Test di Ipotesi Intervallo di confidenza Rossella Baldini

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Test di Ipotesi Intervallo di confidenza Rossella Baldini"

Transcript

1 Inferenza Statistica Test di Ipotesi Intervallo di confidenza Rossella Baldini 1

2 Statistiche o Statistica? Le statistiche mediche sono affermazioni numeriche di contenuto medico: Quante persone ogni anno muoiono per una certa causa, quanti posti letto sono disponibili negli ospedali di una certa area, quanto si è speso per un certo servizio medico. Fatti del genere sono reperibili nelle pubblicazioni ufficiali dei dicasteri della sanità, nazionali o internazionali, nelle relazioni pubblicate sugli esiti delle ricerche, nei libri di testo e nelle monografie su argomenti medici 2

3 Mentre: La Statistica è la disciplina che si occupa dell analisi in termini quantitativi di fenomeni collettivi (es: reddito dei residenti in Piemonte, età al matrimonio in Francia, ecc.). La Statistica è lo strumento necessario per raccogliere in modo adeguato, sintetizzare con opportuni indici ed interpretare grandi masse di informazioni. Noi ci occuperemo in particolare dell uso della statistica nella ricerca medica, indispensabile ai fini della ricerca. 3

4 La statistica svolge un ruolo importante in epidemiologia clinica nel determinare la precisione di un fenomeno misurato. Essa permette di distinguere i fenomeni potenzialmente veri da quelli osservati per caso e compatibili con l imprecisione della misura. 4

5 Qualche volta si sente dire che l informazione statistica contribuisce poco o nulla al progresso della medicina, perché il medico si deve dedicare, di volta in volta, alla cura del singolo paziente, e ogni paziente è DIVERSO da tutti gli altri per vari aspetti importanti. 5

6 Il progresso della medicina INVECE si basa proprio sui risultati ottenuti valutando, con appositi indicatori statistici, le caratteristiche di GRUPPI di PAZIENTI messi a confronto. Senza dimenticare che il GRUPPO èla somma di tanti INDIVIDUI, ognuno detentore delle informazioni elementari che si vogliono rilevare e analizzare. 6

7 Se il medico di un ospedale scopre che in una certa circostanza un paziente con emicrania migliora dopo aver bevuto succo di mele, da questa singola osservazione non deve seguire che il succo di mele è una terapia utile nell emicrania. Il medico ha bisogno di informazioni statistiche che dimostrino, per esempio, se in un gruppo di pazienti il miglioramento si registra con più frequenza dopo la somministrazione del succo di mele rispetto a qualche altro trattamento alternativo. 7

8 Come si misura statisticamente la variabilità? Tutti i dati d'osservazione e le misurazioni di qualsivoglia grandezza fisica comportano delle variazioni. Inoltre, poiché la variabilità individuale èuna proprietà intrinseca di tutti gli esseri viventi, le misure biologiche, più delle misure di altre grandezze fisiche, sono soggette a inevitabili variazioni. 8

9 Queste variazioni, oltre a derivare dall'imprecisione dello strumento di misura di volta in volta utilizzato, sono dovute alla diversità del parametro considerato fra individui ed anche, nell'ambito dello stesso individuo, da un'occasione all'altra, da un osservatore all'altro ecc 9

10 SINDROME DEL CAMICE BIANCO Si pensi ad esempio ai valori della pressione arteriosa che, appunto, cambiano da una persona all'altra e, nella stessa persona, cambiano nel tempo a seconda dello stato emozionale ecc. 10

11 Molti sono i motivi che rendono ogni individuo diverso dall altro. Fattori genetici, età, sesso, condizioni di vita, alimentazione, clima e tante altre variabili esercitano sull'individuo un effetto grande o piccolo. Alcune di queste variabili sono più importanti di altre; tuttavia, è sempre la somma degli effetti di molte cause diverse che rende ogni individuo diverso dall'altro. 11

