Che cosa è la Validità?

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Che cosa è la Validità?"

Transcript

1 Validità

2 Che cosa è la Validità? Un test è valido quando misura ciò che intende misurare. Si tratta di un giudizio complessivo della misura in cui prove empiriche e principi teorici supportano l adeguatezza e l appropriatezza delle conclusioni basate su punteggi al test (Messick, 1989: 13)

3 Tassonomia Tradizionale Validità di Facciata COSTRUTTO Construct Validità Validità del Contenuto Validità di Criterio Validità di Costrutto Concorrente Predittiva

4 Validità di facciata Il test sembra una misura sensata del costrutto. Leggendo gli item, riesco a capire che costrutto voglio misurare. È importante nelle situazioni di selezione Una buona validità di facciata motiva i candidati (aspetto positivo) Una buona validità di facciata permette ai candidati di aggiustare le proprie risposte (aspetto negativo)

5 Validità di Contenuto Rappresentatività del Contenuto del costrutto. (Campionamento degli item) Rilevanza del Contenuto Gli item del test devono coprire l intera definizione teorica del costrutto in esame, e cogliere gli aspetti più importanti del costrutto. Senza validità del contenuto non ci sono altre forme di validità Se non abbiamo colto adeguatamente gli aspetti del costrutto, non può esservi alcuna forma di validità Questa forma di validità non viene valutata in modo quantitativo

6 Validità Rispetto al Criterio Validità Concorrente : il punteggio al test concorda con altre misure valide dello stesso costrutto. La validità concorrente si stabilisce, in generale, tramite la correlazione. Esempio Il punteggio nella scala di autovalutazione dell Aggressività da parte degli scolari correla.70 con la valutazione degli scolari fatta dagli insegnanti Il punteggio nella Scala di Disperazione di Beck (Beck Hopelessness Scale) correla.81 con il Beck Depression Inventory.

7 Difficoltà di verificare la validità concorrente Stricto sensu, misurare la validità concorrente è possibile se esiste una misura valida che che funga da paragone. Se non abbiamo una misura valida di confronto, la validità concorrente non può essere verificata. Può essere però indagata in modo indiretto. È possibile verificare se esistono delle relazioni coerenti fra il nuovo test e misure (valide) di altri costrutti che debbono essere in vario modo collegate al costrutto per il quale si vuole sviluppare una misura

8 Validità Rispetto al Criterio Se un test è usato per avere una stima del punteggio in un criterio differito nel tempo parliamo di Validità Predittiva del Test. Validità Predittiva - il punteggio nel test è capace di predire accuratamente la prestazione nel dominio teorico cui il test appartiene. Esempi: Il punteggio verbale del SAT (una specie di test d ingresso) correla.40 con la media degli esami del primo anno alla fine del primo semestre. La scala delle Relazioni Spaziali correla.70 con il successo nella prova di disegno tecnico per studenti degli Istituti Tecnici.

9 Difficoltà di verificare la validità predittiva Il criterio deve essere valido concettualmente: il criterio deve essere teoricamente connesso al costrutto che si vuole misurare. Il criterio deve essere misurato in modo valido: Se un criterio concettualmente valido non è misurato in modo valido e attendibile, non posso interpretare la validità predittiva. La validità, in tutti i suoi aspetti, è un problema attinente sia alle variabili indipendenti, sia dipendenti

10 Validità Rispetto al Criterio Validità Concorrente Generalmente si valuta questa validità sul coefficiente di correlazione tra i due test. Problema: quando la correlazione è bassa come la interpretiamo? Accertare i requisiti di attendibilità di ciascun test Accertare la validità di contenuto, predittiva o rispetto alla funzione di ciascun test Accertare quale test è più rapido da somministrare Accertare quale test può essere somministrato ad un ampia gamma di persone Accertare quali attributi rendono un test preferibile all altro

11 Validità Rispetto al Criterio Validità Predittiva (il criterio è un altra misura) Gli elementi da prendere in considerazione sono: Problema pratico al quale si vuole offrire una soluzione (es. selezionare in un azienda i soggetti con migliori qualità manageriali) Criterio riconosciuto adeguato (sia dal cliente sia dal ricercatore) Intervallo di tempo tra la somministrazione del test e la rilevazione della misura criterio Campione ritenuto accettabile (es. anno di corso degli studenti) Test utilizzato per la predizione (dipende dalla misura che ci interessa)

