7. Approfondimenti sull ANOVA
|
|
- Giorgia Marinelli
- 6 anni fa
- Visualizzazioni
Transcript
1 7. Approfondment sull ANOVA La descrzone matematca delle tecnche presentate n questo captolo esula da lmt propr d questo testo. Tuttava tal tecnche sono d grande mportanza ed n letteratura v s fa frequentemente rcorso. La scelta d questa ntroduzone è d fornre quelle nformazon qualtatve che possano permettere al lettore non tanto d elaborare drettamente test, quanto puttosto d comprenderne l sgnfcato se ncontrat nella lettura d stud e pubblcazon. Con questa scelta non s esclude fra l altro che, con l utlzzo d software statstco, anche l lettore possa spermentare n propro le tecnche presentate, ed utlzzarle nel corso d propre spermentazon o rcerche. Indcazon dettaglate per tutte le tecnche d calcolo ctate n questo captolo s possono trovare n R. R. Sokal e F. J. Rohlf, In partcolare per le tecnche non parametrche s può consultare l classco S. Segel e N. J. Castellan Jr, Confront fra grupp nell ANOVA a sngolo crtero d classfcazone Confront appaat non panfcat In abbamo formalzzato le potes n opposzone n una ANOVA: H 0 : I grupp sono tratt da popolazon avent tutte la stressa meda parametrca ; H 1 : I grupp sono tratt da popolazon d cu almeno due hanno meda parametrca dversa fra loro. Abbamo rpetutamente osservato (n chusura del , n chusura d commentando l rsultato del Box 6.2 e n chusura d commentando l rsultato del Box 6.3) che una potes alternatva come la H 1 comporta la necesstà d ulteror ndagn n caso d sgnfcatvtà d F. Un possble tpo d ndagne supplementare consste nel sottoporre a test n modo sstematco la dfferenza d ogn gruppo con cascun altro. Dunque s dà corso a un esame sstematco d tutte le possbl coppe d grupp; per questo motvo le tecnche d questo tpo sono note come confront appaat (non panfcat). Ctamo quattro d queste tecnche; ognuna d esse ha un ambto d applcazone elettvo; non è tuttava scorretto, ne cas da confn ncert, esegure l anals con tutte le tecnche e sceglere quella pù sensble. Il responso del test può essere sa numerco (n genere n forma tabellare) che grafco. Tecnche Ambto d applcazone elettvo metodo T (*) Dmenson ugual del campone metodo T (*) Dmenson sml de campon metodo GT2 (*) Dmenson dfferent de campon metodo Tukey Kramer Dmenson dfferent de campon (*) Con esto sa tabellare che grafco Tab. 7.1 Comncamo ad esemplfcare partendo dall ANOVA svluppata nel Box 6.2. Abbamo quattro nsem d dat, relatv rspettvamente al gruppo d controllo C e a tre grupp spermental S 1, S 2 e S 3. La sgnfcatvtà d F dmostra la dfferenza fra almeno due de grupp. Qual? Come s artcolano effettvamente le dfferenze? Sottoponendo dat ad una anals ulterore col metodo T (le dmenson de grupp sono ugual) ottenamo un responso d questo tpo: S 1 S 2 * S 3 C S 1 S 2 Tab. 7.2 Ogn cella della grgla corrsponde ad un confronto appaato, cu termn s leggono nelle ntestazon d rga e colonna. Valgono le consuete convenzon crca l uso degl astersch (n questo caso per non appesantre la tabella la mancanza d sgnfcatvtà è segnalata da una cella vuota). Dunque dalla Tab. 7.2 rcavamo mmedatamente l nformazone che grupp S 1 e S 2 sono sgnfcatvamente dfferent a lvello Una nformazone ancora pù rcca può talvolta essere desunta da una lettura de grafc eventualmente prodott dalle prme tre procedure d Tab Nel nostro esempo abbamo quello d Fg. 7.1.
