Corso di Psicometria Progredito

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Corso di Psicometria Progredito"

Transcript

1 Corso di Psicometria Progredito 2.1 Statistica descrittiva (Richiami) Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico

2 Sommario 1 Distribuzioni di frequenza 2 Indici di tendenza centrale 3 Indici di posizione 4 Indici di variabilità

3 L importanza della statistica descrittiva! La statistica descrittiva serve a scattare una prima fotografia ai dati raccolti. E utile per controllare, descrivere ed esplorare i dati. Serve a riassumere i dati attraverso indici statistici, tabelle e grafici. Non esiste una buona analisi statistica, senza una buona analisi descrittiva. Tukey, Exploratory Data Analysis

4 Il corso preparto Si supponga di aver chiesto a un gruppo di mamme che partecipano ad un corso pre-parto il numero di figli già avuti I dati raccolti sono presentati nella seguente tabella Codice mamma Numero di figli

5 Alcune domande Qual è l unità statistica di riferimento? Quante sono le unità statistiche rilevate? Qual è la variabile rilevata? Quali e quante sono le modalità della variabile rilevata?

6 Notazioni fondamentali Sia X la variabile numero di figli. Sia X j la modalità j esima di X, dove j = Sia n il totale delle unità statistiche (n = 16).

7 Le frequenze assolute semplici La frequenza assoluta semplice di una modalità è il numero naturale di unità statistiche che presentano tale modalità La generica frequenza assoluta semplice associata alla modalità j si indica con il simbolo f j Ad esempio nel nostro caso, f 2 = 4, indica che 4 mamme hanno già avuto un figlio

8 Le frequenze assolute cumulate La frequenza assoluta cumulata di una modalità è la somma delle frequenze assolute semplici delle modalità precedenti alla modalità data più la frequenza assoluta semplice della modalità data. La generica frequenza assoluta cumulata associata alla modalità j si indica con il simbolo F j Ad esempio, F 2 = 10, indica che 10 mamme hanno avuto un numero di figli uguale o inferiore a 1

9 Le frequenze relative semplici La frequenza relativa semplice è data dal rapporto tra la frequenza assoluta semplice di tale modalità e il numero totale di unità statistiche osservate. La generica frequenza relativa semplice associata alla modalità j si indica con il simbolo p j Ad esempio, p 2 =.25, indica che il 25% delle mamme ha avuto un figlio NB. Una frequenza relativa semplice varia sempre tra 0 e 1

10 Le frequenze relative cumulate La frequenza relativa cumulata di una modalità è la somma delle frequenze relative semplice delle modalità precedenti alla modalità data più la frequenza relativa semplice della modalità data. La generica frequenza relativa cumulata associata alla modalità j si indica con il simbolo P j Ad esempio, P 2 =.625, indica che il 62.5% delle mamme ha avuto un numero di figli uguale o inferiore a 1 NB. Una frequenza relativa cumulata varia sempre tra 0 e 1

11 Aspetti computazionali Supponiamo di aver rilevato su n unità statistiche la variabile X avente k modalità: X 1, X 2..., X k Per la generica modalità j, dove j = 1, 2,... k avremo: Frequenza assoluta semplice j f j = numero di unità statistiche con modalità j Frequenza assoluta cumulata j F j = i j f i Frequenza relativa semplice j Frequenza relativa cumulata j p j = f j n P j = i j p i

12 Aspetti computazionali Da quanto detto segue che... 1 La frequenza assoluta cumulata riferita all ultima modalità è pari al numero totale delle unità statistiche: F k = n 2 La frequenza relativa cumulata riferita all ultima modalità è pari 1: P k = 1 ESERCIZIO Dimostrare queste due semplici proprietà.

13 Esempio: Il corso pre parto Indice j X j f j F j p j P j più di Distribuzione del numero di figli (X) per mamma ESERCIZIO Comprendere, interpretare e descrivere i risultati ottenuti.

14 Esercizio: Un Maestro di clarinetto Un maestro di clarinetto dopo aver ascoltato le performance dei suoi studenti, decide di riassumere le sue valutazioni in maniera sintetica. Il prospetto creato dal Maestro è presentato nella seguente tabella Valutazione Numero di studenti insufficiente 0 sufficiente 8 discreto 6 buono 4 ottimo 2 Individuare le unità statistiche e la variabile misurata. Costruire una tabella riassuntiva contenente le frequenza assolute semplici e cumulate e le frequenze relative semplici e cumulate. Commentare i risultati.

