Principi di analisi causale Lezione 4

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Principi di analisi causale Lezione 4"

Transcript

1 Anno accademico 2007/08 Principi di analisi causale Lezione 4 Docente: prof. Maurizio Pisati Stima di effetti causali Supponiamo di volere stimare l effetto esercitato dalla variabile causale di interesse X sulla variabile dipendente y Supponiamo, inoltre, che entrambe le variabili siano dicotomiche, cioè possano assumere solo valore 1 o 2 1

2 Stima di effetti causali In questo caso, l effetto di interesse può essere espresso mediante il coefficiente d, che equivale alla differenza di probabilità quando sia X che y sono dicotomiche Il coefficiente d può essere usato per esprimere tre tipi di effetto di X su y Effetto bivariato Effetto bivariato di X su y: è l effetto che X risulta esercitare su y quando non si tengono sotto controllo altre variabili d Xy = Pr( y = 2 X = 2) Pr( y = 2 X = 1) 2

3 Effetto condizionato Effetto condizionato di X su y: è l effetto che X risulta esercitare su y quando la variabile di controllo Z è fissata a un dato valore z d Xy Z= z = Pr( y = 2 X = 2, Z = z) Pr( y = 2 X = 1, Z = z) Effetto netto Effetto netto di X su y: è l effetto che X risulta esercitare su y al netto degli effetti esercitati dalla variabile di controllo Z Se per semplicità assumiamo che Z è dicotomica, allora: d d = 1 Pr( Z= 1) + d 2 Pr( Z Xy. Z= Xy Z Xy Z= = 2) 3

4 Supponiamo di volere controllare empiricamente l ipotesi secondo la quale, nonostante il crescente distacco fra la sfera religiosa e la sfera pubblica, la Chiesa cattolica continua a esercitare una certa influenza sugli atteggiamenti dei propri fedeli nei confronti di alcuni temi di rilevanza sociale In particolare, supponiamo di ipotizzare che i cattolici, in virtù del carattere di sacralità attribuito a ogni vita umana dalla loro religione, considerino con minore favore (rispetto ai non cattolici) la pena di morte 4

5 TAB. 1. Atteggiamento verso la pena di morte, secondo il senso di appartenenza alla Chiesa cattolica (percentuali di colonna) Atteggiamento verso la pena di morte ( y) Senso di appartenenza alla Chiesa cattolica ( X) Basso o nullo Medio o alto Totale Contrario 48,1 30,1 35,0 Favorevole 51,9 69,9 65,0 Totale 100,0 100,0 100,0 (N) (270) (730) (1.000) d Xy = 0,699 0,519 = 0,180 Il valore assunto dal coefficiente d Xy ci dice che, a livello bivariato, esiste un associazione positiva fra l appartenenza alla Chiesa cattolica e la probabilità di essere favorevole alla pena di morte Precisamente, i cattolici esibiscono una propensione a essere favorevoli alla pena di morte che supera di 18 punti percentuali quella esibita dai non cattolici 5

6 Di fronte a questo risultato, i casi possibili sono due: La nostra ipotesi è falsa L effetto bivariato di X su y contiene una componente spuria, cioè non rappresenta correttamente il vero effetto causale esercitato da X su y Questo secondo caso si verifica quando esiste almeno una variabile antecedente Z che influisce causalmente sia su X che su y La variabile «livello di istruzione» soddisfa questo requisito: da un lato diminuisce la probabilità di avere un senso di appartenenza alla Chiesa cattolica medio o alto; dall altro diminuisce la probabilità di essere favorevole alla pena di morte 6

7 TAB. 2. Atteggiamento verso la pena di morte, secondo il senso di appartenenza alla Chiesa cattolica e il livello di istruzione (percentuali di colonna) Istruzione medio-bassa (Z = 1) Istruzione elevata ( Z = 2) Atteggiamento verso la pena di morte (y ) Senso di appartenenza alla Chiesa cattolica (X) Basso o nullo Medio o alto Totale Senso di appartenenza alla Chiesa cattolica ( X) Basso o nullo Medio o alto Totale Contrario 10,0 24,3 22,4 70,6 85,7 75,0 Favorevole 90,0 75,7 77,6 29,4 14,3 25,0 Totale 100,0 100,0 100,0 100,0 100,0 100,0 (N) (100) (660) (760) (170) (70) (240) d = 0,757 0,900 = 0,143 = 0,143 0,294 = 0, 151 Xy Z= 1 d Xy Z= 2 Se calcoliamo la somma ponderata dei due effetti condizionati, otteniamo la seguente misura: d Xy. Z = d Xy Z = = 1 Pr( Z = 1) + d Xy Z 2 Pr( Z = 0,143(0,760) 0,151(0,240) = 0,145 = 2) 7

8 Il coefficiente d Xy.Z esprime l effetto netto di X su y, cioè l effetto esercitato da X su y al netto degli effetti esercitati dalla variabile Z Il valore assunto da tale coefficiente può essere interpretato come segue: a parità di livello di istruzione, l appartenenza alla Chiesa cattolica influisce negativamente ( 14,5 punti percentuali) sulla probabilità di essere favorevole alla pena di morte Se ci sono buone ragioni per ritenere che la variabile Z sia l unico fattore in grado di «alterare» la relazione bivariata fra X e y, allora il coefficiente d Xy.Z può essere interpretato come misura corretta (cioè priva di ogni componente spuria) dell effetto causale esercitato da X su y 8

9 In questo caso, la differenza fra l effetto bivariato di X su y (rappresentato dal coefficiente d Xy ) e il corrispondente effetto causale (rappresentato dal coefficiente d Xy.Z ) esprime l ammontare dell effetto spurio attribuibile a Z: d( Xy) Z = d Xy d Xy. Z = 0,180 ( 0,145) = 0,325 L effetto spurio risulta positivo ed è talmente forte da invertire a livello bivariato la direzione (negativa) seguita dal vero effetto causale 9

10 Istruzione Pena di morte Chiesa cattolica 10

Analisi causale a tre variabili Esercizi svolti

Analisi causale a tre variabili Esercizi svolti Analisi causale a tre variabili Esercizi svolti ESERCIZIO 1 La seguente tabella illustra la relazione osservata a livello bivariato fra la frequenza della preghiera (assunta come variabile indipendente)

Dettagli

Principi di analisi causale Lezione 3

Principi di analisi causale Lezione 3 Anno accademico 2007/08 Principi di analisi causale Lezione 3 Docente: prof. Maurizio Pisati Approccio causale Nella maggior parte dei casi i ricercatori sociali utilizzano la regressione per stimare l

Dettagli

Analisi della relazione fra due variabili qualitative Esercizi svolti

Analisi della relazione fra due variabili qualitative Esercizi svolti Analisi della relazione fra due variabili qualitative Esercizi svolti ESERCIZIO 1 La seguente tabella a doppia entrata illustra la relazione fra la situazione sentimentale attuale (assunta come variabile

Dettagli

L indagine campionaria Lezione 3

L indagine campionaria Lezione 3 Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato

Dettagli

Di che cosa parleremo questa settimana? Riferimenti Bibliografici

Di che cosa parleremo questa settimana? Riferimenti Bibliografici DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2015/2016 Metodologia della Ricerca Sociale e Valutativa (GLO) prof. Ferruccio Biolcati Rinaldi Sesta settimana TAVOLE DI CONTINGENZA Di che

Dettagli

SCOPO DELL ANALISI DI CORRELAZIONE

SCOPO DELL ANALISI DI CORRELAZIONE CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica

Dettagli

VARIABILI QUALITATIVE = CONTROLLO PER STRATIFICAZIONE:

VARIABILI QUALITATIVE = CONTROLLO PER STRATIFICAZIONE: ANALISI TRI-VARIATA Procedura logica e tecnico-operativa per l esplorazione dei nessi di dipendenza tra variabili, i cui fondamenti risalgono all impiego che ne fece É. Durkheim (cfr. Il suicidio- 1897)

Dettagli

Economia Politica e Istituzioni Economiche

Economia Politica e Istituzioni Economiche Economia Politica e Istituzioni Economiche Barbara Pancino Lezione 6 I mercati dei beni e i mercati finanziari: il modello IS-LM Il mercato dei beni e la curva IS L equilibrio sul mercato dei beni attraverso

Dettagli

ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE

ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE ESERCITAZIONE DI FINE CORSO ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE 1. Si prenda in esame la seguente tabella che riporta la suddivisione di una popolazione femminile per titolo di

Dettagli

PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA

PROCEDURE/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

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 6 Abbiamo visto: Definizione di popolazione, di campione e di spazio campionario Distribuzione

Dettagli

Esercitazioni di statistica

Esercitazioni 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

Dettagli

MATEMATICA LEZIONE 15 I MONOMI. (Prof. Daniele Baldissin) Un MONOMIO è il PRODOTTO di più FATTORI rappresentati da NUMERI e LETTERE.

MATEMATICA LEZIONE 15 I MONOMI. (Prof. Daniele Baldissin) Un MONOMIO è il PRODOTTO di più FATTORI rappresentati da NUMERI e LETTERE. MATEMATICA LEZIONE 15 ARGOMENTI 1) Definizione di monomio 2) Riduzione in forma normale 3) Monomi simili, interi e frazionari 4) Grado di un monomio I MONOMI (Prof. Daniele Baldissin) Un MONOMIO è il PRODOTTO

Dettagli

Distribuzioni di due variabili aleatorie

Distribuzioni di due variabili aleatorie Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili

Dettagli

Approccio statistico alla classificazione

Approccio statistico alla classificazione Approccio statistico alla classificazione Approccio parametrico e non parametrico Finestra di Parzen Classificatori K-NN 1-NN Limitazioni dell approccio bayesiano Con l approccio bayesiano, sarebbe possibile

Dettagli

L'analisi bivariata (associazione e cograduazione)

L'analisi bivariata (associazione e cograduazione) L'analisi bivariata (associazione e cograduazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi bivariata L analisi bivariata è un analisi delle relazioni tra due caratteristiche

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

Analisi bivariata. Il caso di caratteri qualitativi

Analisi bivariata. Il caso di caratteri qualitativi Analisi bivariata Il caso di caratteri qualitativi Pagina 337 Che cosa è l analisi bivariata? E lo studio congiunto di due caratteri Esempio nel caso di caratteri qualitativi: I valori delle celle derivano

Dettagli

Corso di Psicometria Progredito

Corso 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

Dettagli

Esercitazione. 24 Aprile 2012

Esercitazione. 24 Aprile 2012 Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più

Dettagli

Capitolo 3. Le correlazioni fra i rendimenti dei prestiti e la diversificazione di portafoglio.

Capitolo 3. Le correlazioni fra i rendimenti dei prestiti e la diversificazione di portafoglio. Capitolo 3. Le correlazioni fra i rendimenti dei prestiti e la diversificazione di portafoglio. 3.1 Introduzione. Il terzo tassello fondamentale per poter applicare la teoria di portafoglio è la stima

Dettagli

Parte I Identificazione di modelli dinamici. 6: Teoria della stima e caratteristiche degli stimatori. Parte I 6, 1

Parte I Identificazione di modelli dinamici. 6: Teoria della stima e caratteristiche degli stimatori. Parte I 6, 1 Parte I 6, 1 Parte I Identificazione di modelli dinamici 6: Teoria della stima e caratteristiche degli stimatori Generalita` Parte I 6, 2 In generale abbiamo: dove sono i dati osservati e` la quantita`

Dettagli

Minimi quadrati e massima verosimiglianza

Minimi quadrati e massima verosimiglianza Minimi quadrati e massima verosimiglianza 1 Introduzione Nella scorsa lezione abbiamo assunto che la forma delle probilità sottostanti al problema fosse nota e abbiamo usato gli esempi per stimare i parametri

Dettagli

Campionamento. Una grandezza fisica e' distribuita secondo una certa PDF

Campionamento. Una grandezza fisica e' distribuita secondo una certa PDF Campionamento Una grandezza fisica e' distribuita secondo una certa PDF La pdf e' caratterizzata da determinati parametri Non abbiamo una conoscenza diretta della pdf Possiamo determinare una distribuzione

Dettagli

Analisi bivariata Il caso di caratteri qualitativi

Analisi bivariata Il caso di caratteri qualitativi Analisi bivariata Il caso di caratteri qualitativi Che cosa è l analisi bivariata? E lo studio congiunto di due caratteri Esempio nel caso di caratteri qualitativi: I valori delle celle derivano dall analisi

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 07-Coefficienti di correlazione vers. 1.0 (29 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

LA DISTRIBUZIONE NORMALE o DI GAUSS

LA DISTRIBUZIONE NORMALE o DI GAUSS p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,

Dettagli

INFORMAZIONI. p. 1/23

INFORMAZIONI. p. 1/23 p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 25/02 14:30 Aula informatica (4 gruppi) Martedi 02/03 14:30 P50 Giovedi 04/03 14:30 Aula informatica (4 gruppi) Martedi 09/03 14:30 P50 p.

Dettagli

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si

Dettagli

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.

Matrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe. Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice

Dettagli

1 Alcuni risultati sulle variabili Gaussiane multivariate

1 Alcuni risultati sulle variabili Gaussiane multivariate Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor

Dettagli

Compiti tematici dai capitoli 2,3,4

Compiti tematici dai capitoli 2,3,4 Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica

Dettagli

Indipendenza, Dipendenza e interdipendenza

Indipendenza, Dipendenza e interdipendenza Indipendenza, Dipendenza e interdipendenza In analisi bivariata la tabella di contingenza consente di esaminare congiuntamente due variabili consente di rilevare le relazioni esistenti tra le variabili

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e Tecnologie della Comunicazione Lezione 11: data lin layer: codici di rilevazione di errore, gestione degli errori 1 La rilevazione di errore Un codice a rilevazione di errore ha lo scopo di permettere

Dettagli

Elettromagnetismo. Prof. Francesco Ragusa Università degli Studi di Milano. Lezione n

Elettromagnetismo. Prof. Francesco Ragusa Università degli Studi di Milano. Lezione n Elettromagnetismo Prof. Francesco Ragusa Università degli Studi di Milano Lezione n. 10 2.11.2016 Equazione di Poisson Metodo delle cariche immagine Anno Accademico 2016/2017 Equazione di Poisson Tramite

Dettagli

Elementi di teoria delle trasformazioni

Elementi di teoria delle trasformazioni Elementi di teoria delle trasformazioni LA STRUTTURA DI GRUPPO La struttura di gruppo Un gruppo è un insieme G in cui è definita una operazione ("leggere tondino") inoltre c a,b 2 G allora a b 2 G d 1

Dettagli

L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale

L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni

Dettagli

Corso in Statistica Medica

Corso in Statistica Medica Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico

Dettagli

Corso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 2015

Corso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 2015 Corso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 215 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994 Esercizio

Dettagli

Probabilità e Statistica

Probabilità e Statistica Cognome e Nome............................................................................... C. d. L.: GESL Anno di Corso: 1 2 3 altro Matricola....................................... Firma.......................................

Dettagli

Corso Integrato: Matematica e Statistica. Corso di Matematica (6 CFU)

Corso Integrato: Matematica e Statistica. Corso di Matematica (6 CFU) Corso di Laurea in Scienze e Tecnologie Agrarie Corso Integrato: Matematica e Statistica Modulo: Matematica (6 CFU) (4 CFU Lezioni + CFU Esercitazioni) Corso di Laurea in Tutela e Gestione del territorio

Dettagli

Rapporti e proporzioni

Rapporti e proporzioni Rapporti e proporzioni I rapporti In matematica la parola rapporto indica un quoziente. Può essere indicato da: - Una divisione, es. 9 6 - Una frazione - Un numero decimale, es. 1,5 Def. Il rapporto tra

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale

Dettagli

Il metodo statistico: prova dell ipotesi, intervallo di confidenza

Il metodo statistico: prova dell ipotesi, intervallo di confidenza Il metodo statistico: prova dell ipotesi, intervallo di confidenza Tratto con modifiche da : Buzzetti, Mastroiacovo. Le prove di efficacia in pediatria. 2000, UTET 1 Il problema Si supponga di voler verificare

Dettagli

Matematica Lezione 22

Matematica Lezione 22 Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,

Dettagli

CP110 Probabilità: esame del 20 giugno 2017

CP110 Probabilità: esame del 20 giugno 2017 Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una

Dettagli

Esercitazione III Soluzione

Esercitazione III Soluzione Esercitazione III Soluzione Esercizio 1 a) Frequenze congiunte assolute: n ij Reddito mensile Titolo di studio 1000-000 000-5000 5000-8000 Totale Laurea triennale 4 1 0 5 Laurea magistrale 1 4 7 Dottorato

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Alessandro Scopelliti.

Alessandro Scopelliti. Alessandro Scopelliti alessandro.scopelliti@unirc.it Il tasso di crescita ed il tasso di disoccupazione negli USA dal 1970 ad oggi Nel grafico precedente sono state riportate le variazioni del Pil e della

Dettagli

Aspettative, produzione e politica economica

Aspettative, produzione e politica economica Lezione 18 (BAG cap. 17) Aspettative, produzione e politica economica Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Prof. Alessandro Flamini, Universita di Pavia 2 Le aspettative e la

Dettagli

5. Analisi dei dati di output

5. Analisi dei dati di output Anno accademico 2008/09 Analisi dei dati di Output Y 1, Y 2,..., Y m : output della simulazione. Le variabili casuali Y 1, Y 2,..., Y m non sono in generale indipendenti Se supponiamo però di avere effettuato

Dettagli

METODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna

METODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna METODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna 18 marzo 2008 NOME 1. Parte A 1.1. Sono stati raccolti 7 dati relativi ad una variabile x. Si sa che 3 dati hanno valore 5; 2 dati

Dettagli

Tavola di mobilità: esempio

Tavola di mobilità: esempio Tavola di mobilità: esempio Destinazione sociale Origine sociale Classe superiore Classe media Classe inferiore Totale Classe superiore 160 30 10 200 Classe media 90 150 60 300 Classe inferiore 50 200

Dettagli

Crittografia ed Aritmetica Modulare IV incontro

Crittografia ed Aritmetica Modulare IV incontro Crittografia ed Aritmetica Modulare IV incontro PLS - CAM Padova, 7 novembre 2014 1 Aritmetica modulare Sia n un intero positivo fissato. Denotiamo con Z n = {0, 1, 2,..., n 1} l insieme delle classi resto

Dettagli

R. Cusani, F. Cuomo: Telecomunicazioni - DataLinkLayer: Gestione degli errori, Aprile 2010

R. Cusani, F. Cuomo: Telecomunicazioni - DataLinkLayer: Gestione degli errori, Aprile 2010 1 11. Data link layer: codici di rilevazione di errore, gestione degli errori La rilevazione di errore Un codice a rilevazione di errore ha lo scopo di permettere al ricevente di determinare se vi sono

Dettagli

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,

Dettagli

Tra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia

Tra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia Tra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia DAVIDE AZZOLINI e CARLO BARONE davide.azzolini@unitn.it; carlo.barone@unitn.it

Dettagli

Equazioni differenziali Problema di Cauchy

Equazioni differenziali Problema di Cauchy Equazioni differenziali Problema di Cauch Primo esempio - Risolvere l equazione '( ) = g( ) con g( ) :[ a, b] R continua Teor. fondamentale del calcolo integrale ( ) = + g ( t )dt Primo esempio - Osserviamo

Dettagli

SOLUZIONI. = x x x

SOLUZIONI. = x x x . Data la funzione a) scrivi qual è il dominio di f SOLUZIONI f ( b) scrivi quali sono gli intervalli in cui f( risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

lezione 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) 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,

Dettagli

) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,

) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2, Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)

Dettagli

Struttura Elettronica degli Atomi Meccanica quantistica

Struttura Elettronica degli Atomi Meccanica quantistica Prof. A. Martinelli Struttura Elettronica degli Atomi Meccanica quantistica Dipartimento di Farmacia 1 Il comportamento ondulatorio della materia 2 1 Il comportamento ondulatorio della materia La diffrazione

Dettagli

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##

Dettagli

per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione

per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti

Dettagli

Facoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA

Facoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA Facoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA Attività didattica CALCOLO DELLE PROBABILITA' [60/64/186] Periodo di svolgimento: Primo Semestre Docente titolare del

Dettagli

NOZIONI DI CALCOLO DELLE PROBABILITÀ

NOZIONI DI CALCOLO DELLE PROBABILITÀ NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni

Dettagli

Teoria e tecniche dei test

Teoria 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

Dettagli

Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r

Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r 1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione

Dettagli

8 Derivati dell entropia

8 Derivati dell entropia (F1X) Teoria dell Informazione e della Trasmissione 8 Derivati dell entropia Docente: Nicolò Cesa-Bianchi versione 23 marzo 2016 Siano X e Y due variabili casuali con valori in insiemi finiti X e Y. Detta

Dettagli

Capitolo VII. Il mercato del lavoro

Capitolo VII. Il mercato del lavoro Capitolo VII. Il mercato del lavoro 1 In questa lezione parleremo di: Mercato del lavoro in Italia Disoccupazione Determinazione dei salari e dei prezzi Equilibrio del mercato del lavoro e tasso naturale

Dettagli

INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA

INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria

Dettagli

12/10/2015. Prof. Giovanni Arduini Lezione n. 3. a.a. 2015/2016

12/10/2015. Prof. Giovanni Arduini Lezione n. 3. a.a. 2015/2016 Prof. Giovanni Arduini Lezione n. 3 a.a. 2015/2016 2 1 3 4 2 Differenza tra Accreditamento e Certificazione Accreditamento significa che un ente (organismo) autorevole riconosce formalmente che un'organizzazione

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. 70 3000 500 000 1500 1000 500 A B C D (a) Capitolo Terzo A B C D 500 1000 1500 000 5003000 3500 Fig. 1 - Ortogramma a colonne (a) e ortogramma a nastri (b) 4. MISURE DI ASSOCIAZIONE E DI COGRADUAZIONE

Dettagli

Chi non risolve esercizi non impara la matematica.

Chi non risolve esercizi non impara la matematica. 5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi

Dettagli

Analisi avanzate basate sulla regressione (Cap. 7)

Analisi avanzate basate sulla regressione (Cap. 7) Analisi avanzate basate sulla regressione (Cap. 7) AMD Marcello Gallucci marcello.gallucci@unimib.it Regressione Multipla A seconda dello status delle variabili indipendenti, possiamo differenziare diversi

Dettagli

270 Capitolo 10. Monomi. d ) 7 2 a3 x 4 y 2 per a = 1 2, x = 2, y = 1 2 ; e ) 8 3 abc2 per a = 3, b = 1 3, c = 1 2.

270 Capitolo 10. Monomi. d ) 7 2 a3 x 4 y 2 per a = 1 2, x = 2, y = 1 2 ; e ) 8 3 abc2 per a = 3, b = 1 3, c = 1 2. 70 Capitolo 10. Monomi 10.9 Esercizi 10.9.1 Esercizi dei singoli paragrafi 10.1 - L insieme dei monomi 10.1. Individua tra le espressioni letterali di seguito elencate, quelle che sono monomi. E 1 = 5x

Dettagli

Correzione secondo compitino, testo B

Correzione secondo compitino, testo B Correzione secondo compitino, testo B 7 aprile 2010 1 Parte 1 Esercizio 1.1. Tra le funzioni del vostro bestiario, le funzioni che più hanno un comportamento simile a quello cercato sono le funzioni esponenziali

Dettagli

PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE

PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA

Dettagli

` Ç áàxüé wxääë\áàüâé ÉÇx? wxääëhç äxüá àõ x wxäät e vxüvt

` Ç áàxüé wxääë\áàüâé ÉÇx? wxääëhç äxüá àõ x wxäät e vxüvt ESAME DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 2016 ` Ç áàxüé wxääë\áàüâé ÉÇx? wxääëhç äxüá àõ x wxäät e vxüvt M557 ESAME DI STATO DI ISTRUZIONE SECONDARIA SUPERIORE Indirizzi: LI02, EA02 SCIENTIFICO

Dettagli

è un monomio 2b 4 a non sono monomi

è un monomio 2b 4 a non sono monomi Definizione e caratteristiche Un monomio è un espressione algebrica letterale nella quale: gli esponenti delle lettere sono solo numeri naturali fra le lettere ci sono solo operazioni di moltiplicazione

Dettagli

Sezione 9.9. Esercizi 189

Sezione 9.9. Esercizi 189 Sezione 9.9. Esercizi 189 9.9 Esercizi 9.9.1 Esercizi dei singoli paragrafi 9.1 - L insieme dei monomi 9.1. Individua tra le espressioni letterali di seguito elencate, quelle che sono monomi. E 1 = 5x

Dettagli

LUISS Laurea specialistica in Economia e Finanza Anno Accademico 2010/2011

LUISS Laurea specialistica in Economia e Finanza Anno Accademico 2010/2011 LUISS Laurea specialistica in Economia e Finanza Anno Accademico 1/11 Corso di Metodi Matematici per la Finanza Prof. Fausto Gozzi, Dr. Davide Vergni Soluzioni esercizi 4,5,6 esame scritto del 13/9/11

Dettagli

V = 8. e quindi tale funzione non va bene perché non soddisfa V 13. La funzione f deve avere la forma. (1 x ) 1 k. f(x)dx = 16k.

