10 TEST STATISTICI PER LA VERIFICA DI IPOTESI
|
|
- Lucio Vinci
- 4 anni fa
- Visualizzazioni
Transcript
1 10 TEST STATISTICI PER LA VERIFICA DI IPOTESI Un test statistico è una procedura che permette di decidere tra l ipotesi sperimentale H1 e l ipotesi nulla H0, quantificando la divergenza delle osservazioni sperimentali da H 0. L esito del test è un numero che va confrontato con il corrispondente valore dell appropriata tavola statistica. Valori estremi del test suggeriscono che non è verosimile ottenere i dati sperimentali se fosse vera l ipotesi H 0. Per precisare il significato di non verosimile si introduce il P-value. Test parametrici In genere applicati a dati quantitativi. Richiedono che i dati abbiano distribuzione gaussiana. Test non parametrici (anche detti distribution free ) In genere impiegabili con dati almeno ordinali (test χ 2 anche con dati nominali). Non richiedono che i dati abbiano distribuzione gaussiana. Per lo più basati sulla trasformazione delle osservazioni in ranghi. In genere meno potenti dei test parametrici. Ipotesi H0 e H1 Si definisce ipotesi nulla (e la si indica con H0) l ipotesi di cui verificare la confutabilità (H0 i risultati ottenuti con il protocollo oggetto di sperimentazione non si discostano in modo statisticamente significativo dai risultati ottenibili con la procedura standard). Si definisce ipotesi sperimentale o alternativa (e la si indica con H1) l ipotesi (complementare ad H 0 ) di cui verificare l attendibilità (H1 i risultati ottenuti con il protocollo oggetto di sperimentazione si discostano in modo statisticamente significativo dai risultati ottenibili con la procedura standard). Il test statistico permette di decidere tra H 0 e H 1. Ad esempio si abbiano due campioni con differenti medie m1 e m2. L ipotesi nulla H0 è che i due campioni derivino dalla stessa popolazione (o, equivalentemente, da due popolazioni con uguale media) (H0: µ1 µ2) e che lo scostamento tra m1 e m2 è dovuto al campionamento. L ipotesi sperimentale H1 è che i campioni provengano da due popolazioni con differenti medie (H1: µ1 µ2). P-value Si ripeta il test su un gran numero di campioni estratti dalla popolazione di riferimento (per i quali è vera H 0 ). La distribuzione dei risultati dei test sarà rappresentabile con una curva in genere gaussiana. Si esegua poi il test sui dati sperimentali, ottenendo il valore Testesperim. Il P-value associato ad un test statistico è la probabilità ( 1) che il test condotto su un campione estratto in modo casuale dalla popolazione di riferimento (per cui è vera H 0 ) fornisca un valore uguale o più estremo di Testesperim. Più piccolo è il P-value, più forte sarà l evidenza fornita dai dati dell esperimento contro H0. Appunti di Statistica - G 1 di 8 Paolo Montanari
2 Se al test condotto sui dati sperimentali è associato un p-value inferiore al valore soglia α scelto dallo sperimentatore prima dell esecuzione del test (in genere α0.01 o α0.05), l evidenza empirica è sufficientemente contraria all ipotesi nulla H0 (campioni estratti dalla stessa popolazione) che quindi può essere rifiutata (e quindi si accetta l ipotesi H 1 ). Se invece al test condotto sui dati sperimentali è associato un p-value superiore al valore soglia α, l evidenza empirica non è sufficientemente contraria all ipotesi nulla H0 che quindi non può essere rifiutata. Se si ottiene un P-value inferiore al 5%, i dati sperimentali vengono detti statisticamente significativi. Se si ottiene un P-value inferiore all 1%, i dati sperimentali vengono detti statisticamente molto significativi. Errori di 1 e 2 tipo Si commette un errore di 1 tipo (la cui probabilità si indica con αp) quando si rifiuta l ipotesi H 0 essendo H 0 vera (o, equivalentemente, quando si accetta l ipotesi H 1 essendo H 1 falsa). Si commette un errore di 2 tipo (la cui probabilità si indica con βp) quando si rifiuta l ipotesi H 1 essendo H 1 vera (o, equivalentemente, quando si accetta l ipotesi H 0 essendo H 0 falsa). 