VARIETÀ. zona geografica A B C D
|
|
- Giuliano Mantovani
- 6 anni fa
- Visualizzazioni
Transcript
1 Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore nutritivo in Kj di un certo frutto commestibile è stato valutato in un insieme di 72 esemplari suddiviso in quattro varietà diverse provenienti da tre zone geografiche distinte. Ogni varietà e zona specifiche hanno fornito un campione di 6 esemplari. I risultati sono riportati nella tabella sottostante. Valutare le differenze tra medie delle varietà, zone geografiche e l interazione dei due fattori varietà-zona geografica. Sia alfa = 0.05 per tutti i test. VARIETÀ zona geografica A B C D Nord Centro Sud Var risposta= valore nutritivo in Kj Var trattamento 1 = colonne varietà diverse Var trattamento 2 = zone diverse Interazione = varietà diversa x zona diversa Unità sperimentali = singole misurazioni- frutti ripetute per varietà e zona H0 α : α 1 = α 2= α i = 0 gli effetti del trattamento A colonna sono uguali e nulli; HA α : non tutti gli α i = H0 β : β 1 = β 2. β j = 0 gli effetti del trattamento B riga sono uguali e nulli; HA β : non tutti gli β j = H0 α β : α 1 β 1 = α 1 β 2 = α β ij = 0 gli effetti della interazione AB sono uguali e nulli; HA α β: non tutti gli α β ij = 0
2 Numero trattamenti A colonne = k=4; numero trattamenti B righe B = j =3 Numero ripetizioni per interazione trattamento A x trattamento B = n = 6 Gradi di libertà totali =(k*j*n)-1= (4*3*6) -1 = 72-1= 71 Gradi di libertà tra trattamenti A -colonne = k-1 = 4-1= 3 Gradi di libertà tra trattamenti B -righe = j-1 = 3-1 = 2 Gradi di libertà della interazione =( k-1) (j-1)= 3*2 =6 Gradi di libertà della variazione residua-errore =k*j*(n-1)= 4*3*(6-1)= 60 F critico per RV trattamento A colonne : alfa= 0.05, 3 gdl al numeratore / 60 gdl al denominatore = 2.76 F critico per RV trattamento B righe: alfa= 0.05, 2 gdl al numeratore / 60 gdl al denominatore =3.15 F critico per RV interazione fattori colonne-righe: alfa= 0.05, 6 gdl al numeratore / 60 gdl al denominatore = 2.25 ANALISI VARIANZA Analisi Dati Excel Origine della variazione SQ gdl MQ F Valore di significatività F crit Campione-Righe-Zone Colonne-Varietà E Interazione residuo Totale Quindi rifiuto H0 α, rifiuto H0 β, non rifiuto H0 α β. Accetto le rispettive HA α e HA β e H0 α β. I risultati indicano che sia le varietà del frutto che le zone di coltivazione hanno un effetto significativo sulla valore nutritivo dello stesso, ma non l interazione dei due fattori. Con il programma STATA anova varrisposta variet##zona Number of obs = 72 R-squared = Root MSE = Adj R-squared = Source Partial SS df MS F Prob > F Model variet zona variet#zona Residual Total I risultati sono uguali
3 Risoluzione esercizio con il software R (v2.15.1) #Importazione dati data_frutti<-read.csv2(file.choose(), header= TRUE, sep= ";", dec=",", na.strings=" ") #importa dataset "anova2_1r.csv" #Visualizzo un estratto del dataset head(data_frutti) > head(data_frutti) zona risposta varietà #Uso il comando colnames che permette di visualizzare il nome delle variabili colnames(data_frutti) > colnames(data_frutti) [1] "zona" "risposta" "varietà" #Utilizzo il comando attach per gestire le variabili con il loro nome attach(data_frutti) #Comunico al software la natura nominale categorica delle variabili blocchi zona<-as.factor(zona) varietà<-as.factor(varietà) #Calcolo le statistiche di sintesi della variabile risposta, della variabile varietà e della variabile zona summary(risposta) > summary(risposta) Min. 1st Qu. Median Mean 3rd Qu. Max summary(varietà) > summary(varietà) summary(zona) > summary(zona) #Applico l analisi della varianza (ANOVA) a 2 vie con interazione anova(lm(risposta~varietà+zona+varietà:zona))
