Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Transcript

1 Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M INFORMAICA 43 scur Ner M 0 6 INFORMATICA 43 scur Ner 3 F INFORMATICA 39 scur Castan 4 F INFORMATICA 37 verd Castan 5 F MATEMATICA 37 azzurr Bond 6 F 60 4 MATEMATICA 36 scur Bond 7 F MATEMATICA 3 verd Castan F MATEMATICA 3 scur Castan 9 M 0 73 MATEMATICA 43 verd Castan 0 M 6 6 MATEMATICA 45 azzurr Ner F MATEMATICA 4 scur Castan M 0 6 INFORMATICA 4 scur Ner 3 M 0 5 INFORMATICA 43 scur Castan 4 F INFORMAATICA 37 scur Bond 5 M 70 7 INFORMATICA 4 verd Castan 6 M 0 65 INFORMATICA 4 scur Ner 7 M 70 7 INFORMATICA 4 scur Ner F 7 70 INFORMATICA 40 scur Castan 9 M 7 0 INFORMATICA 45 scur Castan 0 F 6 49 BIOLOGIA 37 scur Ner

2 ESERCIZIO N Confontare, facendo uso del boxplot, la dstrbuzone delle e degl uomn per l carattere Peso. Nelle eserctazon precedent abbamo vsto che le mede e gl ndc d varabltà sono molto utl per descrvere sntetcamente alcune caratterstche della dstrbuzone de dat. Ora ntroducamo un metodo d rappresentazone grafca, detto BOX PLOT, che s avvale d tal msure e che rsulta estremamente maneggevole nella comparazone d due o pù collettv. Il box plot d una dstrbuzone è un grafco caratterzzato da tre element prncpal: Una lnea o punto che ndcano la poszone della medana della dstrbuzone. Un rettangolo (BOX) la cu altezza ndca la varabltà de valor prossm alla meda. Due segment che partono dal rettangolo e cu estrem sono determnat n base a valor estrem della dstrbuzone. Peso_ n f F (Peso_) 47 0, 0, , 0, , 0, , 0, , 0, , 0, , 0, , 4900 = n = 0 = f = = X n = 304 µ Peso_ = µ = = 30, 4 ( Peso_ ) 0 ( _ ) ( ) Peso_ Peso_ Peso σ = µ µ = 30, 4 55 = 57, MePeso_ = = 53 Q = 49 ( Peso_ )

3 Q = 59 3( Peso_ ) ( ) ( ) a = Q, 5 Q Q = 49, = 34 da cu α = 47 3 (α è l mnmo de valor maggor d a) ( ) ( ) b = Q +, 5 Q Q = 59 +, = 74 da cu β = (β è l massmo de valor mnor d b) Fgura. Box Plot (Peso_) Peso_uomn n f F (Peso_uomn) 6 0, 0, , 0, , 0, , 0, , 0, , 0, , 0, , 7396 = n = 0 = f = = X n = 53636

4 µ Peso_ uomn = 7, µ = = 5363, 6 ( Peso_ uomn) 0 ( _ mn ) ( ) Peso_ uomn Peso_ uomn Peso uo σ = µ µ = 5363, 6 7, = 63, 76 Me 7 Peso_ uomn = Q = 65 ( Peso _ uo mn ) Q = 0 3( Peso_ uomn) ( ) ( ) a = Q, 5 Q Q = 65, = 4, 5 da cu α = 6 3 (α è l mnmo de valor maggor d a) ( ) ( ) b = Q +, 5 Q Q = 0 +, = 0, 5 da cu β = (β è l massmo de valor mnor d b) Fgura. Box Plot (Peso_uomn)

5 ESERCIZIO N Calcolare gl ndc d forma Yule-Bowley e Hotellng-Solomon per le due dstrbuzon uomn e. Una dstrbuzone s dce asmmetrca se non è possble ndvduare un asse vertcale che suddvda la dstrbuzone n due part specularmente ugual. La nozone d asmmetra ha senso qund solo se l carattere è almeno ordnable. Una dstrbuzone d frequenza n, n,.,n è smmetrca se: n =n ; n = n - ;. ; n j =n -j+ Una dstrbuzone non smmetrca potrà mostrare asmmetra postve o negatve a seconda che sano pù frequent nella dstrbuzone le modaltà pù pccole o pù grand. Consderando un carattere quanttatvo unmodale, s ha che. Se la dstrbuzone è smmetrca: Meda=Medana=Moda. Se la dstrbuzone è asmmetrca postva: Meda>Medana>Moda 3. Se la dstrbuzone è asmmetrca negatva: Meda<Medana<Moda Indce d asmmetra Hotellng Solomon: A HS µ x Me = σ A HS =0 (smmetra) -<A HS <0 (asmmetra negatva) 0<A HS < (asmmetra postva) Indce d asmmetra Yule Bowley: A YB Me Q Q = Q Q x 3 3 A YB =0 (smmetra) A YB <0 (asmmetra postva) A YB >0 (asmmetra negatva) µ Me x AHS = = = 0, 6 peso_ σx 7, 57 µ Me 7, 7 x AHS = = = 0, peso_ uomn σx 7, 9 Me Q Q AYB = = = 0, peso_ Q3 Q Me Q Q AYB = = = 0, 07 peso_ uomn Q3 Q 0 65

6 ESERCIZIO N 3 Calcolare l ndce d eterogenetà d Gn per caratter Colore Occh e Colore Capell. Nell eserctazone d venerdì scorso, abbamo vsto che gl ndc d concentrazone msurano se una dstrbuzone d quanttà s trova pù vcno al caso d equdstrbuzone oppure al caso d massma concentrazone. Un concetto analogo può essere applcato anche a una dstrbuzone d frequenza. In questo caso s drà che s è n presenza d massma omogenetà quando tutte le untà del collettvo presentano stessa modaltà, per esempo la j-esma, ottenendo qund: max omogenetà: f=f=..=f j- =.f =0 e f j = Vceversa, s è n presenza d mnma omogenetà o max eterogenetà, se tutte le modaltà sono present con la stessa frequenza nel collettvo: max eterogenetà: f= f=..=f j =...f = /. Indce d eterogenetà d GINI: Dato un carattere qualtatvo X con modaltà: In caso d max eterogenetà f = /K per ogn. G = f Sosttuendo la precedente la condzone d massma eterogenetà, s ottene l valore massmo che l ndce può assumere: = G = Indce d Gn normalzzato (ossa compreso tra 0 e ): K G K G* = = G G K COLORE OCCHI n f (f ) AZZURRI 0, 0,0 SCURI 4 0,7 0,49 VERDI 4 0, 0,04 tot. =0 = f = 0, 54 = G = f = 0, 5 4 = 0, 4 6 G = = = 0, 6 6 K 3 G 0, 4 6 G* = = = 0, 6 9 G 0, 6 6

7 G* è abbastanza elevato. La dstrbuzone è abbastanza eterogenea: entrambe le modaltà sono present, ma con frequenze non equlbrate tra loro. COLORE CAPELLI n f (f ) BIONDI 3 0,5 0,0 CASTANI 0 0,5 0,5 NERI 7 0,35 0, tot. =0 = f = 0, 39 = G = f = 0, 3 9 = 0, 6 G = = = 0, 6 6 K 3 G 0, 6 G* = = = 0, 9 G 0, 6 6 G* molto prossmo ad. La dstrbuzone è molto eterogenea: tutte le modaltà sono present e con frequenze molto sml tra loro.

8 ESERCIZIO N 4 Consderando l DATASET STUDENTI, s dscuta se esste connessone tra caratter CORSO DI LAUREA e SESSO. SESSO MASCHIO FEMMINA Totale CORSO DI LAUREA BIOLOGIA 0 MATEMATICA 5 7 INFORMATICA 4 Totale La msura dell assocazone tra due caratter qualtatv sconness avvene analzzando la dstrbuzone congunta delle frequenze de due caratter. Per questo tpo d anals, s rcorre, tpcamente, all ndce <<ch-quadrato>>. Quest ndce s basa sulla dfferenza tra le frequenze osservate n e le frequenze teorche j nˆ (queste dfferenza vengono anche j dette contngenze) che corrspondono alle frequenze che avremmo dovuto avere se, date le dstrbuzon semplc, due caratter fossero stat ndpendent. Indce Ch-quadrato d Pearson: χ r c = = j= ( n ) j ˆn j ˆn j Dove r e c rappresentano, rspettvamente, l numero d rghe e d colonne della tabella d frequenza a doppa entrata. Se due caratter sono perfettamente ndpendent tutte le contngenze devono essere nulle e dunque l ndce Ch-quadrato assumerà valore par a zero. Se al contraro due caratter sono assocat, l ndce sarà postvo, assumendo valor tanto pù grand quanto pù le frequenze osservate s dfferenzano da quelle teorche. Poché Corso d laurea e Sesso sono due caratter qualtatv sconness, l loro grado d connessone s msura attraverso l ndce χ. Le frequenze teorche nˆj ˆn j n. n. j = sono raccolte nella seguente tabella: N

9 SESSO MASCHIO FEMMINA Totale CORSO DI LAUREA BIOLOGIA 0,5 0,5 MATEMATICA 3,5 3,5 7 INFORMATICA 6 6 Totale ( ) ( ) ( ) ( ) ( ) ( ) 0,5 0 0,5 5 3,5 3, χ = = 3,6 0,5 0,5 3,5 3,5 6 6 L ndce ch-quadrato dpende dalla numerostà del collettvo coscché, a partà d assocazone, l suo valore aumenta all aumentare d n (cfr. formula dell ndce). In genere s prefersce utlzzare degl ndc che dano msure non dpendent dalle frequenze delle dstrbuzon margnal o dal totale della tabella, come l ndce d Fsher e l ndce T-chuprov: φ = T χ n φ χ = = mn r ;c n mn r ;c { } { } Indce d Fscher: χ 3,6 φ = = = 0, n 0 Tale valore va confrontato con l ntervallo [0, ], n quanto ( ) 0 ϕ mn r ; c Indce d T-chuprov: φ χ 3,6 T = = = = 0, mn r ;c n mn r ;c 0 { } { } poché 0 < T<, possamo affermare che v è un basso grado d connessone.