1- αp è la probabilità di rispondere correttamente quando è vera H βp è la probabilità di rispondere correttamente quando è vera H 1. Proprio quest ultima viene denominata potenza η del test. La potenza di un test η 1 - βp è una misura della capacità del test di riconoscere correttamente l ipotesi sperimentale H 1. Nella seguente tabella sono riportati il tipo di errore e la probabilità di commetterlo. Decisione Situazione reale H0 vera (H 1 falsa) H0 falsa (H 1 vera) No errore; 1- αp Errore 2 tipo; βp Accetto H0 (rifiuto H 1 ) livello di protezione Rifiuto H0 Errore 1 tipo; αp (accetto H 1 ) livello di significatività Tipo di errore e probabilità di commetterlo No errore; 1- βp η Potenza del test Appunti di Statistica - G 2 di 8 Paolo Montanari
3 Le due probabilità di errore si compensano: tanto più si riduce αp, tanto più aumenta βp. L unico modo per ridurre contemporaneamente entrambe le probabilità di errore è quello di aumentare la numerosità dei campioni. Regola decisionale: rifiutare H0 se il risultato del test condotto sui dati sperimentali appartiene alla regione di rifiuto (o regione critica insieme dei valori del test che non è probabile si verifichino quando l ipotesi H 0 è vera, e che quindi conducono al rifiuto di H 0 ); accettare H0 se il risultato del test condotto sui dati sperimentali appartiene alla regione di accettazione (insieme dei valori del test che è probabile si verifichino quando l ipotesi H 0 è vera, e che quindi conducono alla accettazione di H 0 ). L ampiezza delle regioni di rifiuto e di accettazione e la loro frontiera (detta valore critico) dipendono dal livello di significatività α. Test a una coda (o test unilaterale) quando la regione di rifiuto è costituita da un intervallo. Test a due code (o test bilaterale) quando la regione di rifiuto è costituita da due intervalli, cioè da due code della distribuzione. Per capire se il test è unilaterale o bilaterale basta guardare l ipotesi alternativa: se in essa è presente il, allora si tratta di un test bilaterale, se invece compare il < o il >, si tratta di un test unilaterale. Appunti di Statistica - G 3 di 8 Paolo Montanari
4 SEQUENZA OPERATIVA TEST DI VERIFICA IPOTESI 1. Formulazione ipotesi sperimentale H1 e ipotesi nulla H0. 2. Effettuazione esperimento/indagine e raccolta osservazioni. 3. Verificare se la distribuzione è approssimativamente gaussiana: ad occhio, usando indicatori asimmetria e curtosi (valori pro a 0 se distribuzione circa gaussiana), 4. Esecuzione test statistico sulle osservazioni raccolte (fornisce un numero). 5. Confrontare il risultato del test statistico con i dati tabulati, per gli specifici valori di α (significatività) e gl (gradi di libertà). 6. In base al confronto si accetta l ipotesi H0 (e di conseguenza si rifiuta H1) o si rifiuta l ipotesi H0 (e di conseguenza si accetta H1). 7. Nel decidere di accettare o rifiutare H0 si può commettere uno dei seguenti errori: errore di 1 tipo se si rifiuta H0 essendo H0 vera (con probabilità αp); errore di 2 tipo se si accetta H0 essendo H0 falsa (con probabilità βp). 8. Se possibile si calcoli il P-value, altrimenti si fornisca l intervallo in cui ricade. Tipo di esperimento Associazione tra due variabili Due trattamenti con soggetti diversi (dati NON appaiati) Tre o più trattamenti con soggetti diversi (dati NON appaiati) Osservazioni prima e dopo trattamento sugli stessi soggetti (dati appaiati) Più trattamenti sugli stessi soggetti (dati appaiati) Quantitativi con distribuzione normale Regressione lineare e coeffic di correlazione ρ di Pearson Test t per dati indipendenti Analisi della varianza (ANOVA) Test t per dati appaiati Analisi della varianza per misure ripetute Tipo variabili Qualitativi ordinali e quantitativi non distribuiti normalmente Correlazione per ranghi di Spearman Test U di Mann- Whitney Test K di Kruskal- Wallis Test T di Wilcoon Statistica di Friedman Qualsiasi Rischio relativo o odds ratio Tabelle di contingenza con test χ 2 Tabelle di contingenza con test χ 2 Test di McNemar (χ 2 modificato) Test Q di Cochrane Appunti di Statistica - G 4 di 8 Paolo Montanari
5 Test z e t per verificare che una nuova osservazione appartenga ad una data popolazione Dati quantitativi con distribuzione gaussiana Test parametrico H0: la nuova osservazione appartiene alla popolazione Campione numeroso (n > 30): se z test > z tabulato si rifiuta H 0 (e si accetta H 1 ) Campione poco numeroso (n < 30): se t test > t tabulato si rifiuta H 0 (e si accetta H 1 ) Coefficiente correlazione lineare ρ (di Bravais-Pearson) per lo studio della dipendenza lineare tra 2 caratteri quantitativi 2 caratteri quantitativi X e Y con distribuzione gaussiana H0: X e Y sono incorrelate linearmente Se ρ test > ρ tabulato si rifiuta H 0 (e si accetta H 1 : correlazione lineare statisticamente significativa tra X e Y; se ρ test > 0 correlaz positiva; se ρ test < 0 correlaz negativa) Coefficiente di correlazione rs per ranghi di Spearman per lo studio della dipendenza tra 2 caratteri Dati qualitativi ordinali; dati quantitativi con qualsiasi distribuzione H0: X e Y sono incorrelate Se r Stest > r Stabulato si rifiuta H 0 (e si accetta H 1 : correlazione statisticamente significativa tra X e Y) Test χ 2 (verifica omogeneità frequenze, verifica bontà adattamento della distribuzione empirica all andamento previsto dalla distribuzione teorica, verifica di associazione tra due caratteri) Dati di qualsiasi tipo (anche nominali) Test NON parametrico Basato sul confronto tra frequenze osservate e frequenze attese Se gl 1 correzione di Yates H0: non vi è associazione tra i due caratteri (la differenza tra le frequenze osservate e le frequenze attese è statisticamente non significativa) Se χ 2 test > χ 2 tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Test U di Mann Whitney per confronto mediane di due campioni non appaiati (anche di differente numerosità) Dati qualitativi ordinali; conteggi; dati quantitativi con qualsiasi distribuzione Test NON parametrico Usa i ranghi mediana Se U test < U tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Appunti di Statistica - G 5 di 8 Paolo Montanari
6 Test K di Kruskal Wallis per confronto mediane di più di due campioni non appaiati Dati qualitativi ordinali; conteggi; dati quantitativi con qualsiasi distribuzione Test NON parametrico Usa i ranghi mediana Se K test > χ 2 tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Test T di Wilcoon per confronto mediane di due campioni appaiati Dati qualitativi ordinali; dati quantitativi con qualsiasi distribuzione Test NON parametrico Usa i ranghi mediana Se T test < T tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Test t per confronto medie di due campioni non appaiati Dati quantitativi con distribuzione gaussiana Test parametrico media Se t test > t tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Test t per confronto medie di due campioni appaiati Dati quantitativi con distribuzione gaussiana Test parametrico media Se t test > t tabulato si rifiuta H 0 (e di conseguenza si accetta H 1 ) Test ANOVA per confronto medie di più di due campioni Dati quantitativi con distribuzione gaussiana Test parametrico Valutazione efficacia test diagnostici (sensibilità, specificità, valori predittivi) Studi prospettici (o di coorte): odds ratio (OR), rischio relativo (RR) hazard ratio (HR) Studi retrospettivi (o caso-controllo): odds ratio (OR) Appunti di Statistica - G 6 di 8 Paolo Montanari