12 Validità Rispetto al Criterio: riassunto Si differenzia in: Validità Concorrente il criterio è contemporaneo al test; a volte si tratta di altri strumenti simili al test in esame Validità Predittiva il criterio è successivo al test, spesso si tratta di esiti importanti per l individuo Si stima con: Coefficiente di Validità correlazione r Coefficiente di Determinazione = r 2 Accuratezza della diagnosi (ROC)

13 Validità di Costrutto Validità di Costrutto - cerca di verificare se un punteggio al test misura il costrutto d interesse. Poiché i costrutti sono astrazioni concettuali, la validità bisogna derivarla in maniera indiretta Il modo di procedere è quello di valutare un insieme di prove che nel loro complesso stabiliscono la validità di Costrutto

14 Validità di Costrutto La Validità Concorrente è di grande aiuto nel determinare la Validità di Costrutto di un Test. Nell indagare la validità di costrutto si distingue la validità concorrente in due aspetti differenti: Validità Convergente - Alta Correlazione con altre Misure dello stesso Costrutto. Validità Discriminante - Bassa correlazione con altre Misure di altri Costrutti

15 Validità di Costrutto Approccio per Gruppi Contrapposti Matrici Multi-Tratto-Multi-Metodo MTMM Matrici Multi-Tratto-Multi-Item MTMI Analisi Fattoriale

16 Validità Rispetto al Criterio Un modo diverso rispetto alla correlazione per valutare la validità del criterio è: Risultato al Criterio Risultato al Test Positivi Falsi positivi - Falsi negativi Negativi

17 La rappresentatività del campione

18 Il problema fondamentale della campionatura riguarda la rappresentatività del campione rispetto alla popolazione Individuare la popolazione di riferimento e da questa estrarre il campione

19 Estrazione del campione Campione casuale semplice: estrazione da una lista con metodo puramente casuale Campionatura sistematica: estrarre ad intervalli regolari i soggetti attinti da una lista Campionatura a quote o mirata: somministrare il test a persone che abbiano certe caratteristiche Campionatura a palla di neve: reperito u piccolo campione, lo si utilizza per reperire altri soggetti campionatura di convenienza: (studenti, pazienti), si può ovviare a problemi di distorsione con validazioni incrociate

20 La rappresentatività del campione non dipende dalla numerosità ma dalle modalità seguite per estrarre il campione dalla popolazione. Quando il campione è rappresentativo la numerosità aumenta la potenza del campione

21 Qualunque misura presa su un campione invece che sulla popolazione ha un suo errore standard (in base al quale noi possiamo sapere quanto si discosta dalla misura corrispondente che potremmo prendere sull intera popolazione

22 Potenza dei test statistici La numerosità del campione garantisce potenza ai test (probabilità che una ricerca porti a risultati significativi) La potenza di un test è data dalla probabilità di respingere l ipotesi nulla quando è falsa Potenza = 1-probablità di commettere un errore di II tipo = 1-β

23 Validità Predittiva MALATO/ BOCCIATO Risultato al Criterio SANO/ PROMOSSO VP = Veri Positivi FP = Falsi Positivi FN = Falsi Negativi VN = Veri negativi + - Risultato al Test VP e VN = DECISIONE CORRETTA FP e FN = DECISIONE ERRATA Falsi Positivi sono Errori di I Tipo Falsi Negativi sono Errori di II Tipo

24 Validità Predittiva TOTALE + TOTALE - MALATO/ BOCCIATO VP = Veri Positivi FN = Falsi Negativi TOTALE MALATI/ BOCCIATI SANO/ PROMOSSO FP = Falsi Positivi VN = veri negativi TOTALE SANI/ PROMOSSI Totale + Totale - Potere Predittivo Positivo = Quanti VP sul totale dei malati? Potere Predittivo Negativo = Quanti VN sul totale dei sani? Sensitività = Quanti VP sul totale dei Positivi? Specificità = Quanti VN sul totale dei Negativi?

