Analisi della varianza
|
|
- Jacopo Vaccaro
- 7 anni fa
- Visualizzazioni
Transcript
1 Analisi della varianza
2 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 di due o più popolazioni. L analisi della varianza è una tecnica statistica di tipo parametrico: si assume che la variabile di interesse si distribuisca normalmente nella popolazione e che i due campioni siano estratti in maniera casuale dalla popolazione; la numerosità campionaria è rilevante nel confronto tra più campioni le varianze devono essere omogenee.
3 Analisi della varianza È possibile classificare i diversi modelli di ANOVA in base al numero di variabili indipendenti e dipendenti: i modelli che prevedono una sola variabile indipendente vengono definiti disegni a una via; i modelli che prevedono due o più variabili indipendenti vengono definiti disegni fattoriali; i modelli che prevedono una sola variabile dipendente definiscono un analisi della varianza univariata; i modelli che prevedono due o più variabili dipendenti definiscono un analisi della varianza multivariata (o MANOVA, Multivariate Analysis of Variance)
4 Analisi della varianza univariata: disegni tra soggetti ad un solo fattore Vengono definiti tra soggetti, oppure per gruppi indipendenti, i disegni in cui ad ogni trattamento o condizione sperimentale corrisponde un diverso gruppo di soggetti. In ogni condizione ci sono soggetti diversi: un soggetto esposto ad una condizione non viene esposto a nessun altra condizione. A B S 1 S 11 S 2 S 12 S 10 S n
5 Il modello teorico dell ANOVA Nel modello teorico dell ANOVA tra i soggetti il punteggio y ij di un soggetto j nel gruppo i è così scomponibile: Dove: y ij = µ +α i +ε ij µ è la media generale dei punteggi sul campione totale; α i è l effetto dovuto al trattamento (livello i della variabile indipendente), ed è costante all interno del trattamento; ε ij è una componente residua, o di errore causale, specifica per ogni soggetto
6 Il modello teorico dell ANOVA La devianza rappresenta la somma dei quadrati degli scostamenti tra ogni punteggio e la media. I diversi tipi di devianza: SCOMPOSIZIONE DELLA DEVIANZA devianza totale (SS T ): è la somma dei quadrati (sum of squares) degli scarti (differenza tra i singoli punteggi e la media generale della variabile); devianza tra i gruppi (o between, SS B ): è la somma dei quadrati degli scarti (differenza tra i punteggi medi di gruppo e la media generale), ovvero la variabilità tra i diversi gruppi; devianza entro i gruppi (o within, SS W ): è la somma dei quadrati degli scarti tra i punteggi di ogni soggetto e la relativa media di gruppo, ovvero alla variabilità dei soggetti all interno di ogni gruppo.
7 Il modello teorico dell ANOVA Gradi di libertà (gdl) per ognuna delle componenti della variabilità: devianza totale (SS T ): della media totale); GRADI DI LIBERTA E VARIANZE ( y y ) 2 i j ij.. devianza tra i gruppi (o between, SS B ): perso è quello della media totale); devianza entro i gruppi (o within, SS W ): perde un gdl per ogni media di gruppo)., n 1 gdl (il gdl perso è quello ( y y ) 2 i j i.. ( y y ) 2 i j ij i., k 1 gdl (il gdl, n k gdl (si Dividendo le devianze per i rispettivi gradi di libertà si ottengono le varianze: Varianza totale (MS T ) = devianza totale / n 1; Varianza tra i gruppi (MS B ) = devianza tra i gruppi / k 1; Varianza entro i gruppi (MS W ) = devianza entro i gruppi / n k.
8 Il modello teorico dell ANOVA IL RAPPORTO «F» Il rapporto tra le varianze MS B / MS W segue la distribuzione F, quindi può essere utilizzato per esaminare ipotesi sulla significatività della differenza tra la variabilità dovuta al trattamento e quella residua La F esamina le seguenti ipotesi: H 0 : µ 1 = µ 2 = = µ k H 1 : almeno due µ diverse
9 Il modello teorico dell ANOVA ASSUNZIONI Ci sono delle assunzioni che devono essere soddisfatte affinché i risultati dell ANOVA possano essere interpretati in maniera affidabile: gli errori (ε ij ) devono seguire la distribuzione normale ed avere media uguale a 0; la varianza degli errori (σ ε ) deve essere uguale in ogni gruppo (condizione di omoschedasticità); gli errori (ε ij ) devono essere indipendenti; gli effetti hanno una natura additiva: la variabile sperimentale «aggiunge» qualcosa alla condizione-base e lo fa in maniera «identica» per tutti i soggetti.
10 Analisi della varianza univariata: disegni fattoriali Vengono definiti fattoriali (o più vie) i disegni di analisi della varianza in cui vi sono due o più variabili indipendenti. Nei disegni fattoriali vengono esaminati gli effetti di due o più variabili indipendenti sulla variabile dipendente. Il più semplice disegno è il «2 x 2», dove abbiamo due fattori ciascuno dei quali ha due differenti livelli. Vantaggi dei disegni fattoriali: consentono lo studio dell interazione. Cioè l effetto congiunto delle VI sulla VD aumentano la potenza del test, cioè la probabilità di rilevare la presenza di un effetto, quindi la probabilità di rifiutare l ipotesi nulla quando essa è falsa consentono una maggiore economia nel numero dei soggetti da esaminare, mantenendo la stessa potenza del test.
11 Analisi della varianza univariata: disegni fattoriali EFFETTI PRINCIPALI E INTERAZIONI Nei disegni fattoriali abbiamo due tipi di effetti: gli effetti principali e le interazioni. L effetto principale rappresenta l effetto medio di una variabile indipendente sulla variabile dipendente, indipendentemente dai valori delle altre variabili indipendenti. L interazione rappresenta l effetto di una variabile indipendente sulla variabile dipendente non è lo stesso per tutti i livelli delle altre variabili indipendenti.
12 Analisi della varianza univariata: disegni fattoriali DISEGNI FATTORIALI «TRA SOGGETTI» (BETWEEN SUBJECTS) Nei disegni fattoriali «tra i soggetti» tutti i fattori sono fattori between subjects, ovvero i soggetti vengono assegnati ad ognuna delle singole celle, quindi ogni soggetto è esposto solamente ad una particolare combinazione delle condizioni sperimentali. A 1 A 2 B 1 S 1 S 2 B 2 S 11 S 12 S 6 S 7 S 16 S 17
13 Analisi della varianza univariata: disegni entro i soggetti ad un solo fattore I disegni entro i soggetti (o within subjects) sono disegni in cui si utilizzano gli stessi soggetti nelle diverse condizioni sperimentali. Nel caso di disegni entro i soggetti l analisi della varianza viene anche detta per prove (o misure) ripetute. A B S 1 S 1 S 2 S 2 S n S n
14 Analisi della varianza univariata: disegni entro i soggetti ad un solo fattore SCOMPOSIZIONE DELLA DEVIANZA TOTALE devianza totale (SS T ): devianza tra le prove (SS k ): devianza entro i gruppi (o within, SS W ): devianza tra i soggetti (SS S ): ( y y ) 2 ij.., [nk 1 gdl]; i j ( y y ) 2. j.., [k 1 gdl]; i j 2 ( y y ) i j ij. j 2 i... i j ( y y ) devianza residua (SS res ): SS W SS s, [(n 1)(k 1) gdl];, [n 1 gdl];, [k(n 1) gdl]
15 Analisi della varianza univariata: disegni entro i soggetti ad un solo fattore ASSUNZIONI Ci sono delle assunzioni che devono essere soddisfatte affinché i risultati possano essere interpretati in maniera affidabile: gli errori (ε ij ) devono essere indipendenti; gli errori (ε ij ) devono seguire la distribuzione normale ed avere media uguale a 0; la varianza delle differenze tra tutte le coppie delle misure ripetute deve essere uguale (sfericità o circolarità); gli effetti hanno una natura additiva: la variabile sperimentale «aggiunge» qualcosa alla condizione-base e lo fa in maniera «identica» per tutti i soggetti.
16 Analisi della varianza disegni fattoriali «Misti» Nei disegni fattoriali «misti», almeno un fattore è tra i soggetti ed almeno un fattore è entro i soggetti. I soggetti vengono esposti a tutte le condizioni sperimentali della variabile entro, e soltanto ad un livello della variabile tra. A 1 A 2 B 1 S 1 S 2 B 2 S 6 S 7 S 1 S 2 S 6 S 7
17 Analisi della varianza - Le variabili - La o le variabili dipendenti sono di tipo quantitativo (scala intervalli o rapporto). Le variabili indipendenti possono essere di due tipi: categoriale o qualitativo a loro volta distinte in variabili: - tra soggetti o fattori beetween - entro soggetti o fattori within quantitativo note anche come covariate.
18 Analisi della varianza Univariata OBIETTIVO ANALISI DELLA VARIANZA UNIVARIATA BETWEEN Il caso più semplice di analisi della varianza univariata è il t-test per campioni indipendenti. In quel caso l obiettivo è quello di confrontare, per una fissata variabile dipendente, le medie di due gruppi indipendenti di soggetti (fattore between a 2 livelli). L analisi della varianza univariata può essere vista come un estensione del t-test per campioni indipendenti nei casi in cui: - il fattore between ha più di due livelli (aov a una via); - esiste più di un fattore between (aov a due o più vie, o aov fattoriale).
19 Analisi della varianza Univariata ESEMPI DI APPLICAZIONE AOV AD UNA VIA Si supponga di aver somministrato un test di logica ad un campione di soggetti provenienti da tre tipi differenti di scuole superiori (liceo classico, liceo scientifico, liceo artistico); e di voler valutare se esiste un effetto scuola di provenienza sul numero di risposte corrette al test. Il modello da adottare sarà quello di analisi della varianza ad una via con: variabile dipendente: il numero di risposte corrette al test variablie indipendente un fattore beetween a 3 livelli: scuola di provenienza (classico, scientifico, artistico)
20 Analisi della varianza Univariata ESEMPI DI APPLICAZIONE AOV FATTORIALE Riprendendo l esempio precedente si supponga di disporre anche della classe di provenienza dei soggetti, e di voler valutare i seguenti aspetti: Complessivamente i soggetti rispondono in maniera diversa a seconda della scuola di provenienza? Complessivamente i soggetti rispondo in maniera diversa a seconda della classe frequentata? Esiste un interazione tra il tipo di scuola di provenienza e la classe frequentata? (le differenze tra i tipi di scuola sono costanti per ogni livello di classe frequentata? ) Il modello da adattare ai dati sarà di analisi della varianza 3x5 con: variabile dipendente: il numero di risposte corrette; un fattore between a 3 livelli: scuola di provenienza (classico, scientifico, artistico); un fattore between a 5 livelli: classe (I a, II a, III a, IV a, V a )
21 Analisi della varianza Univariata ASSUNZIONI Le osservazioni seguono una distribuzione normale sulla variabile dipendente in ciascun gruppo. Le varianze dei gruppi sono uguali (omogenietà della varianza). Le osservazioni sono indipendenti.
22 Analisi della varianza Univariata ad una via L APPROCCIO STATISTICO LA FORMULAZIONE DEL PROBLEMA H 0 µ 1 = µ 2 = µ 3 =.. = µ k H 1 almeno una media è diversa dalle altre Nota: K è il numero di livelli del fattore between
23 Analisi della varianza Univariata ad una via L APPROCCIO STATISTICO LA SCOMPOSIZIONE DELLA DEVIANZA Devianza totale (N-1) Devianza tra i gruppi (k-1) Devianza entro i gruppi (N-k) Nota: N è il numero di oservazioni K è il numero di livelli del fattore between
24 Analisi della varianza Univariata ad una via L APPROCCIO STATISTICO IL RAPPORTO: (VARIANZA TRA SOGG.) / (VARIANZA ENTRO SOGG.) Dividendo le devianze (SS) per i rispettivi gradi di libertà si ottengono le varianze (MS). Sotto H 0 il rapporto tra le varianze ha una distribuzione nota: MS F = Tra Oss MS Entro F ( df, df ) Se la probabilità associata (p-value) al valore di F osservato è minore di un valore critico fissato a priori (ad esempio 0.05), si rifiuta H 0. Tra Entro In questo caso si può conludere che il fattore between, ha un effetto statisticamente significativo sulla variabile dipendente.
25 Analisi della varianza Univariata ad una via L ANALISI POST-HOC Se l analisi della varianza è risultata significativa, si potrebbe essere interessati a capire quali tra le medie dei livelli del fattore between differiscono tra loro. La tentazione potrebbe essere quella di applicare una serie di t-test per confrontare tutte le medie tra loro. ERRORE
26 Analisi della varianza Univariata ad una via L ANALISI POST-HOC Infatti, aumentando il numero di test effettuati, aumenta la probabilità di errore di I tipo: se testiamo un ipotesi nulla che in effetti è vera, utilizzando α come valore critico, la probabilità di ottenere un risultato non significativo (corretto) è 1-α; se testiamo 2 ipotesi indipendenti la probabilità che nessuno dei 2 test sia significativo è data, per un teorema del calcolo delle probabilità, dal prodotto delle probabilità (1-α)*(1-α); più generalmente se testiamo K ipotesi indipendenti la probabilità che i test siano congiuntamente non significativi è data da (1-α) K ; ne consegue che la probabilità di avere almeno un test significativo sarà 1-(1-α) K. Esemplificando, se vengono testate 20 ipotesi indipendenti al livello di significatività α = 0,05, la probabilità che nessuna sia significativa è 0,95 20 = 0,36. La probabilità che almeno una sia significativa per errore sarà 1-(1-0,05) 20 = 0,64, ben superiore al valore nominale prescelto del 5%.
27 Analisi della varianza Univariata ad una via L ANALISI POST-HOC Per mantenere sotto controllo la probabilità di errore globale esistono delle tecniche dette di analisi post-hoc che mirano a correggere la probabilità di errore dei singoli confronti tra le medie, in modo da ottenere dei risultati statisticamente corretti.
28 Analisi della varianza Univariata 1. Identificazione della variabile dipendente e del fattore between (o dei fattori between). 2. Definizione del modello di analisi. 3. Analisi descrittiva dei dati. 4. Verifica delle assunzioni teoriche. 5. Adattamento del modello ai dati. 6. Verifica della significatività degli effetti. 7. Eventuale analisi post-hoc I PASSI FONDAMENTALI
29 Analisi della varianza Univariata ad una via in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Confronta Medie. 3. Selezionare l opzione Anova Univariata. 4. Selezionare la variabili dipendente e il fattore between. 5. Selezionare l opzione opzioni per statistiche descrittive e test dell omogeneità delle varianza fra i gruppi. 6. Nel caso di analisi post-hoc, selezionare l opzione Post-Hoc e la/le tecnica/che di analisi post-hoc desiderata/e. 7. Cliccare OK!
30 Analisi della varianza Univariata fattoriale in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Modello Lineare Generalizzato. 3. Selezionare l opzione Univariata. 4. Selezionare la variabile dipendente, i fattori between e le eventuali variabili indipendenti covariate. 5. Selezionare l opzione opzioni per statistiche descrittive e test dell omogeneità delle varianza fra i gruppi. 6. Nel caso di analisi post-hoc, selezionare l opzione Post-Hoc e la/le tecnica/che di analisi post-hoc desiderata/e. 7. Cliccare OK!
31 Analisi della varianza Univariata ad una via ESEMPIO PRATICO (I) Si supponga di aver somministrato un test sulla memoria ad un campione di soggetti appartenenti a tre fasce d età (20-29 anni, anni, 50 anni e oltre). Si vuole valutare se l età ha un effetto sulla memoria. Nota: i dati sono contenuti nel file memoria.sav
32 Analisi della varianza Univariata ad una via IL MODELLO DI ANALISI Per valutare l effetto dell età sulla memoria si adotterà un modello di analisi della varianza univariata ad una via con: variabili dipendente: il numero di risposte corrette al test un fattore tra soggetti a 3 livelli: Età (20-29 anni, anni, 50 e oltre)
33 Analisi della varianza Univariata ad una via ANALISI DESCRITTIVA DEI DATI
34 Analisi della varianza Univariata ad una via VERIFICA DELL IPOTESI DI NORMALITA
35 Analisi della varianza Univariata ad una via VERIFICA DELL IPOTESI DI OMOGENEITA DELLE VARIANZE Test di omogeneità delle varianze numero di rispote corrette Statistica di Levene df1 df2 Sig Osservando il valore di significatività del test di Levene si può concludere che le varianze dei tre gruppi di soggetti sono omogenee.
36 Analisi della varianza Univariata ad una via I RISULTATI DELL ANALISI DELLA VARIANZA ANOVA univariata numero di rispote corrette Somma dei quadrati df Media dei quadrati F Sig. Fra gruppi Entro gruppi Totale Osservando il valore di significatività (p-value) del test F si può concludere che l età ha un effetto significativo sulla memoria.
37 Analisi della varianza Univariata ad una via I RISULTATI DEL POST-HOC Variabile dipendente: numero di rispote corrette Bonferroni (I) età anni anni 50 anni e oltre *. (J) età anni 50 anni e oltre anni 50 anni e oltre anni anni La differenza tra le medie è significativa al livello.05. Confronti multipli Intervallo di confidenza 95% Differenza fra Limite Limite medie (I-J) Errore std. Sig. inferiore superiore * * Dall analisi post-hoc con il metodo di Bonferroni emerge che l unica differenza significativa è quella tra la prima e la terza fascia d età.
38 Analisi della varianza Univariata ad una via CONCLUSIONI L analisi ha riscontrato un effetto significativo dell età sulla capacità di memoria dei soggetti (F 2,42 =4,481 ; p<0.05). In particolare si può notare, in seguito all applicazione dell analisi post-hoc con il metodo di Bonferroni, che i soggetti può giovani manifestano una capacità di memoria significativamente maggiore di quella dei soggetti più anziani (p=0.018).
39 Analisi della varianza Univariata fattoriale ESEMPIO PRATICO (II) Si supponga di voler studiare gli effetti del fumo da sigaretta su alcuni tipi di prestazione. A tale scopo è stato selezionato un campione i cui soggetti sono stati suddivisi in tre gruppi rispetto al fumo: non fumatori (NS), fumatori ma non prima-durante la prova (DS), fumatori attivi prima-durante la prova (AS). In maniera casuale all interno di ciascun gruppo un terzo dei soggetti ha fatto un compito di pattern recognition, un terzo un compito di tipo cognitivo e un terzo una simulazione di guida con un video game. In ogni caso la variabile dipendente è il numero di errori commessi. Le domande di ricerca riguardano la valutazione dell effetto del fumo, dell effetto del tipo di compito, e dell eventuale interazione tra fumo e compito sulle perfomance dei soggetti. Nota: i dati sono contenuti nel file smoking.sav
40 Analisi della varianza Univariata fattoriale IL MODELLO DI ANALISI Per rispondere alle domande di ricerca si adotterà un modello di analisi della varianza univariata fattoriale 3 3 con: variabili dipendente: il numero di errori commessi un fattore tra soggetti a 3 livelli: Fumo (Non Fumatori, Fumatori ma non prima e durante la prova, Fumatori prima e durante la prova) un fattore tra soggetti a 3 livelli: Compito (Pattern Recognition, Cognitivo, Simulazione di Guida)
41 Analisi della varianza Univariata fattoriale RISULTATI DELL ANALISI DELLA VARIANZA Osservando i risultati dell analisi della varianza si può affermare che: il fumo complessivamente non ha un effetto significativo sulla performance il tipo di compito ha un effetto significativo sulla performace esiste un effetto significativo dell interazione fumo-tipo di compito sulla performance
42 Analisi della varianza Univariata fattoriale INTERPRETAZIONE GRAFICA DEI RISULTATI medie marginali attese 50,00 40,00 30,00 20,00 10,00 smokegr No Smoker D elay Smoker Active Smoker 0,00 pattern re co gnition cogn itive task d riving simula tio n task
43 Analisi della varianza Univariata fattoriale CONCLUSIONI L analisi ha riscontrato un effetto significativo del tipo di compito (F 2,81 = ; p<0.05) e un effetto significativo dell interazione fumo-tipo di compito (F 4,81 =3.261 ; p<0.05) sulle performance dei soggetti. L effetto principale del fattore fumo non è invece risultato significativo. Si può quindi concludere che; il fumo complessivamente non incide sulla performace; il tipo di compito complessivamente ha influenza sulla performance; esiste un effetto interattivo fumo-tipo di compito sulle performance (le differenze di performance tra i tre gruppi di fumatori non sono costanti nei tre diversi tipi di compito).
44 Analisi della varianza Multivariata (MANOVA) L OBIETTIVO DELL ANALISI DELLA VARIANZA MULTIVARIATA L obiettivo dell analisi della varianza multivariata è quello di studiare gli effetti di uno o più fattori tra soggetti su un insieme di variabili dipendenti. (Mentre nell Anova Univariata la variabile dipendente è una, nella Manova le variabili dipendenti sono più di una) Esempio: Si vuole studiare se i maschi differiscono complessivamente dalle femmine sui punteggi totali di tre questionari che rilevano tre diversi aspetti dell ansia. In questo caso si adotterà un disegno di analisi della varianza multivariata (Manova) con: - 3 variabili dipendenti (i 3 aspetti dell ansia); - 1 fattore tra soggetti (sesso).
45 Analisi della varianza Multivariata (MANOVA) ASSUNZIONI NELL ANALISI DELLA VARIANZA MULTIVARIATA Le osservazioni seguono una distribuzione normale multivariata sulle variabili dipendenti in ciascun gruppo. Le matrici di covarianza sulle variabili dipendenti di ciascun gruppo sono uguali. Le osservazioni sono indipendenti.
46 Analisi della varianza Multivariata (MANOVA) in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Modello lineare generalizzato. 3. Selezionare l opzione Multivariato. 4. Selezionare le variabili dipendenti, i fattori between e le eventuali covariate in modo appropriato. 5. Selezionare l opzione opzioni per statistiche descrittive e test dell omogeneità delle varianza fra i gruppi. 6. Nel caso di analisi post-hoc, selezionare l opzione Post-Hoc e la/le tecnica/che di analisi post-hoc desiderata/e. 7. Cliccare OK!
47 Analisi della varianza Multivariata (MANOVA) in SPSS ESEMPIO PRATICO (III) Per capire se un nuovo approccio didattico nell insegnamento del clarinetto è efficace, si vogliono confrontare due gruppi di alunni delle scuole elementari: - Gruppo Sperimentale (alunni che hanno seguito le lezioni con il metodo innovativo); - Gruppo di Controllo (alunni che hanno seguito le lezioni con il metodo tradizionale). I dati raccolti riguardano le perfomance degli alunni valutate sui seguenti 6 aspetti: interpretazione, tono, ritmo, intonazione, tempo, articolazione. (Ambrose, 1985) Nota: i dati sono contenuti nel file clarinetto.sav
48 Analisi della varianza Multivariata (MANOVA) in SPSS IL MODELLO DI ANALISI Per valutare l efficacia del nuovo approccio si adotterà un modello di analisi della varianza multivariata (MANOVA) con: sei variabili dipendenti: Interpretazione, Tono, Ritmo, Intonazione, Tempo, Articolazione; un fattore tra soggetti a 2 livelli: Gruppo (Sperimentale vs. Controllo).
49 Analisi della varianza Multivariata (MANOVA) in SPSS ANALISI DESCRITTIVA DEI DATI Confronto tra il Gruppo Sperimentale e il Gruppo di Controllo sperimentale controllo 3.00 media dei punteggi interpretazione tono ritmo intonazione tempo articolazione aspetti valutati
50 Analisi della varianza Multivariata (MANOVA) in SPSS RISULTATI DELLA MANOVA Test multivariati b Effetto Intercetta gruppo Gradi di libertà Valore F Ipotesi df dell'errore Sig. Traccia di Pillai a Lambda di Wilks a Traccia di Hotellin a Radice di Roy a Traccia di Pillai a Lambda di Wilks a Traccia di Hotellin a Radice di Roy a a. Statistica esatta b. Disegno: Intercept+gruppo Il fattore gruppo ha un effetto significativo
51 Analisi della varianza Multivariata (MANOVA) in SPSS CONCLUSIONI Il Gruppo Sperimentale differisce significativamente dal Gruppo di Controllo sui 6 aspetti valutati (F 6,16 = ; p<0.05). Si può quindi concludere che il nuovo approccio didattico è efficace.
52 Analisi della varianza a misure ripetute L OBIETTIVO DELL ANALISI DELLA VARIANZA A MISURE RIPETUTE Il caso più semplice di analisi della varianza a misure ripetute è il t-test per dati appaiati. In quel caso i soggetti vengono misurati due volte, ad esempio prima e dopo un trattamento, e si vuole verificare l effetto del trattamento (fattore within). L analisi della varianza a misure ripetute può essere vista come un estensione del test-t per dati appaiati nei casi in cui: - il fattore within ha più di due livelli; - esiste più di un fattore within.
53 Analisi della varianza a misure ripetute ESEMPI DI APPLICAZIONE DELL AOV A MISURE RIPETUTE Valutazione dell effetto del tempo. Esempio: valutare se esistono variazioni dell umore materno nel primo anno post-gravidanza. Valutazione dell effetto di più trattamenti. Esempio: Valutare come incidono la lunghezza e la tipologia di un testo sulla comprensione.
54 Analisi della varianza a misure ripetute I VANTAGGI DELL AOV A MISURE RIPETUTE Controllo della variabilità entro soggetto Le differenze tra Gruppo Sperimentale e Gruppo di controllo possono dipendere sia dall effetto del trattamento sia dalla diversa composizione dei due gruppi. In un disegno a misure ripetute invece i soggetti fungono da controllo di se stessi. Minor numerosità campionaria richiesta rispetto all analisi della varianza between. Se in un disegno di analisi della varianza between per valutare l effetto di 3 diversi trattamenti sono richiesti 45 soggetti (15 per trattamento), in un disegno a misure ripetute ne bastano 15! Nota: non sempre si può utilizzare un disegno a misure ripetute (ad. esempio: valutazione dell effetto genere)
55 Analisi della varianza a misure ripetute ASSUNZIONI NELL ANALISI DELLA VARIANZA A MISURE RIPETUTE Le osservazioni sono indipendenti. Le osservazioni seguono una distribuzione normale multivariata sui livelli del fattore entro soggetti. Le osservazioni soddisfano l ipotesi di sfericità. Nota: Le prime due assunzioni sono richieste anche per l analisi della varianza multivariata (MANOVA), mentre l ipotesi di sfericità non lo è.
56 Analisi della varianza a misure ripetute CHE COSA IMPLICA L IPOTESI DI SFERICITA? L ipotesi di sfericità implica che la matrice di covarianza sulle misure ripetute rispetti una forma particolare (varianze e covarianze pressoché costanti). In poche parole, l idea è che le varianze delle differenze tra le misure ripetute devono essere pressoché uguali.
57 Analisi della varianza a misure ripetute CHE COSA IMPLICA L IPOTESI DI SFERICITA? Esempio: Si supponga di voler valutare la variazione di peso nel tempo in bambini neonati. Il peso dei neonati viene misurato ogni giorno per un periodo critico di 3 giorni. Il modello da adattare potrebbe essere quello di un AOV a misure ripetute con v.d. il peso dei bambini e fattore entro soggetti il tempo (3 livelli pari ai 3 giorni). Osservando i dati si nota che: - in media i bambini sono aumentati di 100 grammi tra il giorno 1 e 2 e di 150 grammi tra il giorno 2 e 3. - la varianza degli aumenti tra il giorno 1 e 2 è di 20, mentre quella tra il giorno 2 e 3 è di 100. In questo caso l ipotesi di sfericità che presuppone che la varianza degli aumenti tra i giorni 1 e 2 e quella tra i giorni 2 e 3 ( e anche quella tra 1 e 3) siano uguali non è soddisfatta. Il modello di AOV a misure ripetute potrebbe produrre una stima distorta della significatività dell effetto del tempo.
58 Analisi della varianza a misure ripetute VALUTAZIONE DELL IPOTESI DI SFERICITA Per valutare se i dati soddisfano l ipotesi di sfericità si può utilizzare il test di Mauchly Il test di Mauchly è significativo (p<0.05)? No Sì I dati soddisfano l assunzione di sfercità. La stima degli effetti non è distorta. I dati non soddisfano l ipotesi di sfericità. Per ottenere una stima non distorta degli effetti si deve ricorrere a dei criteri di correzione (ad es. Greenhouse-Geisser)
59 Analisi della varianza a misure ripetute in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Modello lineare generalizzato. 3. Selezionare l opzione Misure Ripetute. 4. Nella finestra Definisci Fattori inserire i nomi dei fattori within ed il rispettivo numero di livelli. Cliccare Definisci. 5. Inserire le variabili within in modo appropriato rispetto le definizioni dei fattori fatte al punto Cliccare OK!
60 Analisi della varianza a misure ripetute in SPSS ESEMPIO PRATICO (IV) Si supponga di voler studiare l effetto di 4 diversi tipi di vino sui tempi di reazione ad una particolare prova di abilità. Nella conduzione dell esperimento un tempo sufficiente viene fatto trascorrere tra una prova e l altra, in modo da minimizzare gli effetti della somministrazione di un tipo di vino sui tempi di reazione legati alla successiva somministrazione (Winer, 1971). Nota: i dati sono contenuti nel file vini.sav
61 Analisi della varianza a misure ripetute in SPSS IL MODELLO DI ANLISI Per valutare se il tipo di vino ha un effetto sui tempi di reazione dei soggetti si adotterà un modello di analisi della varianza a misure ripetute con: - variabile dipendente: il Tempo di Reazione dei soggetti; - un fattore entro-soggetti a 4 livelli: Tipo di Vino (Chianti, Merlot, Prosecco, Zibibbo).
62 Analisi della varianza a misure ripetute in SPSS ANALISI DESCRITTIVA DEI DATI Confronto dei tempi di reazione medi ottenuti per tipo di vino media dei tempi di reazione chianti merlot prosecco zibibbo tipo di vino
63 Analisi della varianza a misure ripetute in SPSS Misura: MEASURE_1 CONTROLLO DELL IPOTESI DI SFERICITA Test di sfericità di Mauchly b Effetto entro soggetti tipo_v Approssimaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geisser Huynh-Feldt inferiore 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: tipo_v L ipotesi di sfericità è soddisfatta.
64 Analisi della varianza a misure ripetute in SPSS RISULTATI DELL ANALISI DELLA VARIANZA A MISURE RIPETUTE Test degli effetti entro soggetti Misura: MEASURE_1 Sorgente tipo_v Errore(tipo_v) Assumendo la sfericità Greenhouse-Geisser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhouse-Geisser Huynh-Feldt Limite inferiore Somma dei quadrati Media dei Tipo III df quadrati F Sig Il fattore within Tipo di Vino ha un effetto statisticamente significativo.
65 Analisi della varianza a misure ripetute in SPSS CONCLUSIONI Il fattore Tipo di Vino ha un effetto statisticamente significativo sui tempi di reazione dei soggetti (F 3,12 = ; p<0.05). Si può quindi concludere che a seconda del tipo di vino somministrato i tempi di reazione dei soggetti variano.
66 Analisi della varianza con Disegno Misto COSA SI INTENDE PER ANALISI DELLA VARIANZA CON DISEGNO MISTO? Un modello analisi della varianza con disegno misto è un modello che comprende sia fattori between che fattori within.
67 Analisi della varianza con Disegno Misto ESEMPIO DI UN PROBLEMA RISOLVIBILE ATTRAVERSO UN AOV CON DISEGNO MISTO Si supponga di voler misurare l effetto di tre diversi trattamenti somministrati ad un campione comprendente maschi e femmine. La situazione può essere così rappresentata: Maschi Femmine TRATTAMENTI A B C
68 Analisi della varianza con Disegno Misto LE DOMANDE DI RICERCA Effetto principale del fattore within Esiste un effetto trattamento? Complessivamente i soggetti rispondono in maniera diversa a seconda del trattamento? Effetto principale del fattore between Esiste un effetto genere? Complessivamente i maschi rispondono in maniera diversa rispetto alle femmine? Interazione tra fattore within e between Esistono dei legami tra il tipo di trattamento e il genere dei soggetti? Le differenze tra i maschi e le femmine sono costanti o variano a seconda del tipo di trattamento?
69 Analisi della varianza con Disegno Misto IL MODELLO DI ANALISI Il modello da adattare ai dati sarà un modello di analisi della varianza a disegno misto 3 2 con: variabile dipendente: le risposte dei soggetti un fattore within a 3 livelli: trattamento (A, B, C) un fattore between a 2 livelli: sesso (Maschi vs. Femmine)
70 Analisi della varianza con Disegno Misto in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Modello lineare generalizzato. 3. Selezionare l opzione Misure Ripetute. 4. Nella finestra Definisci Fattori inserire i nomi dei fattori within ed il rispettivo numero di livelli. Cliccare Definisci. 5. Inserire le variabili within in modo appropriato rispetto le definizioni dei fattori fatte al punto Selezionare i fattori between e le eventuali covariate. 7. Cliccare OK!
71 Analisi della varianza con Disegno Misto in SPSS A due gruppi, uno sottoposto a una condizione stressante (gruppo sperimentale) ed uno sottoposto ad una condizione neutra (gruppo di controllo), vengono letti tre brani di crescente difficoltà. Dopo la lettura di ciascun brano vengono poste ai soggetti 10 domande di comprensione del testo e viene rilevato il numero di risposte corrette. Si vogliono studiare i seguenti aspetti: ESEMPIO PRATICO (V) la difficoltà dei brani ha un effetto sul numero di risposte corrette? il gruppo sottoposto ad una condizione di stress risponde complessivamente in maniera diversa rispetto al gruppo di controllo? esiste un interazione tra la difficoltà dei brani ed il livello di stress (le differenze tra i due gruppi sono costanti per i tre livelli di difficoltà dei brani)? Nota: i dati sono contenuti nel file stress.sav
72 Analisi della varianza con Disegno Misto in SPSS IL MODELLO DI ANLISI Il modello da applicare sarà un modello di analisi della varianza a disegno misto 3 2 con: variabile dipendente: il numero di risposte corrette un fattore within a 3 livelli: difficoltà del brano (1,2,3) un fattore between a 2 livelli: gruppo (sperimentale vs. controllo)
73 Analisi della varianza con Disegno Misto in SPSS Misura: MEASURE_1 CONTROLLO DELL IPOTESI DI SFERICITA Test di sfericità di Mauchly b Effetto entro soggetti difficol Approssima zione W di Mauchly chi-quadrato df Sig La sfericità non è soddisfatta. Bisognerà adottare un criterio correttivo.
74 Analisi della varianza con Disegno Misto in SPSS RISULTATI DELL ANALISI DELLA VARIANZA CON DISEGNO MISTO Effetto siginificativo fattore within. del Effetto siginificativo dell interazione tra il fattore within e quello between
75 Analisi della varianza con Disegno Misto in SPSS RISULTATI DELL ANALISI DELLA VARIANZA CON DISEGNO MISTO Effetto significativo del fattore between.
76 Analisi della varianza con Disegno Misto in SPSS INTERPRETAZIONE GRAFICA DEI RISULTATI
77 Analisi della varianza con Disegno Misto in SPSS L analisi condotta ha messo in evidenza i seguenti aspetti: emerge un effetto significativo del fattore within difficoltà (F 1.507, = ; p<0.05); emerge un effetto significativo del fattore between gruppo (F 1.507, =5.861 ; p<0.05); emerge un effetto significativo dell interazione tra il fattore within e il fattore within (F 1,18 =9.227 ; p<0.05). Si può quindi concludere che: CONCLUSIONI la difficoltà del brano influenza il numero di risposte corrette; i due gruppi differiscono sulla base del numero di riposte corrette; le differenze tra i due gruppi non sono costanti per i tre livelli di difficoltà dei brani; in particolare si può notare che nella condizione alta difficoltà dei brani, la differenza tra i due gruppi è molto maggiore rispetto a quelle che si registrano nelle condizioni media e bassa difficoltà.
78 Analisi della varianza COSA FARE QUANDO LE ASSUNZIONI PER L ANALISI DELLA VARIANZA NON SONO SODDISFATTE? Se le assunzioni per l analisi della varianza non sono soddisfatte, cioè ad esempio: la variabile dipendente non è quantitativa ma è su scala ordinale; la variabile dipendente non è distribuita normalmente; la numerosità campionaria è ridotta. E POSSIBILE ADOTTARE UN APPROCCIO NON PARAMETRICO
79 I vantaggi dell approccio Nonparametrico Le tecniche non-parametriche, che si basano sui ranghi e non sui valori originali come le tecniche parametriche, presentano i seguenti principali vantaggi: sono distribution-free, cioè indipendenti dalla distribuzione campionaria della variabile dipendente; sono particolarmente indicate nei casi di ridotta numerosità campionaria.
80 Alternative Non-parametriche all analisi della varianza con fattore between NUMERO DI LIVELLI DEL FATTORE BETWEEN due due o più di due ANALISI PARAMETRICA test t per campioni indipendenti analisi della varianza ad un fattore between ANALISI NON- PARAMETRICA test di Mann-Whitney test di Kruskal-Wallis
81 Alternative Non-parametriche all analisi della varianza a misure ripetute con fattore within NUMERO DI LIVELLI DEL FATTORE WITHIN due ANALISI PARAMETRICA test t per campioni appaiati ANALISI NON- PARAMETRICA test di Wilcoxon due o più di due analisi della varianza a misure ripetute test di Friedman
82 Alternative Non-parametriche all analisi della varianza a misure ripetute con fattore within (variabile dipendente dicotomica) NUMERO DI LIVELLI DEL FATTORE WITHIN ANALISI PARAMETRICA ANALISI NON- PARAMETRICA due - test di McNemar due o più di due - test di Cochran
83 L approccio Non-parametrico in SPSS 1. Selezionare il menù Analizza. 2. Selezionare l opzione Test non parametrici. 3. Selezionare l opzione che si intende utilizzare. 4. Selezionare le variabili di interesse in modo appropriato. 5. Cliccare OK!
84 Mi conviene usare le tecniche parametriche o quelle non parametriche? Quando le assunzioni per l analisi della varianza sono soddisfatte, l approccio parametrico è più potente (migliore) di quello non-parametrico. Nel caso in cui le assunzioni per l analisi della varianza sono dubbie, è conveniente utilizzare sia l approccio parametrico che quello nonparametrico e confrontare i risultati.
85 Per approfondimenti Per approfondire le tecniche di Analisi della Varianza si consigliano i seguenti testi: Using Multivariate Statistics (5th edition) Barbara G. Tabachnick & Linda S. Fidell, 2007 Pearson Education Applied Multivariate Statistics For The Social Sciences, Fourth Edition James P. Stevens, 2002 LEA, Publishers
Analisi 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
DettagliESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.
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
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
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 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 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.
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
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
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
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
DettagliInferenza statistica II parte
Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente
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
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
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
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
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.
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
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
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:
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
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
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. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
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
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
DettagliR 2 1 j /n j] 3(n+1)
L ANALISI DELLA VARIANZA A RANGHI AD UNA VIA DI KRUSKAL-WALLIS Quando le assunzioni per l analisi della varianza parametrica non sono soddisfatte si può ricorrere ad una alternativa non parametrica per
DettagliI TEST STATISTICI. dott.ssa Gabriella Agrusti
I TEST STATISTICI dott.ssa Gabriella Agrusti Dulcis in fundo.. come scegliere un test statistico in base all ipotesi come stabilire se due variabili sono associate (correlazione di Pearson) come stabilire
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
DettagliInferenza statistica
Inferenza statistica Marcella Montico e Lorenzo Monasta Servizio di epidemiologia e biostatistica Inferenza statistica: insieme di metodi che permette di generalizzare i risultati ottenuti dai dati raccolti
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
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
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
DettagliTest d ipotesi. Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona. Ipotesi alternativa (H 1 )
Test d ipotesi Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Nel 900 falsificazione di ipotesi (Karl Popper) TEST D IPOTESI Nell 800 dimostrazione di ipotesi
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
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
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
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
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
DettagliEsercizi riassuntivi di Inferenza
Esercizi riassuntivi di Inferenza Esercizio 1 Un economista vuole stimare il reddito medio degli abitanti di una cittadina mediante un intervallo al livello di confidenza del 95%. La distribuzione del
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
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
DettagliTEST NON PARAMETRICO DI MANN-WHITNEY
TEST NON PARAMETRICO DI MANN-WHITNEY Questo test viene può essere utilizzato come test di confronto tra due campioni in maniera analoga ai test ipotesi parametrici di confronto medie (test Z se la varianza
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
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
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
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
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
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....................
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
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
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,
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
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
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
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
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
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
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
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
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
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
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
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 campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliFacoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 2012
Facoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 01 Esercizio 1. Con riferimento a due variabili dicotomiche X e Y (con valori possibili 0 o 1) si definisca
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
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,
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
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
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
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
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)
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
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
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
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
DettagliA proposito di valutazione scolastica
A proposito di valutazione scolastica Livello scolare: 2 biennio Abilità interessate Identificare situazioni che richiedono di rilevare lo stesso carattere su una unità statistica formata da 2 elementi,
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
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliParte 1 : Inferenza. *(richiami), **(parte 2), ***(cenni) ! Test d'ipotesi* ! Intervalli di confidenza* ! Test parametrici* ! Calcoli di potenza**
Parte 1 : Inferenza! Test d'ipotesi*! Intervalli di confidenza*! Test parametrici*! Calcoli di potenza**! Test non parametrici*** *(richiami), **(parte 2), ***(cenni) 27 marzo 2001 ... [omissis]... La
Dettagli1. Introduzione ai disegni sperimentali. 5. Analisi della regressione lineare. 6. Confronto tra proporzioni di due o più campioni indipendenti
BIOSTATISTICA 1. Introduzione ai disegni sperimentali 2. Un carattere quantitativo misurato in un campione: elementi di statistica descrittiva e inferenziale 3. Confronto tra medie di due campioni indipendenti
DettagliMISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni
Attendibilità Misurazione I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema è solo più evidente, non più grave. I costrutti che
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
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
Dettagli