ESERCITAZIONE A. Analisi di dati sperimentali PARTE 1: INFERENZA
|
|
- Giulio Di Gregorio
- 5 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Padova Facoltà di Scienze MM.FF.NN. Corso di Laurea Magistrale: Biologia Sanitaria Insegnamento: Statistica Applicata Docente: Prof.ssa Alessandra R. Brazzale Esercitatore: Dott.ssa Giuliana Cortese Materiale del corso: ESERCITAZIONE A Analisi di dati sperimentali PARTE : INFERENZA Metodi: Indici di posizione, indici di variabilità, istogramma, boxplot, Q-Q plot, test di normalità, test t, ANOVA, confronti multipli, test di omogeneità delle varianze diagramma di interazione, test non parametrici, tabelle di contingenza, diagramma a barre, test X, calcoli di potenza Programmi: R ( cran.r-project.org), in combinazione con R Commander ( Dati: sleep[datasets], chemio.txt, anorexia[mass], melanoma[boot], nodal[boot], birthwt[mass] CONSEGNARE UNA RELAZIONE CONTENENTE: Risposte, esaurienti ma sintetiche, per i successivi punti a 6 (max. 3 facciate).
2 QUESITI:. In riferimento all'insieme di dati melanoma[boot] si vuole valutare se lo spessore della massa tumorale (thickness) varia in funzione della presenza di ulcerazioni (ulcer). La Figura seguente riporta il diagramma quantile-quantile della variabile d'interesse e i diagrammi a scatola con baffi per i due gruppi. In R sono state effettuate le seguenti analisi statistiche: Shapiro-Wilk normality test data: melanoma$thickness W =.768, p-value <.e-6 F test to compare two variances data: melanoma$thickness by melanoma$ulcer F =.46, num df = 4, denom df = 89, p-value =.85 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: sample estimates: ratio of variances.467 Welch Two Sample t-test data: melanoma$thickness by melanoma$ulcer t = , df = , p-value =.4e-9 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: sample estimates: mean in group mean in group a) b) c) Commentare le due figure. Descrivere, per ognuna delle tre analisi, quale sia l'obiettivo della verifica d'ipotesi ed i risultati ottenuti. Commentare la validità e la coerenza dell'analisi complessiva (analisi grafica & verifica d'ipotesi).
3 . Un laboratorio di ricerca ha sviluppato un nuovo test diagnostico per misurare la concentrazione sanguigna di un particolare enzima, indicatore di una particolare forma tumorale. Per valutare la validità di questa nuova procedura nella diagnosi del tumore, il test è stato somministrato ad un gruppo di soggetti ed i risultati confrontati con quelli ottenuti da un esame anatomo-patologico. I soggetti sono stati suddivisi in quattro gruppi in base al valore di soglia utilizzato per identificare un risultato come positivo. I dati sono riportati nella tabella seguente. Soglia Test diagnostico Esame anatomo-patologico No. di pazienti 4 IU IU IU 8 IU a) b) c) 3. Calcolare la sensibilità e la specificità del test diagnostico per ognuno dei quattro gruppi. Utilizzare i risultati di cui al punto precedente per traccare (approssimativamente) la curva ROC. Commentare il grafico ottenuto al punto precedente.d In uno studio volto a migliorare l'efficienza di un Pronto Soccorso sono state provate per alcuni giorni tre differenti organizzazioni del lavoro (dette A, B e C) rilevando, per ciascuna organizzazione e per ciascuno dei 3 dipendenti, il numero di pazienti visitati. La Figura seguente mostra i diagrammi a scatola con baffi costruiti con i dati rilevati. a) b) Commentare la figura. In particolare, quale delle tre organizzazioni sembra la migliore? Calcolare (approssimativamente dal grafico) un indice di posizione e un indice di variabilità per ogni organizzazione del lavoro.
