Lo scopo nella Statistica è duplice.

Descrittiva riassume e descrive i dati osservati in modo

che gli aspetti rilevanti siano espliciti. Inferenziale studia fino a che. Oi gli effetti osservati
possono essere generalizzati Ha una popolazione generale. La descrittiva viene
rappresentata le grafici calcolo delle medie eccetera inferenziale richiede un forte legame
tra campione e popolazione e richiede corretta metodologia statistica e interpretazione dei
dati. Sarebbe solo una ciste la popolazione di interesse viene definita attraverso criteri di
inclusione ed esclusione. I criteri di inclusione sono le patologia specifica e la fascia di età
mentre i criteri di esclusione sono caratteristiche che un soggetto non può avere per
appartenere alla popolazione È importante che i criteri siano oggettivi. Perciò la
popolazione non è fissa ma cambia.
Non è casuale campione che dovrebbe essere un riflesso perfetto della popolazione
questo può essere realizzato solo prendendo una soluzione completamente casuale. Gli
squilibri di alcuni variabili si verificano solo in piccoli campioni e per puro caso. Praticare
un campione casuale in pratica è difficile anche se ottenuto campione casuale possono
verificarsi squilibri differenti tipo Facebook i partecipanti abbandonano per effetti collaterali
Oppure si possono rifiutare.
studio prospettico viene effettuato su un gruppo di persone per verificarsi o meno di
endopoint ho misurazioni specifiche.
Lo studio retrospettivo viene effettuato sui soggetti con particolari esito o endpoint sono
identificati e studiati.
studio Sperimentale i dati vengono raccolti in un esperimento di nuova concentrazione e
realizzazione.
Studios osservazionale i dati vengono raccolti su base regolare e non viene creato alcun
nuovo esperimento.
Studio trasversale i partecipanti sono misurati una volta in un momento fisso pre
specificato.
Studio longitudinale e risultato è misurato ripetutamente nel tempo.
Studio trial clinico rigorosamente progettato che mira trovare il miglior trattamento per i
futuri pazienti in condizioni specifiche. Tutti gli esperimenti sono pure specificati nel
protocollo di studio. Gli studi clinici sono di tipo prospettico sono sperimentali degli Studi
possono essere di natura longitudinale o trasversale.
Studio di corte viene effettuato su un gruppo di soggetti che Vengono seguiti nel tempo
Quando si verifica un evento specifico. per esempio una corte di nascita è una corte di
persone Tutte nate nello stesso periodo.
Studio caso controllo richiede troppo tempo per essere condotto esempio di tipo relazione
tra fumo e cancro, la progettazione dello studio non consente alla stima della prevalenza
numero di casi è predifinito.
Studio caso controllo abbinato consente di garantire che i casi i controlli siano compatibili
o gli stessi, in alcuni casi è possibile abbinare più controlli a ciascun caso o più casi a
ciascun controllo.
Studio ingeco i pazienti non conoscono la terapia somministrata.
Metodi di randomizzazione
La randomizzazione può essere semplice vero non fatta su gruppi di dimensioni uguali
sono dei gruppi scelti casualmente attraverso un generatore di numeri, randomizzazione a
blocchi ovvero sono dei piccoli gruppi di uguali dimensioni, randomizzazione Può essere
utilizzata per garantire un equilibrio completo spesso ci si vuole stratificare per quanti più
fattori possibili.
Biostatistica
I tipi di risultati i dati qualitativi ovvero non caratterizzati da un numero oppure i dati
possono essere quantitativi e sono dati da un numero, i primi possono avere una variabile
dicotomica ovvero ha solo 2 risultati, possono avere una variabile nominale ovvero non
sono ordinabili Oppure può essere ordinabili i valori possono essere ordinati mentre i dati
quantitativi possono avere una variabile discreta ovvero i valori sono distinti separati ho
una variabile continua Dunque i valori sono no di un intervallo contenuto è interrotto.
Le misure di posizione la stessa posizione Ma i risultati hanno una diversa diffusione
mentre le misure di diffusione hanno la stessa diffusione Ma i risultati Hanno diverse
posizioni.
Distribuzione
La variabile può essere casuale o statistica
Per variabili discrete le percentuali di 00 e 1 però può comunque avere più variabili
La distribuzione di poisson nota come la legge dei casi rari, la distribuzione di Pascal o
binomiale negativa studia la probabilità di quanti fallimenti
Distribuzione di bernoulli viene effettuata su due soli valori ti fallimenti indicati con la q E
successi indicati con la p
Distribuzione binomiale discrive il numero di successi in prove nel processo di bernoulli
Distribuzione ipergeometrica di scrive l'estrazione senza rienserimento
Distribuzione geometrica la probabilità che il primo successo richieda funzione di K prove
indipendenti
Non è sempre necessario distribuzione completa ma alle volte basta stimarla, è molto
importante che la stima sia identica al parametro che si sta ti mando, Quanto vicino il
valore stimato Sara al valore reale.
La distribuzione campionaria dipende da la statistica la distribuzione dei dati originali e la
dimensione del campione, per campioni di grandi dimensioni la distribuzione è simmetrica
attorno reale, può essere concentrato intorno al valore reale o normalmente distribuito.
Distribuzione di probabilità per variabili discrete descrive Quanto è probabile osservare
edifici valori una variabile casuale discreta i valori devono essere distinti e separati.
