MODALITA DI VALUTAZIONE DELL ACCURATEZZA DIAGNOSTICA
|
|
- Agnese Scotti
- 5 anni fa
- Visualizzazioni
Transcript
1 MODALITA DI VALUTAZIONE DELL ACCURATEZZA DIAGNOSTICA
2 Accuratezza diagnostica E definita come la capacità di un test diagnostico di discriminare tra due condizioni cliniche diverse; per esempio: malattia e assenza di malattia, infezione e assenza di infezione, ecc. Viene chiamata anche: capacità diagnostica, validità o performance. Un test quindi che discrimina tra malati e sani risulta accurato se vi è concordanza tra positività del test e presenza di malattia (oppure negatività del test e assenza di malattia).
3 I fattori che determinano accuratezza diagnostica sono: - Sensibilità diagnostica - Specificità diagnostica - Predictive Value - Curve ROC Nota: si parla di condizioni diagnostiche e non analitiche
4 Esempio Per poter quantificare la Sensibilità, la Specificità e gli altri fattori che concorrono a determinare l accuratezza diagnostica di un test, ci serviamo di una tabella 2 x 2 (di contingenza o della verità). Test in esame Golden test Golden test Malattia presente Malattia assente Test positivo Veri positivi (VP) Falsi positivi (FP) Totale positivi Test negativo Falsi negativi (FN) Veri negativi (VN) Totale negativi Totale con malattia Totale senza malattia Totale generale
5 Test in esame Golden test Malattia presente Golden test Malattia assente Test positivo Veri positivi (VP) Falsi positivi (FP) Totale positivi Test negativo Falsi negativi (FN) Veri negativi (VN) Totale negativi Totale con malattia Totale senza malattia Totale generale + + Sensibilità P( V Μ ) = Specificità P( V Μ ) = VP VP + FN VN VN + FP Prob di essere pos tra i malati Prob di essere neg tra i sani Variando il Cut off di un test una aumenta e contemporaneamente l altra spesso diminuisce. Es. marker biochimico per l AMI, Ab anti-virus per infezione virale, ecc.
6 + + VP Sensibilità P( V Μ ) = Specificità P( V Μ ) = VP + FN VN VN + FP Il test è positivo se il livello del paziente è >c-o e negativo se è <c-o. A 1,8 pr B 0,8 pr C 0,7 pr C-O D 0,6 as C-O E 0,5 pr F 0,2 as C-O G 0,1 as pr: presenza malattia as: assenza malattia Se c-o diminuisce, diminuisce numero FN e quindi aumenta la sensibilità; tuttavia aumenta il numero FP e ciò determina una diminuzione della specificità. Se c-o aumenta, avremo l effetto opposto.
7 Un buon test diagnostico dovrà quindi bilanciare Sensibilità e Specificità (Curve ROC) Un altro fattore importante per valutare l accuratezza di un test è la: Prevalenza P( Μ ) = VP FN VP + FP + VN + FN + + Prob di essere mal I valori di sensibilità, specificità e prevalenza sono riportati in letteratura
8 Lo scopo principale dell interpretazione di un test diagnostico è quello di conoscere la probabilità di avere un infezione o una malattia in presenza di quel particolare risultato del test: Predictive value PPV (o Pred +) + + P( M V ) = VP VP + FP Prob di essere mal tra i pos NPV (o Pred -) P( M V ) = VN VN + FN Prob di essere sano tra i neg
9 Rappresentazione schematica di sensibilità e PPV FN VP FP VP (malati) Malati Positivi La percentuale di positivi tra i malati è la sensibilità La percentuale di malati tra i positivi è il PPV
10 Esempio 1 Nella pratica reumatologica, la prevalenza di Lupus Eritematoso Sistemico (SLE) nei pazienti sottoposti al test ANA (anticorpi antinucleo) è del 2,88%. La sensibilità del test ANA è del 98%, mentre la specificità è del 93%. Qual è la probabilità di SLE per un paziente reumatologico che ha il test ANA positivo?
11 Metodo tradizionale Costruiamo una tabella 2 x 2 considerando un ipotetica popolazione formata da persone. Dobbiamo ora riempire tutte le celle della tabella. SLE N O N SLE AN A positivo VP FP AN A negativo FN VN VP PPV = VP + FP Dobbiamo quindi determinare VP e FP
12 SLE NO N SLE AN A positivo VP FP AN A negativo FN VN Se la Sensibilità è del 98%, allora possiamo scrivere: 0,98 = VP / 2880 e ricavare VP = 2822.
