Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi
|
|
- Viola Valeri
- 5 anni fa
- Visualizzazioni
Transcript
1 Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it LM 88 SOCIOLOGIA E RICERCA SOCIALE A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 1 / 20
2 Analisi della covarianza (ANCOVA) Variabile risposta continua Variabili esplicative continue e categoriche Esempio: Variabile risposta continua che dipende da una variabile esplicativa continua X e un fattore A con g livelli Esempio: Y = Punteggio a un test finalizzato a valutare le capacità cognitive di bambini tra 3 e 4 anni X = Quoziente intellettivo della madre A = Livello di istruzione della madre (Inferiore al diploma = 0; Almeno il diploma = 1) A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 2 / 20
3 Esempio: Punteggio al test Quoziente intellettivo della madre Punteggio al test Diploma Non Diploma A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 3 / 20
4 Esempio: Punteggio al test Ignorando il livello di instruzione della madre Punteggio al test Assenza di interazione Quoziente intellettivo della madre Con interazione Punteggio al test Diploma Non Diploma Punteggio al test Diploma Non Diploma Quoziente intellettivo della madre Quoziente intellettivo della madre A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 4 / 20
5 Il modello di analisi della covarianza senza interazione: Modello additivo Y i = β 0 + β 1 x i + β A 2 A i2 + + β A g A ig + ɛ i con ɛ i N(0, σ 2 ) indipendenti β 0 = Valore atteso di Y per x = 0 nella categoria di riferimento β 1 = Per unità appartenenti allo stesso gruppo (ossia fissato il valore del fattore), un incremento unitario di X comporta una variazione attesa in Y di β 1 βl A = Differenza attesa nelle medie di Y per unità appartenenti al gruppo l e unità appartenenti al gruppo di riferimento (gruppo 1) fissato il valore di X Valori attesi β 0 + β 1 x i se A i1 = 1 β E(Y i X i = x i, A il = 1) = 0 + β 1 x i + β2 A se A i2 = 1 β 0 + β 1 x i + βg A se A ig = 1 A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 5 / 20
6 Modello additivo Esempio: Punteggio al test Y i = β 0 + β 1 x i + β A 2 A i2 + ɛ i ɛ i N(0, σ 2 ) indipendenti A i2 = { 1 se la madre del bambino i ha almeno il diploma 0 Altrimeni β 0 = Punteggio medio al test per bambini la cui madre non ha il diploma e ha un quoziente intellettivo nullo β 1 = Per bambini la cui madre ha almeno il diploma (non ha il diploma), un incremento unitario nel quoziente intellettivo della madre implica una variazione attesa nel punteggio al test pari a β 1 β2 A = A parità di quoziente intellettivo delle madri, la differenza tra la media del punteggio dei bambini con madri almeno diplomate e la media del punteggio dei bambini con madri che non hanno il diploma è pari a β2 A Valori attesi E(Y i X i = x i, A i2 = 0) = β 0 + β 1 x i E(Y i X i = x i, A i2 = 1) = β 0 + β A 2 + β 1 x i A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 6 / 20
7 Modello additivo: Stime dei coefficienti β 0 = y 1 β 1 x 1 β A l = (y l y 1 ) β 1 (x l x 1 ) l = 2,..., g β 1 = g l=1 n l i=1 (y il y l ) (x il x l ) g l=1 n l i=1 (x il x l ) 2 A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 7 / 20
8 Modello additivo: Stime dei coefficienti Esempio: Punteggio al test Gruppo Madre senza diploma Madre con diploma n l x l y l n l i=1 (x il x l ) n l i=1 (y il y l ) (x il x l ) β 0 = y 1 β 1 x 1 = = β 2 A = (y 2 y 1 ) β 1 (x 2 x 1 ) = ( ) ( ) = β 1 = = g l=1 n l i=1 (y il y l ) (x il x l ) g l=1 n l i=1 (x = il x l ) = A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 8 / 20
9 Modello additivo Esempio: Punteggio al test Stima Errore standard t value p value Costante QI madre Istruzione madre è il punteggio medio al test per bambini la cui madre non ha il diploma e ha un quoziente intellettivo nullo Per bambini la cui madre ha almeno il diploma (non ha il diploma), un incremento unitario nel quoziente intellettivo della madre implica una variazione attesa nel punteggio al test pari a punti La media del punteggio dei bambini con madri almeno diplomate è maggiore della media del punteggio dei bambini con madri che non hanno il diploma di punti, controllando per il quoziente intellettivo delle madri (per ogni valore fissato quoziente intellettivo delle madri) A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 9 / 20