4 > anova(lm(risposta~varietà+zona+varietà:zona)) Analysis of Variance Table Response: risposta Df Sum Sq Mean Sq F value Pr(>F) varietà e-14 *** zona ** varietà:zona Residuals Signif. codes: 0 *** ** 0.01 *
5 Esercizio-esempio 2 La tavola seguente riporta dei punteggi sulla maturità emotiva di 27 giovani maschi classificati secondo l età e secondo l uso di marijuana. Valutare le differenze tra le medie per maturità emotiva secondo i fattori A( uso di marijuana), B (età) e l interazione dei due A*B. Sia alfa = 0.05 per tutti i test. Var risposta= punteggio maturità emotiva Var trattamento A = colonne uso di marijuana Var trattamento B = righe- età Fattore A ( uso di marijuana) Fattore B (Età) Mai Occasionalmente Giornalmente Interazione =uso marijuana x età Unità sperimentali = singoli soggetti repliche per uso marijuana ed età H0 α : α 1 = α 2= α i = 0 gli effetti del trattamento A colonna sono uguali e nulli; HA α : non tutti gli α i = H0 β : β 1 = β 2. β j = 0 gli effetti del trattamento B riga sono uguali e nulli; HA β : non tutti gli β j = H0 α β : α 1 β 1 = α 1 β 2 = α β ij = 0 gli effetti della interazione AB sono uguali e nulli; HA α β: non tutti gli α β ij = 0 Numero trattamenti A colonne= k=3; numero trattamenti B righe = j =3 Numero ripetizioni per interazione trattamento A x trattamento B = n = 3 Gradi di libertà totali =(k*j*n)-1= (3*3*3) -1 = 27-1= 26 Gradi di libertà tra trattamenti A-colonne = k-1 = 3-1= 2 Gradi di libertà tra trattamenti B-righe = j-1 = 3-1 = 2 Gradi di libertà della interazione AB =( k-1) (j-1)= 2*2 =4 Gradi di libertà della variazione residua-errore =k*j*(n-1)= 3*3*(3-1)= 18 F critico per RV trattamento A: alfa= 0.05, 2 gdl al numeratore / 18 gdl al denominatore = 3.55 F critico per RV trattamento B: alfa= 0.05, 2 gdl al numeratore / 18 gdl al denominatore =3.55 F critico per RV interazione fattori AB colonne-righe: alfa= 0.05, 4 gdl al numeratore / 18 gdl denominatore = 2.93
6 Analisi varianza: a due fattori con replica RIEPILOGO Conteggio Somma Media Varianza Conteggio Somma Media Varianza Conteggio Somma Media Varianza Totale Conteggio Somma Media Varianza ANALISI VARIANZA Origine della variazione SQ gdl MQ F Valore di significatività F crit Campione-righe-età Colonne-uso marijuana E Interazione Errore residuo Totale Quindi rifiuto H0 α, rifiuto H0 β, rifiuto H0 α β. Accetto le rispettive HA. I risultati indicano che sia l uso di marijuana sia l età che l interazione dei due fattori hanno un effetto significativo sulla maturità emotiva. In particolare in presenza di interazione significativa dei fattori, l effetto dei singoli fattori viene subordinato a questa ultima, ovvero l uso di marijuana per età. Degno di nota è il valore di F e relativa significatività per il trattamento A uso di marijuana che indicherebbe un effetto più forte per questo fattore. Se osserviamo le medie della tabella riportata notiamo che effettivamente chi non fa mai uso di marijuana nella età minore ha maturità emotiva più alta di chi fa uso giornaliero nella età maggiore ulteriori valutazioni si rendono opportune per queste interazioni...
