ESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.
|
|
- Giovanni Paoli
- 7 anni fa
- Visualizzazioni
Transcript
1 ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori tra i soggetti. Variabile dipendente: PERF Sorgente Modello corretto Intercept SEX_96 CLAS_96 SES SEX_96 * CLAS_96 SEX_96 * SES CLAS_96 * SES SEX_96 * CLAS_96 * SES Totale Totale corretto Test degli effetti fra soggetti quadrati Eta quadrato Potenza Tipo III df quadrati F Sig. parziale Non centralità osservata a 59,90 b 7,55 7,8,000,7 5,470, ,84 846, ,,000, ,,000,0,0 7,8,000,0 7,8,999,94,47,07,76,00,65,099 9,844 4,9,4,000,068 6,48,000,5,57,57,585,00,074,9 7,580,790 7,94,000,08 5,869,955 6,799 4,700,559,007,06 4,5,87,55 4,4,657,6,00,67,5 4,5 86, , ,8 878 b. R quadrato =,7 (R quadrato corretto =,0).a. Quali effetti sono statisticamente significativi (per alfa almeno <.05)?.b. Quanti sono i livelli delle variabili indipendenti?.c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata?.d. Quale è l effetto significativo più importante?.e. Individuare la potenza della verifica degli effetti significativi.f. Valutare l assunzione di omoschedasticità in base alla tabella successiva. Test di Levene di uguaglianza delle varianze dell'errore a Variabile dipendente: PERF F df df Sig., ,56 Verifica l'ipotesi nulla per la quale la varianza dell'errore della variabile dipendente è uguale tra i gruppi. a. Disegno: Intercept+SEX_96+CLAS_96+SES+SEX_96 * CLAS_96+SEX_96 * SES+CLAS_96 * SES+SEX_96 * CLAS_96 * SES
2 .g. In base ai confronti post-hoc, quali sono le differenze tra le medie che risultano statisticamente significative e quali invece no? HSD di Tukey a,b,c SOCIO-ECONOMIC STATUST LOW MEDIUM HIGH Sig. PERF Sottoinsieme N 98,098 0,975 5,607,000,000,000 Sono visualizzate le medie per i gruppi di sottoinsiemi omogenei. Basato sulla somma dei quadrati Tipo III Il termine di errore è quadrati() =,478. a. Utilizza dimensione campionaria media armonica = 46,60 b. Le dimensioni dei gruppi non sono uguali. Verrà utilizzata la media armonica delle dimensioni. Non sono garantiti i livelli di errore di Tipo I. c. Alfa =,05.h. Utilizzando le tabelle delle stime e dei test univariati interpretare i risultati dell analisi degli effetti semplici relativa all interazione SES * SEX_96 Variabile dipendente: PERF SOCIO-ECONOMIC STATUST LOW MEDIUM HIGH Contrasto Contrasto Contrasto Test univariati quadrati df quadrati F Sig.,6,6,68,409 4,5 86,478 7,99 7,99 7,55,000 4,5 86,478,79,79 5,84,06 4,5 86,478 F verifica l'effetto di SEX_96. Questo test è basato sui confronti a coppie indipendenti e lineari tra le medie marginali stimate. Stime Variabile dipendente: PERF SOCIO-ECONOMIC STATUST LOW MEDIUM HIGH SEX_96,00,00,00,00,00,00 95% Media std. inferiore superiore,065,048,97,59,,05,0,,090,05,990,89,56,058,447,674,468,08,08,68,74,078,587,895
3 ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori entro i soggetti..a. Valutare l assunzione di sfericità in base alla tabella successiva. Misura: MEASURE_ Test di sfericità di Mauchly b Effetto entro soggetti TRATTO TRATTO * Approssimaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geisser inferiore,000,000 0,,000,000,000,99,45,80,99,997,500,796 98,8,000,8,8,500 Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente trasformata ortonormalizzata è proporzionale a una matrice identità. a. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella tabella dei test sugli effetti entro soggetti. b. Disegno: Intercept Disegno entro soggetti: TRATTO++TRATTO* Test degli effetti entro soggetti Misura: MEASURE_ Sorgente TRATTO (TRATTO) () TRATTO * (TRATTO*ME TODO) quadrati Eta quadrato Potenza Tipo III df quadrati F Sig. parziale Non centralità osservata a 4,748 4,748 98,90,000,86 98,90,000 4,748,000 4,748 98,90,000,86 98,90,000 4,748,000 4,748 98,90,000,86 98,90,000 4,748,000 4,748 98,90,000,86 98,90,000 8,54 4,4 8,54 4,000,4 8,54 4,000,4 8,54 4,000,4 5,467 5,7 59,47,000, 8,945,000 5,467,984 5,97 59,47,000, 8,0,000 5,467,99 5,89 59,47,000, 8,554,000 5,467,000 5,467 59,47,000, 59,47,000 7, ,4 7, ,5,46 7,848 86,55,44 7,848 4,000,865 9,000 69,500 69,85,000,84 59,669,000 9,000,66 8,677 69,85,000,84 448,5,000 9,000,667 8,95 69,85,000,84 449,75,000 9,000,000 9,000 69,85,000,84 69,85,000,57 864,58,57 77,66,0,57 70,046,09,57 4,000,55
