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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 9. La distribuzione e i test per dati su scala nominale 9.1. La distribuzione La statistica e la sua distribuzione In una popolazione distribuita normalmente con parametri e estraiamo un campione di n elementi. Di questo campione calcoliamo la statistica (leggi chi quadrato) definita dalla seguente relazione: y Ripetendo il campionamento indefinitamente, mantenendo sempre il numero n di elementi otteniamo una distribuzione continua di valori della statistica. Anche per la nuova statistica non esiste una curva di distribuzione, ma infinite curve, in dipendenza del numero di elementi n scelto per il campione. Anche in questo caso si parla di gradi di libertà della statistica, e più precisamente i gradi di libertà sono n 1 (9.) I matematici hanno calcolato l equazione di una curva di distribuzione del con gradi di libertà; ancora una volta è riportata in forma semplificata per evidenziarne la dipendenza da : / 1 f Y 0 e (9.3) dove ancora una volta Y 0 è una costante che dipende da. Anche la curva di distribuzione del è asimmetrica come quella della statistica F. In Fig. 9.1 sono riportate diverse curve di distribuzione corrispondenti a diversi gradi di libertà (da 1 a 6). (9.1) Fig. 9.1 Come per ogni curva di distribuzione l area totale sotto una curva di distribuzione del vale 1; l area sotto la curva per gradi di libertà, fra due valori a e b, corrisponde alla probabilità di ottenere in uno dei campionamenti casuali descritti in apertura, con + 1 elementi, valori della statistica compresi fra a e b Le tavole dei valori critici del Anche per il come per F interessano le code destre della distribuzione; i valori critici riportati in Tavola 6 a livello sono i valori di a partire dai quali l area sotto la coda destra della distribuzione vale. Si tratta dunque di una tavola ad una coda, per le stesse ragioni per cui lo è la tavola dei valori critici di F. Anche per i valori critici della distribuzione valgono le convenzioni simboliche già utilizzate per le altre statistiche: a pedice viene indicato dapprima il livello di significatività, quindi i gradi di libertà fra parentesi quadre: [ ]. Per esemplificare cerchiamo il valore critico che delimita la coda raffigurata in Fig. 9.: per i gradi di libertà della distribuzione in figura abbiamo = 6, mentre l area sotto la coda vale 0.05; per il corrispondente valore critico abbiamo 0.05 [6] Infine, Fig. 9.3 mostra che anche per la statistica (qui con = 6) valgono le convenzioni già note per specificare i livelli di significatività della statistica.

2 Fig. 9. Fig Test di indipendenza per dati su scala nominale Tavole di contingenza Si confrontano gli esiti dello scrutinio di fine anno nel primo biennio di un istituto professionale e di un istituto tecnico. In particolare sono sotto osservazione le modalità selettive nel primo anno. I dati sono raccolti in Tab. 9.1, in cui P sta per promosso, PD sta per promosso con debito e NP sta per non promosso. P PD NP Professionale Tecnico Tab. 9.1 Ogni numero corrisponde ad una frequenza; ad esempio 53 è il numero dei promossi nel professionale. In questo caso abbiamo sotto osservazione due variabili: tipo di scuola e selettività (in termini di esito dello scrutinio finale); entrambe le variabili sono di tipo qualitativo, cioè sono misurate su scala nominale, e quindi attraverso frequenze. La prima variabile (tipo di scuola) ha due modalità: professionale e tecnico; la seconda variabile (selettività) ha tre modalità: promosso, promosso con debito e non promosso. La tabella in cui sono riassunti i dati è detta tavola di contingenza, con dimensioni 3. In generale le tavole di contingenza relative a due variabili, con un numero di modalità rispettivamente m ed n hanno dimensione m n. E utile completare la matrice dei dati della tavola di contingenza in Tab. 9.1 attraverso i totali di riga e di colonna, come in Tab. 9., che rappresenta un esempio dell assetto definitivo dalle tavole di contingenza. Si osservi che il totale dei totali di colonna è uguale al totale dei totali di riga, ed equivale alla somma di tutte le frequenze della tavola: =44=6+16. Il totale generale delle frequenze sarà nel seguito indicato con n; dunque, nell esempio, n=44. P PD NP Totali Professionale Tecnico Totali Tab Il concetto di associazione Riprendiamo e per certi versi specifichiamo ulteriormente la nozione di variazione concomitante o associazione presentata in della Parte metodologica. Osservando i dati della tavola di contingenza in Tab. 9. si ha l impressione che gli scrutini nelle due scuole non abbiano dato esiti omogenei: pare vi sia una maggior selettività nell istituto professionale. Esprimendo lo stesso concetto con altre parole, la variabile selettività pare in qualche modo legata alla variabile tipo di istituto, nel senso che tipi diversi di istituto mostrano una differente selettività. Questa circostanza si esprime dicendo che fra i due fattori vi è associazione, o che le due variabili non sono indipendenti. Se viceversa a differenti tipi di istituto corrispondessero livelli simili di selettività diremmo che fra i due fattori non vi è associazione, ovvero che i due fattori sono indipendenti. In generale, e parlando in modo un po informale: quando siamo in presenza di due variabili, misurate su scala nominale, che agiscono simultaneamente influenzandosi reciprocamente, si dice che fra queste variabili vi è associazione, ovvero che le due variabili non sono indipendenti. Si osservi che di fatto il concetto di associazione qui discusso non è altro che l estensione del concetto di correlazione (discusso nei per i dati su scala almeno ordinale) ai dati su scala nominale.

