Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni
|
|
- Placido Belli
- 7 anni fa
- Visualizzazioni
Transcript
1 Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni Andrea Onofri 31 gennaio 2012 Indice 1 Motivazioni dei disegni a split-plot 1 2 Calcolo dell ANOVA a split-plot SED, confronti multipli e SEM Disegni a split-block 7 4 ANOVA a strip-plot 8 5 SED e confronti multipli 8 6 Disegni gerarchici 9 7 Disegni a split-split-plot 10 1 Motivazioni dei disegni a split-plot Se consideriamo l esempio della lezione precedente (valutazione del tipo di lavorazione del terreno con due diverse modalità di controlo della flora infestante) e come questo è stato disegnato, vediamo che non vi è nessun tipo di gerarchia tra i due fattori sperimentali e non vi è nessuna differenza tra le dimensioni delle parcelle (figura 1). Frequentemente, nella pratica agronomica uno dei due fattori sperimentali richiede parcelle più grandi dell altro (è proprio il caso delle lavorazioni in questo esempio). Di conseguenza si disegna l esperimento in modo da avere parcelle più grandi per un fattore, che vengono poi suddivise per accomodare l altro fattore sperimentale (figura 2). In questo modo si viene ad avere una tesi sperimentale di I ordine (lavorazioni) e una tesi sperimentale di II ordine (diserbo); la prima è randomizzata sulle cosidette parcelle principali (main plots), mentre la seconda è randomizzata sulle sub-parcelle (sub-plots). 1
2 1 MOTIVAZIONI DEI DISEGNI A SPLIT-PLOT 2 Figura 1: Esempio di un disegno sperimentale fattoriale a blocchi randomizzati. I colori contraddistinguono i quattro blocchi.
3 1 MOTIVAZIONI DEI DISEGNI A SPLIT-PLOT 3 Figura 2: Esempio di un disegno a split-plot. I colori contraddistinguono le tesi di 1 ordine.
4 2 CALCOLO DELL ANOVA A SPLIT-PLOT 4 Gli aspetti più importanti di un disegno a split-plot, che non dovrebbero mai essere dimenticati, sono: si introduce un vincolo alla randomizzazione, in quanto il fattore di II ordine non è randomizzato liberamente, ma la sua randomizzazione è vincolata al fatto che tutti i suoi livelli debbono essere inseriti nella stessa parcella principale. I disegni a split-plot non sono limitati alla sola sperimentazione di pieno campo, ma possono essere impiegati anche in laboratorio, per esempio utilizzando come parcelle principali gli armadi climatici e come sub-parcelle le capsule Petri in essi contenute. Si può osservare come, per quanto riguarda le lavorazioni, il disegno può essere assimilato ad un blocco randomizzato; di conseguenza si vengono ad individuare due strati di errore: il primo è quello relativo alle parcelle principali e corrisponde all interazione blocchi x tesi di I ordine (lavorazioni). Il secondo strato di errore, relativo alle sub-parcelle, pertiene alle tesi di II ordine e all interazione A x B e corrisponde al residuo. La presenza delle parcelle principali, insieme alla voce di errore ad esse relativa, non può mai essere dimenticata, in quanto essa da conto del fatto che due sub-parcelle nella stessa parcella principale sono più simili di due sub-parcelle in due parcelle principali diverse. Insomma, se rimuoviamo la voce relativa alle parcelle principali rompiamo l indipendenza degli errori sperimentali, venendo così a violare uno degli assunti fondamentali per l ANOVA. VANTAGGIO: uno dei due fattori può essere studiato con parcelle più grandi, il che consente un uso più efficiente delle risorse. SVANTAG- GIO: un più basso numero di gradi di libertà per le voci di errore può rendere meno potente il test di F nell ANOVA. 2 Calcolo dell ANOVA a split-plot Il modello lineare per l ANOVA a split-plot è analogo a quello dell ANOVA fattoriale, fatto salvo l errore relativo alle parcelle principali. Trascuriamo in questo caso il calcolo manuale dell ANOVA, in quanto, per motivi di tempo, sarà meglio utilizzare un software statistico. Nel caso in cui si usi R, i modelli con più strati di errore debbono essere adattati tramite la funzione aov invece che lm: model.split <- aov(produzione ~ Lavorazione*Diserbo + Error(Lavorazione/Blocco)) Il risultato che otteniamo è:
5 2 CALCOLO DELL ANOVA A SPLIT-PLOT 5 > summary(model.split) Error: Lavorazione:Blocco Blocco Lavorazione ** Residuals Signif. codes: 0 *** ** 0.01 * Error: Within Diserbo Lavorazione:Diserbo Residuals Signif. codes: 0 *** ** 0.01 * Dato che il disegno sperimentale a plit-plot è, di fatto, un modello misto (in quanto, oltre agli effetti fissi, vi è più di un effetto random), i disegni a split plot possonono essere anche elaborati utilizzando la cornice dei mixed models, che, tuttavia, esula dagli obiettivi didattici di questo corso. 2.1 SED, confronti multipli e SEM Nei disegni a split-plot abbiamo 4 tipi di differenze tra medie: 1. Differenze tra due medie del fattore principale A (per esempio tra MIN - SUP) 2. Differenze tra due medie del fattore B (TOT - PARZ) 3. Differenze tra due medie del fattore B per lo stesso livello di A (MIN/TOT - MIN/PARZ) 4. Differenze tra due medie del fattore B per lo stesso/diverso livello di A (MIN/TOT - SUP/PARZ) Per ognuna di queste differenza vi è una voce di errore (Errore standard della differenza = SED), ottenuto con il termine appropriato nell ANOVA. 1. SED A = 2. SED B = 2MSE(1) rb 2MSE(2) ra
6 2 CALCOLO DELL ANOVA A SPLIT-PLOT 6 3. SED B A = 4. SED A:B = 2MSE(2) r 2[(b 1)MSE(2)+MSE(1)] rb NB: M SE(1) è l errore relativo alle parcelle principali, M SE(2) è il residuo, mentre r, a e b sono il numero dei blocchi, dei livelli di A e dei livelli di B rispettivamente. In questo caso, l unico effetto significativo è quello relativo alla lavorazione, con un SED pari a: SED LAV = = Dato che si tratta di sole tre medie, i test di confronto multiplo possono essere eseguiti con la MDS, pari a t ha 1 : PROF a SUP b MIN c Un aspetto da considerare, qualora l interazione A x B fosse significativa, è che se vogliamo confrontare tra di loro combinazioni in cui i livelli di A sono diversi (ad esempio la media ottenuta con le lavorazioni superficiali e il diserbo totale con quella ottenuta con la lavorazione profonda e il diserbo totale), dobbiamo tener presente che entrambi gli strati di errore sono coinvolti. In questo caso il SED è costruito come combinazione lineare di MSE(1) ed MSE(2) e il calcolo dei suoi gradi di libertà non è banale. In questo caso, il SED è: SED A:B = (2 (2 1) La combinazione lineare tra varianze è della forma: M = α 1 MS(1) + α 2 MS(2) = (2 1) ed il numero di gradi di libertà per M (da utilizzare nel confronto multiplo) si può ottenere con l approssimazione di Satterthwaite: df M = n i=1 M 2 (α i MS i ) 2 df i = (2 1) = dove df sta per degrees of freedom (gradi di libertà) relativi ad ognuna delle varianze in gioco. Anche per il calcolo dei SEM (errori standard delle medie), è necessario fare un po di attenzione. Infatti i SEM sono:
7 3 DISEGNI A SPLIT-BLOCK 7 SEM A = SEM B = SEM A:B = MSE(1) rb MSE(2) ra [(b 1)MSE(2)+MSE(1)] rb e vengono utilizzati come misura di variabilità per le medie del primo fattore sperimentale, del secondo fattore sperimentale e delle combinazioni tra i due fattori sperimentali. 3 Disegni a split-block Una variante dello schema a split plot è relativa al disegno split-block (o strip-plot), che permette di eseguire i trattamenti in bande perpendicolari. Questa esigenza si ravvisa spesso nelle prove sperimentali sui fitofarmaci, quando si vogliono utilizzare per il trattamento le normali attrezzature aziendali, piuttosto che attrezzature parcellari. Un esempio tipico, con i dati presentati in precedenza è riportato in figura 3. Figura 3: Esempio di un disegno a strip-plot. Si può osservare come, per entrambi i fattori sperimentali, il disegno può essere assimilato ad un blocco randomizzato e, di conseguenza, possiamo
8 4 ANOVA A STRIP-PLOT 8 applicare per entrambi i fattori quanto esposto a proposito del disegno a split-plot. Possiamo quindi individuare tre tipi di errore sperimentale: il primo relativo alla lavorazione, il secondo relativo al diserbo ed il terzo (residuo) relativo all interazione lavorazione x diserbo. 4 ANOVA a strip-plot Anche in questo caso, utilizzando il software R, possiamo impiegare la funzione aov: model.strip<-aov(produzione~blocco + Lavorazione*Diserbo + Error(Blocco/Lavorazione + Blocco/Diserbo)) Ottenendo la seguente tabella ANOVA: Error: factor(blocco) Df Sum Sq Mean Sq factor(blocco) Error: factor(blocco):lavorazione Lavorazione ** Residuals Error: factor(blocco):diserbo Diserbo Residuals Error: Within Lavorazione:Diserbo Residuals SED e confronti multipli In questo caso, forniamo solo le formule per il calcolo dei SED (in figura 4).