13 SLE NO N SLE AN A positivo VP FP AN A negativo FN VN Se la Specificità è del 93%, allora possiamo scrivere: 0,93 = VN / e ricavare VN =
14 SLE NON SLE ANA positivo VP = 2822 FP = ANA negativo FN VN = VP PPV = VP + FP PPV = 2822 / 9620 = 0,293
15 Certe volte il PPV è espresso diversamente: PPV = prevalenza sensibilità prevalenza sensibilità + (1 prevalenza) (1 specificità) Metodo basato sul Teorema di Bayes Il Teorema di Bayes definisce la P E (H), cioè la probabilità dell evento H (presenza di malattia) condizionato da E (test positivo), che corrisponde al PPV: Prob di essere mal tra i pos
16 Metodo basato sul Teorema di Bayes Il Teorema di Bayes definisce la P E (H), cioè la probabilità dell evento H (presenza di malattia) condizionato da E (test positivo), che corrisponde al PPV: Prob di essere mal tra i pos P(H) = Probabilità di essere malati = Prevalenza P H (E) = Probabilità di avere il test positivo in presenza di malattia = = VP / (VP + FN) = Sensibilità P(~H) = Probabilità di non essere malati e quindi = 1- Prevalenza P ~H (E) = Probabilità di avere il test positivo in assenza di malattia = = FP / (FP + VN) = 1 Specificità. PPV = prevalenza sensibilità prevalenza sensibilità + (1 prevalenza) (1 specificità)
17 PPV = prevalenza sensibilità prevalenza sensibilità + (1 prevalenza) (1 specificità) PPV 0, ,98 0, = = = 0, ,98 + 0,9712 0,07 0, , , 293 La tabella seguente riporta i valori della prevalenza e dei PV per un test con 75% di sensibilità e specificità. Prevalenza PPV NPV 0,1 0,250 0,964 0,01 0,029 0,997 0,001 0,003 1,000
18 Uso dei Rapporti di Probabilità (LR) Per calcolare il PPV di un test è possibile anche impiegare i Rapporti di Probabilità (LR), il cui valore è riportato in letteratura.. Essi rappresentano quindi uno strumento per valutare l accuratezza di un test. LR = Rapporto tra la Probabilità del risultato di un test nella popolazione con malattia e la Probabilità di quel risultato nella popolazione senza malattia. LR = VP VP FN FP FP + VN + + LR = FN VP FN VN FP + VN +
19 Esempio 2 Malattia presente Malattia assente Totale Test positivo 90 90/ / Test negativo Totale LR = VP VP FN FP FP + VN + +
20 Esempio 2 Malattia presente Malattia assente Totale Test positivo 90 90/ / Test negativo Significato Totale LR = = 4,5 LR = = Il test ha 4,5 volte più probabilità di essere positivo tra i malati rispetto ai sani (più il valore di LR + è alto e più il test è accurato). Ha inoltre 8 volte meno probabilità di essere negativo tra i malati rispetto ai sani (1/8), cioè ha 8 volte più probabilità di essere negativo tra i sani rispetto ai malati (più il valore di LR - è basso e più il test è accurato).
21 Esempio 3 Presenza di malattia Assenza di malattia Totale Test fortemente positivo 60 60/ / Test debolmente positivo 30 30/ / Test negativo Totale LR = VP VP FN FP FP + VN + +
22 Esempio 3 Presenza di malattia Assenza di malattia Totale Test fortemente positivo 60 60/ / Test debolmente positivo 30 30/ / Test negativo Totale LR ++ = 100 = LR + = 100 = Nota Un test è utile se determina un incremento o un probabilità di malattia dal pre-test al post-test. decremento di
23 Intrepretazione LR LR Variazione di probabilità dal pre-test al post-test > 10 o < 0,01 Elevata 5-10 e 0,1-0,2 Moderata 2-5 e 0,5-0,2 Bassa ma spesso importante 1-2 e 0,5-1 Bassa, raramente importante
24 LR = VP VP FN FP FP + VN + + LR = FN VP FN VN FP + VN + Sensibilità LR + 1 Sensibilità = LR = 1 Specificità Specificità PPV = prevalenza sensibilità prevalenza sensibilità + (1 prevalenza) (1 specificità) Sostituendo opportunamente abbiamo: PPV + prevalenza LR = 1 prevalenza + prevalenza LR +
25 PPV + prevalenza LR = 1 prevalenza + prevalenza LR + LR + = 0,98 / 0,07 = 14 PPV 0, = = 0, , , 293
26 Le tre formule del PPV PPV = + + P( M V ) = VP VP + FP PPV = prevalenza sensibilità prevalenza sensibilità + (1 prevalenza) (1 specificità) PPV + prevalenza LR = 1 prevalenza + prevalenza LR +
27 Esempio 4 Consideriamo i seguenti dati relativi a pazienti con sospetto ipotiroidismo, riportati da Goldstein e Mushlin (J. Gen. Intern. Med. 1987; 2:20-24). Questi Autori hanno misurato il livello di T4 e TSH in pazienti con sospetto ipotiroidismo e hanno usato i valori del TSH per determinare quali pazienti erano veramente ipotiroidei. Valori di T4 Ipotiroidei Eutiroidei Totale LR , ,2 7, , ,2 Totali Qual è il PPV per i valori 5 mg/dl?
