Prima di costruire modelli statistici e formulare inferenze, è essenziale consolidare le basi. Questo sito raccoglie le risorse e i materiali propedeutici al manuale Inferenza bayesiana in psicologia: Ragionare con l’incertezza, con l’obiettivo di fornire le fondamenta teoriche e operative necessarie per un’analisi dei dati rigorosa e consapevole.
Prerequisiti
Nota📚 Cosa è utile sapere prima di iniziare?
Nessun prerequisito formale. Il materiale è progettato per chi parte da zero.
✅ Non è richiesta:
esperienza di programmazione;
conoscenza di statistica avanzata;
formazione matematica oltre le operazioni di base.
✅ È richiesto solo:
interesse per i dati empirici;
disponibilità a imparare in modo attivo;
un computer con R installato (le istruzioni sono fornite).
Tempo stimato:
Fondamenti (cap. 1–4): ~6–8 ore.
R (cap. 5–11): ~15–20 ore.
EDA (cap. 12–21): ~20–25 ore.
Totale: ~40–50 ore (distribuibili in 6–8 settimane).
Collocazione nell’ecosistema didattico
Questo sito fa parte di un ecosistema integrato di materiali didattici. Il diagramma seguente ne illustra le relazioni principali.
flowchart LR EDA["<b>utet-eda</b><br/>Fondamenti + R + EDA<br/><i>Strumenti di base</i>"] PROB["<b>utet-prob</b><br/>Teoria probabilità<br/><i>Fondamenti matematici</i>"] MANUALE["<b>Manuale UTET</b><br/>Inferenza bayesiana<br/><i>Teoria</i>"] COMP["<b>utet-companion</b><br/>Stan/brms<br/><i>Implementazione</i>"] EDA -->|fornisce<br/>strumenti a| PROB EDA -->|fornisce<br/>strumenti a| COMP PROB -->|approfondisce| MANUALE PROB -->|prerequisito<br/>formale per| COMP MANUALE -->|applica<br/>con| COMP style EDA fill:#e8f5e9,stroke:#388e3c,stroke-width:3px style PROB fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px style MANUALE fill:#e3f2fd,stroke:#1976d2,stroke-width:2px style COMP fill:#ffebee,stroke:#c62828,stroke-width:2px classDef current fill:#e8f5e9,stroke:#388e3c,stroke-width:4px class EDA current
flowchart LR
EDA["<b>utet-eda</b><br/>Fondamenti + R + EDA<br/><i>Strumenti di base</i>"]
PROB["<b>utet-prob</b><br/>Teoria probabilità<br/><i>Fondamenti matematici</i>"]
MANUALE["<b>Manuale UTET</b><br/>Inferenza bayesiana<br/><i>Teoria</i>"]
COMP["<b>utet-companion</b><br/>Stan/brms<br/><i>Implementazione</i>"]
EDA -->|fornisce<br/>strumenti a| PROB
EDA -->|fornisce<br/>strumenti a| COMP
PROB -->|approfondisce| MANUALE
PROB -->|prerequisito<br/>formale per| COMP
MANUALE -->|applica<br/>con| COMP
style EDA fill:#e8f5e9,stroke:#388e3c,stroke-width:3px
style PROB fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
style MANUALE fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
style COMP fill:#ffebee,stroke:#c62828,stroke-width:2px
classDef current fill:#e8f5e9,stroke:#388e3c,stroke-width:4px
class EDA current
Consiglio🗺️ Due modalità di utilizzo
Percorso 1 · Propedeutico (consigliato a chi inizia)
utet-eda → utet-prob → Manuale → utet-companion
Si acquisiscono prima le competenze di base in R ed EDA, poi i fondamenti probabilistici e infine l’inferenza bayesiana.
Percorso 2 · Consultazione mirata (per chi ha già esperienza)
Manuale + utet-companion ⟷ utet-eda (quando necessario)
Utile per:
ripassare manipolazione dei dati (dplyr);
consultare tecniche di visualizzazione (ggplot2);
verificare workflow di pulizia ed esplorazione;
richiamare principi di EDA.
Approfondimento: vedi Come navigare l’ecosistema nel sito companion.
I tre pilastri
Il sito è organizzato in tre sezioni complementari:
Dimensione
Sezione
Domanda guida
Capitoli
Pensare
Fondamenti
Che cosa misuriamo quando quantifichiamo fenomeni psicologici? Come si struttura una ricerca valida?
1–4
Fare
R
Come implementare concretamente disegni di ricerca e analisi tramite la programmazione?
5–11
Guardare
EDA
Quali pattern e anomalie emergono dai dati prima di ogni formalizzazione statistica?
12–21
Importante🎯 Percorso consigliato
Per chi parte da zero, seguire l’ordine sequenziale: Fondamenti → R → EDA.
Ogni sezione prepara la successiva:
Fondamenti: sviluppa il pensiero metodologico;
R: fornisce gli strumenti operativi;
EDA: insegna a esplorare, diagnosticare e comunicare i dati.
Chi ha già esperienza può usare le sezioni come riferimento.
Obiettivo
L’obiettivo è sviluppare competenze metodologiche per un’analisi dei dati critica, trasparente e guidata dalla teoria.
Al termine del percorso sarai in grado di:
Fondamenti
distinguere correlazione e causalità;
riconoscere i limiti della misurazione psicologica;
progettare disegni di ricerca solidi.
R
manipolare dati con il tidyverse;
produrre visualizzazioni efficaci con ggplot2;
scrivere analisi riproducibili con Quarto.
EDA
esplorare distribuzioni e relazioni;
individuare outlier e anomalie;
valutare assunzioni statistiche;
comunicare risultati in modo chiaro.
Come usare il sito
Navigazione
Percorso sequenziale: seguire l’ordine dei capitoli.
Consultazione rapida: menu laterale e ricerca (🔍).
Riproducibilità: ogni esempio include codice R completo e dataset.
Materiali aggiuntivi
Codice sorgente: pulsante Mostra il codice in ogni pagina.
Dataset: disponibili nel repository GitHub.
Segnalazioni: usare Segnala un problema per errori o suggerimenti.
Convenzioni
Le callout indicano il ruolo dell’informazione:
Nota: chiarimenti utili ma non essenziali;
Suggerimento: buone pratiche operative;
Attenzione: errori comuni da evitare;
Importante: concetti critici.
Strumenti necessari
ConsiglioConfigurazione dell’ambiente di lavoro
Prima di iniziare la sezione R, assicurati di avere:
install.packages(c("tidyverse", # Suite completa per data science"here", # Gestione percorsi"janitor", # Pulizia dati"skimr"# Statistiche descrittive))