7 Controlliamo anche con il programma STATA. anova varrisposta usomarijuana##et Number of obs = 27 R-squared = Root MSE = Adj R-squared = Source Partial SS df MS F Prob > F Model usomariju~a et usomariju~a#et Residual Total Il risultato è uguale
8 Esercizio-esempio 3 Un esperimento in soggetti adolescenti è stato programmato per studiare gli effetti di tre farmaci diversi in tre tipi di condizioni da stress, che procuravano ansia. La tavola riporta le differenze tra i punteggi, pre e post- trattamento dei 18 soggetti che hanno partecipato all esperimento. Valutare se esistono differenze per livelli diversi dei due fattori e la loro interazione. Farmaco Condizioni (Fattore A) da stress (Fattore B) A B C I II III Var risposta= effetto dei farmaci espresso in punteggio Var trattamento A = colonne tipo di farmaco Var trattamento B = condizioni da stress Interazione =tipo farmaco x condizioni da stress Unità sperimentali = singoli adolescenti repliche per farmaco e condizioni da stress H0 α : α 1 = α 2= α i = 0 gli effetti del trattamento A colonna sono uguali e nulli; HA α : non tutti gli α i = H0 β : β 1 = β 2. β j = 0 gli effetti del trattamento B riga sono uguali e nulli; HA β : non tutti gli β j = H0 α β : α 1 β 1 = α 1 β 2 = α β ij = 0 gli effetti della interazione AB sono uguali e nulli; HA α β: non tutti gli α β ij = 0 Numero trattamenti A colonne= k=3; numero trattamenti B righe = j =3 Numero ripetizioni per interazione trattamento A x trattamento B = n = 2 Gradi di libertà totali =(k*j*n)-1= (3*3*2) -1 = 18-1= 17 Gradi di libertà tra trattamenti A -colonne = k-1 = 3-1= 2 Gradi di libertà tra trattamenti B -righe = j-1 = 3-1 = 2 Gradi di libertà della interazione AB =( k-1) (j-1)= 2*2 =4 Gradi di libertà della variazione residua-errore =k*j*(n-1)= 3*3*(2-1)= 9 F critico per RV trattamento A: alfa= 0.05, 2 gdl al numeratore / 9 gdl al denominatore = 4.26 F critico per RV trattamento B: alfa= 0.05, 2 gdl al numeratore / 9 gdl al denominatore =4.26 F critico per RV interazione fattori colonne-righe: alfa= 0.05, 4 gdl al numeratore / 9 gdl al denominatore = 3.63
9 Analisi varianza: a due fattori con replica RIEPILOGO A B C Totale Stress I Conteggio Somma Media Varianza Stress II Conteggio Somma Media Varianza Stress III Conteggio Somma Media Varianza Totale Conteggio Somma Media Varianza ANALISI VARIANZA Origine della variazione SQ gdl MQ F Valore di significatività F crit Campione-righe-stress Colonne-farmaco Interazione Residuo Totale Quindi rifiuto H0 α, rifiuto H0 β, non rifiuto H0 α β. Accetto le rispettive HA α e HA β e H0 α β. I risultati indicano che sia il tipo di farmaco che le condizioni da stress danno risultati significativamente sugli effetti del farmaco, ma non l interazione dei due fattori. Lo stress inoltre appare avere un effetto più forte rispetto al tipo di farmaco sulla variabile risposta.