3 Frequenze osservate e frequenze attese L impressione soggettiva di associazione fra le variabili tipo di scuola e selettività, espressa nel paragrafo precedente, è naturalmente da verificare su un piano oggettivo, il che significa sottoporre a test la significatività dell associazione. Il primo passo, come in qualunque test di ipotesi, è l esplicitazione di H 0 e H 1. H 0 : fra le variabili tipo di scuola e selettività non vi è associazione, ovvero i due fattori sono indipendenti; H 1 : fra le variabili tipo di scuola e selettività vi è associazione, ovvero i due fattori non sono indipendenti. Come in tutti i test di ipotesi lavoriamo per rigettare l ipotesi nulla. Allora, cominciamo a metterla bene a fuoco. Cosa significa che i fattori sono indipendenti? In sostanza questo avviene se le frequenze delle diverse celle di una tavola di contingenza variano solo in dipendenza dei totali di riga e di colonna, e più precisamente se il contenuto di ogni cella è proporzionale ai suoi totali di riga e colonna. Questa osservazione permette di calcolare con semplici proporzioni il contenuto che ogni cella dovrebbe avere se i fattori fossero indipendenti. Lo schema di calcolo è illustrato con riferimento alla Tab. 9.3 Tot x R Tot C n Tab. 9.3 x rappresenta il valore che avrebbe la frequenza della relativa cella se i fattori fossero indipendenti; R rappresenta il totale di riga e C il totale di colonna; n è il totale delle frequenze. Sotto ipotesi di indipendenza (non associazione) il valore x sta al totale R come C sta al totale generale n. In simboli: x R C n (9.4) x : R C : n. Risolvendo la proporzione otteniamo che è la formula generale per il calcolo delle frequenze che avremmo in caso di indipendenza. Dunque abbiamo delle frequenze raccolte nell indagine da confrontare con delle frequenze calcolate sotto l ipotesi di indipendenza. Le prime si chiamano frequenze osservate e si indicano col simbolo f, mentre le frequenze calcolate prendono il nome di frequenze attese e si indicano col simbolo fˆ La statistica e il test di indipendenza Torniamo al test a cui siamo interessati. Abbiamo enunciato le ipotesi in opposizione ed abbiamo trovato un metodo per calcolare le frequenze attese in caso di indipendenza. Ora si tratta di misurare in modo oggettivo la differenza fra le frequenze osservate e quelle attese in caso di indipendenza attraverso una apposita statistica, e di valutarne la significatività. Se la differenza risulterà significativa rifiuteremo l ipotesi nulla di indipendenza fra i fattori ed avremo provato la differente selettività nei due tipi di scuola. Per valutare la differenza fra f e fˆ è ovvio che si debba ricorrere alla quantità f fˆ. L idea sarebbe di sommare il risultato di questa differenza, cella per cella, fra le due tavole di contingenza dei valori osservati e attesi, in modo da avere una misura complessiva della diversità fra frequenze osservate e attese. Come al solito il condizionale indica una difficoltà; è il solito problema: queste differenze hanno segni sia positivi che negativi, e si annullano vicendevolmente; la soluzione è ancora una volta l elevamento a quadrato: f ˆf (per garantire la positività). Ancora un difetto. Per spiegarlo facciamo due esempi: se la frequenza osservata è 1 e quella attesa è, il quadrato della differenza è 1; se la frequenza osservata è 999 e quella attesa è 1000, il quadrato della differenza è ancora 1. Ma è intuitivo che 1 su sia cosa ben diversa da 1 su Le differenze vanno in qualche modo pesate; il metodo più semplice è quello di rapportarle al valore atteso; questo ci conduce al perfezionamento: f f fˆ ˆ. Finalmente abbiamo una quantità che misura la differenza fra frequenza osservata e frequenza attesa per ciascuna cella. Infine, occorre sommare queste quantità relative a ciascuna delle m n celle, ottenendo una nuova statistica: m n f f fˆ dove il simbolo m n posto sopra il simbolo di somma indica che essa è estesa appunto a tutte le m n celle delle tavole di contingenza. La statistica è nulla quando le frequenze attese e osservate sono identiche, ed è tanto maggiore quanto maggiore è la differenza fra frequenze attese e osservate. ˆ (9.5)