12 Di conseguenza la valutazione dei dati biologici necessita di tecniche statistiche utili ad ovviare agli inconvenienti che potrebbero derivare dalla variabilità stessa. Considerando un sistema di assi cartesiani e riportando i risultati di misurazioni di caratteri biologici (es. numero di eritrociti/mm3, età al primo parto, durata della gestazione ecc.) effettuati su una serie di individui diversi, si ottiene spesso una curva particolare con una forma a campana, simile a quella rossa del successivo grafico. 12

13 La media risente moltissimo dei valori estremi 13

14 Questo tipo di curva unimodale, viene detta «gaussiana» o «Normale»; essa è simmetrica, cioè tracciando una linea verticale in corrispondenza del valore di massima frequenza, si può dividere la curva in due parti, specularmente uguali. In ogni distribuzione di tipo simmetrico MODA, MEDIA e MEDIANA coincidono 14

15 Ricorda: MEDIA somma di tutti i valori / il numero delle osservazioni MODA valore più frequente MEDIANA osservazione che occupa la posizione centrale in un insieme di dati 15

16 Non sempre i dati danno origine a curve simmetriche; talvolta possono essere generate curve più o meno asimmetriche (eventualmente con andamento bimodale o trimodale ecc.). 16

17 Fra le curve asimmetriche, una di quelle più tipiche originata da misurazioni biologiche assume un andamento simile alla curva verde del grafico L'asimmetria in questo caso riguarda la parte destra della distribuzione e, quindi, la curva si dice «deformata positivamente» in quanto la coda è più prolungata in direzione positiva. 17

18 La curva che segue la distribuzione della concentrazione di emoglobina assume, invece, un andamento a deformazione negativa. 18

19 Ricorda: 19

20 20

21 Come si misura statisticamente la variabilità? Molto spesso, negli studi bio-medici, i dati vengono riassunti attraverso il più comune indice di tendenza centrale: la media. In questo caso, per descrivere in maniera completa la popolazione, è sempre necessario dichiarare anche, come indice di variazione, il valore della deviazione standard. 21

22 Ricorda: La deviazione standard (o scarto quadratico medio) rappresenta la distanza media dei dati dalla loro media. La deviazione standard è un ottimo indice di variabilità dei dati ed è quello usato più comunemente. Più grande sarà la deviazione standard e più grande sarà la dispersione dei dati. 22

23 Ricapitolando : Tale variabilità non è tuttavia del tutto imprevedibile: infatti, molti fenomeni naturali seguono un modello teorico definito: In ogni misurazione di carattere biologico sono presenti fonti di variazione. curva di distribuzione Normale o Gaussiana. Questo modello è particolarmente utile, in quanto si può usare conoscendo soltanto la media e la deviazione standard. 23

24 Infatti in una gaussiana il 95% dei dati cade nell intervallo media ± 2 volte la deviazione standard Più precisamente, si può dimostrare che l'intervallo (media ± deviazione standard) comprende il 68% circa dei dati l'intervallo (media ± 2 deviazioni standard) ne comprende il 95% l'intervallo (media ± 3 deviazioni standard) comprende pressoché tutti i dati (99.7%). 24

25 25

26 Nella scienza medica una delle domande più frequenti che sorgono immediatamente quando si viene a conoscenza di un valore di una misura biologica eseguita su un individuo è: si tratta di un valore normale? In medicina il criterio di normalità è, come già visto, (media ± 2 deviazione standard) quindi: normale = frequente anormale = raro 26

27 Inferenza statistica:. capacità di trarre conclusioni generali (sulla popolazione od universo) utilizzando solo un numero limitato di dati variabili (campione). Solo eccezionalmente conosciamo le caratteristiche della popolazione, di solito dobbiamo stimarle in base alle caratteristiche dei campioni stati estratti dalla popolazione. campioni che sono 27

