Statistica L22 Pegaso — Indirizzo Bio-Sanitario

Statistica è la materia del primo anno L22 Pegaso specifica dell'indirizzo Bio-Sanitario. Sostituisce Diritto Europeo dello Sport del percorso Statutario e riflette l'orientamento più scientifico-quantitativo del curriculum Bio-Sanitario. Il programma copre la statistica applicata alle scienze motorie e della salute: come raccogliere, analizzare e interpretare dati in contesti sportivi e sanitari. Non è una materia di matematica avanzata — il focus è sull'utilizzo degli strumenti statistici, non sulla teoria formale.

Di cosa parla il programma

Il programma copre la statistica applicata con un taglio orientato alle scienze motorie e della salute. Gli argomenti principali:

• Statistica descrittiva — tipi di variabili (qualitative/quantitative, nominali/ordinali/intervallo/rapporto), distribuzioni di frequenza, rappresentazioni grafiche (istogramma, pie chart, box plot), misure di tendenza centrale (media, mediana, moda), misure di dispersione (varianza, deviazione standard, range interquartile)
• Probabilità — definizione classica e frequentista, eventi indipendenti e dipendenti, probabilità condizionale, teorema di Bayes (cenni)
• Distribuzioni di probabilità — distribuzione normale (curva a campana, proprietà, area sotto la curva), distribuzione t di Student, distribuzione chi-quadro; standardizzazione e z-score
• Statistica inferenziale — campione vs popolazione, errore standard, intervalli di confidenza, test di ipotesi (H0 e H1, errore di I e II tipo, valore p, livello di significatività α)
• Test statistici principali — test t per campioni indipendenti e appaiati, ANOVA a una via, test del chi-quadro per l'indipendenza, test non parametrici (Mann-Whitney, Wilcoxon)
• Correlazione e regressione — coefficiente di correlazione di Pearson (r) e di Spearman (ρ), regressione lineare semplice, R², interpretazione dei risultati
• Applicazioni pratiche — lettura e interpretazione di tabelle statistiche in articoli scientifici, progettazione di base di uno studio (campionamento, misurazione, analisi), uso di strumenti di calcolo (calcolatrice, fogli di calcolo)

Materia specifica del Bio-Sanitario

Statistica è presente nel piano di studi dell'indirizzo Bio-Sanitario al primo anno, al posto di Diritto Europeo dello Sport (Statutario) — stesso anno, stessi 6 CFU. Questa scelta riflette la vocazione più scientifico-quantitativa del curriculum Bio-Sanitario, orientato alla ricerca sul benessere e alla misurazione delle prestazioni fisiche e dello stato di salute.

Se sei nell'indirizzo Statutario, questa materia non è nel tuo piano di studi del primo anno: al suo posto trovi Diritto Europeo dello Sport, mentre la tua materia psicologica resta Psicologia dello Sviluppo — anche questa assente dal piano Bio-Sanitario del primo anno. Verifica sempre il tuo piano di studi sulla piattaforma, perché le materie caratterizzanti differiscono tra i due indirizzi.

Argomenti del programma da approfondire

Il programma si costruisce a strati: prima gli strumenti per descrivere un campione, poi la probabilità che permette di generalizzare da un campione a una popolazione, infine i test che traducono un'ipotesi di ricerca in una decisione statistica.

Tipi di dati e scale di misurazione

Ogni analisi statistica parte da una domanda semplice ma decisiva: che tipo di dato sto osservando? Le variabili si dividono prima in qualitative (categorie, es. sport praticato) e quantitative (numeri, es. tempo di gara), e poi in quattro scale di misurazione che ne definiscono le proprietà matematiche: nominale, ordinale, a intervalli e a rapporti. La scala non è un dettaglio tecnico — è ciò che stabilisce quali operazioni statistiche sono lecite su quei dati: calcolare la media di un piazzamento in classifica (scala ordinale) è un errore concettuale, anche se il calcolo "funziona" numericamente.

Collegamento: una volta stabilita la scala corretta di una variabile, il passo successivo è riassumerla con dei numeri che ne descrivano il centro e la variabilità — nasce così la statistica descrittiva.

