Soluzioni esercizi Capitolo 7
|
|
- Giuseppa Maggi
- 8 anni fa
- Visualizzazioni
Transcript
1 Soluzioi esercizi Capitolo 7 Quado si valuta la relazioe fra due variabili, occorre prestare particolare attezioe al fatto che i modelli statistici specifici per ogi scala di misura siao applicabili: i altre parole, occorre verificare che siao soddisfatte le assuzioi per l applicabilità del test statistico. Questa accortezza riguarda l associazioe a livello omiale (assuzioi per l applicazioe del test del chi-quadrato), e quella a livello metrico (verifica della liearità della relazioe mediate diagramma a dispersioe). Esercizio La domada chiede se è possibile affermare che esiste ua relazioe fra frequeza settimaale della colazioe e peso corporeo. Di per sé le due variabili soo ordiali, per cui la relazioe potrebbe essere valutata co u metodo di aalisi specifico per queste due scale di misura, che ci permetterebbe di valutare se all aumetare della frequeza della colazioe è associata ua variazioe, i più o i meo, ello status del peso corporeo. I ogi caso, o è detto che la relazioe stia i questi termii solo perché le variabili soo ordiali, per cui ache l applicazioe del test chi-quadrato per l idipedeza di variabili categoriali potrebbe comuque forirci isight iteressati sulla relazioe ad esempio, potremmo trovare che solo particolari icroci di categorie, o vicolati al loro ordie itriseco, producoo u effetto di sigificatività. Puto (a) Obiettivo: verificare se esiste ua relazioe fra frequeza della colazioe e status rispetto al peso corporeo Variabili Variabile : Frequeza della colazioe (ordiale: 0-; -3; 4-5; 6-7 volte a settimaa) Variabile : Status rispetto al peso corporeo (ordiale: Sottopeso; Normopeso; Sovrappeso; Obeso) Ipotesi: se le due variabili soo i relazioe fra di loro, dovremmo osservare che fare colazioe co ua certa frequeza modifica la probabilità di trovarsi su ua particolare categoria dello status rispetto al peso corporeo H 0 : Π(Sottopeso 0-) Π(Sottopeso -3) Π(Sottopeso 4-5); Π(Normopeso 0-) Π(Normopeso -3) Π(Normopeso 4-5); Π(Sovrappeso 0-) Π(Sovrappeso -3) Π(Sovrappeso 4-5) 3 ella popolazioe, la probabilità di trovarsi i u certo status rispetto al peso corporeo dato che si fa colazioe co ua certa frequeza è uguale alla probabilità di trovarsi i u altro status rispetto al peso corporeo dato che si fa colazioe co ua certa altra frequeza le due variabili soo idipedeti H : Almeo due Π diverse ella popolazioe, la probabilità di trovarsi i u certo status rispetto al peso corporeo dato che si fa colazioe co ua certa frequeza è diversa dalla probabilità di trovarsi i u altro status rispetto al peso corporeo dato che si fa colazioe co ua certa altra frequeza le due variabili soo associate fra loro. Si veda Approfodimeto 7. e Strumeti Iformatici 7. No viee idicato quale variabile è cosiderata idipedete e quale dipedete, i quato etrambe le variabili, per vari motivi, potrebbero ricoprire sia l uo che l altro ruolo. Ua bassa frequeza di colazioe potrebbe essere idice di u regime alimetare scorretto che potrebbe favorire il trovarsi i uo status di peso a rischio, così come l essere sovrappeso potrebbe essere resposabile di ua mior frequeza della colazioe, legata al tetativo di dimagrire. Queste soo solo due delle possibili circa la direzioalità della relazioe. 3 Vegoo idicate le probabilità codizioate solo per le celle che rappresetao i gradi di libertà della tavola. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
2 Poiché itediamo utilizzare il test del chi-quadrato per l idipedeza di variabili categoriali, dobbiamo prima verificare che siao soddisfatte le codizioi per la sua applicabilità:. Osservazioi idipedeti: ogi osservazioe deve essere stata otteuta su u soggetto diverso, per cui o ci devoo essere categorie delle variabili che rappresetao misure ripetute sugli stessi soggetti l assuzioe sembra soddisfatta, poiché o c è motivo di riteere che le osservazioi siao il risultato, ad esempio, di misure ripetute sugli stessi soggetti. No più del 0% di frequeze attese iferiori a 5 per verificare questa assuzioe basta calcolare le frequeze attese per ogi cella. Calcoliamo iazitutto i totali margiali Frequeza colazioe Peso corporeo Sottopeso Normopeso Sovrappeso Obesità Totale 0- volte/settimaa volte/settimaa volte/settimaa volte/settimaa Totale Calcoliamo le frequeze attese i ogi cella mediate la formula: Totale margiale di riga Totale margiale di coloa Frequeza attesa i ua cella Numero soggetti Frequeza colazioe 0- volte/settimaa 54, 97 Peso corporeo Sottopeso Normopeso Sovrappeso Obesità , , , 45-3 volte/settimaa volte/settimaa volte/settimaa ,57 59, 99 7, ,5 55, 06 5, ,69 54, 88 5, ,49 57, 07 6, Totale Totale Poiché essua frequeza attesa è iferiore a 5, l assuzioe è soddisfatta. 3. Nessua frequeza osservata uguale a zero o vi soo frequeze osservate uguali a zero Dato che tutte e tre le assuzioi per l applicabilità del test del chi-quadrato per l idipedeza di variabili categoriali soo soddisfatte, possiamo procedere co il test. I questo caso i gradi di libertà della tavola soo (umero righe della tavola ) (umero coloe della tavola ) (4 ) (4 ) 9, per cui il chi-quadrato critico per α,0 e 9 gradi di libertà è, La regola di decisioe sarà: 4 Si potrebbe pesare ache u ipotesi di tipo bidirezioale, i cui i valori critici soo quelli relativi ai valori di probabilità α/,005 e α/,005,995, ossia 3,589 e,735, rispettivamete. I questo caso la regola di decisioe è: se calcolato < critico iferiore oppure calcolato > critico superiore è troppo improbabile Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
3 se calcolato > critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se calcolato < critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo No ci resta che calcolare il : ( f k o a f a (58 50,45) 50,45 (56 50,9) 50,9 f ) (50 54,97) 54,97 (53 7,5) 7,5 (69 70,69) 70,69 (66 55,06) 55,06 (58 54,88) 54,88 (44 5,9) (34 77,49) (3 57,07) 5,9 77,49 57,07 0,449 7,67 6,677 6,847,8,946,7 0,00 0,649 0,07 0,77,030,35 7,990 0,339 7,654 86,56 (50 86,57) 86,57 (80 59,99) 59,99 (5 5,3) 5,3 (8 5,4) 5,4 ( 6,5) 6,5 (49 7,48) 7,48 Coclusioe: poiché calcolato > critico (86,56 >,666), è troppo improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la rifiutiamo. Questi risultati suggeriscoo che molto probabilmete esiste ua relazioe fra frequeza della colazioe e status rispetto al peso corporeo. L aver rifiutato l ipotesi ulla idica che probabilmete le due variabili soo associate. Per sapere quali celle, i particolare, soo resposabili dell associazioe dovremmo cosultare i residui stadardizzati aggiustati (vedi Approfodimeto 7.). Ad ogi modo, l ispezioe dei compoeti del chi-quadrato può già forire qualche idicazioe, dato che u residuo alto idica ua maggiore differeza fra frequeze osservate ed attese. Nel ostro caso i compoeti maggiori soo [0-; Obeso], [6-7; Normopeso] e [6-7; Sovrappeso]. Nel primo e el secodo caso le frequeze attese soo iferiori alle osservate, el terzo è il cotrario. Questo potrebbe idicare che è più probabile, rispetto all ipotesi ulla di idipedeza, che u adolescete sia obeso dato che fa colazioe 0- volte a settimaa (o viceversa, a secoda della direzioe di causalità scelta) e che u adolescete sia ormopeso se fa colazioe 6-7 volte a settimaa (o viceversa), metre è meo probabile che sia sovrappeso posto dato che fa colazioe 6-7 volte a settimaa (o viceversa). Puto (b) Dimesioe dell effetto Dimesioe dell'effetto I questo caso utilizziamo l'idice di dimesioe dell effetto w. Il calcolato è 86,56, e la dimesioe totale del campioe 45, per cui: che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo; se critico iferiore < calcolato < critico superiore o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo. Nodimeo, di solito si tede a cosiderare il valore critico ad ua coda. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
4 w 86, ,6 Le liee guida per l iterpretazioe di w riportate ella Tabella 4.5 ci permettoo di cocludere che siamo di frote a u effetto piccolo. Si oti come questo risultato appaia i cotrasto co la sigificatività del test statistico: odimeo, sappiamo che il test del chi-quadrato risete dell ampiezza campioaria, per cui è più facile che risulti sigificativo ache i preseza di effetti piccoli o addirittura trascurabili quado l ampiezza campioaria è molto grade, come è ifatti questo il caso. Puto (c) Rappresetazioe grafica Utilizziamo u grafico a barre affiacate. Possiamo scegliere se utilizzare barre di colore diverso per l ua o per l altra variabile a secoda se vogliamo mettere i evideza le differeze fra le categorie di peso corporeo per ogi categoria di frequeza della colazioe o viceversa. Frequeza Frequeza colazioe (volte/settimaa) Sottopeso Normopeso Sovrappeso Obesità Categoria di peso Categoria di peso Sottopeso Normopeso Sovrappeso Obesità Frequeza Frequeza colazioe (volte/settimaa) Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
5 Esercizio Ache questo esercizio, come l Esercizio, chiede di valutare l associazioe fra due variabili categoriali (decisioe di azioare o meo lo scambio e tipo di reato dell idividuo che pagherebbe le cosegueze dell azioameto del dispositivo). Come vedremo, però, o è possibile applicare il test del chi-quadrato per l idipedeza di variabili categoriali poiché due delle assuzioi per la sua applicazioe o soo rispettate. Obiettivo: verificare se esiste ua relazioe fra categoria di reato dell'idividuo che morirebbe se veisse azioato lo scambio e decisioe del soggetto di azioare lo scambio Variabili Variabile : Categoria di reato (omiale, dicotomica: Truffa; Evasioe) variabile che cosideriamo come causa, perciò è la variabile idipedete dello studio Variabile : Decisioe di appropriatezza dell azioare lo scambio (omiale, dicotomica: Sì, No) variabile che cosideriamo come effetto, perciò è la variabile dipedete dello studio Ipotesi: se le due variabili soo i relazioe fra di loro, dovremmo osservare che la categoria di reato modifica la probabilità che il soggetto decida o meo che sia appropriato azioario lo scambio H 0 : Π(Sì Truffa) Π(Sì Evasioe) ella popolazioe, la probabilità che il soggetto decida di azioare lo scambio o è modificata dalla categoria di reato le due variabili soo idipedeti H : Π(Sì Truffa) Π(Sì Evasioe) ella popolazioe, la probabilità che il soggetto decida di azioare lo scambio è modificata dalla categoria di reato le due variabili soo associate fra loro L associazioe fra variabili categoriali di solito viee valutata mediate u test del chi-quadrato, ma per applicare questo test statistico dobbiamo prima verificare che siao rispettate le assuzioi per la sua applicabilità:. Osservazioi idipedeti: ogi osservazioe deve essere stata otteuta su u soggetto diverso, per cui o ci devoo essere categorie delle variabili che rappresetao misure ripetute sugli stessi soggetti l assuzioe sembra soddisfatta, poiché i due campioi di osservazioi defiiti dalla categoria di reato soo idipedeti, e la decisioe del soggetto di azioare lo scambio può essere solo Sì o No.. No più del 0% di frequeze attese iferiori a 5 per verificare questa assuzioe basta calcolare le frequeze attese per ogi cella. Realizziamo iazitutto la tavola di cotigeza: Categoria di reato Sì Decisioe No Totale Truffa Evaso Totale e calcoliamo le frequeze attese: Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
6 Decisioe Categoria di reato Totale Sì No , 9 Truffa 7, 89 Evaso 0 4, 9 9 4, Totale Notiamo che due celle (50%) presetao frequeze attese iferiori a 5, per cui l assuzioe o è soddisfatta. 3. Nessua frequeza osservata uguale a zero l ispezioe delle frequeze osservate rivela che vi è ua cella co frequeza osservata uguale a zero, per cui ache questa assuzioe o è soddisfatta. Dato che due assuzioi su tre o soo soddisfatte, o possiamo applicare il test del chi-quadrato per l idipedeza di variabili categoriali. O meglio, potremmo ache applicare la formula, ma il valore risultate o sarebbe distribuito come il χ della distribuzioe teorica, per cui o avrebbe seso cofrotarlo co quello critico ricavato dalle tavole i base al livello di sigificatività α e ai gradi di libertà. I questi casi si ricorre ai test di probabilità esatta, i particolare quello di Fisher (si veda ache la soluzioe dell Esercizio del Capitolo 5). Per applicare questo test, dobbiamo applicare il coefficiete ipergeometrico alla tabella i oggetto e a tutte quelle che presetao situazioi più estreme. I realtà, ci troviamo già ella situazioe più estrema, dato che i soggetti del gruppo Evaso hao scelto tutti di azioare lo scambio. Per cui, la soluzioe dell esercizio si limiterà al calcolo della seguete probabilità, che cofroteremo poi co il livello di sigificatività diviso per due (l ipotesi alterativa è bidirezioale, per cui α/,05) e la regola di decisioe sarà: se p <,05 è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se p >,05 o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo ( a b)! ( c d)! ( a c)! ( b d)! p a! b! c! d!! dove ogi lettera corrispode ai dati della seguete tabella: Categoria di reato Sì Decisioe No Totale Truffa a b ab Evaso c d cd Totale ac bd per cui avremo: 0! 9! 5! 4! p 6! 4! 9! 0! 9! Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