9 6 DISEGNI GERARCHICI 9 Figura 4: Calcolo dei SED per i disegni a split-block 6 Disegni gerarchici I disegni che abbiamo trattato finora sono tutti esempi relativi a fattori di tipo CROSSED, nei quali i livelli del fattore A sono gli stessi per tutti i livelli del fattore B (e viceversa). In alcuni casi ciò non avviene ed i livelli del fattore B cambiano al cambiare del livello del fattore A; in questo caso si parla di schemi gerarchici (NESTED) e non ha più nessun senso parlare di effetto medio di B o di interazione AB, mentre si può parlare di effetto di B dato A (B entro A, oppure B A o anche A/B). Un esempio tipico potrebbe verificarsi se, per ognuna delle lavorazioni nell esempio precedente, decidessimo di confrontare due tipi diversi di diserbo chimico; in questo caso non si potrebbero calcolare le medie delle tesi diserbanti se non all interno di ciascuna tesi di lavorazione e non avrebbe quindi senso parlare dell effetto diserbo. Nell esempio in studio, la tabella ANOVA assumerebbe il seguente aspetto: > model.gerarchico<-lm(produzione~blocco+lavorazione/diserbo) > anova(model.gerarchico) Analysis of Variance Table Response: Produzione
10 7 DISEGNI A SPLIT-SPLIT-PLOT 10 Blocco Lavorazione * Lavorazione:Diserbo * Residuals Possiamo osservare che l effetto del diserbo entro lavorazione ha 3 gradi di libertà, cioè un grado di libertà (2 tesi di diserbo - 1) per ogni livello del fattore principale. 7 Disegni a split-split-plot Se il disegno sperimentale split-plot ha tre livelli (A, B e C) avremo tre tipi di parcelle e quindi tre errori sperimentali (Errore A, Errore B e residuo). Trascuriamo questo disegno per motivi di spazio, assumendo che lo studente utilizzi un software specializzato per l analisi dei dati. Alleghiamo una tabella riassuntiva per il calcolo dei SED (Figura 5)
11 7 DISEGNI A SPLIT-SPLIT-PLOT 11 Figura 5: Calcolo dei SED per i disegni a split-split-plot
Anova e regressione. Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011
Anova e regressione Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011 Nella sperimentazione agronomica e biologica in genere è normale organizzare
DettagliSottocampionamento e misure ripetute
Sottocampionamento e misure ripetute Andrea Onofri February 8, 2012 Contents 1 Sub-sampling 1 2 Misure ripetute 3 1 Sub-sampling Il sottocampionamento è una situazione che si verifica molto di frequente
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliProva scritta di Affidabilità dei sistemi e controllo statistico di qualità
Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 18 Febbraio 2016 1. La probabilità di errore nella trasmissione di una cifra binaria attraverso un certo canale di comunicazione
DettagliLivello di esposizione. animale Basso Moderato Alto
Esercizio -Esempio 1 (anova 2 vie con blocchi) I tassi respiratori (ispirazioni al minuto) sono stati misurati in otto animali usati per un esperimento, con tre livelli di esposizione al monossido di carbonio.
DettagliVARIETÀ. zona geografica A B C D
Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore
DettagliContrasti e confronti multipli
Contrasti e confronti multipli Andrea Onofri 25 gennaio 2012 Indice 1 Introduzione 1 2 I contrasti pianificati 2 Test di confronto multiplo 4 4 Limitazione delle MCP 5 5 Scegliere la MCP 7 Sommario Scopo
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
DettagliIl modello lineare e l analisi della varianza con
Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare
DettagliAnalisi della varianza a due fattori
Laboratorio 11 Analisi della varianza a due fattori 11.1 Analisi del dataset PENICILLIN.DAT I dati contenuti nel file penicillin.dat, si riferiscono ad un esperimento di produzione di penicillina tendente
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 19-Rapporto fra varianze e 20-Introduzione all Anova vers. 1.0 (5 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliAnalisi della varianza (anova) a due vie
Analisi della varianza (anova) a due vie Andrea Onofri 27 marzo 2014 Indice 1 Il concetto di interazione 1 2 Tipi di interazione 2 3 Descrizione del caso studio 3 4 Analisi dei dati 4 Sommario Scopo di
DettagliCAPITOLO 4 Blocchi casualizzati, quadrati latini e piani collegati
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 4 Blocchi casualizzati, quadrati latini e piani collegati Metodi statistici e probabilistici per l ingegneria Corso
DettagliINTRODUZIONE AI MODELLI LINEARI
INTRODUZIONE AI MODELLI LINEARI Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html Indice 1
DettagliCAPITOLO 5 Introduzione ai piani fattoriali
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 5 Introduzione ai piani fattoriali Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria
DettagliLABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE
LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE 5.1 ESEMPIO DI ANOVA AD UNA VIA In un esperimento un gruppo di bambini è stato assegnato a caso a 3 trattamenti, allo scopo di determinare
DettagliANOVA a blocchi randomizzati
ANOVA a blocchi randomizzati Andrea Onofri 9 gennaio 2012 Indice 1 Disegno sperimentale 1 2 Elaborazione dei dati 3 3 Particolarità 6 1 Disegno sperimentale Protocollo sperimentale TIPO DI PROGETTO: Rete
DettagliCorso di Sistemi di Gestione per la Qualità (SGQ) AA
Corso di Sistemi di Gestione per la Qualità (SGQ) AA 018-19 6 CFU Prof. Gianluca D Urso 1 Tecniche ANOVA ANalisys Of VAriance Problema che si vuole risolvere: esiste una differenza? A punti rossi B punti
DettagliLaboratorio R Corso di Algebra e Modelli lineari (Anno Accademico )
Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 05-6) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it a.a. 2018-2019 CdS Scienze della Produzione e Protezione delle Piante (g59)
DettagliAnalisi della varianza
Analisi della varianza Mediante un singolo esperimento vengono confrontate fra loro più popolazioni (gruppi, tesi). Consente di valutare quantitativamente l importanza delle diverse fonti di variazione
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corso di laurea specialistica in biotecnologie mediche. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea specialistica in biotecnologie mediche Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale
DettagliTECNICHE DI ANALISI DEI DATI
TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento
DettagliMetodi statistici per la ricerca sociale ANOVA e ANCOVA in
Metodi statistici per la ricerca sociale ANOVA e ANCOVA in Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it LM 88
DettagliAntonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR
Antonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR Materiale ad uso dei ricercatori che hanno seguito il corso di formazione interna in Statistica, edizione
DettagliCAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza
Douglas C. Montgomery Progettazione e analisi degli esperimenti 006 McGraw-Hill CAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza Metodi statistici e probabilistici per l ingegneria
DettagliANOVA 2. Monica Marabelli. 15 Gennaio 2016