4 Si noti ancora una volta (come già notammo per la statistica F) che i valori di sono sempre positivi (salvo il caso di perfetta uguaglianza fra i valori di f e fˆ ). Dunque, se c è differenza, si sposta sempre verso la coda di destra della distribuzione. Il simbolo per la nuova statistica è scelto perché assomiglia al simbolo senza tuttavia esserlo. Ciò non è casuale: si può infatti dimostrare che la distribuzione di approssima molto bene la distribuzione del con m 1 n 1 gradi di libertà. Le due distribuzioni sono praticamente uguali quando nelle celle delle frequenze attese tutti i valori sono almeno pari a 5. Questo basta per concludere il test: confrontiamo il valore di col corrispondente valore critico del al livello di significatività scelto: se supera il valore critico del possiamo rifiutare l ipotesi nulla. I calcoli necessari sono mostrati nel Box 9.1 Parte a La correzione di Yates per la continuità La distribuzione è una distribuzione continua (cioè che copre la gamma continua di tutti i valori da 0 in avanti), mentre la statistica è calcolata a partire da valori discreti (le frequenze osservate). Questa discrepanza crea qualche problema nell adattamento dei valori assunti da alla distribuzione del. Per ovviare a questo inconveniente si usa una correzione alla formula (9.5) nota come correzione di Yates: m n f fˆ fˆ 0.5 dove il pedice indica appunto l aggiustamento del valore di (dall inglese usted). La correzione di Yates abbassa leggermente il valore della statistica e rende il test più affidabile. Il Box 9.1 Parte b illustra i dettagli del calcolo Necessità di accorpare le frequenze di due o più righe o colonne In si è detto che la distribuzione di approssima molto bene la distribuzione del con m 1 n 1 gradi di libertà a patto che le frequenze attese siano almeno pari a 5. Nei casi in cui almeno una delle frequenze attese sia inferiore a 5 il test non è troppo affidabile. Per avere risultati sicuri occorre fare in modo di ottenere frequenze attese tutte superiori o almeno uguali a 5. A tale scopo si può procedere ad un accorpamento di due o più colonne o righe, in modo da arrivare ad ottenere per ciascuna cella frequenze osservate maggiori, e quindi maggiori frequenze attese. La tecnica è illustrata nel Box 9. Parte a Partizione dei gradi di libertà Una volta che abbiamo rifiutato l ipotesi nulla in un test di indipendenza abbiamo provato che almeno in una cella le frequenze osservate sono differenti in modo significativo da quelle attese, ma quale sia la cella (o quali siano le celle) non è ancora dato sapere. Per ottenere questa informazione occorre un supplemento di indagine analogo a quello necessario per l ANOVA e suggerito in e La tecnica è nota come partizione dei gradi di libertà del ed è basata su una successione di accorpamenti di righe e/o colonne del tipo illustrato in , con determinate precauzioni circa i gradi di libertà. In questo contesto ci limitiamo alla sua segnalazione; la tecnica è descritta in S. Siegel, Coefficienti di associazione per dati nominali Il coefficiente di contingenza C Come per i dati quantitativi esistono opportuni coefficienti di correlazione, anche per i dati qualitativi su scala nominale esistono opportuni coefficienti che quantificano il grado di associazione fra due fattori. Il più diffuso è il cosiddetto coefficiente di contingenza C. La sua formulazione matematica è: C n dove ovviamente è calcolato secondo la (9.5) mentre n è la somma di tutte le frequenze osservate. Nella frazione sotto radice il numeratore è minore del denominatore, e questo comporta che il suo valore è compreso fra 0 e 1. Tuttavia il valore 1 non viene mai raggiunto. Il massimo valore ottenibile dipende dal numero di righe e di colonne della tavola di contingenza. In generale non è immediato calcolare questo valore massimo. Nel caso in cui le righe e le colonne siano uguali a k (quindi nel caso di una tavola di contingenza quadrata k k) i valore massimo raggiungibile è (9.7) (9.6)