7 Ricordado che 0!, sviluppiamo il 9! a deomiatore fio a 5! i modo da semplificarlo col 5! a umeratore e semplifichiamo ache il 9! e il 4! a umeratore co quelli a deomiatore: 0! p 6! ( ) Ora svolgiamo il 0! a umeratore fio a 6! per semplificarlo col 6! a deomiatore: p e semplifichiamo fiché possiamo i rimaeti fattori (il 9 e l 8 a umeratore col 8 e il 6 deomiatore): 0 7 p, Coclusioe: poiché p > α (,054 >,05), o è così improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la accettiamo. Questi risultati suggeriscoo che o vi è associazioe fra categoria di reato e decisioe di azioare lo scambio. Ad essere proprio pigoli, la probabilità per il test a due code dovrebbe essere calcolata i u altro modo, ossia, sommare la probabilità che abbiamo appea calcolato (che è quella ad ua coda) co quella relativa alle possibili permutazioi dei dati sull altro estremo della distribuzioe. Abbiamo osservato la seguete tabella: Categoria di reato Sì Decisioe No Totale Truffa Evaso Totale L altro estremo della distribuzioe, i questo caso, è costituito dal caso i cui tutti i soggetti del gruppo Truffa hao scelto di azioare lo scambio: Categoria di reato Sì Decisioe No Totale Truffa Evaso Totale ! 9! 5! 4! La probabilità associata a questa tavola è: p, 033, che, sommata alla 0! 0! 5! 4! 9! precedete, restituisce ua probabilità a due code di,054,033,087. Per maggiori delucidazioi sul test esatto di Fisher a due code si veda Agresti (00, p. 93). Dimesioe dell effetto Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
8 I questo caso per calcolare la dimesioe dell effetto dobbiamo risalire ad u valore di t, e da questo ad u valore di r. Perché l operazioe sia accurata, abbiamo bisogo di più decimali possibile per p (, ), e di u software i grado di risalire ad u valore di t a partire da quello di p. Excel o OpeOfficeCalc fao al caso ostro. Il umero di gradi di libertà è uguale al umero totale di soggetti meo due, che el ostro caso è 9 7. Per cui i Excel scriveremo INV.T(, ;7), il cui risultato è,068. A questo puto applichiamo la formula per covertire t i r: r t t gdl,068,068 7,45 I base alle liee guida della Figura 7., tale valore è idice di ua relazioe moderata 5. Rappresetazioe grafica Per la rappresetazioe grafica utilizziamo u grafico a barre affiacate: Frequeza Categoria Reato Truffa Evaso Sì No Decisioe sull'azioare lo scambio Frequeza Decisioe sull'azioare lo scambio Sì No Truffa Categoria reato Evaso 5 Nel caso di u test a due code iserire ella fuzioe di Excel la probabilità a due code calcolata al puto precedete, e utilizzare il valore di t risultate. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
9 Esercizio 3 Come ell Esercizio, ci troviamo a dover verificare l esisteza di ua relazioe fra due variabili dicotomiche: l aver o meo coseguito la laurea ei tempi previsti il riuscire o meo a trovare lavoro etro u ao dalla laurea. I questo caso l attribuzioe del ruolo di causa ed effetto è meo giustificata che ell Esercizio, dove la variabile cosiderata idipedete era stata maipolata e c era stata assegazioe casuale dei soggetti ai gruppi. I questo caso ci troviamo di frote a dati osservativi, per cui o sarebbe corretto, per certi versi, supporre ua relazioe diretta per quato il laurearsi si verifichi temporalmete prima del trovare lavoro: potrebbe ad esempio esistere ua terza variabile, come il task commitmet (impego ello svolgere u compito), che, se posseduto dal soggetto i alto grado, potrebbe determiare sia ua più rapida coclusioe del percorso uiversitario, sia maggiori probabilità di trovare lavoro i breve tempo. La relazioe fra le due variabili i esame sarebbe quidi spuria (covariazioe i asseza di causazioe). Puto (a) Obiettivo: verificare se esiste ua relazioe fra l aver o meo coseguito la laurea ei tempi previsti e riuscire o meo a trovare lavoro etro u ao dalla laurea Variabili Variabile : Laurearsi ei tempi previsti (omiale, dicotomica: Sì, No) Variabile : Trovare lavoro etro u ao dalla laurea (omiale, dicotomica: Sì, No) Ipotesi: se le due variabili soo i relazioe fra di loro, dovremmo osservare che laurearsi ei tempi previsti modifica la probabilità di trovare lavoro etro u ao dalla laurea H 0 : Π(Trovare lavoro etro u ao dalla laurea Laurea ei tempi previsti) Π(Trovare lavoro etro u ao dalla laurea Laurea o ei tempi previsti) ella popolazioe, la probabilità che il soggetto trovi lavoro etro u ao dalla laurea dato che si è laureato ei tempi previsti è uguale alla probabilità che il soggetto trovi lavoro etro u ao dalla laurea dato che o si è laureato ei tempi previsti le due variabili soo idipedeti H : Π(Trovare lavoro etro u ao dalla laurea Laurea ei tempi previsti) Π(Trovare lavoro etro u ao dalla laurea Laurea o ei tempi previsti) ella popolazioe, la probabilità che il soggetto trovi lavoro etro u ao dalla laurea dato che si è laureato ei tempi previsti è diversa dalla probabilità che il soggetto trovi lavoro etro u ao dalla laurea dato che o si è laureato ei tempi previsti le due variabili soo associate Verifichiamo che possa essere utilizzato il test del chi-quadrato per l idipedeza di variabili categoriali cotrollado che tutte la assuzioi per la sua applicabilità siao rispettate. Osservazioi idipedeti: ogi osservazioe deve essere stata otteuta su u soggetto diverso, per cui o ci devoo essere categorie delle variabili che rappresetao misure ripetute sugli stessi soggetti l assuzioe sembra soddisfatta, poiché i due campioi di osservazioi defiiti dall essersi o meo laureati ei tempi previsti soo idipedeti, così come soo categorie idipedeti l aver o meo trovato lavoro etro u ao dalla laurea. No più del 0% di frequeze attese iferiori a 5 per verificare questa assuzioe basta calcolare le frequeze attese per ogi cella. Realizziamo iazitutto la tavola di cotigeza: Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
10 Laurea ei tempi previsti Lavoro etro u ao dalla laurea No Sì Totale No Sì 5 60 Totale e calcoliamo le frequeze attese: Laurea ei tempi previsti Lavoro etro u ao dalla laurea No No 7, 49 74, Sì 77, 5 33, Sì Totale 47 Totale Nessua frequeza attesa è iferiore a 5, per cui l assuzioe è rispettata. 3. Nessua frequeza osservata uguale a zero l ispezioe delle frequeze osservate rivela che essua è uguale a zero, per cui ache questa assuzioe è rispettata. Possiamo quidi procedere col test del. I questo caso i gradi di libertà della tavola soo (umero righe della tavola ) (umero coloe della tavola ) ( ) ( ), per cui il chi-quadrato critico 6 per α,0 e gradi di libertà è 6,635. La regola di decisioe sarà: se calcolato > critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se calcolato < critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo No ci resta che calcolare il : ( f o f a ) (99 7,49) (48 74,5) (5 77,5) (60 33,49) f 7,49 74,5 77,5 33,49 k a 4,08 9,43 9,07 0,99 43,57 Coclusioe: poiché calcolato > critico (43,57 > 6,635), è troppo improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la rifiutiamo. Questi risultati suggeriscoo che molto probabilmete esiste ua relazioe fra l essersi o meo laureati ei tempi previsti e trovare lavoro etro u ao dalla laurea. 6 I base all ipotesi alterativa che abbiamo formulato, i realtà sarebbe più corretto idividuare i valori di chi-quadrato critico a due code, per cui i valori critici sarebbero quelli relativi ai valori di probabilità α/,005 e α/,005,995, ossia 7,879 e 0,00004, rispettivamete. I questo caso la regola di decisioe è: se calcolato < critico iferiore oppure calcolato > critico superiore è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo; se critico iferiore < calcolato < critico superiore o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo. Nodimeo, di solito si tede a cosiderare il valore critico ad ua coda. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
11 L aver rifiutato l ipotesi ulla idica che probabilmete le due variabili soo associate. Per sapere quali celle, i particolare, soo resposabili dell associazioe dovremmo cosultare i residui stadardizzati aggiustati (vedi Approfodimeto 7.). Ad ogi modo, l ispezioe dei compoeti del chi-quadrato può già forire qualche idicazioe, dato che u residuo alto idica ua maggiore differeza fra frequeze osservate ed attese. Nel ostro caso i compoeti soo tutti alti, ma quello otiamo è che, rispetto a quato atteso sotto l ipotesi di idipedeza, che ci soo più laureati fuori corso che o trovao lavoro etro u ao dalla laurea, e più laureati ei tempi previsti che trovao lavoro etro u ao dalla laurea. Questo dato sembrerebbe suggerire che laurearsi ei tempi previsti faccia ua differeza sostaziale rispetto al trovare lavoro etro u ao. Gli idici di dimesioe dell effetto richiesti dal puto (b) aiuterao a fare ulteriore luce sul feomeo A livello grafico possiamo rappresetare i grafici ei segueti modi: 50 Lavoro etro u ao No 00 Sì Frequeza No Si Laurea ei tempi previsti 50 Laurea ei tempi previsti No 00 Si Frequeza No Sì Lavoro etro u ao Puto (b) Trattadosi di ua tavola, possiamo calcolare tutta ua serie di idici di dimesioe dell effetto e di associazioe. Comiciamo dalla dimesioe dell effetto w, che si calcola: w 43, ,35 Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
12 Le liee guida per l iterpretazioe di w riportate ella Tabella 4.5 ci permettoo di cocludere che siamo di frote a u effetto moderato. Possiamo poi calcolare l odds ratio, o rapporto di associazioe (θ), che ci dirà quato è più probabile per u laureato ei tempi previsti trovare lavoro etro u ao dalla laurea rispetto ad u laureato fuori corso. Per calcolare θ dobbiamo però calcolare gli odds (Ω), o rapporti di probabilità, per le due codizioi del trovare lavoro i base all essersi o meo laureati ei tempi previsti: Ω Ω Frequeza Laureati ei tempi previsti che trovao lavoro etro u ao 60 Frequeza Laureati ei tempi previsti che o trovao lavoro etro u ao 5 lavoro ei tempi Frequeza Laureati fuori corso che trovao lavoro etro u ao 48 Frequeza Laureati fuori corso che o trovao lavoro etro u ao 99 lavoro fuori corso Ora possiamo calcolare l odds ratio θ: 0,4,8 θ Ω Ω lavoro ei tempi lavoro fuori corso,8 0,4 4,9 Questo dato sigifica che chi si laurea ei tempi previsti ha ua probabilità 4,9 volte maggiore di trovare lavoro etro u ao dalla laurea di chi ivece si laurea fuori corso. Possiamo ache sottoporre a verifica l ipotesi che l odds ratio sia statisticamete uguale a oppure o: H 0 : θ Nella popolazioe da cui è stato estratto il campioe, l odds ratio è uguale a le variabili soo idipedeti H 0 : θ Nella popolazioe da cui è stato estratto il campioe, l odds ratio è diverso le variabili soo associate Il test di sigificatività sull odds ratio è basato ua statistica distribuita come z calcolata el seguete modo: lθ z a b c d dove l θ è il logaritmo aturale dell odds ratio e a, b, c, e d soo le quattro frequeze di cella. Per α,0 e ipotesi alterativa bidirezioale lo z critico è,58. La regola di decisioe sarà: se z calcolato > z critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo l odds ratio è sigificativamete diverso da le variabili soo associate se z calcolato < z critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo l odds ratio o è sigificativamete diverso da le variabili soo idipedeti Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
13 z 99 l 4, ,39 Coclusioe: poichè z calcolato > z critico (6,39 >,58), è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo l odds ratio è sigificativamete diverso da le variabili soo associate Le altre misure di associazioe che possiamo calcolare soo il coefficiete phi (ϕ), e il V di Cramér, che si ottegoo mediate le segueti formule: ad bc ϕ ; ( a b)( a c)( c d)( b d) V mi( r, c ) a, b, c, e d soo le frequeze di cella come ella tabella: Laurea ei tempi previsti Lavoro etro u ao dalla laurea No Sì Totale No a b ab Sì c d cd Totale ac bd per cui avremo che: ,57 ϕ 0,35 ; V 0, La sigificatività (ossia, il fatto che siao statisticamete diversi da zero) è garatita dalla sigificatività del test del. Il coefficiete ϕ è iterpretabile come u coefficiete di correlazioe, per cui, essedo compreso fra,30 e,50, è idice di ua correlazioe moderata (vedi Figura 7.). Si oti ifie come i questo caso il V di Cramér coicida co w. Esercizio 4 Per verificare la relazioe fra le due variabili possiamo utilizzare l iformazioe a livello ordiale coteuta ei dati. La preseza della valutazioe No idoeo ci impedisce ifatti di cosiderare metrica la scala di misura delle votazioi, ma ci iforma che i quella prova il soggetto ha otteuto u puteggio iferiore a 30. Per rispodere alla domada calcoliamo duque il rho di Spearma. Poiché le due prove soo valutate da due diverse commissioi idipedeti, o ha seso supporre che ua delle variabili sia idipedete e l altra dipedete. Obiettivo: verificare se esiste ua relazioe fra la valutazioe alla prova pratica e la valutazioe alla prova teorica dell'esame di abilitazioe alla professioe di psicologo Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
14 Variabili Variabile : Valutazioe alla prova teorica (ordiale) Variabile : Valutazioe alla prova pratica (ordiale) Ipotesi: se le due variabili soo i relazioe fra di loro, dovremmo osservare che il fatto di aver otteuto ua certa valutazioe alla prova teorica è i relazioe co la valutazioe alla prova pratica. Nel caso, i due puteggi possoo essere cosiderati reciprocamete predittivi H 0 : ρ s 0 ella popolazioe o esiste u associazioe a livello ordiale fra la valutazioe alla prova teorica e la valutazioe alla prova pratica ella popolazioe il coefficiete di correlazioe rho di Spearma è uguale a zero H : ρ s 0 ella popolazioe esiste u associazioe a livello ordiale fra la valutazioe alla prova teorica e la valutazioe alla prova pratica ella popolazioe il coefficiete di correlazioe rho di Spearma è diverso da zero Dalla Tavola 3 i Appedice ricaviamo che il valore di ρ s critico per α,05, ipotesi alterativa bidirezioale e è,5804. La regola di decisioe sarà: se rho calcolato > rho critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo le due variabili soo i relazioe fra loro se rho calcolato < rho critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo le due variabili soo idipedeti fra loro Per calcolare il rho di Spearma occorre procedere i base ai segueti passi:. Calcolare i raghi dei puteggi della variabile e per la variabile Y, assegado il rago medio i caso di puteggi a pari merito. Appaiare soggetto per soggetto i raghi delle due variabili 3. Calcolare d, ossia la differeza fra il rago Y e il rago 4. Elevare al quadrato i d e sommarli, i modo da otteere Σd 6 d 5. Applicare la formula rho, dove è il umero di soggetti (o coppie di valori) 3 Calcoliamo i raghi per la prova teorica: e per la prova pratica Soggetto Valutazioe Rago Rago medio No idoeo 8 No idoeo No idoeo Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
15 Soggetto Valutazioe Rago Rago medio 9 No idoeo No idoeo, Calcoliamo ora i d stado be atteti a riappaiare i dati dei soggetti el modo corretto: Cadidato Valutazioe prova Valutazioe prova d teorica () pratica (Y) Rago Y Rago grezzo rago grezzo rago d No idoeo No idoeo No idoeo,5-6,5 4,5 0 No idoeo No idoeo,5-0,5 0, Σd 3,50 6 d 6 3,50 Applichiamo la formula rho, 3 3 Coclusioe: poiché rho calcolato < rho critico (, <,5804), o è così improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la accettiamo. Questi risultati suggeriscoo che molto probabilmete o esiste ua relazioe a livello ordiale fra la valutazioe alla prova teorica e la valutazioe alla prova pratica dell esame di abilitazioe alla professioe di psicologo. Dimesioe dell effetto Iterpretado il valore d rho come u coefficiete di correlazioe (Figura 7.), cocludiamo che si tratta di ua relazioe debole, i quato,0 < rho <,30. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
16 Esercizio 5 I puteggi ai test psicologici soo tipicamete su scala ad itervalli, per cui i questo caso per valutare la relazioe fra le due variabili utilizzeremo il coefficiete r di Pearso [puto (b)]. Perché l applicazioe di tale coefficiete sia corretta, però, dobbiamo prima verificare che la relazioe fra le due variabili sia cosiderabile come lieare, e per far questo realizziamo u diagramma a dispersioe [puto (a)]. Il valore di r è già di per sé u idice di dimesioe dell effetto, per cui per rispodere al puto (c) basterà cofrotare il valore otteuto co le liee guida della Figura 7.. Per risolvere il puto (d) dovremo calcolare il coefficiete rho di Spearma, metre per rispodere alle domade del puto (e) ricorreremo al calcolo dei coefficieti della retta di regressioe, cosiderado alterativamete le due variabili ora come, ora come Y. Puto (a) Il diagramma a dispersioe si realizza come u ormale riferimeto cartesiao, per cui, se cosideriamo Performace come e Verbale come Y avremo: Verbale Performace La ube di puti sembra idicare che la relazioe fra le due variabili sia lieare. Nodimeo, vi è u puto che si discosta i maiera abbastaza evidete dagli altri, i modo tale da sospettare che possa trattarsi di u outlier. Sarà iteressate, quidi, calcolare il coefficiete di correlazioe sia icludedo, sia escludedo quel valore dalle aalisi. Puto (b) Dato che il diagramma a dispersioe del puto (a) ha mostrato la plausibilità dell esisteza di ua relazioe lieare fra i due puteggi di QI, procediamo co il calcolo del coefficiete di correlazioe r e co la verifica delle ipotesi ad esso associata. Obiettivo: verificare se esiste ua relazioe lieare fra puteggio di QI di Perfomace e puteggio di QI Verbale Variabili Variabile : Puteggio QI di Perfomace (itervalli) Variabile : Puteggio QI Verbale (itervalli) Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
17 No c è motivo di pesare che ua delle due variabili possa essere causa dell altra. Più realisticamete, la relazioe fra di esse potrebbe essere cosiderata spuria, i quato etrambe potrebbero dipedere da u fattore di itelligeza più geerale. Ipotesi H 0 : ρ 0 ella popolazioe o esiste ua relazioe lieare fra puteggio di QI di perfomace e puteggio di QI verbale il coefficiete di correlazioe ρ è uguale a zero H : ρ 0 ella popolazioe esiste ua relazioe lieare fra puteggio di QI di perfomace e puteggio di QI verbale il coefficiete di correlazioe ρ è diverso a zero Per sottoporre a verifica l ipotesi ulla, utilizziamo u test statistico che fa riferimeto alla distribuzioe t di Studet. I questo caso i gradi di libertà soo uguali al umero di soggetti meo due, quidi 5 3. Il valore di t critico per α,05, ipotesi alterativa bidirezioale e 3 gradi di libertà è,60. La regola di decisioe sarà: se t calcolato > t critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se t calcolato < t critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo xi yi xi yi i i i Per applicare la formula per il calcolo di r r abbiamo xi xi yi yi i i i i bisogo di calcolare il quadrato sia delle che delle Y, i prodotti Y soggetto per soggetto, e le relative somme: Soggetto QI Performace QI Verbale Y Y Y s s s s s s s s s s s s s s s Somma Iseriamo i dati ecessari ella formula e calcoliamo r r ( ) ( ),866 Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
18 Verifichiamo che r possa essere cosiderato statisticamete diverso da zero: r t r,866 5,866 6,4 Coclusioe: poiché t calcolato > t critico (6,4 >,60), è troppo improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la rifiutiamo. Questi risultati suggeriscoo che molto probabilmete esiste ua relazioe lieare positiva fra QI di Perfomace e QI Verbale. Nell ispezioe del diagramma a dispersioe, però, avevamo otato la preseza di u possibile outlier, corrispodete al soggetto s3. Poiché gli outlier soo oti distorcere il valore di r, e i particolare redere evidete a livello statistico ua relazioe lieare che probabilmete o esiste effettivamete, ricalcoliamo r escludedo s3. A questo puto il campioe è costituito da 4 soggetti e il valore di t critico diveta,79, i quato abbiamo perso u grado di libertà. Soggetto QI Performace QI Verbale Y Y Y s s s s s s s s s s s s s s Somma r (4 3 0 ) ( ),776 Il valore di r è dimiuito, per quato cotiui a rimaere idice di ua relazioe lieare positiva forte. Verifichiamoe la sigificatività: r t r,776 4,766 4,6 Coclusioe: poiché t calcolato > t critico (4,6 >,79), è troppo improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la rifiutiamo. Questi risultati suggeriscoo che molto probabilmete esiste ua relazioe lieare positiva fra QI di Perfomace e QI Verbale e che s03, per quato abbia otteuto puteggi estremi i etrambe le variabili, o distorce i modo sostaziale la valutazioe della relazioe lieare fra le due variabili. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
19 Puto (c) La dimesioe dell effetto dell associazioe può essere valutata direttamete dal valore di r cosiderado le liee guida i Figura 7.. Sia icludedo s3, sia escludedolo, siamo el caso di ua relazioe forte (r >,50). Il coefficiete di determiazioe, vale a dire la proporzioe di variabilità comue fra le due variabili, è,866,750 el primo caso e,776,60 el secodo. I altri termii, le due variabili codividoo il 75% di variabilità (60,% el caso i cui escludiamo dalle aalisi s3). Puto (d) A livello ordiale, cambiao leggermete le ipotesi, poiché si tiee coto solo dell iformazioe relativa all ordie dei valori: Obiettivo: verificare se esiste ua relazioe lieare fra puteggio di QI di Perfomace e puteggio di QI Verbale Variabili Variabile : Puteggio QI di Perfomace (ordiale) Variabile : Puteggio QI Verbale (ordiale) No c è motivo di pesare che ua delle due variabili possa essere causa dell altra. Più realisticamete, la relazioe fra di esse potrebbe essere cosiderata spuria, i quato etrambe potrebbero dipedere da u fattore di itelligeza più geerale. Ipotesi H 0 : ρ s 0 ella popolazioe o esiste ua relazioe ordiale fra puteggio di QI di perfomace e puteggio di QI verbale ella popolazioe il coefficiete di correlazioe rho di Spearma è uguale a zero H : ρ s 0 ella popolazioe esiste ua relazioe ordiale fra puteggio di QI di perfomace e puteggio di QI verbale ella popolazioe il coefficiete di correlazioe rho di Spearma è diverso da zero Dalla Tavola 3 i Appedice ricaviamo che il valore di ρ s critico per α,05, ipotesi alterativa bidirezioale e 5 è,579. La regola di decisioe sarà: se rho calcolato > rho critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo le due variabili soo i relazioe fra loro se rho calcolato < rho critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo le due variabili soo idipedeti fra loro Calcoliamo i raghi per i puteggi di QI di Performace: Soggetto Performace Rago Rago Medio s 0 s05 s4 3 3 s0 5 4 s0 7 5 s ,5 s ,5 Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
20 s s03 9 s04 0 s09 s 3 s0 4 3 s s3 5 0,5 e per la prova pratica Soggetto Verbale Rago Rago Medio s4 s05 4 s 4 3,5 s0 5 4 s ,5 s0 6 6 s5 7 7 s s 9 s07 0 s04 3 s06 3,5 s0 4 3 s s3 5 5 Soggetto QI di Performace () QI Verbale (Y) d grezzo rago grezzo rago Rago Y Rago d s s0 7 5,5 5 4,5 - s03 9, ,5,5 s04 9,5 3,5 4 s05 4,5 0,5 0,5 s ,5 -,5 6,5 s07 0 7,5 0,5 6,5 s08 0 7, ,5 4,5 s09 5 4,5-6,5 4,5 s s 0 4,5,5,5 s s s s5 7 5,5 7 7,5,5 Σd 6 6 d 6 6 Applichiamo la formula rho, Coclusioe: poiché rho calcolato > rho critico (,775 <,579), o è così improbabile che quato osservato sia il risultato di u ipotesi ulla vera, per cui la accettiamo. Questi risultati suggeriscoo Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
21 che molto probabilmete o esiste ua relazioe a livello ordiale fra il puteggio di QI di Performace e quello di QI Verbale. I questo caso i valori estremi del soggetto s03 o creao problemi, dato che questo soggetto ha puteggi più alti degli altri i etrambe le variabili. No sembra ifluire più di tato el tipo, ella forza e ella direzioe della relazioe (si cofrotio i valori di r calcolati al puto (b) e quello di rho appea otteuto). Ioltre, o serve provare a rifare le aalisi a livello ordiale escludedolo, dato che il suo valore di d era zero e quello di d ugualmete zero, per cui o ifluiva el calcolo di rho (per quato la dimiuzioe del umero di soggetti avrebbe comportato u diverso rho critico, che sappiamo dipedere dal umero di soggetti). La cosa avrebbe potuto avere seso se s3 fosse stato u possibile outlier i ua sola variabile. Dimesioe dell effetto Iterpretado il valore di rho come u coefficiete di correlazioe (Figura 7.), cocludiamo che si tratta di ua relazioe forte, i quato rho >,50. Puto (e) Per rispodere alle due domade occorre idividuare le rette di regressioe i cui QI Verbale Y e QI Performace (prima domada) e QI Verbale e QI Performace Y (secoda domada). I etrambi i casi valuteremo la sigificatività del coefficiete di regressioe b e dell itercetta a, e calcoleremo l errore totale di predizioe. Obiettivo: idividuare la retta di regressioe per predire il puteggio di QI Verbale (Y) i base al puteggio di QI di Performace () Ipotesi H 0 : α 0 ella popolazioe, l itercetta, ossia il valore medio atteso i Y quado è uguale a zero, è uguale a zero H : α 0 ella popolazioe, l itercetta, ossia il valore medio atteso i Y quado è uguale a zero, è diversa da zero H 0 : β 0 ella popolazioe, il coefficiete di regressioe, ossia la variazioe media attesa i Y per ua variazioe uitaria i, è uguale a zero H : β 0 ella popolazioe, il coefficiete di regressioe, ossia la variazioe media attesa i Y per ua variazioe uitaria i, è diversa da zero Facciamo riferimeto alla distribuzioe di probabilità t di Studet, che i questo caso ha gradi di libertà uguali al umero di soggetti meo due (5 3). Per α,05 e ipotesi alterativa bidirezioale, il t critico per 3 gradi di libertà è,60. La regola di decisioe sarà: se t calcolato > t critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se t calcolato < t critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo Calcoliamo i base ai dati della tabella al puto (b) i valori di a e di b: QI Performace QI Verbale Soggetto Y Y Y s Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
22 s s s s s s s s s s s s s s Somma b a x y x i i i i i i i xi xi i i i y i b i x i y , ( 4) 45 0,9 4,047 5 Per calcolare gli errori stadard dei coefficieti, abbiamo bisogo dell errore totale di predizioe, che si calcola co la formula: ( Y Yˆ) s e I questa formula Ŷ è il valore di Y stimato i base al modello di regressioe. Calcoliamo quidi per ogi valore di il valore di Y, calcoliamo gli scarti fra valori Y osservati e stimati, eleviamo al quadrato gli scarti e sommiamoli: Y Ŷ,047 0,9 Ŷ Y (Ŷ Y) 5 6 5,60-0,398 0, ,44,44 5,876 9,068,068 4,77 3,068 -,93 3,733 4,869 -,3, ,7,7,93 0 0,57 -,843 3, ,57-4,843 3,455 5,979 6,979 48, ,80-0,99 0, ,047 -,953 8,70 3,890,890 3,57 5,089-3,9 5,96 3 3,780,780 3, ,44 0,44 0,80 Σ 4,787 Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
23 4,787 L errore stadard di predizioe è duque: s e 3, Per calcolare gli errori stadard abbiamo bisogo ache della media (M ) e della deviaza [Σ( M ) ] degli, i quato: a t a ; ( Y Yˆ) M ( ) ( M ) t b ( Y Yˆ) ( ) b ( M ) La media degli è 4 / 5 9,47, metre la deviaza può essere calcolata dai dati a disposizioe moltiplicado la variaza per ( M ) s M 796 9, ,79 Adesso basta sostituire i dati elle formule:,047 0,9 t a,5 ; t b 0, 99 9,47 3,098 3, ,79 450,79 Coclusioe: poiché t calcolato < t critico per l itercetta (,5 <,60) e t calcolato > t critico (0,99 >,60) per il coefficiete di regressioe, possiamo accettare l ipotesi ulla el caso di a e rifiutarla el caso di b. Questi risultati suggeriscoo che l itercetta, ossia il valor medio atteso ella popolazioe quado è uguale a zero, o è statisticamete diversa da zero, metre il coefficiete di regressioe, ossia il cambiameto medio atteso i Y per u cambiameto uitario i, è statisticamete diverso da zero. I particolare possiamo scrivere u equazioe di predizioe per Y del tipo Ŷ,047 0,9, che ci suggerisce che per u cambiameto uitario el puteggio di QI di Performace possiamo aspettarci u cambiameto di 0,9 puti el valore del QI Verbale. Per rappresetare la retta di regressioe calcoliamo due puti e poi facciamo passare ua liea retta per questi due puti. Ad esempio, sappiamo che se 0, Ŷ,047, metre se 3 (come richiesto dalla domada dell esercizio), Ŷ,047 0,9 3,89 (puti biachi del grafico): Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
24 30 5 Ŷ,047 0,9 R,750 0 Verbale Performace Se il puteggio di QI di Performace è 3, quidi, il puteggio atteso di QI Verbale è,89. Dimesioe dell effetto La dimesioe dell effetto della regressioe può essere calcolata a partire dal valore di R, che è,750. Calcoliamo la dimesioe dell effetto f come: f R R,750 3,00,750 che i base alle liee guida della Tabella 7.4 iterpretiamo come grade. * * * Se dovessimo ivertire il ruolo di e Y delle due variabili, avremmo il seguete schema: Obiettivo: idividuare la retta di regressioe per predire il puteggio di QI di Performace (Y) i base al puteggio di QI Verbale () Ipotesi H 0 : α 0 ella popolazioe, l itercetta, ossia il valore medio atteso i Y quado è uguale a zero, è uguale a zero H : α 0 ella popolazioe, l itercetta, ossia il valore medio atteso i Y quado è uguale a zero, è diversa da zero H 0 : β 0 ella popolazioe, il coefficiete di regressioe, ossia la variazioe media attesa i Y per ua variazioe uitaria i, è uguale a zero H : β 0 ella popolazioe, il coefficiete di regressioe, ossia la variazioe media attesa i Y per ua variazioe uitaria i, è diversa da zero Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
25 Facciamo riferimeto alla distribuzioe di probabilità t di Studet, che i questo caso ha gradi di libertà uguali al umero di soggetti meo due (5 3). Per α,05 e ipotesi alterativa bidirezioale, il t critico per 3 gradi di libertà è,60. La regola di decisioe sarà: se t calcolato > t critico è troppo improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la rifiutiamo se t calcolato < t critico o è così improbabile che i dati osservati siao il risultato del fatto che H 0 è vera, per cui la accettiamo e avremmo la seguete tabella per i calcoli: Soggetto QI Verbale QI Performace Y Y Y s s s s s s s s s s s s s s s Somma b a x y x i i i i i i i xi xi i i i y i b i x i y , ( 45) 4 0,84 45,50 5 Si oti come le stime dei coefficieti della retta di regressioe cambio rispetto al caso precedete. Per calcolare gli errori stadard dei coefficieti, abbiamo bisogo dell errore totale di predizioe, che si calcola co la formula: ( Y Yˆ) s e I questa formula Ŷ è il valore di Y stimato i base al modello di regressioe. Calcoliamo quidi per ogi valore di il valore di Y, calcoliamo gli scarti fra valori Y osservati e stimati, eleviamo al quadrato gli scarti e sommiamoli: Y Ŷ,50 0,84 Ŷ Y (Ŷ Y) Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
26 6 5 6,45 -,45, ,6,38,90 9 8,9,08 4,34 3, -,,47 4 4,80 -,80 7,8 3 5,,79 7,77 0,39 -,39, ,86-3,86 4,9 5 5,6 6,38 40, ,04 0,96 0, ,80-4,80 3,0 3 0,57,44 5,93 5,0-0,0 0,0 3 3,5-0,5 0, ,7-0,7 0,07 Σ,89,89 L errore stadard di predizioe è duque: s e, Per calcolare gli errori stadard abbiamo bisogo ache della media (M ) e della deviaza [Σ( M ) ] degli, i quato: a t a ; ( Y Yˆ) M ( ) ( M ) t b ( Y Yˆ) ( ) b ( M ) La media degli è 45 / 5 9,67, metre la deviaza può essere calcolata dai dati a disposizioe moltiplicado la variaza per ( M ) s M 90 9, ,79 Adesso basta sostituire i dati elle formule:,50 0,84 t a,80 ; t b, 3 9,67,947, ,79 555,79 Coclusioe: poiché t calcolato < t critico per l itercetta (,80 <,60) e t calcolato > t critico (,3 >,60) per il coefficiete di regressioe, possiamo accettare l ipotesi ulla el caso di a e rifiutarla el caso di b. Questi risultati suggeriscoo che l itercetta, ossia il valor medio atteso ella popolazioe quado è uguale a zero, o è statisticamete diversa da zero, metre il coefficiete di regressioe, ossia il cambiameto medio atteso i Y per u cambiameto uitario i, è statisticamete diverso da zero. I particolare possiamo scrivere u equazioe di predizioe per Y del tipo Ŷ,50 0,84, che ci suggerisce che per u cambiameto uitario el puteggio di QI Verbale possiamo aspettarci u cambiameto di 0,84 puti el valore del QI di Performace. Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
27 Per rappresetare la retta di regressioe calcoliamo due puti e poi facciamo passare ua liea retta per questi due puti. Ad esempio, sappiamo che se 0, Ŷ,50, metre se 30 (come richiesto dalla domada dell esercizio), Ŷ,50 0, , (puti biachi del grafico): 30 5 Ŷ,50 0,84 R,750 Performace Verbale Se il puteggio di QI Verbale è 30, quidi, il puteggio atteso di QI di Performace è 6,. Si oti come, differetemete dal caso precedete, il valore da predire o cada ella gamma della osservate, costrigedoci ad estrapolare i dati (e o ad iterpolarli). Nel mauale abbiamo visto come l estrapolazioe sia sempre u operazioe rischiosa, i quato o siamo i grado di verificare che la relazioe fra e Y sia lieare ache al di fuori della gamma delle osservate. Nodimeo, la predizioe di Y i base alla retta di regressioe è comuque possibile. Dimesioe dell effetto La dimesioe dell effetto è la stessa del caso precedete i quato il valore di R dipede dalla relazioe fra le due variabili, e o da quale assume il ruolo di e quale il ruolo di Y. Esercizio 6 I puteggi ai test psicologici soo tipicamete su scala ad itervalli, per cui i questo caso per valutare la relazioe fra le due variabili utilizzeremo il coefficiete r di Pearso [puto (b)]. Perché l applicazioe di tale coefficiete sia corretta, però, dobbiamo prima verificare che la relazioe fra le due variabili sia cosiderabile come lieare, e per far questo realizziamo u diagramma a dispersioe [puto (a)]. Al puto (c) applicheremo le formule per la verifica delle ipotesi sui parametri del modello di regressioe, metre per risolvere il puto (d) dovremo elevare al quadrato il valore di r e l errore stadard della stima s e. Al puto (e) calcoleremo l idice f, metre per rispodere alla domada del puto (f) ricorreremo al calcolo dei coefficieti della retta di regressioe, cosiderado il puteggio di vulerabilità arcisistica come e quello di autostima come Y. Puto (a) Carlo Chiorri, Fodameti di psicometria Copyright 00 The McGraw-Hill Compaies S.r.l., Publishig Group Italia
Statistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliV Tutorato 6 Novembre 2014
1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe
Dettagli52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%
RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliEQUAZIONI ALLE RICORRENZE
Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo
DettagliESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1
ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe
Dettagli1 Limiti di successioni
Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliAnno 5 Successioni numeriche
Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliNumerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone
Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema
DettagliUn problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
DettagliSuccessioni. Grafico di una successione
Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
DettagliEsercizi riguardanti limiti di successioni
Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse
DettagliSintassi dello studio di funzione
Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:
DettagliSerie numeriche: esercizi svolti
Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:
DettagliLA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT
LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliElementi di matematica finanziaria
Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate
DettagliSUCCESSIONI E SERIE NUMERICHE
SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
DettagliLA DERIVATA DI UNA FUNZIONE
LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliUniversità degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2
Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i
DettagliLimiti di successioni
Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.
Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliInteresse e formule relative.
Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliAppunti sulla MATEMATICA FINANZIARIA
INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi
DettagliFoglio di esercizi N. 1 - Soluzioni
Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >
DettagliPARTE QUARTA Teoria algebrica dei numeri
Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi
DettagliRendita perpetua con rate crescenti in progressione aritmetica
edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come
DettagliANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.
ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliIMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras
IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E
DettagliPrincipi base di Ingegneria della Sicurezza
Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il
DettagliSERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.
Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
DettagliSTIME E LORO AFFIDABILITA
TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliTeorema 13. Se una sere converge assolutamente, allora converge:
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliCARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:
PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliCapitolo uno STATISTICA DESCRITTIVA BIVARIATA
Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,
DettagliTest non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche
est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliSelezione avversa e razionamento del credito
Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del
DettagliCorsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3.
Corsi di Laurea i Igegeria Edile e Architettura Prova scritta di Aalisi Matematica del 6// ) Mostrare che + si( ) cos () si( ) log(( + ) / ) = 3. Possibile soluzioe: Cosiderado dapprima il deomiatore otiamo
DettagliDIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y.
DIPENDENZA O CONNESSIONE Due caratteri X e Y cogiutamete cosiderati si dicoo tra loro coessi quado le modalità di u carattere ifluezao il maifestarsi delle modalità dell altro. Ovvero quado la coosceza
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo
DettagliSoluzione La media aritmetica dei due numeri positivi a e b è data da M
Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste
DettagliLa matematica finanziaria
La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto
DettagliCorso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015
Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
DettagliUna funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio
Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche
DettagliLezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs
Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero Lezioe 9- - Problema del trasporto Prof. Cerulli Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, ) A o violi
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti
Dettagli5 ln n + ln. 4 ln n + ln. 6 ln n + ln
DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio
DettagliAlcuni parametri statistici di base
Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di
Dettagli19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete
DettagliApprofondimenti di statistica e geostatistica
Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica è sorta i tempi atichissimi co i cesimeti: storico quello di Augusto che, secodo la tradizioe cristiaa coivolse Maria e Giuseppe, giusto alla ascita di Gesù. Solo el
DettagliCapitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE
Capitoo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE 3.1 LA TEORIA DI WEIBULL I comportameto meccaico dee fibre di giestra e di juta è stato caratterizzato mediate o studio dea resisteza a trazioe dee fibre
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliLe onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione
Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
Dettagli5. Le serie numeriche
5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a
DettagliCapitolo 27. Elementi di calcolo finanziario EEE 2015-2016
Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
DettagliESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI
ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ES 1 I u collettivo di 40 pazieti osservati, la media dei globuli biachi era pari a.9 ( 1000/ml 3 ) e la variaza era pari a 0.336. Forire ua
DettagliCampi vettoriali conservativi e solenoidali
Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile
DettagliL OFFERTA DI LAVORO 1
L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
DettagliSPC 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,
DettagliRisposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere
Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati
DettagliFormula per la determinazione della Successione generalizzata di Fibonacci.
Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe
DettagliCorso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA
Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
Dettagli1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6
SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie
DettagliDisposizioni semplici. Disposizioni semplici esercizi
Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati
DettagliI appello - 29 Giugno 2007
Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (
Dettagli