10 Controlliamo anche con il programma STATA anova varrisposta stress##farmaco Number of obs = 18 R-squared = Root MSE = Adj R-squared = Source Partial SS df MS F Prob > F Model stress farmaco stress#farmaco Residual Total Il risultato è uguale
11 Esercizio-esempio 4 La seguente tavola riporta le misure sulla capacità vitale di 60 maschi adulti classificati secondo l età ed il tipo di lavoro. Valutare le differenze tra i tipi di lavoro, le classi d età e l interazione delle due, alfa = 0.05 Tipo di lavoro classe età A B C D Var risposta= capacità vitale Var trattamento 1 = colonne tipo di lavoro Var trattamento 2 = righe -classi d età Interazione = tipo lavoro x classi età Unità sperimentali = soggetti diversi repliche misurati per le combinazioni di lavoro e classe età H0 α : α 1 = α 2= α i = 0 gli effetti del trattamento A colonna sono uguali e nulli; HA α : non tutti gli α i = H0 β : β 1 = β 2. β j = 0 gli effetti del trattamento B riga sono uguali e nulli; HA β : non tutti gli β j = H0 α β : α 1 β 1 = α 1 β 2 = α β ij = 0 gli effetti della interazione AB sono uguali e nulli; HA α β: non tutti gli α β ij = 0
12 Numero trattamenti A colonne = k=4; numero trattamenti-blocchi righe B = j =3 Numero ripetizioni per interazione trattamento A x trattamento B = n = 5 Gradi di libertà totali =(k*j*n)-1= (4*3*5) -1 = 60-1= 59 Gradi di libertà tra trattamenti A -colonne = k-1 = 4-1= 3 Gradi di libertà tra trattamenti B righe = j-1 = 3-1 = 2 Gradi di libertà della interazione AB=( k-1) (j-1)= 3*2 =6 Gradi di libertà della variazione residua-errore =k*j*(n-1)= 4*3*(5-1)= 48 F critico per RV trattamento A: alfa= 0.05, 3 gdl al numeratore / 48 gdl al denominatore = 2.80 F critico per RV trattamento B: alfa= 0.05, 2 gdl al numeratore / 48 gdl al denominatore =3.20 F critico per RV interazione AB fattori colonne-righe: alfa= 0.05, 6 gdl al numeratore / 48gdl al denominatore = 2.30 ANALISI VARIANZA Origine della variazione SQ gdl MQ F Valore di significatività F crit Campione E Colonne E Interazione E In Totale Quindi rifiuto H0 α, rifiuto H0 β, rifiuto H0 α β. Accetto le rispettive HA. I risultati indicano che sia il tipo di lavoro che l età che l interazione dei due fattori hanno un effetto significativo sulla capacità vitale. In particolare in presenza di interazione significativa dei fattori, l effetto dei singoli fattori viene subordinato a questa ultima, ovvero il tipo di attività lavorativa per la classe d età. Verifica con STATA anova varrrisposta et##tipolavoro Number of obs = 60 R-squared = Root MSE = Adj R-squared = Source Partial SS df MS F Prob > F Model et tipolavoro et#tipolavoro Residual Total Il risultato è uguale
Livello di esposizione. animale Basso Moderato Alto
Esercizio -Esempio 1 (anova 2 vie con blocchi) I tassi respiratori (ispirazioni al minuto) sono stati misurati in otto animali usati per un esperimento, con tre livelli di esposizione al monossido di carbonio.
DettagliANOVA 1 Via Esercizio esempio 1
ANOVA 1 Via Esercizio esempio 1 Miller e Vanhoutte hanno condotto una ricerca sperimentale in cui cani femmine adulte, a cui erano state precedentemente asportate le ovaie (ovariectomizzate), sono stati
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
DettagliCAPITOLO 5 Introduzione ai piani fattoriali
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 5 Introduzione ai piani fattoriali Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliLABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE
LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE 5.1 ESEMPIO DI ANOVA AD UNA VIA In un esperimento un gruppo di bambini è stato assegnato a caso a 3 trattamenti, allo scopo di determinare
DettagliProva scritta di Affidabilità dei sistemi e controllo statistico di qualità
Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 18 Febbraio 2016 1. La probabilità di errore nella trasmissione di una cifra binaria attraverso un certo canale di comunicazione
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
DettagliANALISI DELLE VARIANZA ED APPLICAZIONI
ANALISI DELLE VARIANZA ED APPLICAZIONI L analisi della varianza è un insieme di modelli di analisi introdotti dal grande statistico inglese Ronald Fisher in cui la variazione totale presente in un insieme
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliANOVA 2. Monica Marabelli. 15 Gennaio 2016
ANOVA 2 Monica Marabelli 15 Gennaio 2016 ANOVA a una via Nella scorsa esercitazione abbiamo visto che nell Analisi della Varianza (ANOVA) si considerano le medie di una variabile dipendente (quantitativa)
DettagliProva scritta di Complementi di Probabilità e Statistica. 7 Dicembre 2012
Prova scritta di Complementi di Probabilità e Statistica 7 Dicembre. Un ingegnere vuole investigare se le caratteristiche di una superficie metallica sono influenzate dal tipo di pittura usata e dal tempo
DettagliAntonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR
Antonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR Materiale ad uso dei ricercatori che hanno seguito il corso di formazione interna in Statistica, edizione
DettagliL analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti
Lezione 14 L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Argomenti della lezione: Effetti principali e interazioni Analisi dei disegni fattoriali Disegni fattoriali (o a più vie):
DettagliAnalisi della varianza a una via
Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici
DettagliCAPITOLO 4 Blocchi casualizzati, quadrati latini e piani collegati
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 4 Blocchi casualizzati, quadrati latini e piani collegati Metodi statistici e probabilistici per l ingegneria Corso
DettagliR 2 1 j /n j] 3(n+1)
L ANALISI DELLA VARIANZA A RANGHI AD UNA VIA DI KRUSKAL-WALLIS Quando le assunzioni per l analisi della varianza parametrica non sono soddisfatte si può ricorrere ad una alternativa non parametrica per
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
DettagliAnalisi della varianza (anova) a due vie: parcelle di diverse dimensioni
Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni Andrea Onofri 31 gennaio 2012 Indice 1 Motivazioni dei disegni a split-plot 1 2 Calcolo dell ANOVA a split-plot 4 2.1 SED, confronti
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson Apogeo
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari"
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson. Casa editrice: Pearson
Levine, Krehbiel, Berenson Statistica II ed. Casa editrice: Pearson Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento
DettagliContrasti e confronti multipli
Contrasti e confronti multipli Andrea Onofri 25 gennaio 2012 Indice 1 Introduzione 1 2 I contrasti pianificati 2 Test di confronto multiplo 4 4 Limitazione delle MCP 5 5 Scegliere la MCP 7 Sommario Scopo
DettagliFACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA
FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA NB Come potete vedere facendo la somma dei punteggi il numero di quesiti è superiore a quello
DettagliANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliANALISI DELLA VARIANZA
ANALISI DELLA VARIANZA Il data set coagulation contenuto nella libreria faraway contiene i tempi di coagulazione del sangue (misurato in secondi) di 24 animali sottoposti casualmente a quattro tipi di
Dettagli1. Esistono differenze nella resistenza tra le varie marche?
Laboratorio 10 Analisi della varianza 10.1 Analisi del dataset STURDY.DAT I dati riportati nel file sturdy.dat si riferiscono ad un esperimento effettuato per studiare la resistenza allo strappo di diverse
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliMisure Ripetute. Partizione della Varianza. Marcello Gallucci
Misure Ripetute Partizione della Varianza Marcello Gallucci GLM l ANOVA a misure ripetute rappresenta un caso del modello lineare generale in cui la variabilità non è valutata tra gruppi ma tra misure
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliCORRELAZIONE NON PARAMETRICA
Fondamenti di psicometria Corso di Laurea triennnale (classe 34) CORRELAZIONE NON PARAMETRICA Spesso capita di non avere a disposizione delle misure di tipo metrico per le due variabili, X e Y, che si
DettagliMetodi di regressione multivariata
Metodi di regressione multivariata Modellamento dei dati per risposte quantitative I metodi di regressione multivariata sono strumenti utilizzati per ricercare relazioni funzionali quantitative tra un
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliLa riparametrizzazione dei Modelli Lineari e le procedure GLM e MIXED di SAS
La riparametrizzazione dei Modelli Lineari e le procedure GLM e MIXED di SAS E.D Arcangelo, C.Vitiello DIPARTIMENTO DI STATISTICA Sapienza Universita di Roma 11 dicembre 2012 E.D Arcangelo, C.Vitiello
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
DettagliEsercizio 1. soddisfazione
Esercizio 1 Un campione di trenta impiegati viene intervistato sulla soddisfazione verso il proprio lavoro. Nella tabella di seguito sono riportate le risposte date suddivise secondo il sesso dei soggetti.