4 4. La Figura seguente riporta l'andamento della funzione di potenza del test t per dati appaiati in funzione della numerosità campionaria e dell'effetto minimo che si vuole individuare. Il livello di significatività è α =.5. a) b) c) d) 5. Qual è la numerosità campionaria necessaria per individuare un effetto minimo di.5 avendo fissatto la potenza a, rispettivamente, -β =.85 e -β =.95? Qual è l'effetto minimo individuabile con n = 3 osservazioni e potenza pari a -β =.9? Qual è (approssimativamente) la potenza del test applicato a n = 5 osservazioni con l'obiettivo di individuare un effetto minimo di.7? Come cambia il valore della potenza se il numero di osservazioni cresce a n =? La seguente tabella classifica 89 bambini in base al loro peso alla nascita e il fatto che la madre fumi o meno. peso fumatrice a) b) >.5 kg <.5 kg no 86 9 sì 44 3 Rappresentare graficamente i dati. Per verificare se una madre fumatrice sia soggetta ad un maggiore rischio di dare alla luce un bambino sottopeso, si è utilizzato il test X di Pearson. Commentare il seguente output di R. Pearson's Chi-squared test data:.table X-squared = 4.937, df =, p-value =.649
5 6. L'insieme di dati birthwt contiene oltre alle variabili low (=normopeso, =sottopeso) e smoke (=non fumatrice, =fumatrice), considerate al punto precedente, anche le seguenti variabili: - age - lwt - race - ptl - ht - ui - ftv - bwt a) low :3 : 59 b) : età della madre al concepimento (in anni) : peso della madre prima del concepimento (in libbre) : etnia (=bianca, =afroamericana, 3=altro) : numero di parti prematuri precedenti : indicatore per la presenza di problemi di ipertensione durante la gravidanza (=no, =sì) : presenza di irritabilità uterina durante la gravidanza (=no, =sì) : numero di visite di controllo durante il primo trimestre : peso del bambino alla nascita (in grammi). Commentare il seguente riassunto fornito da R. age :4. st Qu.:9. Median :3. :3.4 3rd Qu.:6. :45. lwt : 8. st Qu.:. Median :. :9.8 3rd Qu.:4. :5. race :96 :6 3:67 smoke :5 : 74 ptl :59 : 4 : 5 3: ht :77 : ui :6 : 8 ftv : : 47 : 3 3: 7 4: 4 6: bwt :79 st Qu.:44 Median :977 :945 3rd Qu.:3487 :499 Allo scopo di valutare se il gruppo etnico di appartenenza della madre spieghi parte della variabilità, si è effettuato la seguente analisi in R: Analysis of Variance Table Response: bwt Df Sum Sq Sq F value Pr(>F) race ** Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' che è completata dal grafico in basso. La congettura è confermata? Vi sono differenze tra le tre etnie? Motivare la risposta.
6 c) Allo scopo di individuare i potenziali fattori di rischio per la nascita di un bambino sottopeso, è stata effettuata l'analisi seguente: Anova Table (Type II tests) Response: bwt Sum Sq Df F value Pr(>F) race *** smoke *** ht * ui e-5 *** Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' Commentare i risultati. d) Al fine di valutare la possibile presenza di interazioni tra le variabili esplicative considerate al punto precedente, si è tracciato il diagramma ad interazione per tutte le possibili combinazioni. Commentare quanto ottenuto. e) L'analisi delineata dai punti a) a d) è completa? Si sarebbe potuto/dovuto considere altre rappresentazion grafiche e/o altri test statistici? Motivare la risposta.
7 VADEMECUM:. Riassunti numerici e grafici Dati: esperimento clinico controllato (clinical trial) sull'efficacia di un sonnifero sleep[datasets] osservazione gruppo extra sonno (h) osservazione gruppo extra sonno (h) Help Help on active data set (if available) Data Data in packages Read data set from an attached package Statistics Summaries Active data set extra :-.6 st Qu.:-.5 Median :.95 :.54 3rd Qu.: 3.4 : 5.5 group : : Graphs Histogram
8 Graphs Boxplot Graphs Save graph to file as Statistics Summaries Numerical summaries mean sd % 5% 5% 75% % n Test di normalità Graphs Quantile-comparison plot
9 Statistics Summaries Shapiro-Wilk test of normality Shapiro-Wilk normality test data: sleep$extra W =.958, p-value = Test t ad un campione sleep[datasets] Dati: esperimento clinico controllato sull'efficacia di un sonnifero osservazione gruppo extra sonno (h) osservazione gruppo extra sonno (h) Statistics s Single-sample t-test One Sample t-test data: sleep$extra t =.357, df = 9, p-value =.76 alternative hypothesis: true mean is not equal to 95 percent confidence interval: sample estimates: mean of x.75 (sleep, alternativa bilaterale) Statistics s Single-sample t-test One Sample t-test data: sleep$extra t =.357, df = 9, p-value =.88 alternative hypothesis: true mean is greater than 95 percent confidence interval: Inf sample estimates: mean of x.75 (sleep, alternativa unilaterale)
10 Statistics s Single-sample t-test One Sample t-test data: sleep$extra t = , df = 9, p-value =.538 alternative hypothesis: true mean is greater than 95 percent confidence interval: Inf sample estimates: mean of x.33 (sleep, alternativa unilaterale) 4. Test t a due campioni (& test di omogeneità delle varianze) sleep[datasets] Dati: esperimento clinico controllato sull'efficacia di un sonnifero osservazione gruppo extra sonno (h) osservazione gruppo extra sonno (h) Graphs Boxplot
11 Statistics Variances Two-variances F-test F test to compare two variances data: extra by group F =.7983, num df = 9, denom df = 9, p-value =.747 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: sample estimates: ratio of variances Graphs Plot of means Statistics s Independent samples t-test Two Sample t-test data: extra by group t = -.868, df = 8, p-value =.799 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: sample estimates: mean in group mean in group (alternativa bilaterale)
12 Statistics s Independent samples t-test Two Sample t-test data: extra by group t = -.868, df = 8, p-value =.3959 alternative hypothesis: true difference in means is less than 95 percent confidence interval: -Inf -.76 sample estimates: mean in group mean in group (alternativa unilaterale) Statistics s Independent samples t-test Welch Two Sample t-test data: extra by group t = -.868, df = 7.776, p-value =.397 alternative hypothesis: true difference in means is less than 95 percent confidence interval: -Inf sample estimates: mean in group mean in group (alternativa unilaterale, varianze non omogenee) 5. Test t per dati appaiati Dati: esperimento clinico controllato sull'efficacia di un trattamento chemioterapico di 6 cicli chemio.txt massa tumorale prima dopo Data Import data from text file, clipboard, or URL Statistics Summaries Active data set prima : 8.45 st Qu.: 8.85 Median : : rd Qu.:.8 :.33 dopo : 5.4 st Qu.: 6.35 Median : 7.85 : 7.5 3rd Qu.: 8.73 :.