7 10b test z e t per verifica di appartenenza ad una popolazione (parametrico) Caso generale di test a due code. 1. Si abbia un carattere X con distribuzione gaussiana N(μ,σ) 2. Si presenti una nuova osservazione A 3. H0: la nuova osservazione appartiene alla popolazione 4. Si calcola il suo corrispondente valore za nella distribuzione gaussiana standardizzata A µ N(0,1) usando a formula za σ 5. Si controlla il valore assoluto di z A a) se za > zα la probabilità p di ottenere tale valore di z A o un valore più estremo ( probabilità di ottenere l originale A o un valore più estremo) è inferiore a 0.05 (p < 0.05) z A (e quindi A ) è statisticamente significativo b) se za > zα la probabilità p di ottenere tale valore di z A o un valore più estremo ( probabilità di ottenere l originale A o un valore più estremo) è inferiore a 0.01 (p < 0.01) z A (e quindi A ) è statisticamente molto significativo Esempio test z. Si consideri come caratteristica X il peso di una popolazione di neonati sani. Si abbia come media µ 3.8 kg e come deviazione standard σ 0.5 kg. Si presenta una nuova osservazione A 2 kg. H0: la nuova osservazione appartiene alla popolazione dei neonati sani. A µ 2kg 3.8kg 1.8 za 3.6 σ 0.5kg 0.5 Essendo za 3.6 > 2.58 si conclude che l osservazione A 2 kg è statisticamente molto significativa, cioè che la probabilità che il neonato di peso 2 kg appartenga alla popolazione dei neonati sani è inferiore a 0.01 (p < 0.01). Quindi si rifiuta H 0. Si può calcolare il p-value sfruttando le proprietà della curva gaussiana standardizzata. p-value 2 * DISTRIB.NORM.ST.N( -3.6 ; VERO) 2 * (due code) Appunti di Statistica - G 7 di 8 Paolo Montanari
8 Solitamente non si conoscono i valori di µ e di σ e quindi è necessario stimarli sulla base di un campione. Se il campione è ben progettato e numeroso (n 30) possiamo affermare con discreta fiducia che la media m e la deviazione standard S del campione rappresentano stime affidabili della media µ e della deviazione standard σ della popolazione. In questo caso la formula del punto 4 diventa: A m z A S Se il campione è piccolo (n < 30) siamo meno fiduciosi. Per tener conto della maggior incertezza, per le probabilità α5% e α 1%, al posto dei valori zα e zα vanno considerati i valori tα0.05,ν e tα0.01,ν che si leggono sulle tavole della distribuzione t di Student a νn-1 gradi di libertà, e quindi il punto 5 diventa: A m 5. Si controlla il valore assoluto di ta S a) se ta > tα0.05,ν la probabilità p di ottenere tale valore di t A o un valore più estremo ( probabilità di ottenere l originale A o un valore più estremo) è inferiore a 0.05 (p < 0.05) t A (e quindi A ) è statisticamente significativo b) se ta > tα0.01,ν la probabilità p di ottenere tale valore di t A o un valore più estremo ( probabilità di ottenere l originale A o un valore più estremo) è inferiore a 0.01 (p < 0.01) t A (e quindi A ) è statisticamente molto significativo Esempio test t. La temperatura di un paziente nel giorno XYZ (caratteristica X) è stata rilevata ogni ora dalle 7 alle 18. La temperature osservate (in C) sono: 36.8 ; 37.2 ; 37.9 ; 38.1 ; 38.2 ; 38.1 ; 38.2 ; 37.9 ; 37.6 ; 37.4 ; 37.1 ; 36.9 (i 12 