Approfondimento 5.2. Individuare gli outlier
|
|
- Silvia Massaro
- 8 anni fa
- Visualizzazioni
Transcript
1 Approfondimento 5.2 Individuare gli outlier Gli outlier sono quei valori che, rispetto agli altri del campione, risultano particolarmente estremi. Questo non significa che non siano punteggi validi, ma nemmeno che debbano essere mantenuti nel dataset. La casistica, purtroppo, è molto ampia: ad esempio, in un punteggio ad un test di 10 item da valutare su scala Likert di accordo a 5 punti (1=per niente d accordo, 5=completamente d accordo) un soggetto potrebbe ottenere un punteggio di 10 o di 50 e risultare un outlier rispetto al resto dei punteggi: per quanto il suo punteggio possa essere estremo o anche improbabile, è però perfettamente possibile e compatibile col concetto di punteggio al test. Dall altra parte, un tempo di reazione di 5 secondi rappresenta un risultato possibile in base al concetto generico di latenza della risposta, ma lo è molto meno rispetto al concetto di reazione, che dovrebbe avvenire in un intervallo temporale molto più breve. Nel primo caso, quindi, potremmo pensare di mantenere il punteggio del dataset, nel secondo, invece, dovremmo escluderlo. Gli outlier costituiscono un problema perché tendono a distorcere i risultati delle analisi dei dati, in particolare le statistiche descrittive e le correlazioni. In linea di principio dovrebbero essere individuati nella fase di data cleaning (si veda Approfondimento 4.8), ma possono essere trattati anche nella fase successiva di analisi dei dati. Gli outlier possono essere univariati, ossia presentano un valore estremo per una singola variabile, oppure multivariati, per cui presentano una combinazione insolita di valori su un certo numero di variabili. Questo significa che un outlier multivariato non necessariamente presenterà almeno un valore estremo su una delle variabili, per cui tutti i suoi punteggi potrebbero essere perfettamente ammissibili ma essi potrebbero rappresentare un pattern di risposta improbabile rispetto al resto dei soggetti. Questo può essere proprio il caso delle risposte agli item di tipo Likert di un test di prestazione tipica.
2 Approfondimento 5.2 Individuare gli outlier 2 1. Outlier univariati Gli outlier univariati nel contesto di variabili di tipo metrico vengono di solito valutati in base a tre strategie principali: 1. la standardizzazione dei punteggi 2. l impiego della median absolute deviation 3. l impiego della differenza interquartile 1.1 La standardizzazione dei punteggi La standardizzazione dei punteggi consiste nella consueta trasformazione a punti z dei punteggi mediante la formula: z = X M s dove X è il punteggio osservato, M la media dei punteggi, s la deviazione standard dei punteggi. Poiché nella distribuzione normale standardizzata i punteggi superiori a 2, in valore assoluto, hanno una bassa probabilità di verificarsi, di solito si considera questo il limite per considerare un valore un outlier. Il punto, però, è che nella letteratura scientifica sono stati utilizzati vari altri punteggi critici di z, in base alla definizione degli autori di punteggio improbabile, per cui potreste trovare un range di possibili punteggi critici di z da 2 a 5. La procedura per calcolare i punteggi standardizzati in SPSS è molto semplice. Utilizziamo in questo approfondimento il file TIPICA4.sav, composto da nove variabili, una relativa al codice di identificazione del soggetto (ID), una relativa all età dei 386 soggetti e sette relative ad item di tipo Likert di accordo a 5 punti (1=per niente d accordo, 5=completamente d accordo) di un test di prestazione tipica che misurano la compulsione ad accumulare oggetti. Cominciamo valutando se vi sono outlier per l età. Seguiamo Analyze Descriptive Statistics Descriptives, inseriamo la variabile età nel campo Variable(s), e spuntiamo, in basso a sinistra, Save standardized values as variables (Figura 5.2.1)
3 Approfondimento 5.2 Individuare gli outlier 3 Figura Impostare il calcolo dei punteggi standardizzati in SPSS. Clickiamo su OK. Nell ouput comparirà una tabella con le statistiche descrittive dell età (Figura 5.2.2). Descriptive Statistics età Valid N (listwise) N Minimum Maximum Mean Std. Deviation Figura Statistiche descrittive della variabile età Le statistiche di dicono che il valore minimo è 18 e quello massimo 65, il che ci potrebbe far pensare che, se il campione sul quale stiamo lavorando riguarda la popolazione generale, i punteggi e- stremi appaiono plausibili. Torniamo ora al file dei dati, e notiamo che è stata aggiunta una colonna, Zetà, che contiene i valori di età trasformati a punti z. Per valutare la possibile presenza di outlier dobbiamo decidere quale valore di punto z rappresenta il limite per considerare i punteggi estremi. Poniamo di aver scelto il valore 3. A questo punto ordiniamo il dataset in ordine crescente in base al valore di Zetà. Per farlo, seguiamo Data Sort cases e inseriamo Zetà nel campo Sort by, lasciando l impostazione di default dell ordine ascendente (ascending) (Figura 5.2.3).
