STATISTICA. Tabelle di contingenza test di indipendenza test di buon adattamento
|
|
- Giuliano Monti
- 5 anni fa
- Visualizzazioni
Transcript
1 STATISTICA Tabelle di contingenza test di indipendenza test di buon adattamento
2 Tabelle di contingenza
3 Tabelle di contingenza Statistica-1c
4 Tabelle di contingenza tabella a doppia entrata, Y TOT distribuz. marginale di (somma nelle colonne) X distribuzione congiunta TOT distribuz. marginale di (somma nelle righe)
5 Le tabelle di contingenza Vogliamo vedere se la credenza nell aldilà è ugualmente diffusa tra uomini e donne. Selezioniamo un campione casuale di soggetti che classifichiamo nelle 2 2 caselle, rispetto alle due variabili:
6 Le tabelle di contingenza Vogliamo vedere se la credenza nell aldilà è ugualmente diffusa tra uomini e donne. Selezioniamo un campione casuale di soggetti che classifichiamo nelle 2 2 caselle, rispetto alle due variabili: la credenza è indipendente dal genere
7 Le tabelle di contingenza Vogliamo vedere se la credenza nell aldilà è ugualmente diffusa tra uomini e donne. Selezioniamo un campione casuale di soggetti che classifichiamo nelle 2 2 caselle, rispetto alle due variabili: Credenza nell aldilà Sesso Sì No Femmina Maschio (Agresti. p. 21) Se la proporzione di credenti è la stessa nei due generi, allora possiamo dire che non c è associazione con il genere.
8 Le tabelle di contingenza Vogliamo vedere se la credenza nell aldilà è ugualmente diffusa tra uomini e donne. Selezioniamo un campione casuale di soggetti che classifichiamo nelle 2 2 caselle, rispetto alle due variabili: Credenza nell aldilà Sesso Sì No Femmina Maschio = = Se la proporzione di credenti è la stessa nei due generi, allora possiamo dire che non c è associazione con il genere. probabilità condizionate di essere credente sono le stesse h = ( )
9 Confronto di proporzioni variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina Maschio ipotesi sulla distribuzione dei dati campionamento multinomiale
10 Confronto di proporzioni variabile risposta variabile esplicativa Credenza nell aldilà Sesso Sì No Femmina Maschio ipotesi sulla distribuzione dei dati campionamento multinomiale Credenza nell aldilà Sesso Sì No Femmina = Maschio = campionamenti binomiali indipendenti test di cfr di prop. = non posso rifiutare l ip. nulla di uguali proporzioni
11 Confronto di proporzioni variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina Maschio ipotesi sulla distribuzione dei dati campionamento multinomiale Credenza nell aldilà Sesso Sì No Femmina = Maschio = campionamenti binomiali indipendenti test di cfr di prop. IC asint = ( 0.026, 0.068)
12 Confronto di proporzioni variabile esplicativa variabile risposta Infarto miocardico Gruppo Sì No Placebo Aspirina Infarto miocardico Gruppo Sì No Placebo Aspirina (Agresti. p. 27) (Statistica-5c p. 9) stabilito in anticipo = ; rischio relativo 2! IC asint. (95%): ( , ) > cioè l aspirina sembra diminuire il rischio di infarto miocardico.
13 Rischio relativo Infarto miocardico rischio relativo Gruppo Sì No Placebo Aspirina = 1.82 IC asint. (1- )%: ( , ) ( , ) (exp)
14 Rischio relativo Infarto miocardico rischio relativo Gruppo Sì No Placebo Aspirina = 1.82 IC asint. (1- )%: ( , ) ( , ) (exp) quale più informativo? = ; IC asint. (95%): ( , )
15 Rischio relativo Infarto miocardico rischio relativo Gruppo Sì No Placebo Aspirina = 1.82 IC asint. (1- )%: ( , ) ( , ) (exp) quale più informativo? = ; IC asint. (95%): ( , ) = e = 0.41 = = 1.02;
16 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = indicatore di indipendenza ODDS RATIO (1 ) (1 ) odds di successo in F = = odds di successo in M
17 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = indicatore di indipendenza ODDS RATIO (1 ) (1 ) odds di successo in F = = odds di successo in M
18 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = indicatore di indipendenza ODDS RATIO (1 ) (1 ) odds di successo in F = = indicatore di indipendenza odds di successo in M = odds odds + 1 > 1 >
19 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = 1.03 (1 ) (1 ) 1 indicatore di indipendenza = 1.14
20 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = 1.03 (1 ) (1 ) 1 indicatore di indipendenza = 1.14 Infarto miocardico Gruppo Sì No Placebo Aspirina = 1.82 (1 ) (1 ) 1 indicatore di dipendenza = 1.83
21 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = 1.03 (1 ) (1 ) 1 indicatore di indipendenza = 1.14 Infarto miocardico Gruppo Sì No Placebo Aspirina = 1.82 (1 ) (1 ) 1 indicatore di dipendenza = 1.83 (1 ) (1 ) = 1 1 per entrambi vicini a 0 (1 ) (1 )
22 Rischi relativo e odds ratio variabile esplicativa variabile risposta Credenza nell aldilà Sesso Sì No Femmina = Maschio = = 1.03 (1 ) (1 ) 1 indicatore di indipendenza = 1.14 (regola del pollice) 1 Infarto miocardico = 1.82 Gruppo Sì No Hosmer & Lemeshow Applied Placebo Logistic Regression (1 ) Aspirina = 1.83 P(successo) (1 ) 0.10 indicatore di dipendenza (1 ) (1 ) = 1 1 per entrambi vicini a 0 (1 ) (1 )
23 Odds ratio variabile risposta variabile esplicativa Infarto miocardico Gruppo Sì No Placebo Aspirina = 1.82 OR= 1.83 Gruppo IM Placebo Aspirina Sì 189/293= / No /21778=0.498 /21778 = = 1.29 OR= 1.83 OR tratta in modo simmetrico la variabile risposta e quella esplicativa. Indifferente al condizionamento.
24 Odds ratio variabile risposta variabile esplicativa Infarto miocardico Gruppo Sì No Placebo Aspirina = 1.82 OR= 1.83 Gruppo IM Placebo Aspirina Sì 189/293= / No /21778=0.498 /21778 = 1.29 OR= 1.83 OR tratta in modo simmetrico la variabile risposta e quella esplicativa. Indifferente al condizionamento. OR=
25 variabile risposta Odds ratio: caso-controllo Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) variabile esplicativa studio retrospettivo Ogni caso (262 donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate.
26 variabile risposta Odds ratio: caso-controllo Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) variabile esplicativa le 262x3 u.s. non si distribuiscono casualmente nelle 4 caselle. Ogni caso (262 donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate = 1 3 non è una stima della frazione di infartuati nella popolazione = 0.5 non è la prob. che a una donna venga l infarto sapendo che fuma.
27 variabile risposta Odds ratio: caso-controllo Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) variabile esplicativa non è calcolabile le 262x3 u.s. non si distribuiscono casualmente nelle 4 caselle. Ogni caso (262 donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate = 1 3 non è una stima della frazione di infartuati nella popolazione = 0.5 non è la prob. che a una donna venga l infarto sapendo che fuma.
28 variabile risposta Odds ratio: caso-controllo Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) (1 ) = (1 ) variabile esplicativa le 262x3 u.s. non si distribuiscono casualmente nelle 4 caselle. non è calcolabile / = = = Ogni caso (262 donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate = 1 3 =. non è una stima della frazione di infartuati nella popolazione = 0.5 non è la prob. che a una donna venga l infarto sapendo che fuma.
29 variabile risposta Odds ratio: caso-controllo Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) (1 ) = (1 ) variabile esplicativa le 262x3 u.s. non si distribuiscono casualmente nelle 4 caselle. non è calcolabile / = = = Ogni caso (262 donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate = 1 3 =. non è una stima della frazione di infartuati nella popolazione = 0.5 non è la prob. che a una donna venga l infarto sapendo che fuma.
30 Odds ratio: caso-controllo variabile esplicativa variabile risposta Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) Ogni caso (donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate (campionamenti binomiali dipendenti). siccome la probabilità che donne non anziane abbiano IM dovrebbe essere piccola indipendentemente dallo stato di fumatore (1 ) (1 ) = = 3.82
31 Odds ratio: caso-controllo variabile esplicativa variabile risposta Gruppo IM Controllo Fumatore Non fumatore (Agresti. p. 26) Ogni caso (donne di età<69 ricoverate presso unità di cura coronarica in Nord Italia con IM acuto tra il ) accoppiato con 2 controlli (pazienti ricoverati agli stessi ospedali per altri disordini acuti) marginali di colonna fissate (campionamenti binomiali dipendenti). siccome la probabilità che donne non anziane abbiano IM dovrebbe essere piccola indipendentemente dallo stato di fumatore (1 ) (1 ) = = 3.82 si stima che donne che sono state/sono fumatrici abbiano probabilità di IM pari a circa 4 volte la probabilità di quelle che non han mai fumato.
32 Facciamo un salto in Infarto miocardico Gruppo Sì No Placebo Aspirina = ; > prop.test() 2-sample test for equality of proportions with continuity correction data: z X-squared = , df = 1, p-value = 7.71e-07 alternative hypothesis: two.sided 95 percent confidence interval: di sample estimates: prop 1 prop Script4b.R
33 Le tabelle di contingenza X Lieve o assente Moderato Y Grave Molto Grave TOT TOT
34 Le tabelle di contingenza Vogliamo vedere se la credenza nell aldilà è ugualmente diffusa tra uomini e donne. Selezioniamo un campione casuale di soggetti che classifichiamo nelle 2 2 caselle, rispetto alle due variabili: Credenza nell aldilà Sesso Sì No Femmina Maschio = = Se la proporzione di credenti è la stessa nei due generi, allora possiamo dire che non c è associazione con il genere. probabilità condizionate di essere credente sono le stesse l unico modo per assicurarsi prob. condizionate tutte uguali è quello corrispondente all indipendenza delle variabili
35 Ripassino veloce Gli eventi A e B sono indipendenti se = ( ) Le variabili casuali X e Y, discrete o categoriche, sono indipendenti se = = = = ( = ) per qualunque coppia di valori (, )
36 Le tabelle di contingenza Credenza nell aldilà Sesso Sì No Femmina Maschio =1127 ferme restando le distribuzioni marginali, quale valore dovrei avere al posto di 509 nell ipotesi di indipendenza? Consideriamo la prima cella: un individuo scelto a caso nel campione può finire (1) o meno (0) nella cella:,, i.i.d. ~ ( ì ). Il numero atteso di individui nella prima cella è = = Sì = ì = = ~ (, ì ) se c è indipendenza.
37 Le tabelle di contingenza Credenza nell aldilà Sesso Sì No Femmina Maschio =1127 ferme restando le distribuzioni marginali, quale valore dovrei avere al posto di 509 nell ipotesi di indipendenza? = = Sì = ì = = frequenze attese o teoriche nell ipotesi di indipendenza = =
38 L indice del chi-quadrato frequenze osservate Credenza nell aldilà Sesso Sì No Femmina Maschio =1127 frequenze attese sotto indip. Credenza nell aldilà Sesso Sì No Femmina Maschio =1127
39 L indice del chi-quadrato frequenze osservate Credenza nell aldilà Sesso Sì No Femmina Maschio =1127 = frequenze attese sotto indip. Credenza nell aldilà Sesso Sì No Femmina Maschio =1127
40 L indice del chi-quadrato frequenze osservate Credenza nell aldilà Sesso Sì No Femmina Maschio =1127 = 0 indica assenza totale di associazione, o indipendenza = frequenze attese sotto indip. Credenza nell aldilà Sesso Sì No Femmina Maschio =1127
41 L indice del chi-quadrato Perfetta interdipendenza tra le due variabili Credenza aldilà Sesso Sì No Femmina Maschio Perfetta dipendenza della Credenza dal Gruppo. Credenza aldilà Gruppo Sì No F adulta M adulto Bambino 807 0
42 L indice del chi-quadrato Indicazione di dipendenza tra le due variabili Tipo di vacanza N. figli Estero Mare Montagna
43 L indice del chi-quadrato = (, ) = min ( 1, 1) 0 1 = = =, indipendenza =
44 Il del chi-quadrato Sotto l ipotesi di indipendenza tra le due variabili: ~ ( 1)( 1) Rifiuto a livello di significatività se l indice è superiore al quantile ; 5 test asintotico, non-parametrico!
45 Il del chi-quadrato Sotto l ipotesi di indipendenza tra le due variabili: ~ ( 1)( 1) Rifiuto a livello di significatività se l indice è superiore al quantile ; 5 Prendiamo i dati della nostra patologia e identifichiamo le coppie di variabili per cui è interessante testare l indipendenza. test asintotico, non-parametrico!
46 Il del chi-quadrato con R > chisq.test(x) Pearson's Chi-squared test with Yates' continuity correction data: x X-squared = , df = 1, p-value = Warning message: In chisq.test(x) : L'approssimazione al Chi-quadrato potrebbe essere inesatta a logical indicating whether to apply continuity correction when computing the test statistic for 2 by 2 tables: one half is subtracted from all O - E differences; however. the correction will not be bigger than the differences themselves. No correction is done if simulate.p.value = TRUE.
47 Il del chi-quadrato con R > chisq.test(x) Pearson's Chi-squared test with Yates' continuity correction data: x X-squared = , df = 1, p-value = Warning message: In chisq.test(x) : L'approssimazione al Chi-quadrato potrebbe essere inesatta > chisq.test(x, correct=f) Pearson's Chi-squared test data: x X-squared = , df = 1, p-value = Warning message: In chisq.test(x, correct = F) : L'approssimazione al Chi-quadrato potrebbe essere inesatta a logical indicating whether to apply continuity correction when computing the test statistic for 2 by 2 tables: one half is subtracted from all O - E differences; however. the correction will not be bigger than the differences themselves. No correction is done if simulate.p.value = TRUE.
48 Il del chi-quadrato con R > chisq.test(x) Pearson's Chi-squared test with Yates' continuity correction data: x X-squared = , df = 1, p-value = Warning message: In chisq.test(x) : L'approssimazione al Chi-quadrato potrebbe essere inesatta > chisq.test(x, correct=f) Pearson's Chi-squared test data: x X-squared = , df = 1, p-value = Warning message: In > chisq.test(x, correct simulate.p.value = F) : = TRUE) L'approssimazione Pearson's Chi-squared al Chi-quadrato test with simulated potrebbe p-value essere (based inesatta on 2000 replicates) data: x X-squared = , df = NA, p-value = a logical indicating whether to apply continuity correction when computing the test statistic for 2 by 2 tables: one half is subtracted from all O - E differences; however. the correction will not be bigger than the differences themselves. No correction is done if simulate.p.value = TRUE.
49 Il del chi-quadrato con R > chisq.test(x) Pearson's Chi-squared test with Yates' continuity correction data: x X-squared = , df = 1, p-value = Warning message: In chisq.test(x) : L'approssimazione al Chi-quadrato potrebbe essere inesatta > chisq.test(x, correct=f) Pearson's Chi-squared test a logical indicating whether to apply continuity correction when computing the test statistic for 2 by 2 tables: one half is subtracted from all O - E differences; however. the correction will not be bigger than the differences themselves. No correction is done if simulate.p.value = TRUE. data: x X-squared = , df = 1, p-value = Warning message: In > chisq.test(x, correct simulate.p.value = F) : = TRUE) L'approssimazione Pearson's Chi-squared al Chi-quadrato test with simulated potrebbe p-value essere (based inesatta on 2000 replicates) > fisher.test(x) data: x X-squared = , df = NA, p-value =
50 Il del chi-quadrato con R La nostra patologia: associazione tra patologia (0/1) e genere/x2c Patologia Sesso Sì No F M > fisher.test(x) > chisq.test(x, simulate.p.value =TRUE,B=500000) oppure: associazione tra gravità della patologia (0-3) e genere Patologia Sesso F M
51 Il del chi-quadrato con R ( ),,,,. Se si rifiuta l ipotesi di indipendenza, è interessante capire il perchè. Gravità della patologia X2c residui > test1$residuals [0] [1]
52 Il del chi-quadrato con R ( ),,,, 1 1. residui standardizzati sotto sono asint. gauss. std. Se si rifiuta l ipotesi di indipendenza, è interessante capire il perchè. Gravità della patologia X2c > test1$stdres [0] [1]
53 Il del chi-quadrato con R ( ),,,, 1 1. residui standardizzati sotto sono asint. gauss. std. Se si rifiuta l ipotesi di indipendenza, è interessante capire il perchè. Gravità della patologia X2c > test1$stdres [0] [1]
54 Esempio Obstructive sleep apnea (OSA) is a common condition in which there are intermittent partial (viz., hypopneas) and complete (viz., apnea) limitations in airflow, with associated hypoxia and sympathetic arousals, during sleep. Because polysomnography, the standard test for diagnosing OSA, is expensive and time-consuming, questionnaires have been developed to identify persons with OSA. The Berlin questionnaire (BQ) reliably identifies middle-aged and older persons in the community who are at high-risk for OSA.
55 Esempio Obstructive sleep apnea (OSA) is a common condition in which there are intermittent partial (viz., hypopneas) and complete (viz., apnea) limitations in airflow, with associated hypoxia and sympathetic arousals, during sleep. Because polysomnography, the standard test for diagnosing OSA, is expensive and time-consuming, questionnaires have been developed to identify persons with OSA. The Berlin questionnaire (BQ) reliably identifies middle-aged and older persons in the community who are at high-risk for OSA. Studio retrospettivo su una popolazione italiana: OSA Non OSA Marginale BQ BQ=low risk BQ=high risk Marginale OSA
56 Esempio Obstructive sleep apnea (OSA) is a common condition in which there are intermittent partial (viz., hypopneas) and complete (viz., apnea) limitations in airflow, with associated hypoxia and sympathetic arousals, during sleep. Because polysomnography, the standard test for diagnosing OSA, is expensive and time-consuming, questionnaires have been developed to identify persons with OSA. The Berlin questionnaire (BQ) reliably identifies middle-aged and older persons in the community who are at high-risk for OSA. Studio retrospettivo su una popolazione italiana: OSA Non OSA Marginale BQ BQ=low risk BQ=high risk Marginale OSA = 0.044, = 0.83!
57 Esempio Obstructive sleep apnea (OSA) is a common condition in which there are intermittent partial (viz., hypopneas) and complete (viz., apnea) limitations in airflow, INDIPENDENZA with associated hypoxia and sympathetic arousals, during praticamente sleep. Because polysomnography, the standard test for diagnosing OSA, perfetta!!! is expensive and time-consuming, questionnaires have been developed to identify persons with OSA. The Berlin questionnaire (BQ) reliably identifies middle-aged and older persons in the community who are at high-risk for OSA. Studio retrospettivo su una popolazione italiana: OSA Non OSA Marginale BQ BQ=low risk 79 / / BQ=high risk 73 / / Marginale OSA = 0.044, = 0.83!
58 Test d indipendenza variabile esplicativa ordinale variabile dipendente ordinale OSA X1c Ind1 Ind1> Tot. % > Il test del tratta tutte le variabili come nominali e non permette di vedere trend. Si può fare un test basato su una correlazione tra gli scores dei dati: v. Agresti (p. 34). R-package coin
59 Digressione 7815 Packages cran.r-project.org/web/packages
60 Digressione manuale e, talvolta, tutorial
61 Digressione Install package(s) from local zip files 9 >library(nome package)
62 Digressione >install.packages( coin )
63 Digressione >install.packages( coin ) Una volta finito di lavorare, sgombriamo il tavolo si risparmia memoria e si evitano problemi con eventuali comandi con lo stesso nome >detach(package:coin)
64 Test di buon adattamento Esempio classico: il dado è equilibrato? Esito Fr = 120 F.r. oss. 20/120 30/120 20/120 25/120 15/120 10/120 LASCIARLO DI COMPITO A FAVORE DELL ESEMPIO SEGUENTE, POISSON.
65 Test di buon adattamento Esempio classico: il dado è equilibrato? Esito Fr = 120 F.r. oss. 20/120 30/120 20/120 25/120 15/120 10/120 F.r. att. 1/6 1/6 1/6 1/6 1/6 1/6 Fr. att =
66 Test di buon adattamento Esempio classico: il dado è equilibrato? Esito Fr = 120 F.r. oss. 20/120 30/120 20/120 25/120 15/120 10/120 F.r. att. 1/6 1/6 1/6 1/6 1/6 1/6 Fr. att = ( ).. ~ 1, > rifiutiamo l ipotesi che il dado sia equilibrato al livello del 5%
67 Test di buon adattamento Esempio classico: il dado è equilibrato? Esito Fr = 120 F.r. oss. 20/120 30/120 20/120 25/120 15/120 10/120 F.r. att. 1/6 1/6 1/6 1/6 1/6 1/6 Fr. att = ( ).. ~ 1, > rifiutiamo l ipotesi che il dado sia equilibrato al livello del 5% > chisq.test(c(20,30,20,25,15,10)) Chi-squared test for given probabilities data: c(20, 30, 20, 25, 15, 10) X-squared = 12.5, df = 5, p-value = Script4b.R
68 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > = = = 3.5
69 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > = = Script2.R QUANTO VALE? = 3.5
70 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > = = =
71 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > 0 = = = = 30 = = 2.2
72 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > 0 = = = = = 30 = = 2.2
73 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > 0 = = = = = 30 = Ci sono tutti i valori possibili 5,6,8,9, che non ho osservato! = 2.2
74 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > 0 = = = = = 30 = ( ),, ~ 1, = 2.2
75 Test di buon adattamento I dati seguono una distribuzione di Poisson? Ω {0,1,2, } = =!, > 0 = = = = = 30 = ( ),, ~ 1, = qchisq(0.95,4) Non possiamo rifiutare l ipotesi al livello del 5%, e la stima del parametro è 2.2
76 Dal nostro test
77 Dal nostro test
STATISTICA. Il test di bontà d adattamento
STATISTICA Il test di bontà d adattamento Esercizio 1 (prosecuzione dalla lezione precedente) Per il lancio di una nuova pubblicità di una grande azienda d abbigliamento viene estratto un campione casuale
DettagliSTATISTICA VERIFICA D IPOTESI - 3
STATISTICA VERIFICA D IPOTESI - 3 Esempio 2 Il peso medio di un campione di 50 studenti che dichiarano di svolgeremoltaattivitàfisica (almeno 3 ore di palestra/allenamento sportivo a settimana) è di 71.2
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
Dettaglimateriale didattico II incontro
Piano Nazionale Lauree Scientifiche (PLS 016-017) Statistica Laboratorio di Statistica Le relazioni tra variabili. L indipendenza prof.ssa Angela Maria D'Uggento angelamaria.duggento@uniba.it materiale
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Analisi Bivariata I Parte
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Analisi Bivariata I Parte Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla
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
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
Dettagliintroduzione ai test di significatività
introduzione ai test di significatività l esperimento del tea tasting R. Fisher 8 tazze di te 4 preparate versando il latte prima 4 preparate versando il latte dopo variabile dipendente: numero di successi
DettagliR e il mondo aleatorio - Parte II -
R e il mondo aleatorio - Parte II - Statistiche in R Paola Lecca, CIBIO - UNITN Corso di Matematica e Stastistica 2 Testo di riferimento S. M. Iacus, G. Masarotto, Laboratorio di statistica con R, McGraw-Hill.
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)
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliIntroduzione alla Regressione Logistica
Introduzione alla Regressione Logistica Contenuto regressione lineare semplice e multipla regressione logistica lineare semplice La funzione logistica Stima dei parametri Interpretazione dei coefficienti
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Test d Ipotesi
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Test d Ipotesi Test per lo studio dell associazione tra variabili Nella teoria dei test, il ricercatore fornisce ipotesi riguardo la distribuzione
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliMetodi statistici per la ricerca sociale Confronto tra Due Gruppi in
Metodi statistici per la ricerca sociale Confronto tra Due Gruppi in Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze mattei@disia.unifi.it
DettagliStatistica. Capitolo 13. Test sulla Bontà di Adattamento e Tabelle di Contingenza. Cap. 16-1
Statistica Capitolo 13 Test sulla Bontà di Adattamento e Tabelle di Contingenza Cap. 16-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Usare il test sulla bontà di adattamento
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliTest del χ 2 (di Pearson)
Test del χ 2 (di Pearson) (goodness of fit) Un urna contiene una grande quantità di biglie rosse, viola e blu. Vogliamo testare la seguente ipotesi (sulle proporzioni dei tre colori) H 0 : Rosse = p 1
DettagliAnalisi dei dati qualitativi: omogeneità/eterogeneità, test del chi quadrato, analisi delle corrispondenze semplici e multiple
Analisi dei dati qualitativi: omogeneità/eterogeneità, test del chi quadrato, analisi delle corrispondenze semplici e multiple La distribuzione di frequenza La prima è più elementare delle analisi è la
DettagliTest d ipotesi - continuazione
Test d ipotesi - continuazione Monica Marabelli 11 Dicembre 2015 Test d ipotesi sulle proporzioni per un campione L ipotesi nulla di un test d ipotesi a due code (bidirezionale) é H 0 : p = p 0 mentre
DettagliAnalisi congiunta di più fenomeni
Analisi congiunta di più fenomeni Dati relativi al disastro del Titanic: Morti Sopravvissuti Classe Sesso Età 1 a Uomini Bambini 0 5 Adulti 118 57 Donne Bambini 0 1 Adulti 4 140 2 a Uomini Bambini 0 11
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
Dettagli(f o -f a ) f a fo = frequenza osservata fa = frequenza attesa per effetto del caso (cioè se è vera l'ipotesi nulla) DISEGNI CON UNA SOLA VARIABILE
IL TEST DEL CHI 2 (2) Consente di verificare ipotesi su: a) relazioni tra variabili nella popolazione b) differenze tra popolazioni relative a: distribuzioni di frequenza Livello di misura dei dati: scala
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliTest per l indipendenza
Test per l indipendenza 1 I test che sono stati passati in rassegna finora sono tutti di tipo parametrico (essi infatti si occupano della verifica di ipotesi su un parametro di una popolazione oppure del
DettagliUlteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 4 Analisi Bivariata I Parte
Metodi Quantitativi per Economia, Finanza e Management Lezione n 4 Analisi Bivariata I Parte Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla
DettagliANALISI DEI DATI EPIDEMIOLOGICI
ANALISI DEI DATI EPIDEMIOLOGICI Statistica descrittiva ed inferenziale Campione Media, dev. standard, RR, RD, Stat. descrittiva Statistica descrittiva ed inferenziale Popolazione Campione Media, dev.
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI SUL LEGAME TRA VARIABILI QUALITATIVE Profssa G Serio, Prof P Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/1 IL
DettagliTest d ipotesi sulla media
Test d ipotesi sulla media Silvia Parolo 12 December 2014 Riassumendo l esercitazione precedente Nella lezione precedente abbiamo visto che la media campionaria può essere un buon stimatore del valore
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
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica 8 VERIFICA DI IPOTESI LA VERIFICA DI IPOTESI Una delle applicazioni
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
DettagliStatistica. Lezione 8
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 8 a.a 2011-2012 Dott.ssa Daniela
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 43 I principali test statistici per la verifica di ipotesi: Il test del χ 2 per tavole di contingenza a 2 vie Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia
DettagliSTATISTICA VERIFICA D IPOTESI - 2
STATISTICA VERIFICA D IPOTESI - 2 Esercizio 1 Nel 2016, il reddito netto medio annuo per famiglia è stato di 29 988 (dati Istat, Corriere della Sera, 6/12/2017). Il reddito netto medio annuo nel 2017 in
DettagliFonti e strumenti statistici per la comunicazione
Fonti e strumenti statistici per la comunicazione Introduzione all analisi bivariata: il caso di caratteri qualitativi Prof.ssa Isabella Mingo A.A. 016-017 Che cosa è l analisi bivariata? E lo studio congiunto
DettagliDispense Associazione PRELIMINARY DRAFT
Dispense Associazione PRELIMINARY DRAFT Cristina Mollica & Jan Martin Rossi January 3, 2019 1 Esercizio 3 - Prova scritta 12-01-2018 Esercizio 3. Si consideri la distribuzione doppia di un campione di
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.3 - Analisi di dati qualitativi -test per l analisi di tabelle di contingenza Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona Sotto
DettagliChi-quadro. sono variabili aleatorie indipendenti con distribuzione allora la variabile aleatoria
Chi-quadro In generale, se sono variabili aleatorie indipendenti con distribuzione allora la variabile aleatoria si distribuisce secondo una distribuzione Chi-quadro con k gradi di libertà Chi-quadro Dunque
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliAnalisi grafica residui in R. Da output grafico analisi regressionelm1.csv Vedi dispensa. peso-statura
Analisi grafica residui in R Da output grafico analisi regressionelm1.csv Vedi dispensa peso-statura 1) Il plot in alto a sinistra mostra gli errori residui contro i loro valori stimati. I residui devono
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliDistribuzioni di frequenza di due variabili
Distribuzioni di frequenza di due variabili Esercizio In un collettivo di studenti è stato rilevato il voto riportato all esame di statistica e quello riportato all esame di fisica Studente 1 2 3 4 5 6
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliTest delle ipotesi statistiche
indice di posizione indici di variabilità principali var statistiche verifica di ipotesi introduzione (come si costruisce un test) test parametrici e non parametrici regressione? Test delle ipotesi statistiche
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
DettagliLezione 5 Corso di Statistica. Francesco Lagona
Lezione 5 Corso di Statistica Francesco Lagona Università Roma Tre F. Lagona (francesco.lagona@uniroma3.it) 1 / 23 obiettivi della lezione familiarizzare con le distribuzioni bivariate, le distribuzioni
DettagliTest d ipotesi. Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona. Ipotesi alternativa (H 1 )
Test d ipotesi Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Nel 900 falsificazione di ipotesi (Karl Popper) TEST D IPOTESI Nell 800 dimostrazione di ipotesi
DettagliSTATISTICA Lauree Triennali di Area Tecnica
STATISTICA Lauree Triennali di Area Tecnica 25-2-2008 Tempo disponibile 45 minuti. Usate solo questo foglio per le risposte. Nome Cognome Numero di matricola Corso e sede Esercizio 1. A quale categoria
DettagliRelazioni tra variabili: le tabelle di contingenza
Lezione 6 Relazioni tra variabili: le tabelle di contingenza "The Physicians Health Study" è uno studio clinico randomizzato condotto allo scopo di valutare il possibile effetto di riduzione della mortalità
DettagliI test statistici sulle frequenze
I test statistici sulle frequenze test ² (chi quadrato) test esatto di Fisher test di McNemar Camillo Pieramati Facoltà di Medicina Veterinaria di Perugia Perugia, 9 settembre 011 chi quadrato (indice
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliLa teoria classica dei test. Prof.ssa D. Fioredistella IEZZI
La teoria classica dei test Prof.ssa D. Fioredistella IEZZI Email: stella.iezzi@uniroma2.it Analisi degli item La teoria classica dei test esamina le risposte fornite ai singoli item del questionario allo
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
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliAnalisi dell associazione tra due caratteri
Analisi dell associazione tra due caratteri Non ci accontentiamo di analizzare il singolo fenomeno, considerato indipendentemente da altri fenomeni Ci interessano le relazioni che possono esistere tra
DettagliTABELLE DI CONTINGENZA
TABELLE DI CONTINGENZA Frequenze di dati nominali raggruppati in categorie sono spesso organizzate in forma di tabella di contingenza. Il caso più semplice implica due variabili casuali dicotomiche; le
DettagliCopyright Esselibri S.p.A.
70 3000 500 000 1500 1000 500 A B C D (a) Capitolo Terzo A B C D 500 1000 1500 000 5003000 3500 Fig. 1 - Ortogramma a colonne (a) e ortogramma a nastri (b) 4. MISURE DI ASSOCIAZIONE E DI COGRADUAZIONE
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
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
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliCalcolo delle Probabilità e Statistica Matematica previsioni 2003/04
Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione
DettagliLez. 1c. Rischiosità
Lez. 1c Rischiosità Rischiosità Infarto miocardico Gruppo Sì No Placebo 189 10845 11034 Aspirina 104 10933 11037 Fonte: Preliminary Report: Findings from the Aspirin Component on the Ongoing Physicians
DettagliSTATISTICA. Federico M. Stefanini. e.mail: a.a (3 CFU)
STATISTICA a.a. 2001-2002 (3 CFU) Federico M. Stefanini Dipartimento di Statistica G.Parenti viale Morgagni 59, 50134 Firenze, tel. 055-4237211 PARTE 5-3.12.2001 e.mail: stefanin@ds.unifi.it http://www.ds.unifi.it/ricerca/pagperson/docenti/stefanini.htm
DettagliNota dell editore Presentazione
Autori Nota dell editore Presentazione XI XIII XV 1 Conoscenze preliminari per l osservazione biostatistica 1 Variabilità biologica e implicazioni statistiche 1 Variabili e costanti 2 Concetto di misura
DettagliFallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018
Fallstudium 3 - Soluzioni Dr Giorgio Pioda 22 novembre 2018 Fallstudium 3 - Soluzioni Considerando i dati di misurazione della concentrazione di carbamazepina 1 nel sangue determinata con due apparecchi
DettagliInferenza statistica
Inferenza statistica Marcella Montico e Lorenzo Monasta Servizio di epidemiologia e biostatistica Inferenza statistica: insieme di metodi che permette di generalizzare i risultati ottenuti dai dati raccolti
DettagliSTATISTICA. I modelli probabilistici
STATISTICA I modelli probabilistici I modelli probabilistici Statistica-1b-probabilità I modelli probabilistici Numero di volte in cui esce T in lanci Numero di lanci prima che esca T Somma del punteggio
DettagliSTATISTICA MATEMATICA 1 A.A. 2009/10 LABORATORIO DI SAS A. MICHELETTI
STATISTICA MATEMATICA 1 A.A. 2009/10 LABORATORIO DI SAS A. MICHELETTI LEZIONE 6: TEST CHI QUADRO Procedura FREQ:tabelle di contingenza e confronti di proporzioni Utilizzo i dati presenti in Laur92fs.txt.
DettagliSTATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA
STATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA 6--008 Tempo disponibile 45 minuti. Usate solo questo foglio per le risposte. Nome Cognome Numero di matricola Corso e sede Esercizio. A
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
DettagliSTATISTICA. Esercizi vari
STATISTICA Esercizi vari Esercizio 5.6 p. 205 Variabile Coeff. Dev. std. Statistica t p-value Intercetta 23.384 1.592 14.691 0 Profondità -1.435 0.213-6.726 0 = 0.850 Esercizio 5.6 p. 205 Variabile Coeff.
DettagliEsercitazione. 24 Aprile 2012
Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più
DettagliStatistica per le le ricerche ricerche di mercato 9.b 9.b Analisi Analisi preliminari preliminari Verifica di ipotesi: test test di indipendenza
Statistica per le ricerche di mercato a.a. 014/15 9.b Analisi preliminari Verifica di ipotesi: test di indipendenza Test di indipendenza Permette di verificare se tra due variabili X e Y esiste o meno
DettagliA proposito di valutazione scolastica
A proposito di valutazione scolastica Livello scolare: 2 biennio Abilità interessate Identificare situazioni che richiedono di rilevare lo stesso carattere su una unità statistica formata da 2 elementi,
DettagliStatistica. Lauree Triennali in Biologia e Biologia Molecolare Nome: 13 luglio 2010 Matricola: Cognome: Tema C
Statistica Cognome: Lauree Triennali in Biologia e Biologia Molecolare Nome: 13 luglio 2010 Matricola: Tema C 1. Parte A 1.1. Indichiamo con Q 1 e Q 3 il primo e terzo quartile, con m la mediana e con
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
DettagliSimulazione di esercizi su test di significatività e 95%CI
Simulazione di esercizi su test di significatività e 95%CI 1) In un trial clinico vennero trattati 10 pazienti ipertesi con un preparato di Rawolfia. I valori pressori (in mmhg) riscontrati prima del trattamento
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
DettagliUso elementare di R in Statistica G. Marchetti
Uso elementare di R in Statistica G. Marchetti Lezione 1 Introduzione R è un ambiente statistico di pubblico dominio. Il software è libero e può essere scaricato dal sito https: //cran.r-project.org/.
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
Dettagli1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25
1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati. Media = 172,8 Deviazione standard= 24,25 Commento generale: in questo esercizio l unica stima della
DettagliProva scritta di Affidabilità dei sistemi e controllo statistico di qualità
Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 18 Febbraio 2016 1. La probabilità di errore nella trasmissione di una cifra binaria attraverso un certo canale di comunicazione
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
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 SCHEDA
DettagliJMP 10 Student Edition: Guida rapida
JMP 10 Student Edition: Guida rapida Queste istruzioni presuppongono una tabella di dati aperta, le impostazioni delle preferenze predefinite, e le variabili di interesse con l appropriato tipo di modellazione.
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliCorso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliParte 1 : Inferenza. *(richiami), **(parte 2), ***(cenni) ! Test d'ipotesi* ! Intervalli di confidenza* ! Test parametrici* ! Calcoli di potenza**
Parte 1 : Inferenza! Test d'ipotesi*! Intervalli di confidenza*! Test parametrici*! Calcoli di potenza**! Test non parametrici*** *(richiami), **(parte 2), ***(cenni) 27 marzo 2001 ... [omissis]... La
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
DettagliPROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014
PROVA SCRITTA DI AFFIDABILITA DEI SISTEMI E CONTROLLO STATISTICO DI QUALITA 9 Maggio 2014 1. Le funzioni di perdita sono di tipo NB stocastico. Il coefficiente K è 1,8 ottenuto dal costo previsto per la
DettagliCognome e nome. Distribuzione Gaussiana; Media = 122,4 mmhg; Deviazione standard= 14,28 mmhg
Statistica medica. A.a. 2004-2005 15 Febbraio 2005 Tempo previsto 60 minuti Cognome e nome Avete consegnato l'esercitazione di Abilità Informatiche? _SI_ _NO_ LE SOLUZIONI SONO SCRITTE NELLE ULTIME PAGINE
DettagliLABORATORIO DI PROBABILITA E STATISTICA
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 5 ESERCIZI RIEPILOGATIVI PRIME 3 LEZIONI ES. LAUREATI PER FACOLTA E LAVORO ESERCIZIO 5: La tabella presenta
Dettagli