28 Valori di T4 Ipotiroidei Eutiroidei Totale LR , ,2 7, , ,2 Totali Metodo tradizionale PPV VP = VP + FP PPV = 18/19 = 0,94 Metodo con gli LR PPV + prevalenza LR = 1 prevalenza + prevalenza LR Prevalenza = 32/125 = 0,256 + PPV 0, = = 0, , ,94
29 Esempio 5 E stato condotto uno studio (Lakemann F. et al. J. Infect. Dis. 1995; 171: ) su un gruppo di pazienti con sospetta encefalite da herpes simplex (HSE), al fine di misurare la sensibilità, la specificità e i PV del test diagnostico PCR per HSV-DNA su liquor. La diagnosi di HSE si basava sulla coltura cellulare del virus da biopsie cerebrali. La PCR sul liquor era positiva su 53 di 54 pazienti. La specificità è risultata pari a 0,94 e il PPV pari a 0,95. Determinare la sensibilità e l NPV. Presenza di malattia Assenza di malattia Test positivo Test negativo 53 (VP) 1 (FN) Totale 54
30 Presenza di malattia Assenza di malattia Test positivo Test negativo 53 (VP) 1 (FN) Totale 54 Sensibilità = 53/54 = 0,98
31 Presenza di malattia Assenza di malattia Test positivo Test negativo 53 (VP) 1 (FN) Totale 54 PPV = 0, ,95 FP = = 3 0,95 VP PPV = VP + FP FP = 3 0,95 = FP Specificità = 0,94 VN Specificità = 0,94 VN + FP 2,82 VN = = 47 VN = 47 0,06 VN NPV = P( M V ) = VN + FN VN = VN NPV = = 0,98 48 VN ( 1 0,94) = 3 0,94 NPV = 0,98
32 Introduzione alle Curve ROC Osservando il grafico ideale sotto riportato che mostra la frequenza dei pazienti con e senza malattia in funzione del valore del test diagnostico, possiamo facilmente individuare sull asse delle ascisse il valore del cut off o cut point capace di discriminare con precisione le due popolazioni. Distribuzione degli esiti di un ipotetico test nelle classi di individui i malati e non malati, senza sovrapposizione inter-classe
33 Nel seguente grafico che mostra la frequenza dei pazienti con e senza malattia in funzione del valore del test diagnostico, possiamo distinguere invece un area di sovrapposizione, caratterizzata da valori del test corrispondenti a pazienti con e senza malattia. Distribuzione degli esiti di un ipotetico test nelle classi di individui i malati e non malati, con sovrapposizione inter-classe
34 E in quest area che viene scelto il cut off indicato dalla linea verticale. La posizione del cut off determinerà il numero di veri positivi, veri negativi, falsi positivi e falsi negativi e quindi variando tale posizione otterremo diversi valori di Sensibilità e Specificità.
35 Scelta del valore Cut off E possibile dimostrare che, quando la distribuzione del valore nelle due classi sani-malati è di tipo normale, la soglia discriminante ottimale, ossia il valore di cut off che minimizza gli errori di classificazione, è pari al valore in ascissa corrispondente al punto di intersezione delle due classi. Bisogna valutare anche l impatto di tipo sanitario, economico, sociale, ecc. Infatti, per malattie ad alta contagiosità, è opportuno minimizzare i FN e quindi privilegiare la Sensibilità, mentre per malattie non contagiose trattabili con terapie molto costose si tende a minimizzare i FP e quindi a privilegiare la Specificità. Tutte queste problematiche vengono affrontate attraverso l analisi ROC.
36 Esempio 4 Consideriamo i seguenti dati relativi a pazienti affetti da tumore e non (discriminazione effettuata con golden test ). Si è misurato il marcatore B per determinare quali pazienti erano affetti da tumore.
37 E possibile migliorare la Sensibilità spostando il cut-point verso più bassi livelli del marcatore B (e quindi fissando un criterio di positività meno stringente). E anche possibile migliorare la Specificità spostando il cut-point verso valori più alti del marcatore B determinando così un criterio di positività più stringente). Se cambiamo la definizione di test positivo per aumentare una delle due, l altra, di conseguenza, si ridurrà.
38 Costruzione e interpretazione di una Curva ROC Facendo riferimento a questa nuova tabella è possibile costruire un grafico che descriva: la variazione della percentuale di positivi tra i malati (Sensibilità) e della percentuale di positivi tra i sani (1 Specificità) al variare del cut-point. Questo tipo di grafico è chiamato Receiver Operating Characteristic Curve (o Curva ROC).
39 Una Curva ROC fornisce molte informazioni.
40 Dimostra il trade off (relazione inversa) tra sensibilità e specificità (qualunque incremento di sensibilità sarà accompagnato da un decremento di specificità).
41 Più la curva segue il bordo a sinistra e poi quello in alto dello spazio ROC, più il test è accurato. Più la curva si avvicina alla diagonale dello spazio ROC, meno accurato è il test.
42 La pendenza della tangente al cut point fornisce il valore di LR +. C è da ricordare che il valore di LR + per T4 < 5 è pari a 52. Ciò corrisponde alla porzione di curva più a sinistra e più ripida. Il valore di LR + per T4 > 9 è 0,2. Ciò corrisponde invece a quella porzione di curva più a destra e quasi orizzontale.
43 Il valore del cut-point più in alto a sx è quello che conferisce maggiore accuratezza al test. E quello intorno al quale succede che se aumento la sensibilità quindi i VP non ho di conseguenza un aumento di 1-Specificità che si verifica quando aumento anche i FP
44 L area sotto la curva è una misura dell accuratezza del test
45 Area sotto una Curva ROC Il grafico sotto riportato mostra tre curve ROC che rappresentano tre test, uno eccellente, uno buono e uno scadente. Curve ROC 1 Sensibilità 0,8 0,6 0,4 E B S 0, ,2 0,4 0,6 0, Specificità
46 Per quanto riguarda l interpretazione del valore dell area sotto la curva (AUC), si può tener presente la classificazione proposta da Swets (1998). AUC 1,0 0,90 1,0 0,70 0,90 0,50 0,70 0,50 Tipo di Test- accuratezza test perfetto test altamente accurato test moderatamente accurato test poco accurato test non informativo L area sotto la curva ROC per MB è 0,86. Il test basato sul dosaggio del marcatore B deve essere quindi considerato moderatamente accurato (per separare i pazienti affetti da tumore da quelli sani).
