Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a Corso di Statistica Medica. Inferenza sulle medie
|
|
- Bernadetta Federici
- 8 anni fa
- Visualizzazioni
Transcript
1 Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza Test t campioni indipendenti con varianza disuguale Test t campioni appaiati Dottorato di medicina molecolare
2 Popolazione: - insieme di tutti i valori realizzati o possibili di una variabile ; insieme che raccoglie tutte le osservazioni possibili, di una data variabile o un dato fenomeno - può essere finita (comunque molto grande) o infinita Campione: - Raccolta finita di elementi estratti da una popolazione - Lo scopo dell estrazione è quello di ottenere informazioni sulla popolazione - Pertanto il campione deve essere rappresentativo della popolazione da cui viene estratto ( non viziato, cioè non affetto da errore sistematico) - Per corrispondere a queste esigenze il campione viene individuato con un campionamento casuale - In un campionamento casuale semplice tutti gli individui nella popolazione hanno uguale probabilità di essere inclusi nel campione Data una popolazione con N individui (N molto grande rispetto alla dimensione del campione) la probabilità per l i-esimo individuo è 1/N Dottorato di medicina molecolare
3 Come misuriamo la probabilità di osservare un dato valore, assumendo una data distribuzione? Se la distribuzione dei valori nella popolazione segue una forma Normale (Gaussiana) possiamo stimare la probabilità di osservare un valore compreso in un dato intervallo usando la statistica U Distribuzione gaussiana: f ( x) = σ ( ) 2 x 2 / 1 µ σ π e Dottorato di medicina molecolare
4 u = x µ σ dove: x: valore cui siamo interessati σ: deviazione standard nella popolazione µ: media nella popolazione u: deviata normale standardizzata corrispondente ai valori dati per (x, σ, µ) Il valore U, letto sulle apposite tabelle indica la probabilità di osservare un valore compreso tra x e (oppure tra 0 ed x, prestate attenzione alle spiegazioni fornite insieme alle tavole), data una distribuzione normale con media µ e deviazione standard σ In alternativa usate la funzione distribnormst di EXCEL (o analoghi) Dottorato di medicina molecolare
5 Dottorato di medicina molecolare
6 Dottorato di medicina molecolare
7 Probabilità cumulativa per la Distribuzione Normale Standard La tavola indica il valore di Q(z), dato il valore di z Second digit of Z z Dottorato di medicina molecolare
8 Esercizio Si consideri una popolazione con altezza distribuita come una Gaussiana con media (µ) = 172,5 cm e deviazione standard (σ) =6,25 cm Qual è la probabilità di incontrare un individuo estratto da tale popolazione e di altezza superiore a cm 190? U = ( ,5) / 6,25 = 2,8 Da cui p= 0,00256 Dottorato di medicina molecolare
9 Se la distribuzione non è gaussiana? 1 Applicare una trasformazione matematica (logaritmo, radice quadrata) ai dati originali in modo da ottenere una distribuzione simile alla gaussiana (i tests per valutare l adattamento alla distribuzione gaussiana saranno visti in una prossima lezione) 2 Calcolare una distribuzione cumulativa empirica e riferirsi a quella (operazione molto pericolosa, da tentare solo se si dispone di un grande numero di osservazioni) Dottorato di medicina molecolare
10 Il campione corrisponde alla popolazione? Con questo problema passiamo dall uso della distribuzione gaussiana a scopo descrittivo all uso a scopo inferenziale Per procedere dobbiamo esaminare la relazione tra la distribuzione di una variabile in una popolazione ed i valori della variabile nei campioni (statistici) estratti da tale popolazione Dottorato di medicina molecolare
11 Cosa ci aspettiamo da un singolo campione estratto da una popolazione? - Il valore atteso della media campionaria 1 è la media della popolazione, in altre parole la media campionaria è una stima non distorta della media della popolazione - Il valore atteso della varianza campionaria 2 (calcolata con n-1) è la varianza della popolazione, in altre parole la varianza campionaria (calcolata con n-1) è una stima non distorta della varianza della popolazione 1 media dei valori della variabile tra i soggetti che compongono il campione 2 varianza dei valori della variabile tra i soggetti che compongono il campione Dottorato di medicina molecolare
12 La distribuzione di frequenza dei campioni Cioè costruiamo una popolazione di campioni (ripetendo infinite volte il campionamento dalla stessa popolazione) Consideriamo una popolazione di individui (unità statistiche); per ciascuno sia noto il valore di una data variabile numerica La distribuzione della variabile nella popolazione è normale (Gaussiana) con media µ e deviazione standard δ Si estraggano ripetuti campioni di dimensione n da tale popolazione Definiamo media campionaria la media calcolata per le osservazioni che compongono il campione osserviamo che: la distribuzione delle medie campionarie sarà normale (Gaussiana), con media µ e deviazione standard δ/ n Dottorato di medicina molecolare
13 - La forma della distribuzione di frequenza delle medie campionarie è normale Questo accade anche se la distribuzione nella popolazione non è normale (Teorema del limite centrale ) - La variabilità della distribuzione delle medie campionarie è inferiore alla variabilità nella popolazione Campioni più grandi avranno variabilità inferiore La deviazione standard delle medie campionarie viene indicata anche come Errore Standard della Media (spesso abbreviato in Errore standard) Errore standard = deviazione standard della popolazione / (numerosità campionaria) =δ/ n Dottorato di medicina molecolare
14 - Dottorato di medicina molecolare
15 Dottorato di medicina molecolare
16 Dottorato di medicina molecolare
17 La variabilità della distribuzione delle medie campionarie è inferiore alla variabilità nella popolazione Campioni più grandi avranno variabilità inferiore La deviazione standard delle medie campionarie viene indicata anche come Errore Standard della Media (spesso abbreviato in Errore standard) Errore standard = deviazione standard della popolazione / (numerosità campionaria) =δ/ n Dottorato di medicina molecolare
18 Dottorato di medicina molecolare
19 Dottorato di medicina molecolare
20 Verifichiamo queste assunzioni su un ulteriore esempio: L istogramma presenta la distribuzione di frequenza di osservazioni distribuite in modo uniforme La variabile considerata (indicata come I) assume i soli valori interi tra 0 e 9 L esempio è analogo a quello presentato nel testo di PArmitage e GBerry Statistical Methods in Medical Researchs (editaliana McGraw-Hill) Alcune statistiche descrittive della Variabile I nella popolazione N Mean 45 Std Deviation Variance Skewness 0 Kurtosis La distribuzione è Uniforme Dottorato di medicina molecolare
21 Dottorato di medicina molecolare FREQUENCY popol azi one
22 Estraiamo da questa distribuzione campioni ripetuti di diversa numerosità (n=5, n=10, n=20, ciascuno ripetuto 5000 volte) Esaminiamo le caratteristiche delle distribuzioni di frequenza delle medie campionarie Dottorato di medicina molecolare
23 Distribuzione e variabilità dei Campioni con n=5 Variable: md (media campionaria) N 5000 Mean 45 Std Deviation Variance Skewness Kurtosis Coeff Variation Median Mode Range Interquartile Range Dottorato di medicina molecolare
24 Distribuzione e variabilità dei Campioni con n=10 Variable: md (media campionaria) N 5000 Mean 45 Std Deviation Variance Skewness Kurtosis Coeff Variation Median Mode Range Interquartile Range Dottorato di medicina molecolare
25 Distribuzione e variabilità dei Campioni con n=20 Variable: md (media campionaria) N 5000 Mean 45 Std Deviation Variance Skewness Kurtosis Coeff Variation Median Mode Range Interquartile Range Dottorato di medicina molecolare
26 da distribuzione uniforme (interi da 0 a 9) µ=4,5 δ=2, n=5 /10 / Dottorato di medicina molecolare
27 Conclusione / ripasso La distribuzione di probabilità rilevante per condurre inferenze sulle medie è la distribuzione gaussiana perché: - la distribuzione gaussiana è la forma limite delle distribuzioni di frequenza campionarie, quale che sia la distribuzione originale delle osservazioni, purché i campioni siano di numerosità sufficiente Inoltre, se la distribuzione di frequenza della popolazione è gaussiana, la distribuzione delle medie campionarie è gaussiana anche per n piccoli Inoltre: - la distribuzione di frequenza di molte variabili biologiche è Gaussiana; - la distribuzione degli errori casuali è Gaussiana; Dottorato di medicina molecolare
28 Rivediamo le caratteristiche principali della distribuzione gaussiana Formula: f(x) = (1/σ 2π)*exp[-1/2(x-µ) 2 /σ 2 ] µ (media) e σ (deviazione standard) sono i parametri che definiscono la distribuzione - il dominio della funzione è - <= x <= - L area compresa tra - e ha valore unitario, - f(x) è un valore di probabilità e viene anche indicato con la lettera p - La distribuzione è simmetrica, media = mediana = moda La distribuzione gaussiana con µ=0 e δ = 1 viene definita Deviazione Normale Standard Dottorato di medicina molecolare
29 Il grafico seguente mostra due curve normali con DS=1 (curva nera) e DS=2 (curva rossa) Entrambe hanno media=0 y x0 Dottorato di medicina molecolare
30 In questo grafico si mostra la relazione tra funzione di densità di probabilità gaussiana (curva a campana, corrisponde ad una distribuzione normale standard) e la corrispondente funzione cumulativa (curva sigmoide) GS X Dottorato di medicina molecolare
31 Il processo di verifica dell ipotesi: Il processo serve a valutare la probabilità di ottenere / estrarre un campione con media campionaria x, data una popolazione con media µ e varianza σ 2 Procediamo in modo analogo a quanto avevamo visto per la statistica U (probabilità di ottenere un singolo risultato) ma Utilizziamo le caratteristiche della distribuzione dei campioni invece che quelle delle osservazioni nella popolazione Statistiche Singole osservazioni nella Campioni estratti dalla popolazione popolazione Tendenza centrale µ: Media dei valori nella popolazione Media delle medie campionarie Variabilità σ: Deviazione standard dei valori nella popolazione Deviazione standard delle medie campionarie -> Errore standard Dottorato di medicina molecolare
32 L ipotesi di lavoro: il campione non proviene dalla popolazione considerata ma di un altra popolazione, con media differente Siamo interessati al confronto tra la media campionaria e la media della popolazione I parametri della distribuzione di probabilità della variabile nella popolazione (µ e σ) sono noti L ipotesi nulla: il campione estratto ha media uguale a quella della popolazione (corrisponde cioè ad un campione tratto dalla popolazione) Dottorato di medicina molecolare
33 Gli errori di primo e di secondo tipo e la dimensione del campione vengono definiti Nel calcolo della dimensione del campione occorre anche considerare che la distribuzione di frequenza di campioni piccoli si differenzia dalla distribuzione gaussiana maggiormente che la distribuzione di frequenza di campioni grandi L esperimento consiste nell estrazione di un campione e nel calcolo della media campionaria Dottorato di medicina molecolare
34 Il test statistico consiste nel calcolo della deviata normale standardizzata: Z = (X - µ)/ (σ/ n) = (X - µ)/ ES Dove X: media campionaria µ: media della popolazione (σ/ n): errore standard della media (cioè deviazione standard della media campionaria) σ: deviazione standard della popolazione n: numerosità del campione Il test è di tipo parametrico, cioè è valido a condizione che siano validi i presupposti relativi alla distribuzione di probabilità (gaussiana) L assunzione è generalmente vera dato il teorema del limite centrale (sempre che n sia sufficientemente grande e la forma della distribuzione della popolazione non sia troppo asimmetrica) Dottorato di medicina molecolare
35 Il valore di probabilità corrispondente al valore Z (valore assoluto di Z) così ottenuto si legge dalla tabella della distribuzione normale standard Se Z>0 viene letto il valore di probabilità compreso tra Z e Se Z<0 viene letto il valore di probabilità compreso tra Z e - Dottorato di medicina molecolare
36 Esempio 1 Confronto della pressione sistolica tra un gruppo di pazienti affetti da una nuova forma di arteriopatia con la popolazione generale H lavoro= i soggetti considerati, affetti da una rara malattia delle arterie hanno pressione arteriosa (sistolica) diversa dalla popolazione generale L ipotesi è nata osservando che i primi casi avevano valori pressori molto elevati H0= media della popolazione: pressione sistolica 145 mmhg test a due code (sebbene l ipotesi di lavoro sia indirizzata maggiormente verso un rialzo pressorio, non ho informazioni sufficientemente forti da scegliere un test ad una coda) errore 1 tipo =005 numerosità campionaria non modificabile poichè sono inclusi tutti i pazienti disponibili Non è stata calcolata la potenza statistica Test statistico: test Z (confronto tra una media campionaria e la media della popolazione) Dottorato di medicina molecolare
37 Requisiti del test scelto: La deviazione standard della misura della pressione della popolazione è nota da precedenti studi ed è pari a 2,53 mmhg; La distribuzione della variabile nella popolazione è gaussiana, pertanto anche piccoli campioni saranno distribuiti secondo tale distribuzione Dottorato di medicina molecolare
38 I dati: Obs pressure (mmhg) Dottorato di medicina molecolare
39 Le statistiche campionarie necessarie per il test N 15 Media mmhg (calcolo omesso) I parametri necessari per il test µ=145 mmhg δ=2,53 mmhg Il valore della statistica Z (errore 1 tipo <= 0,05 e test a due code) = 1,960 Dottorato di medicina molecolare
40 Il calcolo del test Z = (X - µ)/ (σ/ n) Z = ( ) / (2,53/ 15) = = 6, Conclusione = rifiuto l ipotesi nulla Dottorato di medicina molecolare
41 Esempio 2 In questo esercizio si fa ricorso alla trasformazione logaritmica Una compagnia di assicurazioni intende controllare quali agenzie sono troppo severe oppure troppo disponibili nella valutazione dei danni Viene effettuato un campione delle pratiche seguite da ciascuna agenzia Per rendere omogenea la popolazione di provenienza vengono esclusi gli incidenti con feriti e quelli in autostrada Il costo medio nella popolazione (tutte le pratiche della compagnia di assicurazione) (in migliaia di euro) = 1,6 Deviazione standard della popolazione (in migliaia di euro) = 3,4 H lavoro: L'agenzia xxyy si discosta dai parametri definiti sulla base della popolazione di tutti gli incidenti dell'anno in corso H0: l'agenzia non si discosta Dottorato di medicina molecolare
42 test a due code (interessano entrambi gli scostamenti) errore 1 tipo =010 (dato il piano di lavoro di controllo) numerosità campionaria 20 pratiche Non è stata calcolata la potenza statistica Test statistico: test Z (confronto tra una media campionaria e la media della popolazione) Dottorato di medicina molecolare
43 Requisiti del test scelto: La deviazione standard del costo medio è nota, poichè il centro di calcolo della compagnia ha tutte le pratiche La distribuzione della variabile nella popolazione è asimmetrica con coda a destra (valori elevati), come indicato dal centro di calcolo Viene effettuata una trasformazione logaritmica per renderla simile alla gaussiana: dopo la trasformazione anche piccoli campioni si distribuiscono secondo la distribuzione gaussiana Il centro di calcolo fornisce µ e σ della popolazione, con i dati trasformati su scala logaritmica Dottorato di medicina molecolare
44 I dati Obs costo lcosto Dottorato di medicina molecolare
45 The UNIVARIATE Procedure Variable: costo Stem Leaf # Boxplot * *--+--* Dottorato di medicina molecolare
46 The UNIVARIATE Procedure Variable: lcosto Stem Leaf # Boxplot *--+--* Dottorato di medicina molecolare
47 Variable: lcosto (log e del costo) Moments N 22 Mean Dottorato di medicina molecolare
48 Il calcolo del test Indico media e Ds della popolazione calcolati dai logaritmi dei dati originali µ = 0, σ = 0, x = 0,216 Z = (X - µ )/ (σ / n) Z = (0,216-0,262364) / (0,875469/ 22) = = - 0,2484 Conclusione = non rifiuto l ipotesi nulla Dottorato di medicina molecolare
49 Intervalli di confidenza Abbiamo visto che la media campionaria costituisce la stima migliore della media della popolazione ma questo non significa che la media campionaria sia priva di errore campionario: si osserva facilmente che campioni ripetuti danno medie campionarie diverse L intervallo di confidenza fornisce una indicazione della precisione della stima L intervallo di confidenza fornisce un espressione formale dell incertezza che deve essere aggiunta alla media campionaria a causa del semplice errore di campionamento (Armitage) Dottorato di medicina molecolare
50 L intervallo di confidenza della media campionaria è un intervallo di valori intorno alla media campionaria; tale intervallo ha una probabilità definita di includere il parametro (valore della statistica nella popolazione) Dottorato di medicina molecolare
51 Estrazione di 50 campioni di numerosità 20 da distribuzione gaussiana con µ=0 e δ=1 Le barre rappresentano l intervallo di confidenza al 95% M D ID Dottorato di medicina molecolare
52 L intervallo di confidenza è definito in modo tale da soddisfare la seguente equazione: [X - Z α/2 *(σ/ n)] < µ < [X + Z α/2 *(σ/ n)] Dove: X: media campionaria µ: media della popolazione (σ/ n): errore standard della media (cioè deviazione standard della media campionaria) Z α/2 = valore della deviata normale standardizzata corrispondente all errore di 1 tipo scelto Limite fiduciale superiore = X + Z α/2 *(σ/ n) Limite fiduciale inferiore = X - Z α/2 *(σ/ n) Di solito l intervallo di confidenza intorno alla media viene indicato come: X ± Z α/2 *(σ/ n) Dottorato di medicina molecolare
53 Un altra definizione dell intervallo di confidenza è l intervallo di valori della media campionaria che non avrebbe portato al rifiuto dell ipotesi nulla Ripetendo un campionamento dalla stessa popolazione ci aspettiamo che, se vale l ipotesi nulla, la proporzione di campioni il cui intervallo di confidenza non comprende il valore della media corrispondente all ipotesi nulla sia pari al valore dell errore di 1 tipo Dati i 50 campioni dell esercizio precedente, osserviamo che in tre casi l intervallo di confidenza non comprende la media Dottorato di medicina molecolare
54 Esempio: calcolo dell intervallo di confidenza nel caso del primo esempio: N 15 Media campionaria mmhg (calcolo omesso) µ=145 mmhg δ=2,53 mmhg Limite superiore = *(2,53/ 15) = 147,85 Limite inferiore = *(2,53/ 15) = 150,41 147,85 <= µ <=150,41 Dottorato di medicina molecolare
55 Il test t di Student Spesso non abbiamo informazioni sul parametro e la statistica campionaria è calcolata proprio per avere informazioni relative al valore (ignoto) del parametro In questo caso la soluzione adottata è quella di stimare la varianza della popolazione in base alla varianza del campione Si dimostra infatti che l Atteso della varianza campionaria è la varianza della popolazione, se il denominatore è (n-1) La varianza del campione però è affetta da variabilità casuale rispetto alla varianza della popolazione, a causa del campionamento Pertanto non potremo usare statistiche basate sulla distribuzione normale standardizzata, che risulterebbe troppo poco conservativa Gosset (che pubblicava con lo pseudonimo di Student) propose di utilizzare una famiglia di distribuzioni, con forma simmetrica e con ampiezza dipendente dal numero di osservazioni del campione: le funzioni di distribuzione t (o t di Student) Dottorato di medicina molecolare
56 Dottorato di medicina molecolare
57 La distribuzione t per 30 gradi di libertà è praticamente una distribuzione normale standardizzata Si noti che i valori di probabilità cumulativa esterni ad un dato valore di X sono maggiori man mano che si riduce il numero di gradi di libertà La probabilità corrispondente all intervallo tra un dato X e si legge su apposite tabelle Si noti che i valori di probabilità corrispondenti ad un dato valore di t cambiano con il numero di gradi di libertà Dottorato di medicina molecolare
58 Dottorato di medicina molecolare
59 Dottorato di medicina molecolare
60 Dottorato di medicina molecolare
61 Possiamo anche utilizzare la funzione distribt di EXCEL (o analoghi), che fornisce il valore di probabilità corrispondente Dottorato di medicina molecolare
62 Inferenza sulle medie basata sull uso della distribuzione t Nell inferenza sulle medie basata sull uso della distribuzione t dobbiamo distinguere tre diversi casi: - Confronto tra un campione e la media della popolazione - Confronto tra due campioni indipendenti - Confronto tra due campioni appaiati Dottorato di medicina molecolare
63 Confronto tra un campione e la media della popolazione test t Il test è analogo al test Z ma tiene conto del fatto che la varianza è stimata dal campione: t gl = (X - µ)/ (s/ n) X: media campionaria µ: media della popolazione s: deviazione standard del campione (s/ n): errore standard della media (cioè deviazione standard della media campionaria) n: numerosità del campione il numero di gradi di libertà è gl= n-1 Il test è di tipo parametrico, cioè è valido a condizione che: Dottorato di medicina molecolare
64 - nella popolazione la variabile sia distribuita secondo la distribuzione di probabilità gaussiana; - il campione abbia la stessa varianza della popolazione La prima assunzione è generalmente vera dato il teorema del limite centrale (sempre che n sia sufficientemente grande e la forma della distribuzione della popolazione sia simmetrica o almeno non sia troppo asimmetrica) La seconda è vera se vale H0 (il campione appartiene alla popolazione), mentre non è valutabile altrimenti Dottorato di medicina molecolare
65 Esempio Confronto della pressione sistolica tra un gruppo di pazienti affetti da una nuova forma di arteriopatia con la popolazione generale (è l esempio precedente, sviluppato senza fare uso della informazione sulla deviazione standard della popolazione) H lavoro= i soggetti considerati, affetti da una rara malattia delle arterie hanno pressione arteriosa (sistolica) diversa dalla popolazione generale L ipotesi è nata osservando che i primi casi diagnosticati avevano valori pressori molto elevati H0= media della popolazione: pressione sistolica 145 mmhg test a due code (sebbene l ipotesi di lavoro sia indirizzata maggiormente verso un rialzo pressorio, non ho informazioni sufficientemente forti da scegliere un test ad una coda) errore 1 tipo =005 numerosità campionaria non modificabile poichè sono inclusi tutti i pazienti disponibili Non è stata calcolata la potenza statistica Dottorato di medicina molecolare
66 Test statistico: test t(confronto tra una media campionaria e la media della popolazione, senza dati sulla deviazione standard della popolazione) Requisiti del test scelto: La deviazione standard della misura della pressione della popolazione non è nota La distribuzione della variabile nella popolazione è gaussiana, pertanto anche piccoli campioni saranno distribuiti secondo tale distribuzione Dottorato di medicina molecolare
67 I dati individuali: Obs pressure (mmhg) Dottorato di medicina molecolare
68 Le statistiche campionarie N 15 Mean Std Deviation Variance I parametri necessari per il test µ=145 mmhg s= Std Deviation Il valore della statistica t (errore 1 tipo <= 0,05 e test a due code, 14 gl) = 2,145 Dottorato di medicina molecolare
69 Il calcolo del test t 14 = (X - µ)/ (s/ n) t 14 = ( ) / (107/ 15) = = 1,496 Conclusione = non rifiuto l ipotesi nulla Dottorato di medicina molecolare
70 Intervallo di confidenza basato sul test t Possiamo anche definire un intervallo di confidenza della media campionaria basandoci sul test e sulla distribuzione t L intervallo di confidenza è definito in modo tale da soddisfare la seguente equazione: [X - t gl,α/2 *(s/ n)] < µ < [X + t gl,α/2 *(s/ n)] Dove: t gl,α/2 = valore della funzione t con il numero dato di gradi di libertà corrispondente all errore di 1 tipo scelto Limite fiduciale superiore = X + t gl,α/2 *(s/ n) Limite fiduciale inferiore = X - t gl,α/2 *(s/ n) Dottorato di medicina molecolare
71 Esempio: calcolo dell intervallo di confidenza Risultati: N 15 Media campionaria 1491 mmhg (calcolo omesso) µ=145 mmhg s= 1072 mmhg Il valore della statistica t (errore 1 tipo <= 0,05 e test a due code, 14 gl) = 2,145 Limite superiore = ,145 *( 1072/ 15) = 154,56 mmhg Limite inferiore = ,145 *( 1072/ 15) = 143,71 mmhg Dottorato di medicina molecolare
72 Estrazione di 50 campioni di numerosità 20 da una distribuzione gaussiana con µ=0 e δ ignota L errore standard è stato calcolato in base alla distribuzione t Le barre rappresentano l intervallo di confidenza al 95% Si noti che le barre sono di ampiezza diversa tra loro µ ID Dottorato di medicina molecolare
73 Confronto tra due campioni indipendenti test t Il caso dei campioni con la stessa varianza Nel caso del confronto tra due campioni indipendenti il test è costruito per valutare la probabilità (data H0) della differenza osservata tra le medie dei due campioni, correggendo per l errore standard Il calcolo della differenza tra le due medie non pone difficoltà x = (X 1 X 2 ); Il calcolo dell errore standard richiede l individuazione di un valore comune della varianza Questo valore può essere stimato se i due campioni appartengono alla stessa popolazione (H0) oppure a due popolazioni diverse (H1) ma con varianza uguale In tal caso si potrà calcolare uno stimatore comune dell errore standard Dottorato di medicina molecolare
74 Dottorato di medicina molecolare Nel caso di due campioni con varianza comune, lo stimatore migliore della varianza comune è la media delle due varianze campionarie, pesata per il numero di gradi di libertà di ciascun campione ( ) ( ) ( ) ( ) ( ) ( ) ( ) Σ Σ = + + = n n x x x x n n s n s n S = somma delle devianze / gradi di libertà Si consideri che: n n x x var σ = σ + Quindi ES(X 1 X 2 ) = (s 2 /n 1 + s 2 /n 2 ) = s 2 * (1/n 1 + 1/n 2 ) t gl = (X 1 X 2 ) / ES(X 1 X 2 ) = (X 1 X 2 ) / [ s 2 * (1/n 1 + 1/n 2 )]
75 Esempio: In un laboratorio si intende confrontare l effetto di due differenti diete sulla crescita di ratti La tabella indica l incremento di peso conseguito in 60 giorni H lavoro: la dieta 1 consente una più veloce aumento di peso H0: le due diete sono uguali per quanto riguarda l aumento di peso Test a 2 code Errore di primo tipo= 005 Numerosità campionaria definita in base al numero di animali già trattati con le due diete Errore di 2 tipo non misurato Test t-student (confronto tra medie di 2 campioni indipendenti) requisiti La distribuzione del peso degli animali è gaussiana Gli animali sono dello stesso ceppo, si suppone quindi che la varianza del peso sia la stessa e che le due diete non modifichino la varianza comune Dottorato di medicina molecolare
76 I dati: Dieta 1 Dieta X 1 = 1200 X 2 = 1010 n 1 = 12 n 2 = 7 Dottorato di medicina molecolare
77 S 2 = {Σ(x 1 X 1 ) 2 + Σ(x 2 X 2 ) 2 } / [(n 1 + n 2-2)] Σ(x 1 X 1 ) 2 = 5032,00 Σ(x 2 X 2 ) 2 = 2552,00 S 2 = { } / 17 = ES(X 1 X 2 ) = s 2 * (1/n 1 + 1/n 2 ) ES(X 1 X 2 ) = * (1/12 + 1/7) = = 1004 t 17 = ( ) / 1004 = 189 p=0076 Dottorato di medicina molecolare
78 Il test t può essere agevolmente calcolato utilizzando la funzione testt di Excel (o analoghi) La stessa funzione effettua il test t nelle tre diverse condizioni, assegnando i codici appropriati al campo Tipo (1= appaiato; 2 non appaiato omoscedastico; 3: non appaiato eteroscedastico) Dottorato di medicina molecolare
79 Calcolo dell intervallo di confidenza sulla differenza tra le medie test t L intervallo di confidenza viene calcolato rispetto alla differenza delle medie campionarie Indichiamo tale differenza come X [ X - t gl,α/2 *(s/ n)] < (x 1 x 2 ) < [ X + t gl,α/2 *(s/ n)] Dove: t gl,α/2 = valore della funzione t (con il numero dato di gradi di libertà) corrispondente all errore di 1 tipo scelto s: deviazione standard comune n: (1/n 1 + 1/n 2 ) Limite fiduciale superiore = X + t gl,α/2 *(s/ n) Limite fiduciale inferiore = X - t gl,α/2 *(s/ n) Dottorato di medicina molecolare
80 Calcolo dell intervallo di confidenza (continua dall esempio precedente) [ X - t gl,α/2 *(s/ n)] < (x 1 x 2 ) < [ X + t gl,α/2 *(s/ n)] X = (x 1 x 2 ) = 190 t 17,005/2 = 2110 ES(X 1 X 2 ) = ES( X) = 1004 Limiti di confidenza= 190 ± 2110 *1004 = -22; 402 Dottorato di medicina molecolare
81 Confronto tra due campioni appaiati E (X 1 X 2 ) = µ 1 - µ 2 Ma s s 2 2 < δ δ 2 2 Calcolo differenze d tra le osservazioni appaiate d 1 = x 1 - x 2 calcolo quindi media e varianza di d, usando le formule consuete Calcolo quindi la statistica t con gl= (nosservazioni 1) Dottorato di medicina molecolare
82 I dati trattamento placebo diff Differenza media = - 1,30 n = 10 S 2 = Σ(d 1 D) 2 / (n) = 186,1 / 9 = 20,68 ES(d) = s 2 / 1/n = 20,68 / 10 = 2,068 = 1,438 t 9 = -1,30 / 1,438 = - 0,90 p=039 Dottorato di medicina molecolare
83 Calcolo dell intervallo di confidenza sulla differenza tra le medie L intervallo di confidenza viene calcolato rispetto alla differenza media [D - t gl,α/2 *(s/ n)] < (x 1 x 2 ) < [D + t gl,α/2 *(s/ n)] Dove: t gl,α/2 = valore della funzione t (con il numero dato di gradi di libertà) corrispondente all errore di 1 tipo scelto s: deviazione standard della differenza n = numero di osservazioni Limite fiduciale superiore = D + t gl,α/2 *(s/ n) Limite fiduciale inferiore = D - t gl,α/2 *(s/ n) Dottorato di medicina molecolare
84 Calcolo dell intervallo di confidenza (continua dall esempio precedente) D = - 1,30 T 9,005/2 = 2262 ES(D) = 1,438 Limiti di confidenza= -1,30 ± 2262*1,438 = -4,55; 1,95 Dottorato di medicina molecolare
85 La verifica dei requisiti di normalità sarà considerata in una delle prossime lezioni In modo approssimato si può: 1 tenere conto che la distribuzione di campionamento è sempre normale quando i campioni sono grandi n> 30 garantisce la anormalità della distribuzione dei campioni anche se la distribuzione di base è asimmetrica 2 Disegnare un istogramma, che deve essere simmetrico 3 Utolizzare una procedura (grafici QQ o PP in SPSS) che effettua il test di normalità Dottorato di medicina molecolare
86 Dottorato di medicina molecolare
87 Il caso di due campioni con varianze diverse esula da questo programma (si può comunque affrontare con i test non parametrici, considerati nelle prossime lezioni Dottorato di medicina molecolare
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
DettagliUniversità 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
DettagliLa 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
DettagliInferenza 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
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliUniversità del Piemonte Orientale Corso di laurea in medicina e chirurgia a.a Corso di Statistica Medica Inferenza sulle medie 1
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Università del Piemonte Orientale Corso di laurea in medicina e chirurgia
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliUniversità 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 -
DettagliStatistica 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
Dettagli1) 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
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliUniversità 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
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliMetodi 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.
Dettagli3. 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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliProbabilità 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:
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliCorso 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
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
Dettagli2. 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
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliMetodi 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
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliConcetto 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
DettagliLEZIONE 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
DettagliCAPITOLO 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
DettagliUn 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
DettagliSlide 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
DettagliStatistica 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
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliInferenza 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
DettagliL 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
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliStatistica. 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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
DettagliFacciamo 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
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame dell 11/1/2012 NOME COGNOME N. Matr. Rispondere alle domande nel modo più completo possibile, cercando di
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
DettagliUniversità del Piemonte Orientale. Corsi di laurea di area tecnica. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corsi di laurea di area tecnica Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Corsi di laurea triennale di area tecnica - Corso di
DettagliLA 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
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
Dettagli3 Confronto fra due popolazioni attraverso il test t e test analoghi
3 Confronto fra due popolazioni attraverso il test t e test analoghi Consideriamo in questo capitolo gli esperimenti comprendenti un solo fattore fisso, e nel loro ambito quelli in cui questo criterio
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliEsercitazione 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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliI 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
DettagliTest 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
DettagliLa 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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliESERCIZI 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,
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliTest 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
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliGESTIONE INDUSTRIALE DELLA QUALITÀ A
GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliFacoltà 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
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
DettagliVARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011
VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può
DettagliEsercitazione di riepilogo 23 Aprile 2013
Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
Dettagli