Introduzione ai concetti di base della programmazione: problema computazionale, algoritmo, sintassi, semantica. Tipi di variabili di base: interi, numeri reali, variabili booleani.
Operatori e precedenza degli operatori. Strutture di controllo di selezione e di iterazione.
Introduzione al linguaggio R: variabili, e tipi di dati. Array, matrici. Data Frame. Funzioni (meccanismi di passaggio di parametri, ambiente di visibilità delle variabili). Grafici in R. RStudio.
Risoluzione di semplici problemi computazionali di natura informatica, matematica e statistica.

Dispense fornite dal docente.

The R Book
Second Edition
Michael J. Crawley
Imperial College London at Silwood Park, UK
http://www.bio.ic.ac.uk/research/mjcraw/therbook/index.htm

Le tecniche di campionamento: il campione casuale semplice, sistematico, stratificato, a grappoli, a stadi.

Statistica descrittiva. Distribuzioni di frequenza. Tabelle. Grafici, istogrammi, diagramma a barre. Indici di tendenza centrale. Indici di dispersione.

Cenni di calcolo delle probabilità. Definizione di probabilità; Eventi; Probabilità condizionata; Teorema di Bayes; Principio delle probabilità totali; Variabili aleatorie discrete; Media, varianza e deviazione standard; Distribuzioni discrete notevoli: Bernoulli, binomiale, uniforme, geometrica, Poisson; Distribuzioni continue: uniforme, normale esponenziale.

Distribuzioni di campionamento: distribuzione t-student, distribuzione di Fisher;

Inferenza statistica: stima puntuale e stima di intervallo. Intervallo di confidenza: per una media, per la differenza tra due medie, per una proporzione, per la differenza tra due proporzioni.

Principi della verifica di ipotesi (l’ipotesi nulla. Gli errori di I tipo e II tipo. La potenza di un test).

Test parametrici per le verifica di ipotesi: una media; confronto tra due medie nel caso di campioni indipendenti e appaiati.

Lantieri PB, Risso D, Ravera G: Statistica medica per le professioni sanitarie, II ed. McGraw-Hill