15 Introduzione agli indici di tendenza centrale Un indice di tendenza centrale è un valore che descrive e riassume il centro di una distribuzione di dati.

16 La Moda La moda di una distribuzione di dati rilevati sulla variabile X, è la modalità che si presenta con la massima frequenza. Ad esempio, rispetto ai dati relativi al corso preparto, la moda è la modalità 0 (nessun figlio) a cui è associata una frequenza di 6.

17 La Mediana (o il dato di mezzo ) La mediana di una distribuzione di dati ordinati rilevati sulla variabile X, è il dato che occupa la posizione centrale rispetto alla distribuzione dei dati. La mediana si indica con il simbolo Mdn. Il calcolo della mediana differisce a seconda se i dati sono o non sono raggruppati in classi di frequenza.

18 Calcolo della mediana per dati non raggruppati: caso n dispari Se n (la numerosità dei dati raccolti) è dispari il valore centrale della serie ordinata dei dati è la mediana. La posizione i del dato corrispondente alla mediana è dato dalla seguente formula: i = n + 1 2

19 Calcolo della mediana per dati non raggruppati: caso n dispari Esempio Calcolare la mediana dei seguenti dati che rappresentano il voto di 5 studenti all esame di archeologia: voto: 18 ; 28 ; 19 ; 18 ; 22 Ordiniamo i dati: 18 ; 18 ; 19 ; 22 ; 28 Calcoliamo la posizione i del dato corrispondente alla mediana: i = n + 1 = = Posizione mediana = 3 Mdn = 19

20 Calcolo della mediana per dati non raggruppati: caso n pari Se n è pari non esiste un valore della serie di dati che possa essere definito centrale. Si potrà unicamente dire che la mediana è compresa tra i valori aventi le seguenti posizioni centrali i inf = n 2 e i sup = n 2 + 1

21 Calcolo della mediana per dati non raggruppati: caso n dispari Esempio Calcolare la mediana dei seguenti dati che rappresentano il voto di 6 studenti all esame di storia del cinema: voto: 24 ; 29 ; 30 ; 22 ; 22 ; 26 Ordiniamo i dati: 22 ; 22 ; 24 ; 26 ; 29 ; 30 Calcoliamo le posizioni centrali: i inf = 6 2 = 3 i sup = = 4 Concluderemo che la mediana (Mdn) dei dati è compresa tra 24 e 26.

22 Nota sull uso dell interpolazione lineare Nel caso in cui n è pari e i dati a disposizione oltre che ordinali sono anche continui è possibile stimare la mediana attraverso l interpolazione lineare: X Mdn = X i inf + X isup 2 Con i dati dell esempio sul voto all esame di storia del cinema avremo che: X Mdn = = 25 2 In conclusione la mediana stimata è 25.

23 Calcolo della mediana per dati raggruppati in classe di frequenze Sei dati sono raggruppati in classi di frequenza ha senso parlare di classe mediana più che di valore mediano. Per determinare la classe mediana è necessario calcolare la posizione mediana: i = n La classe che contiene il dato avente la posizione mediana, sarà denominata classe mediana Anche in questo caso, se i dati oltre che ordinali sono continui, può essere stimato un valore mediano (la formula, che non vedremo, si trova in tutti i manuali di statistica di base).

24 Calcolo della mediana per dati raggruppati in classe di frequenze Esempio Calcolare la classe mediana dei seguenti dati: Indice j X j f j F j p j P j più di Distribuzione del numero di figli (X) per mamma Calcoliamo la posizione mediana: i = = 8.5 La mediana ricade quindi tra l ottavo e il nono dato ordinato. Sulla base delle frequenze cumulate si può concludere che la classe mediana è quella con numero di figli pari a 1.

