Approfondimento 2.1. Le principali tecniche di campionamento
|
|
- Diana Vanni
- 8 anni fa
- Visualizzazioni
Transcript
1 1 1. La storia insegna Approfondimento 2.1 Le principali tecniche di campionamento Venite un momento nel Sono candidati alle elezioni presidenziali degli Stati Uniti il Presidente uscente Franklin Delano Roosevelt per i Democratici e il Governatore del Kansas Alfred Mossman Landon per i Repubblicani. All epoca veniva pubblicata un autorevole e prestigiosa rivista, il Literary Digest, che mediante sondaggio aveva predetto con successo l esito delle cinque precedenti elezioni presidenziali. Nel numero in edicola il 31 Ottobre , tre giorni prima delle elezioni, la rivista annuncia la vittoria di Landon col 57% dei voti. Solo che il 3 novembre si vota, e Roosevelt stravince. Diciamo che non ci stupirebbe più di tanto sapere che quell anno il cartoncino di auguri di Natale dei Repubblicani per il direttore del Literary Digest non è mai arrivato Ma come è stato possibile un errore di questo tipo? D accordo che la statistica non è infallibile, ma in quel caso lo sbaglio è stato davvero sesquipedale. Vediamo allora come era stato condotto il sondaggio. Il giornale aveva spedito 10 milioni di questionari, una cifra impensabile anche oggi, a tutti i suoi abbonati e potenziali abbonati, individuati dagli elenchi del telefono. Ritornarono 2.4 milioni di schede, e dalle analisi effettuate su questi dati, Landon risultò vincitore. Ora, basare la previsione su questi dati significava ritenere il gruppo di 2.4 milioni di persone che avevano risposto al sondaggio un campione rappresentativo della popolazione di elettori. All epoca però possedeva un telefono solo una famiglia su quattro, e gli abbonati alla rivista erano una fascia molto selezionata della popolazione, che come è facile immaginare non comprendeva i meno abbienti. Per cui, difficilmente questo metodo di campionamento avrebbe portato ad ottenere un campione realmente rappresentativo della popolazione, perché larghe fasce della popolazione erano escluse. Ma anche nel caso, dobbiamo considerare che di 10 milioni di schede inviate, ne erano ritornate circa un quarto. Per chi avrebbero votato i restanti tre quarti di persone che non hanno risposto? (Qui impariamo un aspetto fondamentale delle ricerche: le ricerche sono condotte su chi effettivamente fornisce i dati, ma disgraziatamente nella popolazione alla quale vogliamo generalizzare i risultati vi sono anche quelli che non rispondono e che non possono o non vogliono partecipare ne hanno tutto il diritto..). In una situazione simile, l attendibilità dei dati non poteva essere garantita solo dalla numerosità (ampiezza) del campione. In effetti, proprio in occasione delle elezioni del 1936 un oscuro statistico ed ex pubblicitario aveva avanzato qualche dubbio sul successo delle predizioni del Literary Digest, e utilizzando un campione molto più modesto quanto a numeri (circa ), aveva correttamente predetto la vittoria di Roosevelt. Si trattava di George Horace Gallup, fondatore della più importante agenzia di sondaggi americana. Come aveva fatto? Aveva "campionato" meglio. In questo approfondimento vengono presentate le principali tecniche di campionamento. 2. I principali tipi di campionamento in psicologia Il campionamento può essere principalmente di due tipi: probabilistico e non probabilistico. Se il campionamento è di tipo probabilistico, ogni unità di analisi ha una probabilità individuabile e non uguale a zero di entrare a far parte del campione. Quando non è possibile conoscere tale probabilità, si parla di campionamento non probabilistico. Da un punto di vista strettamente statistico, i campioni probabilistici sono migliori perché consentono di ottenere un alto grado di rappresentatività del campione e quindi una stima ottimale delle caratteristiche della popolazione da cui il campione è stato tratto. Il campionamento non probabilistico, dall altra parte, non consente stime dei parametri particolarmente accurate, ma permette di contenere le spese per la realizzazione della ricerca sia in termini di tempo che di denaro, e nei casi in cui lo scopo della ricerca sia di tipo 1
2 2 esplorativo, ossia volto all individuazione di tendenze o di fenomeni ad un livello più superficiale, risulta comunque adeguato (De Carlo e Robusto, 1996). I tipi principali di campionamento probabilistico sono: Campionamento casuale semplice (con e senza ripetizione) Campionamento stratificato Campionamento per clusters (aree o grappoli ) Campionamento sistematico I tipi principali di campionamento non probabilistico sono: Campionamento per quote Campionamento a scelta ragionata 2.1 Il campionamento casuale semplice Il campionamento casuale semplice prevede che le unità di analisi vengano estratte singolarmente in modo casuale, in modo che ogni unità di analisi abbia la stessa probabilità di venire selezionata e la sua probabilità di entrare a far parte del campione sia indipendente da quella delle altre (Figura 1). Figura 1 Procedura per il campionamento casuale semplice Se quindi la popolazione degli studenti di psicometria del primo anno è composta da 180 studenti, e vogliamo estrarre un campione di 18 studenti con questa tecnica di campionamento, ogni studente avrà una probabilità uguale a 1/10 (10%) di entrare a far parte del campione. Naturalmente, perché ogni studente abbia la stessa probabilità di essere estratto dobbiamo assicurarci che dopo ogni estrazione il suo nome venga re-inserito nell insieme da cui si campiona: se alla scuola superiore la vostra insegnante di matematica estraeva a caso dal sacchetto dei numeri della tombola i numeri corrispondenti a voi e ai vostri compagni per decidere chi interrogare, all inizio del nuovo giro di interrogazioni la vostra probabilità di essere estratti in una classe di 25 allievi era di 1 su 25, ma se la fortuna vi arrideva e non venivate estratti subito, via via che venivano sottoposti al supplizio i vostri compagni la vostra probabilità di essere estratti la volta successiva aumentava, dato che diventava 1 su 24, 1 su 23, 1 su 22, etc., finché, al termine del giro, non era 1 su 2, se non addirittura avevate la certezza di dover essere interrogati la volta successiva! Questo esempio ci
3 3 mostra la differenza fra campionamento casuale semplice con e senza reinserimento. In quello con reinserimento, detto anche bernoulliano, il numero della tombola che vi corrisponde viene reinserito nel sacchetto ogni volta, anche se siete stati estratti, per cui potrebbe capitarvi di essere interrogati due volte di fila! Questa procedura, per quanto non riscuota la vostra simpatia nel contesto delle interrogazioni di matematica, nel caso del campionamento delle unità di analisi per una ricerca è quella che offre le maggiori garanzie di rappresentatività di un campione, poiché consente stime più affidabili dei parametri e degli errori di stima, e genera una selezione oggettiva e valida degli elementi del campione per qualunque variabile si voglia considerare, mettendoci quindi al riparo da distorsioni (biases). Pensate al caso in cui dovete selezionare da una gabbia di 50 topolini bianchi un campione di 10 elementi da sottoporre ad un esperimento (tale esempio è riportato anche in De Carlo e Robusto, 1996). Ingenuamente, si potrebbe pensare di aprire lo sportello superiore della gabbia, entrare col braccio e acchiappare 10 topolini a caso (per quanto comprendo che questa operazione potrebbe suscitare una certa apprensione in alcuni dei lettori ). Il punto è che dal nostro punto di vista la scelta può apparire casuale di fatto non stiamo scegliendo ma non lo è da un punto di vista pratico, dato che i topolini non sono i numerini della tombola, per cui, appena vedono il vostro arto avvicinarsi minaccioso, tenderanno a sfuggirvi. I dieci che riuscirete a prendere, quindi, saranno con ogni probabilità i dieci meno abili a mettersi in salvo, e dunque quel campione non sarà rappresentativo della popolazione dei 50 occupanti la gabbia, la quale comprende anche i più svegli a tagliare la corda. Riguardo a questa caratteristica, quindi, il campione non sarà rappresentativo. Per realizzare campionamento casuale semplice, dunque, abbiamo bisogno innanzitutto di creare una lista completa di tutti gli elementi della popolazione da cui intendiamo campionare. A quel punto possiamo assegnare ad ogni unità di analisi un numero e mediante un urna contenente palline numerate o mediante le tavole dei numeri casuali, procedere all estrazione. Nel caso dei topolini, anche i più scaltri non hanno scampo: se esce il loro numero, saranno presi comunque. Vediamo praticamente come fare. Innanzitutto numeriamo le unità di analisi da 00 a 50. Consultiamo poi le tavole dei numeri casuali, che possono essere facilmente rintracciate sui manuali di psicometria o statistica, o anche sul Web 2, come la seguente (Tabella 1). Poiché dobbiamo individuare i numeri da 00 a 50, della colonna 1 prendiamo solo le prime due cifre di ogni numero: avremo quindi 73, 07, 60, 83, 10, 39, 59, 38, etc. Naturalmente può capitare che alcuni numeri non siano utilizzabili, come il 73, perché fuori dalla gamma prevista. Nessun problema, prendiamo il successivo, anche se questo a un certo punto ci costringerà ad utilizzare i numeri della colonna 2 (e quindi considereremo 42, 77, 83, etc.). Naturalmente, di volta in volta, potete anche scegliere di considerare gli ultimi due numeri, o una coppia centrale. In campioni piccoli, o estratti da popolazioni di limitata ampiezza, se utilizziamo un campionamento con reinserimento possono verificarsi ripetizioni, ossia la stessa unità di analisi viene estratta due volte. Nel caso dei topolini è un problema, perché il campione di 10 elementi deve contenere 10 elementi distinti, costringendoci, di fatto, a realizzare un campionamento senza reimmissione. Questa estrazione va necessariamente considerata nulla e si deve passare al valore successivo della tavola dei numeri casuali, come nel caso di valori non compresi nella gamma 2 Ad esempio, all indirizzo è possibile scaricarne una versione classica, da cui è stata riprodotta quella riportata in questo volume. Si trovano anche siti che permettono di impostare vari parametri per la casualizzazione, come ad esempio dove potete impostare il numero di elementi da campionare, le etichette numeriche e il numero da cui cominciare a generare sequenze casuali (seed). Nell esempio dei topolini, impostando a 10 il numero di soggetti, le cifre da 00 a 50, non permettendo la ripetizione e avendo come seed , ho ottenuto la seguente sequenza: Il problema legato all uso di software per la generazione di numeri casuali è che sono deterministici, ossia, se impostate le stesse condizioni iniziali, ottenere sempre la stessa sequenza di numeri casuali, il che, ne converrete, è un po un controsenso Numeri casuali possono essere generati in Microsoft Excel, versione italiana, scrivendo in una cella l espressione =casuale() e premendo INVIO. Viene restituito un numero casuale compreso fra 0 e 1 e ripetendo l operazione su più celle si possono ottenere quanti numeri casuali si desidera. A quel punto si può scegliere di prendere i primi due decimali, o i primi tre, etc.
4 4 Tabella 1Tavola dei numeri casuali Soggetto prevista, però tenete presente che questo comporta un alterazione dell effettiva casualità della selezione, che in certi casi può non essere del tutto trascurabile. Ad ogni modo, una volta completata l operazione avremo la lista dei 10 estratti, sapremo quali topolini andare a prendere dalla gabbia. E questa volta l essere abili a svignarsela non li aiuterà De Carlo e Robusto (1996) considerano nel novero dei campionamenti probabilistici anche il campionamento quasi-casuale (o haphazard o di convenienza). Di fatto, si tratta dei campioni sui
5 5 quali vengono svolte le maggior parte delle ricerche pubblicate sulle riviste scientifiche. In questi casi non c è una scelta intenzionale, a nessun livello, delle unità di analisi, per cui possono essere considerati come casuali, ma non è dato che tutti gli elementi abbiano la stessa probabilità di essere estratti. Esempi di campioni di questo tipo possono essere gli studenti che si prestano volontariamente come soggetti per un esperimento, gruppi di conoscenti dello studente che raccoglie dati sul test al quale sta lavorando per la tesi, bambini della scuola materna adiacente al dipartimento di psicologia, etc. In nessuno di questi casi gli elementi del campione sono scelti a caso dalla popolazione, né hanno tutti la stessa probabilità di entrare a far parte del campione: se non conoscete nessun laureando in psicometria, la probabilità che vi chiedano di compilare una barbosissima batteria di test sarà molto bassa, mentre se siete il fidanzato di una laureanda, be, vi conviene non prendere altri impegni 2.2 Il campionamento stratificato In alcune ricerche può diventare una priorità non solo la stima dei parametri nella popolazione, ma anche in eventuali sotto-popolazioni (o sub-popolazioni). Ad esempio, supponiamo di voler indagare la riuscita accademica nella popolazione degli studenti di psicologia di un certo ateneo (supponiamo di ampiezza finita, N = 800) con particolare attenzione al genere e al fatto che siano studenti lavoratori o meno, utilizzando un campione di 50 studenti. Se impiegassimo un campionamento casuale semplice su tutta la popolazione, con buona probabilità riusciremmo a riprodurre un campione di 100 studenti che rifletta adeguatamente quelle due particolari caratteristiche della popolazione (rapporto maschi/femmine e lavoratori/non lavoratori), ma non necessariamente. Poiché il focus della ricerca però è proprio su queste caratteristiche, in questi casi è preferibile campionare in modo casuale direttamente all interno dei singoli strati, ossia delle suddivisioni derivanti dagli incroci delle categorie delle variabili di interesse, così da essere certi di riprodurre le proporzioni note nella popolazione. Questo tipo di campionamento prende così il nome di campionamento stratificato. In base agli scopi dello studio, si può scegliere di utilizzare una sola variabile di stratificazione (ad esempio, solo il genere se interessano le differenze maschi-femmine), oppure varie (includendo non solo genere e status di lavoratore o meno, ma anche il livello socioeconomico, la fascia di età, etc.). In questo modo, con una sola operazione riduciamo la possibilità di distorsioni nelle stime dei parametri della popolazione, contenendo al contempo la numerosità campionaria. Differentemente dal caso del campionamento casuale semplice, però, questa tecnica di campionamento ci obbliga ad avere informazioni a priori sulla popolazione che stiamo studiando. Esistono varie tecniche di realizzazione del campionamento stratificato, come ben illustrato in De Carlo e Robusto (1996), ma la loro esposizione va al di là degli scopi di questo capitolo. Vediamo invece come realizzare un campionamento stratificato in base all esempio proposto in precedenza. Innanzitutto dobbiamo procurarci informazioni circa la distribuzione del genere e dell essere o meno lavoratori della popolazione di 800 studenti, e individuare la percentuale (sul totale) di studenti che possiede ogni incrocio fra le categorie delle due variabili considerate (Tabella 2). Tabella 2 Esempio di stratificazione di due variabili (Genere e Status Lavorativo) in un campione di 800 studenti Genere Status Non lavoratori Lavoratori Totale Maschi 144 (18%) 64 (8%) 208 Femmine 400 (50%) 192 (24%) 592 Totale
6 6 A questo punto sappiamo che il campione di 50 studenti che intendiamo individuare per la ricerca dovrà essere composto al 18% da studenti maschi non lavoratori, all 8% da studenti maschi lavoratori, al 50% da studentesse non lavoratrici e al 24% da studentesse lavoratrici. I partecipanti alla ricerca verranno quindi campionati a caso all interno di questi strati in proporzione, in modo da riflettere esattamente le proporzioni individuate nella popolazione (Tabella 3). Tabella 3 Stratificazione di un campione di 50 studenti in base alle informazioni sulla popolazione contenute nella Tabella 2 Sub-popolazione Percentuale nota nella popolazione Numero necessario nel campione Maschi non lavoratori 18% Il 18% di ,18 = 9 Maschi lavoratori 8% L 8% di ,08 = 4 Femmine non lavoratrici 50% Il 50% di ,50 = 25 Femmine lavoratrici 24% Il 24% di ,24 = 12 Individuati gli studenti che soddisfano i criteri per l inclusione in ognuno degli strati, ne campioneremo casualmente 9 fra i maschi non lavoratori, 4 fra i maschi lavoratori, 25 fra le femmine non lavoratrici, 12 fra le femmine lavoratrici, ottenendo così un campione di 50 soggetti perfettamente rappresentativo della popolazione per le variabili genere e status lavorativo. Naturalmente questo non ci assicura che anche altre variabili, qui non prese in considerazione, siano distribuite come nella popolazione ad esempio, il livello socio-economico. La scelta delle variabili di stratificazione deve essere quindi eseguita con particolare attenzione, in modo da individuare quelle che pesano di più nel rendere il campione rappresentativo della popolazione. In genere, nelle ricerche su larga scala come possono essere quelle di validazione di un test psicologico ci si basa su genere, fascia di età e titolo di studio, in quanto sono informazioni facilmente ottenibili per la popolazione italiana dai dati Istat sui censimenti 3 e, se il campione necessario non è particolarmente ampio, è una impresa fattibile. Il problema è che spesso non si tiene conto di un ulteriore variabile di stratificazione come la regione di residenza: se individuare soggetti di un certo genere, di una certa fascia di età e con un certo titolo di studio può essere relativamente problematico nella regione in cui si trova l ateneo (ad esempio, in Liguria), può diventare più complicato se si aggiunge il vincolo che i partecipanti siano anche di un altra regione (ad esempio molisani, piuttosto che pugliesi, o altra regione geograficamente distante da quella in cui ci si trova). Si presti particolare attenzione al fatto che il campionamento all interno degli strati deve essere casuale (Figura 2). Ossia, occorre effettivamente avere la lista degli elementi che soddisfano le condizioni di inclusione in ogni strato, e procedere come abbiamo visto per il campionamento casuale semplice. Qualora la scelta dei soggetti venga fatta liberamente dal ricercatore, vale a dire, vengano incluse nella ricerca persone individuate con procedure non casuali, la procedura di campionamento non è più probabilistica, dato che si viola la condizione di equiprobabilità di entrare a far parte del campione ad esempio, se dobbiamo includere maschi di età compresa fra 80 e 85 anni con licenza media, non campioniamo a caso nella popolazione, ma prendiamo i nonni dei nostri studenti. Questo tipo di campionamento prende in nome di campionamento per quote, e fa parte dei tipi di campionamento non probabilistico. E tipico dei sondaggi di opinione, quelli che vengono eseguiti telefonicamente o per strada, ed è molto più soggetto a distorsioni delle procedure di campionamento probabilistico. 3
7 7 2.3 Il campionamento per clusters Figura 2 Procedura per il campionamento stratificato Qualora la popolazione sia divisa, in modo naturale o artificiale, in sottogruppi di unità di analisi aggregate in base a criteri specifici (ad esempio, geografici), si può utilizzare il campionamento per clusters (in italiano, grappoli ). Esempi di clusters possono essere le classi di una scuola, i quartieri di una città, le popolazioni di studenti degli atenei, e così via: in tutti i casi, vi sono grappoli di elementi già costituiti, e il campionamento avviene sui grappoli, piuttosto che sulle unità che li compongono. Questa procedura risponde a necessità di topo organizzativo, come ad esempio quelle relative alle indagini su ampie aree geografiche. Poniamo di voler condurre un indagine su larga scala sugli studenti delle scuole superiori di Genova. In questo caso i grappoli sono costituiti dalle scuole, per cui potremmo pensare di ottenere l elenco di tutte le scuole superiori genovesi ed estrarre casualmente da questo elenco un numero limitato di istituti (poniamo 10). La procedura di campionamento per cluster prevede che vengano eseguite osservazioni su tutti gli elementi che compongono il grappolo, ma nel nostro caso significherebbe somministrare un test a tutti gli alunni di ogni scuola campionata. In questi casi si procede ad un secondo stadio di campionamento per cluster, selezionando a caso, all interno di ogni istituto, un numero limitato di classi (poniamo 5 per istituto), che a loro volta costituiscono dei sub-clusters. Naturalmente possiamo considerare come clusters anche gli anni di corso (dalla prima alla quinta), ottenendo così un terzo stadio di campionamento (Figura 3). Ogni cluster (o sub-cluster) viene trattato come un entità unica, indipendentemente dall insieme di elementi che contiene. In genere si tende a controllare che i cluster abbiano numerosità simile, ma non è strettamente necessario. Il risultato finale ottimale dovrebbe essere un campione con molti cluster di ampiezza limitata, molto omogenei al loro interno ma eterogenei fra di loro, così da contenere sia costi di rilevazione, sia le distorsioni legate alla rappresentatività del campione. Nell esempio delle scuole, potremmo ottenere dati su una classe per anno di corso per ogni istituto campionato. Si noti che in questo caso non si è tenuto conto del quartiere della città per la scelta degli istituti: lo avessimo fatto avremmo dovuto considerare un ulteriore sub-cluster, questa volta di tipo geografico.
8 8 2.4 Il campionamento sistematico Figura 3 Procedura per il campionamento per clusters Nel campionamento sistematico, gli N elementi della popolazione vengono numerati con i numeri interi da 1 a N, e in base all ampiezza campionaria n desiderata si decide quello che è il passo di campionamento k, che è uguale a N / n. In altri termini, si decide di selezionare uno ogni k individui nell ordine numerico. Pensate al caso dell interrogazione di matematica. Siamo alla ripresa del giro delle interrogazioni e la professoressa decide di interrogare 4 dei 20 alunni. Se si basasse su un campionamento sistematico, dovrebbe chiamare uno ogni 20 / 4 = 5 nell ordine sul registro. Quindi, a partire da un numero a caso, diciamo 3, vengono chiamati ad essere interrogati il 3, il 3+5 = 8, il 8+5 = 13 e il 13+5 = 18 (Figura 4). Il campionamento sistematico ha il vantaggio di consentire procedure di estrazione, rilevazione e controllo molto semplici e rapide, e produce stime più precise di quelle ottenibili da un campione casuale semplice se la variabilità della variabile del campione sistematico è maggiore di quella della popolazione. Figura 4 Procedura per il campionamento sistematico
9 9 2.5 Il campionamento non probabilistico a scelta ragionata A volte la scelta dei quartieri di una città da indagare può non avvenire in modo casuale, ma a scelta ragionata. In questi casi, la selezione non è guidata da una tavola di numeri casuali, ma dalle conoscenze e dalle informazioni che il ricercatore possiede sulla popolazione. Per cui, la scelta delle scuole potrebbe non essere casuale, ma ragionata in base al quartiere di appartenenza. Si potrebbe infatti considerare che in alcune scuole il livello socio-economico delle famiglie degli studenti è più elevato che in altre, o che in alcuni quartieri la percentuale di popolazione immigrata è maggiore. Si cerca quindi di individuare un campione composto da elementi, per così dire, tipici, così da essere certi che essi appartengano alle tipologie più rilevanti per gli scopi della ricerca. Anche in questo caso il campionamento diventa di tipo non probabilisitico, in quanto è il giudizio del ricercatore che guida la scelta delle unità di analisi (o dei clusters). Per quanto l introduzione di un elemento di arbitrarietà comporti un certo rischio di ottenere distorsioni nei risultati, se eseguito in modo corretto e da ricercatori competenti con solide conoscenze sul fenomeno e sulla popolazione di interesse anche questo tipo di campionamento può portare a risultati apprezzabili. Riferimenti bibliografici De Carlo, N. A., & Robusto, E. (1996). Teoria e tecniche di campionamento nelle scienze sociali. Milano: LED.
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
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliStatistica. 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
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliCorso 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
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLa relazione presenta quanto emerso dalla prima indagine condotta sugli utenti della Biblioteca Isimbardi.
INTRODUZIONE La relazione presenta quanto emerso dalla prima indagine condotta sugli utenti della Biblioteca Isimbardi. Nel corso di alcuni mesi del 2008 sono state distribuite delle schede anonime, da
DettagliGRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545
Capitolo 3 - Dalla strategia al piano editoriale GRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545 Social Toolbox ed i contenuti presenti nel seguente documento (incluso a
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliMOCA. Modulo Candidatura. http://www.federscacchi.it/moca. moca@federscacchi.it. [Manuale versione 1.0 marzo 2013]
MOCA Modulo Candidatura http://www.federscacchi.it/moca moca@federscacchi.it [Manuale versione 1.0 marzo 2013] 1/12 MOCA in breve MOCA è una funzionalità del sito web della FSI che permette di inserire
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliIL COLLAUDO DI ACCETTAZIONE
IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo
DettagliConvertitori numerici in Excel
ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA Convertitori numerici in Excel Prof. G. Ciaschetti Come attività di laboratorio, vogliamo realizzare dei convertitori numerici con Microsoft Excel
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliPrimi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi
DettagliIL MODELLO CICLICO BATTLEPLAN
www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato
Dettaglilo 2 2-1 - PERSONALIZZARE LA FINESTRA DI WORD 2000
Capittol lo 2 Visualizzazione 2-1 - PERSONALIZZARE LA FINESTRA DI WORD 2000 Nel primo capitolo sono state analizzate le diverse componenti della finestra di Word 2000: barra del titolo, barra dei menu,
DettagliCORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability
DettagliIl mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria
Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Esercizio 1 Ci sono 2000 individui ciascuno con funzione di utilità Von Neumann-Morgestern
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliI TUTORI. I tutori vanno creati la prima volta seguendo esclusivamente le procedure sotto descritte.
I TUTORI Indice Del Manuale 1 - Introduzione al Manuale Operativo 2 - Area Tutore o Area Studente? 3 - Come creare tutti insieme i Tutori per ogni alunno? 3.1 - Come creare il secondo tutore per ogni alunno?
DettagliDeterminare la grandezza della sottorete
Determinare la grandezza della sottorete Ogni rete IP possiede due indirizzi non assegnabili direttamente agli host l indirizzo della rete a cui appartiene e l'indirizzo di broadcast. Quando si creano
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
Dettagli4 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
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliUfficio Scolastico Regionale per l Abruzzo. Rapporto dal Questionari Studenti
Rapporto dal Questionari Studenti SCUOLA xxxxxxxxx Anno Scolastico 2014/15 Le Aree Indagate Il questionario studenti ha lo scopo di indagare alcuni aspetti considerati rilevanti per assicurare il benessere
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 2.2 Mettere a punto un test psicologico Davide Massidda davide.massidda@gmail.com Da dove partire C'è davvero bisogno di un nuovo strumento di misura?
DettagliDimensione 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
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettaglirisulta (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
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliMatrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente
Matrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
DettagliINTRODUZIONE I CICLI DI BORSA
www.previsioniborsa.net 1 lezione METODO CICLICO INTRODUZIONE Questo metodo e praticamente un riassunto in breve di anni di esperienza e di studi sull Analisi Tecnica di borsa con specializzazione in particolare
DettagliElementi 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,
DettagliCOMUNIC@CTION INVIO SMS
S I G e s t S.r.l S e d e l e g a l e : V i a d e l F o r n o 3 19125 L a S p e z i a T e l e f o n o 0187/284510/15 - F a x 0187/525519 P a r t i t a I V A 01223450113 COMUNIC@CTION INVIO SMS GUIDA ALL
DettagliCapitolo 13. Interrogare una base di dati
Capitolo 13 Interrogare una base di dati Il database fisico La ridondanza è una cosa molto, molto, molto brutta Non si devono mai replicare informazioni scrivendole in più posti diversi nel database Per
DettagliLogica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo
Logica Numerica Approfondimento E. Barbuto Minimo Comune Multiplo e Massimo Comun Divisore Il concetto di multiplo e di divisore Considerato un numero intero n, se esso viene moltiplicato per un numero
DettagliIl calendario di Windows Vista
Il calendario di Windows Vista Una delle novità introdotte in Windows Vista è il Calendario di Windows, un programma utilissimo per la gestione degli appuntamenti, delle ricorrenze e delle attività lavorative
DettagliGli attributi di STUDENTE saranno: Matricola (chiave primaria), Cognome, Nome.
Prof. Francesco Accarino Raccolta di esercizi modello ER Esercizio 1 Un università vuole raccogliere ed organizzare in un database le informazioni sui propri studenti in relazione ai corsi che essi frequentano
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliISTITUTO COMPRENSIVO BARBERINO MUGELLO
IL PESO percorso didattico scuola primaria Sperimentazione didattica ISTITUTO COMPRENSIVO BARBERINO MUGELLO I bambini utilizzano spontaneamente il concetto di pesante? Collochiamo su un banco alcuni oggetti:
DettagliDatabase 1 biblioteca universitaria. Testo del quesito
Database 1 biblioteca universitaria Testo del quesito Una biblioteca universitaria acquista testi didattici su indicazione dei professori e cura il prestito dei testi agli studenti. La biblioteca vuole
DettagliIl campionamento. Ulteriori vantaggi: economicità (costi e tempi limitati)
Il campionamento Il campionamento Insieme delle operazioni che consistono nella selezione, nelle intenzioni rappresentativa, degli appartenenti ad una popolazione, allo scopo di studiare una porzione della
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
DettagliPLIDA Progetto Lingua Italiana Dante Alighieri Certificazione di competenza in lingua italiana
PLIDA Progetto Lingua Italiana Dante Alighieri Certificazione di competenza in lingua italiana giugno 2011 PARLARE Livello MATERIALE PER L INTERVISTATORE 2 PLIDA Progetto Lingua Italiana Dante Alighieri
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
DettagliTutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...).
ESEMPIO DI QUERY SUL FILE Formario_minuscolo Tutte le interrogazioni possono essere condotte su qualsiasi campo della banca dati (ad esempio, Forma, Frequenza, Lunghezza, ecc...). Durante l interrogazione,
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliAnalisi dei Dati 12/13 Esercizi proposti 3 soluzioni
Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliMatrice Excel Calcolo rata con TASSO DI INTERESSE determinato dall'utente
Matrice Excel Calcolo rata con TASSO DI INTERESSE determinato dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro sufficiente
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
DettagliVINCERE AL BLACKJACK
VINCERE AL BLACKJACK Il BlackJack è un gioco di abilità e fortuna in cui il banco non può nulla, deve seguire incondizionatamente le regole del gioco. Il giocatore è invece posto continuamente di fronte
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliLe query di raggruppamento
Le query di raggruppamento Le "Query di raggruppamento" sono delle Query di selezione che fanno uso delle "Funzioni di aggregazione" come la Somma, il Conteggio, il Massimo, il Minimo o la Media, per visualizzare
DettagliAutismo e teoria della mente
Spiegare l autismo Università degli Studi di Milano Autismo e teoria della mente Sandro Zucchi All inizio degli anni 80, Baron-Cohen, Leslie e Frith hanno condotto un esperimento per determinare il meccanismo
DettagliA tal fine il presente documento si compone di tre distinte sezioni:
Guida on-line all adempimento Questa guida vuole essere un supporto per le pubbliche amministrazioni, nella compilazione e nella successiva pubblicazione dei dati riguardanti i dirigenti sui siti istituzionali
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliMODULO 5 Appunti ACCESS - Basi di dati
MODULO 5 Appunti ACCESS - Basi di dati Lezione 1 www.mondopcnet.com Modulo 5 basi di dati Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database.
Dettagli1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme.
Esercizi difficili sul calcolo delle probabilità. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di, fra di esse vi sia un solo asso, di qualunque seme. Le parole a caso
DettagliMatrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente
Matrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliManuale Helpdesk per utenti
Manuale Helpdesk per utenti Il giorno 1 Agosto 2009 partirà il nuovo sistema per l helpdesk on-line, ovvero uno strumento che permetterà agli utenti di sapere in ogni momento 1) quale tecnico CED ha in
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliGentile Dirigente Scolastico,
Gentile Dirigente Scolastico, grazie per aver aderito al progetto VALES, un progetto del Ministero della Pubblica Istruzione in collaborazione con l INVALSI. Come sa, l obiettivo del progetto VALES è quello
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliManuale di istruzioni sulle maschere per il calcolo del punteggio e del voto (unico) degli studenti che sostengono la Prova nazionale 2011
Manuale di istruzioni sulle maschere per il calcolo del punteggio e del voto (unico) degli studenti che sostengono la Prova nazionale 2011 (CLASSI NON CAMPIONE) Prova nazionale 2010 11 1 A.S. 2010 11 Pubblicato
DettagliRILANCIO ALLARMI SU SWC701
1 RILANCIO ALLARMI SU SWC701 Il rilancio allarmi è un gruppo di funzioni molto ampio, che consente di trasmettere automaticamente le informazioni riguardanti gli allarmi presi in carico dal computer centrale
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliEgregio Dirigente, INVALSI Villa Falconieri - Via Borromini, 5-00044 Frascati RM tel. 06 941851 - fax 06 94185215 www.invalsi.it - c.f.
Egregio Dirigente, Le scrivo per informarla che sono state avviate le procedure per la realizzazione della rilevazione degli apprendimenti degli studenti per l anno scolastico 2009/10 nell ambito del Servizio
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
Dettaglihttps://tfa.cineca.it Istruzioni per l uso
https://tfa.cineca.it Istruzioni per l uso Data Versione Descrizione Autore 30/04/2012 1.0 La procedura di preiscrizione per i TFA CINECA 03/05/2012 1.1 Aggiornamento della procedura. CINECA A partire
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliInteresse, sconto, ratei e risconti
TXT HTM PDF pdf P1 P2 P3 P4 293 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 293 129.1.1 Esercizio per il calcolo dell
Dettagli