47 Significato di Area sotto la Curva ROC La capacità del test di classificare correttamente i soggetti malati da quelli sani è proporzionale all estensione dell AUC ed equivale alla: probabilità che il risultato di un test su un individuo estratto a caso dal gruppo dei malati sia superiore (o inferiore) a quello di uno estratto a caso dal gruppo dei non malati. Esiste una relazione che lega la AUC alla statistica U di Wilcoxon e Mann- Whitney, utilizzata per testare l ipotesi nulla che i due gruppi abbiano la stessa mediana. Tale ipotesi è del tutto equivalente a testare che un soggetto estratto a caso da un gruppo X abbia la stessa probabilità di presentare un valore della variabile superiore (o inferiore) ad un valore predefinito di quello di un soggetto estratto a caso dall altro gruppo Y.
48 Calcolo e confronto tra Aree Due metodi sono comunemente usati: 1. un metodo non parametrico (metodo di De Long) basato sulla costruzione di un trapezoide sotto la curva come approssimazione dell area (da notare che l area è sicuramente < 1); 2. un metodo parametrico che fornisce una curva che si avvicina ai punti dati con la massima probabilità (vedi sotto). Per il confronto tra Aree si utilizza un test statistico simile al test t (basato sulla distribuzione normale standardizzata): Z = A A 1 2 Metodo di Hanley e McNeil SE ( A A ) 1 2 Se Z è sopra un certo livello critico, comunemente pari a 1,96 in quanto si fa riferimento alle tabelle per il t di Student con infiniti GL, allora accettiamo il fatto che le due aree siano differenti.
49 SE = SE + SE 2 2 ( A A ) ( A ) ( A ) Due test applicati a due gruppi diversi SE = SE + SE 2rSE SE 2 2 ( A A ) ( A ) ( A ) ( A ) ( A ) Due test applicati allo stesso gruppo Il coefficiente di correlazione tra le due aree, r, si ottiene con i seguenti passaggi: a) calcolo del coefficiente di correlazione tra i pazienti non malati con i due test: r n ; b) calcolo del coefficiente di correlazione tra i pazienti malati con i due test: r a ; c) calcolo della correlazione media: r m = ( r + r ) n 2 d) calcolo dell area media: a A m = ( A + A ) 1 2 2
50 e) uso di una tabella che riporta in alto (in orizzontale) l area media e a sinistra (in verticale) la correlazione media; per interpolazione è possibile ottenere il coefficiente di correlazione tra le due aree (r). Correlazione media Area media 0,7 0,75 0,8 0,85 0,9 0,95 0,1 0,09 0,09 0,08 0,08 0,07 0,06 0,2 0,18 0,18 0,17 0,16 0,15 0,12 0,3 0,27 0,27 0,26 0,25 0,23 0,19 0,4 0,37 0,36 0,35 0,34 0,32 0,28 0,5 0,47 0,46 0,45 0,43 0,41 0,37 0,6 0,57 0,56 0,55 0,53 0,51 0,47 0,7 0,67 0,66 0,65 0,64 0,62 0,58 0,8 0,77 0,77 0,76 0,75 0,73 0,70 0,9 0,88 0,88 0,87 0,87 0,86 0,84
51 Calcolo di SE (A) SE ( A) = A (1 A) + ( n 1) ( Q A ) + ( n 1) ( Q A ) a n 2 n a n n Q 1 2 A 2A = Q2 = 2 A 1 + A Z = A A 1 2 SE ( A A ) 1 2 Se Z è sopra un certo livello critico, comunemente pari a 1,96 in quanto si fa riferimento alle tabelle per il t di Student con infiniti GL, allora accettiamo il fatto che le due aree siano differenti.
52
53 Nota di interesse storico L analisi ROC è una metodologia (Signal Detection Theory) sviluppata per la prima volta durante la Seconda Guerra Mondiale per l analisi delle immagini radar e lo studio del rapporto segnale/disturbo. Serviva agli operatori di ricezione radar per distinguere il nemico. Segue
54 Oggetto in avvicinamento su uno schermo radar E un mezzo militare (navale) nemico o un rumore di fondo?
55 Era quindi necessario analizzare accuratamente i segnali di ricezione radar per poter discriminare tra oggetto in avvicinamento nemico (VP) e rumore di fondo. Questo tipo di analisi dei segnali fu denominato: Receiver Operating Characteristic o Relative Operating Characteristic.
Test diagnostico. Definizione. Mondo ideale. Definizione
Definizione Test diagnostico Un test diagnostico è una qualunque procedura utile all'identificazione di uno stato di malattia. Viene utilizzato: all inizio del decorso clinico per la diagnosi; in qualsiasi
DettagliAnalisi dei dati diagnostici
Analisi dei dati diagnostici Test diagnostico Affidabilità Riproducibilità o precisione Validità o accuratezza Concordanza Sensibilità Specificità Valore predittivo positivo Valore predittivo negativo
Dettagli7a. Un esempio di analisi bayesiana dei dati mediante Ministat
7a. Un esempio di analisi bayesiana dei dati mediante Ministat Consideriamo una situazione nella quale la concentrazione dell analita aumenti nella malattia, e nella quale la soglia tra sani e malati è
DettagliTecniche diagnostiche
TEST DIAGNOSTICI Tecniche diagnostiche Infezione corrente Isolamento dell agente eziologico Identificazione del materiale genetico dell agente eziologico Segni clinici Alterazioni patognomoniche Alterazioni
DettagliEPIDEMIOLOGIA CLINICA: PROPRIETÀ DEI TEST
EPIDEMIOLOGIA CLINICA: PROPRIETÀ DEI TEST Problemi nella pratica clinica 1. Spiegazione del profilo clinico Dato il profilo clinico di un paziente, quale malattia ha? 2. Spiegazione della malattia Perché
DettagliLuigi Santoro. Hyperphar Group S.p.A., MIlano
Come modellare il rischio Luigi Santoro Hyperphar Group S.p.A., MIlano Gli argomenti discussi Le definizioni del termine rischio L utilità di un modello predittivo di rischio Come costruire modelli predittivi
DettagliLa statistica e i test diagnostici
La statistica e i test diagnostici Laura Ventura Dipartimento di Scienze Statistiche Università degli Studi di Padova ventura@stat.unipd.it XXIII Settimana della Cultura Scientifica e Tecnologica Liceo
DettagliStatistica nelle applicazioni sanitarie
Dipartimento di Fisica Scuola di Specializzazione in Fisica Medica A.A. 2012/2013 Statistica nelle applicazioni sanitarie Maria Roberta Monge: Roberta.Monge@ge.infn.it Test di screening e test diagnostici
DettagliValutazione dei test diagnostici
Valutazione dei test diagnostici Maria Miceli M. Miceli 2011 1 Diagnosi individuale (test di laboratorio) Esame collaterale nell ambito dell iter diagnostico condotto generalmente su animali sintomatici
DettagliPatologia Clinica. Lezione introduttiva. Dott.ssa Samantha Messina
Patologia Clinica Lezione introduttiva Dott.ssa Samantha Messina Modulo: Patologia clinica Anno accademico 2011/2012 II anno, I semestre CdL Infermieristica, Facoltà di Medicina e Chirurgia Università
DettagliIn alternativa all intervallo di riferimento. VALORI o LIVELLI DECISIONALI
In alternativa all intervallo di riferimento VALORI o LIVELLI DECISIONALI Valori sopra o sotto i quali è raccomandabile seguire un determinato comportamento clinico: - Instaurare o modificare un regime
DettagliIl ragionamento diagnostico
Il ragionamento diagnostico 1 l accertamento della condizione patologica viene eseguito All'inizio del decorso clinico, per una prima diagnosi In qualsiasi punto del decorso clinico, per conoscere lo stato
DettagliCentro e Programma Regionale Biomarcatori Ospedale SS Giovanni e Paolo, Venezia, Aulss13 Serenissima
Criteri di interpretazione nella pratica clinica Massimo Gion Centro e Programma Regionale Biomarcatori Ospedale SS Giovanni e Paolo, Venezia, Aulss13 Serenissima Agenda Indici di accuratezza diagnostica
DettagliGALLO_Metodi epidemiologici per la clinica _diagnosi / 1. La misura della diagnosi
GALLO_Metodi epidemiologici per la clinica _diagnosi / 1 La misura della diagnosi GALLO_Metodi epidemiologici per la clinica _diagnosi / 2 Cosa intendiamo quando parliamo di misure esatte : accuratezza
Dettaglicurves (ordinary ROC)
CURVE ROC Ordinary ROC Frequency ROC Expected Utility ROC (O-ROC) (F-ROC) (EU-ROC) O-ROC curves (ordinary ROC) 1 Le coordinate di ogni punto della curva sono il tasso di veri positivi pari alla sensibilità
DettagliErrori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio. M. Besozzi - IRCCS Istituto Auxologico Italiano
Errori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio M. Besozzi - IRCCS Istituto Auxologico Italiano L argomento... Errori cognitivi Il problema gnoseologico Dati, informazione
DettagliVALORI o LIVELLI DECISIONALI
In alternativa all intervallo di riferimento VALORI o LIVELLI DECISIONALI Valori sopra o sotto i quali è raccomandabile seguire un determinato comportamento clinico: - Instaurare o modificare un regime
DettagliIndici di validità di un test diagnostico
Indici di validità di un test diagnostico (accuratezza, capacità discriminante) Ogni test diagnostico binario, positivo-negativo, ha una quota di errore: rispettivamente falsi positivi e falsi negativi.