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
DettagliTEST NON PARAMETRICO DI MANN-WHITNEY
TEST NON PARAMETRICO DI MANN-WHITNEY Questo test viene può essere utilizzato come test di confronto tra due campioni in maniera analoga ai test ipotesi parametrici di confronto medie (test Z se la varianza
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice
DettagliEx. 1 & 2: Costi, curve apprendimento ed economie di scala
Ex. 1 & 2: Costi, curve apprendimento ed economie di scala Economia Applicata M Andrea Bastianin Argomenti 1. Rendimenti di scala 2. Curve di apprendimento Riferimenti: Berndt, cap. 3 Nerlove, M. (1963).
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliObiettivi: dimostrare l efficacia della diagnosi e della terapia precoci adottate presso l Associazione A.R.C. di Verona Popolazione: 250 soggetti
Obiettivi: dimostrare l efficacia della diagnosi e della terapia precoci adottate presso l Associazione A.R.C. di Verona Popolazione: 250 soggetti circa dei quali 96 con Case Report Form (CRF) idoneo alle
DettagliCAPITOLO 6 Il piano fattoriale 2 k
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 6 Il piano fattoriale 2 k Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile
DettagliEsperimenti multi-ambiente (MET)
Esperimenti multi-ambiente (MET) Andrea Onofri Perugia, February 2011 Contents 1 Introduzione 1 2 Esempio 3 3 ANOVA combinata 4 4 Stabilità e affidabilità produttiva 7 1 Introduzione Introduzione All research
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliX Lezione Analisi della varianza Esempi e esercizi CPS - Corso di studi in Informatica II parte: Statistica
Corso di Calcolo delle Probabilità e Statistica II Parte - STATISTICA X Lezione Analisi della varianza Esempi e esercizi 1 Argomenti della X Lezione Tests per il confronto di più medie: ANOVA Utilità e
DettagliStrumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS
Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica 8 VERIFICA DI IPOTESI LA VERIFICA DI IPOTESI Una delle applicazioni
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 4 ESERCIZI RIEPILOGATIVI PRIME 3 LEZIONI 1 - STATISTICA DESCRITTIVA VENDITE PC ESERCIZIO 1: La seguente tabella
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliEsercizio 1 GRAFICO 1. X e Y sono indipendenti. X e Y non sono correlate. La correlazione tra X e Y è <1. X e Y sono perfettamente correlate
Esercizio 1 Osservare il grafico 1 riportato in figura che mette in relazione una variabile dipendente Y ed una variabile indipendente X e rispondere alle seguenti domande. 400 300 200 GRAFICO 1 100 0
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliConfronto tra gruppi (campioni indipendenti)
Confronto tra gruppi (campioni indipendenti) Campioni provenienti da una popolazione Normale con medie che possono essere diverse ma varianze uguali campioni: Test z or t sulla differenza tra medie 3,
DettagliMetodologie statistiche per l analisi del rischio IL RUOLO DELLA STATISTICA NELL ANALISI QUANTITATIVA DEL RISCHIO
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio IL RUOLO DELLA STATISTICA NELL ANALISI QUANTITATIVA DEL RISCHIO Facoltà di Medicina Veterinaria,
DettagliIL RUOLO DEI METODI STATISTICI NELL INGEGNERIA
Metodi Statistici e robabilistici per l Ingegneria IL RUOLO DEI METODI STATISTICI NELL INGEGNERIA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di adova Docente: Dott. L. Corain
DettagliStrumenti di indagine per la valutazione psicologica
Università degli Studi di Cagliari Facoltà di Studi Umanistici Esame di Strumenti di indagine per la valutazione psicologica dott. Davide Massidda Cognome Nome Matricola Data Le verranno di seguito posti
DettagliStatistica. Lezione 8
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 8 a.a 2011-2012 Dott.ssa Daniela
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 05-Anova (bozza) (vers. 1.0, 27 novembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliANOVA a un fattore between in R
ANOVA a un fattore between in R Il file Excel Il file sinburn.xlsx contiene i dati dello studio sulla sindrome da burnout in quindici infermieri ospedalieri di tre diversi reparti. Importare dati in R
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per fattori indipendenti (vers. 1.2, 8 novembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAPPLICAZIONI. Analisi della varianza ad un fattore
Douglas C. Montgomery Controllo statistico della qualità /ed 6 McGraw-Hill APPLICAZIONI Analisi della varianza ad un fattore Insegnamento: Metodi ed Applicazioni Statistiche Corso di Laurea Specialistica
DettagliL Analisi della Varianza secondo più criteri
Confronto fra più medie Statistica11 16-17/11/2015 L Analisi della Varianza secondo più criteri Analogamente all analisi della varianza vista precedentemente concettualmente non cambia niente se invece
DettagliPremessa: la dipendenza in media
Premessa: la dipendenza in media Supponiamo di avere K diversi livelli di un fattore che potrebbero influire su una determinata variabile. Per esempio supponiamo di domandarci se la diversificazione (intesa
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE PER L ESAME a.a. 2003/04 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili
DettagliRegressione lineare multipla Strumenti quantitativi per la gestione
Regressione lineare multipla Strumenti quantitativi per la gestione Emanuele Taufer Regressione lineare multipla (RLM) Esempio: RLM con due predittori Stima dei coefficienti e previsione Advertising data
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE a.a. 2005/06 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili di una
DettagliAnalisi della Varianza - II
Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati)
DettagliConfronto tra più di due campioni
Confronto tra più di due campioni La matrice dei dati Quando si esaminano più di due popolazioni, le informazioni sono u- sualmente organizzate sotto forma di matrice.,,, n ( ω ω ω ) 1 2 Pino, Maria,,Giacomo
DettagliAnalisi della Varianza - II
Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire
Dettagli4. ANALISI DELLA VARIANZA
4. ANALISI DELLA VARIANZA 4.1 Introduzione L obiettivo di un analisi della varianza (ANOVA) consiste nel confrontare i valori medi di una variabile quantitativa Z (variabile dipendente) in corrispondenza
DettagliEsercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza
Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza 3 maggio 2005 Esercizio 1 Consideriamo l esempio del libro di testo Annette
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
DettagliModelli che spiegano l attività fotosintetica alla luce di parametri fisiologici della vegetazione. Dr. Alessandro Ferrarini
Modelli che spiegano l attività fotosintetica alla luce di parametri fisiologici della vegetazione Dr. Alessandro Ferrarini variabile dipendente: NDVI (indice di attività fotosintetica) variabili indipendenti:
DettagliCaratterizzazione dei consumi energetici (parte 3)
ESERCITAZIONE 4 Caratterizzazione dei consumi energetici (parte 3) 4.1 CuSum: elementi di analisi statistica Il diagramma delle somme cumulate dei residui in funzione del tempo (CuSum) può essere in generale
Dettagli> d = alimentazione == "benz" > mean(percorr.urbana[!d]) - mean(percorr.urbana[d]) [1] 2.385627. > sd(percorr.urbana[d]) [1] 2.
A questo punto vale la pena di soffermarci di più sull alimentazione. Intanto cerchiamo di indagare se l alimentazione è davvero un fattore significativo per la percorrenza come è luogo comune pensare.
DettagliESERCIZIO 1. Biondi Castani Rossi Neri TOTALE
ESERCIZIO 1 La seguente tabella riporta la ripartizione di un campione di 374 abitanti della nazione RAINBOW in base al colore dei capelli e al genere: GENERE Femminile Maschile TOTALE COLORE DEI CAPELLI
DettagliAnalisi grafica residui in R. Da output grafico analisi regressionelm1.csv Vedi dispensa. peso-statura
Analisi grafica residui in R Da output grafico analisi regressionelm1.csv Vedi dispensa peso-statura 1) Il plot in alto a sinistra mostra gli errori residui contro i loro valori stimati. I residui devono
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per misure ripetute (vers. 1.0a, 1 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
DettagliValidazione dei modelli Strumenti quantitativi per la gestione
Validazione dei modelli Strumenti quantitativi per la gestione Emanuele Taufer Validazione dei modelli Il data set Auto I dati Il problema analizzato Validation set approach Diagramma a dispersione Test
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Significatività statistica per la correlazione vers. 1.0 (5 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
Dettagli