Pietro Giorgio Lovaglio 1

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Pietro Giorgio Lovaglio 1"

Transcript

1 I fondamenti statistici per la costruzione di scale psicometriche Pietro Giorgio Lovaglio 1 1 Dipartimento di statistica, Facoltà di Scienze Statistiche, Milano-Bicocca, P.za dell Ateneo Nuovo 1, Edificio U7, Premessa Le metodologie o tecniche statistiche vengono definite come quella serie di strumenti volti allo all analisi e allo studio dei fenomeni empirici che si manifestano in natura. Oggetto dell indagine è tipicamente lo studio della variabilità di uno (statistica univariata) o più fenomeni (statistica multivariata) intesa come attitudine intrinseca di un particolare fenomeno ad assumere differenti intensità (manifestazioni del fenomeno) su una serie di soggetti interessati dall analisi. La ricerca in ambito psicometrico non può prescindere da un attenta conoscenza ed applicazione degli strumenti statistici come supporto scientifico volto alla comprensione della realtà e alla presa di decisioni da parte degli operatori coinvolti quotidianamente con processi e fenomeni di carattere psico-fisici. 1.Gli strumenti statistici di base per un analisi psicometrica Indici di posizione. Organizzati in una distribuzione i dati relativi ad una serie di osservazioni o intensità (x i i=1,..n) occorre sintetizzare attraverso un valore sintetico o indice di posizione la distribuzione osservata in modo tale che metta in luce un aspetto particolare del fenomeno considerato a seconda degli scopi del ricercatore (per semplicità analizzeremo l esempio i punteggi di un test attitudinale). Gli indici più utilizzati sono la moda o intensità che ha associata la più alta frequenza (tanto più espressiva quanto più elevate le frequenza ad essa associate) e la mediana definita come quella modalità o intensità che occupa la posizione centrale, una volta ordinate le intensità x i dalla più piccola alla più grande (ovviamente non esiste per quei fenomeni senza criteri oggettivi di ordinabilità es. sesso, colore capelli, etc). La mediana può definirsi come quel valore che divide in due gruppi ugualmente numerosi una distribuzione X: per identificare la mediana si deve conoscere l intensità o la modalità del fenomeno associata alla persona che occupa il posto centrale della distribuzione una volta ordinati i valori della distribuzione. Se su 100 allievi che si cimentano in una prova che prevede tre possibili risultati (0=non supera la prova, 1=supera la prova con difficoltà,2=supera la prova) si osserva che 30 allievi hanno punteggio 0, 10 allievi punteggio 1 e 60 allievi punteggio 2, in tal caso la moda vale 2 (punteggio più frequente) e la mediana altrettanto (il punteggio associato ai due soggetti centrali, il 50 e il 51 soggetto, una volta ordinati i valori dal più basso al più alto). Discorso analogo vale per i quantici; in particolare i quartili dividono la distribuzione del fenomeno in 4 parti uguali: il 1 quartile è quel valore del fenomeno (punteggio ad un test) tale che, una volta ordinati i punteggi in ordine crescente, separa il 25% dei soggetti peggiori (punteggi sotto il primo quartile) dal 75% dei migliori (punteggi sopra il primo quartile), mentre il 3 quartile è quel valore del fenomeno (punteggio ad un test) tale, che una volta ordinati i punteggi in ordine crescente, separa il 75% dei peggiori (punteggi sotto il terzo quartile) e il 25% dei migliori (punteggi sopra il terzo quartile). L indice di posizione più noto è la media aritmetica, definita dal rapporto tra la somma delle intensità del fenomeno e il numero di osservazioni. La media non sempre è l indicatore più indicato, spesso lo è la mediana, soprattutto laddove vi siano situazioni di valori anomali (punteggi di soggetti particolarmente sopra o sotto la media); cioè per rimanere nell ambito dell esempio del test attitudinale, se un basso numero di allievi 1

2 ottenesse performance molto superiori all andamento generale (o molto inferiori all andamento generale), la tendenza media del collettivo di studenti ne risulterebbe elevato (abbassato) artificiosamente per merito (colpa) di tale minoranza. In tali situazioni la mediana è più stabile della media. Al fine di evidenziare un andamento medio nel senso un intervallo di valori regolari va certamente citato il ruolo della differenza interquartile (Differenza tra il 3 Quartile e il 1 Quartile) che fornisce un range del punteggio totale degli allievi che si trovano nella parte centrale della distribuzione (e per definizione più stabile ed affidabile). Indici di Variabilità. Le medie -intese in senso lato- possono intendersi come una sintesi del fenomeno in un numero che esprime un particolare aspetto; lo studio non può tuttavia limitarsi a questo poiché non si riuscirebbe a valutare il grado di variabilità del fenomeno, ovvero come si distribuiscono le intensità del fenomeno attorno alla media. In particolare gli indici di variabilità più diffusi va citata la varianza (σ 2 ) che valuta lo scostamento dei valori osservati x i dalla media e la deviazione standard definita come la radice quadrata della varianza (σ). Valori bassi di questi indici esprimono il fatto che le intensità di X si discostano poco dalla media (cioè essa rappresenta bene l ordine di grandezza di X), mentre un valore alto il contrario. Legame tra due fenomeni: Correlazione. Supposto che due fenomeni x ed y siano quantitativi ci si può chiedere se il tipo di legame esistente tra essi può essere lineare, cioè se al variare di x y cresce in modo proporzionale (supponiamo di osservare sulle stesse unità statistiche i punteggi di due prove attitudinali ad esempio saltare e correre oppure la relazione tra peso e altezza). Sapere che il trend di evoluzione di un fenomeno varia linearmente rispetto alle variazioni di un altro fenomeno significa poter affermare ad esempio che al variare dell altezza il peso cresce proporzionalmente per ogni aumento di 1 cm di altezza il peso presenta un incremento costante. La misura di linearità più diffusa tra due fenomeni quantitativi è il coefficiente di correlazione di Bravais- Pearson, (ρ) definito come il rapporto tra la media dei prodotti (x i -µ x )(y j -µ y ) [dove (x i - µ x ) sono gli scarti di ogni osservazione di x i dalla sua media ed (y j -µ y ) gli scarti di ogni osservazione di Y dalla sua media] e il prodotto delle deviazioni standard di X e di Y. L indice ρ XY assume valori tra -1 e 1; a) ρ = 0 se le due variabili sono incorrelate (ovvero il diagramma a dispersione mostra un andamento casuale dei punti di coordinate (x i, y j ), tipico di situazioni in cui i punti si dispongono senza un trend lineare (si nota in Fig.1, a sinistra che al variare dell età (x) il punteggio al test (y) si dispone in modo causale attorno alla media di y senza una chiara relazione tra y ed x): Punteggio al test Età Punteggio al test Età Fig.1: Grafici a dispersione che evidenziano la correlazione tra età e punteggio al test 2

3 b) ρ= 1 se e solo se vi sia perfetta dipendenza lineare fra x ed y diretta, quando cioè il legame tra x ed y è perfettamente lineare su una retta crescente (al crescere di x y aumenta in modo perfettamente proporzionale, come in Fig.1 a destra) c) ρ = -1 in caso di perfetta dipendenza lineare inversa fra x ed y, quando cioè il legame tra x ed y è perfettamente lineare su una retta decrescente (al crescere di x, y diminuisce in modo perfettamente proporzionale) 2. L utilizzo di test per la costruzione di scale L obiettivo dei test attitudinali consiste nell esigenza di misure oggettive di performance (abilità, attitudine, etc.) definite come indicatori sintetici che sottendono tutti una medesima dimensione inerente qualche aspetto dell attitudine globale di ogni utente verso una particolare aspetto della vita. In particolare si fa riferimento al concetto di abilità motoria e cognitiva, (Tesio et al., 1996), di qualità della vita, (Apolone et al., 1997), di ritardo mentale (Ware, 1987) etc. Le considerazioni principali per la scelta della metodologia da affrontare per la stima di tali indicatori di performance fanno emergere principalmente due ordini di problemi: Gli indicatori utili per stimare le performance sono desunti da test-questionari e tipicamente di natura categoriale (passa/non passa) o ordinale (passa /passa con difficoltà / non passa); Si presentano tipicamente situazioni di dati mancanti. In letteratura il problema della stima di variabili non direttamente osservabili (latenti, come ad esempio abilità, attitudine, capacità motoria, intelligenza etc.) è stato affrontato dal punto di vista applicativo per valutare abilità, capacità o più in generale attitudini verso diversi aspetti della realtà, sintetizzabili con il termine "latent traits" (LT) spesso non direttamente osservabili, ma desumibili da un insieme di items (prove attitudinali, questionari, prove fisiche, mentali, tests, etc...) che misurano a meno di errori tale latent trait. Le metodologie utilizzate per la stima di variabili non osservabili o latenti (LV) hanno attinto dai modelli di analisi fattoriale (MF, Bartolomew, 1987) definito attraverso un modello che suppone l esistenza di pochi LT inosservabili (x 1,..x m ) sottostanti all insieme degli Items (y 1..y p ); l analisi fattoriale consiste nel descrivere un fenomeno complesso descritto da una serie di k items (y 1..y k ) in forma più semplice derivando un numero limitato (m<k) di latent trait (x 1 x 2,..x m ) non osservabili, ma ricavati sostanzialmente come una media dell insieme delle variabili osservate (y 1..y k ), ponderando in maniera differente l importanza di ogni item originale 1 (attraverso delle componenti di peso), in modo da conservare la maggior informazione possibile. L analisi fattoriale permette di risponde alle seguenti domande: 1. Quanti latent trait inosservabili servono per spiegare tutti gli item 2 ; 2. Quanta parte della variabilità del complesso degli item cattura ogni LT (autovalore); 3. Quanta parte della variabilità di ogni item è catturata dall insieme dei LT (comunalità); 4. Qual è il peso di ogni variabile sulla costruzione di ogni LT (factor weights); Esempio Su un campione di anziani si sono rilevati i risultati relativi allo stato di autosufficienza attraverso l osservazione di 4 attività della vita quotidiana (Items) rilevati su una scala da 0 a 15 (0=dipendenza, 15= autonomia): X1 =trasferimenti letto-sedia, X2 = deambulazione, X3 = igiene personale, X4 = alimentazione. L estrazione di pochi LT cercherà di riassumere in qualche modo i 4 Items ma nello stesso tempo perdere il minor numero di informazioni (variabilità dei 4 Items): dall analisi fattoriale si sono 1 Rispetto alla semplice somma degli items, come nell approccio delle scale cumulative, mostrato in seguito. 2 Spearman (1904) ad esempio presentò un modello a due fattori, secondo il quale le abilità mentali descritte da un test contenente prove (Item) di intelligenza, potevano essere ridotte ad un fattore di abilità logico-matematica e ad uno espressivo-linguistico. 3

4 ricavati gli autovalori: ogni LT, dal primo al quarto spiega l 84%, il 15% l 1% e lo 0% della variabilità dei 4 Items e dunque la scelta dei primi due LT assicura il 99% della varibilità globale, perdendo solo l 1% di informazione possiblie passando dai 4 Items ai due LT. I primi due fattori vengono definiti dai coefficienti (factor weights) LT1 = 0.96 X X X X4 LT2 = X X X X4 Il primo LT, poiché viene definito semplicemente come somma degli Items (si noti che i pesi degli Items sono diversi), può considerarsi un indicatore di autonomia globale, mentre osservando i segni dei coefficienti il secondo mostra il contrasto tra X1, X2 verso X3 X4: ciò significa che tale fattore può interpretarsi come un indicatore di autonomia legato all equilibrio e all uso delle mani (poiché i contrasti esistono tra le attività di locomozione tout court verso le attività di igiene personale e alimentazione). I punteggi ricavati dalle due relazioni precedenti costituiscono due utili indicatori di performance motoria e motoria-manuale per ogni anziano, ricavata dalle 4 variabili iniziali (riduzione). Le comunalità per le 4 variabili (0.93, 0.88,0.71,0.74) mostrano che i due fattori prescelti spiegano una quota elavata della variabilità di ognuna delle X 3. L uso di scale cumulative I test sono misurazioni obbiettive e standardizzate di un campione di comportamento supposto rappresentativo della totalità del comportamento stesso. Un test può essere presentato come una batteria di k prove (y 1, y 2,. y k ), un elenco di item (elementi, prove, domande, esercizi), raccolti in un questionario, intervista, scheda. In letteratura le prime forme di stima di LT ha coinciso con la semplice somma degli item in una batteria di test: T = Σ i x i (scala cumulativa); tale scelta sebbene semplicistica conserva tuttora un notevole seguito destato dalla semplicità e dalla semplice applicabilità in ogni disciplina; tuttavia è importante valutare la bontà dello strumento proposto, cioè poter rispondere alla domanda se la misura cumulativa così costruita presenta le caratteristiche adeguate allo scopo. 3.1 Caratteristiche per la costruzione di una scala Per essere valido come strumento di misura, il test, la batteria, il questionario o, comunque in senso lato, le prove specificate nel test devono presentare alcune caratteristiche: 1. Concetto unidimensionale Il ricercatore deve scegliere opportuni insiemi di items tali che il LT che si vuole stimare sottenda un'unica dimensione latente (unidimensionale); qualora invece sottenda più di una dimensione latente finisce per fornire risultati contraddittori in quanto non risulta chiaro se e in che misura ogni item e gli items nel loro complesso si riferiscano ad un particolare LT oggetto di studio (abilità motoria) o ad un altro LT affine, ma diverso (capacità di equilibrio). Standardizzazione La somministrazione del test deve avvenire con procedure uniformi, ossia con le stesse modalità (materiali, limiti di tempo, frasi da utilizzare, assegnazione del punteggio) per tutti i soggetti testati. Validità (validity) Il test deve realmente misurare ciò che si è prefissato di misurare, deve cioè essere valido. In particolare la "validità di contenuto" riguardante le variabili da misurare, a chi è destinato il test; il modello teorico cui esso si rifà, le caratteristiche degli item. Tali indicazioni vengono 4

5 manifestate nei pareri e nei giudizi degli esperti nei gruppi di discussione e nelle riunioni atte per trovare accordi unanimi sul tipo di prove da somministrare (né troppo facili, né troppo difficili etc), sul modo di codificare oggettivamente le performance di un allievo sulla prova (es. specificare due sole categorie: l allievo supera l esercizio o non lo supera oppure predisporre più gradi di abilità), stabilendone il punteggio e i gradi di abilità. La "validità di costrutto" invece è intesa sia come capacità del test (insieme di Items) di cogliere relazioni tra coppie di Items sia come capacita del test di discriminare tra diversi LT (es. l abilità motoria dall equilibrio); tale verifica si risolve attraverso la valutazione dell unidimensionalità del LT attraverso il modello di analisi fattoriale precedentemente descritto. Affidabilità (reliability) È l accuratezza e la coerenza del test, e si basa sulla necessità che questo fornisca misurazioni precise, stabili e oggettive. L 'analisi di affidabilità può essere usata per costruire le scale certe di misura, per migliorare le scale esistenti e per valutare l'affidabilità delle scale già in uso. Tale analisi si rende necessaria poiché come già mostrato dal modello fattoriale alla base di un fattore latente (es. "abilità motoria") sottostante ad un numero di item vi è una componente di errore da valutare; in tale ipotesi si suppone che vi sia una parte del fattore latente che le prove del test "non carpiscono". Di conseguenza, la risposta del soggetto ad un item (y i ) particolare riflette due componenti: in primo luogo, il concetto vero (x, abilità motoria), in secondo luogo, una certa funzione estranea o di errore (e i ), cioè la componente che tale item non coglie. Una misura è affidabile se riflette principalmente il punteggio vero, cioè se la variabilità degli errori è nulla; in questo contesto la definizione di affidabilità è data dal rapporto tra la variabilità del concetto vero (x) e la variabilità dell insieme degli Items. Poiché x non si conosce si può valutare la proporzione di vera varianza catturata dagli item, attraverso il coefficiente di affidabilità (α di Cronbach) k ρ α = (1) 1 + ρ (k 1) dove ρ è la media delle correlazioni esistenti tra ogni coppia dei p Items e k il numero di items. Se la correlazione media è nulla significa che tutte le coppie di correlazioni sono nulle, dunque il numeratore si annulla, lasciando un indice di completa inaffidabilità delle prove (α=0); altrimenti quanto più α è vicino ad 1 tanto più le prove sono affidabili; se la correlazione media è uno significa che tutti gli Item sono massimamente correlati lasciando nella (1) un valore unitario coerente con il fatto che tutti gli item non presentano componenti di errore e misurano dunque tutti il fattore vero (scala massimamente affidabile). Empiricamente si ritengono accettabili scale con α>0,70. Se gli item sono di natura binaria (es. supera / non supera l esercizio) il coefficiente α equivalente è il seguente (Lord e Novick, 1968) a: Kr = (k/k-1) [1- (Σ j p j q j / σ 2 ) ] (2) dove p j è la percentuale di individui che passano l esercizio nell item j, q j la percentuale degli individui che non passano l item j, k il numero di item e σ 2 denota la varianza della somma degli itemi T. Oltre al coefficiente di affidabilità globale generalmente si osserva anche l α se eliminiamo una variabile alla volta, potendosi così osservare se l eventuale eliminazione di un item assicura una maggiore consistenza nel complesso degli item. 5

6 Un altra misura di affidabilità globale è il coefficiente di Correlazione punto biseriale (PB, Lord e Novick, 1968), definita come la correlazione tra i punteggi ottenuti dai soggetti su un item e il punteggio totale dei soggetti su tutti gli Item (esisterà dunque una PB per ogni Item); Item con valori elevati di tale coefficiente riflette il fatto tale item misuri lo stesso LT degli altri Items; se i PB sono tutti sufficientemente elevati essi effettivamente la stessa cosa, cioè sottendono tutti la stessa dimensione latente. Se un PB è basso (tipicamente <0,75) probabilmente tale Item va eliminato dal test; un altro modo di selezionare Item consiste nel valutare il coefficiente α della (1) eliminando un Item alla volta; in questo modo per ogni Item si ottiene un coefficiente α (definito α se eliminato) che indica come varia il grado di affidabilità del test rispetto all α globale della (1) quando si elimina un particolare Item (vedi esempio di Tab.1). Altri tipi di affidabilità del sistema riguardano le seguenti situazioni: Affidabilità e riproducibilità nel tempo (test retest) Se lo stesso individuo è sottoposto più volte al medesimo test, o ad una sua forma equivalente, si deve ottenere lo stesso punteggio sia in situazioni diverse, a distanza di tempo; si chiede la stabilità dei risultati a successive somministrazioni (test retest). Se la scala è affidabile, ci aspettiamo che nelle due occasioni (t1, t2) i punteggi totali nelle due occasioni abbiano un alta correlazione positiva (ρ xy = 1). Scale via via meno affidabili forniscono correlazioni tra le due occasioni via via più basse. Affidabilità e riproducibilità tra intervistatori (k di Cohen ) Nel caso in cui lo stesso soggetto venga valutato da più rilevatori (giudici) o da strumenti diversi (diverse batterie di test che mirano alla stima dello stesso LT) va valutato l'accordo tra tali valutatori o strumenti attraverso il coefficiente di accordo Cohen K (Lord e Novick, 1968) basato sulla proporzione di casi osservati nella quale gli strumenti sono in accordo ovvero classificano lo stesso soggetto nella stessa categoria (passa/non passa); un valore pari a 1 indica accordo perfetto, pari a 0 indica che l'accordo può essere considerato casuale. Affidabilità del sottocampione (split-half reliability) Ci si può chiedere che cosa succeda alla reliability se il campione di soggetti che affrontano il test viene diviso casualmente in due gruppi separati (sottocampioni). A tal fine si calcola il punteggio totale del test dei soggetti nei due sottocampioni x (primo sottocampione) ed y (secondo sottocampione) e si valuta la correlazione tra le risposte nei due gruppi ρ xy ; più precisamente si calcola il coefficiente split half dalla formula: 2ρ xy / (1 + ρ xy ); se il test è affidabile, ci aspettiamo che i punteggi totali nelle due sottocampioni abbiano una correlazione positiva ed elevata, scale via via meno affidabili forniscono correlazioni via via più basse 4. Passi per la costruzione di scale In generale i passi per la costruzione di una scala affidabile sono di seguito presentati: Step 1: Generare items: processo creativo, brainstorming, esperti, in gruppi di discussione di esperti (operatori) del settore per definire la validità di contenuto (quali e quanti Items, quali e quante categorie di risposta per ciascun Item); Step 2: scegliere items of difficoltà calibrata: dopo aver inserito gli item il questionario va somministrato ad un campione di typical respondents per identificare gli Item che non discriminano (effetto pavimento; tutti passano l Item, nessuno passa l Item); per scegliere item calibrati valuto la difficoltà degli item e la capacità discriminatoria. Difficoltà. L'item non deve essere né troppo facile né troppo difficile, tale aspetto è misurato con p j il rapporto tra i soggetti che superano la prova j e il totale di soggetti che effettuano la prova j: empiricamente si ritengono accettabili valori tra 0,25 e 0,75. 6

7 Capacità discriminatoria. L'item j deve il più possibile distinguere tra i soggetti "più bravi" e quelli "meno bravi"; l indice maggiormente utilizzato è dato dalla differenza tra p j1 (percentuale di risposte corrette considerando il 25% dei soggetti con punteggio totale più elevato) e p j2 (percentuale di risposte corrette considerando il 25% dei soggetti con punteggio totale meno elevato; empiricamente si ritengono accettabili per tale indice valori superiori a 0,30. Step 3: Scegliere gli item con alta affidabilità: Alfa di Cronbach globale, coefficiente Alfa, eliminando un item alla volta, correlazione PB (eventualmente test-retest, K, split half) Step 4: Tornare allo step 1 dopo aver eliminato gli item che non rendono affidabile la scala. 5. Un esempio L esempio mostrato nella Tabella 1 presenta l analisi di affidabilità di 10 items con punteggio da 0 a 10 ciascuno; il punteggio medio dei 10 Items è 7.35 e dalla (1) l affidabilità globale (α=0,79) è elevata: le ultime tre colonne mostrano la correlazione tra ogni item e la somma degli Item (Correlazione PB), la media e il coefficiente alpha se l item in questione viene eliminato (esempio se elimino l Item 5 α diventa 0.82 rispetto a 0.79 che è l affidabilità globale e la media dei 10 Item diventa 8.01 rispetto a quella totale di 7.35).Chiaramente tutte le colonne mostrano che gli items 5 and 6 vanno eliminati poiché non sono consistenti con il resto della scala, perché senza tali Item le misure di affidabilità (ultima colonna) migliorano rispetto all affidabilità globale (α= 0,79), inoltre la correlazione PB è bassissima rispetto agli atri Items e il punteggio medio aumenta drasticamente eliminando ciascuno dei due Items. ITEM Item1 item2 item3 item4 item5 item6 item7 item8 item9 item10 PB Media se eliminato α se eliminato Tab.1: Analisi di affidabilità: le colonne identificano il numero di Item, la correlazione Punto Biseriale e la media dei punteggi dei 10 Item e il coefficiente α se eliminato (eliminando di volta in volta l Item corrispondente) Riferimenti Bibliografici Apolone G., Mosconi P., Ware J.E. (1997), Questionario sullo stato di salute SF-36. Manuale d uso e guida all interpretazione dei risultati, Guerini e Ass., Milano. Bartholomew, D.J. (1987), Latent variable models and factor analysis, New York: Oxford University Press. Lord, F. M. e Novick, M. R. (1968). Statistical theories of mental test scores. Reading, MA: Addison-Wesley. 7

8 Lovaglio P.G., (2001) La stima di outcome latenti, Atti del Convegno Intermedio della Società Italiana di Statistica, Processi e Metodi Statistici di Valutazione, Cisu, 5-7 Maggio,.pp Roma. Warr, P. (1987) Work, unemployment and mental health (Oxford University Press, Oxford,). Wright B. D., Mok M., (2000) Rasch models overwiew, Journal of applied measurement, 1(1), pp Abstract. Il presente lavoro, riguardante la costruzione e la validazione di scale in ambito psicometrico, fornisce gli strumenti statistici più utilizzati a tal fine, descrivendone l impianto metodologico e razionale per il loro utilizzo per chi non ha familiarità con le metodologie di ricerca quantitativa. In particolare dopo aver introdotti gli strumenti statistici di base si definirà il concetto di scala valida o affidabile attraverso gli indicatori più utilizzati per la verifica della validità di contenuto e la validità di costrutto. 8

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione

Dettagli

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

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

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

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

Dettagli

Misure della dispersione o della variabilità

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

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

FONDAMENTI DI PSICOMETRIA - 8 CFU Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso

Dettagli

INVALSI English Language Test

INVALSI English Language Test INVALSI English Language Test Rapporto scuola Scuola secondaria di primo grado Settembrini - Roma Pretest 2012 APPENDICE 1. Risultati dei singoli studenti Introduzione Questo rapporto presenta i risultati

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Elementi di Psicometria

Elementi di Psicometria Elementi di Psicometria 12-Correlazione vers. 1.1 (27 novembre 2012) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2011-2012 G. Rossi (Dip. Psicologia)

Dettagli

LA CORRELAZIONE LINEARE

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

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

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

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

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

Dettagli

I punteggi zeta e la distribuzione normale

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

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

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

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

Dettagli

Il concetto di correlazione

Il concetto di correlazione SESTA UNITA Il concetto di correlazione Fino a questo momento ci siamo interessati alle varie statistiche che ci consentono di descrivere la distribuzione dei punteggi di una data variabile e di collegare

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

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

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 2.1 Statistica descrittiva (Richiami) Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (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

Dettagli

CLASSIFICAZIONE DEI CARATTERI

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

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

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

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

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

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

Dettagli

Elementi di Psicometria

Elementi di Psicometria Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011

Dettagli

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro Pivot è bello Livello scolare: 1 biennio Abilità Conoscenze interessate Predisporre la struttura della Distribuzioni delle matrice dei dati grezzi con frequenze a seconda del riguardo a una rilevazione

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

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

Dettagli

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

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

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare.

DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. Appunti di Statistica DEFINIZIONE La statistica è una scienza che si propone di definire con dei numeri cose che non si possono numerare ne misurare. PROCESSO STATISTICO L indagine statistica comprende

Dettagli

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (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

Dettagli

Corso di. Dott.ssa Donatella Cocca

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

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova 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.

Dettagli

Il coefficiente di correlazione di Spearman per ranghi

Il coefficiente di correlazione di Spearman per ranghi Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili

Dettagli

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta

Dettagli

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

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

Dettagli

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 LEZIONE ELEMENTI DI STATISTICA DESCRITTIVA PROF. CRISTIAN SIMONI Indice 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 1.1. Popolazione --------------------------------------------------------------------------------------------

Dettagli

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA ANNO ACCADEMICO 2013-2014 UNIVERSITA DEGLI STUDI DI TERAMO FACOLTA DI MEDICINA VETERINARIA CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA CFU 5 DURATA DEL CORSO : ORE 35 DOCENTE PROF. DOMENICO DI DONATO

Dettagli

INDICE PREFAZIONE VII

INDICE 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

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

STATISTICA E PROBABILITá

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

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

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

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

Grafici delle distribuzioni di frequenza

Grafici 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

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione 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

Dettagli

Claudio Pizzi Dipartimento di Statistica, Università Ca Foscari di Venezia, Fondamenta S. Giobbe, Cannaregio 873, 30121 Venezia - pizzic@unive.

Claudio Pizzi Dipartimento di Statistica, Università Ca Foscari di Venezia, Fondamenta S. Giobbe, Cannaregio 873, 30121 Venezia - pizzic@unive. VERSO UNA MISURAZIONE DELLA DEALER SATISFACTION IN AMBITO AUTOMOBILISTICO SU BASI PIÙ OGGETTIVE Work in progress Leonardo Buzzavo Dipartimento di Economia e Direzione Aziendale, Università Ca Foscari di

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

1. L analisi statistica

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

Dettagli

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

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

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Statistica. L. Freddi. L. Freddi Statistica

Statistica. L. Freddi. L. Freddi Statistica Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumenti di indagine per la valutazione psicologica 2.2 Mettere a punto un test psicologico Davide Massidda davide.massidda@gmail.com Da dove partire C'è davvero bisogno di un nuovo strumento di misura?

Dettagli

Indagine sulla soddisfazione lavorativa e le condizioni di lavoro dei docenti delle scuole cantonali - 2014

Indagine sulla soddisfazione lavorativa e le condizioni di lavoro dei docenti delle scuole cantonali - 2014 Dipartimento dell educazione, della cultura e dello sport Divisione della scuola Indagine sulla soddisfazione lavorativa e le condizioni di lavoro dei docenti delle scuole cantonali - 2014 Giugno 2015

Dettagli

A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO (2002) Descrizione

A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO (2002) Descrizione IPDA IDENTIFICAZIONE PRECOCE DELLE DIFFICOLTA DI APPRENDIMENTO A. TERRENI, M.L. TRETTI, P.R. CORCELLA, C. CORNOLDI, P.E. TRESSOLDI (2002) DEVELOPMENTAL assessment individuale; valutazione disturbi di apprendimento;

Dettagli

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

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Corso di Statistica Medica 2004-2005 Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Sono previste 30 ore di lezione di statistica e 12 di

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

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

Dettagli

Conoscenza. Metodo scientifico

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

Dettagli

EPG Metodologia della ricerca e Tecniche Multivariate dei dati. Dott.ssa Antonella Macchia E-mail: a.macchia@unich.it. www.psicometria.unich.

EPG Metodologia della ricerca e Tecniche Multivariate dei dati. Dott.ssa Antonella Macchia E-mail: a.macchia@unich.it. www.psicometria.unich. EPG Metodologia della ricerca e Tecniche Multivariate dei dati Dott.ssa Antonella Macchia E-mail: a.macchia@unich.it www.psicometria.unich.it GIORNI E ORARI LEZIONI Sabato 01-03-2014 h 08:00-12:00 Sabato

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

STATISTICA DESCRITTIVA. Le misure di tendenza centrale

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

Dettagli

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

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

Dettagli

Rischio e rendimento degli strumenti finanziari

Rischio e rendimento degli strumenti finanziari Finanza Aziendale Analisi e valutazioni per le decisioni aziendali Rischio e rendimento degli strumenti finanziari Capitolo 15 Indice degli argomenti 1. Analisi dei rendimenti delle principali attività

Dettagli

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello

Dettagli

Analisi della performance temporale della rete

Analisi della performance temporale della rete Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:

Dettagli

COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009

COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 COGNOME E NOME COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 Esercizio I MATR. Si è effettuata un indagine di customer satisfaction su un campione di 100 acquirenti d un modello di auto, chiedendo

Dettagli

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete Funzioni in due variabili Raccolta di FAQ by Andrea Prevete 1) Cosa intendiamo, esattamente, quando parliamo di funzione reale di due variabili reali? Quando esiste una relazione fra tre variabili reali

Dettagli

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

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

Dettagli

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

Si comincia a costruire un test partendo dallo studio della caratteristica da misurare.

Si comincia a costruire un test partendo dallo studio della caratteristica da misurare. VALIDITA A PRIORI Si comincia a costruire un test partendo dallo studio della caratteristica da misurare. Indicatori della caratteristica da misurare vanno valutati in rapporto all attinenza della caratteristica

Dettagli

QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE. Laboratorio Stefania Porchia

QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE. Laboratorio Stefania Porchia QUARTO INCONTRO LABORATORIO CORSO INDAGINI CAMPIONARIE Laboratorio Stefania Porchia Incontri e argomenti trattati nel laboratorio 29 marzo 14.00 15.30 l indagine qualitativa come strategia di formulazione

Dettagli

Tabella per l'analisi dei risultati

Tabella per l'analisi dei risultati Vai a... UniCh Test V_Statistica_Eliminatorie Quiz V_Statistica_Eliminatorie Aggiorna Quiz Gruppi visibili Tutti i partecipanti Info Anteprima Modifica Risultati Riepilogo Rivalutazione Valutazione manuale

Dettagli

Marketing e Direzione d Impresa Lezione 22 Analizzare le informazioni e presentarle Ing. Marco Greco m.greco@unicas.it Tel.0776.299.

Marketing e Direzione d Impresa Lezione 22 Analizzare le informazioni e presentarle Ing. Marco Greco m.greco@unicas.it Tel.0776.299. Marketing e Direzione d Impresa Lezione 22 Analizzare le informazioni e presentarle Ing. Marco Greco m.greco@unicas.it Tel.0776.299.3641 Stanza 1S-28 Coefficiente α di Cronbach Misura il livello di intercorrelazione

Dettagli

Servqual: applicazioni e limiti del modello. Tonino Pencarelli

Servqual: applicazioni e limiti del modello. Tonino Pencarelli Servqual: applicazioni e limiti del modello Tonino Pencarelli servqual Il Servqual è costituito da due serie di 22 domande predefinite: la prima serie di domande misura le aspettative generiche dei clienti

Dettagli

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI Docente: Prof. Massimo Mariani 1 SOMMARIO Il rendimento di un attività finanziaria: i parametri rilevanti Rendimento totale, periodale e medio Il market

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

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

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

Dettagli

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I CeSe.Di. - Riorientamento nel primo anno delle superiori INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I dati Sezione 1 - AFFERMAZIONI GENERALI (10 item): affermazioni che afferiscono alle percezioni

Dettagli

Ricerca scientifica Processo di ricerca

Ricerca scientifica Processo di ricerca Ricerca scientifica Processo di ricerca Testi di riferimento: Coon, Mitterer (2011) Psicologia generale. UTET Cap. 1 Pedon, Gnisci (2004) Metodologia della ricerca psicologica. Mulino Cap. 2 La ricerca

Dettagli

Facciamo qualche precisazione

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

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

Università 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 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

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito Soluzioni della simulazione del 17/05/2011 Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2010-2011 Leggere BENE le avvertenze prima

Dettagli

Competenza chiave europea: MATEMATICA. Scuola Primaria. DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte

Competenza chiave europea: MATEMATICA. Scuola Primaria. DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte Competenza chiave europea: MATEMATICA Scuola Primaria DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte TAB. A TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE al termine della Scuola Primaria

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO 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

Dettagli

Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA

Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3

Dettagli

6. Modelli statistici: analisi della regressione lineare

6. Modelli statistici: analisi della regressione lineare BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Cenni di statistica descrittiva

Cenni di statistica descrittiva Cenni di statistica descrittiva La statistica descrittiva è la disciplina nella quale si studiano le metodologie di cui si serve uno sperimentatore per raccogliere, rappresentare ed elaborare dei dati

Dettagli

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Statistica, CLEA p. 1/68 Anno Accademico 2014-2015 Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Monia Lupparelli monia.lupparelli@unibo.it http://www2.stat.unibo.it/lupparelli

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

L analisi fattoriale

L analisi fattoriale L analisi fattoriale Scopo dell analisi fattoriale e quello di identificare alcune variabili latenti (fattori) in grado di spiegare i legami, le interrelazioni e le dipendenze tra le variabili statistiche

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

MINISTERO DELL ISTRUZIONE, DELL UNIVERSITÀ E DELLA RICERCA UFFICIO SCOLASTICO REGIONALE PER IL LAZIO ISTITUTO COMPRENSIVO 2 CECCANO Via Gaeta,

MINISTERO DELL ISTRUZIONE, DELL UNIVERSITÀ E DELLA RICERCA UFFICIO SCOLASTICO REGIONALE PER IL LAZIO ISTITUTO COMPRENSIVO 2 CECCANO Via Gaeta, MINISTERO DELL ISTRUZIONE, DELL UNIVERSITÀ E DELLA RICERCA UFFICIO SCOLASTICO REGIONALE PER IL LAZIO ISTITUTO COMPRENSIVO 2 CECCANO Via Gaeta, 123-03023Ceccano(FR) 0775/600021 fax 0775/623471 C.M. FRIC85800R

Dettagli