25 La Media aritmetica La media aritmetica di una distribuzione di dati rilevati sulla variabile X, è il data dalla somma dei dati divisa per il numero di unità statistiche: X = n i=1 X i n

26 La Media aritmetica Esempio Calcolare la media dei seguenti dati che rappresentano il voto di 5 studenti all esame di archeologia: voto: 18 ; 28 ; 19 ; 18 ; 22 Svolgimento X = 5 i=1 X i n = = 21

27 La Media aritmetica Esercizio Calcolare la media dei seguenti dati che rappresentano il voto di 6 studenti all esame di storia del cinema: voto: 24 ; 29 ; 30 ; 22 ; 22 ; 26

28 La Media aritmetica ponderata per dati in classi di frequenza Se i dati sono raccolti in classi di frequenza, la media aritmetica si calcola associando a ciascun dato la frequenza ( il peso ) con cui si manifesta. Per questo motivo si usa il termine: media aritmetica ponderata ( pesata ). Dal punto di vista computazionale avremo: X = k i=1 X if i k i f i dove k è il numero di modalità della variabile X

29 La Media aritmetica ponderata Esempio Sulla base dei dati riportati nella seguente tabella calcolare la media dei voti ottenuti dai 22 studenti che hanno partecipato all ultimo appello di Statistica per l Ambiente: Svolgimento Indice i voto X i frequenze f i X = 3 i=1 X if i 3 i=1 f i = = 23.09

30 Alcune proprietà della media Aggiungendo a ciascun dato originale una costante k si otterrà una media pari alla somma della media dei dati originali e la costante k: (Xi + k) X = = X dati originali + k n Moltiplicando ciascun dato per una costante k si otterrà una media pari alla moltiplicazione tra la media dei dati originali e la costante k: (kxi ) X = = kx dati originali n La somma degli scarti tra i dati rilevati e la media è pari a 0: X = (X i X) = 0

31 Alcune note su moda, mediana e media Può accadere che data una distribuzione di dati, esista più di una modalità a cui è associata la massima frequenza. In questi casi non esiste un unica Moda, e si parlerà a seconda del caso di distribuzione bi-modale (con due mode), tri-modale (con tre mode)... La mediana è poco influenzata (al contrario della media) da valori estremamente grandi o piccoli presenti nella distribuzione dei dati. Per questo viene detta stimatore robusto

32 Note su moda, mediana e media: Un esercizio Costruire un prospetto riepilogativo contenente moda, mediana e media della distribuzione del peso (espresso in kilogrammi) per ciascuna delle seguenti squadre di calcetto: Longobarda: {80, 80, 85, 90, 90} Equality: {85, 85, 85, 85, 85} I Cardi: {60, 60, 85, 90, 95} I Bistecconi: {75, 80, 85, 120, 120} I Classici: {75,80,85, 90, 95} Ragionare sui risultati ottenuti.

33 Indici di tendenza centrale e scale di misura Variabile Variabile Variabile nominale Ordinale Quantitativa Moda SI SI SI Mediana NO SI SI Media NO NO SI Applicabilità degli indici a seconda della scala di misura

34 I quantili Data una distribuzione di dati, si definisce come Quantile di indice p e si indica con Q p, il dato al di sotto del quale si situa una percentuale p di dati. Ad esempio, la mediana può essere considerata come il quantile Q 50, e cioè il dato al di sotto del quale si situa il 50% dei dati.

35 Le Diverse tipologie di quantili Esistono diverse tipologie di quantili. Rispetto all utilizzo nelle applicazioni in psicologia, i più importanti sono i Quartili e i Percentili.

36 I quartili I quartili dividono in 4 parti uguali la distribuzione dei dati. Essi sono: Il primo quartile Q 25 : il dato al di sotto del quale si situa il 25% dei dati. Il secondo quartile (o mediana) Q 50 : il dato al di sotto del quale si situa il 50% dei dati. Il terzo quartile Q 75 : il dato al di sotto del quale si situa il 75% dei dati. I quartili vengono rappresentati all interno di un grafico molto utile per descrivere i dati detto diagramma a scatola (boxplot)... che vedremo tra poco.

