errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento
|
|
- Gino Bernardi
- 8 anni fa
- Visualizzazioni
Transcript
1 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 sogg. tratt. popolazione varianza dovuta ai soggetti trattamento errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) Nel disegno con 1 fattore ripetuto con 2 o più livelli (ossia gli stessi soggetti ripetuti due o più volte), il modello dell analisi della varianza è diverso rispetto a quello a una via per campioni indipendenti. Nel modello a una via a misure ripetute, la varianza del punteggio osservato è data non solo dall effetto della variabile indipendente, ma anche dalle differenze individuali (fattore soggetto) e dall interazione soggetto trattamento. La varianza d errore è data dall interazione oltre che dall errore casuale.
2 L interazione sogg. tratt. determina se l effetto della var. indip. è costante, oppure no per tutti i soggetti. effetto costante peri soggetti nel tempo: soggetto 1 soggetto 2 soggetto 2 effetto variabile per i soggetti nel tempo: soggetto 1 soggetto 2 soggetto 2
3 Esempio: Ricerca di Blanchard e coll. (1978) I ricercatori volevano stabilire se una data tecnica di rilassamento fosse in grado di ridurre il livello di emicrania nelle persone. sono stati selezionati 9 soggetti affetti da emicrania. Per 2 settimane, prima del trattamento (baseline), sono stati misurati (in ore per settimana) le durate delle emicranie. Nelle 3 settimane successive è stata applicata la tecnica di rilassamento. Soggetti I sett. II sett. III sett. IV sett. V sett. medie , , , , , , , ,2 medie 22, ,333 5,778 6,778 media globale: 13,244
4 inserimento dati per ANOVA con 1 fattore within: bisogna creare tante colonne, una per ciascun livello o fase di trattamento.
5 scelta del tipo di analisi: analisi da scegliere quando sia devono fare ANOVE e misure ripetute o miste
6 definizione dei fattori within e scelta delle variabili: fatt. within fatt. between
7
8 Fattori entro soggetticc Mis ura: MEASURE_1 settimana Variabile dipendente sett_1 sett_2 sett_3 sett_4 sett_5 num. livelli fatt. within e colonne variabili associate Effetto settimana Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy a. Statistica esatta b. Disegno: Intercetta Disegno entro s oggetti: s ettimana Test multivariati b Gradi di libertà Eta quadrato Valore F Ipotes i df dell'errore Sig. parziale a a a a indici di impatto della variabile indipendente sulla variabile dipendente
9 Il test della sfericità Se si calcolano le varianze dei punteggi dei soggetti per ciascun livello del fattore e le covarianze dei punteggi tra i livelli, si ottiene una matrice di varianze e covarianze. Nel nostro caso, la matrice di varianze e covarianze è: I sett. II sett. III sett. IV sett. V sett. I sett ,75 9,25 7,833 7,333 II sett. 11,75 28,5 13,75 16,375 13,375 III sett. 9,25 13,75 11,5 8,583 8,208 IV sett. 7,833 16,375 8,583 11,694 10,819 V sett. 7,333 13,375 8,208 10,819 16,945 Il test della sfericità valuta la simmetria composta della matrice di varianzecovarianze. Per sfericità composta si intende che le varianze (in rosso nella matrice) e le covarianze (i valori fuori dalla diagonale) siano tra loro omogenee. Se esiste una notevole disparità tra varianze o covarianze, allora l analisi della varianza deve essere corretta.
10 Test di Mauchly H 0 : sfericità non violata Misura: MEASURE_1 Test di sfericità di Mauchly b Effetto entro s oggetti settimana Appros s imaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geis ser Huynh-Feldt inferiore Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente tras formata 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 tes t s ugli effetti entro soggetti. b. Disegno: Intercetta Disegno entro s oggetti: s ettimana Se il test di Mauchly non è significativo, allora si può tranquillamente eseguire l analisi di varianza. Se risulta, invece, significativo, occorre aggiustare i gradi di libertà della statistica F. Le procedure per aggiustare i gdl sono: 1. Procedura di Greenhouse e Geisser (più conservatore) 2. Procedura di Huyn e Feldt (meno conservatore) il Limite Inferiore fa riferimento alla massima deviazione dalla sfericità. Il test della sfericità è un test molto conservativo.,dato che riduce la probabilità della statistica F. Il rischio della violazione dell assunzione di sfericità potrebbe implicare, se l effetto della var. indip. è debole, un esito negativo (F risulta non significativo) dell analisi di varianza.
11 tabella dei valori F per il fattore within: Test degli effetti entro soggetti Misura: MEASURE_1 Sorgente settimana Errore(settimana) Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Somma dei quadrati Media dei Tipo III df quadrati F Sig valori da considerare in caso di violazione della sfericità (test di Mauchly significativo)
12 Analisi del trend o dei contrasti (Trend analysis) Tale analisi serve per stabilire come varia lungo i livelli della var. indip. l effetto. Tale analisi descrive la forma dell effetto per i vari livelli del fattore. Test dei contrasti entro soggetti Misura: MEASURE_1 Sorgente settimana Errore(settimana) settimana Lineare Quadratico Cubico Ordine 4 Lineare Quadratico Cubico Ordine 4 Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale coefficienti: lin. -2,-1,0,1,2 quadr. -2,1,2,1,-2 cub. -1,1,0,-1,1 quart. 1,-2,2,-2,1 le somme dei coeff. danno sempre 0
13 finestra di output (grafico):
14 attacchi di emicrania grafico corretto: trattamento disegno quasisperimentale (disegno AB) baseline 0 sett. 1 sett. 2 sett. 3 sett. 4 sett. 5 numero settimane tabella dei fattori between: Test degli effetti fra soggetti Misura: MEASURE_1 Variabile trasformata: Media Sorgente Intercetta Errore Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale
15 Disegni fattoriali I disegni fattoriali sono quei disegni in cui vengono manipolate o selezionate due o più var. indip. Il vantaggio dei disegni fattoriali consiste soprattutto: 1. possibilità di verificare contemporaneamente l effetto di più variabili e la loro interazione 2. economicità in termini di numero di soggetti per verificare le ipotesi tipi di disegni fattoriali: 1. disegno fattoriale tra i soggetti (disegno con fattori between) B 1 B 2 a d n = 12 A 1 b e c g f j A 2 h k i l
16 2. disegno fattoriale entro i soggetti (disegno con fattori within) n = 3 B 1 B 2 a a A 1 b b c a c a A 2 b b c c 3. disegno fattoriale misto (disegno con fattori between e within) B 1 B 2 n = 6 a a A 1 b b c d c d A 2 e e f f
17 Nei disegni fattoriali abbiamo: 1. Gli effetti principali. L effetto principale è l effetto medie di una variabile in tutti i valori di un altra variabile. 2. L interazione. Indica l esistenza di un interazione tra due variabili. Due variabili interagiscono se l effetto di una variabile dipende dal livello dell altra. In altri termini, se l interazione tra due variabili è significativa, allora l effetto di una variabile è modulato da quello dell altra.
18 Solo con i disegni fattoriali è possibile studiare l interazione tra le variabili, e solo con l analisi della varianza è possibile verificare se l interazione è significativa o no. L interazione, quando è significativa, riduce la generalizzabilità dell effetto principale.
19 Disegno fattoriale con 2 fattori between Ricerca di Eysenck (1974). Nella sua ricerca, Eysenck oltre all effetto dovuto al tipo di elaborazione del materiale verbale, voleva verificare anche l effetto dell età sulla capacità di memorizzazione. Perciò nel suo esperimento partecipavano 50 soggetti di età tra i 18 e i 30 anni (giovani) e 50 soggetti di età tra i 55 e i 65 anni (anziani) soggetti conta rima aggettivo immagine intenzionale Medie II fatt anziani anni Medie 7 6, , , giovani anni Medie 6,5 7,6 14,8 17,6 19,3 13,16 Medie I fatt. 6,75 7,25 12,9 15,5 15,65
20 inserimento dati: var. dip. (misura) secondo fattore: età dei soggetti (1=55-65 anni); 2= anni) primo fattore: metodo di elaborazione (1=conta; 2=rima;3=aggettivo; 4=immagine; 5=intenzionale)
21 tipo di analisi:
22 scelta della var. dip. e dei fattori between: grafico:
23 livelli dei fattori e numero di soggetti per livello: Fattori tra soggetti 1=conta;2=rima;3= aggettivo;4=immag ine;5=intenzionale 1=55-65 anni; 2=18-30 anni N tabella delle statistiche F degli effetti principali (metodo ed età) e dell interazione: Variabile dipendente: parole ricordate (0-27) Sorgente Modello corretto Intercetta metodo eta metodo * eta Errore Totale Totale corretto Test degli effetti fra soggetti Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale a a. R quadrato =.729 (R quadrato corretto =.702) effetti principali interazione sia gli effetti principali che l interazione sono significativi
24 grafico:
25 medie delle risposte corrette interpretazione dei dati (disegno fattoriale tra i soggetti): effetti e interazione F p metodo 47,19 <.001 età 29,94 <.001 tipo x età 5,93 < anziani giovani cont rima agg imm int tipo di metodo elaborazione Combinando i risultati dell analisi di varianza con la rappresentazione grafica delle medie per i diversi livelli del primo fattore in relazione ai diversi gruppi, possiamo dire che il metodo di elaborazione influisce sulla capacità di memoria, tuttavia anche l età influisce, dato che, soprattutto per l elaborazione più profonda sono i giovani, rispetto agli anziani, a trarne maggior beneficio.
26 Disegno misto (1 fattore between e 1 fattore within) Un ricercatore vuole verificare l efficacia di tre metodi per smettere di fumare: 1. Il primo metodo consiste in una graduale diminuzione del numero di sigarette fumate 2. Il secondo metodo consiste nell immediata diminuzione del numero di sigarette 3. Il terzo metodo consiste nel seguire una terapia antifumo Il ricercatore divide un campione di 15 soggetti in 3 gruppi, uno per ciascun metodo, e poi chiede loro di valutare su una scala da 0 a 10 il desiderio di fumare propria ora sia quando stanno a casa, sia quando sono a lavoro. Il disegno è un disegno misto, perche abbiamo il tipo di metodo che implica soggetti diversi per ciascun livello (fattore metodo fattore between) e il luogo in cui i soggetti devono dichiarare il loro desiderio di fumare (fattore luogo fattore within).
27 Dati della ricerca: Casa Lavoro Medie I fatt. Metodo ,7 Metodo ,3 Metodo ,6 Medie II fatt. 5,47 3,6
28 inserimento dati: primo livello within secondo livello within I livello fattore between II livello III livello per ogni livello del fattore within va creata un apposita colonna di dati. I livelli del fattore between sono ripartiti per righe. La colonna del fattore between indica le righe che appartengono ad un dato livello del fattore between.
29 scelta del tipo di analisi:
30 definizione dei livelli del fattore within: scelta delle variabili (var. dip., fattore within e fattore between): forma grafico:
31 output dell analisi: Fattori tra soggetti N metodo numero livelli del fattore within e numerosità soggetti per livello effetto dei fattori within e dell interazione sulla var. dip. Test multivariati b Effetto luogo luogo * metodo a. Statistica esatta b. Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy Gradi di libertà Eta quadrato Valore F Ipotes i df dell'errore Sig. parziale a a a a a a a a Disegno: Intercetta+metodo Disegno entro s oggetti: luogo
32 Test di sfericità di Mauchly b Misura: MEASURE_1 Effetto entro s oggetti luogo Appros s imaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geis ser Huynh-Feldt inferiore Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente tras formata 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 tes t s ugli effetti entro soggetti. b. Disegno: Intercetta+metodo Disegno entro s oggetti: luogo tabella degli F per il fattore within e per l interazione: Test degli effetti entro soggetti il test di Mauchly è inutile in quanto il fattore within ha solo 2 livelli Misura: MEASURE_1 Sorgente luogo luogo * metodo Errore(luogo) Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale l effetto principale luogo è significativo l interazione non è significativa
33 analisi del trend: Test dei contrasti entro soggetti Misura: MEASURE_1 Sorgente luogo luogo * metodo Errore(luogo) luogo Lineare Lineare Lineare Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale tabella degli F per il fattore between: Misura: MEASURE_1 Variabile tras formata: Media Sorgente Intercetta metodo Errore Test degli effetti fra soggetti Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale l effetto principale è significativo
34 grafico:
35 tabella riassuntiva degli effetti principali e dell interazione (disegno fattoriale misto): desiderio di fumare effetti e interazione F p fattori between metodo 4,33 <.05 fattori within e interazioni luogo 44,80 <.001 luogo x metodo 2, interpretazione dei dati: l effetto principale metodo è significativo, nel senso che, tra i vari metodi, il metodo 3 (terapia antifumo) è quello più efficace nel ridurre il bisogno di fumare 2 0 lavoro casa met. 1 met. 2 met. 3 metodo antifumo L effetto principale luogo è significativo, nel senso che nel luogo di lavoro i soggetti sentono meno l esigenza di fumare L interazione non è significativa, quindi c è indipendenza tra gli effetti delle due var. indip.
36 Alcune cose da tenere a mente sull analisi di varianza: 1.solo l analisi di varianza permette il test dell interazione 2. evitare disegni troppo complessi, ad es. A B C D. Se l interazione per 4 fattori è significativa, occorre spiegarla. 3. per interpretare i dati correttamente, è necessario anche osservare l andamento delle medie (grafico delle medie) 4. attenzione ai fattori entro (within) o tra (between) i soggetti. Occorre applicare il modello corretto di varianza a seconda del tipo di fattore.
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE
ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE CON REPLICHE INTRODUZIONE Lo studio di un fenomeno non si deve limitareit alla valutazione dei singoli fattori in studio ma molto spesso è importante
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliStrumenti informatici 13.1
1 Strumenti informatici 1.1 I test post-hoc nel caso del confronto fra tre o più proporzioni dipendenti e la realizzazione del test Q di Cochran in SPSS Nel caso dei test post-hoc per il test Q di Cochran,
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliGeneral Linear Model. Esercizio
Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliLE ASSUNZIONI DELL'ANOVA
LE ASSUNZIONI DELL'ANOVA Sono le assunzioni del test t, ma estese a tutti i gruppi: o La variabile deve avere una distribuzione normale in tutte le popolazioni corrispondenti ai gruppi campionati o Le
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
DettagliAnalisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni
Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
DettagliNella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti
Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti finanziari in un contesto di flussi finanziari certi, tuttavia
Dettagli4. Confronto tra medie di tre o più campioni indipendenti
BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliDisegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)
INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliStrategie alternative ai metodi sperimentali
Strategie alternative ai metodi sperimentali 1. 2. I quasi-esperimenti (non sperimentali) prevedono la descrizione del fenomeno in esame. Il metodo descrive le variabili in esame, non prevede alcuna manipolazione
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
Dettagli13. Campi vettoriali
13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliAncora sull indipendenza. Se A e B sono indipendenti allora lo sono anche
Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliControlloCosti. Cubi OLAP. Controllo Costi Manuale Cubi
ControlloCosti Cubi OLAP I cubi OLAP Un Cubo (OLAP, acronimo di On-Line Analytical Processing) è una struttura per la memorizzazione e la gestione dei dati che permette di eseguire analisi in tempi rapidi,
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliTest non parametrici. Test non parametrici. Test non parametrici. Test non parametrici
Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLa statistica multivariata
Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliProf. Giuseppe Chiumeo. Avete già studiato che qualsiasi algoritmo appropriato può essere scritto utilizzando soltanto tre strutture di base:
LA STRUTTURA DI RIPETIZIONE La ripetizione POST-condizionale La ripetizione PRE-condizionale INTRODUZIONE (1/3) Avete già studiato che qualsiasi algoritmo appropriato può essere scritto utilizzando soltanto
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
Dettaglietà sesso luogo-abitazione scuola superiore esperienza insegnamento 1 2 2 2 1 2 2 2 2 2 1 2 3 2 2 2 1 2 4 2 2 2 1 2 5 3 2 2 1 2 6 2 2 2 1 2 7 3 2 1 1
età sesso luogo-abitazione scuola superiore esperienza insegnamento 1 1 1 3 1 4 1 5 3 1 6 1 7 3 1 1 8 3 1 9 3 1 10 3 1 11 3 1 1 1 13 4 1 1 14 3 1 15 1 16 1 17 1 18 1 19 1 0 1 1 1 1 3 3 1 4 1 Come analizzare
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
Dettagli1. RACCOLTA DEI DATI E FORMAZIONE DEI PRESENTANO, PER CIASCUNA DELLE DUE SOTTOGRUPPI GRANDEZZE (MEDIA ED ESCURSIONE), TRE
CARTE DI CONTROLLO LA CARTA DI CONTROLLO DI TIPO - R VIENE CARTE DI UTILIZZATA PER CONTROLLARE UNA VARIABILE MISURABILE DI UN PROCESSO CONSENTE CONTROLLO IL MONITORAGGIO SIA DELL'ANDAMENTO DEL VALOR MEDIO,
DettagliIl metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
DettagliIl riduttore di focale utilizzato è il riduttore-correttore Celestron f/ 6.3.
LE FOCALI DEL C8 Di Giovanni Falcicchia Settembre 2010 Premessa (a cura del Telescope Doctor). Il Celestron C8 è uno Schmidt-Cassegrain, ovvero un telescopio composto da uno specchio primario concavo sferico
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliANALISI DI CORRELAZIONE
ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso
DettagliConfronto tra gruppi (campioni indipendenti)
Confronto tra gruppi (campioni indipendenti) Campioni provenienti da una popolazione Normale con medie che possono essere diverse ma varianze uguali campioni: Test z or t sulla differenza tra medie 3,
DettagliCAPITOLO III CONFRONTI TRA DISTRIBUZIONI
CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di
DettagliGESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10. Angelo Bonomi
GESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10 Angelo Bonomi CONSIDERAZIONI SUL MONITORAGGIO Un monitoraggio ottimale dipende dalle considerazioni seguenti:
Dettagli1. Scopo dell esperienza.
1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
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 -
DettagliCodifiche a lunghezza variabile
Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliLa teoria dell offerta
La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliFUNZIONI DI IMPAGINAZIONE DI WORD
FUNZIONI DI IMPAGINAZIONE DI WORD IMPOSTARE LA PAGINA Impostare la pagina significa definire il formato del foglio e vari altri parametri. Per impostare la pagina occorre fare clic sul menu File e scegliere
Dettagli