valori possono essere considerati come un campione della popolazione costituita da tutte le possibili misurazioni della temperatura del paziente nel giorno XYZ). Il giorno successivo la temperatura del paziente è risultata pari a 36.0 C. E verosimile che la temperatura sia simile a quella del giorno precedente? In altre parole ci si chiede se sia verosimile che la singola osservazione di 36.0 C appartenga alla stessa popolazione da cui è stato estratto il campione di temperature rilevato il giorno precedente. H0: la nuova osservazione appartiene alla popolaz delle temperature del giorno precedente. Per la media e la deviazione standard del campione si ha : m e S t A A m S 36 C C 0.52 C 1.62 C 0.52 C 3.12 dalla tabella t di Student a (12-1) 11 gradi di libertà si leggono i valori: tα0.05,ν e tα0.01,ν Essendo ta 3.12 > si conclude che l osservazione A 36 C è statisticamente molto significativa, cioè che la probabilità che l osservazione 36 C appartenga alla popolazione di temperature osservate il giorno prima è inferiore a 0.01 (p < 0.01). Quindi si rifiuta H 0. Si può calcolare il p-value sfruttando le proprietà della curva di distribuzione t di Student. p-value 2 * DISTRIB. T.N( ; 11 ; VERO) 2 * (due code) Appunti di Statistica - G 8 di 8 Paolo Montanari
Esercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliSTATISTICA. Federico M. Stefanini. e.mail: a.a (3 CFU)
STATISTICA a.a. 2001-2002 (3 CFU) Federico M. Stefanini Dipartimento di Statistica G.Parenti viale Morgagni 59, 50134 Firenze, tel. 055-4237211 PARTE 5-3.12.2001 e.mail: stefanin@ds.unifi.it http://www.ds.unifi.it/ricerca/pagperson/docenti/stefanini.htm
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliCorso introduttivo di Epidemiologia e Biostatistica
Corso introduttivo di Epidemiologia e Biostatistica massimo guerriero carlo pomari e con il contributo di: Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health ELEMENTI
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
DettagliStatistica Inferenziale Soluzioni 3. Verifica di ipotesi
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliBiostatistica Laurea Magistrale in Biologia
Biostatistica Laurea Magistrale in Biologia Risultati dell esame del 1 Giugno 2016 Matricola 704922 715340 718052 7263 735674 741637 751823 751833 752143 752451 7537 7534 766091 766657 767606 781510 797434
DettagliStatistica Inferenziale La verifica di ipotesi. Davide Barbieri
Statistica Inferenziale La verifica di ipotesi Davide Barbieri Inferenza statistica Inferenza: procedimento di induzione, dal particolare al generale. Stima di un parametro della popolazione partendo da
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliCognome e nome Tempo disponibile: 60 minuti. Esempio 1 Esempio 2
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 2005-2006 5 Luglio 2006 Cognome e nome Tempo disponibile: 60 minuti 1. Scrivete due esempi di variabili del seguente tipo: Nominale Esempio
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliINDICE DEL TESTO. Capitolo IV - Principali distribuzioni teoriche. 1. Distribuzioni continue e discontinue, 109. Prefazione, I
III IV INDICE DEL TESTO 5.1 Le misure di tendenza centrale e di posizione, 68 5.2 Le misure di dispersione o variabilità, 83 5.3 Momenti di una distribuzione, 89 5.4 Misure della forma di una distribuzione,
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
DettagliTempo disponibile: 60 minuti
Corso di Specialistica in Biotecnologie Statistica medica. A.A. 005-006 6 Marzo 006 Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per misurare l'effetto
DettagliLa statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati.