4 Approfondimento 5.2 Individuare gli outlier 4 Figura Ordinare il dataset in base ad una delle variabili Clickiamo su OK. Adesso il dataset è ordinato in base ai valori di Zetà. Concentriamoci sulla colonna di questa variabile. Se nel dataset vi sono outlier rispetto all età, questi dovrebbero comparire nelle prime righe del dataset riordinato (bassi valori di età) e nelle ultime (alti valori di età). Il punto z corrispondente ad un età di 18 anni, la minima osservata è 1,57, che in valore assoluto non è superiore a 3, per cui non lo consideriamo un outlier. Il valore massimo 65, invece, presenta un punteggio standardizzato di 3,01, che, per quanto di poco, lo pone al di fuori della gamma di valori accettabili. Dobbiamo dunque considerarlo un outlier? In base al criterio statistico che abbiamo scelto sì, ma occorre tenere in considerazione che i valori di età immediatamente precedenti sono 63 e 61, per cui la distanza di questo valore da quelli non classificati come outlier non appare rilevante. Inoltre, anche in senso assoluto 65 potrebbe non essere considerato un valore particolarmente estremo per l età, soprattutto in un campione di soggetti che hanno compilato un test. Potremmo quindi pensare di mantenerlo nel dataset. Se lo escludessimo, dovremmo cancellare il valore dell età di quel soggetto e ri-stimarla mediante l analisi per i dati mancanti (Approfondimento 4.9). Il metodo della standardizzazione, però, è basato sul sottrarre al punteggio osservato la media di tutti i punteggi e sul dividere questa differenza per la deviazione standard dei punteggi. Il problema è che media e deviazione standard sono due statistiche che risentono pesantemente proprio della presenza di outlier,. Per ovviare a questo problema si ricorre allora alla median absolute deviation.
5 Approfondimento 5.2 Individuare gli outlier Median Absolute Deviation La median absolute deviation (MAD) consente di ottenere uno stimatore consistente della deviazione standard indipendente dalla presenza di outlier, e la sua origine pare risalire ad un lavoro di Gauss (1816). La MAD è la mediana del valore assoluto degli scarti fra ogni valore e la mediana: MAD = mediana i X i mediana j ( X j ) Si può dimostrare che la relazione fra la MAD e la deviazione standard è s = MAD 1,4286. Tale valore è una costante che dipende dalla distribuzione di probabilità su cui si sta lavorando, che di solito è la distribuzione normale. Il punteggio z robusto (z r ) viene quindi calcolato come i punti z classici, ma con la stima di s partire dalla MAD a denominatore: z r X M = MAD 1,4286 I punteggi superiori a 3,5 in valore assoluto vengono quindi considerati outlier. Per calcolare la MAD in SPSS dobbiamo innanzitutto calcolare la mediana. Utilizziamo sempre la variabile età. Seguiamo Analyze Descriptive Statistics Frequencies, inseriamo la variabile età nel campo Variable(s) e clickiamo su Statistics. Nella nuova finestra spuntiamo Quartiles nel riquadro Percentile Values (Figura 5.2.4). Figura Impostazioni di SPSS per il calcolo della mediana Il motivo per cui non spuntiamo direttamente Median nel riquadro Central Tendency è che il secondo quartile corrisponde in ogni caso alla mediana, e il primo e il terzo quartile ci serviranno per de-
6 Approfondimento 5.2 Individuare gli outlier 6 scrivere un altra procedura di valutazione degli outlier univariati nella prossima sezione. Clickiamo su Continue, quindi su OK e otteniamo il risultato in Figura Statistics età N Percentiles Valid Missing Figura Quartili della distribuzione dell età Il percentile 25 corrisponde al primo quartile (Q1), il 50 alla mediana (o secondo quartile Q2), il 75 al terzo quartile (Q3). La mediana dell età è quindi 34. Adesso dobbiamo calcolare per ogni valore lo scarto dalla mediana, prenderlo in valore assoluto, sempre positivo, e calcolare la mediana di questi nuovi valori. Seguiamo allora Trasform Compute. Nel campo Targer Variable scriviamo il nome della variabile che conterrà gli scarti in valore assoluto dalla mediana (dev_med), mentre nel campo Numeric Expression scriviamo la formula ABS(età 34) (Figura 5.2.6).