La potenza in funzione della vera differenza Delta è piccolo Delta e minore sarà la potenza
La potenza in funzione della variabile Delta alla seconda più Colò Delta la seconda
Maggiore sarà la potenza i gruppi omogenei sono più facili da discriminare.
La potenza in funzione delle dimensioni del campione più osservazioni si fanno più grande
è la potenza.
Test di equivalenza
Delta È una costante pre specificata che definisce l'equivalenza per rifiutare h0 è
necessario dimostrare che ma meno mb sono  meno di Delta lontani uno dall'altro. Questo
test dipende interamente dal Delta Perciò deve essere scelto è specificato prima della
raccolta dati.
Significatività rispetto alla rilevanza se il campione sufficientemente grande qualsiasi
effetto Delta non importa quanto piccolo verrà rilevato per questo è preferibile utilizzare gli
intervalli di confidenza.
Test a due code in questo test non è specificato se 
Test a 2 code, in questo tipo di test non è pre-specificato se M debba essere maggiore o
minore di 0. Una differenza molto più grande o molto più piccola fornirebbe in entrambi
casi prove contro H0 ( si riflette sul valore di p )
Test a una coda le differenze inferiori a zero non forniscono alcuna prova contro H0, solo
le differenze maggiori di 0 possono essere utilizzate come prove; il valore P ora è la metà
di conseguenza la significatività è raggiunta più spesso.
ASSOCIAZIONI 
Descrivono la forza di associazione tra 2 variabili. Misure di associazione:
.coefficiente di correlazione
.rischio relativo
.rapporto di probabilità
LA CORRELAZIONE DI PEARSON= associazioni lineare tra 2 variabili X e Y.
Il coefficiente di correlazione di Bearson misura fino a che punto c’è una relazione lineare
tra X e Y e ha le seguenti proprietà:
.1 minore uguale ad r minore uguale ad 1
.r minore di 0 ed indica un andamento lineare negativo
.r maggiore di 0 ed indica un trend positivo
.r uguale a +uno ed indica che i punti dati si trovano su una linea retta crescente
.r uguale a -1 ed indica che i punti dati si trovano su una linea retta decrescente
.r uguale a 0 dimostra che non esiste un trend lineare
La procedura del test presuppone che x e y siano entrambe distribuite normalmente.
RISCHIO RELATIVO: può essere completamente influenzato reclutando più o meno
controlli. 
STUDIO DI COORTE: è la possibilità che un soggetto, appartenente ad un gruppo
esposto sviluppi una malattia rispetto ad un soggetto non esposto agli stessi rischi; Può
essere considerata una stima, basata sul nostro campione, per M rischio relativo teorico
nella popolazione totale (OR), L’RR non può essere utilizzato per descrivere la forza
d’associazione negli studi caso-controllo, per ciò l’alternativa è M rapporto delle
probabilità, è difficile interpretare  lo ma fornisce chiaramente un’indicazione generale di
quanto più rischio c’è in un gruppo rispetto ad un altro.. a differenza del RR, L’OR non
dipende dal numero di casi e controlli selezionati: RR= 1 rappresenta un rischio uguali per
entrambi i gruppi e anche  l’OR = 1 rappresenta un rischio uguali per entrambi i gruppi ma
se  diversi da 1 l’ipotesi è respinta.
( le tecniche parametriche sono più potenti per rilevare gli effetti rilevanti)
STATISTICA NON PARAMETRICA
Tutti i test studiati finora fanno parte della statistica parametrica. A volte le trasformazioni
dei dati possono essere utilizzate per soddisfare le ipotesi; tuttavia questo complica
l’interpretazione dei risultati. In alcuni casi non è possibile trovare una trasformazione
adeguata e dunque si ricorre ai metodi non parametrici
- principio di ranghi 
La posizione effettiva delle osservazioni non è necessaria, è sufficiente conoscere i
ranghi. La maggior parte dei test non parametrici si basa sulla sostituzione delle
osservazione con i propri paghi  
LE 2 PROCEDURE NON PARAMETRICHE Più USATE SONO:
1) TEST DI WILCOXON: è la versione non parametrica del t-test per dati non appaiati;
quindi esso consente il confronto di 2 popolazioni, senza dover presuppone che i dati
siano normalmente distribuiti. Viene calcolata la somma dei ranghi; se la somma è
eccessivamente grande significa che le osservazioni di un gruppo A si trova più a destra
rispetto a quelli di un gruppo B. Se eccessivamente piccola si troveranno più a sinistra. H0
viene rifiutata se la somma dei ranghi è troppo grande o troppo piccola.
2) CORRELAZIONE DI SPEARMAN: questo test presume che x e y debbano essere
entrambe distribuiti normalmente, si utilizza nel caso in cui una trasformazione è
impossibile o indesiderata; anche questo è basato sulla sostituzione delle osservazioni
con i loro ranghi. 
Il coefficiente di correlazione di spearman misura fino a che punto c’è una relazione
monotona tra x e y, e ha le se guanti proprietà:
-1 minore uguale ad r ed r minore uguale di 1
R minore di 0 e indica il trend negativo tra x e y
R maggiore di 0 e indica il trend positivo tra x e y
R uguale a -1 e dimostra una perfetta relazione monotona negativa tra x e y
R uguale ad 1 dimostra una perfetta relazione monotona positiva tra x e y
R uguale a 0 dimostra che non esiste un trend monotono 
QUESTO TEST NON SI BASA SU ALCUNA IPOTESI DISTRIBUTIVA