V = 8. e quindi tale funzione non va bene perché non soddisfa V 13. La funzione f deve avere la forma. (1 x ) 1 k. f(x)dx = 16k. Problemi Problema ) ) La funzione f(x) deve soddisfare f(±) =, f() = e f ( + ) tan π, 76, ove π esprime in radianti un angolo di gradi e f ( + ) indica la derivata destra di f in. Inoltre il volume V del

Dettagli

Università del Salento Facoltà di Scienze Matematiche Fisiche e Naturali. Matematica e Fisica

Università del Salento Facoltà di Scienze Matematiche Fisiche e Naturali. Matematica e Fisica Università del Salento Facoltà di Scienze Matematiche Fisiche e Naturali Test d INGRESSO Matematica e Fisica 2017-2018 A 1. In un parallelogramma due lati consecutivi sono lunghi a e b e l angolo tra essi

Dettagli

MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI

MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI ANALISI DELLA CORRELAZIONE MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI VINCOLI CHE SI IMPONGONO ALLA SUA UTILIZZAZIONE: LA RELAZIONE

Dettagli

Economia Monetaria. La Curva di Phillips e il Tasso Naturale di Disoccupazione

Economia Monetaria. La Curva di Phillips e il Tasso Naturale di Disoccupazione Economia Monetaria CLEF 14 2007-08 La Curva di Phillips e il Tasso Naturale di Disoccupazione versione 5 Maggio 2008 Fino al 1959, la dottrina Keynesiana suggeriva che fosse possibile ridurre la disoccupazione

Dettagli

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,

Dettagli

, B con probabilità 1 4 e C con probabilità 1 4.

, B con probabilità 1 4 e C con probabilità 1 4. Laurea triennale in MATEMATICA, Corso di PROBABILITÀ Prof. L. Bertini - G. Nappo - F. Spizzichino Esonero del 0.06.00 N.B. Scrivere le soluzioni degli esercizi su questi fogli giustificando brevemente

Dettagli

1.Pressione di un Gas

1.Pressione di un Gas 1.Pressione di un Gas Un gas è formato da molecole che si muovono in modo disordinato, urtandosi fra loro e urtando contro le pareti del recipiente che le contiene. Durante gli urti, le molecole esercitano

Dettagli

Lezione 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 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

Dettagli

La spesa aggregata 1

La spesa aggregata 1 1 La spesa aggregata La spesa aggregata In un economia aperta, la spesa aggregata è divisa in consumi (C) investimenti (I), spesa pubblica (G) ed esportazioni nette (NX). La somma di queste quattro componenti

Dettagli

CAPITOLO 11 ANALISI DI REGRESSIONE

CAPITOLO 11 ANALISI DI REGRESSIONE VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire

Dettagli

DOCUMENTO CONTENENTE LE INFORMAZIONI CHIAVE

DOCUMENTO CONTENENTE LE INFORMAZIONI CHIAVE DOCUMENTO CONTENENTE LE INFORMAZIONI CHIAVE Scopo Il presente documento contiene informazioni chiave relative a questo prodotto d investimento. Non si tratta di un documento promozionale. Le informazioni,

Dettagli

ANALISI 1 1 SEDICESIMA - DICIASETTESIMA LEZIONE Serie

ANALISI 1 1 SEDICESIMA - DICIASETTESIMA LEZIONE Serie ANALISI 1 1 SEDICESIMA - DICIASETTESIMA LEZIONE Serie 1 prof. Claudio Saccon, Dipartimento di Matematica Applicata, Via F. Buonarroti 1/C email: saccon@mail.dm.unipi.it web: http://www2.ing.unipi.it/ d6081/index.html

Dettagli

Esercitazione 1. 6 Marzo 2019

Esercitazione 1. 6 Marzo 2019 Esercitazione 1 6 Marzo 019 Esercizio 1 Su un collettivo di 100 appartamenti ubicati nella stessa zona della città vengono rilevati i seguenti caratteri: X 1 affitto mensile pagato dal locatario (in Euro)

Dettagli

deve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).

deve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1). Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n

Dettagli