Corso di disegno sperimentale

Lezione 1 • Terminologia sperimentale fondamentale

Introduce variabili, unità e trattamenti come termini tecnici precisi. Un vocabolario accurato previene interpretazioni errate durante tutto il corso.

Lezione 2 • Il ruolo delle ipotesi

Tratta le ipotesi nulla e alternativa e la loro struttura logica. Collega la formulazione delle ipotesi alle scelte di disegno affrontate più avanti nel corso.

Lezione 3 • Fondamenti di validità e affidabilità

Distingue la validità interna da quella esterna e definisce l'affidabilità della misurazione. Questi concetti governano ogni decisione di disegno trattata nei capitoli successivi.

Lezione 4 • Che cos'è un esperimento

Definisce gli esperimenti rispetto agli studi osservazionali e alle indagini. Stabilisce la base concettuale del capitolo per tutte le successive decisioni di disegno.

Lezione 1 • Classificare le variabili

Categorizza le variabili continue, discrete, nominali e ordinali. La corretta classificazione determina quali metodi statistici si applicano nei capitoli successivi.

Lezione 2 • Tecniche di cecità e placebo

Spiega i controlli in singolo cieco, doppio cieco e con placebo per ridurre i bias. Queste tecniche affrontano direttamente gli effetti di aspettativa dell'osservatore e del partecipante.

Lezione 3 • Strategie di controllo

Presenta il mantenimento costante, l'appaiamento e il controllo statistico come tecniche complementari. Ogni strategia riduce il rumore e rafforza l'inferenza causale.

Lezione 4 • Identificare le variabili confondenti

Definisce i fattori confondenti e spiega come distorcono le stime del trattamento. Riconoscere i confondenti è prerequisito per le strategie di randomizzazione del Capitolo 3.

Lezione 1 • Randomizzazione adattiva

Presenta schemi di allocazione adattivi in base alla risposta e alle covariate. Questi metodi avanzati ottimizzano l'equilibrio o gli esiti durante le sperimentazioni in corso.

Lezione 2 • Documentare e verificare la randomizzazione

Stabilisce procedure per registrare, verificare e riportare l'assegnazione casuale. Una documentazione trasparente supporta la riproducibilità e la revisione normativa.

Lezione 3 • Randomizzazione semplice e sistematica

Tratta i metodi del lancio di moneta, dei numeri casuali e dell'intervallo sistematico. Gli studenti applicano queste tecniche fondamentali prima di passare alle forme ristrette.

Lezione 4 • Metodi di randomizzazione ristretta

Introduce la randomizzazione a blocchi, stratificata e a grappolo per migliorare l'equilibrio. Ogni metodo affronta rischi specifici di squilibrio identificati nelle sezioni precedenti.

Lezione 1 • Panoramica delle strategie di campionamento

Confronta il campionamento probabilistico e non probabilistico e le loro implicazioni inferenziali. La selezione della strategia di campionamento influisce direttamente sulla validità esterna discussa nel Capitolo 1.

Lezione 2 • Metodi di calcolo della dimensione campionaria

Dimostra la stima della dimensione campionaria basata su formule e su simulazione. Gli studenti applicano questi metodi a contesti di medie, proporzioni e regressione.

Lezione 3 • Fondamenti di potenza statistica

Definisce la potenza, l'errore di I tipo e l'errore di II tipo e le loro interrelazioni. Comprendere la potenza è prerequisito per tutti i calcoli della dimensione campionaria in questo capitolo.

Lezione 4 • Studi pilota e test di fattibilità

Utilizza studi pilota su piccola scala per affinare le stime della dimensione dell'effetto e la logistica. I risultati del pilota confluiscono direttamente nei calcoli rivisti della dimensione campionaria prima della distribuzione completa.

Lezione 1 • Disegni crossover

Assegna a ciascun soggetto più trattamenti in sequenza per ridurre la variabilità. Gli effetti di trascinamento e i periodi di washout sono considerazioni centrali del disegno.

Lezione 2 • Disegno completamente randomizzato

Tratta la struttura, le assunzioni e il collegamento all'analisi del CRD a un fattore. Questo disegno, il più semplice, funge da punto di riferimento per tutte le strutture più complesse.

Lezione 3 • Disegno a blocchi randomizzati completi

Introduce il blocco per rimuovere la variazione di disturbo nota dall'errore. L'RCBD estende il CRD aggiungendo il concetto di blocco introdotto nel Capitolo 3.

Lezione 4 • Disegno a quadrato latino

Controlla due fattori di disturbo simultaneamente usando una disposizione a quadrato. Gli studenti applicano i quadrati latini quando sono identificabili due dimensioni di blocco.

Lezione 1 • Disegni fattoriali frazionari

Riduce il numero di prove confondendo le interazioni di ordine superiore con gli effetti principali. Gli studenti costruiscono e interpretano frazioni di risoluzione III, IV e V.

Lezione 2 • Disegno fattoriale a due fattori

Introduce la struttura fattoriale 2×2 e quella generale a due fattori e il concetto di interazione. L'interpretazione dell'interazione è la competenza centrale sviluppata in questo capitolo.

Lezione 3 • Disegni fattoriali di ordine superiore

Estende la logica fattoriale a tre o più fattori e alle interazioni di ordine superiore. Gli studenti gestiscono la complessità delle strutture fattoriali a tre e quattro vie.

Lezione 4 • Disegni fattoriali completi a due livelli

Si concentra sui disegni 2^k per contesti di screening e ottimizzazione. I livelli codificati dei fattori e la stima degli effetti sono competenze computazionali fondamentali.

Lezione 1 • Adattamento e validazione dei modelli di superficie di risposta

Adatta modelli polinomiali del secondo ordine e ne valuta l'adeguatezza. La validazione del modello garantisce che le previsioni siano affidabili prima di prendere decisioni di ottimizzazione.

Lezione 2 • Passare dallo screening all'ottimizzazione

Spiega la strategia di sperimentazione sequenziale dallo screening alla messa a punto. Questa sezione collega i disegni fattoriali del Capitolo 6 ai metodi di superficie di risposta.

Lezione 3 • Disegno composito centrale

Costruisce il CCD aumentando un fattoriale 2^k con punti assiali e punti centrali. Il CCD è il disegno del secondo ordine più utilizzato per l'ottimizzazione.

Lezione 4 • Individuare e interpretare gli ottimi

Utilizza l'analisi canonica e i grafici di contorno per trovare i punti stazionari. Gli studenti distinguono massimi, minimi e punti di sella nella superficie di risposta.

Lezione 1 • Abbinare l'analisi al disegno

Allinea i modelli statistici con la struttura del disegno utilizzata per raccogliere i dati. Un'analisi disallineata invalida le conclusioni indipendentemente dalla qualità del disegno.

Lezione 2 • Standard di reporting trasparente

Applica linee guida strutturate di reporting per documentare le decisioni di disegno e analisi. Un reporting trasparente consente la revisione tra pari e la replicazione indipendente.

Lezione 3 • Confronti multipli e controllo dell'errore

Applica procedure di correzione per controllare il tasso di errore per famiglia e il tasso di false scoperte. Gli studenti selezionano le correzioni appropriate in base al numero e al tipo di confronti.

Lezione 4 • Riproducibilità e pratiche di scienza aperta

Integra la condivisione dei dati, la documentazione del codice e i materiali aperti nel flusso di lavoro. Queste pratiche affrontano la crisi della replicazione e costruiscono credibilità a lungo termine.