Il corso si compone di una parte generale, che per lo più verrà affrontata in classe e di una parte monografica, affidata a letture e incontri specifici. Parte Generale Nozioni fondamentali: verosimiglianza, devianza, modello di regressione lineare classico e ANOVA, definizione di contrasto e matrice disegno, famiglia esponenziale. Odds e Odds Ratio, Rischi Relativi, indipendenza condizionale e marginale. Sensibilità, specificità e concetti tipici dell’analisi biomedica. Modelli Lineari Generalizzati (GLM): definizione, Iterative Weighted Least Squares, connessione con la famiglia esponenziale. Modello Gaussiano (Lineare). Modello Logit. Modello Log-Lineare. Modello con Coefficiente Costante di Variazione. Diagnostici di adattamento del modello: Analisi dei residui, punti influenti. Delta Betas, Distanza di Cook. Sovradispersione. Selezione del Modello. Approcci robusti (cenni): modelli di Quasi-Verosimiglianza. Regressione non-parametrica. Modelli Additivi Generalizzati. Metodi di Classificazione: analisi discriminante lineare (Fisher) e quadratica, K-Nearest neighborhoods, Projection Pursuit Regression, Neural Networks. Analisi di Sopravvivenza: Definizione di dati censurati e dati troncati. Funzione di rischio. Curve di sopravvivenza (stimatori Kaplan-Meier). Modelli parametrici esponenziale e Weibull. Modello a rischio proporzionale (Cox). Analisi di dati longitudinali: modelli marginali, modelli markoviani, modelli condizionali (random effect). Parte Monografica 1 Pianificazione di un esperimento clinico. Ruolo dello statistico in un gruppo di lavoro medico. Tipi di disegno. Randomizzato, cieco, a doppio cieco. Parte Monografica 2 Disegno epidemiologico, studi Caso-Controllo, studi di Coorte. Disegni di campionamento di coorte. Parte Monografica 3 Indicatori Sanitari. La relazione Sanitaria.