13 Statistics Summaries Numerical summaries mean sd % 5% 5% 75% % n dopo prima Graphs Histogram Graphs Boxplot
14 Graphs Quantile-comparison plot Statistics s Paired t-test Paired t-test data: chemio$prima and chemio$dopo t = , df = 9, p-value =. alternative hypothesis: true difference in means is greater than 95 percent confidence interval:.5534 Inf sample estimates: mean of the differences.49 Data Manage variables in active data set Compute new variable (-> effetto) Statistics Summaries Numerical summaries mean sd % 5% 5% 75% % n Statistics s Single-sample t-test One Sample t-test data: chemio$effetto t = , df = 9, p-value =. alternative hypothesis: true mean is greater than 95 percent confidence interval:.5534 Inf sample estimates: mean of x.49
15 6. Analisi della varianza ad una via Dati: esperimento clinico controllato sull'efficacia di due trattamenti dell'anoressia anorexia[mass] trattamento prima dopo trattamento prima dopo trattamento prima dopo Help Help on active data set (if available) Tools Load package(s) Data Data in packages Read data set from an attached package
16 Statistics Summaries Active data set Treat :9 :6 :7 Prewt :7. st Qu.:79.6 Median :8.3 :8.4 3rd Qu.:86. :94.9 Postwt : 7.3 st Qu.: Median : 84.5 : rd Qu.: 9.55 :3.6 Statistics Summaries Numerical summaries Variable: Postwt mean sd % 5% 5% 75% % n Variable: Prewt mean sd % 5% 5% 75% % n Data Manage variables in active data set Compute new variable (-> effetto) Graphs Plot of means
17 Graphs Boxplot Statistics Variances Bartlett's test Bartlett test of homogeneity of variances data: effetto by Treat Bartlett's K-squared =.343, df =, p-value =.8589 Statistics s One-way ANOVA (& pairwise comparisons of means) Analysis of Variance Table Response: effetto Df Sum Sq Sq F value Pr(>F) Treat ** Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' # means # std. deviations # counts 9 6 7
18 Simultaneous Confidence Intervals Multiple Comparisons of s: Tukey rasts Fit: lm(formula = effetto ~ Treat, data = anorexia) Estimated Quantile = % family-wise confidence level Linear Hypotheses: Estimate lwr upr - == == == Data Manage variables in active data set Reorder factor levels
19 Graphs Plot of means Statistics s One-way ANOVA (& pairwise comparisons of means) Analysis of Variance Table Response: effetto Df Sum Sq Sq F value Pr(>F) Treat ** Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' # means # std. deviations # counts 6 9 7
20 Simultaneous Confidence Intervals Multiple Comparisons of s: Tukey rasts Fit: lm(formula = effetto ~ Treat, data = anorexia) Estimated Quantile = % family-wise confidence level Linear Hypotheses: Estimate lwr upr - == == ==
21 7. Analisi della varianza a più vie Dati: studio sulla sopravvivenza di pazienti affetti da melanoma maligno (Danimarca, ) melanoma[boot] no. oss. time status sex age year thickness ulcer Help Help on active data set (if available) Tools Load package(s) Data Data in packages Read data set from an attached package Statistics Summaries Active data set time : st Qu.:55 Median :5 :53 3rd Qu.:34 :5565 thickness :. st Qu.:.97 Median :.94 :.9 3rd Qu.: 3.56 :7.4 status :. st Qu.:. Median :. :.79 3rd Qu.:. :3. ulcer :. st Qu.:. Median :. :.439 3rd Qu.:. :. sex :. st Qu.:. Median :. : rd Qu.:. :. age : 4. st Qu.:4. Median :54. :5.46 3rd Qu.:65. :95. year :96 st Qu.:968 Median :97 :97 3rd Qu.:97 :977 Data Manage variables in active data set Convert numeric variables to factors (status, sex, year, ulcer) Statistics Summaries Active data set time : st Qu.:55 Median :5 :53 3rd Qu.:34 :5565 status deceduto: 57 vivo :34 altro : 4 sex F:6 M: 79 age : 4. st Qu.:4. Median :54. :5.46 3rd Qu.:65. :95. year 97 :4 973 :3 97 :7 968 : 969 : 967 : (Other):44 thickness :. st Qu.:.97 Median :.94 :.9 3rd Qu.: 3.56 :7.4 ulcer assente :5 presente: 9
22 Graphs Histogram Graphs Boxplot Data Manage variables in active data set Bin numeric variable (--> nage, nthickness) Statistics Summaries Numerical summaries (3.9,.] (.,4.4] (4.4,58.6] (58.6,76.9] (76.9,95.] mean sd % % % % % n Statistics Summaries Numerical summaries [.,.8] (.8,.9] (.9,.94] (.94,3.] (3.,4.84] (4.84,7.4] mean sd % % % 75% % n
23 > Anova( lm( time ~ sex nage nthickness ulcer, data = melanoma ) ) Anova Table (Type II tests) Response: time Sum Sq Df F value Pr(>F) sex nage * nthickness ulcer * Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' > attach(melanoma) ; interaction.plot( nage, ulcer, time ) > detach(melanoma) Statistics s Multi-way ANOVA Anova Table (Type II tests) Response: time Sum Sq Df F value Pr(>F) nage * ulcer *** nage:ulcer Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' '