4 Misura: MEASURE_ Variabile trasformata: Media Sorgente Intercept Test degli effetti fra soggetti quadrati Eta quadrato Potenza Tipo III df quadrati F Sig. parziale Non centralità osservata a 65,6 65,6 9474,50,000, ,50,000 55,09 4,9.b. Quali effetti sono statisticamente significativi (per alfa almeno <.05)?.c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata?.d. Individuare la potenza della verifica degli effetti significativi.e. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi dei confronti post-hoc relativi alla variabile Misura: MEASURE_ Stime 95% Media std. inferiore superiore,78,07,79,8,904,09,847,96,564,00,505,6 Misura: MEASURE_ (I) (J) Confronti a coppie Basato sulle medie marginali stimate *. La differenza fra medie è significativa al livello,05 a. Correzione per confronti multipli: Sidak. per la differenza al 95% a Differenza fra medie (I-J) std. Sig. a inferiore superiore -,*,0,000 -,98-4,85E-0,7*,0,000,8,96,*,0,000 4,85E-0,98,40*,0,000,67,44 -,7*,0,000 -,96 -,8 -,40*,0,000 -,44 -,67
5 .f. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi degli effetti semplici relativa all interazione TRATTO*. Stime Misura: MEASURE_ TRATTO 95% Media std. inferiore superiore 4,,00 4,06 4,8,440,0,79,500 4,7,0 4,07 4,0,67,04,604,77,69,08,94,444,758,09,68,84 Misura: MEASURE_ (I) TRATTO (J) TRATTO Confronti a coppie Basato sulle medie marginali stimate *. La differenza fra medie è significativa al livello,05 a. Correzione per confronti multipli: Sidak. per la differenza al 95% a Differenza fra medie (I-J) std. Sig. a inferiore superiore,68*,00,000,64,74 -,68*,00,000 -,74 -,64,467*,0,000,40,5 -,467*,0,000 -,5 -,40 -,89*,048,000 -,484 -,94,89*,048,000,94,484
6 ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattore entro i soggetti e tra i soggetti..a. Valutare l assunzione di sfericità in base alla tabella successiva. Misura: MEASURE_ Test di sfericità di Mauchly b Effetto entro soggetti Approssimaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geisser inferiore,980 8,895,0,980,987,500 Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente trasformata ortonormalizzata è proporzionale a una matrice identità. a. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella tabella dei test sugli effetti entro soggetti. b. Disegno: Intercept+SEX Disegno entro soggetti:.b. Valutare l assunzione di omogeneità della varianza in base alla tabella successiva. AMIC_S AMIC_P AMIC_T Test di Levene di uguaglianza delle varianze dell'errore F df df Sig., 4,570,5 4,470,4 4,5 Verifica l'ipotesi nulla per la quale la varianza dell'errore della variabile dipendente è uguale tra i gruppi. a. Disegno: Intercept+SEX Disegno entro soggetti: a Test degli effetti entro soggetti Misura: MEASURE_ Sorgente * SEX () quadrati Eta quadrato Potenza Tipo III df quadrati F Sig. parziale Non centralità osservata a 0,799 5,400 48,787,000,0 97,574,000 0,799,960 5,75 48,787,000,0 95,66,000 0,799,97 5,608 48,787,000,0 96,7,000 0,799,000 0,799 48,787,000,0 48,787,000,89,95,785,0,009 7,570,690,89,960,9,785,04,009 7,48,684,89,97,,785,04,009 7,469,686,89,000,89,785,05,009,785,49 7,09 86,6 7,09 844,707, 7,09 850,494,0 7,09 4,000,6