RICHIAMI DI STATISTICA La statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati. Quale è la media della distribuzione del reddito dei neolaureati? Per rispondere dovremmo
DettagliArgomenti della lezione:
Lezione 3 Argomenti della lezione: La verifica delle ipotesi: principi generali Ipotesi statistiche Ipotesi sulla media Indicatore campionario: X Il campione è stato estratto da una popolazione con parametro
DettagliStatistica inferenziale per variabili quantitative
Lezione 7: - Z - test e intervalli di Confidenza - t-test per campioni indipendenti e dipendenti Cattedra di Biostatistica Dipartimento di Scienze scperimentali e cliniche, Università degli Studi G. d
DettagliDipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Test di ipotesi 2/5/2005
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Test di ipotesi 2/5/2005 Test di significatività Nei lavori di statistica medica si citano sempre i livelli di significatività (ovvero la probabilità)
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliStatistica parametrica e non parametrica. Gli intervalli di confidenza
Statistica parametrica e non parametrica Per un campione univariato Gli intervalli di confidenza MEDIA CAMPIONARIA MEDIA VERA 1 Gli intervalli di confidenza 3 Gli intervalli di confidenza 4 Una introduzione
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
DettagliEffettuazione di un TEST D IPOTESI. = stima del parametro di interesse calcolata sui dati campionari
Effettuazione di un TEST D IPOTESI 1. Formulazione H 0 e H 1 2. Scelta del test statistico 3. Calcolo del test statistico ˆ 0 test ES[ˆ] dove ˆ = stima del parametro di interesse calcolata sui dati campionari
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliTRACCIA DI STUDIO. Test di confronto per misure qualitative. Verifica di ipotesi
TRACCIA DI STUDIO Verifica di ipotesi Nelle analisi statistiche di dati sperimentali riguardanti più gruppi di studio (talvolta più variabili) si pone come ipotesi da verificare la cosiddetta ipotesi zero:
DettagliIntroduzione alla statistica per la ricerca in sanità
Introduzione alla statistica per la ricerca in sanità Modulo La verifica delle ipotesi: il test statistico dott. Eugenio Traini eugenio.traini@burlo.trieste.it Verifica d Ipotesi - 1 Che cos è un ipotesi
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliStatistica. Capitolo 10. Verifica di Ipotesi su una Singola Popolazione. Cap. 10-1
Statistica Capitolo 1 Verifica di Ipotesi su una Singola Popolazione Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Formulare ipotesi nulla ed ipotesi alternativa
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliIndice. Parte I. 2.4 Confrontare variabili numeriche tra gruppi 23 Confronto di istogrammi tra gruppi 23 Confronto delle frequenze cumulative 23
Indice Parte I Capitolo 1 Statistica e campioni 1.1 Che cos è la statistica? 2 1.2 Campionare le popolazioni 3 Popolazioni e campioni 4 Proprietà dei buoni campioni 4 Il campionamento casuale 5 Come ottenere
DettagliIndice. Parte I. 2.4 Confrontare variabili numeriche tra gruppi 23 Confronto di istogrammi tra gruppi 23 Confronto delle frequenze cumulative 23
Indice Parte I Capitolo 1 Statistica e campioni 1.1 Che cos è la statistica? 2 1.2 Campionare le popolazioni 3 Popolazioni e campioni 4 Proprietà dei buoni campioni 4 Il campionamento casuale 5 Come ottenere
DettagliTeoria della stima dei parametri:
INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa alla popolazione è da ritenersi vera sulla base dei dati campionari
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Test d Ipotesi
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Test d Ipotesi Test per lo studio dell associazione tra variabili Nella teoria dei test, il ricercatore fornisce ipotesi riguardo la distribuzione
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliCodice Disciplina : Settore : MED 01 N CFU: 2 Docente: N Ore : 8 Corso di Laurea : Laurea specialistica in biotecnologie mediche e Corrado Magnani
DISCIPLINA : Statistica Medica Codice Disciplina : Settore : MED 01 N CFU: 2 Docente: N Ore : 8 Corso di Laurea : Laurea specialistica in biotecnologie mediche e Corrado Magnani farmaceutiche - Indirizzo
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliPROVE (TEST) DI IPOTESI VERIFICA DI IPOTESI (TEST DI IPOTESI)
1 25 N. monodose 20 VERIFICA DI IPOTESI (TEST DI IPOTESI) Distribuzione dei volumi di collirio in contenitori monodose 40 Media 0.5 07ml Dev. St. 0.1 ml 35 N 100 34 Minimo 0.2934 ml Massimo 0.7031ml 30
