Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
|
|
- Nicolina Venturi
- 8 anni fa
- Visualizzazioni
Transcript
1 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 le variabili indipendenti siano più di una. Il metodo è detto regressione multipla ed è uno degli strumenti statistici più largamente utilizzati. Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Pagina 1
2 Quando la variabile indipendente è una variabile continua, il metodo è quello della regressione multipla lineare. Pagina 2
3 L elaborazione eseguita secondo il metodo della regressione consente di adattare ai dati un equazione lineare della forma: ˆi b0 + b1 x1 j + b2 x2 j y = b x b In senso geometrico l equazione rappresenta un iperpiano nello spazio multidimensionale. i ij p x pj Consideriamo il caso più semplice di due variabili indipendenti. L equazione diviene: ˆ + yi = b0 + b1 x1 j b2 x2 j Pagina 3
4 I punti sul piano sono i valori teorici di y, quelli che si verificherebbero qualora X 1 e X 2 fossero le uniche cause di variazione della Y Pagina 4
5 Il parametro b 0 è l intercetta del piano con l asse della Y, cioè il valore che questa variabile assume quando X 1 ed X 2 sono uguali a 0 Pagina 5
6 Nella regressione univariata il parametro b 1 è la tangente dell angolo α che la retta forma con l asse delle x. α Pagina 6
7 I parametri b 1 e b 2 sono i coefficienti di regressione multipla; in termini geometrici la tangente dell angolo tra la retta sul piano definita da valori costanti delle altre variabili. Pagina 7
8 Coefficienti di regressione Il coefficiente di regressione multipla b i misura la variazione media di Y quando X i varia di una sola unità, e tutte le altre X sono tenute costanti. In virtù di questo significato i coefficienti b i sono anche chiamati coefficienti di regressione parziale, per rimarcare la differenza nei confronti del coefficiente di regressione semplice lineare, che viene indicato come coefficiente di regressione totale. Pagina 8
9 Utilizziamo come esempi una matrice di 25 dati. Pagina 9
10 Pagina 10
11 Il coefficiente di regressione relativo alla stessa variabile, è diverso quando si tratti di una regressione univariata (in alto) o nel contesto di una regressione multivariata (in basso). Pagina 11
12 I valori dei coefficienti di regressione semplice (totale) sono diversi da quelli della regressione multipla (coefficienti di regressione parziale) La differenza dipende dal fatto che le X sono solitamente tra loro correlate e pertanto la quota di variabilità della regressione semplice, calcolata in relazione ad una delle X, comprende la porzione dovuta a questa variabile, nella situazione in cui tutte le altre sono costanti, più quella che risulta dalla correlazione con queste ultime. Pagina 12
13 Il test t per un particolare coefficiente di regressione b saggia l ipotesi che la corrispondente variabile predittiva possa essere eliminata dall equazione di regressione senza significativi effetti sulla variabilità di y. Pagina 13
14 La bontà dell adattamento dell equazione di regressione ai dati sperimentali, può essere stimata dal rapporto: R 2 = SS(b b 1 2 SS(y)...b p ) R² è noto come coefficiente di determinazione multipla e misura la quota della devianza della Y legate linearmente alle variazioni delle X incluse nel modello di regressione. Pagina 14
15 Pagina 15
16 Contributo marginale delle variabili X In molti casi è di interesse valutare il contributo aggiuntivo di ciascuna delle X individualmente o di sottogruppi, alla SS dovuta alla regressione, quando tutte le altre X sono inserite nel modello. Questa quota di variabilità viene riferita come marginale o parziale e può essere saggiata mediante l analisi della varianza Pagina 16
17 = = R = = Pagina 17
18 R = = = = Pagina 18
19 Regressione lineare con variabile qualitativa Facciamo riferimento al caso di variabili binarie che si presentano con due sole modalità: guarito/non guarito, vivo/morto, non trauma/trauma, non peggiorato/peggiorato Il modo più semplice di esprimere numericamente queste variabili è quello di attribuire il valore di 0 a una e di 1 all altra. Quando si tratta di una variabile indipendente X, le modalità di calcolo non si modificano. Pagina 19
20 Pagina 20
21 Pagina 21
22 Il modello è del tipo: ˆ + yi = b0 + b1 x1 j + b2 x2 j + b3 x3 j b4 x4 j Se x 4 =0 allora: ˆ + yi = b0 + b1 x1 j + b2 x2 j b3 x3 j Se x 4 =1 allora: ˆ + yi = ( b0 + b4 ) + b1 x1 j + b2 x2 j b3 x3 j Sono due rette parallele e con diversa intercetta. Quindi il coefficiente b 4 è una stima dell effetto medio di X 4 sul valore medio della Y. Pagina 22
23 Regressione lineare con variabile dipendente qualitativa Anche quando la variabile binaria sia la variabile dipendente Y è possibile adottare il modello di regressione lineare. Se Y ha p (probabilità di successo) compreso tra 0.2 e 0.8 l analisi còsì condotta approssima da vicino i risultati dell analisi pesata, che rappresenterebbe l approccio corretto. Pagina 23