2 Fg. 7.1 Questo tpo d grafco è smle a quell esemplfcat nel Box 1.1 Parte c. Anche n questo caso abbamo dat de var grupp sntetzzat da graffe, n cu la tacca centrale rappresenta la meda. Tuttava nel grafco del Box 1.1 l ampezza delle graffe corrspondeva alla devazone standard del gruppo, mentre n questo caso corrsponde ad una statstca dfferente (sempre legata ndrettamente alla dspersone de dat) che è pù sensble alle dfferenze fra grupp. In pratca la lettura del grafco d Fg. 7.1 avvene n questo modo: se fra le graffe d due grupp non v è una regone d sovrapposzone allora v è dfferenza sgnfcatva, altrment no. Anche n questo caso gl unc due grupp che presentano una dfferenza sgnfcatva sono S 1 e S 2. Il grafco n Fg. 7.1 contene una nformazone pù rcca rspetto a quella della laconca Tab. 7.2, ma ne rparleremo n Esemplfchamo ora con dat del problema del Box 6.3; l unca procedura suffcentemente sensble per l ndvduazone delle dfferenze present ne grupp è quella d Tukey Kramer, e dà un esto sntetzzato n Tab. 7.3.: l unca dfferenza sgnfcatva (a lvello 0.05) è fra grupp C ed E. B C D E * A B C D Tab. 7.3 Tuttava anche dalla procedura grafca connessa alla procedura GT2 ottenamo un rsultato molto vcno a quello d Tab.7.3 (salvo una pccola zona d sovrapposzone fra le graffe corrspondent a grupp C ed E, come mostra Fg Fg. 7.2 Questo supplemento d ndagne charsce dunque che è dmostrato un dfferente atteggamento ne confront delle assenze fra gl student provenent dalle scuole C ed E Confront multpl non panfcat Talvolta dat sembrano suggerre una suddvsone de grupp n super grupp omogene. Ad esempo Fg. 7.1 sembra suggerre una omogenetà d rsultat fra grupp C ed S 1 n opposzone a quell de grupp S 2 e S 3 a loro volta abbastanza omogene. In queste stuazon potremmo desderare d sottoporre a test la sgnfcatvtà della dfferenza fra var super grupp; nel nostro caso vorremmo sottoporre a test la dfferenza: {C, S 1 } vs. {S 2, S 3 }. Esstono numerosssme procedure che svolgono questo lavoro, cascuna delle qual ha un propro ambto d applcazone elettvo. In questa nota sommara ne cteremo solo una, nota sotto l nome d procedura SS STP. Essa rcombna le somme de quadrat SS de var grupp e le sottopone ad un opportuno test. Nel caso specfco dell esempo, ottenamo fra due super grupp una dfferenza sgnfcatva a lvello Una conclusone (affrettata) potrebbe dunque essere questa: le condzon spermental a cu è stato sottoposto l gruppo S 1 s sono rvelate neffcac, mentre sostanzalmente equvalent sono quelle de grupp S 2 e S 3. Tuttava una tale conclusone non tene conto del fatto che l unca dfferenza sgnfcatva fra grupp è quella fra S 1 e S 2.
3 Questo suggersce l sospetto che la dfferenza fra super grupp non sa dovuta tanto alla bontà de trattament S 2, S 3, rspetto al controllo C, quanto puttosto agl est assa scars del gruppo S 1. Il sospetto è confermato dal fatto che sottoponendo a test la dfferenza {C } vs. {S 2, S 3 } essa non rsulta sgnfcatva. Cò permette d concludere che la spermentazone non ha prodotto rsultat sgnfcatv Due modell d ANOVA ANOVA d modello I e II Tornamo un altra volta al problema analzzato nel Box 6.3, relatvo alle assenze d alunn provenent da dfferent scuole. Il questo può essere posto n due mod che dfferscono sottlmente. La provenenza dalle scuole A, B,C produce dvers grad d affezone alle lezon? La provenenza da scuole dfferent può produrre dfferent grad d affezone alle lezon? Nel prmo caso no sospettamo che n ben determnate scuole v sa un orentamento educatvo generale che produce un grado d affezone alle lezon dfferente da quello d ben precse altre scuole con orentament educatv dfferent. Insomma, potzzamo che l grado d affezone scolastca sa l rsultato dretto d un determnato orentamento educatvo. In termn general potzzamo che l affezone sa un effetto fsso dovuto ad un ben precso trattamento. Con l espressone effetto fsso ntendamo che s tratta d una conseguenza sstematca d un orentamento educatvo che ndchamo col termne generale d trattamento. In questo prmo caso, per condurre l ndagne che c nteressa dobbamo sceglere con cura le scuole che supponamo produrre student affezonat e quelle che nvece supponamo produrre student dsaffezonat. In questo caso la varabltà fra grupp verrà consderata un effetto dovuto ad un trattamento. Il secondo modo d porre l questo è pù generale: s potzza coè che scuole dfferent possano produrre, per una