Econometria applicata all intermediazione finanziaria Esercizi regressione multipla

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Econometria applicata all intermediazione finanziaria Esercizi regressione multipla"

Transcript

1 Econometria applicata all intermediazione finanziaria Esercizi regressione multipla Tiziano Razzolini Università di Siena. mail: 3 aprile 2012

2 Esercizi e Questi esercizi si riferiscono alle tabelle di regressioni stimate che si trovano a pag. 187 e 218 (184 vecchia edizione) dello SW. I dati - relativi al sono tratti dal Current Population Survey e contengono informazioni su individui che hanno lavorato a tempo pieno per l intero anno. Il titolo di studio più alto raggiunto da ciascun lavoratore è o il diploma di scuola secondaria o una laurea. L età dei lavoratori varia tra anni. I dati contengono anche informazioni sulla regione del paese in cui la persona ha vissuto, lo stato civile e il numero di figli. Definizione delle variabili AHE = retribuzione oraria media (in dollari 1998) College = variabile binaria (1 se università, 0 se scuola superiore) Female = variabile binaria (1 se femmina, 0 se maschio) Age = età misurata in anni Northeast = variabile binaria (1 se regione = nord-est, 0 altrimenti Midwest = variabile binaria (1 se regione = centro-ovest, 0 altrimenti) South = variabile binaria (1 se regione = sud; 0 altrimenti) West = variabile binaria (1 se regione = ovest, 0 altrimenti)

3 Esercizi e

4 Esercizio 6.1 e Si calcoli l R 2 per ognuna delle regressioni La formula (6.15) nel testo ci dice che ( ) n 1 SSR R 2 =1 n k 1 TSS Pertanto, i valori sono 0, 175, 0, 189, e 0, 193 per le colonne (1)-(3). 2. Si aggiungano * (5%) e ** (1%) alla tavola per indicare la significatività statistica dei coefficienti Gli appropriati valori critici della distribuzione normale sono rispettivamente 1, 960 (5%) e 2, 576 (1%). Si rifiuta ad un livello di significatività del 5% se t > 1, 960 Si rifiuta ad un livello di significatività dell 1% se t > 2, 576 È quindi necessario calcolare la statistica t per ogni parametro stimato e procedere poi all assegnazione degli asterischi

5 Esercizi e Regressor (1) (2) (3) College (X 1 ) 5.46** (0.21) 5.48** (0.21) 5.44** (0.21) Female (X 2 ) 2.64** (0.20) 2.62** (0.20) 2.62** (0.20) Age (X 3 ) 0.29** (0.04) 0.29** (0.04) Ntheast (X 4 ) 0.69* (0.30) Midwest (X 5 ) 0.60* (0.28) South (X 6 ) 0.27 (0.26) Intercept 12.69** (0.14) 4.40** (1.05) 3.75** (1.06)

6 Esercizio 6.2 e 7.2 Si utilizzino i risultati della regressione nella colonna (1) 1. I lavoratori laureati guadagnano di più, in media, rispetto ai lavoratori con un diploma di scuola superiore? Quanto di più? È la differenza stimata tra le retribuzioni di questa regressione statisticamente significativa al livello 5%? Si costruisca un intervallo di confidenza della differenza al 95%. Sì 5, 46 dollari all ora Sì. { Infatti t = (5, 46 0)/0, 21 = 26 ˆβ 1 ± 1, 96 SE ( ˆβ 1 ) } = {5, 46 ± 1, 96 0, 21} = (5, 05; 5, 87) 2. In media, gli uomini guadagnano più delle donne? Quanto di più? È la differenza tra le retribuzioni stimate sulla base di questa regressione statisticamente significativa al livello 5%? Si costruisca un intervallo di confidenza della differenza al 95%. Sì 2, 64 dollari all ora Sì. { Infatti t = ( 2, 64 0)/0, 20 = 13, 2 ˆβ 2 ± 1, 96 SE ( ˆβ 2 ) } = { 2, 64 ± 1, 96 0, 20} = ( 2, 25; 3, 03)