7 Approfondimento 5.2 Individuare gli outlier 7 Figura Calcolo degli scarti assoluti dalla mediana Clickiamo su OK. Adesso dobbiamo calcolare la mediana della nuova variabile dev_med. Per farlo, seguiamo lo stesso procedimento illustrato in precedenza per calcolare la mediana dell età. La mediana degli scarti in valore assoluto dalla mediana è quindi 7. Possiamo adesso calcolare, per ogni soggetto, il punteggio z r con la formula vista in precedenza. Seguiamo di nuovo Trasform Compute. Nel campo Targer Variable scriviamo il nome della variabile che conterrà i punteggi z robusti (zr), mentre nel campo Numeric Expression scriviamo la formula (età 34.15)/(1.4286*7) (Figura 5.2.7) 1 1 Il valore 34,15 della media dell età lo abbiamo ottenuto in Figura
8 Approfondimento 5.2 Individuare gli outlier 8 Figura Calcolo degli z robusti Clickiamo su OK, e, con il procedimento visto in Figura 5.2.3, ordiniamo il dataset in base alla nuova variabile zr. Osserviamo che il valore minimo è 1,56 (corrispondente a 18 anni) e il massimo 2,97 (corrispondente a 65 anni), entrambi inferiori al 3,5 che costituisce il valore critico di zr per considerare il valore un outlier. In base all impiego della MAD, quindi, nessun valore di età pare poter essere considerato un outlier. 1.3 Differenza interquartile Un altro metodo basato sull informazione a livello ordinale per l individuazione di outlier univariati è quello del calcolare un limite superiore di accettabilità uguale al terzo quantile più 1,5 volte la differenza interquartile e un limite inferiore uguale al primo quartile meno 1,5 volte la differenza interquartile. Nel caso dell età che stiamo considerando, abbiamo visto in Figura che Q1 e Q3
9 Approfondimento 5.2 Individuare gli outlier 9 sono rispettivamente 27 e 41. Questo significa che la differenza interquartile DI = = 14, per cui il limite superiore sarà ,5 = 62 e il limite inferiore sarà ,5 = 6. A questo punto basta ordinare il dataset in base all età e individuare se vi sono valori inferiori a 6 o superiori a 62. Nel nostro caso non abbiamo valori inferiori a 6 (il minimo è 18), mentre abbiamo due valori superiori a 62 (63 e 65). SPSS non consente un calcolo diretto di questi valori, ma possiamo ottenere un grafico che corrisponde a questa procedura seguendo Analyze Descriptive Statistics Explore e inserendo la variabile età nel campo Dependent List. A questo punto clickiamo su Plots, dove deselezioniamo Stem-and-leaf nel campo Descriptive e selezionaimo invece Histogram (Figura 5.2.8). Figura Impostazioni di SPSS per l'individuazione di outlier mediante la differenza interquartile Clickiamo su Continue, quindi su OK e osserviamo l output (Figura 5.2.9). Descriptives età Mean 95% Confidence Interval for Mean Lower Bound Upper Bound Statistic Std. Error % Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis
10 Approfondimento 5.2 Individuare gli outlier 10 Figura Output di SPSS per la funzione Explore Nella tabella Descriptives è riportato il valore 5% Trimmed Mean, che è la media calcolata dopo aver escluso il 5% dei valori agli estremi della distribuzione (2,5% nella coda inferiore, 2,5% nella coda superiore). Se questo valore è molto diverso dalla media potremmo supporre che i valori e- stremi pesino particolarmente all interno del campione, ma in questo caso la differenza è inferiore all unità di misura (34,15 33,77 = 0.38). Nel boxplot, invece, osserviamo due piccoli cerchi sopra il baffo superiore, che indicano proprio i due outlier identificati con la procedura numerica di prima. Si noti che il numero accanto ai cerchietti non è l ID del soggetto, ma la riga del dataset nella quale compare il valore al momento dell analisi. Questo significa che il valore può cambiare se avete ordinato il dataset in base ad un altra variabile. 