DettagliIndici di validità di un test diagnostico
Indici di validità di un test diagnostico (accuratezza, capacità discriminante) In Medicina ogni test diagnostico binario, positivo-negativo, ha una quota di errore: rispettivamente falsi positivi e falsi
DettagliCriteri di valutazione dei test diagnostici
Criteri di valutazione dei test diagnostici Perché misurare validità e precisione? La validazione è un processo di valutazione per stabilire quanto il procedimento sia adatto per lo scopo per il quale
DettagliCENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande)
CENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande) Il Calcolo delle Probabilità trova molte applicazioni in Medicina, Biologia e nelle Scienze sociali. Si possono formulare in modo più appropriato
DettagliGenova dà i numeri. Dal dottore: Prologo. Dal dottore: Primo tempo. La statistica e i test diagnostici Un po di statistica fa bene alla salute
SCUOLA DI SCIENZE MATEMATICHE, FISICHE E NATURALI DIMA DIPARTIMENTO DI MATEMATICA Genova dà i numeri Il problema La statistica e i test diagnostici Un po di statistica fa bene alla salute Laura Ventura
DettagliTest Diagnostici. Vogliamo studiare il problema dal punto di vista della probabilità.
est Diagnostici Un test diagnostico è un metodo usato per diagnosticare una certa malattia: per esempio il Pap test è un metodo per diagnosticare il tumore del collo dell utero, la glicemia è un metodo
DettagliCARATTERISTICHE DELLE SCALE DI VALUTAZIONE: VALIDITÀ, AFFIDABILITÀ E VALORE PREDITTIVO. GLORIA GIANESINI
CARATTERISTICHE DELLE SCALE DI VALUTAZIONE: VALIDITÀ, AFFIDABILITÀ E VALORE PREDITTIVO GLORIA GIANESINI gnsglr@unife.it STRUMENTI PER IDENTIFICARE IN MODO OGGETTIVO PRECISO OMOGENEO I BISOGNI DEL PAZIENTE
DettagliTipi di variabilità del dato di laboratorio
Tipi di variabilità del dato di laboratorio VARIABILITA INTRAINDIVIDUALE VARIABILITA INTERINDIVIDUALE INTRA: è legata alle oscillazioni omeostatiche che garantiscono la composizione costante dei liquidi
DettagliSCELTA DEI TEST EZIOLOGICI A SUPPORTO DELLA DIAGNOSI DI LEISHMANIOSI CANINA
SCELTA DEI TEST EZIOLOGICI A SUPPORTO DELLA DIAGNOSI DI LEISHMANIOSI CANINA Saverio Paltrinieri, DVM, PhD, Dipl ECVCP DIAGNOSI EZIOLOGICA DIRETTA (evidenziazione del parassita o di sue componenti) Citologia
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliIl Protocollo ESPGHAN per la diagnosi di celiachia nel bambino
Il Protocollo ESPGHAN per la diagnosi di celiachia nel bambino Dr.ssa Elena Pozzi Clinica Pediatrica Ospedale dei Bambini V. Buzzi ASST Fatebenefratelli Sacco La malattia celiaca La celiachia è una malattia
DettagliScreening oncologico di popolazione: principi e valutazione
Screening oncologico di popolazione: principi e valutazione Screening oncologico organizzato: definizione Somministrazione attiva e periodica di un test diagnostico di provata efficacia ad una popolazione
DettagliBreve cenno della psicofisica
Breve cenno della psicofisica Il termine psicofisica, coniato dal fisico e filosofo tedesco Gustav Theodor Fechner (1801-1887) studio di metodi quantitativi per valutare le relazioni fra le variabili fisiche
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliEpidemiologia. disciplina che studia la distribuzione e le cause delle malattie nell uomo
Epidemiologia disciplina che studia la distribuzione e le cause delle malattie nell uomo Epidemiologia osservazionale: epidemiologia descrittiva : lo studio della frequenza e della distribuzione geografica
DettagliSeconda Parte Specifica per la tipologia di scuola - Statistica sanitaria e Biometria - 22/07/2016
Domande relative alla specializzazione in: Statistica sanitaria e Biometria Scenario 1: In uno studio prospettivo condotto per valutare la relazione tra l'uso di estrogeni e rischio di cancro alla mammella,
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
DettagliDAL SOSPETTO ALL INTERPRETAZIONE DIAGNOSTICA l approccio a soglia. Brescia Corsi ASL 2006
DAL SOSPETTO ALL INTERPRETAZIONE DIAGNOSTICA l approccio a soglia Brescia Corsi ASL 2006 La logica del processo clinico Le domande chiave: Qual è l ipotesi diagnostica più probabile? Sono necessari test
DettagliCICLO ANALITICO COMPLETO
Trattamento Farmacologico Attività Fisica Dieta Ritmi Circadiani Richiesta del Test Paziente Postura Orario Materiale di Prelievo Prelievo Decisione Medica Valori decisionali (cut off points) Trattamento
DettagliL ELASTICITÀ DEL CONSUMATORE PROF. MATTIA LETTIERI
L ELASTICITÀ DEL CONSUMATORE ROF. MATTIA LETTIERI Indice 1 LA CURVA DI DOMANDA INDIVIDUALE ---------------------------------------------------------------------------- 3 2 GLI SOSTAMENTI DELLA CURVA DI
DettagliTest diagnostici- 1. Un test diagnostico perfetto dovrebbe dare esito positivo in tutti i soggetti malati e esito negativo in tutti i soggetti sani.