37 I percentili I percentili, spesso indicati con la lettera maiuscola P, dividono in cento parti la distribuzione dei dati. Alcuni percentili molto importanti, sia dal punto di vista statistico che rispetto alle applicazioni in psicologia, sono: P 5 P 25 P 50 P 75 P 95

38 Le abilità di calcolo A 6 bambini di 8 anni è stato somministrato un test standardizzato a livello nazionale sulle abilità di calcolo. Il numero di risposte corrette al test è presentato nella seguente tabella: Codice Bambino Punteggio Valutare le prestazioni dei 6 bambini alla luce dei valori normativi del test: Percentile P 5 P 25 P 50 P 75 P 95 Punteggio

39 I Ranghi percentili Il Rango percentile indica la posizione di un dato all interno di una distribuzione di dati. Ad esempio, se ci riferiamo alla distribuzione del peso nei maschi adulti italiani, e sappiamo che il rango percentile associato al valore 90 kg è pari a 80 ( Rp 90 = 80)... potremo affermare che l 80% dei maschi adulti italiani pesa meno di 90 kg. Naturalmente: Rp 90 = 80 = P 80 = 90

40 Introduzione agli indici di variabilità Variability is the reason why people have had to develop sophisticated statistical methods to filter out any messages from the surrounding noise. (Wild & Pfannkuch, 1999)

41 A cosa servono gli indici di variabilità Una distribuzione di dati contiene un insieme di informazioni complesse e di per se poco maneggevole. Il ricorso ad un indice di tendenza centrale comporta una forte semplificazione, e da solo non fornisce informazioni esaurienti sulla distribuzione. E fondamentale capire quanto i dati siano dispersi intorno all indice di tendenza centrale.

42 Tizio, Caio o Sempronio? Consideriamo i risultati dei compiti di Psicometria ottenuti dagli studenti di tre diversi Professori: Professor Tizio = {18, 22, 24, 16, 19, 22, 18, 21} Professor Caio = {10, 10, 12, 10, 30, 28, 30, 30} Professor Sempronio = {20, 20, 20, 20, 20, 20, 20, 20} In ciascun gruppo di studenti la media dei voti è pari a 20, ma è evidente una diversa dispersione intorno a tale valore.

43 Gli indici di variabilità Gli indici che vedremo servono a misurare la variabilità (o dispersione) di una distribuzione di dati. Per questo motivo vengono definiti come indici di variabilità (o di dispersione). Gli indici di variabilità possono assumere solo valori positivi (non ha senso parlare di dispersione negativa) o nulli (quando i dati osservati hanno tutti lo stesso valore).

44 La gamma La gamma (o campo di variazione) di una distribuzione di dati è la differenza tra il valore massimo e il valore minimo osservato: gamma = X massimo X minimo Esempio Calcolare la gamma dei seguenti dati che rappresentano i punteggi ad un test di abilità di 8 soggetti: Svolgimento {90, 20, 50, 50, 50, 10, 40, 80} gamma = X massimo X minimo = = 80

45 La differenza interquartilica La differenza interquartilica di una distribuzione è la differenza tra il terzo e il primo quartile (o equivalentemente tra il 75 esimo e il 25 esimo percentile) dei dati: Q = Q 75 Q 25 La differenza interquartilica è un indice di variabilitàrobusto, risente cioè poco della presenza di valori anomali (outliers) nei dati. La differenza interquartilica, viene rappresentata all interno di un grafico molto utile per descrivere i dati detto diagramma a scatola (boxplot)... che vedremo tra poco.

46 La varianza La varianza σ 2 di un insieme di dati è la media degli scarti al quadrato tra i dati e la media dei dati stessi: n σ 2 i = (X i X) 2 n Nota bene. La varianza assume valore minimo 0 quando tutti i dati sono uguali tra loro e aumenta all aumentare della dispersione dei dati rispetto alla media: σ 2 0

47 Il calcolo della varianza: formula ridotta La varianza può essere calcolata anche attraverso la seguente formula, che consente un calcolo più agevole e veloce: n σ 2 i X 2 ( n ) i i X 2 i = n n = X 2 (X) 2 La varianza può essere quindi vista come: la media dei quadrati meno il quadrato della media

48 Il calcolo della varianza: un esempio Un ricercatore ha valutato la capacità di memoria di 10 bambini in età prescolare ottenendo i dati riportati in tabella. La capacità di memoria viene usualmente espressa dal digit span, cioè dal numero di cifre che un soggetto è in grado di ricordare (Keppel, 1992). Calcolare la varianza dei dati. Soggetto Digit Span