sere concomtante d fattor mprecsat e ncontrollabl, dfferent grad d affezone scolastca; però, esattamente, non samo n grado d prevedere scuola per scuola quale sa l dfferente grado d affezone prodotto. In questa stuazone s parla d effett casual, n opposzone agl effett fss del caso precedente. Ovvamente se voglamo ndagare su effett casual l ndagne va condotta camponando n modo casuale gl sttut d provenenza (se non è possble un ndagne esaustva). Le scuole estratte casualmente non rappresentano esattamente se stesse e la propra mpostazone educatva, ma campon de dfferent e casual mod possbl d condzonare l grado d affezone alle lezon degl student. In questo caso la varabltà fra grupp non è un effetto dovuto a un trattamento, ma una semplce componente aggunta d varanza fra grupp, d cu non samo n grado d precsare esattamente le cause, se non rferendoc n modo generco a dfferenze ambental mprecsate che nevtablmente vengono a formars. A seconda del tpo d mpostazone s parla d ANOVA d modello I o II. Pù precsamente: Se s potzza che eventual dfferenze fra grupp sano effett fss dovut ad un trattamento s parla d ANOVA d modello I; Se s potzza che eventual dfferenze fra grupp sano dovute ad effett casual s parla d ANOVA d modello II Struttura della varazone ne due modell; stma della componente aggunta d varanza Ogn sngola varata trattata nel corso d un anals della varanza può consderars decomposta n una somma d tre component: una derva dall appartenenza della varata alla grande popolazone da cu sono stat tratt var grupp; tale componente è espressa dalla la meda d questa popolazone; una seconda componente derva dall appartenenza della varata al propro gruppo; essa è caratterzzato dalla devazone rspetto alla meda generale tpca del gruppo d appartenenza; la terza componente derva dalla varabltà ndvduale all nterno del gruppo d appartenenza, ed è espressa dalla devazone ndvduale Per formalzzare quanto detto, consderamo una sngola varata Y, dcamo la j esma del gruppo esmo, ed ndchamola con Y. Questa sarà data dalla somma algebrca delle tre component elencate sopra: Y j Y A La prma delle (7.1) s rfersce ad un ANOVA d modello I, mentre la seconda ad un ANOVA s modello II. Nelle (7.1) è la meda della popolazone da cu sono estratt grupp, è la devazone della meda del gruppo esmo dalla meda generale (nel caso d effetto fsso), (7.1) A è la devazone della meda del gruppo esmo dalla meda generale (nel caso d effetto casuale), mentre è la devazone ndvduale dell elemento j esmo del gruppo esmo. Sa che A che possono essere devazon sa postve che negatve; ecco perché s è parlato d somma algebrca.
4 I calcol necessar all elaborazone dell ANOVA de due modell sono n lnea d massma ugual (almeno per tutto cò che abbamo menzonato fno a qu). L attenzone va posta prncpalmente nelle operazon d camponamento (come è stato sommaramente esemplfcato n ) e n modo partcolare nell nterpretazone de rsultat. Nel caso d una ANOVA d modello II software statstc rportano n genere una nteressante stma componente aggunta d varanza, sa n termn assolut che percentual. Ad esempo nel caso dell ndagne sulle assenze abbamo: 2 s A =1.970 Percentuale d varazone fra grupp: 25.3% Percentuale d varazone all nterno de grupp: 74.7% S prest attenzone al fatto che n genere l software statstco fornsce queste ndcazon comunque, a prescndere coè dal modello effettvo d ANOVA (I o II), lascando all utente la responsabltà d decdere n merto all appropratezza della statstca nel contesto ANOVA a pù crter d classfcazone o fattoral L ANOVA fattorale è la tecnca statstca adeguata per dsegn fattoral descrtt n 4.4. della Parte metodologca. Quanto segue presuppone la conoscenza d tal dsegn e del connesso concetto d nterazone ( ) ANOVA a due ve con o senza replcazone Se fattor del dsegno spermentale sono due la corrspondente anals della varanza s dce a due ve. Supponamo che per l prmo fattore s presentno n modaltà e per l secondo m modaltà. I dat raccolt nella spermentazone possono essere raccolt n una grgla con n colonne ed m rghe n s 2 A della m In cascuna delle celle possono mmagnars raccolt dat relatv all ncroco della partcolare modaltà del prmo fattore con la partcolare modaltà del secondo. Se ad esempo n una ndagne sulla ruscta scolastca fattor ndagat sono l sesso (due modaltà: M e F) e area geografca d appartenenza (quattro fattor: Nord, Centro, Sud, Isole), nella cella alla