Analisi della Varianza - II
|
|
- Teodoro Filippi
- 6 anni fa
- Visualizzazioni
Transcript
1 Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX
2 ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati) - Varianza totale: MQ TOT = SQ TOT (N 1) Gradi di libertà (g.l.) - Varianza entro: MQ ENTRO = SQ ENTRO (N k) - Varianza tra: MQ TRA = SQ TRA (k 1) [ quanti valori sono liberi di variare] N = numerosità complessiva; k = numero di livelli Il rapporto F F = MQ TRA MQ ENTRO F è il rapporto tra la varianza stimata a partire dalla variabilità tra i gruppi (BETWEEN) e la varianza stimata a partire dalla variabilità entro i gruppi (WITHIN). Segue la distribuzione F di Fisher. 2 Lezione: XXVIII
3 ANOVA fattoriale la scomposizione della varianza SQ TOT g.l.: N - 1 SQ ENTRO SQ TRA g.l.: N a*b SQ A SQ B SQ A * B g.l.: a 1 g.l.: b 1 g.l.: (a 1)*(b 1) MQ = SQ / g.l. F A = MQ A / MQ ENTRO F B = MQ B / MQ ENTRO F A*B = MQ A*B / MQ ENTRO Vantaggio dell ANOVA fattoriale: SQ ENTRO e MQ ENTRO sono tipicamente più piccole che nell ANOVA a una via perché alcune fonti di variabilità non sono più d errore. Questo aumenta la potenza del test. 3 Lezione: XXVIII
4 ANOVA entro i soggetti (detta anche per misure ripetute o Within) Disegni entro i soggetti (within subjects) La V.D. è rilevata più volte sugli stessi soggetti [unità osservative], nelle diverse condizioni sperimentali. Disegni per blocchi randomizzati La V.D. viene rilevata su soggetti appaiati su una determinata variabile rilevante. Nelle diverse condizioni ci sono soggetti diversi che vengono trattati come se fossero la stessa persona esposta a prove differenti. Esempio: triplette di persone equiparabili per età, sesso, ideologia politica 4
5 ANOVA a una via entro i soggetti Ricerca automobili di prestigio Intervista di marketing, indice di prestigio associato a tre diversi marchi: Porsche, Ferrari, Lamborghini Ogni intervistato esprime valutazioni per tutti e tre i marchi. Le osservazioni non sono indipendenti. 5
6 ANOVA a una via entro i soggetti medie di ciascun soggetto rispetto alle 3 condizioni permettono di isolare la parte di devianza totale dei punteggi che dipende dalle differenze tra i soggetti. medie della V.D. per ciascun livello permettono di stimare la variabilità legata al fattore 6
7 ANOVA a una via entro i soggetti Devianza totale Devianza tra i soggetti SQ TOTALE devianza dovuta ai livelli del fattore Devianza entro le celle SQ TRA SQ ENTRO SQ SOGGETTI SQ RESIDUA La devianza totale viene suddivisa in una parte di devianza TRA le condizioni (l effetto del marchio valutato) e una parte di devianza ENTRO le condizioni (non attribuibile al marchio). La devianza ENTRO è suddivisa in una parte dovuta alle differenze individuali tra i soggetti e una parte d errore (variabilità residua). NOTA: le differenze individuali tra i soggetti non costituiscono variabilità d errore perché rimangono costanti nelle diverse condizioni. 7
8 ANOVA a una via entro i soggetti SQ TOTALE g.l.: n*k - 1 g.l.: k - 1 SQ TRA SQ ENTRO g.l.: n - k SQ SOGGETTI SQ RESIDUA g.l.: n - 1 g.l.: (n 1) * (k 1) MQ = SQ / g.l. F EFFETTO = MQ TRA / MQ RESIDUA Vantaggio dei disegni entro i soggetti: riduzione della varianza d errore (disegno più potente richiede meno soggetti). Utile se la variabilità interindividuale incide molto sulla V.D. 8
9 ANOVA a una via entro i soggetti: esempio Effetto significativo del tipo di marchio, F(2,158) = , p <.001, η 2 =.427. I test post hoc (correzione di Bonferroni) rivelano che le valutazioni medie del marchio Porsche si discostano significativamente da quelle degli altri due marchi, che invece in media non differiscono significativamente. 9
10 ANOVA fattoriale entro i soggetti Ai partecipanti alla ricerca viene chiesto di valutare i marchi Porsche, Ferrari e Lamborghini prima e dopo aver visto una comunicazione commerciale (spot TV) per il marchio Ferrari. Il disegno: 3 (Marchio: Porsche, Ferrari, Lamborghini) x 2 (Misurazione: Pre, Post) entro i soggetti. Per ogni partecipante, la V.D. viene misurata relativamente a tutte le 6 condizioni sperimentali. 10
11 ANOVA fattoriale entro i soggetti Il disegno: 3 (Marchio: Porsche, Ferrari, Lamborghini) x 2 (Tempo: Pre, Post) entro i soggetti. Scomposizione della devianza (con i relativi g.l.): SQ TOTALE n*a*b - 1 SQ TRA SQ ENTRO SQ MARCHIO a - 1 SQ INTERA- ZIONE (a 1) * (b 1) SQ TEMPO b - 1 SQ ERR MARCHIO (a 1) * (n 1) SQ ERR TEMPO SQ SOGGETTI n 1 (b 1) * (n 1) SQ ERR INTERAZIONE (a 1) * (b 1) * (n 1) 11 Dove: a = nr. livelli fattore marchio, b = nr. livelli fattore tempo, n = nr. soggetti
12 ANOVA fattoriale entro i soggetti SQ TOTALE SQ TRA SQ ENTRO SQ MARCHIO SQ TEMPO SQ SOGGETTI SQ INTERA- ZIONE SQ ERR MARCHIO SQ ERR TEMPO Scomposizione della devianza SQ totale: (xabn x ) a b n SQ ERR INTERAZIONE SQ effetto principale A: a b n(x a x ) 2 SQ effetto principale B: a b n(x b x ) 2 SQ interazione A*B: a b n(x ab x a x b + x) 2 2 SQ entro: a b n(xabn x ab ) 2 SQ soggetti: a b n(x n x ) 2 SQ err A: a b n(x an x a ) 2 SQ soggetti SQ err B: a b n(x bn x b ) 2 SQ soggetti SQ err interazione: SQ entro SQ soggetti SQ err A SQ err B
13 ANOVA fattoriale entro i soggetti esempio Esempio fattore tempo: F = MQ TEMPO / MQ ERR. TEMPO = / 4.02 = Interazione. Può essere approfondita con effetti semplici 13
14 ANOVA fattoriale entro i soggetti esempio L esposizione al messaggio causa un cambiamento significativo per tutti e tre i marchi, ma un incremento per i marchi Porsche e Ferrari, un decremento per il marchio Lamborghini. 14
15 ANOVA fattoriale entro i soggetti esempio Secondo una prospettiva diversa: Prima della visione dello spot la percezione dei marchi Ferrari e Lamborghini non era significativamente diversa. Anche dopo la visione dello spot è così. 15
16 ANOVA fattoriale mista Almeno un fattore è tra i soggetti, almeno un fattore è entro i soggetti. Esempio: Sesso Maschi Femmine I soggetti sono esposti a tutti i livelli del fattore entro, solo a un livello del fattore tra. SQ TOTALE n*a*b - 1 SQ TRA SQ ENTRO SQ Fatt Tra a - 1 SQ Err. Fatt. Tra a * (n 1) SQ Fatt Entro b 1 SQ Interazio ne (a 1) * (b 1) SQ Err. Entro a * (b 1) * (n 1) 16 Dove: a = nr. livelli fattore tra, b = nr. livelli fattore entro, n = numero totale di soggetti.
17 ANOVA fattoriale mista esempio le statistiche descrittive 17
18 ANOVA fattoriale mista esempio effetti tra i soggetti 18
19 ANOVA fattoriale mista esempio effetti entro i soggetti Test post hoc sulle medie marginali relative al fattore corso : Le valutazioni del corso intensivo in sede (2) si differenziano significativamente da quelle degli altri due corsi. Le valutazioni di questi ultimi non si differenziano invece significativamente. 19
20 ANOVA fattoriale mista esempio riportiamo i risultati In media, le donne esprimono valutazioni leggermente inferiori agli uomini relativamente ai corsi di formazione, M = 26.45, SD = 3.94 e M = 27.55, SD = 4.08 rispettivamente per le donne e gli uomini. Questa differenza è statisticamente significativa, F (1,76) = 6.23, p =.02, η 2 p =.07. L ANOVA evidenzia inoltre un effetto statisticamente significativo del tipo di corso, F (2,156) = 9.12, p <.01, η 2 p =.10 con M = 25.40, SD = 5.43 per il corso residenziale, M = 28.82, SD = 5.22 per il corso in sede intensivo e M = 27.00, SD = 4.02 per il corso in sede diluito. L effetto dell interazione non è significativo, F (2,156) =0.81, p =.45. I test post hoc sulle medie marginali relative al fattore corso (eseguiti con la correzione di Bonferroni) evidenziano differenze significative tra la valutazione del corso intensivo in sede e le valutazioni di entrambi gli altri corsi, in entrambi i casi p <.03. Evidenziano inoltre che la valutazione media del corso residenziale non si differenzia significativamente dalla valutazione del corso diluito in sede, p =.19 20
21 ANOVA fattoriale disegni con 3 fattori Presenza di tre Variabili Indipendenti (fattori) Possono essere sia tra sia entro i soggetti. Esempio tre fattori tra i soggetti: una multinazionale vuole introdurre un sistema di incentivi per aumentare l efficacia dei suoi venditori. Prima testa il sistema di incentivi su un piccolo gruppo di venditori, in tre Paesi. Il disegno: - Sistema di incentivazione (2 livelli: incentivo vs. controllo) - Paese (3 livelli: Italia, Francia, Germania) - Sesso (2 livelli: maschi vs. femmine) D.V. Numero nuovi contratti in un mese, dopo l introduzione nel campione del nuovo sistema d incentivi. Attraverso l ANOVA fattoriale possiamo analizzare se l effetto dell incentivo sia differente per donne ed uomini, o nei diversi Paesi, o tra i sessi in maniera diversa a seconda del Paese. 21
22 ANOVA fattoriale disegni con 3 fattori Presenza di tre Variabili Indipendenti (fattori) Possono essere sia tra sia entro i soggetti. Esempio due fattori tra, uno entro i soggetti: una multinazionale vuole introdurre un sistema di incentivi per aumentare l efficacia dei suoi venditori. Prima testa il sistema di incentivi su un piccolo gruppo di venditori, in tre Paesi. Il disegno: - Sistema di incentivazione (2 livelli: incentivo vs. controllo) - Paese (3 livelli: Italia, Francia, Germania) - Momento della misura: prima e dopo l introduzione incentivo. D.V. Numero nuovi contratti in un mese 22
23 ANOVA fattoriale Esempio 3 fattori tra i soggetti I dati: N = 240 (n = 20 in ogni condizione) 23
24 ANOVA fattoriale Esempio 3 fattori tra i soggetti Le medie Incentivo Controllo 24
25 ANOVA fattoriale Esempio 3 fattori tra i soggetti L ANOVA 25
26 ANOVA fattoriale Esempio 3 fattori tra i soggetti L ANOVA Effetto principale dell incentivo, non qualificato da interazioni significative. 26
27 ANOVA fattoriale Esempio 3 fattori tra i soggetti l ANOVA 27
28 ANOVA fattoriale Esempio 3 fattori tra i soggetti l ANOVA 28
29 Analisi della Covarianza (ANCOVA) Cos è: tecnica per controllare statisticamente la variabilità causata da (legata a) fonti esterne al disegno. Domande principali: le stesse dell ANOVA (ossia differenze tra medie nella V.D. in condizioni diverse): Usi tipici: a) Abbassare la variabilità dell errore tenendo sotto controllo una fonte di variabilità [perciò escludendo questa varianza dalla componente d errore] Esempio: Ci sono differenze nelle competenze di chi ha seguito il corso di formazione A e chi non l ha seguito, dopo che teniamo sotto controllo le conoscenze pregresse? b) Controllare statisticamente una fonte di disturbo [uso più problematico dell ANOVA] Esempio: i partecipanti al corso di formazione A sono mediamente più giovani di quelli del corso B e l età influisce sulla V.D. Si aggiustano le medie della V.D.: come sarebbero se i soggetti dei due gruppi non differissero relativamente alla covariata? Come funziona: Gli effetti (principali e d interazione) dei fattori sono analizzati dopo che i punteggi della V.D. sono corretti per l effetto di una o più variabili (covariate). 29
30 ANCOVA Esempi Efficacia delle mnemotecniche Fattore mnemotecniche: 3 livelli (Controllo vs. Mnemotecniche A vs. Mnemotecniche B) V.D.: Prestazione mnestica dopo il corso Covariate: Prestazione mnestica prima del corso La domanda: I corsi di mnemotecniche sono efficaci? Ci sono differenze tra i due corsi? Teniamo sotto controllo le differenze interindividuali di memoria 30
31 ANCOVA Esempi - II Effetti di una pubblicità progresso sul risparmio energetico. Fattore pubblicità: 3 livelli (Controllo vs. Messaggio A vs. Messaggio B) V.D.: indice di consumo energetico Covariate: atteggiamenti ecologici; conoscenze pregresse. La domanda: Tenendo sotto controllo gli atteggiamenti e le conoscenze pregresse nei confronti dell ecologia e del risparmio energetico, qual è l effetto del messaggio sul consumo energetico? 31
32 ANCOVA La logica 1. La V.D. viene regredita sulla covariata (o sulle covariate). i punteggi della V.D. vengono corretti per rimuovere l effetto della covariata. Punteggi corretti della V.D. = quelli che la V.D. avrebbe se tutti le osservazioni avessero lo stesso valore nella covariata. 2. Viene eseguita l analisi della varianza per indagare gli effetti dei fattori sulla nuova variabile corretta. Indice di consumo energetico Atteggiamenti verso ecologia PRE 32
33 ANCOVA Esempio Qual è l effetto di Spot sul consumo energetico? Fattore Spot - 2 livelli: Visione spot vs. controllo. V.D. Indice di consumo. Covariata: atteggiamento ecologico. [attenzione: misurare la covariata prima di introdurre la manipolazione, perché non ne sia influenzata] Senza covariata: t-test per campioni indipendenti Saremmo arrivati alla stessa conclusione con l ANOVA ( F = t 2 ) L effetto dello Spot non è significativo 33
34 ANCOVA Esempio Importante legame tra atteggiamenti ecologici e consumi: ANCOVA: Effetto significativo dello spot, tenendo sotto controllo l atteggiamento (covariata) 34
35 ANCOVA Esempio Le medie marginali attese: Stima puntuale e intervallo di confidenza per le medie nelle condizioni, se la Covariata assume uno specifico valore 35
36 ANCOVA Esempio L analisi permette di valutare anche l effetto della covariata sul consumo energetico I test di significatività delle covariate permettono di valutare la loro utilità nell aggiustamento della V.D. Prospettiva della regressione gerarchica: 1. Le covariate sono inserite al primo passo (tutte assieme) nell interpretare valgono le considerazioni relative all analisi di regressione (il test concerne la varianza unica, nella regressione multipla, spiegata da ciascuna covariata). 2. I fattori e le interazioni tra i fattori sono inseriti al secondo passo. 36
37 Alcune regole sulle covariate Dovrebbero essere poche, non correlate tra loro e correlate con la V.D. Poche: ogni covariata sottrae un g.l. e questo deve essere almeno compensato dalla riduzione dell errore Se possibile, vanno misurate prima delle manipolazioni altrimenti si rischia di rimuovere parte dell effetto dei fattori sulla V.D. (quella porzione di effetto che V.D. e covariata hanno in comune) 37
38 ANCOVA - assunzioni (oltre alle usuali assunzioni di normalità e omogeneità della varianza dell ANOVA) Linearità delle relazioni tra le coppie di covariate (se sono più di una) Linearità delle relazioni tra le covariate le la V.D. Omoschedasticità la varianza della V.D. deve essere omogenea a diversi valori della covariata Omogeneità della regressione per le diverse condizioni (i coefficienti di regressione tra covariate e D.V. devono essere gli stessi per tutte le condizioni) Se si sospetta un interazione tra fattori e covariate, non è appropriato fare l ANCOVA 38
Analisi 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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.2, 20 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2016-17
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
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
DettagliAnalisi della Varianza - III
Analisi della Varianza - III Analisi Multivariata della Varianza (MANOVA, Multivariate Analysis of Variance) M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXXII Analisi Multivariata della Varianza (MANOVA)
DettagliStatistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
DettagliIl modello lineare e l analisi della varianza con
Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare
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.
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
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
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
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
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
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
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
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
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
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
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
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
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
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
DettagliESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.
ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori tra i soggetti. Variabile dipendente: PERF Sorgente Modello corretto Intercept SEX_96
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
DettagliInferenza statistica II parte
Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente
DettagliI TEST STATISTICI. dott.ssa Gabriella Agrusti
I TEST STATISTICI dott.ssa Gabriella Agrusti Dulcis in fundo.. come scegliere un test statistico in base all ipotesi come stabilire se due variabili sono associate (correlazione di Pearson) come stabilire
DettagliEfficacia dei Trattamenti
Efficacia dei Trattamenti Efficacia dei Trattamenti Dimostrare una relazione di causa-effetto tra il trattamento (causa) e i risultati ottenuti (effetto). Pre-requisiti Precedenza temporale della causa
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
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
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
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
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliLivello 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.
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.
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
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
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
DettagliAssunzioni (Parte I)
Assunzioni (Parte I) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 10 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale (GLM)
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
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
DettagliAnalisi della varianza
Analisi della varianza Analisi della varianza L analisi della varianza (ANOVA, ANalysis Of VAriance) è una tecnica di analisi dei dati che consente di verificare ipotesi relative a differenze tra le medie
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
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
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliGiorno n. clienti di attesa
Esercizio 1 Un aspetto cruciale per la qualità del servizio ai clienti in un supermercato è il cosiddetto checkout (ovvero il tempo che il cliente impiega dal momento in cui si mette in fila alla cassa
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
Dettagli1. Introduzione ai disegni sperimentali. 5. Analisi della regressione lineare. 6. Confronto tra proporzioni di due o più campioni indipendenti
BIOSTATISTICA 1. Introduzione ai disegni sperimentali 2. Un carattere quantitativo misurato in un campione: elementi di statistica descrittiva e inferenziale 3. Confronto tra medie di due campioni indipendenti
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
DettagliTRACCIA DI STUDIO. Test di confronto per misure qualitative. Verifica di ipotesi
TRACCIA DI STUDIO Verifica di ipotesi Nelle analisi statistiche di dati sperimentali riguardanti più gruppi di studio (talvolta più variabili) si pone come ipotesi da verificare la cosiddetta ipotesi zero:
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliModelli a effetti misti
Probabilità e Statistica per l analisi di dati sperimentali Modelli a effetti misti Sviluppo e gestione di Data Center per il calcolo scientifico ad alte prestazioni Master Progetto PRISMA, UniBA/INFN
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:
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
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
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
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
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
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
DettagliVARIETÀ. zona geografica A B C D
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
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
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.
DettagliProva Pratica di Statistica I+II - Prof. M. Romanazzi
1 Università di Venezia - Corso di Statistica I + II (Cb-Ga) Prova Pratica di Statistica I+II - Prof. M. Romanazzi 3 Giugno 2008 Cognome e Nome............................................ N. Matricola............
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
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 1.5 Correlazione e causazione Davide Massidda davide.massidda@gmail.com Metodi simmetrici vs asimmetrici Relazioni tra variabili Nei metodi di studio
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4.1 I principali test statistici per la verifica di ipotesi: Il test t Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
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
DettagliMetodo epidemiologici per la clinica _efficacia / 1. L analisi statistica
Metodo epidemiologici per la clinica _efficacia / 1 L analisi statistica Metodo epidemiologici per la clinica _efficacia / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliTra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia
Tra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia DAVIDE AZZOLINI e CARLO BARONE davide.azzolini@unitn.it; carlo.barone@unitn.it
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
Dettagli11.2. Introduzione alla statistica 2/ed. Marilyn K. Pelosi, Theresa M. Sandifer, Paola Cerchiello, Paolo Giudici
CAPITOLO 11 L ANALISI DI REGRESSIONE SOLUZIONI 11.1 a) una relazione lineare potrebbe essere appropriata b)l equazione di regressione è y cappello=0,96+0,00006 x c)olanda: y cappello=0,96+0,00006 (53560)=4,57
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
DettagliFasi del modello di regressione
Fasi del modello di regressione Specificazione del modello: scelta del tipo di funzione da utilizzare per descrivere un fenomeno; definizione delle ipotesi di base Stima dei parametri: uso di stimatori
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2012/13 Dr. Luca Secondi 01. Introduzione al corso 1 Statistica per le ricerche di mercato
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"
DettagliMetodologie Quantitative
Metodologie Quantitative Concetti statistici di base II M Q Marco Perugini Milano-Bicocca 1 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2:
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
DettagliEsercitazione II Statistica e Calcolo delle Probabilità (con soluzioni)
Esercitazione II Statistica e Calcolo delle Probabilità (con soluzioni) Esercizio 1: Alla fine di una giornata di lavoro un intervistatore si accorge di aver perso i dati raccolti su un certo numero di
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
Dettaglib) Calcolare la devianza tra i gruppi (devianza esterna), la devianza entro i gruppi (devianza interna) e la devianza totale
ESERCIZIO 1 La tendenza recente del mercato dell auto vede i veicoli SUV ed i fuoristrada sempre di più soppiantare le macchine tradizionali. Il loro utilizzo, soprattutto nei centri cittadini, viene criticato
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare semplice
Laboratorio di Statistica Aziendale Modello di regressione lineare semplice Dott.ssa Michela Pasetto michela.pasetto2@unibo.it Caricamento del dataset Il dataset SalesData si trova nella cartella condivisa
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliDisegno dello studio
Disegno dello studio Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica Università degli studi di Verona ESPERIMENTO = Studio in cui le variabili in grado di determinare (causare) una
DettagliFranco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino
Generalità sulle Misure di Grandezze Fisiche Prof. - Politecnico di Torino - La stima delle incertezze nel procedimento di misurazione -modello deterministico -modello probabilistico - La compatibilità
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliAnalisi Multivariata dei Dati. Regressione Multipla
Analisi Multivariata dei Dati Regressione Multipla A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Consideriamo ora il caso in cui la variabile dipendente possa essere spiegata da
DettagliI disegni sperimentali e il controllo
I disegni sperimentali e il 1. Procedure del 2. Disegni monofattoriali 3. Disegni multifattoriali Il disegno sperimentale Popolazione Campionamento casuale Campione Misura variabili di interesse Gruppo
DettagliIncertezza di misura concetti di base. Roberto Olmi IFAC-CNR
Incertezza di misura concetti di base Roberto Olmi IFAC-CNR Certezza dell incertezza Il display mostra: Inferenza sulla la massa, basata sulla lettura: La massa ha un valore tra 83.35 e 83.45 g La massa
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:
Dettagli