24 18 p = = I dati dell esempio rappresentano la probabilità di successo di un programma di addestramento, in funzione del tempo utilizzato. La probabilità di successo è 0.6, per cui possiamo utilizzare la regressione lineare semplice. Pagina 24
25 Pagina 25
26 Consideriamo ora anche la variabile sesso (1=maschio 2=femmina) per verificare se influenzi la probabilità di successo. Pagina 26
27 L assunzione della linearità del fenomeno, tuttavia, in casi come questo può costituire un vincolo. Pagina 27
28 La regressione logistica A differenza della regressione lineare, la regressione logistica non assume le linearità della relazione tra variabile dipendente e variabili indipendenti, non richiede distribuzione normale delle variabili, ed in genere ha vincoli meno stringenti. Pagina 28
29 Con i medesimi dati calcoliamo la regressione logistica. Nel pannello superiore il risultato è proposto come coefficiente, nell inferiore come odds ratio. Pagina 29
30 Quando si descrive la frequenza con cui si realizza un evento, la proporzione di eventi rappresenta la misura piiù comunemente usata, che viene denominata RISCHIO: numero numero di eventi di soggetti esposti a rischio Sia il numeratore che il denominatore sono considerati su un periodo definito, usualmente non lungo. Pagina 30
31 Una misura di frequente utilizzo negli studi, ma di non immediata comprensione è l'odds: numero di soggetti CON eventi numero di soggetti SENZA eventi A differenza del rischio, l'odds assume valori tra 0 ed infinito. Pagina 31
32 Pagina 32 Odds ratio ) d (n d ) d (n d d n d n d d d n d d n d o o = = = Φ = n c - d c n k - d k Non eventi d c d k Eventi Controlli Trattati L odds ratio è il rapporto tra gli odds nei due gruppi considerati (detto anche rapporto crociato).
33 Quando il rischio nella popolazione di riferimento è basso, l'odds ratio approssima da vicino il rischio relativo. Pagina 33
34 = e L odds ratio è l esponenziale del coefficiente di regressione. Pagina 34
35 La regressione logistica consente di stimare l effetto contenmporaneo di più variabili, in modo analogo alla regressione multipla lineare. Pagina 35
36 Quando la regressione considera anche il tempo Quando invece il periodo di osservazione sia protratto, diviene rilevante anche il tempo a cui il soggetto presenti un evento. Pagina 36
37 Questo tipo di informazione viene rappresentato graficamente come curva di sopravvivenza, che è una rappresentazione grafica della probabilità di rimanere libero da un evento di interesse, in funzione del tempo. Benché si utilizzino classicamente per valutare la sopravvivenza, queste tecniche possono essere utilizzate in tutte le situazioni in cui interessi valutare il tempo alla realizzazione di un evento. Pagina 37
38 Peculiarità dei dati di sopravvivenza Tutti i metodi di analisi della sopravvivenza prevedono che per ogni soggetto si abbia: una data di entrata nello studio una data limite, alla quale l'osservazione termina (o per termine dello studio, o per realizzarsi dell evento di interesse) Pagina 38
39 Il soggetto "uscito vivo" Gli individui il cui periodo di osservazione termina mentre non hanno presentato l evento di interesse, perché persi di vista o usciti alla fine dello studio, costituiscono i cosiddetti dati troncati: benché non sia noto il tempo di sopravvivenza libera da evento di questi individui, abbiamo comunque una informazione sul suo valore, e cioè che esso è superiore al tempo di troncamento. Quindi questi individui contribuiscono al numero degli esposti a rischio per la durata del loro tempo di osservazione. Pagina 39
40 L'informazione relativa ad ogni soggetto sarà quindi sintetizzata in due dati: Tempo nello studio (data limite - data di entrata) Modalità di uscita (0 se esce vivo, 1 se esce con l'evento di interesse) oltre alle covariate delle quali ci interessi analizzare l effetto sulla sopravvivenza libera da evento. Pagina 40
41 Esistono modelli parametrici di curve di sopravvivenza, che assumono un modello matematico per descrivere la curva (es. lognormale, Weibull, gamma, esponenziale ); si tratta di strumenti matematicamente molto complessi, che richiedono assunzioni rigide. Il vantaggio di tali modelli è che consentono di stimare l'effetto di covariate sulla probabilità dell evento: Trattamento Sesso Età Tipo di allenamento Condizioni ambientali. Pagina 41
42 Una soluzione a questo "conflitto" è costituita dal modello di Cox, che è una tecnica semiparametrica che consente di stimare l'effetto delle covariate sulla probabilità di un evento Pagina 42
43 Br J Sports Med 2001;35:412 Pagina 43
44 Se vengono osservati N soggetti e t i indica il periodo di tempo per cui l'individuo i-esimo è stato esposto a rischio, la somma A T di tali tempi t i per tutti gli N pazienti fornisce il totale di persone-unità di tempo (es.persone-anno). Si definisce tasso il rapporto: λ = d A T Pagina 44
45 Hazard ratio o rapporto di tassi Se λ 1 e λ 2 sono i tassi nei due gruppi di soggetti al tempo t i, il rapporto di tassi o tasso relativo o hazard ratio è dato da: Θ i = λ λ 2i 1i Pagina 45
46 Nel modello di Cox il parametro Θ è una costante, che si assume indipendente dal tempo Θ i = λ( t, x') λ ( t) 0 = exp( x' β) Stimando ß effettuiamo una stima dell'hazard ratio del gruppo di soggetti con le caratteristiche definite da x rispetto al gruppo in cui tutte le covariate sono nulle Pagina 46
47 Il modello di Cox Non viene stimato il tasso dell'evento nel gruppo di riferimento, ma solo il tasso relativo (hazard ratio) tra il gruppo che ha la covariata di interesse (es.il trattamento) e quello che non l'ha. Il modello può essere applicato anche come analisi multivariata, stimando il tasso relativo determinato da una covariata, tenendo conto anche dell'effetto delle altre covariate inserite nel modello Pagina 47
48 Pagina 48
49 Pagina 49
50 Questo è il risultato dell analisi, trattando l età come una variabile continua. Pagina 50
51 Una varaibile continua può però essere trasformata in una variabile categorica (in questo caso dividendo secondo i quartili) agecat. Pagina 51
52 Se la variabile categorica viene inserita nel modello trattandola come una variabile continua, la sua significatività si riduce. Pagina 52
53 Ma inserendola come una variabile categorica, si ottiene il confronto di ciascuno dei gruppi di età con il gruppo di riferimento (che per default è il numero 1). La stessa informazione può quindi essere gestita in modo diverso a seconda dell informazione cui siamo interessati. Pagina 53
54 Med Sci Sports Exerc 2007;39: Questo esempio chiarisce come si possa utilizzare il modello di Cox per aggiustare la stima dell hazard ratio per una serie di covariate di cui è nota l influenza sulla variabile dipendente. La stima che si ottiene è al netto dell effetto di tali covariate. Pagina 54
Relazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliRELAZIONE 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
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
Dettagli(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
Dettagli5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI
5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI 5.1 Considerazioni generali Il livello di informatizzazione delle famiglie toscane è stato esaminato, oltre che sulla base del territorio, anche tenendo
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliLA VALUTAZIONE DI PORTAFOGLIO. Giuseppe G. Santorsola 1
LA VALUTAZIONE DI PORTAFOGLIO Giuseppe G. Santorsola 1 Rendimento e rischio Rendimento e rischio di un singolo titolo Rendimento e rischio di un portafoglio Rendimento ex post Media aritmetica dei rendimenti
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliStatistica 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
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliGIROSCOPIO. Scopo dell esperienza: Teoria fisica. Verificare la relazione: ω p = bmg/iω
GIROSCOPIO Scopo dell esperienza: Verificare la relazione: ω p = bmg/iω dove ω p è la velocità angolare di precessione, ω è la velocità angolare di rotazione, I il momento principale d inerzia assiale,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliMINIMI QUADRATI. REGRESSIONE LINEARE
MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliRette e curve, piani e superfici
Rette e curve piani e superfici ) dicembre 2 Scopo di questo articolo è solo quello di proporre uno schema riepilogativo che metta in luce le caratteristiche essenziali delle equazioni di rette e curve
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliSTATISTICA (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
DettagliLA RETTA. Retta per l'origine, rette orizzontali e verticali
Retta per l'origine, rette orizzontali e verticali LA RETTA Abbiamo visto che l'equazione generica di una retta è del tipo Y = mx + q, dove m ne rappresenta la pendenza e q il punto in cui la retta incrocia
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliLa 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
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliDisegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione
DettagliChe cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009
Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliLA CRESCITA DELLE POPOLAZIONI ANIMALI
LA CRESCITA DELLE POPOLAZIONI ANIMALI Riccardo Scipioni Generalmente, con il termine crescita di una popolazione si intende l aumento, nel tempo, del numero di individui appartenenti ad una stessa popolazione.
DettagliIndice. Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DI PARMA FACOLTA DI ECONOMIA
UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2003/2004 1 Indice La Capital Market Theory di Markowitz Il Teorema della separazione di Tobin e la Capital Market Line
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliLe votazioni. Consorzio Interuniversitario ALMALAUREA 123
7. Le votazioni I fattori che incidono sulla probabilità di ottenere buoni risultati sono gli stessi che agivano nel precedente ordinamento universitario: genere (femminile), elevato grado di istruzione
DettagliGESTIONE INDUSTRIALE DELLA QUALITÀ A
GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che
DettagliLa propagazione delle onde luminose può essere studiata per mezzo delle equazioni di Maxwell. Tuttavia, nella maggior parte dei casi è possibile
Elementi di ottica L ottica si occupa dello studio dei percorsi dei raggi luminosi e dei fenomeni legati alla propagazione della luce in generale. Lo studio dell ottica nella fisica moderna si basa sul
DettagliAnalisi di Protocolli
Analisi di Protocolli Elenco di protocolli d accesso I principali protocolli di accesso si possono dividere in:. protocolli deterministici (accesso ordinato);. protocolli ad accesso casuale (o a contesa).
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliAmministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.
CLASSE quinta INDIRIZZO AFM-SIA-RIM-TUR UdA n. 1 Titolo: LE FUNZIONI DI DUE VARIABILI E L ECONOMIA Utilizzare le strategie del pensiero razionale negli aspetti dialettici e algoritmici per affrontare situazioni
DettagliIntroduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili
DettagliECONOMIA DEL LAVORO. Lezioni di maggio (testo: BORJAS) L offerta di lavoro
ECONOMIA DEL LAVORO Lezioni di maggio (testo: BORJAS) L offerta di lavoro Offerta di lavoro - Le preferenze del lavoratore Il luogo delle combinazioni di C e L che generano lo stesso livello di U (e.g.
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliStrategie 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
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliVerifica 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
DettagliIgiene nelle Scienze motorie
Igiene nelle Scienze motorie Epidemiologia generale Epidemiologia Da un punto di vista etimologico, epidemiologia è una parola di origine greca, che letteralmente significa «discorso riguardo alla popolazione»
Dettagli4. Confronto tra medie di tre o più campioni indipendenti
BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliIl Market Comparison Approach (M.C.A.)
Le valutazioni immobiliari secondo gli International Valuation Standards e le Linee Guida ABI Il Market Comparison Approach (M.C.A.) Siena, 21-22 Maggio 2015 Il Market Comparison Approach (comunemente
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliFunzioni. Funzioni /2
Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliPiù processori uguale più velocità?
Più processori uguale più velocità? e un processore impiega per eseguire un programma un tempo T, un sistema formato da P processori dello stesso tipo esegue lo stesso programma in un tempo TP T / P? In
Dettagli3DE Modeling Color. E il modulo che si occupa della costruzione di modelli 3D con tessitura a colori.
3DE Modeling Color E il modulo che si occupa della costruzione di modelli 3D con tessitura a colori. E spesso necessario che alle informazioni geometriche di forma siano abbinate informazioni di colore
DettagliEsercitazione relativa al cap. 10 INVESTIMENTI
Esercitazione relativa al cap. 10 INVESTIMENTI GLI INVESTIMENTI FINANZIARI SONO ACQUISTI DI ATTIVITA FINANZIARIE EFFETTUATE NELL ASPETTATIVA DI RICEVERNE UN RENDIMENTO. I PIU IMPORTANTI SONO: - I DEPOSITI
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
DettagliI GRUPPI TRANSFRONTALIERI.
I GRUPPI TRANSFRONTALIERI. 1. Premessa. Per effetto della globalizzazione dei mercati è sempre più frequente la creazione di gruppi transfrontalieri, di gruppi cioè in cui le diverse imprese sono localizzate
DettagliAnalisi della performance temporale della rete
Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliSerie Storiche Trasformazioni e Aggiustamenti
Serie Storiche Trasformazioni e Aggiustamenti Per facilitare l interpretazione dei dati, si ricorre spesso a trasformazione della serie originale. I principali tipi di aggiustamenti che consideriamo sono:.
DettagliELEMENTI DI DEMOGRAFIA
ELEMENTI DI DEMOGRAFIA 2. Caratteristiche strutturali della popolazione Posa Donato k posa@economia.unisalento.it Maggio Sabrina k s.maggio@economia.unisalento.it UNIVERSITÀ DEL SALENTO DIP.TO DI SCIENZE
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliAnche nel caso che ci si muova e si regga una valigia il lavoro compiuto è nullo: la forza è verticale e lo spostamento orizzontale quindi F s =0 J.
Lavoro Un concetto molto importante è quello di lavoro (di una forza) La definizione di tale quantità scalare è L= F dl (unità di misura joule J) Il concetto di lavoro richiede che ci sia uno spostamento,
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
Dettagli