colonna M e alla rga Centro saranno ranno dealmente raccolt dat relatv alla ruscta scolastca de masch del centro. Se per ogn cella abbamo un certo numero d sngole varate Y samo n presenza d un dsegno con replcazone. Se nvece per ogn cella c è a dsposzone una sngola varata Y abbamo un dsegno senza replcazone Font d varazone n un ANOVA fattorale con replcazone Comncamo a parlare de dsegn fattoral con replcazone. Sebbene calcol necessar per condurre a termne l anals della varanza fattorale sano puttosto compless, tuttava la loro logca non è dssmle da quella dell ANOVA a sngolo crtero d classfcazone. Anche n questo caso la somma de quadrat totale SS t ed grad d lbertà total t vengono partt n modo da scomporre la varabltà totale fra le dverse font d varazone. In un dsegno a due fattor le font d varazone sono: l prmo fattore (n quanto s suppone che se l fattore è effcace determna dfferenze, e qund varazon); l secondo fattore (analogo motvo) l nterazone fra due fattor (nel senso che le dverse combnazon de due fattor possono produrre effett snergc dversfcat) la varabltà ndvduale o errore
5 Così come nell ANOVA ad un fattore la varanza fra grupp è sottoposta a test n rapporto alla varanza all nterno de grupp, anche nell ANOVA fattorale ogn lvello d varazone è sottoposto a test n rapporto all approprato lvello precedente. La tavola rassuntva d un ANOVA a due ve s presenta come Tab. 7.4 Font d Varazone SS MS F Fattore 1 Fattore 2 Interazone (Fattore 1 x Fattore 2) Varanza errore / Tab. 7.4 mentre nel caso d tre fattor la tavola rassuntva è come Tab. 7.5 Font d Varazone SS MS F Fattore 1 Fattore 2 Fattore 3 Fattore 1 x Fattore 2 Fattore 1 x Fattore 3 Fattore 2 x Fattore 3 Fattore 1 x Fattore 2 x Fattore 3 Varanza errore / Tab. 7.5 Come s vede sono present tutte le nterazon d ordne 2 (coè fra due fattor) e quella d ordne 3. Per cascuno de lvell d varazone è valutata la sgnfcatvtà della corrspondente statstca F. Le relatve modaltà d calcolo sono condzonate dal tpo d ANOVA, che può essere d modello I se per tutt fattor s ha effetto fsso, d modello II se per tutt fattor l effetto è casuale e d modello msto se sono present tutt e due tp d effetto. Questa precsazone vale a sottolneare l fatto che anche utlzzando un software statstco è necessaro specfcare per ogn fattore l tpo d effetto Font d varazone n un ANOVA fattorale senza replcazone Introducamo l argomento con un esempo. S vuole verfcare se fra dvers nsegnant della stessa dscplna c è accordo nella valutazone d dfferent tpologe d error; ad esempo, n un compto d algebra: errore d trascrzone da un passaggo all altro; errore d calcolo; errore d segno non assmlable ad errore d calcolo; errore d algebra (e qu potremmo sbzzarrrc ) e così va. S prepara un compto con tant esercz quant sono tp d errore che s voglono osservare; tutt gl esercz saranno ugual (ad esempo, se gl error sono 6: se equazon d par lvello d dffcoltà, oppure se espresson, oppure se sstem ). Il compto non vene effettvamente svolto da uno studente, ma dal gestore del dsegno spermentale che ha cura d nserre delberatamente n ogn eserczo un solo errore, d tpo dfferente da eserczo a eserczo. L elaborato vene po fatto correggere da pù docent sulla base d una grgla d valutazone che prevede lo stesso punteggo (ponamo 10 punt) per cascun eserczo. Raccolte le correzon, puntegg per cascun eserczo d cascun docente sono nsert n una tabella n cu le colonne rappresentano docent, e le rghe gl esercz, o meglo, tp d errore. In ogn cella avremo un solo dato: s tratta dunque d un dsegno fattorale senza replcazone. Rspetto a dsegn con replcazone, n quell senza replcazone s assume che l nterazone fra fattor sa non sgnfcatva. L esto d un ANOVA fattorale senza replcazone vene dunque sntetzzato come n Tab. 7.6 Font d Varazone SS MS F Rghe Colonne Varanza resdua / Tab. 7.6 I dsegn senza replcazone hanno l prego d rchedere mnor cost n senso lato: nel caso dell esempo soprattutto n termn d energe umane; qund tal dsegn possono essere utlzzat con maggor facltà. Tuttava nel caso dell esempo precedente con poch sforz n pù è possble realzzare un corrspondente dsegno fattorale con replcazone. Il vantaggo che derva dalla replcazone è quello d poter sottoporre a test anche l nterazone. L ANOVA senza replcazone è la tecnca statstca approprata per dsegn a blocch randomzzat complet. In tal caso la tabella rassuntva è del tpo d Tab. 7.7.