7 Esercizio 6.3 e 7.3 Si utilizzino ora i risultati della regressione nella colonna (2) 1. L età è un importante determinante delle retribuzioni? Si argomenti la risposta sulla base di un appropriato test statistico o di un intervallo di confidenza L età ha un effetto positivo sul reddito (anche controllando per sesso e titolo di studio) stimato in 29 centesimi per anno. Il coefficiente è statisticamente significativo al livello dell 1%. Infatti t = (0, 29 0)/0, 04 = 7, 25 Da un punto di vista economico l effetto non è grandissimo (siete d accordo?). 2. Sally è una laureata di 29 anni. Betty è una laureata di 34 anni. Si prevedano le retribuzioni di Sally e di Betty. Si costruisca un intervallo di confidenza di livello 95% per la differenza tra le loro retribuzioni attese AHE Sally = 4, , 48 2, , = 15, 67 AHE Betty = 4, , 48 2, , = 17, 12 { } ˆβ 1 X 1 ± 1, 96 SE ( ˆβ 1 ) X 1 = {1, 45 ± 1, 96 (5 0, 04)} = (1, 06; 1, 84)

8 Esercizio 6.4 e 7.4 Si utilizzino infine i risultati della regressione nella colonna (3) 1. C è qualche evidenza di differenze regionali rilevanti? Sì. Infatti la statistica-f per gli effetti di zona = 0 conduce al rifiuto dell ipotesi nulla dal momento che la statistica F (= 6,10) eccede il valore critico basato sulla distribuzione F 3, = 3, 78 (livello di significatività dell 1%) 2. Perché il regressore West viene omesso dalla regressione? Cosa accadrebbe se lo si includesse? In caso contrario ci troveremmo in un caso di perfetta multicollinearità in cui D west = 1 D northeast D midwest D south

9 Esercizio 6.4 e Sia Juanita una laureata di 28 anni proveniente dal sud. Sia Molly una laureata di 28 anni proveniente dall ovest. Sia Jennifer una laureata di 28 anni proveniente dal centro-ovest. i. Si costruisca un intervallo di confidenza di livello 95% per la differenza tra le retribuzioni attese di Juanita e Molly ˆβ 1 ± 1, 96 SE ( ˆβ 1 ) = 0, 27 ± 1, 96 0, 26 = ( 0, 78; 0, 24) ii. Si calcoli la differenza tra le retribuzioni attese di Juanita e Jennifer Dal momento che Juanita ha un differenziale negativo rispetto al salario nel West di 0, 27 dollari e Jennifer un differenziale positivo di 0, 60 dollari, la differenza stimata tra le due retribuzioni è pari a 0, 87 dollari.

10 Esercizio 6.4 e Si spieghi come si potrebbe costruire un intervallo di confidenza per la differenza tra le retribuzioni attese di Juanita e Jennifer (suggerimento: cosa accadrebbe se si includesse West e si escludesse Midwest dalla regressione) Si potrebbe ristimare il modello includendo la variabile West ed escludendo la variabile Midwest dalla regressione. Così facendo il coefficiente sulla variabile South misurerebbe direttamente il differenziale stimato di reddito tra Juanita (South) e Jennifer (Midwest). Utilizzando l errore standard....