49 Il calcolo della varianza: formula generale Per prima cosa calcoliamo la media dei dati: X = 10 i=1 X i n = = = 7 Utilizziamo ora la formula generale per il calcolo della varianza: n σ 2 i = (X i X) 2 n = (8 7)2 + (6 7) (4 7) 2 + (7 7) 2 10 = = 2

50 Il calcolo della varianza: formula ridotta Per prima cosa calcoliamo la media dei quadrati: X 2 = = = 51 Calcoliamo il quadrato della media: (X) 2 = 7 2 = 49 Utilizziamo la formula ridotta: σ 2 = X 2 (X) 2 = = 2... i conti tornano :-)

51 Il calcolo della varianza: per dati raggruppati in classi di frequenza Se i dati sono raggruppati in classi di frequenza, per il calcolo della varianza, si utilizzerà la seguente formula: σ 2 = n i (X i X) 2 f i n L idea è quella di pesare i singolari scarti dalla media per le relative frequenze associate.

52 La deviazione standard La deviazione standard (o scarto quadratico medio) è la radice della varianza: σ = σ 2 La deviazione standard è molto utile in chiave interpretativa perché, a differenza della varianza, è espressa nella stessa unità di misura del fenomeno studiato. Esempio In campione di 20 soggetti è stata rilevata la variabile peso. In tale campione la media è pari a 70 kg e la deviazione standard è pari a Si potrà affermare che i soggetti differiscono mediamente di 10.7 kg dal peso medio di 70 kg.

53 Il coefficiente di variazione Il coefficiente di variazione è dato dal rapporto tra la deviazione standard e il valore assoluto della media dei dati: CV = σ X Il CV è un indice di variabiltà relativa che tiene conto, oltre che della deviazione standard dei dati, anche della media. Per questo motivo è molto utile per eseguire dei confronti in termini di variabilità tra fenomeni diversi tra loro.

54 Neonati e papà Nel reparto di ostetricia di un ospedale è stato rilevato il peso di un campione di 80 neonati maschi e contemporaneamente il peso dei rispettivi papà: gruppo media deviazione standard neonati 3.4 Kg 0.8 papà 82 Kg 15 Esiste più variabilità nel peso dei neonati o in quello dei papà?

55 Neonati e papà Naturalmente confrontare le deviazioni standard non è di grande aiuto. Esse dipendono fortemente dalle media dei dati su cui sono state calcolate. Per poter operare un confronto sulla variabilità dei due gruppi è opportuno calcolare i rispettivi coefficienti di variazione: CV neonati = =.24 CV papà = =.18 Osservando i risultati si può concludere che il gruppo dei bambini presenta una maggiore variabilità rispetto a quello dei papà.

56 Il consiglio del buon vecchio J. W. Tukey: The five number summary Per avere una prima idea sulla distribuzione dei dati raccolti, Tukey suggeriva di utilizzare il riassunto a 5 numeri: Minimo 25-esimo percentile Mediana 75-esimo percentile Massimo Tukey, Exploratory Data Analysis

STATISTICA DESCRITTIVA. Le misure di tendenza centrale

STATISTICA DESCRITTIVA. Le misure di tendenza centrale STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (Statistiche) che esprimono le caratteristiche di simmetria e Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. 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

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico

Dettagli

Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA

Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3

Dettagli

Università 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 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

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI 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,

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 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

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Statistica descrittiva

Statistica descrittiva Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Statistica. L. Freddi. L. Freddi Statistica

Statistica. L. Freddi. L. Freddi Statistica Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

Corso di Psicometria Progredito

Corso 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

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

STATISTICHE DESCRITTIVE Parte II

STATISTICHE DESCRITTIVE Parte II STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione 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

STATISTICHE DESCRITTIVE

STATISTICHE DESCRITTIVE STATISTICHE DESCRITTIVE ARGOMENTI DELLA LEZIONE concetti introduttivi indici di tendenza centrale indici di dispersione indici di posizione 2 concetti introduttivi Unità statistiche elementi che costituiscono