Statistica descrittiva: sintetizzare i dati

Prima di confrontare gruppi o testare ipotesi, un campione va descritto. La distribuzione di frequenza conta quante volte compare ogni valore o categoria (frequenza assoluta, relativa e percentuale) ed è la base delle rappresentazioni grafiche: l'istogramma mostra come si distribuisce una variabile continua (es. i tempi sui 100 metri di un campione di atleti), il pie chart è utile per variabili categoriche con poche modalità (es. la distribuzione degli infortuni per tipologia), il box plot riassume in un colpo d'occhio mediana, quartili e valori anomali (outlier) di una distribuzione, ed è particolarmente utile per confrontare più gruppi sulla stessa variabile.

Oltre alla rappresentazione grafica, il programma richiede di calcolare e interpretare due famiglie di indici: le misure di tendenza centrale, che indicano dove si concentrano i dati, e le misure di dispersione, che indicano quanto i dati sono sparsi attorno al centro. Le due famiglie vanno sempre lette insieme: due campioni possono avere la stessa media e una variabilità completamente diversa.

Collegamento: le misure descrittive riassumono il campione che hai davanti, ma la domanda che interessa davvero a uno scienziato motorio è un'altra: le differenze osservate sono reali o dovute al caso? Per rispondere serve la probabilità.

Probabilità: i concetti di base

Il programma introduce due modi di definire la probabilità: la definizione classica (rapporto tra casi favorevoli e casi possibili, valida quando gli eventi sono equiprobabili) e la definizione frequentista (la probabilità stimata dalla frequenza relativa osservata su molte ripetizioni — è così che si stima, per esempio, la probabilità di infortunio in una data disciplina a partire dai dati storici). Il corso distingue poi eventi indipendenti (l'esito di uno non influenza l'altro, es. due lanci di moneta) da eventi dipendenti, dove la probabilità di un evento cambia in base al verificarsi di un altro: è il caso della probabilità condizionale, che descrive proprio questa situazione.

Su questa base il programma introduce, con un cenno, il teorema di Bayes: uno strumento per aggiornare la probabilità di un evento (es. la presenza di un fattore di rischio) alla luce di una nuova informazione (es. l'esito di un test di screening), combinando la probabilità iniziale con l'affidabilità del test.

Collegamento: la probabilità condizionale è il concetto-ponte verso le distribuzioni di probabilità, che descrivono come si distribuiscono tutti i possibili valori di una variabile — a partire dalla più importante di tutte per la statistica applicata: la distribuzione normale.

Le distribuzioni di probabilità

La distribuzione normale è il concetto statistico più importante del programma — quasi tutti i test parametrici si basano sull'assunzione di normalità dei dati. Le proprietà fondamentali da sapere:

• La curva è simmetrica rispetto alla media (μ)
• Il 68% dei dati cade entro ±1σ dalla media
• Il 95% dei dati cade entro ±1.96σ dalla media → base degli intervalli di confidenza al 95%
• Il 99.7% dei dati cade entro ±3σ
• Lo z-score standardizza qualsiasi misura, indipendentemente dalla sua unità originale: z = (x − μ) / σ

Accanto alla normale, il programma introduce altre distribuzioni, ciascuna legata a una situazione specifica: la t di Student si usa al posto della normale quando il campione è piccolo o la deviazione standard della popolazione è sconosciuta (è la distribuzione dietro il t-test); il chi-quadro descrive variabili categoriche ed è alla base del test di indipendenza su tabelle di contingenza; la binomiale modella il numero di successi in una serie di eventi indipendenti con due soli esiti possibili — una naturale estensione del concetto di eventi indipendenti visto nel blocco sulla probabilità.

Collegamento: conoscere queste distribuzioni è il prerequisito per il passo successivo: usarle per fare inferenza, cioè per generalizzare i risultati osservati su un campione a un'intera popolazione.

Dal campione alla popolazione: l'inferenza statistica

Quasi nessuno studio in ambito motorio-sportivo può misurare un'intera popolazione (tutti gli atleti di una disciplina, tutti gli studenti universitari): si lavora sempre su un campione, e l'inferenza statistica è l'insieme di strumenti che permette di trarre conclusioni sulla popolazione a partire da quel campione, con un margine di incertezza dichiarato. L'errore standard misura proprio questa incertezza: è la variabilità che ci si aspetterebbe tra le medie di campioni diversi estratti dalla stessa popolazione, e si riduce all'aumentare della numerosità campionaria. Su questa base si costruisce l'intervallo di confidenza: un intervallo di valori (tipicamente al 95%) che, ripetendo il campionamento molte volte, contiene il vero valore della popolazione nel 95% dei casi.