11 Esercizio 6.5 I dati sono stati raccolti da un campione casuale di 220 vendite di case in una determinata località nel Sia Price il prezzo di vendita (in 1000$), BDR il numero di camere da letto, Bath il numero di bagni, Hsize la dimensione della casa (in piedi quadrati), Lsize la dimensione del lotto (in piedi quadrati), Age l età della casa (in anni) e Poor una variabile binaria che è uguale a 1 se si riporta che la condizione della casa è malandata. La regressione stimata dà come risultato Price = 119, 2 + 0, 485 BDR + 23, 4 Bath + 0, 156 Hsize + 0, 002 Lsize + 0, 090 Age 48, 8 Poor R 2 = 0, 72 SER = 41, 5 (1) 1. Si supponga che una proprietaria trasformi parte di una preesistente camera dei giochi nella sua casa di un nuovo bagno. Qual è l aumento atteso nel valore della casa?. 2. Si supponga che una proprietaria aggiunga un nuovo bagno alla sua casa, la cui dimensione aumenta di 100 piedi quadrati. Qual è l aumento atteso nel valore della casa?. 3. Qual è la perdita nel valore della casa se un proprietario non la cura e lascia che la sua condizione diventi malandata? 4. Si calcoli l R 2 per la regressione.

12 Esercizio Si supponga che una proprietaria trasformi parte di una preesistente camera dei giochi nella sua casa di un nuovo bagno. Qual è l aumento atteso nel valore della casa? $ (si ricordi che Price è misurato in migliaia di $). 2. Si supponga che una proprietaria aggiunga un nuovo bagno alla sua casa, la cui dimensione aumenta di 100 piedi quadrati. Qual è l aumento atteso nel valore della casa?. In questo caso Bath = 1 e Hsize = 100. Il conseguente cambiamento atteso nel prezzo sarà 23, = 39, 0 mila dollari, o $. 3. Qual è la perdita nel valore della casa se un proprietario non la cura e lascia che la sua condizione diventi malandata? La perdita è pari a $. 4. Si calcoli l R 2 per la regressione. Dal testo sappiamo che R 2 = 1 n 1 n k 1 (1 R2 ), di modo che R 2 = 1 n k 1 n 1 (1 R 2 ) e R 2 = 0,727.

13 Esercizio 6.6 Un ricercatore intende studiare l effetto causale della polizia sul rimine usando dati ottenuti da un campione casuale di contee degli Stati Uniti. Egli intende effettuare una regressione del tasso di criminalità della contea sulla dimensione (pro capite) delle forze di polizia della contea. 1. Si spieghi perché è probabile che questa regressione subisca una distorsione da variabile omesse. Quali variabili si dovrebbero aggiungere alla regressione per controllare per le variabili omesse importanti?. 2. Si usi la risposta della (1.) e l espressione per la distorsione da variabili omesse nella (6.1) per determinare se la regressione probabilmente sovrastimerà o sottostimerà l effetto della polizia sul tasso di criminalità. (Cioè, si ritiene che β 1 > β 1 o β 1 < β 1?)

14 Esercizio Si spieghi perché è probabile che questa regressione subisca una distorsione da variabile omesse. Quali variabili si dovrebbero aggiungere alla regressione per controllare per le variabili omesse importanti?. Ci sono altre importanti determinanti del tasso di criminalità di una contea, tra cui le caratteristiche demografiche della popolazione. 2. Si usi la risposta della (1.) e l espressione per la distorsione da variabili omesse nella (6.1) per determinare se la regressione probabilmente sovrastimerà o sottostimerà l effetto della polizia sul tasso di criminalità. (Cioè, si ritiene che β 1 > β 1 o β 1 < β 1?) Si supponga che il tasso di criminalità sia influenzato positivamente dalla frazione di giovani di sesso maschile nella popolazione e che le contee con più alti tassi di criminalità tendano ad assumere un maggior numero di poliziotti. In tal caso, è probabile che la dimensione del corpo di polizia sia correlata positivamente con la frazione di giovani di sesso maschile nella popolazione, inducendo in tal modo a un valore positivo della distorsione da variabile omessa di modo che ˆβ 1 > β 1.