1.4 Considerazioni sugli outlier univariati Le tre procedure che abbiamo visto in questa sezione hanno condotto a tre diverse conclusioni circa lo status di outlier dell età di alcuni soggetti. Questo risultato dovrebbe far riflettere circa il livello di arbitrarietà che può influenzare le decisioni. Se in precedenza è stato consigliato di eliminare i valori identificati come outlier dal dataset e ri-stimarli mediante, ad esempio, la multiple imputation, un altra strategia potrebbe essere quella di creare una nuova variabile, in cui i valori siano 0 se
11 Approfondimento 5.2 Individuare gli outlier 11 il soggetto non è un outlier e 1 se lo è risultato in base ad un qualche criterio. La procedura in SPSS è molto semplice. Supponiamo di voler utilizzare il metodo della differenza interquartile. Abbiamo visto che i valori inferiori a 6 e superiori a 62 dovrebbero essere considerati outlier. Seguiamo quindi Transform Recode Into different variables e inseriamo la variabile età nel campo Numeric Variable -> Output Variable. Scriviamo il nome della nuova variabile nel campo Name nel riquadro Output Variable e clickiamo Change. Nell esempio in Figura abbiamo utilizzato il nome outlier. Figura Codifica della variabile che identifica gli outlier Clickiamo poi su Old and New Values. Spuntiamo Range through highest in basso a sinistra nel riquadro Old Value, inseriamo nel campo il valore 62, poi spostiamoci nel campo New Value, inseriamo il valore 0 nel campo Value e clickiamo Add. Torniamo al riquadro Old Value e spuntiamo Range Lowest through, inseriamo nel campo il valore 6, poi spostiamoci nel campo New Value, inseriamo il valore 0 nel campo Value e clickiamo Add. Infine, spuntiamo All other values nel campo
12 Approfondimento 5.2 Individuare gli outlier 12 Old Value, inseriamo il valore 1 nel campo Value e clickiamo Add, quindi Continue e OK. Verrà creata una nuova variabile contenente 0 e 1 coerentemente con le nostre impostazioni. Con lo stesso principio avremmo potuto creare una nuova variabile che identificasse i valori superiori a 3 e inferiori a 3 per Zetà o i valori superiori a 3,5 e inferiori a 3,5 per zr. Il vantaggio di avere questa nuova variabile è che potremmo utilizzarla come filtro per le analisi. Ad esempio, potremo, senza cancellare i soggetti dal dataset, realizzare un analisi dei dati considerando tutti i soggetti, e poi rifare la stessa analisi ma senza gli outlier. Per farlo basta seguire Data Select Cases, spuntare Use filter variable e inserire nel campo la variabile filtro (nel nostro caso la variabile outlier, Figura ). Figura Filtro dei dati in base alla variabile outlier Clickando su OK si noterà come la colonna di sinistra del file dei dati presenterà una barra diagonale in corrispondenza dei casi non selezionati. Da questo momento in avanti tali casi non verranno considerati nelle analisi, per cui se si vuole ripristinare l intero dataset dovremo tornare alla finestra di Figura e spuntare All cases.