25 Validità Predittiva (Extra) PPP = Quanti VP sul totale dei malati? = 50/54 =.93 PPN = Quanti VN sul totale dei sani? =121/124 =.98 Sensitività = Quanti VP sul totale dei Positivi? = 50/53 =.94 Specificità = Quanti VN sul totale dei Negativi? = 121/125 =.97

26 Validità Predittiva In realtà schizofrenici In realtà normali Totale T=70 o più (diagnosticati come schizofrenici) 30 VP 1 FP 31 T=69 o meno (diagnosticati come normali FN VN Scala MMPI M=50 e ds =10. Nella validazione originale nel gruppo sperimentale di pazienti psichiatrici il 60% otteneva Un punteggio superiore a T=70, solo il 2% del gruppo di normali otteneva un punteggio T= 70 (BUONA VALIDITA DEL TEST In tabella viene sottoposto MMPI ad 100 persone il 50% sano e il 50% schizofrenico

27 Validità Predittiva In realtà schizofrenici In realtà normali Totale T=70 o più (diagnosticati come schizofrenici) 0.6 VP 2,0 FP 2,6 T=69 o meno (diagnosticati come normali 0,4 97,0 FN VN 1,0 99,0 97,4 100 Nella popolazione normale 1% di soggetti è schizofrenico. Popolazione di riferimento diversa dalla precedente Il 97,6% coincidono con la diagnosi e lo 0,4% è di falsi negativi Tutto dipende dalla somiglianza fra la composizione del campione di validazione e la composizione delle popolazioni a cui vengono generalizzati i risultati Conclusione: stare attenti all uso dei punteggi cut-off

28 Ipotizziamo che lo 0.01% (1%) dei bambini di età compresa tra i 3 anni e i dieci anni risulta aver subito una abuso sessuale. Dai dati pubblicati in letteratura sappiamo che lo 0.80 (80%) dei bambini di età compresa tra i tre e i dieci anni che ha subito un abuso sessuale risulta positivo al test X In letteratura è anche noto che lo (9.6%) dei bambini di età superiore ai tre anni che non ha subito abusi sessuali ottiene un risultato positivo al test. A questo punto qual è la probabilità che il bambino A.R., di età compresa tra i tre e i 10 anni abbia subito un abuso sessuale se ha ottenuto un risultato positivo al test?

29 In altre parole: qual è la probabilità condizionata che il bambino A.R. abbia subito un abuso sessuale avendo ottenuto un risultato positivo al test X? La risposta più frequente, ma errata, varia tra il 70% e 80% di probabilità (sovrastima del fenomeno)

30 Alcuni autori (Gigerenzer e Hoffrage, 1995) hanno ipotizzato che sia i professionisti che le persone comuni siano in grado di operare ragionamento corretti a patto di poter ragionar su dati assoluti e non relativi

31 Ipotizziamo che 100 bambini su (1%) dei bambini di età compresa tra i tre anni e i dieci anni risulta aver subito una abuso sessuale. Dai dati pubblicati in letteratura sappiamo che 80 su 100 (80%) dei bambini di età superiore ai tre anni che ha subito un abuso sessuale risulta positivo al test X In letteratura è anche noto che 950 bambini su 9900 (9.6%) dei bambini di età compresa tra i tre anni e i dieci anni che non ha subito abusi sessuali ottiene un risultato positivo al test X. A questo punto, se bambini avessero ottenuto un risultato positivo al test quanti di loro sarebbero abusati? Anche in questo caso risulta una sovrastima del fenomeno.

32 Sappiamo che su un totale di bambini con un età compresa tra i tre e i dieci anni ve ne sono 100 che hanno subito un abuso sessuale. Questa informazione rappresenta la PREVALENZA dell abuso sessuale nella popolazione esaminata, (probabilità a priori di un bambino MR di essere stato abusato). 80 di questi 100 bambini abusati risultano positivi al test X. Escludendo i 100 bambini abusati, ne rimangono 9900 in uno stato di non abuso (sani). Tra questi 950 ottengono un risultato positivo al test X, nonostante non siano stati abusati. La probabilità di avere un test positivo, data l assenza di abuso sessuale è il complemento della probabilità di avere un test negativo, data l assenza di abuso. Tirando le somme vi sono bambini che hanno un risultato positivo al test, per un totale di 1030 bambini. Di questi, tuttavia 80 su 1030 hanno subito un abuso sessuale.

