Tecniche statistiche di analisi del cambiamento
|
|
- Flaviano Giannini
- 5 anni fa
- Visualizzazioni
Transcript
1 Tecniche statistiche di analisi del cambiamento 03-Ripasso inferenziale: T-test (v. 1.3, 19 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca G. Rossi (Dip. Psicologia) Tsac / 52
2 La verifica d ipotesi Abbiamo visto che, se conosco media e dev.st. della popolazione posso chiedermi se un campione appartiene a quella popolazione La verifica d ipotesi sulla media di un campione si applica tramite un punto z fra la media del campione e quello della popolazione di riferimento z = X μ σ X = X μ σ N Quindi si trova l area corrispondente al punto z, che è la probabilità associata a quel valore (p) E si confronta con il livello di significatività (α arbitrario) Se p α rifiuto l ipotesi nulla (H 0 ) e accetto quella alternativa (H 1 ) Se p > α accetto l ipotesi nulla (H 0 ) e rifiuto quella alternativa (H 1 ) G. Rossi (Dip. Psicologia) Tsac / 52
3 La verifica d ipotesi con σ sconosciuta Quando non si conosce la deviazione standard della popolazione, la si può stimare tramite la deviazione standard del campione X μ s X = X μ s N Tuttavia i valori ottenuti da questa formula non si distribuiscono esattamente come una normale (se non per campioni con N superiore a 30), perché s X è solo una stima di σ X La famiglia di distribuzioni basata su s X si chiama distribuzione t (di Student) Si tratta di una famiglia perché la curva di t cambia in base alla numerosità (o meglio ai gradi di libertà ) G. Rossi (Dip. Psicologia) Tsac / 52
4 Distribuzioni t (di Student) Per fortuna ci sono le tavole di t Si usa la distribuzione t (con gl=n-1) Per N 30 la t si approssima alla normale (in rosso) G. Rossi (Dip. Psicologia) Tsac / 52
5 Tavola di t (esempio 1) riga 1-2: valori α con H 0 monodirezionale riga 3-4: valori α con H 0 bidirezionale colonna 1: gradi di libertà colonne successive: t c per i vari livelli di α α a 5% α a 1% α a 1 G. Rossi (Dip. Psicologia) Tsac / 52
6 Tavola di t (esempio 2) colonna 1: gradi di libertà riquadro rosso: valori α e t c con H 0 monodirezionale riquadro verde: valori α e t c con H 0 bidirezionale G. Rossi (Dip. Psicologia) Tsac / 52
7 Tavola di t (esempio 3) Mono- Bi- G. Rossi (Dip. Psicologia) Tsac / 52
8 Gradi di libertà Il concetto di gradi di libertà (gl o df) è comune a tutta la statistica In linea di massima, i gl dipendono dalla numerosità o da altri fattori Tendenzialmente, sono un fattore di correzione In questo caso, usiamo la deviazione standard per ogni (X X) solo N 1 valori sono liberi di variare casualmente l ultima X, infatti, deve avere un valore tale che la somma di tutti gli scarti sia 0 G. Rossi (Dip. Psicologia) Tsac / 52
9 P e valore critico La tavola della normale ci forniva una probabilità che veniva confrontata con un livello di significatività (α) La tavola di t ci fornisce un valore critico per un determinato livello di significatività (sempre α) I due valori non sono antagonisti Il valore di p è la probabilità associata ad una certa statistica t (calcolato dai software) Il valore critico (v c) di t, è il valore della statistica associato ad un certo livello di significatività (α) Con p Se p < α, rifiuto H 0 Se p > α, accetto H 0 Con v c Se v c < t, rifiuto H 0 Se v c > t, accetto H 0 G. Rossi (Dip. Psicologia) Tsac / 52
10 Verifica d ipotesi con σ sconosciuta Ho un campione (N=35) su cui ho misurato il Fondamentalismo con M = 148. Conosco la media della popolazione (μ = 140) ma non conosco σ Ipotizzo che il campione sia stato estratto casualmente da quella popolazione H 0 : μ c = μ = 140 H 1 : μ c μ ipotizzando α =.05 (bidirezionale), per 34 gl (trovato 30), v c = se fosse vera l ipotesi nulla, un campione estratto da quella popolazione avrebbe il 5% di probabilità di avere un t entro ±2.042 in questo caso, non è così G. Rossi (Dip. Psicologia) Tsac / 52