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliCognome e nome. 2 In uno studio viene misurata la pressione arteriosa sistolica a 5 maschi adulti, con i seguenti risultati : 129; 134; 142; 128; 146
Statistica medica. Biotecnologie mediche A.a. 2004-2005 1 Febbraio 2005 Tempo previsto 60 minuti Cognome e nome 1 Indicate a quale categoria appartengono le seguenti variabili: Nominale Ordinale Numerica
DettagliOD TEST DI IPOTESI 50
TEST DI IPOTESI 50 TEST D'IPOTESI È possibile ipotizzare che la durata media del ricovero ospedaliero al Policlinico San Matteo, negli ultimi 3 anni, è stata di 3 giorni? È possibile ipotizzare che un
DettagliInferenza statistica II parte
Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
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
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliCognome e nome Tempo disponibile: 60 minuti
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 005-006 6 Marzo 006 Cognome e nome Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Significatività statistica per la correlazione vers. 1.0 (5 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliEsercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1
Confronto tra medie Si considerino due popolazioni di individui sottoposti a due diversi trattamenti farmacologici. Si vuole valutare se tali trattamenti producono uguali effetti (ipotesi nulla) o diversi
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.12 - Test statistico Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona IPOTESI SCIENTIFICA Affermazione che si può sottoporre a verifica
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliLezione VII: t-test. Prof. Enzo Ballone
Lezione VII: t-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Un terzo problema: si considerino 2 campioni
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Analisi non parametrica (vers. 1.2, 18 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson. Casa editrice: Pearson
Levine, Krehbiel, Berenson Statistica II ed. Casa editrice: Pearson Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento
DettagliQualche principio generale dell analisi statistica
Statistica medica Alla fine di questa lezione dovreste essere in grado di: riconoscere i principali metodi utilizzati nel confronto di due gruppi riconoscere i principali metodi utilizzati nel confronto
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
Dettagli11a DIPENDENZA LINEARE TRA DUE CARATTERI QUANTITATIVI
a DIPENDENZA LINEARE TRA DUE CARATTERI QUANTITATIVI Si abbiano due serie di dati (rilevati sulle stesse u. s.) relativi a due caratteri quantitativi X e Y con distribuzione circa gaussiana. Si vuole quantificarne
DettagliIl Test di Ipotesi Lezione 5
Last updated May 23, 2016 Il Test di Ipotesi Lezione 5 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Il test di ipotesi Cuore della statistica inferenziale!
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Teorema. Sia data una popolazione numerica infinita di media µ e deviazione standard σ da cui vengono estratti dei campioni casuali formati ciascuno da n individui, con n abbastanza
DettagliLezione VII: Z-test. Statistica inferenziale per variabili quantitative. Statistica inferenziale per variabili quantitative. Prof.
Lezione VII: Z-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Statistica inferenziale per variabili quantitative
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliSTATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA
STATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA 6--008 Tempo disponibile 45 minuti. Usate solo questo foglio per le risposte. Nome Cognome Numero di matricola Corso e sede Esercizio. A
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson Apogeo
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari"
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
DettagliTest d ipotesi. Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona. Ipotesi alternativa (H 1 )
Test d ipotesi Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Nel 900 falsificazione di ipotesi (Karl Popper) TEST D IPOTESI Nell 800 dimostrazione di ipotesi
DettagliStatistica nelle applicazioni sanitarie
Dipartimento di Fisica Scuola di Specializzazione in Fisica Medica A.A. 2012/2013 Statistica nelle applicazioni sanitarie Maria Roberta Monge: Roberta.Monge@ge.infn.it Test parametrici e non parametrici
Dettagli