15 Esercizio 6.7 Si critichi ognuno dei seguenti piani di ricerca proposti. Tale critica dovrebbe spiegare i problemi connessi alla ricerca proposta e descrivere come si potrebbe migliorare il piano di ricerca. Si includa una discussione degli ulteriori dati che dovrebbero essere raccolti e sulle tecniche statistiche appropriate per analizzare tali dati. 1. Un ricercatore è interessato a stabilire se una grande azienda aerospaziale è colpevole di discriminazione di genere nel fissare le retribuzioni. Per determinare la potenziale distorsione, il ricercatore raccoglie informazioni sulle retribuzioni e sul genere di tutti gli ingegneri dell azienda. In seguito il ricercatore intende condurre un test della differenza tra medie al fine di determinare se la retribuzione media delle donne è significativamente minore di quella degli uomini.

16 Esercizio Un ricercatore è interessato a determinare se il tempo trascorso in prigione ha un effetto permanente sul livello retributivo. Egli raccoglie dati su un campione casuale di persone che sono fuori dalla prigione da almeno quindici anni. Raccoglie poi dati simili su un campione casuale di persone che non sono mai state in prigione. I dati includono informazioni sulla retribuzione corrente di ogni persona, sull istruzione, l età, l etnia il genere,l anzianità di servizio (il tempo nell attuale lavoro), la professione e lo stato sindacale, così come sul fatto che la persona sia mai stata in carcere. Il ricercatore intende stimare l effetto dell incarcerazione sulle retribuzioni effettuando una regressione delle retribuzioni su un indicatore per l incarcerazione, includendo nelle regressione le altre potenziali determinanti delle retribuzioni (l educazione, la permanenza, lo stato sindacale e così via).

17 Esercizio 6.8 Un recente studio ha scoperto che il tasso di mortalità per persone che dormono da sei a sette ore per notte è minore rispetto al tasso di mortalità di persone che dormono otto o più ore per notte, e maggiore rispetto a persone che dormono cinque ore o meno. L 1,1 milione di osservazioni usate per questo studio è stato ottenuto da un indagine casuale sugli americani di età compresa tra i 30 e i 102 anni. Ogni intervistato è stato seguito per 4 anni. Il tasso di mortalità per le persone che dormono sette ore è stato calcolato come rapporto tra il numero di morti nell arco dello studio tra le persone che dormivano sette ore e il numero totale di intervistati che dormivano sette ore. Questo calcolo è stato quindi ripetuto per le persone che dormivano sei ore, e cosi via. Basandosi su questa sintesi, si raccomanderebbe agli americani che dormono nove ore per notte di considerare la possibilità di ridurre le loro ore di sonno a sei o sette se vogliono prolungare le loro vite? Perchè sì o perché no? Si argomenti la risposta.

18 Esercizio 6.9 (Y i, X 1i, X 2i ) soddisfano le assunzioni nel concetto chiave 6.4. Si è interessati a β 1, l effetto causale di X 1 su Y. Si supponga che X 1 e X 2 siano incorrelate. Si stimi β 1 effettuando una regressione di Y su X 1 (così che X 2 non sia inclusa nella regressione). Questo stimatore soffre di distorsione da variabili omesse? Si argomenti la risposta.

19 Esercizio 6.10 (Y i, X 1i, X 2i ) soddisfano le assunzioni nel concetto chiave 6.4; inoltre, var(u X 1i, X 2i ) = 4 e var(x ) = 6. Si estrae dalla popolazione un campione casuale di dimensione n = Si assuma che X 1 e X 2 siano incorrelate. Si calcoli la varianza di β 1 (Suggerimento: si guardi la (6.17) nell appendice 6.2). 2. Si assuma che cor(x 1, X 2 ) = 0, 5. Si calcoli la varianza di β Si commentino le seguenti affermazioni: Quando X 1 e X 2 sono correlate, la varianza di β 1 è maggiore di quanto lo sarebbe se X 1 e X 2 fossero incorrelate. Pertanto, se si è interessati a β 1 è meglio escludere X 2 dalla regressione se è correlata con X 1.