7 Misura: MEASURE_ Variabile trasformata: Media Sorgente Intercept SEX Test degli effetti fra soggetti quadrati Eta quadrato Potenza Tipo III df quadrati F Sig. parziale Non centralità osservata a 567,97 567,97 45,54,000,98 45,54,000 0,508 0,508,676,000,068,676,000 79,047 4,647.b. Quali effetti sono statisticamente significativi (per alfa almeno <.05)?.c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata?.d. Quale è l effetto significativo più importante?.e. Individuare la potenza della verifica degli effetti significativi.f. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi dei confronti post-hoc relativi alla variabile Misura: MEASURE_ Stime 95% Media std. inferiore superiore,450,00,9,509,676,04,609,74,00,0,40,6 Misura: MEASURE_ (I) (J) Confronti a coppie Basato sulle medie marginali stimate *. La differenza fra medie è significativa al livello,05 a. Correzione per confronti multipli: Sidak. per la differenza al 95% a Differenza fra medie (I-J) std. Sig. a inferiore superiore -,5*,07,000 -, -,7,50*,07,000 6,09E-0,9,5*,07,000,7,,75*,04,000,77,47 -,50*,07,000 -,9-6,09E-0 -,75*,04,000 -,47 -,77
8 .g. Utilizzando le tabelle dei test univariati e delle stime, interpretare i risultati dell analisi degli effetti semplici relativa all interazione *SEX. Stime Misura: MEASURE_ sex : male; sex :female,00,00,00,00,00,00 95% Media std. inferiore superiore,64,04,84,44,66,04,55,7,587,046,496,678,765,049,668,86,98,04,5,8,40,045,5,49 Misura: MEASURE_ Contrasto Contrasto Contrasto Test univariati Eta quadrato Potenza quadrati df quadrati F Sig. parziale Non centralità osservata a 4,950 4,950 9,40,000,084 9,40,000 6,497 4,79,4,4 6,960,009,06 6,960,749,905 4,49 4,56 4,56,00,00,05,00,94 75,76 4,408 F verifica l'effetto di sex : male; sex :female. Questo test è basato sui confronti a coppie indipendenti e lineari tra le medie marginali stimate.
9 SOLUZIONI ESERCIZIO.a. Quali effetti sono statisticamente significativi (per alfa almeno <.05)? Si tratta di individuare nella tabella le sorgenti di variabilità che presentano un livello di significatività nella colonna Sig. inferiore a.05. Come riportato nel testo alle pagine 4-6, il programma SPSS fornisce un output piuttosto complesso che prende come riferimento il modello lineare (vedi pagg. - 4). Si tratta di un output che presenta alcune differenze dall usuale tabella dei risultati di un ANOVA, ma che ad essa può essere facilmente ricondotto. Nel nostro esercizio, se noi escludiamo le righe modello corretto, intercept, e totale abbiamo la classica tabella dei risultati di un modello di analisi della varianza, nel quale è possibile evidenziare i risultati per i seguenti effetti principali: SEX_96, CLAS_96, SES; e per le seguenti interazioni: SEX_96*CLAS_96, SEX_96*SES, CLAS_96*SES, SEX_96*CLAS_96*SES. Infine la riga presenta la devianza, i gradi di libertà e la varianza della componente di errore, e la riga Totale corretto presenta la devianza totale (=effetti tra i soggetti + errore) e i relativi gradi di libertà. Considerando la colonna Sig., i valori che risultano inferiori a.05 sono quelli relativi ai seguenti effetti principali: SEX_96, SES; e alle seguenti interazioni: SEX_96*SES, CLAS_96*SES..b. Quanti sono i livelli delle variabili indipendenti? Bisogna considerare la colonna df (= degrees of freedom, gradi di libertà) e aggiungere ad ognuno dei valori presenti associati agli effetti principali, quindi i livelli delle variabili indipendenti saranno: SEX_96 = +=, CLAS_96=+=, SES= +=..c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata? La dimensione dell effetto è nella colonna Eta quadrato parziale, che contiene appunto i coefficienti eta quadrato, i quali quantificano la proporzione di varianza spiegata dall effetto. Considerando gli effetti evidenziati al punto.a, la dimensione degli effetti significativi è la seguente: SEX_96 =.0 (.%), SES=.068 (6.8%), SEX_96*SES =.08 (.8%), CLAS_96*SES =.06 (.6%)..d. Quale è l effetto significativo più importante? Si tratta di individuare l effetto che presenta la più elevata dimensione, quindi l eta quadrato parziale più elevato. Dal punto.b si evince che l effetto più importante è l effetto principale della variabile SES..e. Individuare la potenza della verifica degli effetti significativi La potenza dell effetto è nella colonna Potenza osservata. Considerando gli effetti evidenziati al punto.a, la potenza degli effetti significativi è la seguente: SEX_96 =.999, SES=.000, SEX_96*SES =.955, CLAS_96*SES =.87. Si tratta di valori molto elevati e superiori al livello di.80 solitamente indicato come livello di potenza adeguato..f. Valutare l assunzione di omoschedasticità Poiché il test di Levene non risulta significativo (la probabilità del test nella colonna Sig. è di.56), l assunzione di omogeneità della varianza non può essere rifiutata..g. In base ai confronti post-hoc, quali sono le differenze tra le medie che risultano statisticamente significative e quali invece no? Si tratta di individuare quali sono le medie che sono incluse in sottoinsiemi diversi. Nell esercizio tutte le medie si trovano in questa condizione, quindi sono tutte significativamente diverse l una rispetto all altra.
10 .h. Utilizzando le tabelle delle stime e dei test univariati interpretare i risultati dell analisi degli effetti semplici relativa all interazione SES * SEX_96 La tabella dei test univariati presenta i confronti tra i livelli della variable SEX_96 (=maschio, = femmina) effettuati all interno di ciascuno dei livelli della variabile SES (=LOW, =MEDIUM, =HIGH). La tabella Stime invece presenta le medie dei livelli della variable SEX_96 calcolati all interno di ciascuno dei livelli della variabile SES. Considerando il primo confronto (SES = LOW) non emerge differenza significativa tra la media dei maschi e quella delle femmine (Sig. =.409). Considerando il secondo confronto (SES = MEDIUM), la media dei maschi è significativamente più bassa di quella delle femmine (Sig. =.000). Lo stesso risultato si ha quando si considera il terzo confronto (SES = HIGH, con una probabilità paria a Sig. =.06). E questa differenza nelle differenze tra le medie di maschi e femmine nei livelli della variabile SES ad aver determinato la significatività dell interazione. ESERCIZIO.a. Valutare l assunzione di sfericità. L assunzione non può essere verificata per la variabile TRATTO perché essa ha solo livelli. L assunzione è rispettata per la variabili (Sig. =.80) mentre non è rispettata per l interazione (Sig. =.000). In base a questi risultati, nella tabella Test degli effetti entro i soggetti, per interpretare gli effetti principali verranno utilizzati i valori relativi nella riga, mentre per l interazione verranno utilizzati i valori relativi nella riga..b. Quali effetti sono statisticamente significativi (per alfa almeno <.05)? Si tratta di individuare nella tabella le sorgenti di variabilità che presentano un livello di significatività nella colonna Sig. inferiore a.05. Poiché si tratta di un disegno fattoriale con fattori entro i soggetti, nella tabella Test degli effetti entro i soggetti sono presenti differenti sorgenti di variabilità ed altrettanti corrispettivi errori (le sorgenti sono relative ai due effetti principali e alla interazione). Poiché non ci sono fattori tra i soggetti, la tabella Test degli effetti fra soggetti non va presa in considerazione poiché contiene solo la stima dell intercetta e dell errore (vedi il testo a pag. 5). Per l interpretazione degli effetti significativi dunque si utilizza solo la tabella Test degli effetti entro i soggetti. Da questa tabella si evince che sia gli effetti principali sia l interazione risultano significativi (nella colonna Sig., infatti, tutti i valori sono pari a.000, ovvero il livello di significatività è inferiore a.00)..c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata? La dimensione dell effetto è nella colonna Eta quadrato parziale. La dimensione degli effetti significativi (ricordiamo che dal punto precedente tutti gli effetti risultavano significativi) è la seguente: TRATTO =.86 (8.6 %), =. (. %), TRATTO* =.84 (8.4%)..d. Individuare la potenza della verifica degli effetti significativi La potenza dell effetto è nella colonna Potenza osservata. La potenza è uguale a per tutti gli effetti.e. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi dei confronti post-hoc relativi alla variabile Si tratta di esaminare se il livello di significatività della colonna Sig., relativo ad uno specifico confronto tra una coppia di media, risulti inferiore a.05. Nella tabella, tutti i confronti risultano statisticamente significativi. In particolare, esaminando la tabella delle stime è possibile concludere che il metodo è quello che presenta la media più elevata, seguito dal metodo ed infine dal metodo..f. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi degli effetti semplici relativa all interazione TRATTO*.
11 La tabella dei confronti a coppie nel quesito.f presenta i confronti tra i livelli della variable TRATTO effettuati all interno di ciascuno dei livelli della variabile. La tabella stime invece presenta le medie dei livelli della variable TRATTO calcolati all interno di ciascuno dei livelli della variabile. In tutti i livelli della variabile i confronti tra i livelli della variabile TRATTO risultano significativi. Osservando le stime è però importante sottolineare come nel caso dei metodi e il tratto presenta una media maggiore del tratto, invece per il metodo avviene esattamente il contrario: è questo ribaltamento a determinare la significatività dell interazione. ESERCIZIO.a. Valutare l assunzione di sfericità in base alla tabella successiva. L assunzione riguarda la variabile entro i soggetti e non è rispettata (Sig. =.0). In base a questi risultati, nella tabella Test degli effetti entro i soggetti, per interpretare gli effetti principali e l interazione verranno utilizzati i valori relativi nella riga..b. Valutare l assunzione di omogeneità della varianza in base alla tabella successiva. Poiché il test di Levene non risulta significativo per tutti i livelli della variabile entro i soggetti (vedi la colonna Sig.), l assunzione di omogeneità della varianza è confermata..b. Quali effetti sono statisticamente significativi (per alfa almeno <.05)? Poiché in questo esercizio abbiamo un modello misto con variabile entro e tra i soggetti, gli effetti sono divisi in due tabelle. Nella tabella Test degli effetti entro i soggetti sono presenti differenti sorgenti di variabilità, quella del fattore entro e quella dell interazione tra fattore entro e fattore tra i soggetti, con un unico termine di errore per entrambi gli effetti. Sia l effetto principale () sia l interazione risultano statisticamente significativi. La tabella Test degli effetti fra soggetti presenta, oltre alla stima dell intercetta (che non viene considerata nell output standard di una ANOVA) e dell errore, anche l effetto principale del fattore tra i soggetti (SEX), che risulta significativo..c. Quale è la dimensione degli effetti significativi in termini di percentuale di varianza spiegata? La dimensione dell effetto è nella colonna Eta quadrato parziale in entrambe le tabelle. La dimensione degli effetti significativi (ricordiamo che dal punto precedente tutti gli effetti risultavano significativi) è la seguente: =.0 (0. %), TRATTO* =.009 (0.9%), SEX=.068 (6.8 %)..d. Quale è l effetto significativo più importante? Dal punto.c si evince che l effetto più importante è l effetto principale..e. Individuare la potenza della verifica degli effetti significativi La potenza dell effetto è nella colonna Potenza osservata. La potenza è uguale a per e per SEX, e.69 circa per l interazione, e per tutti gli effetti. Si tratta di un livello assolutamente adeguato per gli effetti principali, mentre decisamente più debole per l interazione. Verosimilmente, considerando l elevata numerosità dei soggetti (4), la scarsa potenza dipende dalla bassa dimensione dell effetto relativo all interazione (vedi il punto.e)..f. Utilizzando le tabelle dei confronti a coppie e delle stime, interpretare i risultati dell analisi dei confronti post-hoc relativi alla variabile Come nell esercizio precedente, si tratta di esaminare se il livello di significatività della colonna Sig. che è relativo ad uno specifico confronto tra una coppia di medie risulta inferiore a.05. Nella tabella, tutti i confronti risultano statisticamente significativi. In particolare, esaminando la tabella delle stime è
12 possibile concludere che il metodo è quello che presenta la media più elevata, seguito dal metodo ed infine dal metodo..g. Utilizzando le tabelle dei test univariati e delle stime, interpretare i risultati dell analisi degli effetti semplici relativa all interazione *SEX. La tabella dei test univariati presenta i confronti tra i livelli della variable SEX (=maschio, = femmina) effettuati all interno di ciascuno dei livelli della variabile. La tabella Stime invece presenta le medie dei livelli della variable SEX calcolati all interno di ciascuno dei livelli della variabile. In tutti i livelli della variabile i confronti tra i livelli della variabile SEX risultano significativi. Osservando le stime emerge inoltre che i maschi presentano sempre una media più bassa delle femmine. E interessante sottolineare però che questa differenza è maggiore nel metodo (dove infatti si associa ad un eta quadrato parziale di.084) rispetto ai metodi e (dove infatti si associa a valori di eta quadrato decisamente più bassi,.06 per il metodo e.05 per il ): è questa differenza nelle differenze tra le medie a determinare la significatività dell interazione.
Analisi 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. In questo documento presentiamo alcune opzioni analitiche della procedura di analisi fattoriale di
ANALISI DELLA VARIANZA In questo documento presentiamo alcune opzioni analitiche della procedura di analisi fattoriale di SPSS che non sono state incluse nel testo pubblicato. Si tratta di opzioni che,
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):
DettagliAnalisi della varianza
Analisi della varianza Analisi della varianza L analisi della varianza (ANOVA, ANalysis Of VAriance) è una tecnica di analisi dei dati che consente di verificare ipotesi relative a differenze tra le medie
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
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliStrumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS
Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie
DettagliDESCRITTIVE, TEST T PER IL CONFRONTO DELLE MEDIE DI CAMPIONI INDIPENDENTI.
Corso di Laurea Specialistica in Biologia Sanitaria, Universita' di Padova C.I. di Metodi statistici per la Biologia, Informatica e Laboratorio di Informatica (Mod. B) Docente: Dr. Stefania Bortoluzzi
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
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
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 05-Anova (bozza) (vers. 1.0, 27 novembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
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
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per misure ripetute (vers. 1.0a, 1 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
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.