5 C max k 1 k (9.8) Per questo motivo il coefficiente di contingenza C è usato prevalentemente con tavole quadrate, in quanto in questo caso è possibile avere il riferimento al massimo valore possibile. Il calcolo banale è esemplificato nel Box 9.1 Parte c e nel Box 9. Parte b Correlazione degli attributi Il coefficiente di correlazione degli attributi è un coefficiente analogo al precedente, ma valido solo quando la tavola di contingenza è quadrata. In tal caso abbiamo: r (9.9) n k 1 dove k è il numero delle righe e delle colonne della tavola di contingenza. Nel caso speciale in cui k = il coefficiente di correlazione degli attributi è chiamato talvolta coefficiente di correlazione tetracorico. Esiste un opportuno abaco in forma grafica riportato in Tavola 7 che aiuta a valutare se il valore ottenuto debba essere considerato alto o basso. Un esempio di calcolo si trova nel Box 9. Parte b Test di buon adattamento Con ipotesi estrinseca: confronto di frequenze osservate con percentuali attese Cominciamo illustrando un esempio. Un collegio dei docenti vuole fare il punto sulla situazione del recupero dei debiti formativi. Le statistiche informano che all interno di un istituto le percentuali di debiti formativi recuperati R, parzialmente recuperati PR e non recuperati NR sono: R=13%, PR=46% e NR=41%. Visti gli esiti deludenti viene progettata e messa in sperimentazione una nuova strategia per le attività di recupero, al termine della quale si ottengono per gli 850 studenti dell istituto le seguenti frequenze assolute per le tre categorie: R=11, PR=41 e NR=317. Il problema è: questi nuovi dati si adattano alle percentuali precedentemente registrate oppure mostrano qualche cambiamento? Una stima soggettiva a occhio potrebbe essere fatta calcolando le percentuali dei nuovi risultati e confrontandole con le vecchie. Vediamo invece come si organizza un test oggettivo. Per prima cosa formalizziamo le due ipotesi in opposizione: H 0 : i nuovi dati osservati si adattano alle percentuali attese, ovvero, non c è differenza fra le frequenze osservate e quelle attese secondo le percentuali note; H 1 : i nuovi dati osservati non si adattano alle percentuali attese, ovvero, c è differenza fra le frequenze osservate e quelle attese secondo le percentuali note. Il punto di partenza è dunque quello di calcolare, a partire dal totale 850, quali sarebbero le frequenze attese per le tre categorie dalle percentuali note; si tratta cioè di calcolare semplicemente il 13%, il 46% e il 41% di 850, ottenendo così le frequenze attese. A questo punto calcoliamo ancora la statistica definita come in (9.5) o secondo la correzione di Yates come in (9.6). Si dimostra che la statistica è distribuita come un, ma questa volta con un numero di gradi di libertà pari al numero delle classi di frequenza diminuito di 1; nel nostro caso le classi sono 3, quindi i gradi di libertà sono. In generale, se le classi sono c per i gradi di libertà abbiamo c 1 (9.10) Un test cosiffatto prende il nome di test di buon adattamento. I test di buon adattamento si distinguono in base all ipotesi di partenza, che può essere sia estrinseca che intrinseca. L ipotesi di partenza si dice estrinseca se il calcolo delle frequenze attese non comporta una stima di parametri ( o, ad esempio) della popolazione. In questo caso per i valori attesi dobbiamo solo eseguire delle percentuali; si tratta dunque di ipotesi estrinseca. Il caso dell ipotesi intrinseca è trattato in I dettagli computazionali del test descritto ora sono mostrati nel Box Con ipotesi intrinseca: test di adattamento alla distribuzione normale Quando in un test di buon adattamento il calcolo delle frequenze attese richiede la stima di qualche parametro della popolazione indagata si parla di ipotesi intrinseca. Lo schema di calcolo generale di un simile test è identico a quello esposto in (calcolo di attraverso le differenze fra frequenze osservate e attese e sua significatività in base alla distribuzione ) salvo che i gradi di libertà sono condizionati dalla stima del parametro o dei parametri eventualmente necessari per il calcolo delle frequenze attese; in generale, se si è resa necessaria la stima di m parametri e le classi di frequenza sono c per i gradi di libertà abbiamo: c 1 m (9.11) Un esempio. In un istituto è stato somministrato ai nuovi iscritti in prima un test oggettivo di ingresso per verificare le abilità di base possedute.