20 Esercizio 6.10 σˆβ 1 = 1 n [ ] 1 1 ρ 2 X 1,X 2 σu 2 σx 2 1 Se X 1 e X 2 sono incorrelate: ρ 2 X 1,X 2 = 0 σˆβ 1 = 1 [ σˆβ 1 = Se ρ X1,X 2 = 0.5 [ σˆβ 1 = ] 4 6 = 6 = σˆβ 1 = ] 4 6 = 6 = Quindi maggiore è la correlazione tra X 1 e X 2 maggiore è la varianza di ˆβ 1. Tuttavia l esclusione di X 2 non nè corretta se X 2 determina Y ed è correlata con X 1. L esclusione porterebbe ad una distorsione da variabili omesse e quindi ad un ˆβ 1 distorto

21 Esercizio 7.5 La regressione mostrata nella colonna (2) è stata stimata ancora una volta usando i dati relativi al 1992 (4.000 osservazioni selezionate casualmente dal CPS del marzo 1993, convertite in dollari 1998 usando l indice dei prezzi al consumo). I risultati sono ÂHE = 0, 77 (0,98) + 5, 29 (0,20) College 2, 59 (0,18) Female + 0, 40 Age SER = 5, 85 R (0,03) (2) Paragonando questa regressione a quella per il 1998, mostrata nella colonna (2), si evidenzia una variazione statisticamente significativa del coefficiente di College?

22 Esercizio 7.5 Paragonando questa regressione a quella per il 1998, mostrata nella colonna (2), si evidenzia una variazione statisticamente significativa del coefficiente di College? La statistica-t per la differenza nei coefficienti di College è t = ˆβ college, 1998 ˆβ college, 1992 SE ( ˆβ college, 1998 ˆβ college, 1992 ) Poiché ˆβ college 1998 e ˆβ college 1992 sono calcolati su campioni indipendenti, esse sono indipendenti, il che implica che cov( ˆβ college 1998, ˆβ college 1992 ) = 0 Pertanto, var( ˆβ college, 1998 ˆβ college, 1992 ) = var( ˆβ college, 1998 ) + var( ˆβ college, 1998 ) Ciò implica che Pertanto, SE ( ˆβ college, 1998 ˆβ college 1992 ) = 0, , 20 2 t act = 5, 48 5, 29 = 0, , , 202 La differenza non è significativa dato che la statistica-t calcolata è minore di 1,96, il valore critico al 5%.

23 Esercizio 7.6 Si valuti la seguente affermazione: in tutte le regressioni, il coefficiente di Female è negativo, elevato e statisticamente significativo. Ciò supporta una forte evidenza statistica di discriminazione dovuta al genere nel mercato del lavoro degli USA.

24 Esercizio 7.7 La domanda 6.5 riportava la seguente regressione (in cui sono stati aggiunti gli errori standard): Price = 119, 2 (23,9) + 0, 090 (0,311) + 0, 485 (2,61) BDR + 23, 4 (8,94) Bath + 0, 156 Hsize + 0, 002 Lsize (0,011) (0,00048) Age 48, 8 Poor R 2 = 0, 72 SER = 41, 5 (3) (10,5) 1. Il coefficiente di BDR è statisticamente e significativamente diverso da zero? 2. Le case con cinque camere da letto si vendono tipicamente a un prezzo maggiore rispetto a quelle con due camere. Ciò è coerente con la risposta data nella (1.) e, più in generale, con la regressione?. 3. Una proprietaria acquista 2000 piedi quadrati da un lotto adiacente. Si costruisca unintervallo di confidenza al 99% per la variazione del valore della sua casa. 4. La dimensione di un lotto è misurata in piedi quadrati. Si ritiene che un altra scala possa essere più appropriata? Perché sì o perché no? 5. La statistica-f per l omissione di BDR e Age dalla regressione è F = 0, 08. I coefficienti di BDR e Age sono statisticamente diversi da zero al livello 10%?