11 Stima intervallare Il test puntuale ci permette di accettare o rifiutare l ipotesi nulla Ma l ipotesi nulla è un singolo, specifico valore Se fossero possibili più ipotesi nulle, dovremmo calcolare più statistiche t L alternativa è usare la stima intervallare Il test viene effettuato sulla differenze fra μ e X che dovrebbe essere 0 l intervallo di confidenza perciò (se vera H 0 ) dovrebbe contenere lo 0 G. Rossi (Dip. Psicologia) Tsac / 52
12 Riportare i risultati Esempio Abbiamo confrontato la media del nostro campione (M=148.6, SD=10.79) con la media di una popolazione di riferimento (μ = 140). Dal confronto emerge una differenza statisticamente significativa (t(34)=4.714, p<.001), per cui è ragionevole pensare che il nostro campione abbia una media di fondamentalismo statisticamente più elevata. G. Rossi (Dip. Psicologia) Tsac / 52
13 SPSS: T-test campione singolo Analizza Confronta medie Test T: campione unico Scrivere un valore di media in Valore oggetto del test [attenzione al punto/virgola decimale] Infine OK G. Rossi (Dip. Psicologia) Tsac / 52
14 Risultati = G. Rossi (Dip. Psicologia) Tsac / 52
15 Come si riportano i risultati Ipotizzando di usare la frequenza cardiaca misurata sugli studenti di Sara e confrontandoli con un battito cardiaco medio di 70 Esempio Confrontando il battito cardiaco degli studenti di Sara, in situazione normale (prima e subito dopo il presunto esame) con il valore medio di 70, vediamo come le medie siano tutte significativamente superiori (p<.001) e quindi possiamo ipotizzare che la frequenza cardiaca degli studenti di Sara, già nella situazione di base è globalmente maggiore di quella normale. Esempio Il battito cardiaco degli studenti di Sara è statisticamente superiore a quello considerato normale nelle tre situazioni, misurazione di base (t(99)=7.059, p<.001), pre-esame (t(99)=7.503, p<.001) e post-esame (t(99)=5.908, p<.001) G. Rossi (Dip. Psicologia) Tsac / 52
16 Applicabilità 1 Quando si conosce la media della popolazione (μ) ma non la deviazione standard (σ) 2 Per confrontare la media di un campione con i risultati di una precedente ricerca pubblicata (media usata come stima della media della popolazione) 3 Per confrontare un singolo soggetto (il suo punteggio diventa la stima della popolazione) con il campione Cosa si usa 1 variabile quantitativa dipendente su cui verrà calcolata la media 1 valore utilizzato come media della popolazione G. Rossi (Dip. Psicologia) Tsac / 52
17 Differenza di due medie Finora abbiamo visto la possibilità di verificare la media di un gruppo rispetto ad una popolazione di cui conosciamo i parametri (μ e σ) [situazione solo teorica] la media di un gruppo rispetto ad una popolazione di cui conosciamo solo il parametro della media (μ) Se non conoscessimo neppure la media della popolazione (situazione tipica in psicologia), non potremmo fare nessun tipo di inferenza Tuttavia, la maggior parte delle volte, noi non siamo interessati a sapere se un certo campione appartiene ad una certa popolazione, ma a sapere se due campioni provengono dalla stessa popolazione o da due popolazioni con parametri diversi In questo caso, l ipotesi sarebbe che la differenza delle medie sia nulla (X 1 X 2 = 0) G. Rossi (Dip. Psicologia) Tsac / 52
18 Differenza di due medie Con lo stesso ragionamento fatto per la distribuzione campionaria delle medie, si può utilizzare la distribuzione campionaria della differenza di due medie. Se 2 campioni vengono estratti dalla stessa popolazione, la loro media dovrebbe tendere alla media della popolazione, qualunque essa sia. Se facciamo la differenza fra le due medie (ed entrambe tendono alla media della popolazione), la loro differenza dovrebbe tendere ad essere uguale a 0 (μ 1 μ 2 = 0). Dovrebbe, ma non sempre è così. G. Rossi (Dip. Psicologia) Tsac / 52