ANOVA 2 Monica Marabelli 15 Gennaio 2016 ANOVA a una via Nella scorsa esercitazione abbiamo visto che nell Analisi della Varianza (ANOVA) si considerano le medie di una variabile dipendente (quantitativa)
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07a-Ripasso: Anova ad un fattore (v. 1.9a, 29 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAnalisi della varianza a una via
Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliBetween / TRA Soggetti Le medie dei due trattamenti sono diverse? Gruppo 2. Media 1. Media 2
Con Correlazione e Regressione si è studiata la relazione tra l andamento di due (o più variabili): si riassume la forma della nuvola di punti utilizzando una funzione lineare (nel GLM). Con l Analisi
DettagliL analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti
Lezione 14 L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Argomenti della lezione: Effetti principali e interazioni Analisi dei disegni fattoriali Disegni fattoriali (o a più vie):
DettagliEsperimenti multi-ambiente (MET)
Esperimenti multi-ambiente (MET) Andrea Onofri Perugia, February 2011 Contents 1 Introduzione 1 2 Esempio 3 3 ANOVA combinata 4 4 Stabilità e affidabilità produttiva 7 1 Introduzione Introduzione All research
DettagliLezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti
Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio
DettagliUniversità del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in
DettagliAnalisi della Varianza Fattoriale. (Cap. 8)
Analisi della Varianza Fattoriale AMD (Cap. 8) Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi)
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 2)
INTRODUZION AL DSIGN OF XPRIMNTS (Parte 2) 176 Introduzione Nella precedente lezione abbiamo visto come affrontare il problema della sperimentazione in presenza di un solo fattore e due soli livelli. In
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
DettagliMisure Ripetute. Partizione della Varianza. Marcello Gallucci
Misure Ripetute Partizione della Varianza Marcello Gallucci GLM l ANOVA a misure ripetute rappresenta un caso del modello lineare generale in cui la variabilità non è valutata tra gruppi ma tra misure
DettagliDisegno dello studio
Disegno dello studio Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica Università degli studi di Verona ESPERIMENTO = Studio in cui le variabili in grado di determinare (causare) una
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
Dettagli20/01/2016 ANOVA ANALYSIS OF VARIANCE. Il gruppo di ingegneri responsabile del progetto decide di investigare 4 livelli di concentrazione del legno
ANOVA ANALYSIS OF VARIANCE 1 Il gruppo di ingegneri responsabile del progetto decide di investigare 4 livelli di concentrazione del legno 2 1 CONCENTRAZIONE=LIVELLI REPLICHE 5 10 15 20 1 7 12 14 19 2 8
DettagliANALISI DELLA VARIANZA
ANALISI DELLA VARIANZA Il data set coagulation contenuto nella libreria faraway contiene i tempi di coagulazione del sangue (misurato in secondi) di 24 animali sottoposti casualmente a quattro tipi di
DettagliAnalisi della Varianza - II
Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati)
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliStrumenti di indagine per la valutazione psicologica
Università degli Studi di Cagliari Facoltà di Studi Umanistici Esame di Strumenti di indagine per la valutazione psicologica dott. Davide Massidda Cognome Nome Matricola Data Le verranno di seguito posti
DettagliANOVA 2. Silvia Parolo. January 16, 2015
ANOVA 2 Silvia Parolo January 16, 2015 Verifica degli assunti normalità dei residui entro gruppi omoschedasticità dei residui entro gruppi indipendenza dei residui entro gruppi Esempio è stato condotto
DettagliStrumenti di indagine per la valutazione psicologica A A B B. 5 ANOVA a due fattori between. ANOVA a due vie. Un esempio. Gli effetti.
Strumenti di indagine per la valutazione psicologica 5 ANOVA a due fattori between ANOVA a due vie L'ANOVA a più fattori consente di verificare ipotesi su più variabili indipendenti considerate simultaneamente.
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliEsperimenti longitudinali e misure ripetute. Massimo Borelli. Motivazioni. Un esempio tipicamente biotec. Anova sbagliate Anova r.m.
May 14, 2014 Contenuti 1 2 il peso delle gemelle: 1 misura > alice = 73.6 > ellen = 73.8 Le gemelle hanno lo stesso peso? Alice è laureata in matematica Ellen è laureata in statistica il peso delle gemelle:
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI Test del χ 2 (il file Excel test_chi.xls mostra possibili sviluppi degli esercizi proposti) Esercizio 1a) un
DettagliValutazione dei modelli matematici
Valutazione dei modelli matematici Andrea Onofri 30 aprile 2013 Indice 1 Introduzione 2 2 Metodi grafici di valutazione 2 3 Metodi numerici 3 3.1 Il coefficiente di determinazione................... 5
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliMetodi Statistici per il Management
Metodi Statistici per il Management Statistica Multivariata I Simone Borra - Roberto Rocci Introduzione e obiettivi La statistica multivariata si occupa di analizzare e studiare in modo simultaneo un set
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliAncova: il modello lineare in generale
Ancova: il modello lineare in generale Massimo Borelli May 9, 2014 Massimo Borelli () Ancova: il modello lineare in generale May 9, 2014 1 / 18 Contenuti 1 L analisi della covarianza la notazione di Wilkinson
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliTEST 12/17 GEN I seguenti dati sono stati elaborati secondo uno schema sperimentale
tesi soggetto risposta tesi soggetto risposta 1 morto dopo 2 ore 1 morto dopo 1 ore 2 sopravvissuto 2 morto dopo 2 ore 3 morto dopo 2 ore 3 morto dopo 0,5 ore 4 morto dopo 1,5 ore 4 morto dopo 1 ore 5
Dettagli1 CRD e confronto multiplo
Esercizi sull ANOVA Andrea Onofri 22 febbraio 2015 Questa dispensa contiene gli esercizi e le domande che costituiscono l oggetto della prova di esame. In genere, ad ogni studente viene assegnato un problema
DettagliAnalisi della Varianza - II
Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliFallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018
Fallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018 Fallstudium 3 - Soluzioni Considerando i dati di misurazione della concentrazione di carbamazepina 1 nel sangue determinata con due apparecchi
DettagliEsame di Statistica del 1 settembre 2004 (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 1 settembre 004 (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. Es. Es. 4 Somma Voto finale Attenzione: si consegnano SOLO
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Test d Ipotesi
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Test d Ipotesi Test per lo studio dell associazione tra variabili Nella teoria dei test, il ricercatore fornisce ipotesi riguardo la distribuzione
Dettagli7 punti Fosforo ematico punti punti
Test 13-LUG-2015 Accoppio 2 Labrador retriver neri eterozigoti. Sapendo che la probabilità di avere cuccioli biondi è p = 1/4 = 0,25, quale è la probabilità di avere almeno un cucciolo maschio nero in
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
Dettagli26/01/2012 ANOVA ANALYSIS OF VARIANCE
ANOVA ANALYSIS OF VARIANCE 1 Disegnare i box plot >> boxplot(x ) Values 2 22 20 18 16 1 12 10 8 1 2 3 Column Number Y osservazioni i = 1,, a = µ + τ + ε j = 1,, n ij i ij Media comune Scostamenti dalla
DettagliX Lezione Analisi della varianza Esempi e esercizi CPS - Corso di studi in Informatica II parte: Statistica
Corso di Calcolo delle Probabilità e Statistica II Parte - STATISTICA X Lezione Analisi della varianza Esempi e esercizi 1 Argomenti della X Lezione Tests per il confronto di più medie: ANOVA Utilità e
DettagliApprossimazione polinomiale 1
Approssimazione polinomiale A. Sommariva 2 Keywords: Approssimazione polinomiale ai minimi quadrati. Curve fitting. Revisione: 4 giugno 29. Approssimazione polinomiale Dato un campionamento {(x i, y i
DettagliDAL CAMPIONE ALLA POPOLAZIONE: LA STIMA DEI PARAMETRI
DAL CAMPIONE ALLA POPOLAZIONE: LA STIMA DEI PARAMETRI Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Università degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html
DettagliEsame di Statistica del 16 aprile 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 16 aprile 2007 (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
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliL Analisi della Varianza (ANOVA)
L Analisi della Varianza (ANOVA) Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche Introduzione. L analisi della varianza (indicata spesso con
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliRette e piani in R 3
Rette e piani in R 3 In questa dispensa vogliamo introdurre in modo elementare rette e piani nello spazio R 3 (si faccia riferimento anche al testo Algebra Lineare di S. Lang). 1 Rette in R 3 Vogliamo
DettagliI disegni sperimentali di base
I disegni sperimentali di base Il disegno tra soggetti (beetween subjects) è caratterizzato dal fatto che i soggetti ricevono una sola condizione. Sono disegni semplici, facili da creare e da capire, richiedono
Dettagli