25 Esercizio La t-statistica è = Quindi il coefficiente di BDR non è significativamente diverso da zero. 2. Il coefficiente di BDR misura l effetto parziale del numero di camere da letto tenendo costante la dimensione della casa (Hsize). Chiaramente, le case con 5 camere da letto sono molto piu grandi delle case con due sole camere. Quindi la risposta sull effetto del numero di camere non è del tutto veritiera. 3. L intervallo di confidenza al 99% per l effetto dovuto all acquisto del lotto è 2000[ ] = [1.52, 6.48] (in migliaia di dollari). 4. La scelta dell unità di misura deve facilitare la lettura dei risultati. Se il lotto fosse stato misurato in migliaia di piedi, il coefficiente sarebbe pari a 2 invece di Il valore critico al 10% è Poichè 0.08 < 2.30,i coefficienti non sono congiuntamente significativi al 10%

26 Esercizio 7.8 Facendo il riferimento alla tabella 7.1 nel testo: 1. Si costruisca l R 2 per ognuna delle regressioni. 2. Si costruisca la statistica-f classica per verificare l ipotesi che β 3 = β 4 = 0 nella regressione mostrata nella colonna (5). La statistica è significativa al livello 5%? 3. Si verifichi l ipotesi che β 3 = β 4 = 0 nella regressione mostrata nella colonna (5) usando il test di Bonferroni discusso nell appendice 7.1

27 Esercizio 7.8 Dalle formule su R 2 e R 2 sappiamo che: R 2 = 1 n 1 n k 1 (1 R2 ) quindi R 2 = 1 n k 1 n 1 (1 R 2 ) Colonna 1: R 2 = ( ) = Colonna 2: R 2 = ( ) = Colonna 3: R 2 = ( ) = Colonna 4: R 2 = ( ) = Colonna 5: R 2 = ( ) = H 0 : β 3 = β 4 = 0 H 1 : β 3 = β 4 = 0

28 Esercizio 7.8 (b) Regressione non vincolata (colonna 5): Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4, R 2 nonvincolato = Regressione vincolata: Y = β 0 + β 1 X 1 + β 2 X 2, R 2 vincolato = F = (R2 nonvincolato R2 vincolato )/q (1 Rnonvincolato 2 )/(n k 1), n = 400, k nonvincolato = 4, q = 2 F = ( )/2 ( )/( ) = 0.348/2 (0.225)/415 = = Il valore critico da F 2,inf = 4.61, F omoschedastica > F 2,inf quindi H 0 è rigettata al 5%. (c) t 3 = , t 4 = 0.814,q = 2, t 3 > c con c pari a 2, 807, il valore critico al 1% dalla Tabella 7.3. L ipotesi nulla è rigettata al 1%. (d) 1.01 ±

29 Esercizio 7.9 Si consideri il modello di regressione Y i = β 0 + β 1 X 1i + β 2 X 2i + u i (4) Si usi l approccio 2 del par. 7.3, cioè si trasformi la regressione in modo che si possa usare direttamente una statistica-t per verificare a) β 1 = β 2 b) β 1 + αβ 2 = 0, dove α è una costante c) β 1 + β 2 = 1

30 Esercizio 7.9 a) β 1 = β 2 Y i = β 0 + β 1 X 1i + β 2 X 2i + u i Aggiungendo e sottraendo β 2 X 1i : o Y i = β 0 + (β 1 β 2 ) X 1i + β 2 (X 1i + X 2i ) + u } {{ } } {{ } i (5) γ 1 W i Y i = β 0 + γ 1 X 1i + β 2 W i + u i (6) Un test H 0 : β 1 = β 2 è quindi equivalente a un test H 0 : γ 1 = 0

31 Esercizio 7.9 b) β 1 + αβ 2 = 0, dove α è una costante Y i = β 0 + β 1 X 1i + β 2 X 2i + u i (7) Aggiungendo e sottraendo αβ 2 X 1i : o Y i = β 0 + (β 1 + αβ 2 ) X 1i + β 2 (X 2i αx 1i ) + u } {{ } } {{ } i (8) γ 1 W i Y i = β 0 + γ 1 X 1i + β 2 W i + u i (9) Un test H 0 : β 1 + αβ 2 = 0 è quindi equivalente a un test H 0 : γ 1 = 0