Test diagnostici- 1 Un test diagnostico è un metodo usato per diagnosticare una certa malattia: per esempio il Pap test è un metodo per diagnosticare il tumore del collo dell utero, la glicemia è un metodo
DettagliLezione 4 1. Introduzione
Lezione 4 1 Introduzione Le curve di domanda ed offerta servono per determinare possibili scenari futuri in seguito a cambiamenti delle condizioni. Ad esempio, la diminuzione della offerta di petrolio
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliDomanda e Offerta Prof.ssa Sabrina Pedrini
Domanda e Offerta rof.ssa Sabrina edrini Esercizio 1 Le curve di domanda e di offerta in un dato mercato per un dato bene sono rispettivamente: d 50 2p e s 10 p a) Determinate il prezzo e la quantità di
DettagliScreening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes
Screening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Storia naturale di
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Igiene Dentale. Corso di Statistica per la ricerca sperimentale e tecnologica
Università del Piemonte Orientale Corso di Laurea in Igiene Dentale Corso di Statistica per la ricerca sperimentale e tecnologica Elementi di calcolo delle probabilità CdL di Igiene Dentale - Corso di
DettagliIntroduzione al calcolo delle probabilità - II
Introduzione al calcolo delle probabilità - II Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent Systems (AIS-Lab) Dipartimento di Informatica borghese@di.unimi.it 1/25
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliAppunti di Matematica 5 - Derivate - Derivate. Considero una funzione e sia e definita in un intorno completo di.
Derivate Definizione di derivata di f(x) in x D o f Considero una funzione e sia e definita in un intorno completo di. Consideriamo il rapporto (detto rapporto incrementale ) È evidente che il rapporto
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 11 LEZIONE STATISTICA MEDICA STATISTICA E DECISIONI MEDICHE Processo diagnostico Se
DettagliQuadro riassuntivo di geometria analitica
Quadro riassuntivo di geometria analitica IL PIANO CARTESIANO (detta ascissa o coordinata x) e y quella dall'asse x (detta ordinata o coordinata y). Le coordinate di un punto P sono: entrambe positive
DettagliL elasticità e le sue applicazioni in economia Introduzione
L elasticità e le sue applicazioni in economia Introduzione Fino ad ora l analisi su domanda, offerta ed equilibrio di mercato è stata di tipo qualitativo. Se vogliamo avere una misura quantitativa degli
DettagliErrori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio. M. Besozzi - IRCCS Istituto Auxologico Italiano
Errori cognitivi, probabilità e decisioni mediche nella diagnostica di laboratorio M. Besozzi - IRCCS Istituto Auxologico Italiano L argomento... Errori cognitivi Il problema gnoseologico Dati, informazione
DettagliElementi di matematica - dott. I. GRASSI
Gli assi cartesiani e la retta. Il concetto di derivata. È ormai d uso comune nei libri, in televisione, nei quotidiani descrivere fenomeni di varia natura per mezzo di rappresentazioni grafiche. Tali
DettagliElaborazione dei dati sperimentali. Problemi di Fisica
Problemi di Fisica Elaborazione dei dati sperimentali Nella seguente tabella riportiamo alcune regole per esprimere ualunue numero mediante una potenza di 0: 00000000 = 0 9 456789 = 45,6789 0 4 3, = 0,3
DettagliCOME NASCE UN FASCICOLO? CHI PREPARA I QUESITI? DUE PAROLE SU:
COME NASCE UN FASCICOLO? CHI PREPARA I QUESITI? DUE PAROLE SU: LE PROVE AL COMPUTER? E LA QUINTA? AURELIA ORLANDONI PADOVA 4 aprile 2017 La struttura del Quadro di Riferimento Quadro di riferimento per
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliEsercitazioni di probabilità e statistica Test ipotesi
Esercitazioni di probabilità e statistica Test ipotesi Esercizio 2.: Due ditte producono un certo tipo di macchinario. La ditta A ne ha prodotti 6 e venduto, la ditta B ne ha venduti 4 su 9. Si formuli
DettagliSi può fare diagnosi di celiachia senza biopsie intestinali?
Dr.ssa Francesca Penagini, MD, PhD Clinica Pediatrica Ospedale dei Bambini V. Buzzi Università degli Studi di Milano Si può fare diagnosi di celiachia senza biopsie intestinali? Malattia Celiaca Malattia
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di statistica
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di statistica Applicazione del calcolo della probabilità: la valutazione dei tests diagnostici Corso di laurea in medicina
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
Dettagli2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)
2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) La circonferenza è la curva di 2^ grado che viene individuata univocamente da tre punti non allineati e possiede la seguente proprietà:
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliNote introduttive 28/11/2007. A cura di Roberto Viganò Analisi statistica: Maria Grazia Valsecchi, Stefania Galimberti
Centro di Studio e di Ricerca in Biostatistica per l Epidemiologia Clinica A cura di Roberto Viganò Analisi statistica: Maria Grazia Valsecchi, Stefania Galimberti Note introduttive La domanda di Assistenza
DettagliL'appropriatezza diagnostica: quali disegni di studio per la valutazione dei test diagnostici
IX CONGRESSO NAZIONALE AIMN 2009 20-24 MARZO 2009 Firenze, Palazzo dei CongressI L'appropriatezza diagnostica: quali disegni di studio per la valutazione dei test diagnostici Luciana Ballini Agenzia Sanitaria
DettagliScuola di specializzazione In Fisica Sanitaria a.a. 2005/2006 Epidemiologia Prof. Maria Antonietta Penco
Scuola di specializzazione In Fisica Sanitaria a.a. 2005/2006 Epidemiologia Prof. Maria Antonietta Penco penco@fisica.unige.it 20/03/2006 Sensibilità e specificità di un test Consideriamo la seguente tabella:
DettagliSIMULAZIONE TERZA PROVA DOMANDE APERTE. Definisci la funzione reale di variabile reale specificandone la classificazione
SIMULAZIONE TERZA PROVA DOMANDE APERTE Definisci la funzione reale di variabile reale specificandone la classificazione Definisci il campo di esistenza di una funzione fornendone un esempio per una funzione
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018 prof. Federico Plazzi 22 Gennaio 2018 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliL elasticità e le sue applicazioni in economia Introduzione
L elasticità e le sue applicazioni in economia Introduzione Fino ad ora l analisi su domanda, offerta ed equilibrio di mercato è stata di tipo qualitativo. Per avere una misura quantitativa degli effetti
DettagliScreening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes
Screening, sensibilità e specificità di un test diagnostico, curve R.O.C., teorema di Bayes Sezione di Epidemiologia e Statistica Medica, Università di Verona Storia naturale di una malattia (Rothman,
DettagliSOLUZIONI. = x x x
. Data la funzione a) scrivi qual è il dominio di f SOLUZIONI f ( b) scrivi quali sono gli intervalli in cui f( risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
DettagliSOLUZIONI Data la funzione. = x. a) scrivi qual è il dominio di f
. Data la funzione a) scrivi qual è il dominio di f SOLUZIONI f ) ( b) scrivi quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliDISTRIBUZIONE NORMALE. Distribuzione teorica di probabilità, detta anche Gaussiana. Variabili continue
LEZIONE 12-2017 DISTRIBUZIONE NORMALE Distribuzione teorica di probabilità, detta anche Gaussiana Variabili continue Molte distribuzioni empiriche di fenomeno fisici e biologici, ma anche sociopsicologiche,
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliLa distribuzione normale
La distribuzione La distribuzione normale La curva normale (o curva di gauss) è una distribuzione teorica di probabilità che si applica a variabili continue Molti fenomeni di cui si occupano le scienze
DettagliCognome e nome Tempo disponibile: 60 minuti. Esempio 1 Esempio 2
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 2005-2006 5 Luglio 2006 Cognome e nome Tempo disponibile: 60 minuti 1. Scrivete due esempi di variabili del seguente tipo: Nominale Esempio
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliMatematica. Liceo Scientifico SECONDO BIENNIO. Aritmetica e algebra. Geometria
Matematica Liceo Scientifico INDICAZIONI NAZIONALI SECONDO BIENNIO Aritmetica e algebra Lo studio della circonferenza e del cerchio, del numero, e di contesti in cui compaiono crescite esponenziali con
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili Dott Nicola Pintus AA 2018-2019 Indichiamo con U la popolazione statistica e con u i le unità statistiche Ad ogni unità statistica associamo i caratteri osservati
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliInformazioni sul corso ed eventuali diapositive delle lezioni:
Informazioni sul corso ed eventuali diapositive delle lezioni: www.bioclinica.unipi.it http://arsdocendi.med.unipi.it Per qualsiasi comunicazione: segreteria@bioclinica.unipi.it Per informazioni su appelli/iscrizione
DettagliUn key article per un radiologo
Un key article per un radiologo Simona Martinello SSD Senologia di Screening CRR / Centro di Riferimento Regionale per lo Screening Mammografico Responsabile: A. Frigerio Un key article per un radiologo
Dettagliscreening Antonietta Di Fronzo
screening 1 screening Scopo fondamentale è quello di separare da un vasto gruppo di persone che apparentemente sono in buona salute, coloro che hanno una più alta probabilità di incorrere nella malattia
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
Dettagliy x y x A (x 1,y 1 ) = (c, f(c)) B(x 2,y 2 ) = (c+h, f(c+h)) m =
DERIVATA DI UNA FUNZIONE IN UN PUNTO SIGNIFICATO GEOMETRICO. EQUAZIONE DELLA RETTA TANGENTE AL GRAFICO NEL PUNTO DI TANGENZA. REGOLE DI DERIVAZIONE. CONTINUITA E DERIVABILITA PUNTI DI NON DERIVABILITA
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliINTRODUZIONE. TaleproceduravasottoilnomediteoremadiBayes.
INTRODUZIONE QUANDO CALCOLIAMO UNA PROBABILITA CONDIZIONATA USIAMO L INFORMAZIONE SUL VERIFICARSI DI UN EVENTO PER DETERMINARE LA PROBABILITA CHE UN ALTRO EVENTO SI VERIFICHI. Una estensione di questo
DettagliMicroeconomia (C.L. Economia e Legislazione di Impresa); A.A. 2010/2011 Prof. C. Perugini
Microeconomia (C.L. Economia e Legislazione di Impresa); A.A. 010/011 Prof. C. Perugini Esercitazione n.1 1 Obiettivi dell esercitazione Ripasso di matematica Non è una lezione di matematica! Ha lo scopo
DettagliModelli e procedure per l educazione degli adulti
CdL SEAFC a.a. 2016-2017 II semestre Pedagogia sperimentale. Modelli e procedure per l educazione degli adulti francesco.agrusti@uniroma3.it T6. Modelli e procedure di valutazione Ultimo appuntamento con
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
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
Dettagli