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 43 I principali test statistici per la verifica di ipotesi: Il test del χ 2 per tavole di contingenza a 2 vie Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
Dettaglierrore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento
Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione
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
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
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
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliStrumenti informatici Realizzare l ANOVA per misure ripetute in Excel e SPSS
Strumenti informatici 6.5 - Realizzare l ANOVA per misure ripetute in Excel e SP Excel non dispone di una funzione che realizzi l analisi della varianza per misure ripetute, a meno di utilizzarlo per svolgere
DettagliStrumenti informatici Realizzare l analisi della varianza con Excel e SPSS
Strumenti informatici 6.4 - Realizzare l analisi della varianza con Excel e SPSS Excel non dispone di una funzione che realizzi l analisi della varianza, a meno di aver installato uno dei moduli aggiunti
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
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
DettagliLa matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 7 home - indice In base agli arrotondamenti effettuati nei calcoli,
DettagliCapitolo 1. Analisi Discriminante. 1.1 Introduzione. 1.2 Un analisi discriminante Descrizione del dataset
Capitolo 1 Analisi Discriminante 1.1 Introduzione L analisi discriminante viene condotta per definire una modalità di assegnazione dei casi a differenti gruppi, in funzione di una serie di variabili fra
DettagliGestione ed Analisi Statistica dei dati
Master in Evidence Based Practice e Metodologia della Ricerca clinico-assistenziale assistenziale Gestione ed Analisi Statistica dei dati Daniela Fortuna 12 giugno 2014 TEST di ipotesi Finora abbiamo visto
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliCapitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliANALISI DELLE CORRISPONDENZE MULTIPLE (ACM)
ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM) Questa procedura è stata introdotta negli anni 70, ad opera della scuola francese di analisi dei dati (Benzecri). Inizialmente fu proposta per analizzare tabelle
DettagliUlteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliProva scritta di Complementi di Probabilità e Statistica. 7 Dicembre 2012
Prova scritta di Complementi di Probabilità e Statistica 7 Dicembre. Un ingegnere vuole investigare se le caratteristiche di una superficie metallica sono influenzate dal tipo di pittura usata e dal tempo
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliL'ANALISI DELLA VARIANZA (ANOVA, Analysis of Variance)
L'ANALISI DELLA VARIANZA (ANOVA, Analsis of Variance) Scopo dell analisi della varianza: verificare ipotesi relative a differenze tra medie di due o più popolazioni. Variabile dipendente: su scala a intervalli
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliStudio comparativo della prestazione fisica di atleti dilettanti effettuata su diverse superfici di gioco.
il futuro dei pneumatici fuori uso, oggi Studio comparativo della prestazione fisica di atleti dilettanti effettuata su diverse superfici di gioco. Case Study : Prato (PO) - settembre 0 in collaborazione
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
DettagliCalcolo di una Regressione lineare semplice con Excel
Calcolo di una Regressione lineare semplice con Excel Inserire i dati In un tabellone vuoto di Excel, inserire i dati di X e di Y. Ad esempio i dati della Tabella 0.1 dovrebbero essere inseriti in Excel
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliCaratterizzazione dei consumi energetici (parte 3)
ESERCITAZIONE 4 Caratterizzazione dei consumi energetici (parte 3) 4.1 CuSum: elementi di analisi statistica Il diagramma delle somme cumulate dei residui in funzione del tempo (CuSum) può essere in generale
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliPremessa: la dipendenza in media
Premessa: la dipendenza in media Supponiamo di avere K diversi livelli di un fattore che potrebbero influire su una determinata variabile. Per esempio supponiamo di domandarci se la diversificazione (intesa
DettagliStatistica. Lezione 8
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 8 a.a 2011-2012 Dott.ssa Daniela
DettagliAlias I nomi degli effetti (di interazione o principali) dei contrasti confusi
Glossario dei termini utilizzati in DOEpack (visita www.feanor.com per utilizzare gratuitamente il software) Alias I nomi degli effetti (di interazione o principali) dei contrasti confusi ANOM (Analysis
DettagliStatistica. Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2011/2012 Statistica Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate.
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X, X 2,,X s. Si
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliCONFRONTI MULTIPLI TEST HSD DI TUKEY
CONFRONTI MULTIPLI TEST HSD DI TUKEY Nel caso in cui i risultati dell analisi della varianza ad una via sono significativi, ovvero se il R.V. è risultato avere un F maggiore dell F critico, e quindi le
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it ANALISI DELLE CORRISPONDENZE (cap. VII) Problema della riduzione delle dimensioni L ANALISI DELLE COMPONENTI PRINCIPALI
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
DettagliSTATISTICA 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
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliEsercitazioni del corso: RELAZIONI TRA VARIABILI
A. A. 009 010 Esercitazioni del corso: RELAZIONI TRA VARIABILI Isabella Romeo: i.romeo@campus.unimib.it ommario Esercitazione 1: Tabelle a doppia entrata Distribuzioni marginali e condizionate Indipendenza
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
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
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
DettagliAnalisi della Varianza - III
Analisi della Varianza - III Analisi Multivariata della Varianza (MANOVA, Multivariate Analysis of Variance) M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXXII Analisi Multivariata della Varianza (MANOVA)
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
Dettagli