32 Esercizio 7.9 c) β 1 + β 2 = 1 Aggiungendo e sottraendo β 2 X 1i : o Y i = β 0 + β 1 X 1i + β 2 X 2i + u i (10) Y i = β 0 + (β 1 + β 2 ) X 1i + β 2 (X 2i X 1i ) + u } {{ } } {{ } i (11) γ 1 W i Y i = β 0 + γ 1 X 1i + β 2 W i + u i (12) Il test H 0 : β 1 + β 2 = 1 è equivalente a un test H 0 : γ 1 = 1. Alternativamente, si potrebbe ulteriormente sottrare X 1i a entrambi i membri per ottenere Y i X 1i = β 0 + (β 1 + β 2 1)X 1i + β 2 (X 2i X 1i ) + u i (13) o dove Z i = β 0 + γ 2 X 1i + β 2 W i + u i (14) Z i = Y i X 1i γ 2 = β 1 + β 2 1 W i = X 2i X 1i (15) e sottoporre a test H 0 : γ 2 = 0

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

Lineamenti di econometria 2

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

Dettagli

Verifica di ipotesi e intervalli di confidenza nella regressione multipla

Verifica di ipotesi e intervalli di confidenza nella regressione multipla Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate

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

Dettagli

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

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

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

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

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

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

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

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

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

Dettagli

ANALISI DI CORRELAZIONE

ANALISI DI CORRELAZIONE ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso

Dettagli

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011 Esercizi di stima puntuale, intervalli di confidenza e test 1. Si consideri il campione (X 1, X 2, X 3, X 4 ) composto da variabili i.i.d.

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Statistica. Lezione 6

Statistica. 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

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

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

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

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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Statistiche campionarie

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

Dettagli

RISCHIO E CAPITAL BUDGETING

RISCHIO E CAPITAL BUDGETING RISCHIO E CAPITAL BUDGETING Costo opportunità del capitale Molte aziende, una volta stimato il loro costo opportunità del capitale, lo utilizzano per scontare i flussi di cassa attesi dei nuovi progetti

Dettagli

PIL : produzione e reddito

PIL : produzione e reddito PIL : produzione e reddito La misura della produzione aggregata nella contabilità nazionale è il prodotto interno lordo o PIL. Dal lato della produzione : oppure 1) Il PIL è il valore dei beni e dei servizi

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

Il metodo della regressione

Il metodo della regressione Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua

Dettagli

Relazioni tra variabili

Relazioni tra variabili Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina

Dettagli

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

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

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

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

Come archiviare i dati per le scienze sociali

Come archiviare i dati per le scienze sociali Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

I ricavi ed i costi di produzione

I ricavi ed i costi di produzione I ricavi ed i costi di produzione Supponiamo che le imprese cerchino di operare secondo comportamenti efficienti, cioè comportamenti che raggiungono i fini desiderati con mezzi minimi (o, che è la stessa

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Il coefficiente di correlazione di Spearman per ranghi

Il coefficiente di correlazione di Spearman per ranghi Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili

Dettagli

IL TEST CHI QUADRATO χ 2

IL TEST CHI QUADRATO χ 2 IL TEST CHI QUADRATO χ 2 Test parametrici I test studiati nelle lezioni precedenti (test-t, testz) consentono la verifica di ipotesi relative al valore di specifici parametri di popolazione Esempio: differenza

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

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

Dettagli

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

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

Regressione logistica. Strumenti quantitativi per la gestione

Regressione logistica. Strumenti quantitativi per la gestione Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare

Dettagli

4 I LAUREATI E IL LAVORO

4 I LAUREATI E IL LAVORO 4I LAUREATI E IL LAVORO 4 I LAUREATI E IL LAVORO La laurea riduce la probabilità di rimanere disoccupati dopo i 30 anni L istruzione si rivela sempre un buon investimento a tutela della disoccupazione.

Dettagli

Esercitazione 23 maggio 2016

Esercitazione 23 maggio 2016 Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione

Dettagli

come nasce una ricerca

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

Dettagli

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

Limitazioni cognitive e comportamento del consumatore (Frank, Capitolo 8)

Limitazioni cognitive e comportamento del consumatore (Frank, Capitolo 8) Limitazioni cognitive e comportamento del consumatore (Frank, Capitolo 8) RAZIONALITÀ LIMITATA Secondo Herbert Simon, gli individui non sono in grado di comportarsi come i soggetti perfettamente razionali

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 25: Lo scambio nel mercato delle assicurazioni Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel

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

SINTESI DEI RISULTATI

SINTESI DEI RISULTATI RILEVAZIONE DELLA SODDISFAZIONE DEGLI UTENTI DEI CORSI DI FORMAZIONE ED EVENTI MEMO E DEL COORDINAMENTO PEDAGOGICO 0/6 ANNI ORGANIZZATIDAL MULTICENTRO EDUCATIVO SERGIO NERI SINTESI DEI RISULTATI Modena,

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009 Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano le seguenti distribuzione

Dettagli

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo. acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al

Dettagli

LE CARTE DI CONTROLLO (4)

LE CARTE DI CONTROLLO (4) LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

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

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

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

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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

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

INTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005. Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES

INTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005. Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES INTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005 A Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES Istruzioni: rispondete alle domande segnando con una crocetta la lettera

Dettagli

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

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

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1

Dettagli

Edited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only.

Edited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only. In un mercato del lavoro competitivo esistono due tipi di lavoratori, quelli con alta produttività L A, che producono per 30 $ l'ora, e quelli con bassa produttività, L B, che producono per 5 $ l'ora.

Dettagli

Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera

Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato

Dettagli

Economia del Lavoro 2010

Economia del Lavoro 2010 Economia del Lavoro 2010 Capitolo 5 I differenziali salariali compensativi - Applicazione di politica economica: l assicurazione sulla salute e il mercato del lavoro 1 Negli Stati Uniti i datori di lavoro

Dettagli

Esercizi di riepilogo Statistica III canale, anno 2008

Esercizi di riepilogo Statistica III canale, anno 2008 Esercizio 1 - Esercizio 5 esame 22 giugno 2004 Esercizi di riepilogo Statistica III canale, anno 2008 Data la seguente distribuzione di 100 dipendenti di un azienda in base al tempo impiegato (in minuti)

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

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

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

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

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

Rapporto dal Questionari Insegnanti

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

Dettagli

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

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

MISURARE IL COSTO DELLA VITA

MISURARE IL COSTO DELLA VITA Università degli Studi di Macerata Dipartimento di Scienze politiche, della Comunicazione e delle Relazioni internazionali ECONOMIA POLITICA MODULO TEORIA A.A. 2013/2014 MISURARE IL COSTO DELLA VITA Fabio

Dettagli

lezione 18 AA 2015-2016 Paolo Brunori

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

Dettagli

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo

Dettagli

Mercati finanziari e valore degli investimenti

Mercati finanziari e valore degli investimenti 7 Mercati finanziari e valore degli investimenti Problemi teorici. Nei mercati finanziari vengono vendute e acquistate attività. Attraverso tali mercati i cambiamenti nella politica del governo e le altre

Dettagli

CLASSIFICAZIONE DEI CARATTERI

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

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.

Dettagli

Capitolo 2 Distribuzioni di frequenza

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

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

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

Condizione occupazionale dei laureati ad un anno dalla laurea

Condizione occupazionale dei laureati ad un anno dalla laurea AA 2013-2014 Corso di Laurea in Ottica e Optometria Condizione occupazionale dei laureati ad un anno dalla laurea http://almalaurea.it Premessa L indagine di Almalaurea si riferisce ai laureati dell anno

Dettagli