6 Font d Varazone SS MS F Fra blocch Fra trattament Varanza errore / Tab. 7.7 Prma d concludere è opportuno rlevare che nel caso partcolare n cu le colonne sano due l ANOVA fattorale senza replcazone concde col t test per dat appaat llustrato n e e s dmostra che fra le corrspondent statstche t ed F vale una relazone analoga a quella ctata n ANOVA gerarchca o ndfcata S tratta della tecnca statstca donea al trattamento de dat spermental raccolt attraverso un dsegno gerarchco (ved 4.5. della Parte metodologca). Prma d descrvere l tpo d rsposte che può fornre una anals della varanza d tpo gerarchco, occorre precsare un assunzone fondamentale d questa tecnca. L ANOVA gerarchca esge che per cascun lvello d anndamento (tranne al pù l prmo) gl effett sano non fss ma casual. Cò mplca una organzzazone dell espermento conforme a questo vncolo. Rprendamo l esempo fornto n della Parte metodologca. Parlamo delle due grgle che ogn docente deve preparare: s è gà detto che cascun docente non deve preparare due possbl e dfferent grgle (che prevedono un effetto fsso dovuto appunto alla programmata dverstà delle due grgle), ma semplcemente deve rpetere n moment dfferent ed n modo ndpendente l operazone d stesura della grgla de puntegg. Le due grgle devono coè esprmere la varabltà casuale cu è effettvamente soggetto l docente nel momento n cu prepara una grgla d valutazone. Analogo ragonamento va fatto per tutt gl altr lvell d anndamento. Il prmo lvello, nell esempo d È quello relatvo alla varable docente, può nvece avere effett sa casual che fss. Dunque nell esempo docent potranno essere sa scelt n base a loro suppost dfferent metod valutatv (effetto fsso), o casualmente, a rappresentare la varabltà casuale che caratterzza la dstrbuzone de metod valutatv (effetto casuale). Nel caso che l prmo fattore sa ad effett casual (come tutt successv) s tratta d un ANOVA pura d modello II, mentre nel caso l prmo lvello sa ad effett fss s tratta d un ANOVA d modello msto. Venamo alle nformazon che dà una tale anals. Essa scompone la varanza totale n una sere d component dovute a cascuno de lvell d anndamento elaborat. La varanza d ogn lvello è sottoposta a test d sgnfcatvtà rspetto a quella del lvello precedente. Per ogn lvello l anals offre una stma percentuale della varanza totale. Il prospetto fnale è come n Tab Component d varanza Font d Varazone SS MS F Mod. Puro Mod. Msto Fra docent % / Fra grgle all nterno de docent % % Fra correzon all nterno d grgle % % Fra valutazon all nterno delle correzon % % Fra elaborat all nterno delle valutazon / % % Tab. 7.8 A questo punto docent hanno un quadro precso che permetterà d ndvduare qual sano passagg n cu puntegg subscono la maggor varabltà e potranno ntervenre d conseguenza. Per l prmo lvello è po possble operare una anals comparata de grupp come quella descrtta n oppure n Assunzon dell ANOVA e test non parametrc sosttutv Le assunzon dell'anova Presentando la statstca F e la sua dstrbuzone abbamo vsto che alla base d tutto stanno alcune assunzon che è bene rchamare esplctamente: campon devono essere casual e ndpendent (casualtà e ndpendenza) la popolazone da cu sono estratt deve essere dstrbuta normalmente (normaltà) le varanze delle sottopopolazon da cu sono tratt grupp devono essere omogenee (omoschedastctà) In dfetto d una o pù d queste potes l rsultato può essere pù o meno naffdable. A proposto del prmo punto non c'è molto da aggungere, se non l'obblgo d rspettare tal vncol nel camponamento, ma questa è ordnara ammnstrazone. Rguardo al dfetto d normaltà occorre precsare che l'anova è un metodo abbastanza robusto: n termne è tecnco ed esprme (approssmatvamente parlando) la capactà del test d mantenere la propra valdtà n dfetto delle assunzon
7 su cu è basato. L'ANOVA non patsce eccessvamente dfett d normaltà, n quanto larora sulle mede, le qual tendono ad una dstrbuzone normale anche n dfetto d normaltà della popolazone sottostante. Solo fort asmmetre condzonano negatvamente l'esto del test. Pertanto basta sncerars che dat raccolt non sano fortemente asmmetrc (ma anche n questo caso esstono alcune tecnche d trasformazone de dat che l forzano alla smmetra). Per quanto rguarda l'omoschedastctà esstono test per l'omogenetà delle varanze fra qual uno noto come test d Bartlett. Non è escluso l'utlzzo del test F max presentato n , per quanto tale metodo rentr nel novero d quell che gl statstc qualfcano come quck and drty (veloc ma sporch). In sntes possamo dre che prma d esegure l'anova occorre sncerars che le assunzon sano rspettate n msura adeguata. Tab. 7.9 rassume controll che è bene effettuare: Assunzone Assunzone Tecnca d controllo Casualtà e ndpendenza Controllo della tecnca d camponamento Normaltà Omoschedastctà Test per l'asmmetra de dat Test d Bartlett o F max Tab Test approssmato d Games e Howell Quando v è un dfetto d omoschedastctà esste una specfca procedura d calcolo nota come test approssmato d Games e Howell che permette d ottenere confront appaat non panfcat fre a grupp d n element, analogamente e quanto abbamo vsto n Alternatve non perametrche all'anova Tutt test presentat fno ad ora sono dett parametrc, n quanto l'potes nulla H 0 rguarda drettamente var parametr d una popolazone (fno ad ora essenzalmente e ). I test parametrc sono n genere basat su una sere d assunzon; ad esempo n abbamo rchamato qual sano per l'anova e come effettuare necessar controll. In partcolare tutt test presentat fno a questo punto potzzano almeno che la dstrbuzone soggacente sa normale. Questo vncolo l pù delle volte non è eccessvamente restrttvo ed test basat sulla statstca t ed F sono abbastanza robust. V sono tuttava delle crcostanze n cu la volazone delle assunzon è tale da compromettere drastcamente l'attendbltà del test. In queste crcostanze sono utlzzabl alcun metod alternatv dett non parametrc (n quanto l'potes nulla non rguarda drettamente parametr della popolazone ma solo la dstrbuzone dalle varate Y) o lber da dstrbuzone (n quanto non è rchesto che la popolazone soggacente abba una data dstrbuzone, come ad esempo quella normale). Quest metod sono n genere molto semplc e qund sono spesso utlzzat. Tuttava occorre precsare che nel caso le assunzon de test parametrc sano soddsfatte, anche solo parzalmente, quest sono pù potent de corrspondent non parametrc. La precsazone necessta d una spegazone almeno ntutva. Il fatto è che quas tutt test non parametrc sono adatt per dat su scala ordnale (ved ), mentre test parametrc trattano dat quanttatv su scala almeno ad ntervall (ved ) se non a rapport (ved ). Se abbamo dat su scala ad ntervall (come ad esempo puntegg grezz d una prova oggettva) e voglamo trattarl con un test non parametrco, dobbamo sostture ad ogn dato l suo numero d ordne n una potetca graduatora che l comprenda tutt (per rportarl ad una scala ordnale). Il numero d ordne s chama rango. Ebbene, sostture un dato con l suo rango comporta una degradazone dell nformazone contenuta nel dato stesso. Il test non parametrco dunque lavora su dat che hanno subto n qualche msura un degrado; la sua potenza è dunque necessaramente nferore a quella del corrspondente test non parametrco che tratta l dato ntegro. Dunque, test non parametrc costtuscono un alternatva all uso de test parametrc nel caso d dat su scala almeno ad ntervall che tuttava non ne soddsfno le assunzon; è altresì scontato, ma è opportuno drlo esplctamente, che test non parametrc sono l unca possbltà nel caso d dat che gà n partenza sono su scala ordnale (come ad esempo vot scolastc). Tab elenca vare alternatve non parametrche a test parametrc specfcat. Test parametrco Test non parametrco corrspondente ANOVA a sngono crtero d classfcazone e t-test per Test d Kruskal Walls o U test d Mann Wtney grupp ndpendent Procedura SS-STP per confront multpl Procedura STP non parametrca per confront multpl t test per dat appaat ANOVA a due ve senza replcazone e t test per dat appaat Test d Wlcoxon per rangh con segno Test d Fredman Tab. 7.10
Corso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliLA VARIABILITA. IV lezione di Statistica Medica
LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce
DettagliCorrelazione lineare
Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliPrecisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
DettagliAnalisi della Varianza
Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliL analisi di studi con variabili di risposta multiple
X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliPREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl
Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliSommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?
Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
DettagliArchitetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami
Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x
Dettagli2. La distribuzione normale
. La dstrbuzone normale.. Il concetto d dstrbuzone... Frequenze, class, stogramm Comncamo con un esempo. Supponamo d dover elaborare dat relatv ad una prova standardzzata sommnstrata nel corso d una ndagne
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliStatistica descrittiva
Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
DettagliCampo di applicazione
Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliCORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE
CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo
Dettagli3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)
lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu
DettagliIl campionamento casuale semplice
Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliLezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse
Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso
DettagliTest delle Ipotesi e Analisi della Varianza (ANalysis Of VAriance: ANOVA)
delle Ipotes e Anals della Varanza (ANalyss Of VArance: ANOVA) delle Ipotes sulla meda Introduzone Defnzon baslar Teora per l caso d varanza nota Rsch nel test delle potes Teora per l caso d varanza non
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliUna distribuzione può essere descritta per mezzo dei suoi frattili.
Frattl d una dstrbuzone Una dstrbuzone può essere descrtta per mezzo de suo frattl. S dce frattle (snonm: centle, percentle e quantle) p-esmo d una dstrbuzone quel valore xp tale che la frequenza relatva
DettagliLEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N
LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate
DettagliIng. Enrico Grisan. Modelli di popolazione in farmacocinetica
Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.
DettagliINDAGINE ESAUSTIVA O CAMPIONARIA?
INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliPIANIFICAZIONE DEI TRASPORTI
Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
Dettagli5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza
5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliUniversità di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua
Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43
DettagliGli errori nelle misure
Appunt d Msure Elettrche Gl error nelle msure Classfcazone degl error... Error sstematc...4 Accuratezza e precsone...5 Errore stmato...7 Meda, devazone meda, devazone standard e varanza d un campone d
DettagliB - ESERCIZI: IP e TCP:
Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s
DettagliSOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia
SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliCorso di Economia Applicata
Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento
DettagliCAPITOLO 3 CIRCUITI DI RESISTORI
CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl
DettagliRegressione lineare con un singolo regressore
Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliEttore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione
Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
DettagliPARENTELA e CONSANGUINEITÀ di Dario Ravarro
Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliC.I. di Metodologia clinica
C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle
DettagliLe obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze
Le obblgazon: msure d rendmento e rscho La curva de rendment per scadenze Economa del Mercato Moblare A.A. 2017-2018 La curva de rendment (yeld curve) (1) Il rendmento d un ttolo obblgazonaro dpende da
Dettagli4.6 Dualità in Programmazione Lineare
4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble
DettagliUNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA
UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)
DettagliESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X
ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliCapitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione
Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliLuciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze
Lucano attaa Versone del 22 febbrao 2007 In questa nota presento uno schema replogatvo relatvo a condensator e alle, con partcolare rguardo a collegament n sere e parallelo. Il target prncpale è costtuto
DettagliCalibrazione. Lo strumento idealizzato
Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliCalcolo della caduta di tensione con il metodo vettoriale
Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta
Dettagli