Il cuore dell'inferenza è però il test di ipotesi: si formula un'ipotesi nulla H0 (tipicamente "nessuna differenza" o "nessuna relazione") e un'ipotesi alternativa H1, si raccolgono i dati e si valuta quanto sono compatibili con H0. Il test può sbagliare in due modi opposti: rifiutare H0 quando in realtà è vera (errore di tipo I, con probabilità α, di solito fissata al 5%) oppure non rifiutarla quando è falsa (errore di tipo II, con probabilità β).

Collegamento: capito come si verifica un'ipotesi in astratto, la domanda pratica diventa: quale test scegliere, in base al tipo di dati e alla domanda di ricerca che hai davanti?

Quale test usare: guida pratica

La domanda più frequente negli esami di statistica è: "quale test applico?". La risposta dipende dal tipo di dati e dalla domanda di ricerca — non c'è una formula unica, ma un percorso di scelta che si può schematizzare.

Quando i dati non soddisfano l'assunzione di normalità, il programma prevede due alternative non parametriche: il test di Mann-Whitney sostituisce il t-test per 2 gruppi indipendenti, mentre il test di Wilcoxon (a ranghi con segno) sostituisce il t-test per campioni appaiati, quando cioè le stesse persone sono misurate due volte. Dopo un risultato ANOVA significativo, inoltre, si usano test post-hoc (es. Tukey, Bonferroni) per individuare quali coppie di gruppi differiscono davvero, senza gonfiare il rischio di errore di tipo I.

Collegamento: chi-quadro e ANOVA rispondono alla domanda "ci sono differenze/associazioni tra gruppi o categorie?". Ma spesso la domanda di ricerca è diversa: due variabili continue si muovono insieme? Per rispondere serve la correlazione.

Correlazione e regressione

La correlazione misura la forza e la direzione della relazione tra due variabili continue, senza assumere un rapporto di causa-effetto. Il coefficiente di Pearson (r) misura la relazione lineare tra due variabili continue e normalmente distribuite, e varia da -1 (relazione lineare inversa perfetta) a +1 (relazione lineare diretta perfetta), passando per 0 (nessuna relazione lineare). Il coefficiente di Spearman (ρ) è la versione non parametrica: si applica quando i dati sono ordinali o quando la relazione è monotona ma non lineare.

Quando l'obiettivo non è solo descrivere la relazione ma anche prevedere il valore di una variabile a partire dall'altra, si usa la regressione lineare semplice: si stima una retta (y = a + bx) che meglio approssima i punti osservati, dove il coefficiente angolare b indica di quanto varia la variabile dipendente (y) per ogni unità di variazione della variabile indipendente (x) — per esempio, di quanto aumenta il consumo di ossigeno per ogni watt in più di potenza erogata. Il coefficiente di determinazione R² indica quanta parte della variabilità di y è spiegata dalla retta di regressione: un R² di 0.64 significa che il 64% della variabilità osservata in y è spiegata da x, il resto dipende da altri fattori non inclusi nel modello.

Collegamento: statistica descrittiva, probabilità, test di ipotesi e correlazione sono gli strumenti del programma. Il loro valore per un futuro laureato in Scienze Motorie si misura quando si applicano a domande reali del proprio campo di lavoro.