10 Il modello di analisi della covarianza con interazione Y i = β 0 + β 1 x i + β2 A A i2 + + βg A A ig + β2 AX A i2 x i + + βg AX A ig x i + ɛ i con ɛ i N(0, σ 2 ) indipendenti β 0 = Valore atteso di Y per x = 0 nel gruppo di riferimento β 1 = variazione attesa in Y per un incremento unitario di X per unità appartenenti al gruppo di riferimento (gruppo 1) βl A = differenza tra intercette: differenza attesa nelle medie di Y per unità appartenenti al gruppo l e unità appartenenti al gruppo di riferimento (gruppo 1) fissato il valore di X uguale a zero βl AX = differenza nelle pendenze: differenza tra l effetto di X nel gruppo l e l effetto di X nel gruppo di riferimento (gruppo 1) Valori attesi β 0 + β 1 x i se A i1 = 1 β E(Y i X i = x i, A il = 1) = 0 + β2 A + (β 1 + β2 AX ) x i se A i2 = 1 β 0 + βg A + (β 1 + βg AX ) x i se A ig = 1 A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 10 / 20
11 Modello con interazione Esempio: Punteggio al test Y i = β 0 + β 1 x i + β A 2 A i2 + β AX 2 A i2 x i + ɛ i con ɛ N(0, σ 2 ) indipendenti Stima Errore standard t value p value Costante QI madre Istruzione madre Interazione = punteggio medio al test per bambini la cui madre non ha il diploma e ha un QI nullo (non ha molto senso) Per bambini la cui madre non ha il diploma, un incremento unitario nel QI della madre implica una variazione attesa nel punteggio al test pari a punti Per bambini la cui madre ha un quoziente intellettivo pari a zero, la media del punteggio dei bambini con madri almeno diplomate è maggiore della media del punteggio dei bambini con madri che non hanno il diploma di punti Il coefficiente di interazione indica la differenza nelle pendenze tra bambini con madre diplomata e bambini con madre non diplomata Per bambini la cui madre ha almeno il diploma, un incremento unitario nel QI della madre implica una variazione attesa nel punteggio al test pari a = punti A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 11 / 20
12 Modello con interazione Esempio: Punteggio al test Y i = β 0 + β 1 (x i x) + β A 2 A i2 + β AX 2 A i2 (x i x) + ɛ i ɛ i N(0, σ 2 ) indipendenti Stima Errore standard t value p value Costante QI madre QI Istruzione madre Interazione = punteggio medio al test per bambini la cui madre non ha il diploma e ha un QI uguale alla media (QI = 100) Per bambini la cui madre non ha il diploma, un incremento unitario nel QI della madre implica una variazione attesa nel punteggio al test pari a punti Per bambini la cui madre ha un quoziente intellettivo pari alla media del QI nel campione, la media del punteggio dei bambini con madri almeno diplomate è maggiore della media del punteggio dei bambini con madri che non hanno il diploma di punti Il coefficiente di interazione indica la differenza nelle pendenze tra bambini con madre diplomata e bambini con madre non diplomata Per bambini la cui madre ha almeno il diploma, un incremento unitario nel QI della madre implica una variazione attesa nel punteggio al test pari a = punti A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 12 / 20
13 Valutare la significatività dell interazione Modello esteso: Y i = β 0 + β 1 x i + β2 A A i2 + + βg A A ig + β2 AX A i2 x i + + βg AX A ig x i + ɛ i Modello ridotto: con ɛ i N(0, σ 2 ) indipendenti versus Y i = β 0 + β 1 x i + β A 2 A i2 + + β A g A ig + ɛ i H 0 β AX 2 = = β AX g = 0 versus H a Almeno un uguaglianza in H 0 è falsa A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 13 / 20
14 Valutare la significatività dell interazione Valori teorici ŷ ie = β 0 + β 1 x i + β A 2 A i2 + + β A g A ig + ŷ ir = β 0 + β 1 x i + β A 2 A i2 + + β A g A ig Somma dei quadrati degli errori β AX 2 A i2 x i + + AX β g A ig x i Modello Esteso Modello Ridotto SSE e = n (y i ŷ ie ) 2 i=1 gdl e = n 1 1 (g 1) (g 1) = n g g SSE r = n (y i ŷ ir ) 2 i=1 gdl r = n 1 1 (g 1) = n 1 g A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 14 / 20
15 Valutare la significatività dell interazione Statistica Test F = (SSE r SSE e )/(gdl r gdl e ) SSE e /gdl e = (R2 e R 2 r )/(gdl r gdl e ) (1 R 2 e )/gdl e = (SSE r SSE e )/(g 1) SSE e /(n 2 g) = (R2 e R 2 r )/(g 1) (1 R 2 e )/(n 2 g) dove gdl r gdl e = g 1 numero di termini aggiuntivi presenti nel modello esteso Sotto l ipotesi nulla F F g 1,n 2 g Regione di rifiuto al livello di significatività α: RC α F f g 1,n 2 g (α) p value = Pr(F g 1,n 2 g F oss ) A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 15 / 20
16 Valutare la significatività dell interazione Esempio: Punteggio al test H 0 β AX 2 = 0 versus H a β AX 2 0 Tavola ANOVA modello esteso (modello con interazione) Fonte di Somma dei Media dei Statistica Variabilità quadrati GdL quadrati F p value Regressione Residua Totale R 2 = Tavola ANOVA modello ridotto (modello senza interazione) Fonte di Somma dei Media dei Statistica Variabilità quadrati GdL quadrati F p value Regressione Residua Totale R 2 = A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 16 / 20
17 Valutare la significatività dell interazione Esempio: Punteggio al test Statistica test F oss = = ( ) = / = ( )/430 = /430 = 8.91 Si noti che F oss = (T oss (β AX 2 )) 2 = ( 2.99) 2 dato che l interazione è caratterizzata da un unico parametro (essendo la variabile categorica binaria) Regione critica di livello di significatività α = 0.05 p value Evidenza contro l ipotesi nulla RC 0.05 F f 1,430 (0.05) = p value = Pr(F 1, ) = A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 17 / 20
18 Modelli Esempio: Punteggio al test Modello con interazione: Y i = β 0 + β 1 x i + β A 2 A i2 + β AX 2 A i2 x i + ɛ i SQ GdL MQ F value p value Regressione Residua R 2 = Modello additivo: Y i = β 0 + β 1 x i + β A 2 A i2 + ɛ i SQ GdL MQ F value p value Regressione Residua R 2 = Modello con solo il predittore continuo: Y i = β 0 + β 1 x i + ɛ i SQ GdL MQ F value p value Regressione Residua R 2 = Modello con solo il predittore categorico: Y i = β 0 + β A 2 A i2 + ɛ i SQ GdL MQ F value p value Regressione Residua R 2 = Modello nullo: Y i = β 0 + ɛ i (SSE = TSS = con 433 gdl (TMS = 416.6)) A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 18 / 20
19 Modelli a confronto - Esempio: Punteggio al test Modello SSE GdL F value p value Modello con interazione (Modello esteso) Modello additivo: H 0 β2 AX = Solo X = QI madre: H 0 β2 A = 0 e βax 2 = Solo A = Istruzione madre: H 0 β 1 = 0 e β2 AX = Modello nullo: H 0 β 1 = β2 A = βax 2 = A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 19 / 20
20 Modelli a confronto - Esempio: Punteggio al test Modello SSE GdL F value p value Modello senza interazione (Modello esteso) Solo X = QI madre: H 0 β2 A = Solo A = Istruzione madre: H 0 β 1 = Modello nullo: H 0 β 1 = β2 A = A. Mattei (Università di Firenze) Metodi statistici per la ricerca sociale 20 / 20
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliMetodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza (ANOVA)
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza (ANOVA) Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli
DettagliMetodi Statistici per la Ricerca Sociale: Formulario
Metodi Statistici per la Ricerca Sociale: Formulario Attenzione. Il Formulario contiene una selezione delle formule. Le formule non riportate sono supposte note Associazione tra variabili categoriche Misure
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza. Esercitazione
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliMetodi statistici per la ricerca sociale Capitolo 15. Regressione logistica: modellare variabili risposta categoriali
Metodi statistici per la ricerca sociale Capitolo 15. Regressione logistica: modellare variabili risposta categoriali Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
DettagliRegressione & Correlazione
Regressione & Correlazione Monia Ranalli Ranalli M. Dipendenza Settimana # 4 1 / 20 Sommario Regressione Modello di regressione lineare senplice Stima dei parametri Adattamento del modello ai dati Correlazione
DettagliMetodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione
Metodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi
DettagliLM 88 SOCIOLOGIA E RICERCA SOCIALE. Metodi Statistici per la Ricerca Sociale. Regressione lineare e correlazione
LM 88 SOCIOLOGIA E RICERCA SOCIALE Metodi Statistici per la Ricerca Sociale Regressione lineare e correlazione 1. Su un campione di individui sono rilevati i caratteri X (peso in Kg) e Y (altezza in cm),
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliLa regressione lineare semplice
La regressione lineare semplice Il modello di regressione lineare semplice - 1 y = β 0 + βx + ε 10 8 Una retta nel piano Variabile Y 6 4 2 0 0 1 2 3 4 Variabile X 1 Il modello di regressione lineare semplice
DettagliCorrelazione e regressione
Correlazione e regressione Correlazione 1 Come posso determinare il legame tra due o più variabili? Correlazione COEFFICIENTE DI CORRELAZIONE (r di Pearson) massimo consumo di ossigeno e prestazione nelle
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
Dettagli1. variabili dicotomiche: 2 sole categorie A e B
Variabile X su scala qualitativa (due categorie) modello di regressione: variabili quantitative misurate almeno su scala intervallo (meglio se Y è di questo tipo e preferibilmente anche le X i ) variabili
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliSTATISTICA. Regressione-4 ovvero Macron!
STATISTICA Regressione-4 ovvero Macron! Eravamo partiti da qui Stipendio medio orario 2013 Voto per Le Pen Stipendio medio orario (2013) [11,12) [12,13) [13,14) [14,15) [15,23] Eravamo partiti da qui Stipendio
DettagliEsercitazione 5 Sta/s/ca Aziendale
Esercitazione 5 Sta/s/ca Aziendale David Aristei 12 maggio 2015 Si è interessa/ ad analizzare le determinan/ a livello aziendale della produ>vità del lavoro (PL, in migliaia di euro per dipendente) di
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliStatistica economica
Statistica economica a.a. 013/14 Dr. Luca Secondi 10.a. Output tipico di un modello di regressione lineare multipla 1 Le analisi basate sul modello di regressione prevedono la stima dei coefficienti associati
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica
Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma.it Regressione Esercizio. Siano dati i seguenti valori per le due variabili X ed Y: 4 5 3 5 3 3 Con riferimento al modello
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliRegressione multipla
Regressione multipla L obiettivo è costruire un modello probabilistico per spiegare la variabile y tramite più di una variabile indipendente x 1, x 2,..., x k. Esempio: Per un efficiente progettazione
DettagliCorsi di Laurea in Scienze Biologiche Prova scritta di Informatica e Statistica Generale (A). 05/07/2006
Corsi di Laurea in Scienze Biologiche Prova scritta di Informatica e Statistica Generale (A). 0/07/006 COGNOME NOME MATRICOLA.) Sia {x, x,..., x n } IR una popolazione statistica numerica relativa ad una
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.12 - Test statistico Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona IPOTESI SCIENTIFICA Affermazione che si può sottoporre a verifica
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliCorrelazione e regressione
Correlazione e regressione Il termine associazione è largamente usato nella letteratura scientifica ed esprime la relazione che esiste tra due variabili Per studiare l associazione tra due variabili bisogna
DettagliUniversità di Pavia Econometria Esercizi 4 Soluzioni
Università di Pavia Econometria 2008-2009 Esercizi 4 Soluzioni Maggio, 2009 Istruzioni: I commenti devono essere concisi! 1. Dato il modello di regressione lineare, con K regressori con E(ɛ) = 0 e E(ɛɛ
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliMetodi Statistici per il Management
Metodi Statistici per il Management Statistica Multivariata I Simone Borra - Roberto Rocci Introduzione e obiettivi La statistica multivariata si occupa di analizzare e studiare in modo simultaneo un set
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 35 Il modello di regressione
DettagliFasi del modello di regressione
Fasi del modello di regressione Specificazione del modello: scelta del tipo di funzione da utilizzare per descrivere un fenomeno; definizione delle ipotesi di base Stima dei parametri: uso di stimatori
DettagliProva scritta di Complementi di Probabilità e Statistica 19 Luglio 2005 (consegnare solo il file word)
Prova scritta di Complementi di Probabilità e Statistica 19 Luglio 2 (consegnare solo il file word) La tabella si riferisce alla lunghezze di 4 sbarre di acciaio ottenute per taglio manuale con l ausilio
DettagliESERCITAZIONE REGRESSIONE MULTIPLA
ESERCITAZIONE REGRESSIONE MULTIPLA Dati delle Nazioni Unite del 2005 riferiti, per diverse nazioni, al tasso di feconditá (bambini per donna) (variabile Fert), alla percentuale di donne che usa contraccettivi
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
DettagliLezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti
Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliModelli a effetti misti
Probabilità e Statistica per l analisi di dati sperimentali Modelli a effetti misti Sviluppo e gestione di Data Center per il calcolo scientifico ad alte prestazioni Master Progetto PRISMA, UniBA/INFN
DettagliVARIETÀ. zona geografica A B C D
Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliSTIMA DELLA PIENA INDICE
STIMA DELLA PIENA INDICE STIMA LOCALE - Anche se basata su un numero molto limitato di osservazioni (5-6) STIMA REGIONALE 1) Metodi basati su regressioni rispetto a parametri morfo-climatici 2) Metodi
DettagliAnalisi della Regressione Lineare
Analisi della Regressione Lineare Master in Tecnologie Bioinformatiche 29/09/06 Adriano Decarli 1 29/09/06 Adriano Decarli 2 29/09/06 Adriano Decarli 3 29/09/06 Adriano Decarli 4 29/09/06 Adriano Decarli
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Nozioni di base M Q Marco Perugini Milano-Bicocca 1 I COMUNICAZIONE MERCOLEDI 11 NOVEMBRE NON CI SARA LEZIONE DI MQ Concetti base Con l analisi di regressione
DettagliMODELLO DI REGRESSIONE LINEARE. le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza,
MODELLO DI REGRESSIONE LINEARE le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza, teorema di Gauss-Markov, verifica di ipotesi e test di
DettagliESERCIZIO 1. Biondi Castani Rossi Neri TOTALE
ESERCIZIO 1 La seguente tabella riporta la ripartizione di un campione di 374 abitanti della nazione RAINBOW in base al colore dei capelli e al genere: GENERE Femminile Maschile TOTALE COLORE DEI CAPELLI
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
DettagliRestrizioni lineari nel MRLM: esempi
Restrizioni lineari nel MRLM: esempi Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Restrizioni lineari: esempi Econometria - 2013 1 / 22 Funzione di produzione Cobb-Douglas Esempio GDP
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
DettagliLezione 18. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 18. A. Iodice
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 45 Outline 1 2 3 4 5 () Statistica 2 / 45 Modello di In molte applicazioni il ruolo delle variabili
DettagliStima dei parametri di modelli lineari
Stima dei parametri di modelli lineari Indice Introduzione................................ 1 Il caso studio................................ 2 Stima dei parametri............................ 3 Bontà delle
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
DettagliIl metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
Dettaglilezione 6 AA Paolo Brunori
AA 2016-2017 Paolo Brunori consumo di tabacco in Turchia 1960-1988 fonte: Tansel, 1993, pubblicato su Applied Economics consumo di tabacco in Turchia fra il 1960 al 1988 year = anno Q = quantità pro capite
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S Borra, A Di Ciaccio - McGraw Hill Es 6 Soluzione degli esercizi del capitolo 6 In base agli arrotondamenti effettuati nei calcoli, si possono
DettagliMetodi statistici per la ricerca sociale
Metodi statistici per la ricerca sociale Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it LM 88 SOCIOLOGIA E RICERCA
DettagliSTIMA DELLA PIENA INDICE
STIMA DELLA PIENA INDICE 1) Metodi a base geomorfoclimatica (es. Formula razionale) 2) Metodi basati su regressioni rispetto a parametri morfo-climatici 1 Valutazione della piena media Formula razionale
DettagliLa regressione lineare multipla
13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliStatistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliLivello di esposizione. animale Basso Moderato Alto
Esercizio -Esempio 1 (anova 2 vie con blocchi) I tassi respiratori (ispirazioni al minuto) sono stati misurati in otto animali usati per un esperimento, con tre livelli di esposizione al monossido di carbonio.
DettagliSoluzioni prova scritta di Complementi di Probabilità e Statistica (29/06)
Soluzioni prova scritta di Complementi di Probabilità e Statistica (29/6). (a) Per costruire il box plot, vengono determinati minimo=,, massimo=,97, mediana=,455, I quartile=,3375 e III quartile=,745 dei
DettagliAnalisi di Regressione Multivariata. β matrice incognita dei coeff. di regressione (regr. lineare in β)
Analisi di Regressione Multivariata Regressione: metodologia per dedurre info e per anticipare risposte di una variabile dip. Modello classico di regressione lineare: Y {z} n k = {z} X β + ρ {z} {z} n
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliESERCITAZIONI N. 3 corso di statistica
ESERCITAZIONI N 3corso di statistica p 1/18 ESERCITAZIONI N 3 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONI N 3corso di statistica p 2/18 Introduzione Decomposizione della devianza
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 1.5 Correlazione e causazione Davide Massidda davide.massidda@gmail.com Metodi simmetrici vs asimmetrici Relazioni tra variabili Nei metodi di studio
DettagliTECNICHE DI ANALISI DEI DATI
TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
Dettagli