTOCOLLO STUDIO OSSERVAZIONALE

SINOSSI PROTOCOLLO STUDIO OSSERVAZIONALE SINOSSI PROTOCOLLO STUDIO OSSERVAZIONALE Studio prospettico, non interventistico, di coorte, sul rischio di tromboembolismo venoso (TEV) in pazienti sottoposti a un nuovo trattamento chemioterapico per

Dettagli

Abitudini e stili di vita della paziente donna giovane

Abitudini e stili di vita della paziente donna giovane POpolazione Sieropositiva ITaliana Abitudini e stili di vita della paziente donna giovane Survey realizzata da In collaborazione con Con il supporto non condizionato di 3 METODOLOGIA Progetto POSIT POpolazione

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Dall italiano alla logica proposizionale

Dall italiano alla logica proposizionale Rappresentare l italiano in LP Dall italiano alla logica proposizionale Sandro Zucchi 2009-10 In questa lezione, vediamo come fare uso del linguaggio LP per rappresentare frasi dell italiano. Questo ci

Dettagli

1. Limite finito di una funzione in un punto

1. Limite finito di una funzione in un punto . Limite finito di una funzione in un punto Consideriamo la funzione: f ( ) = il cui dominio risulta essere R {}, e quindi il valore di f ( ) non è calcolabile in =. Quest affermazione tuttavia non esaurisce

Dettagli

LA REFERTAZIONE DELLA PET-TC ONCOLOGICA con 18F-FDG: istruzioni pratiche per un referto standardizzato e di qualità

LA REFERTAZIONE DELLA PET-TC ONCOLOGICA con 18F-FDG: istruzioni pratiche per un referto standardizzato e di qualità LA REFERTAZIONE DELLA PET-TC ONCOLOGICA con 18F-FDG: istruzioni pratiche per un referto standardizzato e di qualità Maria Lucia Calcagni, Paola Castaldi, Alessandro Giordano Università Cattolica del S.

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli