3. Confronto tra medie di due campioni indipendenti o appaiati

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "3. Confronto tra medie di due campioni indipendenti o appaiati"

Transcript

1 BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.1

2 O APPAIATI SPECULARE UNIVERSO PARAMETRI PROGRAMMARE INFERIRE CAMPIONE STIMATORI DESCRIVERE MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.2

3 O APPAIATI Siamo interessati a valutare se due diete (A e B) determinano diversi incrementi del peso delle cavie con esse nutrite UNIVERSO PARAMETRI CAMPIONE STIMATORI MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.3

4 Siamo interessati a valutare se due diete (A e B) determinano diversi incrementi del peso delle cavie con esse nutrite UNIVERSO PARAMETRI PROGRAMMARE CAMPIONE STIMATORI Vengono scelti casualmente due campioni di 12 e 13 cavie ciascuno, ad ognuno di essi viene somministrata una delle due diete in studio dalla nascita fino all età di 3 mesi e ne vengono registrati gli incrementi di peso. I campioni sono indipendenti MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.4

5 CAMPIONE 1 CAMPIONE 2 STATISTICHE DESCRIVERE STATISTICHE STATISTICHE STATISTICHE n 1 = y i1 : generica i-esima osservazione del campione 1 (j =1) n 2 = 13 y i2 : generica i-esima osservazione del campione 2 (j =2) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.5

6 4 CAMPIONE s 1 = 4.24 y 1 = CAMPIONE 2 s 2 = y 2 = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.6

7 IPOTESI: I due campioni provengono dalla stessa popolazione di cavie e se potessimo misurare l intera popolazione sarebbe X ~ N(µ,σ 2 ) µ Media campionaria Noi non conosciamo nè la media µ nè la varianza σ 2, ma conosciamo i parametri campionari: y 1 y 2 medie s 1 s 2 Dev. standard n 1 n 2 numerosità MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.7

8 POPOLAZIONE campione 1 campione 2 Dieta A Dieta B n 1 = 12 y 1 = 60 s 1 = 4.24 n 2 = 13 y 2 = s 2 = 4.21 Ai due campioni assegniamo diete diverse. Le osservazioni ottenute sono ancora compatibili con l ipotesi che i due campioni provengono dalla stessa popolazione? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.8

9 SPECULARE UNIVERSO PARAMETRI PROGRAMMARE INFERIRE CAMPIONE STIMATORI DESCRIVERE MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.9

10 POPOLAZIONE BERSAGLIO Tutti i possibili campioni y 1 y 2 µ Media Medie campionaria campionarie δ = µ 2 - µ 1 = µ - µ =0 d = y 2 y 1 H 0 : δ=0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.10

11 POPOLAZIONE 1 (dieta A) (tutte le medie campionarie y 1 ) POPOLAZIONE 2 (dieta B) (tutte le medie campionarie y 2 ) Tutti i possibili campioni Tutti i possibili campioni y 1 y 2 µ 1 Le due distribuzioni hanno la stessa varianza δ = µ 2 - µ 1 µ 2 d = y 2 y 1 H 1 : δ = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.11

12 IN GENERALE δ = µ 1 - µ 2 µ 1 µ 2 POPOLAZIONE 1 POPOLAZIONE 2 n 1 = 12 y 1 = 60 s 1 = 4.24 n 2 = 13 y 2 = s 2 = 4.21 d = y 2 - y 1 = 3.77 La variabile di interesse non è più la media campionaria bensì la differenza tra medie campionarie MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.12

13 POPOLAZIONE BERSAGLIO (tutte le possibili differenze tra medie campionarie) Tutti i possibili campioni ignota d Differenze tra medie campionarie δ MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.13

14 Ipotesi nulla: H 0 : µ 1 = µ 2 δ = 0 Cosa succede sotto l ipotesi nulla? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.14

15 POPOLAZIONE BERSAGLIO (tutte le possibili differenze tra medie campionarie) Tutti i possibili campioni Questa situazione è compatibile con l ipotesi nulla? d δ = 0 Differenze tra medie campionarie MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.15

16 Situazione possibile d δ = 0 Situazione meno probabile d δ = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.16

17 Ipotesi nulla: H 0 : µ 1 = µ 2 δ = 0 L ipotesi nulla non può essere mai rigettata con assoluta certezza! Dobbiamo agganciare alla stima d un livello di confidenza. P-Value: quanto estremo è il risultato che abbiamo ottenuto? d d δ = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.17

18 P-Value: probabilità di ottenere un risultato campionario altrettanto o più estremo di quello osservato, se H 0 è vera P-value = Pr ( D >d sotto H 0 ) Più piccolo è il valore del p-value, 1) più estremo è il valore d osservato 2) Più bassa l evidenza che i dati siano coerenti con la distribuzione sotto l ipotesi nulla P-value=0.25 P-value=0.03 d d δ = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.18

19 PROBLEMA: l ipotesi è bidirezionale H 0 : δ = 0 vs H 1 : δ = 0 Unidirezionale P-value = Pr ( D >d sotto H 0 ) Bidirezionale 2*P-value P-value=0.06 P-value=0.03 P-value=0.03 -d d δ = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.19

20 Tre procedure per saggiare l ipotesi nulla A. Stima intervallare B. Test basato sulla t di Student C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.20

21 Ricordando la stima intervallare nel caso di una media campionaria: y ± t. es la si adatti al confronto tra due medie campionarie MARTA BLANGIARDO A. CONFRONTO Stima intervallare TRA MEDIE DI 2 CAMPIONI- 3.21

22 y ± t. es La variabile misurata di interesse non è più la media campionaria y, bensì la differenza tra medie campionarie d: d ± t. es A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.22

23 n 1 = 12 y 1 = 60 s 11 = 4.24 n 2 = y 2 y= 2 = s 22 = 4.21 d ± t. es d = y 2 y 1 = 3.77 A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.23

24 d ± t. es L errore standard non è più s / n visto che, essendo implicati due campioni, si dispone di due deviazioni standard (s 1 e s 2 ) e due numerosità campionarie (n 1 e n 2 ) s* = Pooled (n 1-1). s 12 + (n 2-1). s 2 2 (n 1-1) + (n 2-1) A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.24

25 d ± t. es L errore standard non è più s / n visto che, essendo implicati due campioni, si dispone di due deviazioni standard (s 1 e s 2 ) e due numerosità campionarie (n 1 e n 2 ) 1 n* = 1 n n 2 = n 1 + n 2 n 1. n 2 A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.25

26 n 1 = 12 y 1 = 60 s 1 = 4.24 n 2 = y 2 y 2 = = s 2 = ± t. es es d = s* 1 n* = (n 1-1). s 12 + (n 2-1). s 2 2 (n 1-1) + (n 2-1) n 1 + n 2 n 1. n 2 es d = (12-1) (13-1) (12-1) + (13-1) = 1.69 A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.26

27 d ± t. es Valore critico della variabile casuale t di Student, caratterizzata da un certo numero di gradi di libertà g e da una probabilità (1-α). Quindi d ± t g ; (1-α). es A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.27

28 d ± t g ; (1-α). es I gradi di libertà non sono più n - 1 visto che, essendo implicati due campioni, si dispone di due numerosità campionarie (n 1 e n 2 ): g = ( n 1 + n 2 ) - 2 A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.28

29 d ± t g ; (1-α). es Dove 1 - α è il livello di confidenza dell intervallo (di solito definiamo 0.9, 0.95 o 0.99) A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.29

30 n 1 = 12 y 1 = 60 s 1 = 4.23 n 2 = 13 y 2 = s 2 = ± t g;(1-α) Fissando (1-α) = 0.9 e avendo due code abbiamo /2 = ± t 23; Dalla tavola della distribuzione t: 3.77 ± A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.30

31 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI Distribuzione t gdl

32 n 1 = 12 y 1 = 60 s 1 = 4.23 n 2 = 13 y 2 = 64 s 2 = ± , valore atteso sotto l ipotesi nulla δ = 0 Ripetendo l esperimento 100 volte nelle stesse condizioni, ci si aspetta che in 90 casi le due diete differiscano A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.32

33 H 0 : µ 1 = µ 2 δ = 0 Visto che l intervallo non contiene il valore atteso sotto l ipotesi nulla con: α = 0.1 allora concludiamo che non c è abbastanza evidenza che supporti che i dati siano coerenti con l ipotesi nulla e quindi H 1 : µ 1 µ 2 δ 0 Le E se due avessimo medie differiscono prefissato un errore di primo significativamente tipo più cautelativo (es. α = 0.01)? A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.33

34 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI Distribuzione t gdl

35 Se seguiamo un approcico più cautelativo e fissiamo 1-α = 0.99 n 1 = 12 y 1 = 60 s 1 = 4.23 n 2 = 13 y 2 = s 2 = ± , valore atteso sotto l ipotesi nulla δ = 0 Non c è più evidenza che le due diete differiscano A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.35

36 Tre procedure per saggiare l ipotesi nulla A. Stima intervallare B. Test del t di Student C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.36

37 Ricordando la variabile casuale t nel caso di una media campionaria è: t = y - µ s n la si adatti al confronto tra due medie campionarie B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.37

38 t = y - µ s n È la differenza tra il valore osservato e quello atteso sotto l ipotesi nulla Nel caso della differenza tra due medie quindi: (y 2 - y 1 ) - 0 d B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.38

39 t = y - µ s n È l errore standard di una media campionaria Nel caso della differenza tra due medie quindi: 1 es d = s* n* = (n 1-1). s 12 + (n 2-1). s 2 2 (n 1-1) + (n 2-1) n 1 + n 2 n 1. n 2 B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.39

40 t = y - µ s n Il valore della variabile casuale t è caratterizzato dai gradi di libertà (g): Quindi dovrebbe essere scritta come: t g = (y 2 - y 1 ) - 0 es d che rappresenta il valore empirico (osservato) di t. La valutazione dell accettazione/rifiuto viene ottenuta tramite il P-value B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.40

41 0.025 DISTRIBUZIONE 3. CONFRONTO TRA MEDIE DI DUE CAMPIONI t g -t g δ = 0 t g P-value< <P-value< <P-value<0.1 P-value>=0.1 Fortissima evidenza contro H 0 Forte evidenza contro H 0 Evidenza contro H 0 Non sufficiente evidenza contro H 0 B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.41

42 n 1 = 12 y 1 = 60 s 1 = 4.23 n 2 = 13 y 2 = 64 s 2 = 4.21 t g = (y 2 - y 1 ) - 0 es d 3.77 t 23 = = è il valore empirico della statistica t. Il P-value corrispondente è P-value < Ipotesi bidirezionale 2*P-value < 0.05 <0.05: Forte evidenza contro H 0 B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.42

43 Tre procedure per saggiare l ipotesi nulla A. Stima intervallare B. Test del t di Student C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.43

44 CAMPIONE 1 CAMPIONE Media generale: y = 62 Devianza totale = Σ Σ (y ij - y) 2 j i = (56-62) 2 + (59-62) 2 + (63-62) (67-62) 2 + (64-62) 2 + (60-62) 2 = = 499 Da quali fonti dipende la variabilità (devianza) totale del fenomeno? C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.44

45 CAMPIONE 1 CAMPIONE Media generale: y = 62 y 1 = 60 y 2 = 63.8 Devianza tra i livelli del fattore sperimentale Σ n j (y j - y) 2 j = 12. ( ) ( ) 2 = Una prima fonte di variabilità è dovuta al fatto che i due campioni sono stati sottoposti a diverse diete (fattore sperimentale) C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.45

46 CAMPIONE 1 CAMPIONE y 1 = 60 y 2 = 63.8 Devianza entro i livelli del fattore sperimentale Σ Σ (y ij - y j ) 2 i j Una seconda fonte di variabilità è dovuta al fatto che ogni unità sperimentale tende a rispondere in modo diverso dalle altre allo stesso stimolo (livello del fattore sperimentale) = (56-60) 2 + (59-60) 2 + (63-60) ( ) 2 + ( ) 2 + ( ) 2 = = C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.46

47 SISTEMATICA Fonti di variabilità devianza Tra gruppi Entro gruppi * = Totale CASUALE * Variabilità residua C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.47

48 Fonti di variabilità devianza gradi di libertà Tra gruppi (N.gruppi-1) + Entro gruppi Totale = = 23 (N N.gruppi) = 24 (N-1) C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.48

49 Fonti di variabilità devianza gradi di libertà varianza Tra gruppi Entro gruppi = = = + = 17.8 Totale = 24 F 1, 23 = Varianza tra gruppi Varianza entro gruppi = = C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.49

50 DISTRIBUZIONE F g1;g2 Area = 1 1 Valore atteso sotto l ipotesi nulla In questo caso le tavole disponibili non permettono di calcolare il P-value. E possibile calcolare il P-value tramite software (excel, R, Matlab). =DISTRIB.F(4.97,1,23) = P-value<0.05 Funzione di Excel C. Analisi della varianza e test F Forte evidenza contro H 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.50

51 Ci sono tavole tabulate che permettono di calcolare una soglia di accettazione/rifiuto per alcune prespecificate soglie 1-α (0.9,0.95) F (1-α),g1,g2 F g1,g2 F g1,g2 Non sufficiente evidenza contro H 0 Sufficiente evidenza contro H 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.51

52 Distribuzione F g1;g2;0.95 F Gradi di libertà del denominatore Gradi di libertà del numeratore MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.52

53 Distribuzione F 1,23 Area di accettazione Area di rifiuto Valore tabulato 4.28 Valore empirico 4.97 allora dovremmo rifiutare l ipotesi nulla: p < 0.05 C. Analisi della varianza e test F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.53

54 Due vie equivalenti per saggiare l ipotesi nulla Test del t di Student t 23 = 2.23 Analisi della varianza F 1,23 = 4.97 t 2 = F 23 1,23 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.54

55 APPAIATI Siamo interessati a valutare se il ph di un terreno acido sulla superficie è diversa da quella del sottosuolo UNIVERSO PARAMETRI PROGRAMMARE CAMPIONE STIMATORI Si estrae un campione di 13 zolle di terreno e su ognuna di esse si misura il ph in superficie e nel sottosuolo. Abbiamo due misurazioni per ogni zolla. I campioni sono appaiati MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.55

56 APPAIATI CAMPIONE 1 CAMPIONE 2 Superficie STATISTICHE Sottosuolo STATISTICHE n = 13 E lo stesso campione con due diverse misurazioni Per ogni zolla le due misurazioni non sono indipendenti MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.56

57 APPAIATI Calcoliamo la variabile differenza tra le due misurazioni Superficie Sottosuolo Differenza La nuova variabile Differenza è quella su cui vogliamo fare inferenza MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.57

58 APPAIATI IPOTESI: La differenza tra il ph in superficie e nel sottosuolo si distribuisce come una variabile casuale Normale D ~ N(µ d,σ 2 d ) µ Media campionaria Noi non conosciamo nè la media µ d nè la varianza σ 2 d, ma conosciamo i parametri campionari: d media s d Dev. standard n numerosità INFERENZA SU UN CAMPIONE MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.58

59 APPAIATI POPOLAZIONE BERSAGLIO Tutti i possibili campioni di differenze d µ d H 0 : µ d = 0 Media Medie campionaria campionarie Cosa succede sotto l ipotesi nulla? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.59

60 APPAIATI POPOLAZIONE BERSAGLIO (tutte le possibili differenze) Tutti i possibili campioni È questa situazione compatibile con l ipotesi nulla? d Differenze tra medie campionarie MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.60

61 APPAIATI Situazione possibile d Situazione meno probabile d MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.61

62 APPAIATI Ipotesi nulla: H 0 : µ d =0 L ipotesi nulla non può essere mai rigettata con assoluta certezza! Dobbiamo agganciare alla stima d un livello di confidenza. P-Value: quanto estremo è il risultato che abbiamo ottenuto? d µ d = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI d 1

63 APPAIATI Tre procedure per saggiare l ipotesi nulla A. Stima intervallare B. Test basato sulla t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.63

64 APPAIATI Avendo un solo campione, in questo caso la stima intervallare da utilizzare è proprio quella introdotta precedentemente nel caso di una media campionaria: y ± t. es Che nel caso di campioni appaiati è d ± t. es n = 13 d = se = 1.15 sd/radq(n) MARTA BLANGIARDO A. CONFRONTO Stima intervallare TRA MEDIE DI 2 CAMPIONI- 3.64

65 APPAIATI Noi non conosciamo la varianza σ 2 T di Student t g ; (1-α) Valore critico della variabile casuale t di Student, caratterizzata da un certo numero di gradi di libertà g e da una probabilità (1-α). Quindi l intervallo di confidenza sarà d ± t g ; (1-α). es n-1 A. Stima intervallare livello di confidenza dell intervallo (di solito definiamo 0.9, 0.95 o 0.99) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.65

66 APPAIATI n = 13 d = es = ± t g;(1-α) Fissando (1-α) = 0.95 e avendo due code abbiamo /2 = ± t 12; Dalla tavola della distribuzione t: ± A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.66

67 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI Distribuzione t gdl CONFRONTO TRA MEDIE DI DUE CAMPIONI APPAIATI

68 APPAIATI n = 13 d = es = ± , valore atteso sotto l ipotesi nulla µ d = Ripetendo l esperimento 100 volte nelle stesse condizioni, ci si aspetta che in 95 casi i due ph non siano diversi significativamente A. Stima intervallare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.68

69 APPAIATI Tre procedure per saggiare l ipotesi nulla A. Stima intervallare B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.69

70 APPAIATI Ricordando la variabile casuale t nel caso di una media campionaria è: t = d - µ s n È la differenza tra il valore osservato e quello atteso sotto l ipotesi nulla Nel caso di campioni appaiati abbiamo: d - 0 ph 1 ph d B. Test del t di Student d MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.70

71 APPAIATI t = y i - µ s n È l errore standard (es) di una media campionaria s = n Σ(y i - y) 2 i =1 n - 1 = 1.15 n n B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.71

72 APPAIATI t = y i - µ s n Il valore della variabile casuale t è caratterizzato dai gradi di libertà (g): Quindi dovrebbe essere scritta come: t g = d - 0 es d che rappresenta il valore empirico (osservato) di t. La valutazione dell accettazione/rifiuto viene ottenuta tramite il P-value I gradi di libertà sono n-1 B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.72

73 APPAIATI n = 13 d = es d = 1.15 t g = d - 0 se d t 12 = = è il valore empirico della statistica t. Il P-value corrispondente è B. Test del t di Student MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.73

74 APPAIATI Il valore è negativo Le tavole restituiscono la coda di destra solo per valori positivi, ma Pr(D<-0.37 sotto H 0 ) = Pr(D>0.37 sotto H 0 ) Dalle tavole otteniamo 0.3<P-value < < 2*P-value < Non c è evidenza di una differenza significativa dei ph MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 2 CAMPIONI- 3.74

4. Confronto tra medie di tre o più campioni indipendenti

4. 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

Dettagli

Statistica. Lezione 6

Statistica. 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

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L 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

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA 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

Dettagli

Stima 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

Dettagli

6. Modelli statistici: analisi della regressione lineare

6. Modelli statistici: analisi della regressione lineare BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. 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

Dettagli

Metodi 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 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.

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) 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

Dettagli

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

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. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

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 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

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 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

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 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

Dettagli

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi 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

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE 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,

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita

Dettagli

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 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

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà 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

Dettagli

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Inferenza statistica I Alcuni esercizi. Stefano Tonellato Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 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

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

STATISTICA IX lezione

STATISTICA 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

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 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

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 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

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli

Concetto di potenza statistica

Concetto 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

Dettagli

Verifica di ipotesi e intervalli di confidenza nella regressione multipla

Verifica 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

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI 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

Dettagli

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

Probabilità 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. 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:

Dettagli

La distribuzione Normale. La distribuzione Normale

La 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

Dettagli

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

Facciamo qualche precisazione

Facciamo 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

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E 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

Dettagli

Statistica inferenziale

Statistica 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

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA 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

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

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. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corsi di Specialità Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologie

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici

Test 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

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico

Dettagli

LA CORRELAZIONE LINEARE

LA 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

Dettagli

ANALISI DI CORRELAZIONE

ANALISI 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

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Analisi di dati di frequenza

Analisi 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

Dettagli

11. Analisi statistica degli eventi idrologici estremi

11. 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

Dettagli

Confronto tra gruppi (campioni indipendenti)

Confronto 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,

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

OSSERVAZIONI TEORICHE Lezione n. 4

OSSERVAZIONI TEORICHE Lezione n. 4 OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - 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 -

Dettagli

Rapporto dal Questionari Insegnanti

Rapporto dal Questionari Insegnanti Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la

Dettagli

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi LEZIONI DI STATISTCA APPLICATA Parte 2 Statistica inferenziale Variabili continue per categoriali Alessandro Valbonesi SARRF di Scienze ambientali Anno accademico 2010-11 CAPITOLO 4 - TEST STATISTICI CHE

Dettagli

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)

INTRODUZIONE 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

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE

ANALISI 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

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza

Dettagli

Tasso di interesse e capitalizzazione

Tasso 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

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

CAPITOLO 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

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

LE ASSUNZIONI DELL'ANOVA

LE 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

Dettagli

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione

Dettagli