Dott.ssa Caterina Gurrieri

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Dott.ssa Caterina Gurrieri"

Transcript

1 Dott.ssa Caterina Gurrieri

2 Le relazioni tra caratteri

3

4

5

6 Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo legate tra loro. Si parla a tal proposito di Dipendenza se tra due variabili esiste un rapporto di causa ed effetto (es. reddito percepito e spesa per il tempo libero) Interdipendenza se tra due variabili non esiste un rapporto di causa ed effetto, ovvero se non è possibile definire un antecedente e un conseguente (es. colore degli occhi e colore dei capelli) Indipendenza se si ha assenza di legame tra i due caratteri

7 Si distingue ancora tra Misure di correlazione per studiare i legami tra due variabili quantitative misurate su scala a intervalli o su scala a rapporti Misure di cograduazione per studiare i legami tra variabili almeno qualitative ordinali Misure di associazione per analizzare le relazioni anche tra fenomeni espressi su scala nominale

8 Misurare l indipendenza Data una tabella di contingenza, due variabili X e Y si dicono indipendenti se le modalità di X non influenzano il verificarsi delle modalità di Y, e viceversa l indipendenza statistica è una relazione bidirezionale: se X è indipendente da Y anche Y è indipendente da X.

9 In assenza di indipendenza statistica si parla di connessione: le due variabili X e Y tendono ad influenzarsi reciprocamente e tra di loro esiste una qualche relazione generica l indipendenza statistica e la connessione sono concetti che si escludono reciprocamente.

10 Misure di associazione

11 Le misure di associazione valutano il legame esistente tra due caratteri attraverso l analisi congiunta delle frequenze dei caratteri stessi. Tali misure si basano, inoltre, sulle differenze esistenti tra frequenze osservate e frequenze teoriche, ovvero le frequenze che si presenterebbero in situazione di perfetta indipendenza. Tali differenze sono dette contingenze e la loro somma è sempre nulla.

12 Indice chi-quadrato di Pearson Per valutare se e in che misura due variabili X e Y sono tra loro indipendenti si utilizza il c.d. indice di associazione chi-quadrato (χ ), che si basa sul confronto tra le frequenze assolute osservate f ij (contenute nella tabella di contingenza) e le frequenze teoriche f ij che si osserverebbero in caso di perfetta indipendenza tra X e Y. In formula si ha che i j c f ij ij ' Dove c ij sono le differenze (contingenze) tra le frequenze assolute osservate f ij e le frequenze teoriche f ij.

13 Modalità del carattere X Data una generica tabella a doppia entrata, Modalità del carattere Y 1 j c 1 f 11 f 1 f 1j f 1c f 1. i r f 1 f f j f i1 f i f ij f r1 f r f rj f c f. f ic f i. f rc f r. f. 1 f. f.j f. c f..

14 Da essa si otterranno le frequenze teoriche di ogni cella, tali che i marginali di riga e di colonna restino costanti, secondo la formula f ij ' f i f f j Tali valori vengono riportati in una tabella, detta di indipendenza. Le differenze tra le frequenze osservate e quelle teoriche vengono riportate in una ulteriore tabella, detta delle contingenze. ATTENZIONE: tabella di contingenza tabella delle contingenze!

15 Il χ assume - valore = 0 se i caratteri sono perfettamente indipendenti (dunque le contingenze sono nulle) - valore > 0 se i caratteri sono associati (il valore sarà tanto maggiore quanto più grande sarà la differenza tra le frequenze osservate e quelle teoriche).

16 Per stabilire se la connessione tra X e Y è alta o bassa è possibile ricorrere alla normalizzazione dell indice. A tal fine è necessario rapportare il valore di χ ottenuto al suo massimo, che è n min r 1, c 1 Dove r è il numero delle righe della tabella e c il numero delle colonne

17 Nella sua forma normalizzata, il χ sarà allora espresso come ~ n min r 1, c 1

18 ESEMPIO Ad una società di ricerche è stata commissionata un indagine per verificare l esistenza di una relazione tra la zona di residenza (X) e la marca di automobile acquistata (Y). Con un indagine campionaria su 500 individui sono stati rilevati i dati relativi a - Zona di residenza, distinguendo tra - centro urbano - periferia - area rurale - Marca di automobile acquistata, distinguendo tra - General Motors - Ford - Chrysler - marchio europeo - marchio asiatico

19 I risultati dell indagine sono riportati nella seguente tabella Centro urbano General motors Ford Chrysler Marchio europeo Marchio asiatico Periferia Area rurale

20 SOLUZIONE Per verificare se esiste una relazione tra le due variabili rilevate occorre in primo luogo calcolare le frequenze teoriche c ij secondo la formula f ij ' f i f f j Tali frequenze teoriche sono riportate nella successiva tabella di indipendenza

21 Tabella di indipendenza General motors Ford Chrysler Centro urbano =00*170/500=68 =00*10/500=48 =00*80/500=3 Periferia =150*170/500=51 =150*10/500=36 =150*80/500=4 Area rurale =150*170/500=51 =150*10/500=36 =150*80/500= Marchio europeo Marchio asiatico Centro urbano =00*0/500=8 =00*110/500=44 00 Periferia =150*0/500=6 =150*110/500= Area rurale =150*0/500=6 =150*110/500=

22 A questo punto si può creare la tabella delle contingenze, in cui vengono riportate le differenze tra le frequenze osservate e quelle teoriche Tabella delle contingenze Centro urbano General motors Ford Chrysler Marchio europeo Marchio asiatico =64-68=-4 =40-48=-8 =6-3=-6 =8-8=0 =6-44=18 0 Periferia =53-51= =35-36=-1 =4-4=0 =6-6=0 =3-33=-1 0 Area rurale =53-51= =45-36=9 =30-4=6 =6-6=0 =16-33= ATTENZIONE. I totali di riga e di colonna di una tabella delle contingenze sono sempre pari a 0

23 Sostituendo nella formula i valori ottenuti è possibile calcolare il valore di χ, che in questo caso è i j c f ij ij ' ,35 0,078 0,078 1,333 0,08,5 1,15 1,5 7,364 0,030 8,757

24 Da cui,778 Volendo normalizzare l indice occorre rapportarlo al suo massimo, che si calcola come n min r 1, c 1 Poiché nella colonna sono presenti 3 righe e 5 colonne, il massimo in questo caso

25 Il valore dell indice normalizzato è allora ~, ,0 Tale valore indica che esiste un basso livello di associazione tra Zona di residenza e Marca dell auto acquistata. NB. Si ricorda che essendo normalizzata, quest ultima misura assume valori compresi tra 0 e 1.

26 Principali misure alternative Poiché il valore massimo del χ dipende dalla numerosità della tabella e dalle dimensioni della stessa, spesso viene trasformato in altre misure. Contingenza quadratica media, che è indipendente dalla numerosità ma non dalla forma della tabella. In formula assume la forma f Tale indice assume valore 0 in caso di indipendenza. Il suo valore massimo, invece, è pari a 1 se il numero di righe o di colonne è uguale a, altrimenti è maggiore di 1.

27 Nel caso proposto nell esercizio precedente esso assumerebbe il valore, ,045 Anche in questo caso il valore ottenuto indica che siamo in presenza di una debole associazione tra Zona di residenza e Marca di auto acquistata.

28 Per avere un indice normalizzato, e dunque con un valore che vari tra 0 e 1, si può usare il seguente Indice medio di contingenza V di Cramer, che in formula assume la forma V f min( r 1, c 1) Poiché f Allora l indice V di Cramer può essere scritto anche come V min( r 1, c 1)

29 Poiché f Allora l indice V di Cramer può essere scritto anche come V min( r 1, c 1) Il valore di tale indice varia tra 0 (massima indipendenza) e 1 (massima associazione).

30 Tornando ai dati dell esempio precedente, si avrà dunque che V 0,045 0,15 Che indica, ancora una volta, bassa associazione tra i caratteri. Naturalmente, allo stesso risultato si sarebbe giunti utilizzando la formula alternativa V f min( r 1, c 1), ,0 0,15

31 Misure di cograduazione

32 Qualora si intenda approfondire l analisi della connessione esistente tra due variabili qualitative ordinali X e Y, è possibile ricorrere al concetto di cograduazione. Si parla di cograduazione (o di contrograduazione) quando i due fenomeni in esame tendono ad associare le rispettive modalità in modo che a modalità crescenti dell uno corrispondano preferibilmente modalità crescenti (o decrescenti) dell altro (in relazione alla scala ordinale che le caratterizza). In particolare, si distingue tra Concordanza se a valori elevati di X corrispondono più (o relazione diretta) frequentemente valori elevati di Y e a valori bassi di X corrispondono più frequentemente valori bassi di Y Discordanza se a valori elevati di X corrispondono più (o relazione indiretta) frequentemente valori bassi di Y e a valori bassi di X corrispondono più frequentemente valori alti di Y

33 Indice di cograduazione rho di Spearman Si basa sul concetto di rango (posto d ordine) e fornisce la formula per il calcolo della cograduazione tra due variabili. Per definire il rango si ordinano i caratteri in senso non decrescente (ovvero dal più piccolo al più grande) e si assegna ad ogni unità statistica il rango, ovvero quel numero che indica la posizione dell unità all interno dell ordinamento per modalità, facendo attenzione al caso in cui più unità presentino la stessa modalità. In questo ultimo caso, il rango sarà definito dalla media delle posizioni dei soggetti con la stessa modalità.

34 Una volta assegnati i ranghi è possibile calcolare il coefficiente rho di Spearman, che in formula assume la forma s n ( RXi RYi ) i1 1 6 n ( n 1) dove R Xi e R Yi sono, rispettivamente, il rango della variabile X e il rango della variabile Y per il medesimo soggetto i (i=1,,,n).

35 Il coefficiente rho di Spearman assume valori compresi tra 1 e +1 Se ρ = -1 Se ρ = +1 Se ρ = 0 contrograduazione massima: a modalità crescenti (decrescenti) di X corrispondo modalità decrescenti (crescenti) di Y e viceversa cograduazione è massima: a modalità crescenti (decrescenti) di X corrispondono modalità crescenti (decrescenti) di Y X e Y sono indipendenti statisticamente (ma non vale il viceversa).

36 ESEMPIO Nella tabella successiva sono riportati i dati relativi al gradimento di un servizio (X) e al titolo di studio (Y) di 0 individui. Calcolare l indice rho di Spearman. Gradimento Titolo di studio 1 Basso Licenza scuola media inf. Medio Diploma 3 Basso Diploma 4 Alto Licenza scuola media inf. 5 Alto Licenza scuola media inf. 6 Alto Licenza scuola media inf. 7 Basso Diploma 8 Basso Diploma 9 Medio Licenza scuola media inf. 10 Basso Licenza scuola media inf. 11 Alto Diploma 1 Alto Laurea I livello 13 Medio Laurea I livello 14 Medio Diploma 15 Basso Licenza scuola media inf. 16 Basso Laurea I livello 17 Medio Diploma 18 Basso Laurea I livello 19 Alto Diploma 0 Alto Diploma

37 SOLUZIONE Per calcolare il valore della rho di Spearman occorre innanzitutto creare le graduatorie per i due caratteri analizzati e assegnare a ciascuna modalità un rango. Dopo aver ordinato in ordine non decrescente le modalità, quindi, si assegneranno prima le posizioni e poi i ranghi. I risultati sono riportati nelle tabelle successive.

38 - Gradimento Gradimento Ordinamento numerico 1 Basso 1 3 Basso 7 Basso 3 8 Basso 4 10 Basso 5 15 Basso 6 16 Basso 7 18 Basso 8 Medio 9 9 Medio Medio Medio 1 17 Medio 13 4 Alto 14 5 Alto 15 6 Alto Alto 17 1 Alto Alto 19 0 Alto 0 Rango = ( )/8 = 4,5 = ( )/5 = 11 = ( )/7 = 17

39 -Titolo di studio Titolo di studio Ordinamento numerico Rango 1 Licenza s.m.inf. 1 4 Licenza s.m.inf. 5 Licenza s.m.inf. 3 6 Licenza s.m.inf. 4 9 Licenza s.m.inf Licenza s.m.inf Licenza s.m.inf. 7 Diploma 8 3 Diploma 9 7 Diploma 10 8 Diploma Diploma 1 14 Diploma Diploma Diploma 15 0 Diploma 16 1 Laurea I livello Laurea I livello Laurea I livello Laurea I livello 0 = ( )/7 = 4 = ( )/9 = 1 = ( )/4 = 18,5

40 R X R Y (R X -R Y ) A questo punto è possibile creare una ulteriore tabella in cui, per ogni unità statistica, è riportato il rango in ciascuna delle due graduatorie. Nell ultima colonna sono riportati i valori di (R X -R Y ), necessari per il calcolo dell indice. 1 4,5 4 = (4,5-4) = 0, =(11-1) = 1 3 4,5 1 =(4,5-1) = 56, =(17-4) = =(17-4) = =(17-4) = ,5 1 =(4,5-1) = 56,5 8 4,5 1 =(4,5-1) = 56, =(11-4) = ,5 4 (4,5-4) = 0, =(17-1) = ,5 =(17-18,5) =, ,5 =(11-18,5) = 56, =(11-1) = ,5 4 (4,5-4) = 0,5 16 4,5 18,5 =(4,5-18,5) = =(11-1) = ,5 18,5 =(4,5-18,5) = =(17-1) = =(17-1) = 5 Totale 154

41 E adesso possibile calcolare il valore dell indice rho di Spearman sostituendo i valori nella formula s n ( RXi RYi ) i1 1 6 n ( n 1) s , ,950 0 (0 1) ,05 Poiché il valore del coefficiente è prossimo allo 0, è possibile affermare che tra le due variabili esiste una bassa cograduazione.

42 Misure di correlazione

43 Nel caso in cui si intenda approfondire l analisi del legame esistente tra due variabili quantitative (continue o discrete) X e Y così da cogliere oltre all intensità anche l eventuale natura lineare (proporzionale) del legame, è possibile ricorrere al concetto di correlazione lineare. Si dice che X e Y sono correlate positivamente (o negativamente) quando i due fenomeni in esame tendono ad associare le rispettive modalità in modo che a modalità crescenti dell uno corrispondano preferibilmente modalità proporzionalmente crescenti (o decrescenti) dell altro.

44 Covarianza Un primo modo di misurare il legame tra due variabili quantitative X e Y è quello di analizzare la covarianza delle stesse variabili, ovvero la media aritmetica dei prodotti degli scostamenti delle variabili X e Y dalle rispettive medie. In formula si indica come COV ( X, Y) n ( xi X )( yi Y ) i 1 n

45 In caso di distribuzione in classi diventa COV ( X, Y) k h ( xi X )( y j Y ) n i j 1 1 n ij Dove n ij indica la frequenza assoluta nella cella ij-esima, con cui va ponderato il prodotto degli scarti di X e degli scarti di Y.

46 Il valore massimo che la covarianza può assumere è uguale al prodotto degli scarti quadratici medi dei due caratteri esaminati. In simboli si avrà allora che COV(X,Y) σ(x)*σ(y) In generale, la covarianza - assume valore 0 quando tra i caratteri esaminati non esiste un legame di tipo lineare (per cui se la covarianza assume valore 0 non esclude altri tipi di legame) - assume il massimo in valore assoluto positivo quando i punti sono quando i punti sono tutti allineati su una retta crescente e negativo quando i punti sono tutti allineati su una retta decrescente

47 ATTENZIONE La covarianza risente dell unità di misura in cui è espressa, per cui non è possibile fare confronti tra distribuzioni doppie diverse. Essa, inoltre, risente anche dell ordine di grandezza delle variabili, per cui non permette nemmeno di dire se il variabile tra le variabili stesse è stretto o meno.

48 Coefficiente di correlazione lineare di Bravais e Pearson Il coefficiente di correlazione lineare r misura l intensità del legame lineare (interpretabile graficamente da una retta) tra due variabili quantitative X e Y, ovvero il grado di proporzionalità esistente tra X e Y. Si calcola come rapporto tra la covarianza tra X e Y e il rapporto degli scarti quadratici medi. In formula esso è allora r XY COV ( X, Y) ( X ) ( Y)

49 Il coefficiente di correlazione lineare assume valori compresi tra -1 e +1 in particolare, r=-1 perfetta correlazione negativa: la relazione tra X e Y è di assoluta proporzionalità inversa e può essere perfettamente interpretata da una retta con pendenza negativa r=+1 perfetta correlazione positiva: la relazione tra X e Y è di perfetta proporzionalità diretta e può essere perfettamente interpretata da una retta con pendenza positiva r=0 i due fenomeni sono incorrelati (non esiste legame lineare tra X e Y)

50

51

52

53 ATTENZIONE Il coefficiente di correlazione lineare è fortemente influenzato dai valori anomali, per cui è opportuno calcolare il suo valore con e senza outliers, in modo da verificare l effetto che essi hanno sul risultato finale.

54 ESEMPIO Si considerino i caratteri X e Y riportati nella tabella successiva. Si rappresentino graficamente e si stabilisca se sono linearmente dipendenti. In caso affermativo si calcoli l entità di tale dipendenza. X Y

55 SVOLGIMENTO Rappresentiamo i dati relativi ai due caratteri X e Y attraverso un diagramma a dispersione. La disposizione dei punti nel grafico già suggerisce l esistenza di una relazione di dipendenza lineare tra X ed Y.

56 Per verificare puntualmente la presenza di dipendenza lineare tra i due caratteri, calcoliamo la covarianza tra X e Y applicando la formula COV ( X, Y) n ( xi X )( yi Y ) i 1 n Poiché per il calcolo della covarianza è necessario conoscere il valore degli scarti dalla media dei valori sia di X che di Y, occorre preliminarmente calcolare le medie delle due variabili. Si avrà dunque che n xi yi i1 183 i ( X ) 18,3 ( Y) 864 n 10 n 10 n

57 A questo punto abbiamo tutti gli elementi per calcolare i valori necessari per calcolare la covarianza. Alla tabella originaria, quindi, si aggiungono tre colonne che riportano, rispettivamente, gli scostamenti dalla media di X, gli scostamenti dalla media di Y e i prodotti degli scostamenti. X Y x i -μ y i -μ (x i -μ)(y i -μ) , , , , , , , , , , ,7 36 5, , , , , , , , ,

58 Sostituendo i valori ottenuti alla formula, si avrà che COV ( X, Y) n i1 ( x i )( y X n i ) Y ,8 Poiché la covarianza di X ed Y è diversa da 0, si deduce che esiste dipendenza lineare tra le due variabili. Il segno positivo della covarianza informa anche del fatto che esiste una dipendenza lineare positiva: a valori crescenti della X sono associati valori crescenti della Y.

59 Per valutare l entità di tale dipendenza lineare, tuttavia, è necessario calcolare il coefficiente di correlazione lineare: r XY COV ( X, Y) ( X ) ( Y) Per calcolare il valore di r occorre conoscere preliminarmente il valore della varianza di X e della varianza di Y.

60 Conoscendo già l entità degli scarti dalla media di X e di Y, è sufficiente calcolare i quadrati e rapportarli a n. I risultati dei calcoli sono riportati nella tabella successiva X Y x i -μ y i -μ (x i -μ) (y i -μ) , , , , , , , , ,3-64 5, ,7 36 0, , , , , , , , , ,

61 In base ai dati della tabella precedente si ottiene che 8,98 80, ,1 ) ( 1 n x X n i i 380, ) ( 1 n y Y n i i

62 Da cui r XY COV ( X, Y) ( X ) ( Y) 3345,8 8,98380, ,8 3418,6 0,98 Il coefficiente di correlazione lineare ha un valore molto prossimo ad 1, rivelando una dipendenza lineare molto forte tra i due caratteri. Il segno positivo del coefficiente di correlazione lineare, inoltre, conferma che la dipendenza lineare è positiva.

63 ATTENZIONE In alcuni casi è necessario ponderare r tenendo conto della diversa importanza che i vari aspetti ricoprono. Si parla in tal caso di coefficiente di correlazione lineare ponderata, definito come covarianza ponderata tra gli scostamenti standardizzati, con peso ω i delle unità statistiche. La formula diventa in questo caso r XY n i1 z( x i n i1 ) z( y i i ) i

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

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

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO 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

Dettagli

Relazioni statistiche: regressione e correlazione

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

Dettagli

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

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 concetto di valore medio in generale

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

Dettagli

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

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

Dettagli

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 delle relazioni tra due caratteri

Analisi delle relazioni tra due caratteri Analisi delle relazioni tra due caratteri Le misure di connessione misurano il grado di associazione tra due caratteri qualsiasi sotto il profilo statistico (e non causale in quanto non è compito della

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 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.

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

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

Dettagli

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

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

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

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

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unicas.it

Statistica. Alfonso Iodice D Enza iodicede@unicas.it Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 2 Outline 1 2 3 4 () Statistica 2 / 2 Misura del legame Data una variabile doppia (X, Y ), la misura

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

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

Dettagli

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

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

Dettagli

IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.

IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento

Dettagli

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

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

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

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

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

Dettagli

STATISTICA DESCRITTIVA BIVARIATA

STATISTICA DESCRITTIVA BIVARIATA STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X 1, X 2,,X s. Si

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

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica

Dettagli

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

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

Dettagli

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

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

Giuseppe Ruffo. Fisica: lezioni e

Giuseppe Ruffo. Fisica: lezioni e Giuseppe Ruffo Fisica: lezioni e problemi Unità A2 - La rappresentazione di dati e fenomeni 1. Le rappresentazioni di un fenomeno 2. I grafici cartesiani 3. Le grandezze direttamente proporzionali 4. Altre

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI 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

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

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

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Corso di. Dott.ssa Donatella Cocca

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

Dettagli

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1

2 + (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

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

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE 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) STATISTICA DESCRITTIVA

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

Il concetto di correlazione

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

Dettagli

Basi di matematica per il corso di micro

Basi 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

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

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - 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 -

Dettagli

Confronto tra media e mediana Indice di Yule-Bowley Indice di Fisher

Confronto tra media e mediana Indice di Yule-Bowley Indice di Fisher ESERCIZIO La tabella littlecompany,disponibile sul sito (in formato pdf e xls) riporta i dati relativi a dipendenti dell'azienda Little Company S.r.l. su cui sono state rilevate le seguenti 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

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

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

Dettagli

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

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

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

Dettagli

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

2. Leggi finanziarie di capitalizzazione

2. 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

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

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

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

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

Statistica. Esercitazione 3 5 maggio 2010 Serie storiche. Connessione e indipendenza statistica

Statistica. Esercitazione 3 5 maggio 2010 Serie storiche. Connessione e indipendenza statistica Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2008/2009 Statistica Esercitazione 3 5 maggio 2010 Serie storiche. Connessione e indipendenza

Dettagli

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

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

Capitolo 10 Z Elasticità della domanda

Capitolo 10 Z Elasticità della domanda Capitolo 10 Z Elasticità della domanda Sommario Z 1. L elasticità della domanda rispetto al prezzo. - 2. La misura dell elasticità. - 3. I fattori determinanti l elasticità. - 4. L elasticità rispetto

Dettagli

SISTEMI DI NUMERAZIONE E CODICI

SISTEMI DI NUMERAZIONE E CODICI SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema

Dettagli

Anno 5 4 Funzioni reali. elementari

Anno 5 4 Funzioni reali. elementari Anno 5 4 Funzioni reali elementari 1 Introduzione In questa lezione studieremo alcune funzioni molto comuni, dette per questo funzioni elementari. Al termine di questa lezione sarai in grado di definire

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

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

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

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

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

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

Dettagli

La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari.

La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. Giovanni Anania e Rosanna Nisticò EMAA 14/15 X / 1 Il problema Un ottimo uso del vostro tempo! questa

Dettagli

Termodinamica: legge zero e temperatura

Termodinamica: legge zero e temperatura Termodinamica: legge zero e temperatura Affrontiamo ora lo studio della termodinamica che prende in esame l analisi dell energia termica dei sistemi e di come tale energia possa essere scambiata, assorbita

Dettagli

Appunti di complementi di matematica

Appunti di complementi di matematica Appunti di complementi di matematica UITA STATISTICA: è l unità su cui si raccolgono le informazioni oggetto dell indagine e possono essere individui, famiglie, oggetti. UIVERSO STATISTICO O POLAZIOE STATISTICA

Dettagli

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

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

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

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

Dettagli

Indici di dispersione

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

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide 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

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

Il rischio di un portafoglio

Il rischio di un portafoglio Come si combinano in un portafoglio i rischi di 2 titoli? dipende dai pesi e dal valore delle covarianze covarianza a a ρ a b ρ a b ρ b b ρ coefficiente di correlazione = cov / ² p = a² ² + b² ² + 2 a

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

SOLUZIONI D = (-1,+ ).

SOLUZIONI D = (-1,+ ). SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE 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) LABORATORIO EXCEL

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

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

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile

Dettagli

Elementi di Statistica

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

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi risolti

CONTINUITÀ E DERIVABILITÀ Esercizi risolti CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione

Dettagli

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

STATISTICHE. A CURA di Nunzio Cuozzo e Luigi Praitano

STATISTICHE. A CURA di Nunzio Cuozzo e Luigi Praitano GIUNTA REGIONALE DELLA CAMPANIA AREA GENERALE DI COORDINAMENTO RICERCA SCIENTIFICA, STATISTICA, SISTEMI INFORMATIVI ED INFORMATICA SETTORE ANALISI, PROGETTAZIONE E GESTIONE SISTEMI INFORMATIVI SERVIZIO

Dettagli

Facciamo qualche precisazione

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

Dettagli

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

Il test del Chi-quadrato

Il test del Chi-quadrato Il test del Chi-quadrato Prof.ssa Montomoli- Univ. di Pavia Prof.ssa Zanolin Univ. di Verona Il rischio di contrarre epatite C è associato all avere un tatuaggio? Cosa vuol dire ASSOCIAZIONE tra due variabili?

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 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:

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

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

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

Soluzioni Esercizi elementari

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

Dettagli

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

Regressione Logistica: un Modello per Variabili Risposta Categoriali

Regressione 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

Dettagli

FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO. Si chiama funzione lineare (o funzione affine) una funzione del tipo = +

FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO. Si chiama funzione lineare (o funzione affine) una funzione del tipo = + FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO Si chiama funzione lineare (o funzione affine) una funzione del tipo = + dove m e q sono numeri reali fissati. Il grafico di tale funzione è una retta, di cui

Dettagli

Esercitazione N. 1 Misurazione di resistenza con metodo volt-amperometrico

Esercitazione N. 1 Misurazione di resistenza con metodo volt-amperometrico Esercitazione N. 1 Misurazione di resistenza con metodo volt-amperometrico 1.1 Lo schema di misurazione Le principali grandezze elettriche che caratterizzano un bipolo in corrente continua, quali per esempio

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

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

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza

postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza postulato della valutazione tramite indicatori: La valutazione di un sistema sanitario tramite indicatori ipotizza la praticabilità di una scomposizione della complessità in informazioni elementari ed

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

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