33 Quindi la risposta corretta è che la proporzione di bambini con un test positivo che ha effettivamente subito un abuso, e quindi che un bambino sia stato abusato dato la positività del test è pari a (8%). L errore è l ignorare il tasso di prevalenza della problematica che è invece determinante nell influenzare il potere predittivo di un test.

34 Validità Predittiva (Extra) 1,00,75,50 ROC Curve La curva ROC (Receiver Operating Curve) mette in relazione sensitività e specificità di un test. Sensitivity,25 0,00 Un buon test quello la cui area sotto la curva è massima 0,00,25,50,75 1, Specificity

35 Attenuazione I coefficienti di validità basati sulla correlazione sono distorti dall attendibilit attendibilità (sempre 0) Attendibilità meno che perfette attenuano la stima della vera validità Errore Tratto Tratto Errore

36 Attenuazione È stata quindi proposta una correzione per l attenuazione (rapporto tra il coefficiente di validità trovato e i coefficienti di attendibilità dei due test posti a confronto)

37 Correzione per l attenuazione Correzione del criterio ' 12 r = r 12 r 22 Correzione del Test e del Criterio '' 12 r = r r r 22

38 Correzione per l attenuazione Attenzione: quando si dice che è stata introdotta la correzione per attenuazione, bisogna per prima cosa controllare i valori dei coefficienti di attendibilità, se sono bassi, anche un valore elevato del coefficiente di validità corretto non è sufficiente a sanare la debolezza metrica del test

39 Approccio per Gruppi Contrapposti Se un test misura ciò che dichiara di misurare allora soggetti con punteggi Alti e Bassi nel test devono comportarsi in maniera differente entro il dominio concettuale del costrutto. Esempi banali: Alti Ansiosi vs. Bassi Ansiosi: ci si aspetta che i due gruppi si comportino in maniera diversa mentre aspettano i risultati di un esame. Attenti vs. Disattenti: ci si aspetta che i due gruppi si comportino in maniera diversa mentre l insegnante parla a lezione.

Il ragionamento diagnostico TEST DIAGNOSTICO. Dott.ssa Marta Di Nicola. L accertamento della condizione patologica viene eseguito TEST DIAGNOSTICO

Il ragionamento diagnostico TEST DIAGNOSTICO. Dott.ssa Marta Di Nicola. L accertamento della condizione patologica viene eseguito TEST DIAGNOSTICO Il ragionamento diagnostico http://www.biostatistica biostatistica.unich unich.itit 2 L accertamento della condizione patologica viene eseguito All'inizio del decorso clinico, per una prima diagnosi In

Dettagli

VALIDITA DELLE MISURE

VALIDITA DELLE MISURE VALIDITA DELLE MISURE Misurazione In psicologia si misurano spesso costrutti, formati da dimensioni (o fattori), tramite indicatori. Ogni atto di misurazione comporta degli errori Gli errori possono essere

Dettagli

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 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

Dettagli

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI Università degli Studi di Padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA Anno accademico 2005-06 Temi di Statistica ed Epidemiologia PROBABILITÀ E DECISIONI IN MEDICINA:

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumenti di indagine per la valutazione psicologica 2.2 Mettere a punto un test psicologico Davide Massidda davide.massidda@gmail.com Da dove partire C'è davvero bisogno di un nuovo strumento di misura?

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

Principi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli

Principi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi 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

Dettagli

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza 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

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA CONDIZIONALE Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

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,

Dettagli

Valutare un test. Affidabilità e validità di un test. Sensibilità e specificità

Valutare un test. Affidabilità e validità di un test. Sensibilità e specificità Valutare un test 9 Quando si sottopone una popolazione ad una procedura diagnostica, non tutti i soggetti malati risulteranno positivi al test, così come non tutti i soggetti sani risulteranno negativi.

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC

I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC G Ital Nefrol 2011; 28 (6): 642-647 MASTER IN EPIDEMIOLOGIA CLINICA I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC Graziella D Arrigo, Fabio Provenzano, Claudia Torino, Carmine Zoccali, Giovanni Tripepi

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) 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

Dettagli

La valutazione dei corsi da parte degli studenti: confronto fra carta e web

La valutazione dei corsi da parte degli studenti: confronto fra carta e web La valutazione dei corsi da parte degli studenti: confronto fra carta e web Lorenzo Bernardi e Gianpiero Dalla Zuanna Dipartimento di Scienze Statistiche Nel 2011, l Ateneo di Padova ha introdottola procedura

Dettagli

Premesse alla statistica

Premesse alla statistica Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo

Dettagli

Corso 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 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

Dettagli

Si comincia a costruire un test partendo dallo studio della caratteristica da misurare.

Si comincia a costruire un test partendo dallo studio della caratteristica da misurare. VALIDITA A PRIORI Si comincia a costruire un test partendo dallo studio della caratteristica da misurare. Indicatori della caratteristica da misurare vanno valutati in rapporto all attinenza della caratteristica

Dettagli

Mining Positive and Negative Association Rules:

Mining Positive and Negative Association Rules: Mining Positive and Negative Association Rules: An Approach for Confined Rules Alessandro Boca Alessandro Cislaghi Premesse Le regole di associazione positive considerano solo gli item coinvolti in una

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

Il concetto di correlazione

Il concetto di correlazione SESTA UNITA Il concetto di correlazione Fino a questo momento ci siamo interessati alle varie statistiche che ci consentono di descrivere la distribuzione dei punteggi di una data variabile e di collegare

Dettagli

Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali:

Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali: Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali: la sensibilità diagnostica o clinica, la specificità diagnostica o clinica, l incidenza

Dettagli

STATISTICA INFERENZIALE

STATISTICA 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

Dettagli

Tabella iniziale con i dati. Malattia Malati Non malati Totale Test Positivo 183 Negativo 280 Totale 199 512. Calcolo i valori mancanti per differenza

Tabella iniziale con i dati. Malattia Malati Non malati Totale Test Positivo 183 Negativo 280 Totale 199 512. Calcolo i valori mancanti per differenza ESERCIZIO DI STATISTICA D.U. / simulazione di esame Esercizio 1: Per una malattia particolarmente grave viene sperimentato l utilizzo di una nuova tecnica radiologica allo scopo di identificare correttamente

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

OSSERVAZIONI TEORICHE Lezione n. 4

OSSERVAZIONI TEORICHE Lezione n. 4 OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze

Dettagli

Analizza/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. 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

Dettagli

Rapporto dal Questionari Insegnanti

Rapporto dal Questionari Insegnanti Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica EPIDEMIOLOGIA Ha come oggetto lo studio della distribuzione delle malattie in un popolazione e dei fattori che la influenzano

Dettagli

Capitolo 4 Probabilità

Capitolo 4 Probabilità Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.

Dettagli

Università 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 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

Dettagli

Programma di screening

Programma di screening Programma di screening Un programma di screening consiste nel selezionare, in una popolazione, particolari sottogruppi tramite un qualche test (test di screening) Sono selezionate in un gruppo di sani

Dettagli

La significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA

La significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA Tutti i test statistici di significatività assumono inizialmente la cosiddetta ipotesi zero (o ipotesi nulla) Quando si effettua il confronto fra due o più gruppi di dati, l'ipotesi

Dettagli

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

ENTE TITOLARE: ISTITUTO VENETO PER IL LAVORO

ENTE TITOLARE: ISTITUTO VENETO PER IL LAVORO ENTE TITOLARE: ISTITUTO VENETO PER IL LAVORO PROGETTO 2/1/1/1758/2009 Riconoscimento e certificazione delle competenze acquisite in ambiente di lavoro dagli occupati in contratto di apprendistato AzioneMacro

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

CLASSIFICAZIONE DEI CARATTERI

CLASSIFICAZIONE DEI CARATTERI CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è

Dettagli

Concetto di potenza statistica

Concetto 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

Dettagli

come nasce una ricerca

come nasce una ricerca PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue

Dettagli

IL COLLAUDO DI ACCETTAZIONE

IL 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

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi

Dettagli

Stima 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

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia Meccanica A.A. 2005-2006 Prof. Paolo Vigo Indice 1. Errori ed Incertezze 2. Errori Sistematici ed Accidentali 3. Proprietà degli Strumenti

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?

LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho

Dettagli

Indice. 1 La disoccupazione ---------------------------------------------------------------------------------------- 3. 2 di 6

Indice. 1 La disoccupazione ---------------------------------------------------------------------------------------- 3. 2 di 6 INEGNAMENO DI EONOMIA OLIIA LEZIONE VIII IL EORE DELL OUAZIONE ROF. ALDO VAOLA Economia olitica Indice 1 La disoccupazione ----------------------------------------------------------------------------------------

Dettagli

lezione 18 AA 2015-2016 Paolo Brunori

lezione 18 AA 2015-2016 Paolo Brunori AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo

Dettagli

PRINCìPI DI SPERIMENTAZIONE CLINICA

PRINCìPI DI SPERIMENTAZIONE CLINICA università degli studi di padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA anno accademico 2005/2006 PRINCìPI DI SPERIMENTAZIONE CLINICA Francesco Grigoletto Lo sviluppo

Dettagli

I FIORENTINI E LA TRANVIA Indagine conoscitiva sull utilizzo della linea 1 della tranvia

I FIORENTINI E LA TRANVIA Indagine conoscitiva sull utilizzo della linea 1 della tranvia I FIORENTINI E LA TRANVIA Indagine conoscitiva sull utilizzo della linea 1 della tranvia Introduzione 1. Obiettivi e caratteristiche dell indagine L indagine è progettata dal Settore Pianificazione Integrata

Dettagli

Metodologia epidemiologica e Igiene II

Metodologia epidemiologica e Igiene II Università Cattolica del Sacro Cuore Scuola di Specializzazione in Igiene e Medicina Preventiva e Medicina Legale Anno accademico 2011/2012 Metodologia epidemiologica e Igiene II Bruno Federico Cattedra

Dettagli

INVALSI English Language Test

INVALSI English Language Test INVALSI English Language Test Rapporto scuola Scuola secondaria di primo grado Settembrini - Roma Pretest 2012 APPENDICE 1. Risultati dei singoli studenti Introduzione Questo rapporto presenta i risultati

Dettagli

La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari.

La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. Giovanni Anania e Rosanna Nisticò EMAA 14/15 X / 1 Il problema Un ottimo uso del vostro tempo! questa

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Il problema di Monty Hill nel film 21 Elementare!! Statistiche, cambio di variabili. 1 Il coefficiente di correlazione tra Indicee Stipendio vale 0,94. E possibile asserire che

Dettagli

Progetto costo I. O. I.A. A 5 9 4 B 8 15 9 C 4 3 3 D 9 7 1

Progetto costo I. O. I.A. A 5 9 4 B 8 15 9 C 4 3 3 D 9 7 1 Tecniche di Valutazione Economica Processo di aiuto alla decisione lezione 13.04.2005 Modello di valutazione Dobbiamo riuscire a mettere insieme valutazioni che sono espresse con dimensioni diverse. Abbiamo

Dettagli

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione: 1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale

Dettagli

ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE

ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000/ ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE INDICE parte sezione pagina. Misurazione di una corrente continua

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte II

Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte II Laboratorio Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte II Laura Palmerio Università Tor Vergata A.A. 2005/2006 Ipotesi sperimentale o alternativa e Ipotesi zero o nulla Ipotesi

Dettagli

Screening. Definizione

Screening. Definizione Screening Dott.ssa Pamela Di Giovanni Definizione Applicazione di un test, esame o di un altra procedura su soggetti asintomatici finalizzata all identificazione presuntiva di una potenziale patologia

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

FONDAMENTI DI PSICOMETRIA - 8 CFU Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso

Dettagli

Capitolo 2. Operazione di limite

Capitolo 2. Operazione di limite Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Il confronto fra proporzioni

Il 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,

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà 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

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

9. La distribuzione 2 e i test per dati su scala nominale

9. La distribuzione 2 e i test per dati su scala nominale 9. La distribuzione e i test per dati su scala nominale 9.1. La distribuzione 9. 1. 1. La statistica e la sua distribuzione In una popolazione distribuita normalmente con parametri e estraiamo un campione

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Un gioco con tre dadi

Un gioco con tre dadi Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.

Dettagli

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

Con il termine Variabile di solito si indica qualcosa che varia, cioè che assume più modi di essere, detti modalità, attributi, valori

Con il termine Variabile di solito si indica qualcosa che varia, cioè che assume più modi di essere, detti modalità, attributi, valori Le Variabili Con il termine Variabile di solito si indica qualcosa che varia, cioè che assume più modi di essere, detti modalità, attributi, valori 1. Genericamente, il termine variabile indica un carattere

Dettagli

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?

PROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento

Dettagli

Multicollinearità Strumenti quantitativi per la gestione

Multicollinearità Strumenti quantitativi per la gestione Strumenti quantitativi per la gestione Emanuele Taufer Quando non tutto va come dovrebbe I dati Scatter plot Correlazioni RLS e RLM Individuare la MC Variance Inflation Factor Cosa fare in caso di MC Alcune

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. 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

Dettagli

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo.

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo. LEZIONE 4 Il Capital Asset Pricing Model 1 Generalità 1 Generalità (1) Il Capital Asset Pricing Model è un modello di equilibrio dei mercati che consente di individuare una precisa relazione tra rendimento

Dettagli

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto.

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto. «Possiamo conoscere qualcosa dell'oggetto di cui stiamo parlando solo se possiamo eseguirvi misurazioni, per descriverlo mediante numeri; altrimenti la nostra conoscenza è scarsa e insoddisfacente.» (Lord

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) La Regressione Multipla La Regressione Multipla La regressione multipla

Dettagli

Università 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 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 -

Dettagli

Sicurezza delle reti 1

Sicurezza delle reti 1 1 Mattia Dip. di Informatica e Comunicazione Università degli Studi di Milano, Italia mattia.monga@unimi.it a.a. 2010/11 1 c 2011 M.. Creative Commons Attribuzione-Condividi allo stesso modo 2.5 Italia

Dettagli

La misurazione e la previsione della domanda

La misurazione e la previsione della domanda La misurazione e la previsione della domanda Le domande fondamentali Quali sono i principi che sottendono alla misurazione e alla previsione della domanda? Come si può stimare la domanda attuale? Come

Dettagli

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes.

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1 Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Probabilità, verosimiglianza e teorema di Bayes Se A e B sono

Dettagli

i criteri di valutazione

i criteri di valutazione La fattibilità economica dei progetti: i criteri di valutazione 14.XII.2011 I criteri di fattibilità del progetto La convenienza di un investimento t immobiliare per il promotore può avvenire attraverso

Dettagli

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili

Dettagli

Gli studi caso. controlli. Obiettivi. Stime del rischio. Ne deriva la Tabella 2x2

Gli studi caso. controlli. Obiettivi. Stime del rischio. Ne deriva la Tabella 2x2 Gli studi caso controllo Obiettivi Negli ultimi decenni questo modello di indagine è stato applicato soprattutto per lo studio delle malattie cronicodegenerative (le più frequenti cause di morte in tutti

Dettagli

RELAZIONE SUL TEST GENERALE D ACCESSO AL CORSO DI LAUREA IN LINGUE E CULTURE STRANIERE

RELAZIONE SUL TEST GENERALE D ACCESSO AL CORSO DI LAUREA IN LINGUE E CULTURE STRANIERE Isabella Innamorati RELAZIONE SUL TEST GENERALE D ACCESSO AL CORSO DI LAUREA IN LINGUE E CULTURE STRANIERE IL TEST DI ACCESSO AL CORSO DI LAUREA IN DISCIPLINE DELLE ARTI DELLA MUSICA E DELLO SPETTACOLO

Dettagli

La raccolta dei dati

La raccolta dei dati La raccolta dei dati 1. Osservazione 2. Intervista 3. Questionario 4. Tecniche implicite La raccolta dei dati La raccolta dei dati è un aspetto fondamentale nella ricerca, ossia rilevare le variabili che

Dettagli

Progetto LLP-LDV-TOI-09-IT-0448 ValeRIA Valutare la relazione tra insegnamenti e apprendimenti

Progetto LLP-LDV-TOI-09-IT-0448 ValeRIA Valutare la relazione tra insegnamenti e apprendimenti Progetto LLP-LDV-TOI-09-IT-0448 ValeRIA Valutare la relazione tra insegnamenti e apprendimenti Il docente agli occhi dello studente Due scuole partner hanno somministrato il questionario Il docente agli

Dettagli

A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO (2002) Descrizione

A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO (2002) Descrizione IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI (2002) DEVELOPMENTAL assessment individuale; valutazione disturbi di apprendimento;

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 2 Distribuzioni di frequenza Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.

Dettagli