24 # means ulcer assente nage (3.9,.] (.,4.4] (4.4,58.6] (58.6,76.9] (76.9,95.] presente # std. deviations ulcer nage assente presente (3.9,.] (.,4.4] (4.4,58.6] (58.6,76.9] (76.9,95.] # counts ulcer nage assente presente (3.9,.] 6 5 (.,4.4] 5 (4.4,58.6] (58.6,76.9] 33 3 (76.9,95.] Test non parametrici 8. Test di Kruskal-Wallis (~ ANOVA ad una via) Dati: esperimento clinico controllato sull'efficacia di due trattamenti dell'anoressia anorexia[mass] trattamento prima dopo trattamento prima dopo trattamento prima dopo
25 Statistics Nonparametric tests Kruskal-Wallis test # medians Kruskal-Wallis rank sum test data: effetto by Treat Kruskal-Wallis chi-squared = 9.475, df =, p-value =.85 Statistics s One-way ANOVA Analysis of Variance Table Response: effetto Df Sum Sq Sq F value Pr(>F) Treat ** Residuals Signif. codes: '***'. '**'. '*'.5 '.'. ' ' # means Statistics Variances Levene's test Levene's Test for Homogeneity of Variance Df F value Pr(>F) group Statistics Variances Bartlett's test Bartlett test of homogeneity of variances data: effetto by Treat Bartlett's K-squared =.343, df =, p-value = Test di Wilcoxon (o test di Mann e Whitney) (~ test t a due campioni) sleep[datasets] Dati: esperimento clinico controllato sull'efficacia di un sonnifero osservazione gruppo extra sonno (h) osservazione gruppo extra sonno (h)
26 Statistics Nonparametric tests Two-sample Wilcoxon test # medians Wilcoxon rank sum test with continuity correction data: extra by group W = 5.5, p-value =.3466 alternative hypothesis: true location shift is less than Statistics s Independent samples t-test Two Sample t-test data: extra by group t = -.868, df = 8, p-value =.3959 alternative hypothesis: true difference in means is less than 95 percent confidence interval: -Inf -.76 sample estimates: mean in group mean in group Test di Wilcoxon (~ test t per dati appaiati) Dati: esperimento clinico controllato sull'efficacia di un trattamento chemioterapico di 6 cicli chemio.txt massa tumorale prima dopo Statistics Nonparametric tests Paired-samples Wilcoxon test # median difference [] -.37 Wilcoxon signed rank test with continuity correction data: chemio$prima and chemio$dopo V = 53.5, p-value =.4649 alternative hypothesis: true location shift is greater than
27 Statistics s Paired t-test Paired t-test data: chemio$prima and chemio$dopo t = , df = 9, p-value =. alternative hypothesis: true difference in means is greater than 95 percent confidence interval:.5534 Inf sample estimates: mean of the differences Tabelle di contingenza Dati: individuazione di fattori prognostici della gravità di un tumore alla prostata nodal[boot] no. oss. m r aged stage grade xray acid Help Help on active data set (if available) Tools Load package(s) Data Data in packages Read data set from an attached package Data Manage variables in active data set Compute new variable (-> TreSu4) Data Manage variables in active data set Convert numeric variables to factors (tutte le variabili) Statistics Summaries Active data set m :53 r non coinvolti:33 coinvolti : xray acid non grave:37 basso:3 grave :6 alto :3 aged giovane:9 anziano:4 TreSu4 non grave:4 grave :3 stage non grave:6 grave :7 grade non grave:3 grave :
28 >.Table <- xtabs( ~ stage r, data = nodal ) > barplot(.table, beside = TRUE, legend = TRUE, main = "stage" ) > rm(.table ) Statistics ingency tables Two-way table r grade non coinvolti coinvolti non grave 4 8 grave 9 Pearson's Chi-squared test data:.table X-squared = , df =, p-value =.8 Statistics ingency tables Two-way table r xray non coinvolti coinvolti non grave 8 9 grave 5 Pearson's Chi-squared test data:.table X-squared = 9.386, df =, p-value =.9
29 Statistics ingency tables Two-way table TreSu4 non grave grave r non coinvolti coinvolti 3 9 Pearson's Chi-squared test data:.table X-squared = 6.4, df =, p-value = 5.97e-5 sensibilità = / =.55 specificità = 3/33 =.94
30 . Come leggere un diagramma a scatola con baffi (boxplot)
31 . Come leggere un diagramma quantile-quantile (Q-Q plot)
ESERCITAZIONE A. Analisi di dati sperimentali PARTE 1: INFERENZA
Università degli Studi di Padova Facoltà di Scienze MM.FF.NN. Corso di Laurea Magistrale: Biologia Sanitaria/Biologia Molecolare Insegnamento: Statistica Applicata Docente: Prof.ssa Alessandra R. Brazzale
DettagliMETTIAMOCI ALLA PROVA! TEST STATISTICI QUESITI: Laboratorio in R A.A
QUESITI: Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea Magistrale a ciclo unico: Medicina e Chirurgia Insegnamento: Statistica Docente: Prof.ssa Alessandra R. Brazzale
DettagliESERCITAZIONE C. Analisi di dati sperimentali PARTE 3: REGRESIONE
Università degli Studi di Padova Facoltà di Scienze MM.FF.NN. Corso di Laurea Magistrale: Biologia Sanitaria/Biologia Molecolare Insegnamento: Statistica Applicata Docente: Prof.ssa Alessandra R. Brazzale
DettagliANOVA 2. Monica Marabelli. 15 Gennaio 2016
ANOVA 2 Monica Marabelli 15 Gennaio 2016 ANOVA a una via Nella scorsa esercitazione abbiamo visto che nell Analisi della Varianza (ANOVA) si considerano le medie di una variabile dipendente (quantitativa)
DettagliANOVA 2. Silvia Parolo. January 16, 2015
ANOVA 2 Silvia Parolo January 16, 2015 Verifica degli assunti normalità dei residui entro gruppi omoschedasticità dei residui entro gruppi indipendenza dei residui entro gruppi Esempio è stato condotto
DettagliLABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE
LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE 5.1 ESEMPIO DI ANOVA AD UNA VIA In un esperimento un gruppo di bambini è stato assegnato a caso a 3 trattamenti, allo scopo di determinare
DettagliFallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018
Fallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018 Fallstudium 3 - Soluzioni Considerando i dati di misurazione della concentrazione di carbamazepina 1 nel sangue determinata con due apparecchi
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 27 Febbraio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi;
DettagliProva scritta di Affidabilità dei sistemi e controllo statistico di qualità
Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 18 Febbraio 2016 1. La probabilità di errore nella trasmissione di una cifra binaria attraverso un certo canale di comunicazione
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliMetodi statistici per la ricerca sociale Confronto tra Due Gruppi in
Metodi statistici per la ricerca sociale Confronto tra Due Gruppi in Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica 8 VERIFICA DI IPOTESI LA VERIFICA DI IPOTESI Una delle applicazioni
DettagliTest d ipotesi sulla media
Test d ipotesi sulla media Silvia Parolo 12 December 2014 Riassumendo l esercitazione precedente Nella lezione precedente abbiamo visto che la media campionaria può essere un buon stimatore del valore
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
Dettaglinumber of successes, or a vector of length 2 giving the numbers of successes and failures, respectively.
Quesito 1. Under (the assumption of) simple Mendelian inheritance, a cross between plants of two particular genotypes produces progeny 1/4 of which are dwarf and 3/4 of which are giant, respectively. In
DettagliUniversità del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in
DettagliUniversità di Padova
Università di Padova Dipartimento di Tecnica e Gestione dei sistemi industriali Corso di Laurea Specialistica in Ingegneria Civile Elaborato di analisi statistica a.a. 5-6 Prof. L. Salmaso Dott. L. Corain
DettagliStrumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS
Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 14 Giugno 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
Dettagli1. Esistono differenze nella resistenza tra le varie marche?
Laboratorio 10 Analisi della varianza 10.1 Analisi del dataset STURDY.DAT I dati riportati nel file sturdy.dat si riferiscono ad un esperimento effettuato per studiare la resistenza allo strappo di diverse
DettagliSommario TEST SU DISTRIBUZIONI NORMALI. Materiale integrativo relativo al corso di Statistica
Sommario TEST SU DISTRIBUZIONI NORMALI Materiale integrativo relativo al corso di Statistica 2.1 Analisi del dataset FRUITFLY.DAT......................... 3 2.1.1 Confronto fra (RS, SS) e NS.........................
DettagliAPPLICAZIONI. Analisi della varianza ad un fattore
Douglas C. Montgomery Controllo statistico della qualità /ed 6 McGraw-Hill APPLICAZIONI Analisi della varianza ad un fattore Insegnamento: Metodi ed Applicazioni Statistiche Corso di Laurea Specialistica
DettagliUso elementare di R in Statistica G. Marchetti
Uso elementare di R in Statistica G. Marchetti Lezione 1 Introduzione R è un ambiente statistico di pubblico dominio. Il software è libero e può essere scaricato dal sito https: //cran.r-project.org/.
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 16 Gennaio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliPROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014
PROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014 1. Le funzioni di perdita sono di tipo NB stocastico. Il coefficiente K è 1,8 ottenuto dal costo previsto per la
DettagliLa questione dei Multiple Comparisons
La questione dei Multiple Comparisons Massimo Borelli May 7, 2014 Massimo Borelli () La questione dei Multiple Comparisons May 7, 2014 1 / 27 Contenuti 1 Un errore tanto grave quanto frequente 2 i vantaggi
DettagliEsercizio 1 GRAFICO 1. X e Y sono indipendenti. X e Y non sono correlate. La correlazione tra X e Y è <1. X e Y sono perfettamente correlate
Esercizio 1 Osservare il grafico 1 riportato in figura che mette in relazione una variabile dipendente Y ed una variabile indipendente X e rispondere alle seguenti domande. 400 300 200 GRAFICO 1 100 0
DettagliEsercizi di ripasso. Monica Marabelli. 22 Gennaio 2016
Esercizi di ripasso Monica Marabelli 22 Gennaio 2016 Esercizio 1 Tre diverse diete sono state testate per valutare la loro efficacia nel determinare una diminuzione di peso. Verifica se almeno una delle
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliStatistiche di sintesi
Esercizio 2 E stato condotto uno studio per valutare la variazione della pressione sistolica in funzione dell etá. I dati sono riportati nel file sbp.xls. Effettua un analisi di regressione e disegna gli
DettagliTest delle ipotesi statistiche
indice di posizione indici di variabilità principali var statistiche verifica di ipotesi introduzione (come si costruisce un test) test parametrici e non parametrici regressione? Test delle ipotesi statistiche
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliANOVA a un fattore between in R
ANOVA a un fattore between in R Il file Excel Il file sinburn.xlsx contiene i dati dello studio sulla sindrome da burnout in quindici infermieri ospedalieri di tre diversi reparti. Importare dati in R
DettagliAnalisi grafica residui in R. Da output grafico analisi regressionelm1.csv Vedi dispensa. peso-statura
Analisi grafica residui in R Da output grafico analisi regressionelm1.csv Vedi dispensa peso-statura 1) Il plot in alto a sinistra mostra gli errori residui contro i loro valori stimati. I residui devono
DettagliAnalisi della varianza
Capitolo 4 Analisi della varianza 4.1 ANOVA La procedura per eseguire una ANOVA passa attraverso il fit del modello lineare corrispondente. 4.2 ANOVA a una via In questo caso, che è il più semplice, si
DettagliUniversità del Piemonte Orientale. Corso di laurea specialistica in biotecnologie mediche. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea specialistica in biotecnologie mediche Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale
Dettagli9 Confronto fra due o più popolazioni attraverso test non parametrici
9 Confronto fra due o più popolazioni attraverso test non parametrici I test non parametrici prescindono per la loro validità dalle condizioni di normalità ed omogeneità delle varianze delle popolazioni
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliStatistica Applicata prof. Federico Plazzi
Statistica Applicata prof. Federico Plazzi Corso di Laurea in Scienze Naturali a. a. 2015/2016 PROVA DEL 25 GENNAIO 2016 Nome: Cognome: ALCUNE INDICAZIONI: La prova consiste in cinque esercizi; dopo ogni
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliProva scritta di Affidabilità dei sistemi e Controllo statistico di qualità. 11 Giugno 2014
Prova scritta di Affidabilità dei sistemi e Controllo statistico di qualità 11 Giugno 2014 1. Supponiamo che un sistema sia formato da 3 blocchi connessi in parallelo. Il tempo di vita del sistema A è
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliTest d ipotesi sulla media
Test d ipotesi sulla media Monica Marabelli 4 Dicembre 2015 Riassumendo l esercitazione precedente Nella lezione precedente abbiamo visto che la media campionaria puó essere un buon stimatore del valore
Dettagliintroduzione ai test di significatività
introduzione ai test di significatività l esperimento del tea tasting R. Fisher 8 tazze di te 4 preparate versando il latte prima 4 preparate versando il latte dopo variabile dipendente: numero di successi
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
DettagliAnalisi della varianza a due fattori
Laboratorio 11 Analisi della varianza a due fattori 11.1 Analisi del dataset PENICILLIN.DAT I dati contenuti nel file penicillin.dat, si riferiscono ad un esperimento di produzione di penicillina tendente
DettagliTest d ipotesi - continuazione
Test d ipotesi - continuazione Monica Marabelli 11 Dicembre 2015 Test d ipotesi sulle proporzioni per un campione L ipotesi nulla di un test d ipotesi a due code (bidirezionale) é H 0 : p = p 0 mentre
DettagliANALISI DELLA VARIANZA
ANALISI DELLA VARIANZA Il data set coagulation contenuto nella libreria faraway contiene i tempi di coagulazione del sangue (misurato in secondi) di 24 animali sottoposti casualmente a quattro tipi di
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018 prof. Federico Plazzi 5 Settembre 2018 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi;
DettagliAnova e regressione. Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011
Anova e regressione Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011 Nella sperimentazione agronomica e biologica in genere è normale organizzare
DettagliVARIETÀ. zona geografica A B C D
Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore
Dettagli> RSS <- c(rs,ss) Per avere un idea di come sono distribuiti i dati (simmetria, dispersione... ):
Laboratorio 7 Test t di Student 7.1 Analisi del dataset FRUITFLY.DAT I dati fruitfly.dat si riferiscono alla fecondità dei moschini della frutta, valutata come numero medio giornaliero di uova prodotte
DettagliStrumenti informatici Realizzare l analisi della varianza con Excel e SPSS
Strumenti informatici 6.4 - Realizzare l analisi della varianza con Excel e SPSS Excel non dispone di una funzione che realizzi l analisi della varianza, a meno di aver installato uno dei moduli aggiunti
DettagliApplicazione del t-test a dati accoppiati
Applicazione del t-test a dati accoppiati La t-distribution è utile per confrontare dati accoppiati, ovvero osservazioni organizzate a coppie in cui si vuol valutare la differenza tra le coppie L esempio
DettagliCAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza
Douglas C. Montgomery Progettazione e analisi degli esperimenti 006 McGraw-Hill CAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza Metodi statistici e probabilistici per l ingegneria
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
DettagliLivello di esposizione. animale Basso Moderato Alto
Esercizio -Esempio 1 (anova 2 vie con blocchi) I tassi respiratori (ispirazioni al minuto) sono stati misurati in otto animali usati per un esperimento, con tre livelli di esposizione al monossido di carbonio.
DettagliAFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA
PROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 7 Marzo 2014 1.Si ha il seguente sistema di imballaggio di lattine di alluminio: C F A B D E G H A: Cupping (lamiera svolta e
DettagliLaboratorio R Corso di Algebra e Modelli lineari (Anno Accademico )
Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 05-6) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola
DettagliAPPLICAZIONI. Analisi della varianza multivia
Douglas C. Montgomery Controllo statistico della qualità /ed 6 McGraw-Hill APPLICAZIONI Analisi della varianza multivia Insegnamento: Metodi ed Applicazioni Statistiche Corso di Laurea Specialistica in
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
DettagliLABORATORIO-MINITAB N. 2-3 VARIABILI QUANTITATIVE
LABORATORIO-MINITAB N. 2-3 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile alla distrofia muscolare
DettagliMetodologie statistiche per l analisi del rischio IL RUOLO DELLA STATISTICA NELL ANALISI QUANTITATIVA DEL RISCHIO
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio IL RUOLO DELLA STATISTICA NELL ANALISI QUANTITATIVA DEL RISCHIO Facoltà di Medicina Veterinaria,
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
DettagliEsercitazione finale - corso R base Francesco Vidoli Ottobre 2018
Esercitazione finale - corso R base Francesco Vidoli Ottobre 2018 Passo 1: Leggere il file di input (il file si trova a questo indirizzo: https://fvidoli.weebly.com/uploads/2/3/0/8/ 23088460/dati_medici.csv),
DettagliCAPITOLO 5 Introduzione ai piani fattoriali
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 5 Introduzione ai piani fattoriali Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliESERCITAZIONE C. Analisi di dati sperimentali PARTE 3: STATISTICA MULTIVARIATA
Univesità degli Studi di Padova Facoltà di Scienze MM.FF.NN. Coso di Lauea Magistale: Biologia Sanitaia Insegnamento: Statistica Applicata Docente: Pof.ssa Alessanda R. Bazzale Esecitatoe: Dott.ssa Giuliana
DettagliAntonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR
Antonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR Materiale ad uso dei ricercatori che hanno seguito il corso di formazione interna in Statistica, edizione
Dettagli10 TEST STATISTICI PER LA VERIFICA DI IPOTESI
10 TEST STATISTICI PER LA VERIFICA DI IPOTESI Un test statistico è una procedura che permette di decidere tra l ipotesi sperimentale H1 e l ipotesi nulla H0, quantificando la divergenza delle osservazioni
DettagliR e il mondo aleatorio - Parte II -
R e il mondo aleatorio - Parte II - Statistiche in R Paola Lecca, CIBIO - UNITN Corso di Matematica e Stastistica 2 Testo di riferimento S. M. Iacus, G. Masarotto, Laboratorio di statistica con R, McGraw-Hill.
DettagliLABORATORI DI STATISTICA SOCIALE
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI STATISTICA SOCIALE Lezione III Dott.ssa Roberta Adorni Dott.ssa Giulia Fusi
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
DettagliTest d ipotesi TEST D IPOTESI. In medicina una delle più utilizzate tecniche inferenziali è quella nota come test d ipotesi.
TEST D IPOTESI In medicina una delle più utilizzate tecniche inferenziali è quella nota come test d ipotesi. Tale procedura è particolarmente utile in situazioni in cui noi siamo interessati a prendere
DettagliJMP 10 Student Edition: Guida rapida
JMP 10 Student Edition: Guida rapida Queste istruzioni presuppongono una tabella di dati aperta, le impostazioni delle preferenze predefinite, e le variabili di interesse con l appropriato tipo di modellazione.