28 L'inferenza fa parte di una branca della Statistica che si chiama appunto "statistica inferenziale". Spesso facciamo, più o meno inconsciamente, processi di inferenza, quando "universalizziamo" il contenuto di un certo numero (di solito limitato) di osservazioni. 28

29 Ad esempio, se il cielo è nuvoloso usciamo con l'ombrello: infatti abbiamo imparato (abbiamo fatto esperienza), dalle giornate nuvolose che si sono succedute nella nostra vita, un principio generale: al cielo nuvoloso segue spesso una giornata di pioggia. In questo caso, inferenza vuol dire anche previsione. In fondo, ciò che chiamiamo esperienza è largamente basato sull'inferenza, che non è altro che un procedimento di generalizzazione dei risultati ottenuti esaminando un campione. INFERENZA GENERALIZZAZIONE DEI RISULATI 29

30 La statistica inferenziale permette di trarre conclusioni su tutti i dati di una popolazione, quando se ne conoscono solamente pochi, raggruppati in uno o più campioni. 30

31 31

32 E possibile utilizzare solo, ma solamente alcune unità, una frazione limitatissima della popolazione: in termini tecnici, un campione. Ad esempio, per contare i globuli rossi o quelli bianchi di una persona, non è possibile estrarre tutto il sangue per un conteggio totale, ma si effettua un prelievo limitato a pochi centimetri cubici. 32

33 Nelle sperimentazioni generalmente operiamo con campioni e non con intere popolazioni La non conoscenza delle caratteristiche della popolazione ci obbliga a dover prendere delle decisioni Prendere delle decisioni prevede correre dei rischi 33

34 Di quali rischi parliamo? Per esempio, valutando l assunzione di un nuovo farmaco possiamo correre i seguenti rischi: 1) 1 Il farmaco fa effetto ma statisticamente non lo vediamo perché la dimensione del campione in studio è ridotta. 2) 2 Il farmaco non fa effetto, ma statisticamente sembra di sì perché la dimensione del campione è grande. 34

35 Per cautelarsi nei confronti di questi rischi 1) si formulano delle ipotesi 2) si verificano statisticamente 35

36 Che cosa è una ipotesi? Una ipotesi è un affermazione relativa ad un evento futuro, o comunque ad un evento il cui risultato è sconosciuto al momento in cui l affermazione viene fatta. 36

37 Che cosa è la verifica di una ipotesi? La verifica di una ipotesi è un procedimento logico dove inizialmente si nega l ipotesi appena formulata (H 0 o ipotesi nulla) e successivamente si valuta la probabilità che la stessa accada 37

38 Se per esempio testiamo l assunzione di un nuovo farmaco in un gruppo di pazienti rispetto ad un gruppo che assume il farmaco standard (gruppo di controllo): Quando si effettua il confronto fra due o più gruppi di dati, l'ipotesi nulla prevede sempre che non esista alcuna differenza tra i gruppi riguardo al parametro considerato. In altre parole, secondo l'ipotesi nulla i gruppi sono fra loro uguali e le eventuali differenze osservate vanno attribuite al solo caso. 38

39 Negli studi epidemiologici l obiettivo principale è spesso quello di affermare se le differenze osservate (riguardo a misure epidemiologiche o presunte associazioni fra esposizione e malattie) siano compatibili con una fluttuazione dovuta ad un fatto casuale oppure no. Spesso, quindi, come già detto. si parla di Ipotesi nulla per indicare l ipotesi di base, che è quella in cui non vi sia differenza tra i diversi gruppi considerati. Essa dovrà essere rifiutata o meno dal ricercatore al termine dell indagine campionaria. 39

40 In sintesi: 40

41 A che cosa serve un test statistico? E il mezzo utile per verificare quanto i dati a disposizione siano o meno a favore della mia ipotesi o dell ipotesi nulla 41

42 Questa procedura formale, chiamata test di significatività, èuno dei metodi e criteri più importanti dell inferenza statistica. 42

43 Come sempre avviene, i risultati di un test statistico non hanno un valore di assoluta e matematica certezza, ma soltanto di probabilita Pertanto, una decisione di respingere l'ipotesi nulla (presa sulla base del test statistico) è probabilmente giusta, ma potrebbe essere errata. La misura di questo rischio di cadere in errore si chiama livello di significatività del test. 43

44 44

45 Il livello di significatività 5% viene adottato molto frequentemente in quanto si ritiene che il rapporto 1/20 (cioè 0.05) sia sufficientemente piccolo da poter concludere che sia «piuttosto improbabile» che la differenza osservata sia dovuta al semplice caso. In effetti, la differenza potrebbe essere dovuta al caso, e lo sarà 1 volta su 20. Tuttavia, questo evento è «improbabile». Ovviamente, se si vuole escludere con maggiore probabilità l'effetto del caso, si adotterà un livello di significatività inferiore (es. 1%). 45

46 Significatività statistica e significatività clinica E importante comprendere la distinzione tra significatività statistica e significatività clinica o rilevanza medica. La SIGNIFICATIVITÀ CLINICA indica l importanza dell effetto clinico atteso in un attività medica. La SIGNIFICATIVITÀ STATISTICA esprime la probabilità che un effetto clinico osservato (o un effetto più rilevante) sia dovuto al caso In genere, un valore di p < 0,05 è statisticamente significativo 46

47 L analisi di un grande insieme di dati potrebbe fornire una prova altamente significativa di una deviazione dall ipotesi nulla, e tuttavia la differenza potrebbe non avere un importanza pratica, perché l effetto clinico è irrilevante. Al contrario, un altra indagine può non dimostrare un effetto significativo, forse a causa delle piccole dimensioni dello studio o dell eccessiva variabilità casuale; e tuttavia può essere presente un effetto tanto grande da essere importante: il disegno dell indagine potrebbe essere stato troppo poco sensibile per rilevarlo. 47

48 L analisi statistica degli studi clinici è basata sul concetto che si possano eseguire osservazioni su un campione di soggetti e da questo si possano compiere inferenze sulla popolazione. 48

49 Ciò che è stato considerato nell ambito delle ipotesi può essere inquadrato da un diverso punto di vista, che porta ad un altro importante concetto Invece di chiedere: dell inferenza statistica. il nuovo farmaco reca benefici a chi è affetto da una certa patologia rispetto al trattamento esistente? la domanda può essere: quanto maggiore è l efficacia del nuovo trattamento, rispetto al trattamento esistente, per coloro che sono affetti da una certa patologia? 49

50 Alla domanda si potrebbe rispondere fornendo una singola cifra chiamata stima puntuale. Ma occorrono anche indicazioni sull accuratezza della stima, che è data dall intervallo di confidenza che ha una certa probabilità (coefficiente di confidenza) di contenere il valore vero del parametro della popolazione. 50

51 Come la variabilità di una serie di misure è indicata dalla deviazione standard, così la variabilità di un valore statistico (es. una percentuale, una media ecc.) calcolata su un campione è indicata dall'errore standard. Attenzione a non confondere l'errore standard con la deviazione standard: l'errore standard descrive l'incertezza nella stima di una media (o di una proporzione), mentre la deviazione standard descrive la variabilità di misure effettuate della popolazione. 51

52 Esempio Sono stati pesati singolarmente 100 boxer. Il peso medio è risultato pari a 95.2 kg. Sui 100 valori del peso di ciascun individuo si può calcolare la deviazione standard. Sulla media ottenuta si può invece calcolare l'errore standard. 52

53 L'errore standard è un valore che è direttamente correlato alla variabilità della misura ottenuta: tanto più piccolo è l'errore standard, tanto minore è la variabilità della misura e quindi tanto più attendibile è la statistica. 53

54 Misura la variabilità fra le singole osservazioni del fenomeno che si sta studiando, come ad es. la concentrazione alcolica ematica in un campione di automobilisti, ed è quindi un indice descrittivo. E quindi pertinente quando interessa conoscere la variabilità fra le singole osservazioni. Fornisce, invece, una misura dell incertezza propria di un campione statistico. Ad es., l errore standard della media calcolata sul campione di automobilisti come stima del valore medio della popolazione di tutti gli automobilisti. E pertinente, quindi, quando dobbiamo utilizzare statistiche riassuntive quali medie, proporzioni, ecc. DEVIAZIONE STANDARD ERRORE STANDARD 54

55 L'errore standard rappresenta un parametro fondamentale, che viene comunemente impiegato per il calcolo degli intervalli di confidenza. L intervallo di confidenza è molto utile per avere un'idea della vera caratteristica della popolazione che stimiamo attraverso lo studio di un campione. Per campioni ragionevolmente ampi (almeno osservazioni), valgono le seguenti relazioni fondamentali: 55

56 56

57 L'intervallo di confidenza può essere collocato al livello di probabilità da noi desiderato; comunemente si utilizza un intervallo con probabilità pari a 0.95 o Ci si può esprimere anche in probabilità percentuale, ed allora si dirà «intervallo di confidenza al 95%» o «intervallo di confidenza al 99%». Che cosa significa l'espressione «confidenza 95%» o «intervallo di confidenza al 95%» o «intervallo di confidenza 95%»? In parole povere, anche se non del tutto esatte, si può dire che «confidenza 95%» indica che vi è una probabilità del 95% che l'intervallo trovato includa la vera caratteristica della popolazione. 57

58 Ecco una definizione migliore (ma anche un po' più difficile da assimilare): «confidenza 95%» significa che se ripetessimo la stessa indagine per 100 volte con gli stessi metodi (ma su 100 campioni diversi), probabilmente otterremmo ogni volta una stima diversa; tuttavia, il vero valore della popolazione sarebbe all'interno del nostro intervallo di confidenza 95 volte su 100. In altre parole, l'intervallo di confidenza è stato ottenuto con un metodo che fornisce un risultato corretto nel 95% dei casi. 58

59 Numerose ricerche in ambito medico sono condotte con l obiettivo di confrontare due gruppi, ognuno dei quali può essere considerato un campione tratto da una popolazione più ampia a cui siamo interessati. 59

60 esempio In un campione di pazienti, è stata calcolata la variabilità della proporzione di individui colpiti da una certa malattia. In quell'esempio, la prevalenza era pari a 0.35 (era malato il 35% dei pazienti) e l'errore standard di questa proporzione era pari a (7.54%). Pertanto, conoscendo l'errore standard possiamo stimare che la proporzione di ammalati nella popolazione sia compresa fra i seguenti limiti: limite inferiore: = = 27.5% limite superiore: = = 42.5% 60

61 L intervallo di confidenza così calcolato (valore statistico +/- 1 volta l errore standard) fornisce una confidenza del 68% CIRCA, TROPPO BASSA PER ESSERE DI UNA QUALCHE UTILITA PRATICA. Possiamo procedere, invece, come segue: limite inferiore: 0.35 (2*0.0754) = = 19.9% limite superiore: (2* )= = 50.1% 61

62 In conclusione, possiamo affermare che abbiamo una «confidenza 95%» che la percentuale di positività nella popolazione sia compresa fra 20% e 50% (notare che il campione era composto soltanto da 40 individui, e quindi questa stima può non essere del tutto attendibile). 62

63 In conclusione Una misura epidemiologica campionaria non è sufficiente per avere un idea precisa del fenomeno considerato; è auspicabile infatti quantificare la variabilità campionaria indicando l intervallo di valori che contenga tutti quelli compatibili con le osservazioni raccolte. I limiti estremi di questo intervallo di variazione attorno alla misura osservata vengono denominati intervalli di confidenza o limiti di confidenza. 63

64 Essi rappresentano l intervallo entro cui è compreso il valore reale del parametro esaminato, con un certo margine di certezza (o livello di confidenza). Il livello di confidenza viene normalmente fissato al 95%. Ad esempio un RR=2,3 con L.C. (1,3 2,9) indica che la stima del RR ottenuta dallo studio è 2,3 e che si può essere certi al 95% che il vero Rischio relativo è non inferiore a 1,3 e non superiore a 2,9. 64

65 L ampiezza dell intervallo di confidenza dipende dalla variabilità campionaria e quindi dalla dimensione del campione. Più è grande il campione in studio, più stabile sarà la stima e più stretto sarà l intervallo di confidenza. 65

66 L intervallo di confidenza è collegato al livello di significatività p Se nell intervallo di confidenza di una stima di un RR è incluso il valore 1 allora il valore di p corrispondente sarà maggiore di 0,05 e l associazione non potrà essere considerata statisticamente significativa. Il frequente utilizzo del concetto di significatività statistica non deve far dimenticare che è un indicazione che si basa sul concetto di probabilità. 66

67 Quindi un risultato statisticamente significativo non esclude in maniera categorica che, per effetto del caso, si sia potuto riscontrare un risultato così estremo e, al contrario, l assenza di significatività statistica ad un determinato livello (es. 95%) non esclude che una maggiore dimensione campionaria possa portare ad evidenziare risultati significativi. 67

68 BIBLIOGRAFIA Armitage P., Berry G., Statistica Medica, Mc Graw-Hill Libri Italia, Milano, Signorelli C., Igiene Epidemiologia Sanità Pubblica, Società Editrice Universo, Roma,

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica EPIDEMIOLOGIA Ha come oggetto lo studio della distribuzione delle malattie in un popolazione e dei fattori che la influenzano

Dettagli

Statistiche campionarie

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

Dettagli

La logica statistica della verifica (test) delle ipotesi

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

Dettagli

La significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA

La significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA Tutti i test statistici di significatività assumono inizialmente la cosiddetta ipotesi zero (o ipotesi nulla) Quando si effettua il confronto fra due o più gruppi di dati, l'ipotesi

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

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

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

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

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

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

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

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

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Inferenza statistica

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

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica

Dettagli

Inferenza statistica. Statistica medica 1

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

Dettagli

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

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

Dettagli

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

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

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

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

Dettagli

Teoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati

Teoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati Teoria della Stima. Stima della Media e di una Porzione di Popolazione Introduzione La proceduta in base alla quale ad uno o più parametri di popolazione si assegna il valore numerico calcolato dalle informazioni

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

Misure della dispersione o della variabilità

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

Dettagli

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

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi

Dettagli

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

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

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

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

Dettagli

Il concetto di valore medio in generale

Il 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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

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

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Concetto di potenza statistica

Concetto di potenza statistica Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

Dettagli

1. L analisi statistica

1. L analisi statistica 1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati

Dettagli

Lineamenti di econometria 2

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

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

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

Dettagli

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 INTRODUZIONE 1.0 PREVENZIONE CONTRO INDIVIDUAZIONE. L'approccio tradizionale nella fabbricazione dei prodotti consiste nel controllo

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

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

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.

Statistica 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:

Dettagli

CLASSIFICAZIONE DEI CARATTERI

CLASSIFICAZIONE DEI CARATTERI CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è

Dettagli

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

Dettagli

OSSERVAZIONI TEORICHE Lezione n. 4

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

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

LE BASI DELLA STATISTICA E LA RACCOLTA DEI DATI

LE BASI DELLA STATISTICA E LA RACCOLTA DEI DATI LE BASI DELLA STATISTICA E LA RACCOLTA DEI DATI Tre punti importanti o Dati e ipotesi In tutte le discipline scientifiche che studiano gli organismi viventi, molto raramente i dati ottenuti attraverso

Dettagli

La distribuzione Gaussiana

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

Dettagli

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

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

Dettagli

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate

Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione

Dettagli

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale

Dettagli

Per il suo compleanno, il goloso Re di un lontano regno riceve in regalo da un altro sovrano un grande canestro contenente 4367 caramelle di tanti

Per il suo compleanno, il goloso Re di un lontano regno riceve in regalo da un altro sovrano un grande canestro contenente 4367 caramelle di tanti Per il suo compleanno, il goloso Re di un lontano regno riceve in regalo da un altro sovrano un grande canestro contenente 4367 caramelle di tanti colori, tra cui 382 rosse. Qualche tempo dopo il donatore

Dettagli

TRACCIA DI STUDIO. Concetto di misura. Variabilità biologica

TRACCIA DI STUDIO. Concetto di misura. Variabilità biologica TRACCIA DI STUDIO Variabilità biologica In natura si osservano differenze non solo tra soggetti, ma anche in uno stesso individuo per svariati fattori endocrini, metabolici, emozionali, patologici, da

Dettagli

VERIFICA DELLE IPOTESI

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

Dettagli

Conoscenza. Metodo scientifico

Conoscenza. Metodo scientifico Conoscenza La conoscenza è la consapevolezza e la comprensione di fatti, verità o informazioni ottenuti attraverso l'esperienza o l'apprendimento (a posteriori), ovvero tramite l'introspezione (a priori).

Dettagli

Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali:

Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali: Per la valutazione statistica del test è necessario conoscere alcune caratteristiche del risultato del test quali: la sensibilità diagnostica o clinica, la specificità diagnostica o clinica, l incidenza

Dettagli

ESERCITAZIONE. CdL Fisioterapia e Podologia. 25 novembre 2015

ESERCITAZIONE. CdL Fisioterapia e Podologia. 25 novembre 2015 ESERCITAZIONE CdL Fisioterapia e Podologia 25 novembre 2015 Epidemiologia Domanda 1 Le neoplasie gastriche sono: a. diminuite in tutta Europa b. diminuite fino agli anni 80, poi stabili c. aumentate in

Dettagli

A.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE

A.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE A.A. 2014-2015 Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE Utilizzare gli strumenti epidemiologici e statistici appropriati per ridurre l'area dell'incertezza nella rilevazione

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA STATISTICA ECONOMICA STATISTICA PER L ECONOMIA a.a. 2009-2010 Facoltà di Economia, Università Roma Tre Archivio Statistico delle Imprese Attive (ASIA) L archivio è costituito dalle unità economiche che

Dettagli

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

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

Esercitazione n.2 Inferenza su medie

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

Dettagli

Piacenza, 10 marzo 2014 La preparazione della tesi di Laurea Magistrale

Piacenza, 10 marzo 2014 La preparazione della tesi di Laurea Magistrale Piacenza, 0 marzo 204 La preparazione della tesi di Laurea Magistrale ma questa statistica a che cosa serve? non vedo l ora di cominciare a lavorare per la tesi. e dimenticarmi la statistica!! il mio relatore

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

Indici di dispersione

Indici 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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 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

Dettagli

Test statistici di verifica di ipotesi

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

Dettagli

Introduzione all Inferenza Statistica

Introduzione all Inferenza Statistica Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio

Dettagli

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

Dettagli

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

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

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

Dettagli

Un occhio sul Controllo di Qualità (Dott. Roberto Balducci)

Un occhio sul Controllo di Qualità (Dott. Roberto Balducci) Un occhio sul Controllo di Qualità (Dott. Roberto Balducci) In tempi recenti si è dibattuto tanto e giustamente sugli aspetti dell appropriatezza degli esami di laboratorio nel contesto più generale della

Dettagli

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

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

Dettagli

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

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

STATISTICA DESCRITTIVA. Le misure di tendenza centrale

STATISTICA DESCRITTIVA. Le misure di tendenza centrale STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati

Dettagli

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare

Dettagli

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

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

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli