Lezione 8. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 8. A. Iodice. Relazioni tra variabili

Transcript

1 Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 26

2 Outline () Statistica 2 / 26

3 Misura del legame Data una variabile doppia (X, Y ), la misura del legame che caratterizza le componenti X ed Y si definisce se X e Y sono mutabili correlazione se X e Y sono () Statistica 3 / 26

4 Interdipendenza e dipendenza Se le componenti di una variabile doppia (X, Y ) oggetto di studio rivestono lo stesso ruolo ai fini dell analisi si studia l interdipendenza tra X e Y. Se si vuole studiare, invece, l andamento della variabile Y rispetto ad X, si farà riferimento alla dipendenza di Y da X. Y si definisce variabile dipendente X si definisce variabile indipendente () Statistica 4 / 26

5 Frequenze condizionate () Statistica 5 / 26

6 Frequenze condizionate () Statistica 6 / 26

7 Frequenze relative condizionate La distribuzione delle frequenze relative condizionate della variabile A (k modalità) rispetto alla j sima modalità della variabile B (h modalità) si ottiene dividendo ciascun elemento dell j ma colonna (frequenza assoluta) per il rispettivo totale di di colonna n ij /n.j per i = 1,..., k. () Statistica 7 / 26

8 Frequenze relative condizionate La distribuzione delle frequenze relative condizionate della variabile B (h modalità) rispetto alla i sima modalità della variabile A (k modalità) si ottiene dividendo ciascun elemento dell i ma riga (frequenza assoluta) per il rispettivo totale di riga n ij /n i. per j = 1,..., h. () Statistica 8 / 26

9 Esempio di tabella a doppia entrata Si consideri di aver registrato la meta del viaggio e il mezzo di trasporto di un collettivo di 592 persone. I risultati sono raccolti nella seguente tabella occhi/capelli Italia Spagna P ortogallo F rancia T ot macchina aereo treno nave T ot () Statistica 9 / 26

10 Distribuzioni relative condizionate Frequenze condizionate della variabile destinazione rispetto alle modalità della variabile mezzo mezzo/destinazione Italia Spagna P ortogallo F rancia T ot macchina aereo treno nave Frequenze condizionate della variabile mezzo rispetto alle modalità della variabile destinazione mezzo/destinazione Italia Spagna P ortogallo F rancia macchina aereo treno nave T ot () Statistica 10 / 26

11 e distribuzioni condizionate Le componenti di una variabile doppia (X, Y ) sono indipendenti se le distribuzioni di frequenze relative condizionate Y X e X Y sono costanti. Formalmente dovrà risultare per Y X e per X Y n i1 n.1 = n i2 n.2 = n i3 n.3 =... = n ih n.h n 1j n 1. = n 2j n 2. = n 3j n 3. =... = n kj n k. () Statistica 11 / 26

12 Si supponga che nel precedente esempio sia stata osservata la seguente distribuzione doppia. mezzo/destinazione Italia Spagna P ortogallo F rancia T ot macchina aereo treno nave T ot () Statistica 12 / 26

13 In questo caso le frequenze condizionate della variabile destinazione rispetto alle modalità della variabile mezzo mezzo/destinazione Italia Spagna P ortogallo F rancia T ot macchina aereo treno nave T ot Mentre le frequenze condizionate della variabile mezzo rispetto alle modalità della variabile destinazione mezzo/destinazione Italia Spagna P ortogallo F rancia T ot. macchina aereo treno nave T ot () Statistica 13 / 26

14 Se le componenti di una variabile doppia (X, Y ) sono indipendenti (le distribuzioni di frequenze relative condizionate Y X e X Y sono costanti), allora vale la seguente relazione ˆn ij = n i.n.j n.. con i = 1,..., k; j = 1,..., h Pertanto, data una distribuzione doppia di frequenze, il legame tra le due componenti (mutabile) varierà tra una situazione di indipendenza (assenza di legame) e un qualche grado di () Statistica 14 / 26

15 Indice quadratico di (X 2 ) Gli indici per la misura della connessioni sono basati sulle differenze tra le frequenze osservate sul collettivo n ij e le frequenze teoriche ˆn ij, che si osserverebbero sul collettivo se le mutabili considerate fossero indipendenti. Indice quadratico di (X 2 ) è dato dalla seguente relazione X 2 = k i=1 j=1 h (n ij ˆn ij ) 2 ˆn ij in caso di indipendenza, essendo n ij = ˆn ij, risulta X 2 = 0 il massimo valore dell indice è dato dalla seguente espressione: n min(k 1, h 1) () Statistica 15 / 26

16 Indice quadratico di (X 2 ) Per calcolare l indice quadratico di che caratterizza le mezzo e destinazione, con distribuzione congiunta di frequenze n ij : mezzo/destinazione Italia Spagna P ortogallo F rancia T ot. macchina aereo treno nave T ot si deve calcolare la distribuzione di frequenze che si osserverebbero in caso di indipendenza ˆn ij : mezzo/destinazione Italia Spagna P ortogallo F rancia T ot. macchina aereo treno nave T ot () Statistica 16 / 26

17 Indice quadratico di (X 2 ) ( n ij ˆn ij ) 2 ˆn ij : mezzo/destinazione Italia Spagna P ortogallo F rancia macchina aereo treno nave L indice X 2 è dato dunque dalla somma degli elementi in tabella k h X 2 (n ij ˆn ij ) 2 = = i=1 j=1 ˆn ij = () Statistica 17 / 26

18 Indice ν di Cramer avendo definito n min(k 1, h 1) come valore massimo che X 2 può assumere, è possibile ottenere una versione normalizzata dell indice di. Viene definito indice ν di Cramer. X ν = 2 n min(k 1, h 1) con k e h numero di modalità delle componenti della mutabile doppia. L indice è normalizzato, quindi 0 ν 1. () Statistica 18 / 26

19 Indice ν di Cramer Con riferimento ai dati dell esercizio, si ha che X 2 = , n = 592, h = 4 e k = 4 X ν = 2 n min(k 1, h 1) = min(3, 3) = 0.28 () Statistica 19 / 26

20 Connessione in media Data una distibuzione doppia di un carattere misto (X, Y ), si dir che la componente Y indipendente in media da X se al variare delle modalità di X le medie condizionate di X rimangono costanti (vale il viceversa). Il fatto che Y sia indipendente in media da X non implica che sia vero il contrario (come invece accade per l indipendenza in distribuzione). µ y = y = 1 h y j n.j n j=1 Rappresenta la media di Y e si ottiene considerando la distribuzione marginale di Y. y i = y x i = 1 h y j n ij n i. j=1 Rappresenta la media di Y condizionata alla i ma modalità della variabile X. () Statistica 20 / 26

21 Connessione in media Data una distibuzione doppia di un carattere misto (X, Y ), si dir che la componente Y indipendente in media da X se al variare delle modalità di X le medie condizionate di X rimangono costanti (vale il viceversa). Il fatto che Y sia indipendente in media da X non implica che sia vero il contrario (come invece accade per l indipendenza in distribuzione). µ y = y = 1 h y j n.j n j=1 Rappresenta la media di Y e si ottiene considerando la distribuzione marginale di Y. y i = y x i = 1 h y j n ij n i. j=1 Rappresenta la media di Y condizionata alla i ma modalità della variabile X. () Statistica 20 / 26

22 Decomposizione della devianza Ricordando che la devianza il numeratore della varianza... Dev y = k i=1 j=1 h (y j y) 2 n ij = inserire ±y i k h {}}{ k h = (y j y i + y i y) 2 n ij = (y j y i + y i y) 2 n ij = }{{}}{{} i=1 j=1 i=1 j=1 (a+ b) 2 k h k h = (y j y i ) 2 n ij + (y i y) 2 n ij + i=1 j=1 i=1 j=1 }{{}} {{ } a 2 + b 2 + k h +2 (y j y i )(y i y)n ij } i=1 j=1 {{ } +2ab () Statistica 21 / 26

23 Decomposizione della devianza devianza di Y x i =n {}}{ i. {}}{ k h k h = (y j y i ) 2 n ij + (y i y) 2 n ij + i=1 j=1 i=1 j=1 k h + 2 (y i y) (y j y i )n ij = i=1 j=1 } {{ } =0 k k = [Dev(Y X = x i )] + (y i y) 2 n i. = i=1 = Dev(W ) + Dev(B) i=1 () Statistica 21 / 26

24 Rapporto di correlazione di Pearson (η 2 ) Dev(W ) rappresenta la varianza all interno dei gruppi definiti dalle modalità di X. Dev(B) rappresenta invece la tà tra i gruppi: ovvero la tà delle medie condizionate rispetto alla media generale. Se Y indipendente in media da X, allora le medie condizionate y i saranno tutte costanti, la tà ad esse associate sar uguale a zero. In particolare risulterà Dev(B) = 0 quindi Dev(Y ) = Dev(W ) + 0 Quindi, per quantificare la dipendenza in media di Y da X occorre un indice basato su Dev(B). η 2 = Dev(B) Dev(Y ) () Statistica 22 / 26

25 Calcolo del rapporto di correlazione: valori in classi Si consideri l esempio della variabile doppia reddito/zona di provenienza [10,15) [15,20) [20,25) [25,30] Tot. Nord Centro Sud Tot () Statistica 23 / 26

26 Calcolo del rapporto di correlazione Ai fini del calcolo del rapporto di correlazione necessario calcolare la devianza totale della variabile Dev(Y ) e la devianza tra le classi Dev(B) (ovvero la devianza tra le medie condizionate Y X = x i, i = 1, 2,..., k e la media globale). Dunque µ(y ) = 1 ( ) + ( ) ( ) + (27.5 6) = () Statistica 24 / 26

27 Calcolo del rapporto di correlazione µ(y x i = Nord) = 1 (12.5 0) + (17.5 7) ( ) + (27.5 5) = µ(y x i = Centro) = 1 (12.5 1) + ( ) (22.5 5) + (27.5 1) = 18.7 µ(y x i = Sud) = 1 ( ) + (17.5 1) (22.5 0) + (27.5 0) = () Statistica 25 / 26

28 Calcolo del rapporto di correlazione dev(y ) = ( ) ( ) ( ) ( ) 2 6 = dev(b) = ( ) ( ) ( ) 2 32 = η 2 = dev(b) dev(y ) = = 0.76 () Statistica 26 / 26