Applicazioni alle scienze motorie e della salute

Nella pratica professionale di un laureato L22, la statistica applicata serve in almeno quattro ambiti concreti — ed è qui che gli strumenti visti nei blocchi precedenti smettono di essere esercizi astratti e diventano decisioni operative:

• Valutazione della prestazione — confrontare le prestazioni di un atleta prima e dopo un programma di allenamento con il test t per campioni appaiati, oppure confrontare più protocolli di allenamento tra loro con l'ANOVA, per capire non solo se un protocollo funziona ma se funziona meglio di un altro
• Lettura della letteratura scientifica — interpretare i risultati di studi (medie ± deviazione standard, valori p, intervalli di confidenza, R²) negli articoli scientifici di fisiologia dell'esercizio e medicina dello sport, distinguendo un risultato statisticamente significativo da un effetto realmente rilevante nella pratica
• Ricerca applicata — progettare un protocollo di misurazione (es. un test del VO₂max su un campione di atleti) scegliendo la dimensione del campione, lo strumento di misura e il test statistico appropriato al disegno di studio, prima ancora di raccogliere i dati
• Nutrizione e composizione corporea — analizzare dati su composizione corporea e apporti nutrizionali, e correlare queste variabili con indicatori di prestazione o di salute, tenendo presente che una correlazione, per quanto forte, non dimostra da sola un rapporto di causa-effetto

Questi quattro ambiti condividono lo stesso schema di ragionamento visto in tutta la sezione: definire il tipo di dato, scegliere lo strumento statistico coerente con la domanda di ricerca, e interpretare il risultato senza confondere significatività statistica e rilevanza pratica. È lo stesso schema che torna utile anche fuori dall'esame, ogni volta che ci si confronta con un dato quantitativo in ambito sportivo o sanitario.

Metodo di studio consigliato dai colleghi

• La calcolatrice è di solito consentita — verifica sulla bacheca prima dell'esame. Gli studenti L22 Bio-Sanitario confermano nei gruppi che la calcolatrice è consentita nella prova intermedia. Avere foglio, penna e calcolatrice a disposizione è parte della preparazione — verifica questa informazione sulla bacheca del tuo codice materia prima dell'esame, poiché le modalità possono variare.
• Segui la sequenza: descrittiva → probabilità → inferenza → test → correlazione. Ogni blocco si appoggia sul precedente — saltare la statistica descrittiva per andare dritti ai test di ipotesi rende molto più difficile capire perché si sceglie un test piuttosto che un altro.
• Comprensione teorica e calcolo vanno esercitati insieme. Esercitarsi sui calcoli (media, deviazione standard, z-score, r di Pearson) consolida la comprensione dei concetti, e capire la teoria rende i calcoli più significativi — non sono due fasi separate.
• La distribuzione normale è il cardine. Capire bene la curva normale — proprietà, z-score, area sotto la curva — permette di comprendere quasi tutti i test statistici successivi, perché quasi tutti ne dipendono in qualche forma.
• Usa lo schema "quale test usare" come mappa, non come formula da imparare a memoria. Riconoscere il tipo di dati e la domanda di ricerca di un esercizio è più utile che memorizzare una tabella di corrispondenze.

Domande dalla community

Le domande più frequenti che gli studenti L22 Bio-Sanitario si pongono preparando Statistica:

La calcolatrice è permessa all'esame?

Chi ha già sostenuto l'esame indica che la calcolatrice è di norma consentita — ma le modalità esatte vanno verificate nella bacheca del proprio codice materia prima di ogni prova. Le istruzioni ufficiali sono quelle vincolanti.

Cos'è esattamente il p-value?

Il p-value è la probabilità di osservare i dati ottenuti (o dati ancora più estremi) assumendo che l'ipotesi nulla H₀ sia vera. Se p < α (solitamente 0.05), si rifiuta H₀: la probabilità di vedere questi dati per caso è troppo bassa. Attenzione: p < 0.05 non significa "la differenza è grande" — significa "è statisticamente significativa" (l'effetto potrebbe comunque essere minimo).

Devo calcolare tutto a mano o ci sono formule da memorizzare?

Il programma richiede di conoscere le formule principali (media, deviazione standard, z-score, r di Pearson) e saper applicarle. Non è richiesta la derivazione teorica — l'obiettivo è capire cosa si calcola e perché, non padroneggiare la matematica avanzata.

Qual è la differenza pratica tra Mann-Whitney e Wilcoxon?

Entrambi sono alternative non parametriche al t-test, ma per disegni diversi: Mann-Whitney si usa con due gruppi indipendenti (es. allenati vs non allenati), Wilcoxon con misure ripetute sulle stesse persone (es. prima/dopo un allenamento). La domanda da porsi è la stessa del t-test: sono le stesse persone misurate due volte, o due gruppi diversi?

Come funziona l'esame

Come tutti gli esami Pegaso, Mercatorum e San Raffaele dal 2026: prova intermedia online (Lockdown Browser, da casa) seguita da prova finale obbligatoria in presenza per verbalizzare il voto definitivo.

Quanto tempo serve

Con 6 CFU il programma è contenuto. Gli studenti Bio-Sanitario nei gruppi L22 segnalano 3-4 settimane come tempo sufficiente: le prime due per statistica descrittiva, probabilità e distribuzioni, le ultime per inferenza, scelta del test e correlazione/regressione. Chi ha già studiato statistica in precedenza (es. diploma tecnico o scientifico) può ridurre il tempo.

Questa materia ti prepara a…

• Metodologie per la Ricerca Applicate alle Scienze Motorie (3° anno) — la statistica è il linguaggio della ricerca scientifica; senza di essa non è possibile leggere né produrre studi in ambito motorio-sportivo
• Nutrizione Clinica e Dietetica Applicata allo Sport (3° anno, Bio-Sanitario) — l'analisi dei dati nutrizionali e di composizione corporea richiede gli stessi strumenti statistici visti in questa materia
• Teorie e Metodologie dell'Allenamento (2° anno) — confrontare protocolli di allenamento diversi e interpretare i dati di carico e prestazione si basa sugli stessi strumenti di confronto tra gruppi
• Metodologia della Valutazione Motoria — l'interpretazione di test e protocolli di valutazione motoria (percentili, punteggi standardizzati, deviazioni standard) usa direttamente gli strumenti di questa materia

Domande frequenti

Quanti CFU vale Statistica L22 Pegaso indirizzo Bio-Sanitario?

6 CFU nel piano 2025/2026 (cod. 0502506SECSS01NM), unico codice esistente per questa materia. Verifica il codice assegnato sulla piattaforma Pegaso nella sezione piano di studi.

Statistica L22 è uguale per entrambi gli indirizzi?

No. Statistica è una materia specifica del primo anno dell'indirizzo Bio-Sanitario, al posto di Diritto Europeo dello Sport (Statutario) — stesso anno, stessi CFU. L'indirizzo Statutario ha invece Psicologia dello Sviluppo e Diritto Europeo dello Sport al primo anno. Verifica sempre il tuo piano di studi sulla piattaforma.

Statistica L22 è difficile?

Con 6 CFU e un programma focalizzato sulla statistica applicata (non sulla teoria matematica avanzata), la materia è accessibile anche senza un background quantitativo solido. Le parti che richiedono più studio sono le distribuzioni di probabilità e i test di ipotesi — il resto è calcolo descrittivo abbastanza diretto.

Da dove si studia Statistica L22 a Pegaso?

Le videolezioni e le dispense del corso sulla piattaforma sono il riferimento principale. Per la parte dei calcoli, esercitarsi su esempi pratici — specialmente media, deviazione standard, correlazione e test t — è più utile della sola lettura teorica. Nel gruppo WhatsApp trovi materiali condivisi da chi ha già sostenuto l'esame.

Come funziona l'esame nel 2026?

Come tutti gli esami Pegaso, Mercatorum e San Raffaele dal 2026: prova intermedia online seguita da prova finale obbligatoria in presenza. Per domande, soglie e sessioni aggiornate consulta la guida completa su come funzionano gli esami Pegaso.

Quando si usa il test t invece dell'ANOVA?

Il test t confronta due gruppi (es. allenati vs non allenati). L'ANOVA a una via si usa quando i gruppi da confrontare sono tre o più (es. tre protocolli di allenamento). Usare il t-test ripetutamente su più coppie aumenta il rischio di errore di tipo I — è per questo che esiste l'ANOVA. Dopo un risultato ANOVA significativo, si usano test post-hoc (es. Tukey, Bonferroni) per capire quali coppie di gruppi differiscono davvero.

Quando si usa la correlazione di Pearson e quando quella di Spearman?

La correlazione di Pearson (r) si usa quando entrambe le variabili sono continue e distribuite normalmente (es. altezza e VO₂max). La correlazione di Spearman (ρ) si usa quando i dati sono su scala ordinale oppure non soddisfano l'assunzione di normalità — è la versione non parametrica di Pearson.