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
DettagliESERCITAZIONE del 07/04/2016 Anova a una via
ESERCITAZIONE del 07/04/2016 Anova a una via Si vuole studiare se l età media a cui le donne hanno il primo figlio è influenzata dal livello di istruzione. Su un campione di 63 donne di 45 anni è stata
DettagliRACCOLTA DI STATISTICHE TEST disponibili nell ambiente R
RACCOLTA DI STATISTICHE TEST disponibili nell ambiente R Materiale integrativo relativo al Modulo I Verifica d ipotesi e stima intervallare a cura di A.R. Brazzale 1 alessandra.brazzale@isib.cnr.it 3 aprile
DettagliParte 1 : Inferenza. *(richiami), **(parte 2), ***(cenni) ! Test d'ipotesi* ! Intervalli di confidenza* ! Test parametrici* ! Calcoli di potenza**
Parte 1 : Inferenza! Test d'ipotesi*! Intervalli di confidenza*! Test parametrici*! Calcoli di potenza**! Test non parametrici*** *(richiami), **(parte 2), ***(cenni) 27 marzo 2001 ... [omissis]... La
DettagliLaboratorio di R - 3 a lezione Prof. Mauro Gasparini
Laboratorio di R - 3 a lezione Prof. Mauro Gasparini 1. Verifica di ipotesi: il test t di Student In R è disponibile la funzione t.test che effettua il test t di Student ad un campione, a due campioni
DettagliMetodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 29- Facoltà di Ingegneria Università di Padova Docente: Dott. L. Corain ESERCIZIO (TEST AD UN CAMPIONE) Un
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliBiostatistica Laurea Magistrale in Biologia
Biostatistica Laurea Magistrale in Biologia Risultati dell esame del 1 Giugno 2016 Matricola 704922 715340 718052 7263 735674 741637 751823 751833 752143 752451 7537 7534 766091 766657 767606 781510 797434
DettagliControllo Statistico della Qualità
Controllo Statistico della Qualità Dispense distribuite in classe a.a. 2006/2007 Luca Scrucca Dipartimento di Economia, Finanza e Statistica Sezione di Statistica Università degli Studi di Perugia luca@stat.unipg.it
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 13 Febbraio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da quattro esercizi;
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 19 Luglio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da quattro esercizi; dopo
DettagliPsicometria 1 (023-PS)
Psicometria 1 (023-PS) Michele Grassi mgrassi@units.it Università di Trieste Lezione 15 16 Michele Grassi (UNITS) Psicometria 1 (023-PS) Lezione 15 16 1 / 95 Piano della presentazione 1 Inferenza su una
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
DettagliANOVA 1 Via Esercizio esempio 1
ANOVA 1 Via Esercizio esempio 1 Miller e Vanhoutte hanno condotto una ricerca sperimentale in cui cani femmine adulte, a cui erano state precedentemente asportate le ovaie (ovariectomizzate), sono stati
DettagliEsclusione dei valori meno probabili Il criterio di Chauvenet
Esclusione dei valori meno probabili Il criterio di Chauvenet Nel campo dell analisi sperimentale è frequente trovare, in una serie di misure, qualche dato che non concorda con gli altri. 1 Il criterio
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 5 Dott.ssa Antonella Costanzo 10/03/016 Esercizio 1. Analisi della varianza - ANOVA Per confrontare l efficacia di tre diete (A, B, C) si sono scelti 30 individui con
DettagliMultiple Logistic Regression
Multiple Logistic Regression f(- ) Logistic function ( ) + e 0 + e /2 0 f( + ) (+ ) + e + e +. ก. ก Fitting Multiple Logistic Regression ก (Outcome, Dependent, Response) discrete (two
DettagliRegressione in SAS : Proc Reg. L output della procedura è il seguente :
Regressione in SAS : Proc Reg I dati da analizzare si riferiscono ad un indagine condotta su 61 città di Inghilterra e Galles riguardante l indice annuale di mortalità su 100.000 abitanti maschi calcolato
DettagliCodice Disciplina : Settore : MED 01 N CFU: 2 Docente: N Ore : 8 Corso di Laurea : Laurea specialistica in biotecnologie mediche e Corrado Magnani
DISCIPLINA : Statistica Medica Codice Disciplina : Settore : MED 01 N CFU: 2 Docente: N Ore : 8 Corso di Laurea : Laurea specialistica in biotecnologie mediche e Corrado Magnani farmaceutiche - Indirizzo
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliModelli statistici: sessione 1
Modelli statistici: sessione 1 Francesco Lagona Università Roma Tre 1 R ed R Studio IDE R è un ambiente costituito da oggetti e librerie di comandi per la gestione e l analisi di dati statistici. R è disponibile
Dettagli26/01/2012 ANOVA ANALYSIS OF VARIANCE
ANOVA ANALYSIS OF VARIANCE 1 Disegnare i box plot >> boxplot(x ) Values 2 22 20 18 16 1 12 10 8 1 2 3 Column Number Y osservazioni i = 1,, a = µ + τ + ε j = 1,, n ij i ij Media comune Scostamenti dalla
Dettagli