13 Approfondimento 5.2 Individuare gli outlier Outlier multivariati Per l individuazione dei casi estremi non come punteggio in una singola variabile, ma come combinazioni di punteggi in un insieme di variabili, utilizziamo la distanza di Mahalanobis. In SPSS questo indice viene calcolato seguendo Analyze Regression Linear. Le variabili che vogliamo considerare per individuare gli outlier multivariati (nel nostro caso, le risposte agli item da i01 a i07) dovranno essere inserite nel campo Independent(s), mentre nel campo Dependent dovrà essere inserita una qualunque altra variabile metrica del dataset. In realtà non importa assolutamente quale, l importante è che abbia lo stesso numero di casi validi del set di variabili in esame. Nel nostro caso inseriamo l età (Figura ). Figura Impostazioni di SPSS per ottenere la distanza di Mahalanobis Clickiamo poi su Save e nella nuova finestra spuntiamo Mahalanobis nel campo Distances. Clickiamo su Continue e poi su OK. All inizio possiamo ignorare l output e concentrarci invece sulla nuova variabile creata nel file di dati, MAH_1. I valori della distanza mahalonobiana D 2 sono distribuiti come chi-quadrato con un numero di gradi di libertà uguale al numero di variabili inserite nel campo Independent(s), per cui nel nostro caso sono 7. Associamo allora una probabilità al valore di D 2. Seguiamo Transform Compute, inseriamo il nome della variabile (p) che conterrà la pro-
14 Approfondimento 5.2 Individuare gli outlier 14 babilità associata a D 2 nel campo Target Variable e nel campo Numeric Expression scriviamo 1- CDF.CHISQ(MAH_1,7), come in Figura Figura Calcolo della probabilità associata alla distanza mahalobiana Si noti che la formula è identica per qualunque altro caso, tranne che per il 7 finale, che rappresenta il numero di variabili considerate di volta in volta, e quindi può variare. Clickiamo su OK e nel file di dati comparirà la variabile p. Dopo esserci assicurati, nel foglio Variable View, che la variabile venga visualizzata con almeno 5 decimali, con la procedura già vista in Figura ordiniamo il dataset in base a questa variabile. I valori di probabilità associati a D 2 inferiori a.001 sono da considerarsi outlier multivariati. Nel nostro caso notiamo come si trovino in questa condizione sette casi, quelli evidenziati in nero in Figura
15 Approfondimento 5.2 Individuare gli outlier 15 Figura Outlier multivariati nel dataset TIPICA4.sav Osserviamo i pattern di risposta di questi soggetti. Poiché la scala in questione è composta di sette operazionalizzazioni dell acquisizione compulsiva di oggetti, dovremmo aspettarci una bassa variabilità delle risposte di un soggetto, in quanto se ha un livello alto nel costrutto dovrebbe indicare punteggi alti in tutti gli item, mentre se ha un punteggio basso nel costrutto dovrebbe indicare punteggi bassi a tutti gli item. Tutti i soggetti con D 2 troppo alti, però, presentano pattern apparentemente incoerenti, come il soggetto 30 sulla prima riga: dopo aver risposto 5 ai primi due item ha risposto 1 al terzo e al quarto. Come già detto nel caso degli outlier univariati, in questi casi la decisione se escludere o meno i soggetti può essere oggetto di discussione. Nel caso degli outlier multivariati, in particolare, il fatto che un soggetto emerga come un outlier dipende anche dagli altri soggetti del campione, per cui se ora eliminassimo i sette soggetti di Figura e ripetessimo l analisi, potremmo ottenere che altri soggetti, inizialmente non individuati, risultano outlier in riferimento al nuovo campione. Potete escludere quindi questi soggetti, ripetere l analisi e valutare se vi sono ancora outlier: in ogni caso non dovrete ripetere la procedura molte, volte, per cui, in quattro-cinque cicli al massimo dovreste avere a disposizione un campione senza outlier multivariati. Questo rappresenterà un vantaggio al momento di realizzare l analisi fattoriale, ma potrebbe aver portato lo svantaggio di diminuito troppo l ampiezza campionaria oppure, ancor peggio, di aver modificato la rappresentatività del campione, per cui è sempre utile verificare, mediante le statistiche descrittive delle variabili socio-
16 Approfondimento 5.2 Individuare gli outlier 16 demografiche, che il nuovo campione senza gli outlier multivariati abbia mantenuto le caratteristiche che rendevano il campione iniziale rappresentativo della vostra popolazione target sempre che lo fosse!
Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS
Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS Per ottenere le statistiche descrittive di una o più variabili in Excel occorre utilizzare le funzioni, che sono operatori matematici,
DettagliStrumenti informatici 2.1 - Realizzare grafici e tabelle con Excel e SPSS
Strumenti informatici 2.1 - Realizzare grafici e tabelle con Excel e SPSS Realizzare un grafico con Excel è molto semplice, e permette tutta una serie di varianti. Il primo passo consiste nell organizzare
DettagliStrumenti informatici 13.1
1 Strumenti informatici 1.1 I test post-hoc nel caso del confronto fra tre o più proporzioni dipendenti e la realizzazione del test Q di Cochran in SPSS Nel caso dei test post-hoc per il test Q di Cochran,
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
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) LABORATORIO EXCEL
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStrumenti Informatici 8.1. Realizzare il test della binomiale (o test dei segni) con Excel e SPSS
1 Strumenti Informatici 8.1 Realizzare il test della binomiale (o test dei segni) con Excel e SPSS Il test della binomiale (o test dei segni) può essere eseguito con Excel impostando le formule adeguate
DettagliProf.ssa Paola Vicard
DISTRIBUZIONE DI FREQUENZE PER CARATTERI QUALITATIVI Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000,
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliEPG Metodologia della ricerca e Tecniche Multivariate dei dati. Dott.ssa Antonella Macchia E-mail: a.macchia@unich.it. www.psicometria.unich.