19 Differenza di due medie differenze di medie campionarie Media= 0.03 Distribuzione delle differenze delle medie Ma, se estraiamo molte coppie di medie, la distribuzione della differenza di queste medie graviterà attorno allo 0. La stessa cosa dovrebbe capitare se i due campioni vengono da due popolazioni diverse che hanno, però, la stessa media (μ 1 = μ 2 ) G. Rossi (Dip. Psicologia) Tsac / 52
20 Differenza di due medie Anche in questo caso abbiamo che per N 30, la distribuzione campionaria della differenza delle medie tenderà a distribuirsi normalmente e anche in questo caso potremo calcolare un errore standard della differenza delle medie un valore piccolo dell errore standard indica una piccola oscillazione delle differenze campionarie attorno allo 0 e un valore grande indica una grossa oscillazione attorno allo 0 Se potessimo estrarre un numero infinito di coppie di campioni, potremmo calcolare l errore standard esatto Non potendo farlo, lo stimiamo a partire dalle deviazioni standard dei due campioni G. Rossi (Dip. Psicologia) Tsac / 52
21 Differenza di due medie Si pongono adesso due possibilità: la varianza nelle due popolazioni è uguale la varianza nelle due popolazioni è diversa se la varianza è uguale potremmo semplicemente sommare le singole varianze (in particolare se le numerosità dei due campioni sono uguali) più spesso non possiamo ipotizzare che le varianze siano uguali e, ancora più spesso, i due campioni non hanno la stessa numerosità la varianza verrà perciò calcolata usando formule diverse nei due casi G. Rossi (Dip. Psicologia) Tsac / 52
22 Differenza di due medie La più semplice da capire è la varianza combinata s 2 comb = (N 1 1)s (N 2 1)s 2 2 N 1 + N 2 2 la varianza di ciascun gruppo (s 2 i ) viene moltiplicata per la numerosità quindi sommate fra loro e divise per l intero campione Mettendo assieme le due formule abbiamo (N 1 1)s1 2 s X 1 X 2 = + (N 2 1)s2 2 ( ) N 1 + N 2 2 N 1 N 2 G. Rossi (Dip. Psicologia) Tsac / 52
23 Differenza di due medie: test Il test sulla differenza delle medie si baserà sulla formula di z, ma produrrà una statistica t t = (X 1 X 2 ) (μ 1 μ 2 ) s X 1 X 2 Anche se è teoricamente possibile ipotizzare che la differenza di due medie corrisponda ad un certo valore (ad es. 5), la maggior parte delle volte si ipotizzerà che la differenza delle medie sia nulla; in questo caso μ 1 μ 2 = 0 e la formula si riduce alla sola differenze delle medie dei campioni In ogni caso, la statistica t calcolata avrà gradi di libertà pari a (N 1 1) + (N 2 1) = N 1 + N 2 2 G. Rossi (Dip. Psicologia) Tsac / 52
24 Test della differenza delle medie Conosciamo: M 1, M 2, s 1 e s 2 allora poniamo: H 0 : μ 1 = μ 2 H 1 : μ 1 μ 2 (oppure > oppure <) scegliamo α e troviamo il t critico applichiamo la formula se t M1 M 2 < t c (in valore assoluto) accetto H 0 se maggiore (in valore assoluto), rifiuto H 0 (e accetto quindi H 1 ) oppure confrontiamo direttamente P(t) con α t M1 M 2 = (N 1 1)s 2 1 +(N 2 1)s 2 2 N 1 +N 2 2 M 1 M 2 ( ) N1 N2 con gdl = N 1 + N 2 2 G. Rossi (Dip. Psicologia) Tsac / 52
25 Test della differenza delle medie Abbiamo misurato l ortodossia in un campione di Testimoni di Geova e ci chiediamo se vi è differenza fra maschi (N=23) e femmine (N=12) 14, , 5 = 1, facciamo le due ipotesi, nulla e alternativa H 1 : μ m μ f con α =.05 bidirezionale il t critico con gdl = = 33 è t c = 2.04 applichiamo la formula a mano o tramite software G. Rossi (Dip. Psicologia) Tsac / 52
26 Test della differenza delle medie t = 1.63 (rosso) α =5% (bi) t c = 2.04 (nero) Accetto H 0 perché t < t c t cade nell area di accettazione di H 0 (verde) G. Rossi (Dip. Psicologia) Tsac / 52
27 Due approcci all inferenza puntuale 1 Uso delle tavole per trovare un valore critico Si applicano le formule e si trova la statistica (z o t) Si decide un livello α e si cerca un valore critico sulle tavole (eventualmente usando i gdl) Confrontando la statistica trovata con il valore critico, accettiamo o rifiutiamo l ipotesi nulla v t < v c accetto H 0 2 Calcolo diretto della probabilità Si applicano le formule e si trova la statistica (z o t) Usando la distribuzione di probabilità di quella statistica si calcola direttamente la probabilità associata Confrontando la probabilità trovata con l α scelto, accettiamo o rifiutiamo l ipotesi nulla P(v t ) > α accetto H 0 G. Rossi (Dip. Psicologia) Tsac / 52
28 Stima intervallare Anche per la differenza delle medie, possiamo calcolare un intervallo di confidenza, sempre usando il valore critico di t al 5% o all 1% per avere intervalli di fiducia pari al 95% o al 99% Applicandolo all esempio dei Testimoni di Geova: Poiché l intervallo include anche il valore 0 (H 0 : μ 1 μ 2 = 0) corrispondente alla nostra ipotesi nulla, la accettarla come vera. G. Rossi (Dip. Psicologia) Tsac / 52
29 Assunti del t-test 1 Le misure della variabile dipendente di ciascun gruppo a) sono indipendenti tra di loro b) sono indipendenti dall altro gruppo 2 La variabile dipendente si distribuisce normalmente 3 Le varianze dei due gruppi sono uguali La condizione 2 può essere ignorata, perché il test t non è molto sensibile alle violazioni di normalità La condizione 3 può essere ignorata se i due campioni hanno uguale numerosità; il test t, in questo caso, non distorce troppo e si può usare la distribuzione di t senza problemi G. Rossi (Dip. Psicologia) Tsac / 52
30 Numerosità diverse Se i due campioni non hanno uguale numerosità Si può usare anche con campioni con N diverse (ignorando assunti 2 e 3) Si può usare se è vero l assunto di normalità (ignorando ass. 3) I 2 gruppi possono essere considerati uguali se la N del campione più grande non è più di una 1 volta e mezzo di quello più piccolo (es. 150 vs 100) una soluzione è di ridurre il campione più numeroso ed equiparare le numerosità (ad es. selezione casuale di un sottocampione) Meglio utilizzare una stima robusta (test di Welch) o con bootstrap Usare sempre il test di Welch anziché il t-test (v. più avanti) che usa la stima di varianza separata, ovvero il test t diventa t = X 1 X 2 s 2 1 N 1 + s2 2 N 2 G. Rossi (Dip. Psicologia) Tsac / 52
31 Assunti del t-test Se la variabile dipendente NON si distribuisce normalmente: Con campioni con N moderate o grandi ( 30) non ci sono problemi Se N molto piccole (vicine a 7-10) usare il test di Wilkoxon Una violazione dell asimmetria è più grave di quella della curtosi Provare a sottoporre la variabile a trasformazioni che mantengono la linearità, ma cambiano la distribuzione (le vedremo nel Trattamento dei dati) G. Rossi (Dip. Psicologia) Tsac / 52
32 Inferenza con programmi statistici Nell uso normale, sono i computer a fare i conti per il confronto di medie: t di Student (o T-Test) per campioni indipendenti. Le formule usate sono quelle indicate in precedenza e prevedono una formula che ipotizza che i campioni abbiano varianza uguale (varianza combinata, slide 22) un altra formula che ipotizza che abbiano varianza diversa (Varianze separate, formula di Welch slide 30) Viene applicato un test per l omogeneità delle varianze (test di Levene) e in base ai risultati si sceglie il test appropriato G. Rossi (Dip. Psicologia) Tsac / 52
33 Inferenza con programmi statistici Il test di Levene è basato sul rapporto delle due varianze: se sono simili tenderà a 1 al test è associato un valore di probabilità (Sig.) Se Levene non è significativo (Sig. >.05) allora si legge la riga corrispondente a Varianze uguali presunte Se Levene è significativo (Sig. <=.05) allora si legge la riga corrispondente a Varianze uguali non presunte (che utilizza la stima robusta di Welch) G. Rossi (Dip. Psicologia) Tsac / 52
34 SPSS: 2 campioni indipendenti Analizza Confronta medie Test T: campioni indipendenti Trascinare una o più variabile dipendente (quantitativa) in Variabili oggetto del test Trascinare una variabile qualitativa (con 2 o più valori possibili) in Variabile di raggruppamento Premere Definisci gruppi e inserire i due valori della qualitativa da usare. Quindi Infine OK Continua G. Rossi (Dip. Psicologia) Tsac / 52
35 Esempio in SPSS - Medie Pagina 1 - Medie e deviazioni standard suddivise per genere Religiosità Genere N Mean SD SE Mean Intrinseca Maschio ,24 5,82 0,46 Femmina ,60 5,52 0,41 Estrinseca sociale Maschio 160 5,79 3,09 0,24 Femmina 179 6,07 2,94 0,22 Estrinseca personale Maschio 160 9,46 3,52 0,28 Femmina ,89 2,98 0,22 Dalle medie possiamo vedere ( a naso ) che non ci sono grosse differenze fra i sessi nelle prime due variabili. Forse, nell ultima c è una differenza. G. Rossi (Dip. Psicologia) Tsac / 52
36 Esempio in SPSS: risultati t indipendente Levene s Test t-test F Sig. t df Sig. (2-tailed) Orientamento Eq 0,816 0,367-0, ,553 Intrinseco Not -0, ,157 0,554 Estrinseco Eq 1,146 0,285-0, ,395 sociale Not -0, ,503 0,396 Estrinseco Eqa 8,847 0,003-4, ,000 personale Not -4, ,273 0,000 Eq=Varianze uguali Not=Varianze diverse Il test di Levene ci dice se i due gruppi A questo punto possiamo leggere e hanno la stessa varianza (F vicina a 1, con interpretare l esatto t e confrontare la Sig superiore ad α) oppure no (F molto probabilità associata (Sig) a quel t, con grande, con Sig inferiore ad α). quei gradi di libertà (df) direttamente con l α scelto. G. Rossi (Dip. Psicologia) Tsac / 52
37 Riportare i risultati Esempio Per quanto riguarda l orientamento intrinseco e quello estrinseco sociale non sembrano esserci effetti del genere (rispettivamente t(337)=-.594, p=.553, t(337)=-,592, p=.395) in quanto è abbastanza probabile che le medie siano uguali fra loro. Al contrario, per quanto riguarda la religiosità estrinseca personale, il gruppo femminile mostra una media (10.89) più alta del gruppo maschile (9.46). La differenza è statisticamente significativa t(313,27)=-4.013, p <.001. G. Rossi (Dip. Psicologia) Tsac / 52
38 Applicabilità Per confrontare la media di una variabile fra due gruppi Cosa si usa 1 variabile qualitativa (indipendente) che viene usata per suddividere il campione in 2 gruppi 1 variabile quantitativa (dipendente) su cui vengono calcolate le media (una per ciascun gruppo) G. Rossi (Dip. Psicologia) Tsac / 52
39 Effect size (Ampiezza dell effetto) Tramite il test della differenza delle medie (t-test) abbiamo visto se due medie sono diverse ovvero se i campioni su cui le medie sono state calcolate provengono da popolazioni con parametri statistici uguali o diversi questa informazione però è solamente vero/falso: o c è differenza oppure no e l eventuale differenza delle medie va interpretata come relativa se la religiosità estrinseca personale è diversa in base al genere e vediamo che la media dei maschi è minore di quella delle femmine non possiamo interpretare nulla di più della diversità. G. Rossi (Dip. Psicologia) Tsac / 52
40 Effect size (Ampiezza dell effetto) L effect size indica invece di quanto due medie differiscono fra loro e se l ampiezza dell effetto trovato è piccolo, medio o grande Cohen ha proposto una formula generica (teorica) simile ad una z: d = μ 1 μ 2 σ Questa formula suggeriva di standardizzare la differenza fra le due medie e ha dato origine a delle formule chiamate genericamente d (in inglese: d-family) Un altro approccio è quello della correlazione, che funziona nello stesso modo (r-family) In entrambi i casi, indica quanto è grande l effetto studiato G. Rossi (Dip. Psicologia) Tsac / 52
41 t-test: Ampiezza dell effetto come d Ci sono diverse formule per calcolare la d Una formula per il t-test (per campioni indipendenti) è stata proposta da Hedge, usando la varianza combinata: g = X 1 X 2 (N1 1)s 2 1 +(N 2 1)s 2 2 N 1 +N 2 2 Dal momento che sia g sia t usano la varianza combinata, conoscendo le numerosità e il valore di t, si può calcolare g anche come: g = t N1 N 2 N 1 +N 2 = t N 1 + N 2 N 1 N 2 G. Rossi (Dip. Psicologia) Tsac / 52
42 Ampiezza dell effetto: interpretazione La g (di Hedge) o d (di Cohen) dovrebbe oscillare fra 0 e 1, ma spesso supera il valore 1 Cohen propose una interpretazione generica di d che viene tutt ora utilizzata d =.20, effetto piccolo d =.50, effetto medio d =.80, effetto grande in letteratura si trovano d superiori a 1 che vengono generalmente considerati giganti (huge) G. Rossi (Dip. Psicologia) Tsac / 52
43 t-test: Ampiezza dell effetto come r L ampiezza dell effetto si può anche esprimere in termini di correlazione, usando solo il valore di t e i gradi di libertà: t r = 2 t 2 + gl L interpretazione è pressapoco la stessa della correlazione: Valore di r Ampiezza dell effetto.10 Piccola.30 Media.50 Grande.70 Molto grande / Gigante G. Rossi (Dip. Psicologia) Tsac / 52
44 Esempio di uso di d Primo Secondo Test t M s M s p d Fondamentalismo 75,35 32,03 81,7 31, Intrinseco 21,37 5,41 23,4 5,66 < Estrinseco 15,94 5,29 16,1 5,21 n.s. Estrinseco Personale 9,45 3,12 10,21 3, Estrinseco Sociale 6,45 3,13 5,94 3,01 n.s..17 Esempio I risultati del nostro campione sono stati confrontati con quelli di un campione italiano precedente. Attraverso il test t osserviamo che vi sono tre variabili statisticamente diverse nei due campioni. Tuttavia le differenze riscontrate sono minime, infatti l effect size più elevato è di solo.36, quindi l ampiezza degli effetti sono tutte piccole. Questo ci permette affermare che potrebbe esiste comunque una somiglianza tra i 2 campioni italiani, la cui diversità potrebbe anche essere casuale. G. Rossi (Dip. Psicologia) Tsac / 52
45 Confronti dipendenti o appaiati Alcune volte può capitare di confrontare fra loro due variabili misurate sullo stesso campione (ad es. situazioni prima/dopo) Oppure capita di lavorare con campioni appaiati (due campioni in cui i casi sono simili a coppie [moglie-marito] oppure sono stati appaiati a posteriori) Si può usare una versione del t-test che si basa sulle differenze fra i punteggi dei singoli casi La differenza sostanziale è che si usa la media delle differenze D i = (X 1 X 2 )/N anziché la differenza delle medie X 1 X 2 si fa poi riferimento alla distribuzione campionaria della media delle differenze G. Rossi (Dip. Psicologia) Tsac / 52
46 Confronti dipendenti o appaiati La distribuzione campionaria della media delle differenze si approssima a una t con gl=n-1 dove N equivale al numero di coppie appaiate per la statistica si usa D i = X i1 X i2 l ipotesi nulla è che μ D = 0 la statistica puntuale si calcola con con df = N 1 t = D μ D = sdn 2 D N D 2 D 2 ( N ) (N 1)N G. Rossi (Dip. Psicologia) Tsac / 52
47 SPSS: Campioni appaiati Analizza Confronta medie Test T: campioni appaiati In Variabili appaiate bisogna inserire due variabili quantitative che verranno confrontate fra loro a coppie. Infine OK G. Rossi (Dip. Psicologia) Tsac / 52
48 SPSS: Campioni appaiati Per ogni coppia di variabili c è una sola riga di statistiche G. Rossi (Dip. Psicologia) Tsac / 52
49 t-test: Ampiezza dell effetto la formula derivata dalla d di Cohen è basata sulle differenze: d = X 1 X 2 s D = M D s D Anche con il t-test appaiato si può usare la formula t r = 2 t 2 + gl Le interpretazioni sono le stesse date in precedenza effectsize Tipo Piccolo Medio Grande Molto grande d-family d, g r-family r G. Rossi (Dip. Psicologia) Tsac / 52
50 t-test: Ampiezza dell effetto Calcolare a mano l effect size è facile. Partiamo dalla tabella dei risultati: d = M D s D d 1 = = d 2 = = G. Rossi (Dip. Psicologia) Tsac / 52
51 Applicabilità Per confrontare la media di due variabili misurate in uno stesso gruppo Cosa si usa 2 variabili quantitative (entrambi dipendenti) su cui vengono calcolate le media (una per ciascun gruppo) il motivo per cui la variabile è stata misurata due volte, è la variabile indipendente G. Rossi (Dip. Psicologia) Tsac / 52
52 t-test: Ampiezza dell effetto per campione unico Anche per il t-test a campione singolo è facile calcolare a mano l effect size. Partiamo dalla tabella dei risultati (slide 10): d = t N = = G. Rossi (Dip. Psicologia) Tsac / 52
Elementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliInferenza statistica
Inferenza statistica Si tratta di un complesso di tecniche, basate sulla teoria della probabilità, che consentono di verificare se sia o no possibile trasferire i risultati ottenuti per un campione ad
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliIl test di chi-quadro
Il test di chi-quadro Germano Rossi 18 novembre 2004 vers. 0.6 Indice Indice 1 1 Il test di chi-quadro [0.6] 2 1.1 Introduzione....................................... 2 1.2 Terminologia......................................
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliTEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI
TEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica Parte A. Per verificare l efficacia di un farmaco
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria
Elementi di Psicometria 12-Correlazione vers. 1.1 (27 novembre 2012) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2011-2012 G. Rossi (Dip. Psicologia)
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliIl Metodo Scientifico
Unita Naturali Il Metodo Scientifico La Fisica si occupa di descrivere ed interpretare i fenomeni naturali usando il metodo scientifico. Passi del metodo scientifico: Schematizzazione: modello semplificato
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliQuantificare la variabilità dei processi ecologici
Scopo ecologia Quantificare la variabilità dei processi ecologici Comprensione dei meccanismi fondamentale per identificare gli effetti del disturbo antropico e per prevenire alterazioni su scala globale
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliAnalizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato
Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliIndice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice
Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliT DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:
T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliPSICOMETRIA. Esercitazione n.1. C.d.L. Comunicazione e Psicologia a.a. 2012/13
PSICOMETRIA Esercitazione n.1 C.d.L. Comunicazione e Psicologia a.a. 2012/13 ESERCITAZIONE 1: INDICE 1. Informazioni di carattere generale sulle esercitazioni 2. Il foglio di calcolo (Excel) 3. Avviare
DettagliANALISI DI CORRELAZIONE
ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliCAPITOLO III CONFRONTI TRA DISTRIBUZIONI
CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in
DettagliStrumenti Informatici 8.1. Realizzare il test della binomiale (o test dei segni) con Excel e SPSS
1 Strumenti Informatici 8.1 Realizzare il test della binomiale (o test dei segni) con Excel e SPSS Il test della binomiale (o test dei segni) può essere eseguito con Excel impostando le formule adeguate
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliAREA LOGICO - MATEMATICA TEMA PARI E DISPARI
ESTENSIONE DEL METODO BRIGHT START UNITA COGNITIVE DI RIFERIMENTO RELAZIONI QUANTITATIVE CONFRONTI CLASSE SECONDA A TEMPO PIENO- SCUOLA ELEMENTARE C. CAVOUR SANTENA AREA LOGICO - MATEMATICA TEMA PARI E
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche 1. Esercizio (1 marzo 211 n.
DettagliR - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre
R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliTitolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza
Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliMatematica con il foglio di calcolo
Matematica con il foglio di calcolo Sottotitolo: Classe: V primaria Argomento: Numeri e operazioni Autore: Guido Gottardi, Alberto Battaini Introduzione: l uso del foglio di calcolo offre l opportunità
DettagliDALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ
DALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliUniversità del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie
Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliEsercitazione n. 5 di Metodologia della Ricerca Psicologica
Esercitazione n. di Metodologia della Ricerca Psicologica Quesito 1: Un ricercatore intende studiare la conoscenza e gli atteggiamenti che hanno gli operatori del diritto delle applicazioni psicogiuridiche.
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
DettagliIL COLLAUDO DI ACCETTAZIONE
IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione
DettagliLezione 3: Il problema del consumatore: Il
Corso di Economica Politica prof. Stefano Papa Lezione 3: Il problema del consumatore: Il vincolo di bilancio Facoltà di Economia Università di Roma La Sapienza Il problema del consumatore 2 Applichiamo
DettagliELENCHI DEL PERSONALE
ELENCHI DEL PERSONALE Cineca CSA Pagina 1 di 23 Funzione di menu: ELENCHI DEL PERSONALE. Percorso di menu (previa necessaria autorizzazione all uso): PERSONALE > ELENCHI DEL PERSONALE Nelle pagine successive
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliInsegnare relatività. nel XXI secolo
Insegnare relatività nel XXI secolo E s p a n s i o n e d e l l ' U n i v e r s o e l e g g e d i H u b b l e La legge di Hubble Studiando distanze e moto delle galassie si trova che quelle più vicine
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliESERCITAZIONE 4 SOCIALE. Corso di Laurea Comunicazione e A.A. 2012/2013
ESERCITAZIONE 4 STATISTICA PER LA RICERCA SOCIALE Corso di Laurea Comunicazione e Psicologia A.A. 2012/2013 \\lib\psico\corsi\esercitazioni_cp1 Il programma SPSS 1) Aprire spss 2) Immettere dati / aprire
DettagliFisica con gli smartphone. Lezioni d'autore di Claudio Cigognetti
Fisica con gli smartphone Lezioni d'autore di Claudio Cigognetti VIDEO I SENSORI IN UNO SMARTPHONE Oggi la miniaturizzazione dei sensori indicati con l acronimo inglese MEMS (sistemi microelettronici e
DettagliIl campionamento statistico
Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it MISURE DI DISTANZA E SIMILARITA 1 SCOPI DEL CALCOLO Problema: misurare la diversità (ovvero la rassomiglianza) tra
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito Soluzioni della simulazione del 17/05/2011 Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2010-2011 Leggere BENE le avvertenze prima
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliInfrastruttura telematica: visione d insieme Mauro Nanni
Infrastruttura telematica: visione d insieme Mauro Nanni Si sono fin qui presi in considerazione i singoli elementi che costituiscono l infrastruttura telematica delle scuole. Per utilizzare in modo semplice
DettagliPolitecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,
DettagliESERCIZI DI STATISTICA DESCRITTIVA
ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
Dettagli