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

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

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

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1

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

VERIFICA DELLE IPOTESI

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

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

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

Dettagli

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

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

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

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

Dettagli

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corsi di Specialità Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologie

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

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

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

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

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

Dettagli

Test statistici non-parametrici

Test statistici non-parametrici Test statistici non-parametrici Il test t di Student e l ANOVA sono basati su alcune assunzioni. Variabili continue o almeno misurate in un intervallo (es. non conosco il valore assoluto, ma posso quantificare

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

Problema pratico: Test statistico = regola di decisione

Problema pratico: Test statistico = regola di decisione La verifica delle ipotesi statistiche Problema pratico: Quale, tra diverse situazioni possibili, riferite alla popolazione, è quella meglio sostenuta dalle evidenze empiriche? Coerenza del risultato campionario

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

Progettazione del processo

Progettazione del processo Progettazione del processo produttivo Il miglioramento della qualità e della produttività ha maggiore efficacia quando è parte integrante del processo di realizzazione del prodotto. In particolare l uso

Dettagli

Analisi della varianza (anova) a due vie

Analisi della varianza (anova) a due vie Analisi della varianza (anova) a due vie Andrea Onofri 27 marzo 2014 Indice 1 Il concetto di interazione 1 2 Tipi di interazione 2 3 Descrizione del caso studio 3 4 Analisi dei dati 4 Sommario Scopo di

Dettagli

La statistica nella ricerca scientifica

La statistica nella ricerca scientifica La statistica nella ricerca scientifica Pubblicazione dei risultati Presentazione dei dati e la loro elaborazione devono seguire criteri universalmente validi Impossibile verifica dei risultati da parte

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

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

Dettagli

come nasce una ricerca

come nasce una ricerca PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

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

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

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

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

Statistica Medica. Verranno presi in esame:

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

Dettagli

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

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

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

Dettagli

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

Metodologie statistiche per l analisi del rischio PROGETTAZIONE ED ANALISI DEGLI ESPERIMENTI PER L ANALISI DEL RISCHIO

Metodologie statistiche per l analisi del rischio PROGETTAZIONE ED ANALISI DEGLI ESPERIMENTI PER L ANALISI DEL RISCHIO Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio PROGETTAZIONE ED ANALISI DEGLI ESPERIMENTI PER L ANALISI DEL RISCHIO Facoltà di Medicina

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

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

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

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

Dettagli

Progettazione del processo produttivo

Progettazione del processo produttivo Progettazione del processo produttivo Il miglioramento della qualità e della produttività ha maggiore efficacia quando è parte integrante del processo di realizzazione del prodotto. In particolare l uso

Dettagli

Cap. 5. Il progetto sperimentale

Cap. 5. Il progetto sperimentale Cap. 5 Il progetto sperimentale Introduzione La sperimentazione è l orizzonte entro cui genera e sviluppa ogni processo progettazione. Per questo motivo in questo capitolo introduce un metodo progettazione

Dettagli

Statistiche campionarie

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

Dettagli

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

LE ASSUNZIONI DELL'ANOVA

LE ASSUNZIONI DELL'ANOVA LE ASSUNZIONI DELL'ANOVA Sono le assunzioni del test t, ma estese a tutti i gruppi: o La variabile deve avere una distribuzione normale in tutte le popolazioni corrispondenti ai gruppi campionati o Le

Dettagli

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,

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

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: + 1 2 a) supponete che N=3. Si mostri che i regressori

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

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

Dettagli

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca Analisi fattoriale esplorativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009 Rossi (Dip. Psicologia) Analisi fattoriale 2009 1 / 47 Prima

Dettagli

Verifica di ipotesi e intervalli di confidenza nella regressione multipla

Verifica di ipotesi e intervalli di confidenza nella regressione multipla Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo

Dettagli

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no.

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no. LA VERIFICA D IPOTESI Alla base dell inferenza statistica vi è l assunzione che i fenomeni collettivi possano essere descritti efficacemente mediante delle distribuzioni di probabilità. Abbiamo già considerato

Dettagli

Analisi della varianza

Analisi della varianza 1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della

Dettagli

Inferenza statistica

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

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

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 MEDICA STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA INFORMATICA STATISTICA SOCIALE EPIDEMIOLOGIA

STATISTICA MEDICA STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA INFORMATICA STATISTICA SOCIALE EPIDEMIOLOGIA Insegnamento: ANALISI SOCIO-SANITARIA Crediti Formativi (CFU) 9,5 Moduli STATISTICA MEDICA STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA INFORMATICA STATISTICA SOCIALE EPIDEMIOLOGIA Coordinatore:

Dettagli

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per continue. Alessandro Valbonesi. SARRF di Scienze ambientali

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per continue. Alessandro Valbonesi. SARRF di Scienze ambientali LEZIONI DI STATISTCA APPLICATA Parte 2 Statistica inferenziale Variabili continue per continue Alessandro Valbonesi SARRF di Scienze ambientali Anno accademico 2010-11 CAPITOLO 7 - RELAZIONI TRA DUE O

Dettagli

Relazioni tra variabili

Relazioni tra variabili Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina

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

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

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

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

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

Esperimenti in vaso: disegni a randomizzazione completa

Esperimenti in vaso: disegni a randomizzazione completa Esperimenti in vaso: disegni a randomizzazione completa Andrea Onofri 10 marzo 2015 Indice 1 Disegno sperimentale 2 2 Analisi dei dati 3 2.1 Analisi della varianza (ANOVA).................. 4 2.2 Errore

Dettagli

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione Pagina 1 PIANI A SINGOLA VARIABILE Questi piani sono l esempio

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

Modelli statistici lineari

Modelli statistici lineari Modelli statistici lineari Sergio Polini 19 gennaio 2010 2 Indice 1 Disegni sperimentali e modelli statistici parametrici 5 1.1 Il disegno sperimentale............................. 5 1.1.1 Le componenti

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014

Dettagli

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione

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

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

Che cosa è la Validità?

Che cosa è la Validità? Validità Che cosa è la Validità? Un test è valido quando misura ciò che intende misurare. Si tratta di un giudizio complessivo della misura in cui prove empiriche e principi teorici supportano l adeguatezza

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

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

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

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche

Dettagli

Corso di Statistica. Corso di Laurea in Ingegneria Edile. Ingegneria Tessile. Docente: Orietta Nicolis

Corso di Statistica. Corso di Laurea in Ingegneria Edile. Ingegneria Tessile. Docente: Orietta Nicolis Corso di Statistica Corso di Laurea in Ingegneria Edile ed Ingegneria Tessile Docente: Orietta Nicolis Orario del corso: Martedì: dalle 16.00 alle 18.00 Giovedì: dalle 9.30 alle 11.30 Ricevimento: Mercoledì:

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

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

Strategie alternative ai metodi sperimentali

Strategie alternative ai metodi sperimentali Strategie alternative ai metodi sperimentali 1. 2. I quasi-esperimenti (non sperimentali) prevedono la descrizione del fenomeno in esame. Il metodo descrive le variabili in esame, non prevede alcuna manipolazione

Dettagli

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;

Dettagli

Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. I valori stimati sono variabili aleatorie. Teorema del limite centrale

Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. I valori stimati sono variabili aleatorie. Teorema del limite centrale I risultati di un esperimento sono variabili aleatorie. Un esperimento non consente di esaminare ogni elemento di una popolazione o di effettuare tutte le misure possibili. campione , sx Stime Popolazion

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica

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

Dettagli

Esercitazione n.2 Inferenza su medie

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

Dettagli

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

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

Dettagli

(a cura di Francesca Godioli)

(a cura di Francesca Godioli) lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori

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

15. Antico gioco russo

15. Antico gioco russo 15. Antico gioco russo In un antico gioco russo, attraverso i risultati casuali ottenuti dall allacciamento di cordicelle, i giovani cercavano una previsione sul tipo di legame che si sarebbe instaurata

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

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

Dettagli

ANALISI DEI DATI BIOLOGICI

ANALISI DEI DATI BIOLOGICI ANALISI DI DATI BIOLOGICI RAPPRSNTAR L COMUNITA tramite descrizioni grafiche e relazioni tra gli organismi presenti nei vari campioni. DISCRIMINAR dei siti sulla base della loro composizione biologica.

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Catalogo dei corsi di statistica e di marketing research

Catalogo dei corsi di statistica e di marketing research I nostri corsi di formazione Catalogo dei corsi di statistica e di marketing research 06/02/2009 Knowledge management for marketing intelligence La nostra esperienza di formazione I ricercatori e i consulenti

Dettagli

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui

Dettagli

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica

Dettagli

Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione

Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per

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

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

Tesina di Identificazione dei Modelli e Analisi dei Dati

Tesina di Identificazione dei Modelli e Analisi dei Dati Tesina di Identificazione dei Modelli e Analisi dei Dati Ceccarelli Egidio e Papi Alessio 19 Luglio 2000 1 Indice 1 Introduzione 3 2 Valutazioni relative all identificazione 3 3 Prove 4 4 Conclusioni 5

Dettagli