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

Elementi di Psicometria

Elementi 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

Dettagli

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 LEZIONE ELEMENTI DI STATISTICA DESCRITTIVA PROF. CRISTIAN SIMONI Indice 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 1.1. Popolazione --------------------------------------------------------------------------------------------

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

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Statistica, CLEA p. 1/68 Anno Accademico 2014-2015 Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Monia Lupparelli monia.lupparelli@unibo.it http://www2.stat.unibo.it/lupparelli

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Corso di Psicometria Progredito

Corso 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

Dettagli

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

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

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Nome: Alberto Cognome: De Sole Matricola: 01234567890 Codice 9784507811 Esercizio Risposta Voto 1 a b c d e 1 2 V

Dettagli

Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti )

Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti ) Esercizio 1 Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti ) Qualitativo Sconnesso: Marca di Jeans preferita, Partito votato nelle ultime elezioni,

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

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

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

LA STATISTICA NEI TEST INVALSI

LA STATISTICA NEI TEST INVALSI LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la

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

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Analisi dei dati. Statistica descrittiva

Analisi dei dati. Statistica descrittiva Analisi dei dati DATI GREZZI SINTESI DELLE OSSERVAZIONI ELABORAZIONE DATI Statistica descrittiva Si occupa dell analisi di un certo fenomeno relativo a un certo gruppo di soggetti (popolazione) sulla base

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

Università degli Studi di Cassino. Facoltà di Scienze Motorie Corso di Laurea in Scienze Motorie Anno accademico 2009/2010

Università degli Studi di Cassino. Facoltà di Scienze Motorie Corso di Laurea in Scienze Motorie Anno accademico 2009/2010 Università degli Studi di Cassino Facoltà di Scienze Motorie Corso di Laurea in Scienze Motorie Anno accademico 2009/2010 Biostatistica (L22) Principi di Statistica Descrittiva (L33) Bruno Federico b.federico@unicas.it

Dettagli

Punteggi. Punteggi grezzi, norme e percentili

Punteggi. Punteggi grezzi, norme e percentili Punteggi Punteggi grezzi, norme e percentili Punteggio grezzo Si tratta del conteggio delle risposte individuali attraverso una serie di item secondo una regola di codifica Esempio 1. 10 domande di Cultura

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o

Dettagli

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 1. La quantificazione in psicologia Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Introduzione

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

Statistica Applicata all edilizia Lezione 2: Analisi descrittiva dei dati

Statistica Applicata all edilizia Lezione 2: Analisi descrittiva dei dati Lezione 2: Analisi descrittiva dei dati E-mail: orietta.nicolis@unibg.it 1 marzo 2011 Prograa 1 Analisi grafica dei dati 2 Indici di posizione Indici di dispersione Il boxplot 3 4 Prograa Analisi grafica

Dettagli

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile

Dettagli

Analisi della performance temporale della rete

Analisi della performance temporale della rete Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:

Dettagli

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI 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

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Valori medi e misure della tendenza centrale

Valori medi e misure della tendenza centrale TERZA UNITA Valori medi e misure della tendenza centrale Una delle maggiori cause di confusione presso l uomo della strada nonché di diffidenza verso la statistica, considerata più un arte che una scienza,

Dettagli

QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE. Laboratorio Stefania Porchia

QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE. Laboratorio Stefania Porchia QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE Laboratorio Stefania Porchia Incontri e argomenti trattati nel laboratorio 29 marzo 14.00 15.30 l indagine qualitativa come strategia di formulazione

Dettagli

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I CeSe.Di. - Riorientamento nel primo anno delle superiori INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I dati Sezione 1 - AFFERMAZIONI GENERALI (10 item): affermazioni che afferiscono alle percezioni

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

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

Appunti di complementi di matematica

Appunti di complementi di matematica Appunti di complementi di matematica UITA STATISTICA: è l unità su cui si raccolgono le informazioni oggetto dell indagine e possono essere individui, famiglie, oggetti. UIVERSO STATISTICO O POLAZIOE STATISTICA

Dettagli

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un

Dettagli

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R LAB LEZ. 1 STATISTICA DESCRITTIVA CON R 1 2 L AMBIENTE DI SVILUPPO DI RStudio 1 3 4 2 1 FINESTRA PER GLI SCRIPT E PER VISUALIZZARE I DATI 2 CONSOLE DEI COMANDI 3 VARIABILI PRESENTI NELLA MEMORIA DEL PROGRAMMA

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

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005 esercitazione 2 p. 1/12 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it

Dettagli

ESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240

ESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 ESERCIZIO N 4 Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 PUNTO a CALCOLO MODA E QUARTILI La moda rappresenta quell'elemento del campione

Dettagli

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare.

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. Appunti di Statistica DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. PROCESSO STATISTICO L indagine statistica comprende

Dettagli

PRIMA PARTE STATISTICA DESCRITTIVA

PRIMA PARTE STATISTICA DESCRITTIVA PRIMA PARTE STATISTICA DESCRITTIVA 1 PRIMA UNITA Primi concetti elementari 1. Che cos è la statistica La statistica si occupa della raccolta, presentazione ed elaborazione delle informazioni, in genere

Dettagli

Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011

Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011 Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti) UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA Riassume e visualizza i risultati ottenuti in un esperimento o raccolti sul campo, con lo scopo di acquisire una certa familiarità con i dati prima di passare alle analisi statistiche

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica

Dettagli

STATISTICA (L-Z) - Parte I Esercitazione 3

STATISTICA (L-Z) - Parte I Esercitazione 3 STATISTICA (L-Z) - Parte I Esercitazione 3 A.A. 2009/2010 Debora Slanzi debora.slanzi@unive.it 1 Esercizio 1 In un gruppo di 20 persone sono state rilevate due variabili, il sesso e l età In relazione

Dettagli

a) Quanti soggetti obesi dovrebbero complessivamente esserci in questa popolazione;

a) Quanti soggetti obesi dovrebbero complessivamente esserci in questa popolazione; ESERCIZI DI CALCOLO DELLE PROBABILITA ES 1 Supponiamo che una certa forma di allergia respiratoria colpisca di norma 1 individuo ogni 20, mentre le intolleranze alimentari riguardano il 3.5% dei casi.

Dettagli

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL

Dettagli

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello

Dettagli

DALL IMPOSTAZIONE DELL ARCHIVIO ALLA MISURE DI TENDENZA CENTRALE E DI DISPERSIONE. Francesco Agrusti francesco.agrusti@uniroma3.it

DALL IMPOSTAZIONE DELL ARCHIVIO ALLA MISURE DI TENDENZA CENTRALE E DI DISPERSIONE. Francesco Agrusti francesco.agrusti@uniroma3.it DALL IMPOSTAZIONE DELL ARCHIVIO ALLA MISURE DI TENDENZA CENTRALE E DI DISPERSIONE Francesco Agrusti francesco.agrusti@uniroma3.it L INCONTRO DI OGGI Impostazione di un archivio di dati Pulizia dei dati

Dettagli

Tabella per l'analisi dei risultati

Tabella per l'analisi dei risultati Vai a... UniCh Test V_Statistica_Eliminatorie Quiz V_Statistica_Eliminatorie Aggiorna Quiz Gruppi visibili Tutti i partecipanti Info Anteprima Modifica Risultati Riepilogo Rivalutazione Valutazione manuale

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Scale di Misurazione Lezione 2

Scale di Misurazione Lezione 2 Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile

Dettagli

DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1

DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1 DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1 Marta Desimoni**, Daniela Pelagaggi**, Simona Fanini**, Loredana Romano**,Teresa Gloria Scalisi* * Dipartimento

Dettagli

Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri.

Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri. Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri. A partire da questa lezione, ci occuperemo di come si riescono a codificare con sequenze binarie, quindi con sequenze di 0 e 1,

Dettagli

INDICI DI TENDENZA CENTRALE

INDICI DI TENDENZA CENTRALE INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici

Dettagli

Processo di verifica che stabilisce se un metodo è adatto per lo scopo previsto ( ). Foggia, 15 febbraio 2012 1

Processo di verifica che stabilisce se un metodo è adatto per lo scopo previsto ( ). Foggia, 15 febbraio 2012 1 Processo di verifica che stabilisce se un metodo è adatto per lo scopo previsto ( ). 1 : misura in cui i dati prodotti da un processo di misurazione consentono a un utente di prendere tecnicamente ed amministrativamente

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

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli