Progettazione degli esperimenti

Introduzione alla statistica in Python

Maggie Matsui

Content Developer, DataCamp

Vocabolario

Un esperimento risponde: Qual è l'effetto del trattamento sulla risposta?

Es.: Qual è l'effetto di una pubblicità sul numero di prodotti acquistati?

I ricercatori assegnano i partecipanti al gruppo di trattamento o di controllo
- Il gruppo di trattamento vede la pubblicità
- Il gruppo di controllo no
I gruppi devono essere comparabili per poter inferire la causalità
Se non lo sono, si introduce confondimento (bias)
- Età media trattamento: 25
- Età media controllo: 50
- L'età è un potenziale confondente

Studio randomizzato controllato
- Assegnazione a trattamento/controllo casuale, non basata su altre caratteristiche
- La casualità aiuta a rendere i gruppi comparabili
Placebo
- Somiglia al trattamento ma non ha effetto
- I partecipanti non sanno in che gruppo sono
- Nei trial clinici, una pillola di zucchero verifica che l'effetto del farmaco sia dovuto al farmaco e non all'idea di riceverlo

Studio in doppio cieco
- Chi somministra/gestisce lo studio non sa se il trattamento è reale o placebo
- Previene bias nella risposta e/o nell'analisi

Meno bias = conclusioni causali più affidabili

I partecipanti non sono assegnati ai gruppi in modo casuale
- Si autoassegnano, spesso in base a caratteristiche preesistenti
Molte domande di ricerca non si prestano a un esperimento controllato
- Non puoi costringere qualcuno a fumare o ad avere una malattia
- Né imporre certi comportamenti passati
Si stabilisce associazione, non causalità
- Gli effetti possono essere confusi da fattori che hanno portato certe persone in controllo o trattamento
- Esistono modi per controllare i confondenti e ottenere conclusioni associative più affidabili

I partecipanti vengono seguiti nel tempo per valutare l'effetto del trattamento sulla risposta
L'effetto dell'età sull'altezza non è confuso dalla generazione
Più costoso, risultati più lenti

Introduzione alla statistica in Python