Facoltà di Psicologia Università di Padova Anno Accademico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011"

Transcript

1 Facoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B Dott. Marco Vicentini Rev. 10/01/011

2 La distribuzione F di Fisher - Snedecor Verifica di ipotesi sulla omogeneità della varianza Nel caso di due campioni / un campione Verifica di ipotesi sulle medie Un campione e la popolazione Varianza nella popolazione nota / ignota Due campioni indipendenti Varianza nella popolazione nota / ignota Varianze omogenee / non omogenee Due campioni non indipendenti

3 3

4 La distribuzione F di Fisher e Snedecor consente di confrontare tra loro due varianze. Essa è definita come il rapporto tra due distribuzioni χ A e χ B con a e b gradi di libertà: F =! a A A,B! b B La significatività della statistica F dipende da: gradi di libertà della prima distribuzione; gradi di libertà della seconda distribuzione. 4

5 La forma della distribuzione varia al variare dei gdl d1=1, d=1 d1=1, d=15 d1=5, d=1 d1=5, d=15 d1=100, d=

6 6

7 Importante: la distribuzione della popolazione di riferimento deve essere NORMALE 1. confronto tra le varianze di due campioni, per valutare se i campioni derivino da due popolazioni con varianze uguali;. confronto tra una varianza campionaria s e la varianza di una popolazione σ 7

8 Si tratta di verificare se due varianze campionarie s 1 e s si possano ritenere provenienti da una stessa popolazione (distribuita normalmente) oppure no. 8

9 esempio 1 Da due campioni, ciascuno formato da n = 10 osservazioni abbiamo ottenuto le due varianze: s 1 = 8.6, s = 6.7. Ci si chiede se i due campioni possano provenire da due popolazioni con la stessa varianza. 9

10 esempio 1 () 1. formulazione delle ipotesi 1 1 H0 : σ = σ H1 : σ σ. calcolo del valore F Si devono mettere a rapporto le due varianze ponendo al numeratore la varianza maggiore: F = s max = 8.6 s min 6.7 =1, 9 10

11 esempio 1 (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,05, leggiamo sulla tavola dei valori critici per tale livello il valore che dipende dai gdl del numeratore e dai gdl del denominatore. La varianza al numeratore ha ν 1 = 9 gdl, quella al denominatore ν = 9 gdl, che, per un valore di α = 0,05 ci danno il valore di 3,18. 11

12 la tavola della F Il valore sopra è la soglia critica al 5%, quello sotto è la soglia all 1% 1

13 valori critici F = 3,18 si H 0 no H 0 13

14 esempio 1 (4) 4. Decisione Poiché F cal = 1,9 è minore del valore critico F c = 3,18, non possiamo rigettare l ipotesi H 0. CONCLUSIONE: Le due varianze sono omogenee. 14

15 Si tratta di verificare se la varianza di una popolazione normale σ sia uguale ad una varianza σ 0 data. Formalmente la contrapposizione di ipotesi è del tipo: H 0 : σ = σ 0 0 H 1 : σ σ 15

16 La statistica che usiamo è: dove: χ σ σˆ s n ( n 1) χ ( n 1) ˆ σ σ ( n 1) = = ns σ è la statistica con n-1 gdl è la varianza della popolazione è la varianza della popolazione stimata dal campione è la varianza del campione è l ampiezza del campione 16

17 esempio Un gruppo di n = 30 studenti viene sottoposto ad una prova di abilità numerica e di aver ottenuto una varianza pari a s = 4. Supponendo che la distribuzione delle osservazioni sia normale; ci si chiede se la varianza dei punteggi possa essere considerata maggiore di una varianza σ = 3, ad un livello di α = 0,01. 17

18 esempio () 1. formulazione delle ipotesi H0 : σ = H1 : σ > 3, 3,. calcolo del valore χ Utilizzando la formula del Chi-quadrato si ottiene: χ ns ( n 1) = = = σ , 37,7 18

19 esempio (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,01, leggiamo sulla tavola dei valori critici per tale livello il valore che dipende dai gdl. Dalle tavole risulta con 9 gdl, χ c = 49,59. 19

20 esempio (4) 4. Decisione Poiché χ cal = 37,7 è minore del valore critico χ c = 49,59, non possiamo rigettare l ipotesi H 0. CONCLUSIONE: La varianza della popolazione da cui deriva il campione può essere di 3,. 0

21 1

22 Obiettivo: decidere se la media di un campione è significativamente diversa dalla media di una popolazione µ.

23 la varianza della popolazione σ è nota? SI NO utilizzo della distribuzione normale utilizzo della distribuzione t

24 1. formulazione delle ipotesi;. trasformazione dei valori campionati nella corrispondente statistica z, t, F o χ ; 3. determinazione dei valori critici a partire dal coefficiente di confidenza dettato dal problema o stabilito dal ricercatore; 4. confronto tra valori calcolati a partire dal campione e valori critici con relativa decisione.

25 quando σ è noto, il punto associato alla media del campione è dato da z = X µ X µ = σ σ n X / quando σ è ignoto, il punto associato alla media del campione non è più z, ma t in quanto dobbiamo utilizzare la stima di σ t X µ X µ = = ˆ σ s/ n 1 x 5

26 In passato, la distribuzione t di Student veniva utilizzata solo per piccoli campioni (n < 30), per evitare calcoli elaborati. Attualmente, grazie alla diffusione dei calcolatori, la distribuzione t viene sempre utilizzata quando la varianza della popolazione è ignota, anche quando la numerosità campionaria è elevata. In ogni caso, per campioni molto numerosi (n > 50), l'utilizzo della distribuzione t porta di fatto agli stessi risultati rispetto a quelli della distribuzione normale. 6

27 esempio 1 Si sa che la distribuzione del tempo impiegato da ragazzi maschi normali di 18 anni nell'esecuzione di una prova di abilità meccanica di incastro ha media µ = 00 sec. e dev. st. σ = 0. Uno sperimentatore vuole verificare se ragazzi sordomuti maschi della stessa età diano analoghi risultati nella prova; per fare ciò sceglie un campione di n = 64 ragazzi sordomuti, che sottopone alla prova, ottenendo un tempo medio nel campione pari a 190 secondi. 7

28 esempio 1 () 1. formulazione delle ipotesi H 0 : µ = 00 H 1 : µ! 00. calcolo del valore z Usiamo la formula per grandi campioni e σ noto: z = X! µ! / n = 190! 00 0 / 64 =!4 8

29 esempio 1 (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,05, e dato che il test è bidirezionale, vengono individuate due aree uguali, ciascuna con una probabilità associata pari ad α/. Dalla lettura della tavola delle aree della distribuzione normale si rileva che i valori critici risultano essere -1,96 e +1,96. 9

30 la tavola della normale 30

31 la tavola della normale All'interno della tavola possiamo leggere le aree sottese tra il punto medio a ed il punto b 0,475 0,5 Date le aree, quanto vale il punto b? α/ = 0,05 31

32 la tavola della normale Per α = 0,05 il valore critico di z è 1,96; dato che il test è bidirezionale dobbiamo considerare come soglia anche il valore negativo -1,96. 3

33 esempio 1 (4) 4. decisione -4 < -1,96 Poiché z cal = 4 è maggiore del valore critico z c = 1,96, dobbiamo rigettare l'ipotesi H 0. 33

34 esempio 1 (5) Un secondo modo di procedere è quello di calcolare l'intervallo di fiducia della media e vedere se la media calcolata sul campione cade all'interno di tale intervallo: µ ±σ z x Sostituendo = 00, σ =,5, z c = 1,96 risulta: µ x x x c 00 ±,5 1,96 da cui deriva che l'intervallo di fiducia per la media è dato da 195,1 µ 04,9 Dal momento che X = 190 non rientra nell'intervallo di fiducia dobbiamo rigettare l'ipotesi H 0 34

35 esempio 1 (6) CONCLUSIONE: Sulla base del risultato ottenuto dai soggetti sordomuti dobbiamo ritenere che esista una diversità di prestazione nella prova di abilità; in particolare i ragazzi sordomuti hanno tempi di esecuzione più bassi dei normali. 35

36 esempio Un gruppo di n = 50 soggetti con lesioni cerebrali viene sottoposto ad un test per valutare le capacità cognitive. Il punteggio medio ottenuto dai soggetti è di 97,3 con s = 1,5. Sapendo che il punteggio medio al test, quando le funzioni cognitive sono integre è pari a 100, ci chiediamo se i soggetti in questione non siano menomati in maniera significativa. 36

37 esempio () 1. formulazione delle ipotesi H : µ = H1 : µ < 100. calcolo del valore z Usiamo la formula per grandi campioni e σ ignoto: X µ z cal = s / n 1 = 97, ,5/ 49 = 1,51 37

38 esempio (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,05, e dato che il test è monodirezionale, bisogna trovare sulla tavola della normale il punto b che dà luogo ad un area di 0,45. 0,45 α = 0,05 b = -1,64 38

39 4. decisione esempio (4) Poiché z cal = -1,51 è maggiore del valore critico z c = -1,64, non possiamo rigettare l'ipotesi H 0. CONCLUSIONE: il punteggio medio dei soggetti cerebrolesi non differisce da quello dei normali; la lesione cerebrale in questione non genera dei deficit significativi. 39

40 Laddove la varianza della popolazione è ignota, si dovrà quindi ricorrere ad una sua stima: ˆ s /( n 1) σ = x Il rapporto: X µ ˆ σ x da utilizzare per la verifica d'ipotesi sulla media, si distribuisce come il t di Student con n-1 gradi di libertà. 40

41 esempio 3 Si supponga di aver estratto a caso un campione di 17 bambini e di averli sottoposti ad un test di intelligenza. Il Q.I. medio ottenuto è 107,3 con s = 14. Ci si chiede se il campione provenga da una popolazione normale, la cui distribuzione abbia media µ =

42 esempio 3 () 1. formulazione delle ipotesi H0 : µ = 100 H1 : µ 100. calcolo del valore t t = s X / µ n 1 = 107, / 17 1 =,086 4

43 esempio 3 (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,05, e dato che il test è bidirezionale, vengono individuate due aree uguali, ciascuna con una probabilità associata pari ad α/. Dalla lettura della tavola dei valori critici della t per un test bidirezionale con 16 gdl si ottiene il valore di,10. 43

44 la tavola della t 44

45 4. decisione esempio 3 (4) Poiché t cal =,086 è minore del valore critico t c =,10, non possiamo rigettare l'ipotesi H 0. CONCLUSIONE: Non possiamo escludere che i bambini del nostro campione provengano da una popolazione con media =

46 46

47 Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti, se tali campioni provengono da due popolazioni diverse o meno. 47

48 le varianze della popolazioni da cui provengono i campioni sono note? SI utilizzo della distribuzione normale NO utilizzo della distribuzione t le varianze sono omogenee? SI (stima della varianza comune) NO (utilizzo formula corretta)

49 ASSUNZIONI 1. entrambi i campioni sono distribuiti normalmente;. sono tra loro indipendenti; 3. le popolazioni da cui derivano hanno varianze omogenee. Vedi Test- F: verifica di ipotesi sulla omogeneità delle varianze. 49

50 Quando σ è noto, la distribuzione campionaria della differenza tra le due medie ha le seguenti caratteristiche: a) si distribuisce in forma normale b) µ x x = µ 1 µ 1 = 0 c) σ x x = 1 σ 1 n + n 50

51 Il test associato alla differenza tra le medie è: z x 1 x = X 1 n 1 X σ + n 51

52 esempio 1 Un ricercatore vuole sapere se vi siano differenze nell'atteggiamento verso l'attività extradomestica tra le donne sposate con figli e quelle senza figli. Allo scopo somministra una scala di atteggiamento a due campioni casuali di donne coniugate, di cui n 1 = 45 con figli e n = 36 senza figli, ottenendo i seguenti punteggi medi: X1 = 65, X = 75. Ipotizzando che la distribuzione dei punteggi sulla scala di atteggiamento sia normale in entrambi i gruppi, con σ 1 = σ = 10, si vuole sapere se i due campioni siano estratti da popolazioni con media uguale oppure no. 5

53 esempio 1 () 1. formulazione delle ipotesi H µ = H1 : µ µ 1 0 : µ 1. calcolo del valore z Usiamo la formula per grandi campioni e σ noto: z cal = σ X X = = / n1 + n 10/

54 esempio 1 (3) 3. determinazione dei valori critici Fissato un livello di significatività α = 0,01, e dato che il test è bidirezionale, bisogna trovare sulla tavola della normale il punto b che dà luogo ad un area di 0.495? b = ±,57 0,495 α/ = 0,005 54

55 esempio 1 (4) 4. decisione Poiché z cal = 9 è maggiore del valore critico z c =,58, dobbiamo rigettare l'ipotesi H 0. CONCLUSIONE: il punteggio medio delle donne con figli è significativamente diverso da quello delle donne senza figli; l'atteggiamento dei due gruppi verso il lavoro extradomestico è differente. 55

56 La statistica ha una distribuzione di probabilità che si approssima a quella del t di Student con n 1 + n - gradi di libertà: dove: t = (X 1! X )! (µ 1! µ ) ˆ! x1!x ( ) + s ( n!1)! ˆ x1!x = s 1 n 1!1 n 1 + n! " 1 n n 56

57 X1 X ( µ 1 µ ) è la differenza tra le medie calcolate nei due campioni è la differenza tra le medie delle due popolazioni ˆ σ x x 1 1, è la stima della deviazione standard della distribuzione campionaria della differenza tra le medie n n le numerosità dei due campioni 57

58 esempio Un commerciante verifica la durata di due diverse marche di lampadine. Con 8 lampadine della marca A ottiene una media = 137 ore con s = 36; con 7 lampadine della marca B ottiene una media di 1036 ore con s = 40. A fronte di tale risultato il commerciante vuole sapere se la differenza tra le due medie è tale da poter affermare con una probabilità del 95% che le lampadine di marca A hanno una durata superiore a quelle di marca B. 58

59 esempio () 1. formulazione delle ipotesi H : µ = µ 0 A H : µ > µ 1 A B B. calcolo del valore t Usiamo la formula: t = ( X1 X ) ( µ 1 µ ) ˆ σ x 1 x 59

60 esempio (3). calcolo del valore t Per prima cosa dobbiamo stimare il valore della deviazione standard della differenza tra le medie: ( ) + s ( n #1) ˆ " x 1 #x = s 1 n 1 #1 n 1 + n # 1 n n = ˆ " x 1 #x = 36 $ $ 6 $ # 8$ 7 =

61 esempio (3). calcolo del valore t Quindi calcoliamo il valore di t con la formula: t = (X 1 " X ) " (µ 1 " µ ) = # ˆ x 1 "x t = 137 " =

62 esempio (4) 3. determinazione dei valori critici Il livello di significatività fissato è α = 0,05; il test è unidirezionale, i gradi di libertà sono ( ) = 13. t = 1, decisione Poiché t cal = 10,5 è maggiore del valore critico t c = 1,771, dobbiamo rigettare l'ipotesi H 0. CONCLUSIONE: Le lampadine della marca A sono migliori di quelle della marca B. 6

63 Se viene violato l'assunto di omogeneità delle varianze è necessario introdurre una correzione al test. Rimane comunque necessario che la distribuzione delle popolazioni sia normale. 63

64 La statistica viene calcolata con la formula corretta per varianze non omogenee: t = (X 1! X )! (µ 1! µ ) s 1 n 1!1 + s n!1 Con gradi di libertà: d = ( ˆ )! x1!x (! ˆ ) x1 n (! ˆ ) x n +1! 64

65 ! ˆ x1!x = s 1 n 1!1 + s n!1 è la stima della varianza della distribuzione campionaria della differenza tra le medie.! ˆ x1 = s 1 n 1!1 ˆ! x = s n!1 sono le stime delle varianze delle distribuzioni campionarie delle medie stimate a partire dalle varianze dei campioni. 65

66 esempio 3 A due gruppi di n 1 = 10 e n = 6 soggetti viene somministrato un test sull'ansia. Il primo gruppo ottiene un valore medio = 8 con s 1 = 0,5; il secondo gruppo un punteggio medio = 1 con s = 5. Ci si chiede se i due gruppi differiscono relativamente al livello d'ansia. Supponiamo che sia violato l'assunto di omogeneità delle varianze e che i due gruppi derivino da popolazioni con varianze non omogenee. 66

67 esempio 3 () 1. formulazione delle ipotesi H µ = H1 : µ µ 1 0 : µ 1. calcolo del valore t Usiamo la formula: ( X1 X ) t = s1 s + n 1 n

68 esempio 3 (3) t =. calcolo del valore t (8 1) ( 0,5) ( 5) = 3,95 I cui gdl saranno dati da: d = ( 1,03) ( 0,03) ( 1) = 6,58 68

69 esempio 3 (3) 3. determinazione dei valori critici Il livello di significatività fissato è α = 0,05; il test è bidirezionale, i gradi di libertà sono 6,58 = 7. t =,05 4. decisione Poiché t cal = 3,95 è maggiore del valore critico t c =,05, dobbiamo rigettare l'ipotesi H 0. CONCLUSIONE: I due gruppi differiscono per livello d'ansia. 69

70 Nel caso le varianze non siano omogenee esiste un metodo alternativo, rispetto a quello appena visto, che prevede il calcolo di un t critico corretto attraverso la seguente formula:! t c = ˆ x1 t 1c + ˆ! ˆ x1!x dove:! x t c t è il valore critico di t con n 1-1 gdl (n 1 = 1 c numero di elementi del campione 1) e livello di sig. α t è il valore critico di t con n -1 gdl (n = c numero di elementi del campione ) e livello di sig. α 70

71 t c = esempio 3 metodo alternativo Riprendiamo i dati dell'esercizio 3 e adottiamo il metodo alternativo. determinazione dei valori critici Il livello di significatività fissato è α = 0,05; il test è bidirezionale, t 1c = valore critico con 9 gdl:,6 t c = valore critico con 5 gdl:,06 0,03,6 + 1,06 = 1,01 ( ) ( ),11 decisione Poiché t cal = 3,95 è maggiore del valore critico t c =,11, dobbiamo rigettare l'ipotesi H 0. 71

72 7

73 Nel caso di coppie di osservazioni non indipendenti la media della distribuzione campionaria della differenza tra le medie risulta essere: µ x1 x = µ µ µ x = 1 x 1 µ la varianza della distribuzione campionaria della differenza tra le medie sarà: ˆ σ x x 1 = ˆ σ x 1 + ˆ σ x ˆ σ x ˆ σ 1 x r x 1 x r x1 x in cui l'ultimo termine è la correlazione tra le medie di tutti i possibili campioni non indipendenti tratti dalle popolazioni in esame. 73

74 r x1 x Poiché non si conosce il valore di è impossibile utilizzare la distribuzione campionaria della differenza tra le medie; per superare questo inconveniente si considera un unico campione costituito da coppie di elementi appaiati; il punteggio cui si fa riferimento è dato dalla differenza tra i punteggi di ciascuna coppia; nell'ipotesi H 0, se non vi sono differenze tra le due serie di punteggi, la media delle differenze risulterà ZERO 74

75 75 Di tale differenza possiamo calcolare la media con la formula: differenza dei punteggi ( ) 1 1 X X n X X n D X i i i D = = = e calcolare la varianza con: = n D n D s i i D

76 76 1. la media è pari alla differenza tra le medie delle popolazioni da cui sono tratti i campioni distribuzione campionaria della differenza dei punteggi 1 1 µ µ µ µ = = x x D. la varianza è: = = ˆ n D n D n n s i i σ D

77 distribuzione campionaria della differenza dei punteggi 3. il test t avrà la seguente forma t = X D sd n 1 la stessa statistica si può calcolare direttamente dai dati grezzi con la formula: = D t ( ) n D ( D) ( n 1) 77

78 esempio 4 Si vuole studiare l'effetto dell'affatica-mento sul rendimento in una prova di precisione. A questo scopo si contano il numero di errori commessi da un gruppo di 10 soggetti in una prova di precisione. Dopo averli sottoposti ad un lavoro gravoso per un certo periodo di tempo, si contano nuovamente gli errori commessi dai 10 soggetti nella stessa prova di precisione. I dati ottenuti sono riportati nella tabella seguente. 78

79 esempio 4 () sogg. numero di errori differenza prova 1 prova D = X 1 - X D A B C D E F G H I L medie somme 79

80 esempio 4 (3) 1. formulazione delle ipotesi H µ = H1 : µ µ 1 0 : µ 1. calcolo del valore t t = Usiamo la formula: D D ( n ) ( D) ( n 1) 80

81 esempio 4 (3) 1. formulazione delle ipotesi H µ = H1 : µ µ 1 0 : µ 1. calcolo del valore t t = Usiamo la formula: 10 ( 10 0) ( 10) (10 1) = 3 81

82 esempio 4 (4) 3. determinazione dei valori critici Il livello di significatività fissato è α = 0,05; il test è bidirezionale, i gradi di libertà sono (10-1) = 9. t =,6 4. decisione Poiché t cal = 3 è maggiore del valore critico t c dobbiamo rigettare l'ipotesi H 0. =,6, CONCLUSIONE: L'affaticamento influisce sui risultati della prova. 8

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

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

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

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

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

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi 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

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

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

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

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

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

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

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

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

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

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

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

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

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

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

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

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

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

STATISTICA IX lezione

STATISTICA 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

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

I punteggi zeta e la distribuzione normale

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

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

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

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

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

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

1. Distribuzioni campionarie

1. 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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

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

Dettagli

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

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

Concetto di potenza statistica

Concetto di potenza statistica Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

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

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

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

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico

Dettagli

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

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

Dettagli

Premesse alla statistica

Premesse alla statistica Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo

Dettagli

DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1

DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1 DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1 Marta Desimoni**, Daniela Pelagaggi**, Simona Fanini**, Loredana Romano**,Teresa Gloria Scalisi* * Dipartimento

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

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

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 (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

Dettagli

Il coefficiente di correlazione di Spearman per ranghi

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

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

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

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

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

Dettagli

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

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

Università 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 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 -

Dettagli

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 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

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli

Misure della dispersione o della variabilità

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

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

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

Dettagli

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

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi 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

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Inferenza statistica I Alcuni esercizi. Stefano Tonellato Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,

Dettagli

Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera

Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro

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

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

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

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

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

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

IL CAMPIONAMENTO NELLA REVISIONE CONTABILE

IL CAMPIONAMENTO NELLA REVISIONE CONTABILE Università RomaTre. Facoltà di Economia Federico Caffè Prof. Ugo Marinelli Anno Accademico 07-08 1 PREMESSA RACCOLTA SUFFICIENTI ED APPROPRIATI ELEMENTI PROBATIVI LA È SVOLTA IN BASE A VERIFICHE DI CAMPIONI

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

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

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

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

Dettagli

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

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

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

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

4. Confronto tra medie di tre o più campioni indipendenti

4. 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

Dettagli

Il confronto fra proporzioni

Il 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,

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

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

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

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 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

Dettagli

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 La formula µ = x ± s n

Dettagli

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE 19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte

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

Elementi di Psicometria

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

Dettagli

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

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE 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

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una

Dettagli

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

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

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y. Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato

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

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

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

Dettagli

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

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

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

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Tabella per l'analisi dei risultati

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

Dettagli