6 Interessa sapere se la distribuzione dei risultati è normale, perché questa condizione permetterebbe (congiuntamente ad altre, da provare) di effettuare successive indagini attraverso test parametrici. I risultati sono raccolti in classi pentesimali (vedi. 4.. e Box.1): B=34, MB=131, M=50, MA=19 e A=7. Attraverso Tavola è semplice calcolare le percentuali attese, sotto ipotesi di normalità, in ciascuna delle 5 classi (vedi Box.): B MB M MA A 6.68% 4.17% 38.30% 4.17% 6.8% Tab. 9.4 Ora, si ricordi che per effettuare una classificazione pentesimale delle prove (che poi serve per il calcolo delle frequenze attese) occorre stimare i parametri e attraverso Y e s ; dunque, nel test di buon adattamento i gradi di libertà andranno calcolati secondo la (9.11). Salvo questo dettaglio i calcoli per questo test, descritti nel Box 9.4, seguono la falsariga del Box Proprietà additiva del. Cenno alla meta analisi Additività del Una importante proprietà del è l additività. Supponiamo di ripetere più volte un determinato esperimento ottenendo una serie di valori 1,, 3, 4 rispettivamente con 1,, 3, 4 gradi di libertà. Ebbene, si dimostra che la somma di tutti i è anch essa distribuita come un ( i ) con i gradi di libertà Applicazione dell additività Supponiamo di essere interessati a verificare una determinata ipotesi H 1 attraverso un opportuno disegno sperimentale, e supponiamo che il test utilizzato per refutare H 0 sia un (non importa se di indipendenza o di buon adattamento). Effettuiamo l esperimento; supponiamo che il corrispondente 1 con 1 gradi di libertà non permetta di rigettare l ipotesi nulla al livello desiderato. Non soddisfatti dell esito dell esperimento decidiamo di ripetere la prova (magari attuando un maggiore o migliore controllo sui fattori di disturbo, o cambiando i gradi di libertà della statistica ); otteniamo un secondo con gradi di libertà; supponiamo che anche in questo caso i risultati non siano significativi. Procedendo analogamente altre volte supponiamo di otteniamo ancora risultati deludenti. Una situazione analoga si può avere se diversi sperimentatori hanno effettuato la stessa prova e nessuno di loro ha ottenuto risultati significativi. Ebbene, sfruttando l additività del possiamo approdare ad esiti favorevoli, in quanto non si esclude che il gradi di libertà possa essere significativo pur in difetto di significatività degli addendi. i con i Un esempio concreto è illustrato nel Box 9.5: alcuni istituti scolastici di una provincia, coordinati a livello di Provveditorato, effettuano una sperimentazione su una tecnica dissuasiva nei confronti del fumo. L obiettivo è quello di modificare per le tre classi NF (non fumatori) MF (medi fumatori) e FF (forti fumatori), definite in base al numero medio di sigarette giornaliere, le percentuali NF=34%, MF=41% e FF=5% registrate in una precedente inchiesta. In nessun istituto preso isolatamente si raggiunge la significatività, mentre sfruttando l additività del si dimostra l efficacia del metodo Cenno alla meta analisi Riconsideriamo l esempio trattato in e nel Box 9.5. In pratica succede spesso che sperimentazioni condotte diffusamente sul territorio producano risultati non significativi per il solo fatto di essere basate su campioni troppo ristretti, o per il fatto che circostanze accidentali non bene controllate o non controllabili dal disegno sperimentale hanno in qualche modo interferito col risultato. D altra parte è di tutta evidenza l impegno notevole che richiede una sperimentazione condotta su vasta scala. Per questi motivi si sono rese necessarie una serie di tecniche le quali, sulla base di un censimento dei risultati raccolti in sperimentazioni diffuse, sintetizzano i risultati, i quali possono globalmente raggiungere la significatività anche in assenza di significatività dei singoli esperimenti. Abbiamo visto in della Parte metodologica che tali tecniche vanno sotto il nome di meta analisi. Abbiamo anche visto che le tecniche di meta analisi mirano a riunificare gli esiti di più sperimentazioni sia sotto il profilo della significatività, sia sotto l aspetto della dimensione dell effetto. Nel abbiamo un semplicissimo esempio di meta analisi del primo tipo.

7 Box 9.1. Test di indipendenza per tavole di contingenza m n; correzione di Yates; coefficiente di contingenza C Livelli di selettività (P=Promossi; PD=Promossi con Debito; NP=Non Promossi) in rapporto al tipo di scuola negli scrutini finali delle prime classi. Frequenze osservate: P PD NP Totali Professionale Tecnico Totali Parte a Test di indipendenza H 0 : fra i fattori tipo di scuola e selettività non vi è associazione, ovvero i due fattori sono indipendenti; H 1 : fra i fattori tipo di scuola e selettività vi è associazione, ovvero i due fattori non sono indipendenti. Schema di calcolo per le frequenze attese sotto H 0 : proporzioni P PD NP Totali Professionale x : 6 = 140 : 44 x : 6 = 10 : 44 x : 6 = 9 : 44 6 Tecnico x : 16 = 140 : 44 x : 16 = 10 : 44 x : 16 = 9 : Totali Risolvendo le proporzioni otteniamo le frequenze attese: P PD NP Totali Professionale Tecnico Totali m 1 n ˆ f f f ˆ [] *** Conclusioni: è significativo a livello 0.001; rigetto H 0 : vi è associazione fra selettività e tipo di scuola. Parte b Calcolo con la correzione di Yates: 0.001[] f f ˆ fˆ *** In questo caso la correzione non modifica l esito complessivo del test precedente, perché anche è superiore a 0.001[]; talvolta può tuttavia succedere che con la correzione si perda un livello di significatività quando il valore corrispondente calcolato senza correzione fosse appena sopra la soglia di significatività. Parte c Coefficiente di contingenza C: C n (N.B.: Non disponendo del valore massimo possibile è difficile dire se il valore trovato sia alto oppure basso) Usando il valore di C si riduce leggermente:

8 C n Rif.: Parte a: ; Parte b: ; Parte c:

9 Box 9.. Accorpamento di due colonne in test di indipendenza per tavole di contingenza m n; coefficiente di correlazione degli attributi; coefficiente di contingenza C. Numero di sufficienze (S), insufficienze (I) e gravi insufficienze (GI) in due classi parallele con uno stesso insegnante. S I GI Totali 1A B Totali Parte a Test di indipendenza H 0 : fra i fattori classe e risultati non vi è associazione, ovvero i due fattori sono indipendenti; H 1 : fra i fattori classe e risultati vi è associazione, ovvero i due fattori non sono indipendenti. Frequenze attese sotto H 0 : S I GI Totali 1A 3 3/47= /47= /47= B 4 3/47= /47= /47= Totali Le frequenze attese alla colonna I sono inferiori a 5 (4.40 e 4.60). Il test in queste condizioni sarebbe inattendibile. Occorre accorpare la colonna I con una delle due colonne a lato. Accorpamento delle colonne S+I: S+I GI Totali 1A B Totali Frequenze attese sotto H 0 con due colonne accorpate: S+I GI Totali 1A 3 3/47= /47= B 4 3/47= /47= Totali Tutte le frequenze attese superano il valore 5. Posso procedere col test. m 1 n [1] f f ˆ fˆ Conclusioni: è significativo a livello 0.05; rigetto H 0 : vi è associazione fra classe e risultati. Parte b 3.91* La tavola di contingenza nella sua versione a colonne aggregate è quadrata, con k =. Posso calcolare il coefficiente di correlazione degli attributi (in questo caso si tratta del coefficiente di correlazione tetracorico). r n 3.91 k Per il coefficiente di contingenza C abbiamo: C n Per C max abbiamo: C max k 1 k

10 che confrontato con C indica un livello modesto di associazione. Rif.: Parte a: ; Parte b:

11 Box 9.3. Test di buon adattamento per ipotesi estrinseca Percentuali attese e frequenze osservate circa il recupero del debito formativo; R = recuperato, PR = parzialmente recuperato, NR = non recuperato. % attese f osservate 13% 11 46% 41 41% Test di buon adattamento H 0 : non c è differenza fra le frequenze osservate e quelle attese secondo le percentuali note; H 1 : c è differenza fra le frequenze osservate e quelle attese secondo le percentuali note. Per il calcolo delle frequenze attese: f fˆ /100= /100= /100= c 1 31 Formula con correzione di Yates: ns [] Conclusioni: non è significativo; non vi sono elementi per rigettare H 0 : non è provata l efficacia della nuova strategia per il recupero. Rif.:

12 Box 9.4. Test di buon adattamento per ipotesi intrinseca: buon adattamento di una classificazione pentesimale ad una distribuzione normale Percentuali attese e frequenze osservate per una classificazione pentesimale, in un test di ingresso per la verifica delle abilità di base. % attese f osservate Test di buon adattamento H 0 : non c è differenza fra le frequenze osservate e quelle attese secondo la distribuzione normale; H 1 : c è differenza fra le frequenze osservate e quelle attese secondo la distribuzione normale. Per il calcolo delle frequenze attese: f fˆ /100= /100= /100= /100= /100= c 1 m 5 1 Formula con correzione di Yates: 0.05[] 0.01[] * Conclusioni: è significativo a livello 0.05; rigetto H 0 : c è differenza fra le frequenze osservate e quelle attese in caso di normalità. Rif.:

13 Box 9.5. Additività del Esiti di sperimentazioni condotte in tre diversi istituti per verificare l efficacia di una tecnica dissuasiva per fumatori (NF = non fumatori, MF = medi fumatori, FF = forti fumatori) % attese f istituto A f istituto B f istituto C NF 34% MF 41% FF 5% H 0 : il metodo persuasivo è inefficace; ovvero: non c è differenza fra le frequenze osservate e quelle attese secondo l ipotesi di inefficacia del metodo; H 1 : il metodo è efficace: c è differenza fra le frequenze osservate e quelle attese secondo l ipotesi di inefficacia del metodo. Attenzione! Un eventualmente significativo di per sé non indica l efficacia del metodo, ma solo che i risultati ottenuti sono differenti da quelli attesi; la differenza potrebbe anche essere nel senso di un peggioramento! Per valutare se si tratta di una differenza nella direzione auspicata occorre valutare i dati grezzi; nel nostro caso le frequenze FF dei forti fumatori sono leggermente inferiori a quanto previsto dalle percentuali attese; si tratterebbe quindi di un miglioramento. Essendo , nessuno degli esperimenti di istituto è in grado di provare isolatamente l efficacia del 0.05[] trattamento. Per l additività del abbiamo: i 6 i 0.05[6] 0.01[6] * Conclusioni: è significativo a livello 0.05; rigetto H 0 : c è differenza fra le frequenze osservate e quelle attese in caso di inefficacia del trattamento. Rif.:

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Statistica Medica. Verranno presi in esame:

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

Dettagli

Elaborazione dati in Analisi Sensoriale

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

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

Un gioco con tre dadi

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

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia

Dettagli

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica 1 Massimi e minimi delle funzioni di più variabili Indice 1 Massimi e minimi liberi 1 Massimi e minimi vincolati 7 3 Soluzioni degli esercizi

Dettagli

Appunti di Statistica Descrittiva

Appunti di Statistica Descrittiva Appunti di Statistica Descrittiva 30 dicembre 009 1 La tabella a doppia entrata Per studiare dei fenomeni con caratteristiche statistiche si utilizza l espediente della tabella a doppia entrata Per esempio

Dettagli

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio DUE PROPOSTE DI ANALISI MATEMATICA Lorenzo Orio Introduzione Il lavoro propone argomenti di analisi matematica trattati in maniera tale da privilegiare l intuizione e con accorgimenti nuovi. Il tratta

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

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

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

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Misure della dispersione o della variabilità

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

Dettagli

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

STATISTICA E PROBABILITá

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

Dettagli

Capitolo IV. I mercati finanziari

Capitolo IV. I mercati finanziari Capitolo IV. I mercati finanziari 2 I MERCATI FINANZIARI OBIETTIVO: SPIEGARE COME SI DETERMINANO I TASSI DI INTERESSE E COME LA BANCA CENTRALE PUO INFLUENZARLI LA DOMANDA DI MONETA DETERMINAZIONE DEL TASSO

Dettagli

EQUILIBRIO ECONOMICO GENERALE PROF. MATTIA LETTIERI

EQUILIBRIO ECONOMICO GENERALE PROF. MATTIA LETTIERI EQUILIBRIO ECONOMICO GENERALE PROF. MATTIA LETTIERI Indice 1 EQUILIBRIO ECONOMICO GENERALE ------------------------------------------------------------------------------ 3 2 L EQUILIBRIO ECONOMICO GENERALE

Dettagli

Blanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari

Blanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari Capitolo IV. I mercati finanziari 1. La domanda di moneta La moneta può essere usata per transazioni, ma non paga interessi. In realtà ci sono due tipi di moneta: il circolante, la moneta metallica e cartacea,

Dettagli

Che cosa è la Validità?

Che cosa è la Validità? Validità Che cosa è la Validità? Un test è valido quando misura ciò che intende misurare. Si tratta di un giudizio complessivo della misura in cui prove empiriche e principi teorici supportano l adeguatezza

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

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

1. L analisi statistica

1. L analisi statistica 1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati

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

Il test del Chi-quadrato

Il test del Chi-quadrato Il test del Chi-quadrato Prof.ssa Montomoli- Univ. di Pavia Prof.ssa Zanolin Univ. di Verona Il rischio di contrarre epatite C è associato all avere un tatuaggio? Cosa vuol dire ASSOCIAZIONE tra due variabili?

Dettagli

INFANZIA PRIMARIA SECONDARIA

INFANZIA PRIMARIA SECONDARIA INFANZIA PRIMARIA SECONDARIA MATEMATICA - TRAGUARDI DI SVILUPPO DELLE COMPETENZE Raggruppa e ordina secondo criteri diversi. Confronta e valuta quantità. Utilizza semplici simboli per registrare. Compie

Dettagli

8 Elementi di Statistica

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

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

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

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

Dettagli

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA SECONDARIA DI PRIMO GRADO. L alunno ha rafforzato un atteggiamento positivo rispetto

Dettagli

Capitolo 20: Scelta Intertemporale

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

Dettagli

Capitolo 33: Beni Pubblici

Capitolo 33: Beni Pubblici Capitolo 33: Beni Pubblici 33.1: Introduzione In questo capitolo discutiamo le problematiche connesse alla fornitura privata dei beni pubblici, concludendo per l opportunità dell intervento pubblico in

Dettagli

Elementi di Statistica descrittiva Parte I

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

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

Probabilità. Esperimento, risultati e spazio campionario

Probabilità. Esperimento, risultati e spazio campionario Probabilità La probabilità è usata nel linguaggio comune per dare indicazioni quantitative sul verificarsi di certi eventi: i) probabilità di incorre in un data patologia causa l abuso di alcol, fumo,

Dettagli

Selezione avversa, screening e segnalazione

Selezione avversa, screening e segnalazione Selezione avversa, screening e segnalazione Il modello principale agente è uno strumento fondamentale per analizzare le relazioni economiche caratterizzate da problemi di asimmetrie informative un primo

Dettagli

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica

Dettagli

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi LEZIONI DI STATISTCA APPLICATA Parte 2 Statistica inferenziale Variabili continue per categoriali Alessandro Valbonesi SARRF di Scienze ambientali Anno accademico 2010-11 CAPITOLO 4 - TEST STATISTICI CHE

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

Corso di Analisi di bilancio II A.A. 2010-2011. L analisi dei costi. di Francesco Giunta

Corso di Analisi di bilancio II A.A. 2010-2011. L analisi dei costi. di Francesco Giunta Corso di Analisi di bilancio II A.A. 2010-2011 L analisi dei costi di Francesco Giunta I COSTI Il raggiungimento di condizioni di equilibrio economico impone di tenere sotto costante controllo i costi.

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

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

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

Dettagli

1. Domande mal poste 2. Respons set 3. Curvilinearità degli items 4. Inutilità del dato reperito

1. Domande mal poste 2. Respons set 3. Curvilinearità degli items 4. Inutilità del dato reperito Nota Metodologica IL QUESTIONARIO La stesura del questionario richiede una particolare attenzione nella scelta, nella compilazione e nella successione degli ITEMS che formano lo strumento d indagine. Per

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

Brugnaro Luca Boscaro Gianni (2009) 1

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

Dettagli

I punteggi zeta e la distribuzione normale

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

Dettagli

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica

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

Dettagli

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

La ricerca non sperimentale

La ricerca non sperimentale La ricerca non sperimentale Definizione Ricerca osservazionale: : 1. naturalistica Ricerca osservazionale: : 2. osservatori partecipanti Ricerca d archiviod Casi singoli Sviluppo di teorie e verifica empirica

Dettagli

b. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?

b. Che cosa succede alla frazione di reddito nazionale che viene risparmiata? Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.

Dettagli

ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri

ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri IL TASSO DI CAMBIO Anno Accademico 2013-2014, I Semestre (Tratto da: Feenstra-Taylor: International Economics) Si propone, di seguito, una breve

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

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it LA CLASSIFICAZIONE CAP IX, pp.367-457 Problema generale della scienza (Linneo, ) Analisi discriminante Cluster Analysis

Dettagli

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per continue. Alessandro Valbonesi. SARRF di Scienze ambientali

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per continue. Alessandro Valbonesi. SARRF di Scienze ambientali LEZIONI DI STATISTCA APPLICATA Parte 2 Statistica inferenziale Variabili continue per continue Alessandro Valbonesi SARRF di Scienze ambientali Anno accademico 2010-11 CAPITOLO 7 - RELAZIONI TRA DUE O

Dettagli

Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT

Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT Giuditta Franco Corso di Laurea in Bioinformatica - AA 2012/2013 Uno dei più grossi risultati nell informatica degli

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Il concetto di correlazione

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

Dettagli

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Inferenza statistica I Alcuni esercizi. Stefano Tonellato Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 3 Sessione straordinaria Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA È assegnata

Dettagli

RISONANZA. Introduzione. Risonanza Serie.

RISONANZA. Introduzione. Risonanza Serie. RISONANZA Introduzione. Sia data una rete elettrica passiva, con elementi resistivi e reattivi, alimentata con un generatore di tensione sinusoidale a frequenza variabile. La tensione di alimentazione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971

Dettagli

Capitolo 1 - Numerazione binaria

Capitolo 1 - Numerazione binaria Appunti di Elettronica Digitale Capitolo - Numerazione binaria Numerazione binaria... Addizione binaria... Sottrazione binaria... Moltiplicazione binaria... Divisione binaria... Complementazione... Numeri

Dettagli

LE ASSUNZIONI DELL'ANOVA

LE ASSUNZIONI DELL'ANOVA LE ASSUNZIONI DELL'ANOVA Sono le assunzioni del test t, ma estese a tutti i gruppi: o La variabile deve avere una distribuzione normale in tutte le popolazioni corrispondenti ai gruppi campionati o Le

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

Capitolo 4 Probabilità

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

Dettagli

Servizi di consulenza specialistica per IGRUE 2009 2012

Servizi di consulenza specialistica per IGRUE 2009 2012 Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

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

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

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

CONTROLLI STATISTICI

CONTROLLI STATISTICI CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione

Dettagli

PROPRIETÀ DEI CIRCUITI DI RESISTORI

PROPRIETÀ DEI CIRCUITI DI RESISTORI CAPITOLO 5 PROPRIETÀ DEI CIRCUITI DI RESISTORI Nel presente Capitolo, verrà introdotto il concetto di equivalenza tra bipoli statici e verranno enunciati e dimostrati alcuni teoremi (proprietà) generali

Dettagli

Domanda e offerta di lavoro

Domanda e offerta di lavoro Domanda e offerta di lavoro 1. Assumere (e licenziare) lavoratori Anche la decisione di assumere o licenziare lavoratori dipende dai costi che si devono sostenere e dai ricavi che si possono ottenere.

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Obiettivi Specifici di apprendimento MATEMATICA. CURRICOLO VERTICALE DI ISTITUTO (dalla Cl. I Sc.Primaria alla Cl. III Sc.Second. 1 gr.

Obiettivi Specifici di apprendimento MATEMATICA. CURRICOLO VERTICALE DI ISTITUTO (dalla Cl. I Sc.Primaria alla Cl. III Sc.Second. 1 gr. Classe I Sc.Primaria Obiettivi Specifici di apprendimento MATEMATICA CURRICOLO VERTICALE DI ISTITUTO (Cl. I Sc.Primaria Cl. III Sc.Second. 1 gr.) NUMERO - Confrontare e ordinare raggruppamenti di oggetti

Dettagli

Esercizi di Macroeconomia per il corso di Economia Politica

Esercizi di Macroeconomia per il corso di Economia Politica Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva 1 Statistica Funzioni Descrittiva Induttiva (inferenziale) Statistica

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

Programmazione lineare

Programmazione lineare Programmazione lineare Dualitá: definizione, teoremi ed interpretazione economica Raffaele Pesenti 1 Dualità 1.1 Definizione e teoremi Definizione 1 Dato un problema di LP in forma canonica max x = ct

Dettagli

La significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA

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

Dettagli

Il valore assoluto. F. Battelli Università Politecnica delle Marche, Ancona. Pesaro, Precorso di Analisi 1, 22-28 Settembre 2005 p.

Il valore assoluto. F. Battelli Università Politecnica delle Marche, Ancona. Pesaro, Precorso di Analisi 1, 22-28 Settembre 2005 p. Il valore assoluto F Battelli Università Politecnica delle Marche Ancona Pesaro Precorso di Analisi 1 22-28 Settembre 2005 p1/23 Il valore assoluto Si definisce il valore assoluto di un numero reale l

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli