4. Confronto tra medie di tre o più campioni indipendenti

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "4. Confronto tra medie di tre o più campioni indipendenti"

Transcript

1 BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.1

2 SPECULARE UNIVERSO PARAMETRI PROGRAMMARE INFERIRE CAMPIONE STIMATORI DESCRIVERE MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.2

3 Siamo interessati a valutare se tre diete (A, B e C) determinano diversi incrementi del peso delle cavie con esse nutrite UNIVERSO PARAMETRI CAMPIONE STIMATORI MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.3

4 Siamo interessati a valutare se tre diete (A, B e C) determinano diversi incrementi del peso delle cavie con esse nutrite UNIVERSO PARAMETRI PROGRAMMARE CAMPIONE STIMATORI Vengono scelti casualmente tre campioni di 12 cavie ciascuno, ad ognuno di essi viene somministrata una delle tre diete in studio dalla nascita fino all età di 3 mesi e ne vengono registrati gli incrementi di peso MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.4

5 Dieta A Dieta B Dieta C CAMPIONE 1 CAMPIONE 2 CAMPIONE 3 DESCRIVERE STATISTICHE STATISTICHE STATISTICHE n 1 = 12 n 2 = 12 n 3 = 12 y i1 y i2 In generale: y ij y i3 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.5

6 4 CAMPIONE s 1 = y 1 = CAMPIONE 2 s 2 = 4.2 y 2 = CAMPIONE s 3 = 4.2 y 3 = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.6

7 SPECULARE UNIVERSO PARAMETRI PROGRAMMARE INFERIRE CAMPIONE STIMATORI DESCRIVERE MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.7

8 Una procedura per saggiare l ipotesi nulla Stima intervallare Test del t di Student Analisi della varianza e test F Analisi della varianza e test F ANOVA ad un FATTORE: 1 condizione sperimentale che ci interessa testare MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.8

9 CAMPIONE CAMPIONE CAMPIONE Media generale: y = 60.7 Devianza totale = Σ Σ (y ij - y) 2 j i = ( ) 2 +( ) 2 +( ) ( ) 2 +( ) 2 +( ) ( ) 2 +( ) 2 +( ) 2 = = 818 Da quali fonti dipende la variabilità (devianza) totale del fenomeno? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.9

10 CAMPIONE 1 CAMPIONE 2 CAMPIONE Media generale: y = 60.7 y 1 = 60 y 2 = 64 y 3 = 58 Devianza tra i livelli del fattore sperimentale = Σ n j (y j - y) 2 j = 12. ( ) ( ) ( ) 2 = = 224 Una prima fonte di variabilità è dovuta al fatto che i due campioni sono stati sottoposti a diverse diete (fattore sperimentale) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.10

11 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 Devianza entro i livelli del fattore sperimentale = Σ Σ (y ij - y j ) 2 i j =(56-60) 2 + (59-60) 2 + (52-60) (67-64) 2 + (72-64) 2 + (68-64) (59-58) 2 + (61-58) 2 + (58-58) 2 = 594 Una seconda fonte di variabilità è dovuta al fatto che ogni unità sperimentale tende a rispondere in modo diverso dalle altre allo stesso stimolo (livello del fattore sperimentale) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.11

12 SISTEMATICA Fonti di variabilità devianza Tra gruppi Entro gruppi * 594 = Totale 818 = CASUALE * Variabilità residua MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.12

13 Fonti di variabilità devianza gradi di libertà Tra gruppi Entro gruppi 594 = 33 = Totale 818 = 35 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.13

14 Fonti di variabilità devianza gradi di libertà varianza Tra gruppi Entro gruppi = = = + = 18 Totale 818 = 35 F 1, 22 = Varianza tra gruppi Varianza entro gruppi 112 = = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.14

15 Distribuzione F g1;g2;0.95 Gradi di libertà del denominatore Gradi di libertà del numeratore F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.15

16 Distribuzione F 2,33 Area di accettazione Area di rifiuto Valore tabulato 3.28 Valore empirico 6.22 allora dovremmo rifiutare l ipotesi nulla: p < 0.05 Le tre medie differiscono significativamente MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.16

17 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 L esperimento offre evidenze che le tre diete abbiano diverso effetto sull incremento di pesi delle cavie (p < 0.05) H 0 : µ 1 = µ 2 = µ 3 α = 0.05 H 1 : H 1 µ 1 µ 2 e/o µ 3 e/o µ 1 1 µ 2 3 e/o µ 1 µ 2 3 e/o 3 µ 2 µ 3 Quale ipotesi alternativa? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.17

18 CONTRASTI (CONFRONTI) possibili contrasti per 3 livelli del fattore sperimentale 1 vs 2 1 vs 3 2 vs 3 (1+2) vs 3 (1+3) vs 2 (2+3) vs 1 Per valutare quale tra le possibili ipotesi alternative superi la soglia di significatività statistica si potrebbero confrontare le rispettive coppie di medie con il test t o F Sono indipendenti questi due contrasti? MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.18

19 CONTRASTI (CONFRONTI) possibili contrasti per 3 livelli del fattore sperimentale coefficienti c i c 1 c 2 c 3 p i= 1 c i 1 vs vs vs 3 (1+2) vs 3 (1+3) vs (2+3) vs Si definisce contrasto una funzione del tipo: dove: c i = coefficienti di p L k = c i i= 1 µ i µ i tali che: p i= 1 c i = 0 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.19

20 CONTRASTI ORTOGONALI Dati due contrasti K e K, essi si definiscono ortogonali se risulta verificato che: p i= 1 c k i c k ' = 0 i dove: c ki = coefficienti del contrasto K c k ' i = coefficienti del contrasto K MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.20

21 CONTRASTI ORTOGONALI possibili contrasti per 3 livelli del fattore sperimentale) coefficienti c i c 1 c 2 c 3 p i= 1 c i A vs B A vs C B vs C (A+B) vs C (A+C) vs B (B+C) vs A Verifica ortogonalità p i= 1 c k i c = k ' 0 i (1)*(-1) + (-1)*(-1) + (0)*(2) = 0 Ortogonali = indipendenti MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.21

22 CONTRASTI ORTOGONALI se p sono i livelli del fattore sperimentale, i (p-1) gradi di libertà della devianza tra trattamenti possono essere scomposti in altrettanti (p-1) contrasti ortogonali con un grado di libertà ciascuno MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.22

23 CONTRASTI ORTOGONALI Fonti di variabilità Tra gruppi devianza dev T + gradi di libertà g T = (p - 1) + Contrasti 1 dev c1 1 2 dev c2 1 p - 1 dev c(p-1) 1 Residua dev e = g e = N - p= Totale dev g = N - 1 I contrasti ortogonali spiegano (p-1) quote statisticamente indipendenti della devianza tra i livelli del fattore sperimentale MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.23

24 CONTRASTI ORTOGONALI Fonti di variabilità Tra gruppi devianza dev T + gradi di libertà g T = (p - 1) + Contrasti 1 dev c1 1 2 dev c2. p - 1 dev c(p-1) 1 Residua dev e = g e = N - p= Totale dove: dev dev ci = g = N - 1 p n i (Σ c i y i. ) 2 i=1 p Σ c i 2 i=1 dev c1 + + dev c2 + + dev c(p-1) = dev T MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.24

25 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 coefficienti c i c 1 c 2 c 3 2 vs dev c1 = p n i (Σ c i y i. ) 2 i=1 p = Σ c i 2 i=1 12 [0*60+1*64+(-1)*58] (-1) 2 = = 216 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.25

26 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 y 23 = 61 dev c1 = 12. (64 61) (58 61) 2 = = 216 con un grado di libertà MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.26

27 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 coefficienti c i c 1 c 2 c 3 (2+3) vs dev c2 = p n i (Σ c i y i. ) 2 i=1 p = Σ c i 2 i=1 12 [(-2)*60+1*64+1*58]2 (-2) = = 8 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.27

28 CAMPIONE 1 CAMPIONE 2 CAMPIONE y 1 = 60 y 2 = 64 y 3 = 58 y 1 = 60 y 23 = 61 y.. = 60.7 dev c2 = 12. ( ) ( ) 2 = = 8 con un grado di libertà MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.28

29 CONTRASTI ORTOGONALI Fonti di variabilità Tra gruppi devianza 224 gradi di libertà 2 2 vs (2+3) vs Residua Totale 818= 35 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.29

30 CONTRASTI ORTOGONALI Fonti di gradi di variabilità devianza libertà varianza Tra gruppi vs (2+3) vs Residua Totale 818= 35 Contrasto 2 vs 3 F 1, 33 = = 12 Contrasto (2+3) vs 1 F 1, 33 = 8 18 = 0.4 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.30

31 Distribuzione F g1;g2;0.95 Gradi di libertà del denominatore Gradi di libertà del numeratore F MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.31

32 CONTRASTI ORTOGONALI Valori di F empirici: Contrasto 2 vs 3 F 1, 33 = = 12 Contrasto (2+3) vs 1 F 1,33 = 8 18 = 0.4 Valore di F tabulato: F 1,33;0.05 =4.14 L esperimento: offre evidenze che le diete B e C hanno diverso effetto (p < 0.05) non offre evidenze che la dieta A ha diverso effetto rispetto all insieme delle altre due (p > 0.05) I contrasti vanno decisi a priori!! MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.32

33 Dieta A Dieta B Dieta C Nidiata A Nidiata B y jki y ji ANALISI DELLA VARIANZA A DUE UNA VIE: VIA: viene vengono considerata considerate una fonte due di fonti variabilità di variabilità sistematica (dieta) e nidiata) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.33

34 Media generale: y = 60.7 Devianza totale = Σ Σ Σ (y ijk - y) 2 Devianza totale = ( ) 2 +( ) 2 +( ) ( ) 2 +( ) 2 +( ) ( ) 2 +( ) 2 +( ) 2 = = 818 i Da quali fonti dipende la variabilità (devianza) totale del fenomeno? j k MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.34

35 Dieta A Dieta B Dieta C Media generale: y = 60.7 y 1. = 60 y 2. = 64 y 3. = 58 Devianza tra diete = Σ n j (y j. - y) 2 j = 12. ( ) ( ) ( ) 2 = = 224 Una prima fonte di variabilità è dovuta al fatto che i tre campioni sono stati sottoposti a diverse diete (fattore sperimentale) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.35

36 Nidiata A y.1 = Nidiata B y.2 = Media generale: y = 60.7 Devianza tra nidiate = Σ n k (y.k - y) 2 k = 18. ( ) ( ) 2 = 40.1 Una seconda fonte di variabilità è dovuta al fatto che le cavie appartengono a diverse nidiate (fattore subsperimentale) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.36

37 Fonti di variabilità Tra diete Tra nidiate Residuo Totale Analisi della varianza a una via devianza = 818 = Analisi della varianza a due vie devianza = = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.37

38 Fonti di variabilità Tra diete Tra nidiate Residuo Totale Analisi della varianza a una via Gradi di libertà = 35 = Analisi della varianza a due vie Gradi di libertà = = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.38

39 Effetto della dieta Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate Residuo Totale 818 = 35 F 2, 32 = Varianza tra diete Varianza residua = = 6.47 Che confrontato con F 2,32,0.05 = 3.29 Suggerisce che la dieta è una significativa (p < 0.05) fonte di variabilità dell incremento di peso della cavie MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.39

40 Effetto della nidiata Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate Residuo Totale 818 = 35 F 1, 32 = Varianza tra nidiate Varianza residua = = 2.32 Che confrontato con F 1,32,0.05 = 4.15 Non offre evidenze che la nidiata sia una significativa (p > 0.05) fonte di variabilità dell incremento di peso della cavie MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.40

41 Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate Residuo Totale 818 = 35 La devianza residua è stata calcolata per differenza: ( ) Questa procedura assume che le due fonti di variabilità agiscano in modo statisticamente indipendente! MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.41

42 EFFETTI Incremento di peso B A nidiata A B C dieta La dieta ha lo stesso effetto nelle cavie delle due nidiate MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.42

43 Dieta A Dieta B Dieta C Nidiata A Nidiata B Medie osservate: y jk MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.43

44 EFFETTI NON Incremento di peso B A nidiata A B C dieta La dieta agisce in modo diverso nelle cavie delle due nidiate Interazione tra dieta e nidiata ANALISI FATTORIALE DELLA VARIANZA MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.44

45 Dieta A Dieta B Dieta C Nidiata A Nidiata B Medie osservate: y jk Medie attese sotto l assunto di indipendenza (assenza di interazione): y jk = (y i. + y.k ) - y y 11 = (y 1. + y.1 ) - y = ( ) = 56.8 MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.45

46 y jk osservate y jk attese Dieta A Dieta B Dieta C Nidiata A Nidiata B Devianza dovuta all interazione = Σ Σ n jk (y jk - y jk ) 2 j k = 6. ( ) ( ) 2 = Una terza fonte di variabilità è dovuta all interazione tra dieta e nidiata MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.46

47 Analisi della varianza a una via Analisi della varianza a due vie Analisi fattoriale della varianza Fonti di variabilità devianza devianza devianza Tra diete Tra nidiate Interazione Residuo 594 = = 233 = Totale 818 = = = MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.47

48 Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate 40.1 Interazione Residuo Totale 818 = 35 Gradi di libertà del termine di interazione: (3-1). (2-1) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.48

49 Effetto della dieta Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate Interazione Residuo Totale 818 = 35 F 2, 32 = Varianza tra diete Varianza residua = = 14.4 che confrontato con F 2,30,0.05 = 3.32 Offre significative evidenze che la dieta condiziona l incremento del peso delle cavie (p < 0.05) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.49

50 Effetto della nidiata Fonti di variabilità devianza gradi di libertà varianza Tra diete Tra nidiate Interazione Residuo Totale 818 = 35 F 1, 32 = Varianza tra nidiate Varianza residua = = 5.2 che confrontato con F 1,30,0.05 = 4.17 Offre significative evidenze che la nidiata condiziona l incremento del peso delle cavie (p < 0.05) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.50

51 Fonti di variabilità Effetto dell interazione dieta e nidiata devianza gradi di libertà varianza Tra diete Tra nidiate Interazione Residuo Totale 818 = 35 F 2, 32 = Varianza dell interazione Varianza residua = = 20.7 che confrontato con F 2,30,0.05 = 3.32 Offre significative evidenze che la dieta condiziona in modo diverso l incremento del peso delle cavie di differenti nidiate (p < 0.05) MARTA BLANGIARDO CONFRONTO TRA MEDIE DI 3 O PIU CAMPIONI- 4.51

3. Confronto tra medie di due campioni indipendenti o appaiati

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

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) 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

Dettagli

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

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

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

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

Dettagli

Confronto tra gruppi (campioni indipendenti)

Confronto tra gruppi (campioni indipendenti) Confronto tra gruppi (campioni indipendenti) Campioni provenienti da una popolazione Normale con medie che possono essere diverse ma varianze uguali campioni: Test z or t sulla differenza tra medie 3,

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

iovanella@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 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

Dettagli

Statistica. Lezione 6

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

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

Corso 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 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

Dettagli

ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE

ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE CON REPLICHE INTRODUZIONE Lo studio di un fenomeno non si deve limitareit alla valutazione dei singoli fattori in studio ma molto spesso è importante

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA 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

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

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

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO

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

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

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

STUDIO DI SETTORE SM43U

STUDIO DI SETTORE SM43U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SM43U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

Conduzione di uno studio epidemiologico (osservazionale)

Conduzione di uno studio epidemiologico (osservazionale) Conduzione di uno studio epidemiologico (osservazionale) 1. Definisco l obiettivo e la relazione epidemiologica che voglio studiare 2. Definisco la base dello studio in modo che vi sia massimo contrasto

Dettagli

Breve introduzione al metodo del Analytic Hierarchy Process (AHP)

Breve introduzione al metodo del Analytic Hierarchy Process (AHP) Breve introduzione al metodo del Analytic Hierarchy Process (AHP) Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova 2 Il metodo SAW costruisce un peso con cui valutare le alternative

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

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

La ricerca non sperimentale

La ricerca non sperimentale La ricerca non sperimentale Definizione Ricerca osservazionale: : 1. naturalistica Ricerca osservazionale: : 2. osservatori partecipanti Ricerca d archiviod Casi singoli Sviluppo di teorie e verifica empirica

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

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Può la descrizione quantomeccanica della realtà fisica considerarsi completa?

Può la descrizione quantomeccanica della realtà fisica considerarsi completa? Può la descrizione quantomeccanica della realtà fisica considerarsi completa? A. Einstein, B. Podolsky, N. Rosen 25/03/1935 Abstract In una teoria completa c è un elemento corrispondente ad ogni elemento

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

Dettagli

TASSI DI ASSENZA, MAGGIOR PRESENZA E ASSENTEISMO NETTO DEL PERSONALE DIPENDENTE DIVISO PER AREE DIRIGENZIALI (compresi i Dirigenti)

TASSI DI ASSENZA, MAGGIOR PRESENZA E ASSENTEISMO NETTO DEL PERSONALE DIPENDENTE DIVISO PER AREE DIRIGENZIALI (compresi i Dirigenti) CAMERA DI COMMERCIO NUMERO UNITA' DI PERSONALE 333 333 333 329 332 332 329 328 363 365 360 358 1.256 996 896 1.691 879 1.089 1.736 3.368 1.157 817 1.049 1.543 B) GIORNI LAVORATI COMPLESSIVI 5.709 5.962

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Metodi risolutivi per le disequazioni algebriche

Metodi risolutivi per le disequazioni algebriche Metodi risolutivi per le disequazioni algebriche v.scudero Una disequazioni algebrica si presenta in una delle quattro forme seguenti: () P( () P( (3) P( () P( essendo P( un polinomio in. Noi studieremo

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO

SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO SCOMPOSIZIONE IN FATTORI DI UN POLINOMIO Così come avviene per i numeri ( 180 = 5 ), la scomposizione in fattori di un polinomio è la trasformazione di un polinomio in un prodotto di più polinomi irriducibili

Dettagli

ANALISI DEI DATI CON SPSS

ANALISI DEI DATI CON SPSS STRUMENTI E METODI PER LE SCIENZE SOCIALI Claudio Barbaranelli ANALISI DEI DATI CON SPSS II. LE ANALISI MULTIVARIATE ISBN 978-88-7916-315-9 Copyright 2006 Via Cervignano 4-20137 Milano Catalogo: www.lededizioni.com

Dettagli

Equilibrio Termico tra Due Corpi

Equilibrio Termico tra Due Corpi Equilibrio Termico tra Due Corpi www.lepla.eu OBIETTIVO L attività ha l obiettivo di fare acquisire allo sperimentatore la consapevolezza che: 1 il raggiungimento dell'equilibrio termico non è istantaneo

Dettagli

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014

LA POVERTÀ IN ITALIA. Anno 2013. 14 luglio 2014 14 luglio 2014 Anno 2013 LA POVERTÀ IN ITALIA Nel 2013, il 12,6% delle famiglie è in condizione di povertà relativa (per un totale di 3 milioni 230 mila) e il 7,9% lo è in termini assoluti (2 milioni 28

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

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 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

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo 1. Operazioni tra matrici e n-uple 1 1. Soluzioni 3 Capitolo. Rette e piani 15 1. Suggerimenti 19. Soluzioni 1 Capitolo 3. Gruppi, spazi e

Dettagli

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

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

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE

ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE Per gli studenti del 1 Anno della Facoltà di Agraria APPUNTI DALLE LEZIONI (A.A. 00/003) Andrea Onofri Dipartimento di Scienze Agroambientali e della

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

Dettagli

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

Laboratorio di Elettrotecnica

Laboratorio di Elettrotecnica 1 Laboratorio di Elettrotecnica Rappresentazione armonica dei Segnali Prof. Pietro Burrascano - Università degli Studi di Perugia Polo Scientifico Didattico di Terni 2 SEGNALI: ANDAMENTI ( NEL TEMPO, NELLO

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Potenza 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 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

Dettagli

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo).

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo). 1 Modelli matematici Un modello è un insieme di equazioni e altre relazioni matematiche che rappresentano fenomeni fisici, spiegando ipotesi basate sull osservazione della realtà. In generale un modello

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI 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

Dettagli

Valore caratteristico EC7

Valore caratteristico EC7 Procedura da adottare - Azioni (E) Valore caratteristico EC7 Per le combinazioni delle azioni si rimanda a quanto detto ampiamente in precedenza. Resistenze (Rd) del sistema geotecnico Il valore di progetto

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n.

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n. 1x1 qs-stat Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità Versione: 1 / Marzo 2010 Doc. n.: PD-0012 Copyright 2010 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim

Dettagli

Corrente elettrica (regime stazionario)

Corrente elettrica (regime stazionario) Corrente elettrica (regime stazionario) Metalli Corrente elettrica Legge di Ohm Resistori Collegamento di resistori Generatori di forza elettromotrice Metalli Struttura cristallina: ripetizione di unita`

Dettagli

Notizie generali sul Resilience Process Questionnaire

Notizie generali sul Resilience Process Questionnaire 12 Notizie generali sul Resilience Process Questionnaire Il modello teorico di riferimento Oltre ai modelli descritti da Fergus e Zimmerman (2005) esiste un quarto approccio che, partendo dall approccio

Dettagli

STATA. e la BIOSTATISTICA di Norman - Streiner. Prof. Pierpaolo Vittorini pierpaolo.vittorini@univaq.it

STATA. e la BIOSTATISTICA di Norman - Streiner. Prof. Pierpaolo Vittorini pierpaolo.vittorini@univaq.it e la BIOSTATISTICA di Norman - Streiner pierpaolo.vittorini@univaq.it Università degli Studi dell Aquila Facoltà di Medicina e Chirurgia 14 febbraio 2013 Contenuti e obiettivi Breve riassunto applicativo

Dettagli

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Consideriamo il nostro dataset formato da 468 individui e 1 variabili nominali costituite dalle seguenti modalità : colonna D: Age of client

Dettagli

1. Scopo dell esperienza.

1. Scopo dell esperienza. 1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009 ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)

Dettagli

ALEA Tech Reports. I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk

ALEA Tech Reports. I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk ALEA Tech Reports I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk Flavio Bazzana Tech Report Nr. 11 Giugno 2001 Alea - Centro di ricerca sui rischi finanziari

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

Gli indicatori socio-sanitari. sanitari

Gli indicatori socio-sanitari. sanitari Gli indicatori socio-sanitari sanitari 1 1 INDICATORI SOCIO-SANITARI Misurare: EFFICACIA (rispetto degli obiettivi prefissati) EFFICIENZA (rispetto delle azioni e risorse impegnate) del sistema ospedaliero

Dettagli

Dinamica dei corpi deformabili. Conservazione della quantità di moto

Dinamica dei corpi deformabili. Conservazione della quantità di moto Capitolo 2 Dinamica dei corpi deformabili. Conservazione della quantità di moto 2.1 Forze Le forze che agiscono su un elemento B n del corpo B sono essenzialmente di due tipi: a) forze di massa che agiscono

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

Progettazione Robusta

Progettazione Robusta Progettazione Robusta Perdita Consumatore qualità = f 1 (perdita Perdite di reputazione e quote di mercato Costi di garanzia per il produttore La qualità di un prodotto è la (minima perdita impartita alla

Dettagli

Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN:

Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN: Filomena Maggino, L analisi dei dati nell indagine statistica. Volume 1: la realizzazione dell indagine e l analisi preliminare dei dati, ISBN: 88-8453-208-6 (print) ISBN: 88-8453-207-8 (online), Firenze

Dettagli

Supervisori che imparano dagli studenti

Supervisori che imparano dagli studenti Supervisori che imparano dagli studenti di Angela Rosignoli Questa relazione tratta il tema della supervisione, la supervisione offerta dagli assistenti sociali agli studenti che frequentano i corsi di

Dettagli

Il valore complementare

Il valore complementare Il valore complementare Prof Raffaella Lioce Corso di estimo D a.a.2007-08 Definizione Il valore complementare viene definito quale valore attribuibile ad un bene riguardato come parte di un insieme di

Dettagli

Fitopro s.r.l. - Milano. Servizio Fitosanitario Regionaledel Veneto - Bovolino di Buttapietra (VR)

Fitopro s.r.l. - Milano. Servizio Fitosanitario Regionaledel Veneto - Bovolino di Buttapietra (VR) LOTTA ANTIPERONOSPORICA SU VITE IN REGIME DI AGRICOLTURA BIOLOGICA: CONFRONTO TRA STRATEGIA A PROTEZIONE CONTINUA E STRATEGIA SUPPORTATA DAL MODELLO EPI. VENETO, BIENNIO 2007/2008 M. Buccini 1, G. Rho

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

Numeri complessi e polinomi

Numeri complessi e polinomi Numeri complessi e polinomi 1 Numeri complessi L insieme dei numeri reali si identifica con la retta della geometria: in altri termini la retta si può dotare delle operazioni + e e divenire un insieme

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università

Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università Università degli Studi di Milano - Bicocca Nucleo di Valutazione Addio agli studi. L impatto dei fattori sociali e delle motivazioni individuali sulla scelta di abbandonare l università Alessandra Caserini

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA.

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. Prerequisiti I radicali Risoluzione di sistemi di equazioni di primo e secondo grado. Classificazione e dominio delle funzioni algebriche Obiettivi minimi Saper

Dettagli

La programmazione di uno studio clinico: dalla domanda al disegno

La programmazione di uno studio clinico: dalla domanda al disegno Metodo epidemiologici per la clinica _efficacia / 1 La programmazione di uno studio clinico: dalla domanda al disegno La buona ricerca clinica Non è etico ciò che non è rilevante scientificamente Non è

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

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

MECCANISMI RESISTENTI IN ELEMENTI NON ARMATI A TAGLIO

MECCANISMI RESISTENTI IN ELEMENTI NON ARMATI A TAGLIO MECCANISMI RESISTENTI IN ELEMENTI NON ARMATI A TAGLIO MECCANISMO RESISTENTE A PETTINE Un elemento di calcestruzzo tra due fessure consecutive si può schematizzare come una mensola incastrata nel corrente

Dettagli

La variabile casuale Binomiale

La 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

Dettagli

Equazione della Circonferenza - Grafico di una Circonferenza - Intersezione tra Circonferenza e Retta

Equazione della Circonferenza - Grafico di una Circonferenza - Intersezione tra Circonferenza e Retta Equazione della Circonferenza - Grafico di una Circonferenza - Intersezione tra Circonferenza e Retta Francesco Zumbo www.francescozumbo.it http://it.geocities.com/zumbof/ Questi appunti vogliono essere

Dettagli

MODELLI LINEARI E NON LINEARI IN R

MODELLI LINEARI E NON LINEARI IN R MODELLI LINEARI E NON LINEARI IN R Angelo M. Mineo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo Copyright 2008 Angelo M. Mineo. All rights reserved. i

Dettagli