EPG Metodologia della ricerca e Tecniche Multivariate dei dati Dott.ssa Antonella Macchia E-mail: a.macchia@unich.it www.psicometria.unich.it GIORNI E ORARI LEZIONI Sabato 01-03-2014 h 08:00-12:00 Sabato
DettagliTutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...).
ESEMPIO DI QUERY SUL FILE Formario_minuscolo Tutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...). Durante l interrogazione,
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliNUOVA PROCEDURA COPIA ED INCOLLA PER L INSERIMENTO DELLE CLASSIFICHE NEL SISTEMA INFORMATICO KSPORT.
NUOVA PROCEDURA COPIA ED INCOLLA PER L INSERIMENTO DELLE CLASSIFICHE NEL SISTEMA INFORMATICO KSPORT. Con l utilizzo delle procedure di iscrizione on line la società organizzatrice ha a disposizione tutti
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStrumenti informatici 11.1. Realizzare un test per proporzioni dipendenti in Excel ed SPSS
1 Strumenti informatici 11.1 Realizzare un test per proporzioni dipendenti in Excel ed SPSS Excel non dispone di una funzione che consenta di realizzare il test statistico z per il confronto di proporzioni
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliM:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI
M:\Manuali\VARIE\GENERAZIONE REPORT PARAMETRICI.doc GENERAZIONE REPORT PARAMETRICI Di seguito, riportiamo le istruzioni per la gestione delle query parametriche utile ad eventuali ricerche di casi particolari,
Dettagli8.9 CREARE UNA TABELLA PIVOT
8.9 CREARE UNA TABELLA PIVOT Utilizziamo la tabella del foglio di Excel Consumo di energia elettrica in Italia del progetto Aggiungere subtotali a una tabella di dati, per creare una Tabella pivot: essa
DettagliCome costruire una distribuzione di frequenze per caratteri quantitativi continui
Come costruire una distribuzione di frequenze per caratteri quantitativi continui Consideriamo i dati contenuti nel primo foglio di lavoro (quello denominato dati) del file esempio2.xls. I dati si riferiscono
Dettagli5.2.1 RELAZIONI TRA TABELLE 1. 5.2.4.1 Creare una relazione uno-a-uno, uno-a-molti tra tabelle 9
5.2.1 RELAZIONI TRA TABELLE 1 5.2.4.1 Creare una relazione uno-a-uno, uno-a-molti tra tabelle 9 Il grado di un verso di un associazione indica quanti record della tabella di partenza si associano ad un
DettagliIl sofware è inoltre completato da una funzione di calendario che consente di impostare in modo semplice ed intuitivo i vari appuntamenti.
SH.MedicalStudio Presentazione SH.MedicalStudio è un software per la gestione degli studi medici. Consente di gestire un archivio Pazienti, con tutti i documenti necessari ad avere un quadro clinico completo
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliCapitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti
Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
Dettagli2 Fortino Lugi. Figura Errore. Nel documento non esiste testo dello stile specificato.-3 -- Finestra attiva o nuovo documento
1 Fortino Lugi STAMPA UNIONE OFFICE 2000 Vi sarà capitato sicuramente di ricevere lettere pubblicitarie indirizzate personalmente a voi; ovviamente quelle missive non sono state scritte a mano, ma utilizzando
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliEXCEL PER WINDOWS95. sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area di lavoro, detta foglio di lavoro,
EXCEL PER WINDOWS95 1.Introduzione ai fogli elettronici I fogli elettronici sono delle applicazioni che permettono di sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliUniversità 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
Dettagli1. ACCESSO AL DATABASE
1. ACCESSO AL DATABASE Nel momento in cui decidete di inserire sul portale informatico i dati dei rapporti di controllo redatti dai vostri tecnici, dopo aver inviato via mail o via fax il modulo compilato
DettagliFile, Modifica, Visualizza, Strumenti, Messaggio
Guida installare account in Outlook Express Introduzione Questa guida riguarda di sicuro uno dei programmi maggiormente usati oggi: il client di posta elettronica. Tutti, ormai, siamo abituati a ricevere
DettagliL amministratore di dominio
L amministratore di dominio Netbuilder consente ai suoi clienti di gestire autonomamente le caselle del proprio dominio nel rispetto dei vincoli contrattuali. Ciò è reso possibile dall esistenza di un
DettagliLe query di raggruppamento
Le query di raggruppamento Le "Query di raggruppamento" sono delle Query di selezione che fanno uso delle "Funzioni di aggregazione" come la Somma, il Conteggio, il Massimo, il Minimo o la Media, per visualizzare
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliCorso 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
DettagliGESGOLF SMS ONLINE. Manuale per l utente
GESGOLF SMS ONLINE Manuale per l utente Procedura di registrazione 1 Accesso al servizio 3 Personalizzazione della propria base dati 4 Gestione dei contatti 6 Ricerca dei contatti 6 Modifica di un nominativo
DettagliMisure 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.
DettagliGuida all uso di Java Diagrammi ER
Guida all uso di Java Diagrammi ER Ver. 1.1 Alessandro Ballini 16/5/2004 Questa guida ha lo scopo di mostrare gli aspetti fondamentali dell utilizzo dell applicazione Java Diagrammi ER. Inizieremo con
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliDatabase 1 biblioteca universitaria. Testo del quesito
Database 1 biblioteca universitaria Testo del quesito Una biblioteca universitaria acquista testi didattici su indicazione dei professori e cura il prestito dei testi agli studenti. La biblioteca vuole
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliAnalisi della performance temporale della rete
Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliRapporto 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
DettagliVademecum studio funzione
Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla
DettagliProgramma Gestione Presenze Manuale autorizzatore. Versione 1.0 25/08/2010. Area Sistemi Informatici - Università di Pisa
- Università di Pisa Programma Gestione Presenze Manuale autorizzatore Versione 1.0 25/08/2010 Email: service@adm.unipi.it 1 1 Sommario - Università di Pisa 1 SOMMARIO... 2 2 ACCESSO AL PROGRAMMA... 3
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliCATALOGO E-COMMERCE E NEGOZIO A GRIGLIA
CATALOGO E-COMMERCE E NEGOZIO A GRIGLIA In questo tutorial verrà illustrato come sfruttare la flessibilità del componente "Catalogo E-commerce" per realizzare un classico negozio a griglia, del tipo di
DettagliIl calendario di Windows Vista
Il calendario di Windows Vista Una delle novità introdotte in Windows Vista è il Calendario di Windows, un programma utilissimo per la gestione degli appuntamenti, delle ricorrenze e delle attività lavorative
DettagliGESTIONE CANTINA MANUALE UTENTE. @caloisoft GESTIONE CANTINA 1
GESTIONE CANTINA MANUALE UTENTE @caloisoft GESTIONE CANTINA 1 IL PROGRAMMA CANTINA Si tratta di un programma per la gestione di una cantina che permette di mantenere un archivio aggiornato di tutte le
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliElementi 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,
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliIL MODELLO CICLICO BATTLEPLAN
www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
DettagliLa grafica con Word. La parte evidenziata è una Riga. La parte evidenziata è una Colonna. La parte evidenziata è una Cella
9 La grafica con Word Lezione 09 Word non è un programma di grafica e, pertanto, non può sostituire i programmi che sono abilitati alle realizzazioni grafiche. Nonostante tutto, però, la grafica in Word
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliDeterminare la grandezza della sottorete
Determinare la grandezza della sottorete Ogni rete IP possiede due indirizzi non assegnabili direttamente agli host l indirizzo della rete a cui appartiene e l'indirizzo di broadcast. Quando si creano
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliGENERAZIONE PREVENTIVI
GENERAZIONE PREVENTIVI Per la creazione di un nuovo preventivo si fa sempre riferimento ad un Tipo Preventivo, identificato da una certa Sigla. Nell esempio seguente vediamo come il preventivo abbia impostata
DettagliCapitolo 6. 6.1 TOTALI PARZIALI E COMPLESSIVI Aprire la cartella di lavoro Lezione2 e inserire la tabella n 2 nel Foglio1 che chiameremo Totali.
Capitolo 6 GESTIONE DEI DATI 6.1 TOTALI PARZIALI E COMPLESSIVI Aprire la cartella di lavoro Lezione2 e inserire la tabella n 2 nel Foglio1 che chiameremo Totali. Figura 86. Tabella Totali Si vuole sapere
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliPOLIAGE GUIDA RAPIDA
www.candian.itinfo@candian.it!!"#$% &%'%$%(%)*)+,-,'!-#,%$. POLIAGE GUIDA RAPIDA I. Codifica di una prestazione Pag. 2 II. Inserimento di un nuovo professionista 4 I Creazione Profilo Agenda 6 II Gestione
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliPer effettuare la stampa di una cartella di lavoro si accede al comando. Stampa dal menu File o si utilizza il pulsante omonimo sulla barra
4.5 Stampa 4.5.1 Stampare semplici fogli elettronici 4.5.1.1 Usare le opzioni di base della stampa Per effettuare la stampa di una cartella di lavoro si accede al comando Stampa dal menu File o si utilizza
DettagliQuesta guida è realizzata per spiegarvi e semplificarvi l utilizzo del nostro nuovo sito E Commerce dedicato ad Alternatori e Motorini di avviamento.
Guida all uso del sito E Commerce Axial Questa guida è realizzata per spiegarvi e semplificarvi l utilizzo del nostro nuovo sito E Commerce dedicato ad Alternatori e Motorini di avviamento. Innanzitutto,
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
DettagliQuesta guida vi illustrerà i principali passaggi da eseguire per l'inserimento dei Bandi di gara.
Piccolo Manuale Manuale Pt 1ª Registrazione (Login) Questa guida vi illustrerà i principali passaggi da eseguire per l'inserimento dei Bandi di gara. Riceverete una email contenente: Link della vostra
DettagliEsercitazione #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
DettagliPersonalizzazione documenti Word
Personalizzazione documenti Word E possibile personalizzare tutte le stampe in formato word presenti nelle diverse aree di Axios Italia. Le stampe in formato word, caratterizzate dal simbolo gestione testi.,
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliStampa su moduli prestampati utilizzando Reflection for IBM 2011 o 2008
Stampa su moduli prestampati utilizzando Reflection for IBM 2011 o 2008 Ultima revisione 13 novembre 2008 Nota: Le informazioni più aggiornate vengono prima pubblicate in inglese nella nota tecnica: 2179.html.
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliEsercizio data base "Biblioteca"
Rocco Sergi Esercizio data base "Biblioteca" Database 2: Biblioteca Testo dell esercizio Si vuole realizzare una base dati per la gestione di una biblioteca. La base dati conterrà tutte le informazioni
DettagliCONTENT MANAGEMENT SY STEM
CONTENT MANAGEMENT SY STEM I NDI CE I NTRODUZI ONE Accesso al CMS 1) CONTENUTI 1.1 I nserimento, modifica e cancellazione dei contenuti 1.2 Sezioni, categorie e sottocategorie 2) UTENTI 3) UP LOAD FILES
DettagliModuli (schede compilabili) in Word Esempio: scheda di alimentazione per un degente
Moduli (schede compilabili) in Word Esempio: scheda di alimentazione per un degente Vediamo come utilizzare Word per costruire un modulo compilabile, ovvero una scheda che contenga delle parti fisse di
DettagliLA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1
LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 I CODICI 1 IL CODICE BCD 1 Somma in BCD 2 Sottrazione BCD 5 IL CODICE ECCESSO 3 20 La trasmissione delle informazioni Quarta Parte I codici Il codice BCD
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliINDICE. Accesso al Portale Pag. 2. Nuovo preventivo - Ricerca articoli. Pag. 4. Nuovo preventivo Ordine. Pag. 6. Modificare il preventivo. Pag.
Gentile Cliente, benvenuto nel Portale on-line dell Elettrica. Attraverso il nostro Portale potrà: consultare la disponibilità dei prodotti nei nostri magazzini, fare ordini, consultare i suoi prezzi personalizzati,
DettagliINSTALLAZIONE NUOVO CLIENT TUTTOTEL (04 Novembre 2014)
INSTALLAZIONE NUOVO CLIENT TUTTOTEL (04 Novembre 2014) Se la Suite risulta già stata installata e quindi sono già presenti le configurazioni di seguito indicate, si prega di andare direttamente alla fine
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli