ESERCIZIO 1. Di seguito vengono riportati i risultati di una regressione multipla effettuata secondo il metodo standard (o per blocchi )
|
|
- Giacinto Viola
- 5 anni fa
- Visualizzazioni
Transcript
1 ESERCIZIO. Di seguito vengono riportati i risultati di una regressione multipla effettuata secondo il metodo standard (o per blocchi ) a. b. Riepilogo del modello b R-quadrato Errore std. Durbin-W R R-quadrato corretto della stima atson,8 a,66,655 4,466,6 Stimatori: (Costante),,, JD_F,, JD_F Variabile dipendente: JDI_SODD.a. Indicare la percentuale di varianza della variabile dipendente spiegata complessivamente dai predittori e la correlazione tra la variabile dipendente e l insieme completo dei predittori..b. Commentare il risultato del Test di Durbin-Watson ANOVA b Somma dei Media dei quadrati df quadrati F Sig. 559,77 5 5,85 6,87,000 a 6449,49 4 9, ,606 9 a. Stimatori: (Costante),,, JD_F,, JD_F b. Variabile dipendente: JDI_SODD.c. Controllare se l ipotesi nulla relativa al coefficiente R può essere accettata o no, commentando il risultato ottenuto Coefficienti a Coefficienti non standardizzati Coefficien ti standardi zzati (Costante) JD_F JD_F a. Variabile dipendente: JDI_SODD B Errore std. Beta t Sig. 6,498,85,75,007,54,08,7 8,909,000,09,0,05,9,5,7,056,09,058,00 -,040,045 -,0 -,885,77,8,056,08,0,06
2 .d. Individuare le variabili che hanno coefficienti di regressione significativamente diversi da zero, indicando quella che risulta più importante. Coefficienti a a. JD_F JD_F Variabile dipendente: JDI_SODD Correlazioni Statistiche di collinearità Parziali Ordine zero Parziali indipendenti Tolleranza VIF,796,74,6,78,55,0,05,00,756,,0,67,099,88, -,0 -,049 -,09,76,,446,6,068,696,47.e. Indicare la proporzione unica di varianza della variabile dipendente spiegata da ciascuno dei predittori e commentare il risultato delle statistiche di collinearità ESERCIZIO. Di seguito vengono riportati i risultati di una regressione multipla effettuata secondo il metodo stepwise (o per passi ) Riepilogo del modello d Variazione dell'adattamento R-quadrato Errore std. Variazione di Variazione di Sig. variazione R R-quadrato corretto della stima R-quadrato F df df di F,796 a,6,6 4,6088,6 566,88 8,000,808 b,65,650 4,4964,09 7,60 7,000,8 c,658,655 4,4657,006 5,58 6,09 a. Stimatori: (Costante), JD_F b. Stimatori: (Costante), JD_F, JD_F c. Stimatori: (Costante), JD_F, JD_F, d. Variabile dipendente: JDI_SODD.a. Indicare la percentuale di varianza spiegata della Variabile Dipendente che ad ogni passo viene.b. Indicare la percentuale complessiva di varianza spiegata dai predittori.c. Indicare l errore standard della stima nel modello finale e indicare cosa rappresenta tale valore
3 a. Stimatori: (Costante), JD_F ANOVA d Somma dei Media dei quadrati df quadrati F Sig. 04,47 04,47 566,88,000 a 6967,89 8,4 9008, , 698,66 06,59,000 b 66,85 7 0,8 9008, ,60 469,0 09,057,000 c 650,46 6 9, ,606 9 b. Stimatori: (Costante), JD_F, JD_F c. Stimatori: (Costante), JD_F, JD_F, d. Variabile dipendente: JDI_SODD Considerando la tabella ANOVA indicare:.d. il modello finale cui si perviene.e. perché ad ogni passo si perde un grado di libertà.f. se la varianza spiegata complessivamente dai predittori è significativa e perché.g. Considerando la tabella delle variabili escluse relative al modello indicare per quale ragione è la variabile JD_F verrà inclusa nell equazione del passo o modello successivo. Variabili escluse d JD_F Statistiche di collinearità Correlazioni Tolleranza Beta In t Sig. parziali Tolleranza VIF minima,059 a,657,098,09,878,40,878 a. Stimatori nel modello : (Costante), JD_F,4 a 4,96,000,6,99,065,99 -,070 a -,004,046 -,0,9,098,9, a,65,000,98,80,0,80,05 b,476,4,08,875,4,87 -,057 b -,679,094 -,09,90,07,870,090 b,49,09,9,76,97,76,047 c,50,78,075,87,47,7 -,045 c -,7,89 -,07,879,8,696 b. Stimatori nel modello : (Costante), JD_F, JD_F c. Stimatori nel modello : (Costante), JD_F, JD_F, d. Variabile dipendente: JDI_SODD
4 ESERCIZIO. Di seguito vengono riportati i risultati di una regressione multipla effettuata secondo il metodo gerarchico Riepilogo del modello 4 Variazione dell'adattamento R-quadrato Errore std. Variazione di Variazione di Sig. variazione R R-quadrato corretto della stima R-quadrato F df df di F,578 a,4,,77744,4 5,004 9,000,66 b,440,45,7467,06 4,990 8,000,665 c,44,44,750,00,7 7,96,86 d,68,677,5405,4 7, 6,000 a. Stimatori: (Costante), SELF_EFF b. Stimatori: (Costante), SELF_EFF, COLL_EFF c. Stimatori: (Costante), SELF_EFF, COLL_EFF, AMBIENTE d. Stimatori: (Costante), SELF_EFF, COLL_EFF, AMBIENTE, IMPEGNO.a. Indicare la percentuale di varianza spiegata della Variabile Dipendente che ad ogni passo viene.b. Valutare se la varianza da ogni predittore ad ogni passo risulta significativa.c. Indicare la percentuale complessiva di varianza spiegata dai predittori
5 SOLUZIONI ESERCIZIO.a. Indicare la percentuale di varianza della variabile dipendente spiegata complessivamente dai predittori e la correlazione tra la variabile dipendente e l insieme completo dei predittori. La percentuale di varianza spiegata è.66 (colonna R-quadrato), la correlazione è pari a.8 (colonna R)..b. Commentare il risultato del Test di Durbin-Watson Il test esamina l autocorrelazione, o correlazione tra i residui. Poiché è leggermente superiore a, ma compreso tra.5 e.., è possibile concludere che l autocorrelazione è assente (per una interpretazione dettagliata di questo indice si veda Barbaranelli, 00).c. Controllare se l ipotesi nulla relativa al coefficiente R può essere accettata o no, commentando il risultato ottenuto. L ipotesi nulla va rifiutata poiché la probabilità della F (Sig.) è inferiore a.05: dunque, la percentuale di varianza spiegata dalle variabili indipendenti è significativamente diversa da 0..d. Individuare le variabili che hanno coefficienti di regressione significativamente diversi da zero, indicando quella che risulta più importante. Bisogna esaminare innanzi tutto i valori nella colonna Sig.: nella tabella Coefficienti ce ne sono inferiori a.05,quelli relativi alle variabili JD_F, JD_F, e. Per individuare la variabile più importante bisogna invece esaminare la colonna Coefficienti standardizzati/beta, poiché solo in questa colonna i valori dei coefficienti sono confrontabili. La variabile che presenta il coefficiente Beta più elevato rispetto alle altre è JD_F. Da questa interpretazione abbiamo escluso il termine relativo a (Costante), ovvero l intercetta dell equazione di regressione, poiché non rappresenta una variabile, e solitamente la sua interpretazione non è di interesse: di fatto comunque essa risulta significativamente diversa da zero..e. Indicare la proporzione unica di varianza della variabile dipendente spiegata da ciascuno dei predittori e commentare il risultato delle statistiche di collinearità La proporzione unica di varianza spiegata da ciascun predittore si ottiene elevando al quadrato i coefficienti parziali indipendenti (ovvero i coefficienti di correlazione semiparziale). Essi pertanto risultano pari a:.7,.00,.0, Per quanto riguarda le statistiche di collinearità, considerando la Tolleranza è possibile dire che ciascuna delle variabili indipendenti presenta una proporzione di varianza non condivisa con le altre variabili indipendenti molto elevata, che va da.696 a.88. I valori dell indice VIF sono tutti inferiori a 5 e testimoniano per un assenza sostanziale di collinearità.
6 ESERCIZIO.a. Indicare la percentuale di varianza spiegata della Variabile Dipendente che ad ogni passo viene Bisogna considerare la colonna Variazione di R-quadrato. La percentuale di varianza ad ogni passo (o modello ) è paria a:.6 (passo ),.09 (passo ),.006 (passo )..b. Indicare la percentuale complessiva di varianza spiegata dai predittori Bisogna considerare l ultimo valore (quello relativo al modello ) nella colonna R-quadrato. La percentuale di varianza complessivamente spiegata dai predittori è dunque.658..c. Indicare l errore standard della stima nel modello finale e indicare cosa rappresenta tale valore Anche in questo caso bisogna considerare l ultimo valore (quello relativo al modello ) ma nella colonna Errore std. della stima che è uguale a circa Questo valore rappresenta la deviazione standard dei residui, ovvero la dispersione dei residui nell iperpiano definito dalla equazione di regressione. Considerando la tabella ANOVA indicare:.d. il modello finale cui si perviene Il modello finale è composto dagli stimatori indicati nella nota c relativa al modello, ovvero JD_F, JD_F e..e. perché ad ogni passo si perde un grado di libertà Il grado di libertà perso è quello relativo alla variabile indipendente che viene inserita nell equazione..f. se la varianza spiegata complessivamente dai predittori è significativa e perché Come è possibile verificare dai valori relativi al modello, il test F risulta significativo, quindi è possibile concludere che l R-quadrato (che indica la varianza spiegata dai predittori) è significativamente diverso da 0..g. Considerando la tabella delle variabili escluse relative al modello indicare per quale ragione la variabile JD_F verrà inclusa nell equazione del passo o modello successivo. Viene inserita perché tra le 4 variabili escluse è quella che presenta il coefficiente beta significativo e la correlazione parziale più elevata.
7 ESERCIZIO.a. Indicare la percentuale di varianza spiegata della Variabile Dipendente che ad ogni passo viene Bisogna considerare la colonna Variazione di R-quadrato. La percentuale di varianza ad ogni passo (o modello ) è paria a:.4 (passo ),.06 (passo ),.00 (passo ),.4 (passo 4)..b. Valutare se la varianza da ogni predittore ad ogni passo risulta significativa Bisogna considerare la colonna Sig. Variazione di F. La percentuale di varianza è significativa per i passi, e 4 poiché il valore di Sig. è inferiore a.05. Nel terzo passo il valore di Sig. è pari a.96, quindi l incremento di varianza che avviene in questo passo non risulta significativamente diverso da zero..c. Indicare la percentuale complessiva di varianza spiegata dai predittori Bisogna considerare l ultimo valore (quello relativo al modello 4) nella colonna R-quadrato. La percentuale di varianza complessivamente spiegata dai predittori è dunque.68.
ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante.
ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante. Test di uguaglianza delle medie di gruppo SELF_EFF COLL_EFF COIN_LAV IMPEGNO SODDISF CAP_IST COLLEGHI Lambda di Wilks
DettagliModelli che spiegano l attività fotosintetica alla luce di parametri fisiologici della vegetazione. Dr. Alessandro Ferrarini
Modelli che spiegano l attività fotosintetica alla luce di parametri fisiologici della vegetazione Dr. Alessandro Ferrarini variabile dipendente: NDVI (indice di attività fotosintetica) variabili indipendenti:
DettagliEs. la performance all esame in relazione alle ore di studio a casa e alle abilità cognitive
Regressione Tale tecnica esamina e studia la relazione tra una o più variabili indipendenti e una variabile dipendente. L insieme dei parametri riassumono la relazione tra VD e VI, sotto le ipotesi che
DettagliESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.
ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori tra i soggetti. Variabile dipendente: PERF Sorgente Modello corretto Intercept SEX_96
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
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
DettagliArgomenti della lezione:
Lezione 7 Argomenti della lezione: La regressione semplice Il modello teorico Il calcolo dei parametri Regressione lineare Esamina la relazione lineare tra una o più variabili esplicative (o indipendenti,
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
DettagliRegressione Semplice. Correlazioni. sconto leverage. sconto Correlazione di Pearson 1,275. Sign. (a due code),141
Regressione Semplice Analisi Per avere una prima idea della struttura di dipendenza fra le variabili in esame, possiamo cominciare col costruire la matrice di correlazione delle variabili presenti nel
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliAnalisi Multivariata dei Dati. Regressione Multipla
Analisi Multivariata dei Dati Regressione Multipla A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Consideriamo ora il caso in cui la variabile dipendente possa essere spiegata da
DettagliESERCIZIO 1. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF).
ESERCIZIO. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF). Test KMO e di Bartlett Misura di adeguatezza campionaria
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliArgomenti della lezione:
Lezione 9 Argomenti della lezione: La regressione multipla: Approcci analitici Regressione standard Regressione gerarchica Regressione statistica Strategie Analitiche per la regressione Tre principali
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
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
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
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
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)
DettagliREGRESSIONE LINEARE. In questo documento presentiamo alcune opzioni analitiche della procedura della regressione
REGRESSIONE LINEARE In questo documento presentiamo alcune opzioni analitiche della procedura della regressione lineare di SPSS che non sono state incluse nel testo pubblicato. Si tratta di opzioni che,
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
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
Dettagli2) REGRESSIONE. 1) Creo un diagramma a dispersione per ispezionare i dati. 2) Selezionare in SPSS Analizza -> Regressione Lineare.
Si vogliono studiare gli effetti delle spese pubblicitarie sulle vendite di album nella prima settimana dopo il lancio. Si tiene conto di altre due variabili: la presenza sulle radio e l appeal della band.
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Regressione lineare multipla (v. 1.5, 5 novembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
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,
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
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
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 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
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla M Q Marco Perugini Milano-Bicocca 1 SMILES Sorrisi al minuto Variabile Dipendente (VD) Lo scopo di una regressione e di fornire la miglior predizione
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 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
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
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 05-Regressione lineare multipla (vers. 1.3, 7 novembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
DettagliAssunzioni (Parte I)
Assunzioni (Parte I) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 10 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale (GLM)
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 (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. 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
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
DettagliMetodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi
Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA)
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 19 Luglio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da quattro esercizi; dopo
DettagliMulticollinearità. Strumenti quantitativi per la gestione
Multicollinearità Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/3c_mc.html#(1) 1/13 Quando non tutto va come dovrebbe Si parla di multi-collinearità
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, -..
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
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
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Lezione 3 1) Grafico a dispersione 2) La correlazione lineare -la covarianza funzione di excel: covarianza()
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliRICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE
RICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE 1 La verifica di ipotesi Finora abbiamo visto come si utilizza una statistica campionaria per stimare
DettagliAnova e regressione. Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011
Anova e regressione Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 22 marzo 2011 Nella sperimentazione agronomica e biologica in genere è normale organizzare
DettagliAnalisi Multivariata dei Dati
Analisi Multivariata dei Dati Introduzione al corso e al modello statistico A M D Marcello Gallucci Milano-Bicocca Lezione: I Programma Odierno I numeri del corso Programma del corso Concetti Statistici
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& [TitoloPagina] [DataSet1] /home/marcello/skinner/teaching/mib/amd/2016/exe/cap789.esercizio.s av. Percentuale
GET FILE='/home/marcello/Skinner/Teaching/mib/amd/206/exe/cap789.esercizio.sav'. DATASET NAME DataSet WINDOW=FRONT. SET SUMMARY=None TOLERANCE= BASETEXTDIRECTION=AUTOMATIC CELLSBREAK=0000 Unic ode=yes
DettagliData Mining. Prova parziale del 20 aprile 2017: SOLUZIONE
Università degli Studi di Padova Corso di Laurea Magistrale in Informatica a.a. 2016/2017 Data Mining Docente: Annamaria Guolo Prova parziale del 20 aprile 2017: SOLUZIONE ISTRUZIONI: La durata della prova
DettagliOld Faithful, Yellowstone Park. Statistica e biometria. D. Bertacchi. Dati congiunti. Tabella. Scatterplot. Covarianza. Correlazione.
Coppie o vettori di dati Spesso i dati osservati sono di tipo vettoriale. Ad esempio studiamo 222 osservazioni relative alle eruzioni del geyser Old Faithful. Old Faithful, Yellowstone Park. Old Faithful
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018 prof. Federico Plazzi 22 Gennaio 2018 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
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
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
DettagliIndice. Prefazione all edizione italiana, di Piero Veronese » XI. Prefazione
Indice Prefazione all edizione italiana, di Piero Veronese pag. IX Prefazione 1. EE: un introduzione alle distribuzioni di probabilità e ai metodi di stima statistica 1.1. EE: incertezza e probabilità
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
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
DettagliCorso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti
Corso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2017-8 UdA, Scuola d Economia Domanda 1 [6 punti]. (a) La multi-collineartità
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliI MODELLI LINEARI GENERALIZZATI GLM
I MODELLI LINEARI GENERALIZZATI GLM Secondo la teoria dei Modelli Lineari Generalizzati (GLM), la regressione lineare, l analisi della varianza (ANOVA), la regressione logistica e i modelli log-lineari
DettagliLABORATORI DI STATISTICA SOCIALE
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI STATISTICA SOCIALE Lezione V Prof. Andrea Greco Dott.ssa Roberta Adorni Dott.
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
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.
Dettagliviii Indice generale
Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi
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
DettagliAnalisi delle serie storiche parte V Modelli autoregressivi
Analisi delle serie storiche parte V Modelli autoregressivi a.a. 2016/2017 Economiche Internazionali 1 Definizioni introduttive Autoregressione: modello di regressione che spiega una serie temporale con
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
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 - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07a-Ripasso: Anova ad un fattore (v. 1.9a, 29 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliEsercizio 2: voto e ore dedicate allo studio
La seguente tabella riporta il voto riportato da 10 studenti all esame di Statistica Sociale e il numero di ore di lezione non seguite dallo studente (il corso prevede 30 ore di lezione). Ci si chiede
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
Dettaglidocente: J. Mortera/P. Vicard Nome
A opportuni passaggi). Verrà accettato in consegna solo il presente plico. 2. [9] Una certa zona è servita da 4 compagnie telefoniche. Per ciascuna compagnia è stato rilevato il costo al minuto (in centesimi
DettagliRegressione lineare multipla CORSO DI ANALISI DEI DATI Anno Accademico 2009/2010, I ciclo
Regressione lineare multipla CORSO DI ANALISI DEI DATI Anno Accademico 2009/2010, I ciclo 1 Controllo di ipotesi sui parametri In questo contesto risulta necessario avvalersi dell assunzione di normalita
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliDescrizione per la costruzione del modello di regressione
Descrizione per la costruzione del modello di regressione Formulazione delle Ipotesi Ricerca delle variabili esplicative Dati Modello Stima dei parametri Verifica Modello IL MODELLO DI REGRESSIONE LINEARE
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
DettagliLA REGRESSIONE LINEARE SEMPLICE
LA REGRESSIONE LINEARE SEMPLICE Se due variabili X e Y sono tra loro correlate, e sono entrambe su scala a intervalli o rapporti equivalenti, la tecnica statistica della regressione lineare consente di
DettagliStatistica per le ricerche di mercato. 12. Violazione delle ipotesi nel modello di regressione lineare
Statistica per le ricerche di mercato A.A. 2012/13 Dr. Luca Secondi 12. Violazione delle ipotesi nel modello di regressione lineare La violazione delle ipotesi Fino ad ora le assunzioni ipotizzate per
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Esempio Su un campione di =5unità sono state osservate due variabili, ed : x i 1 2 3 4 5 y i 1.5 2.5 3 2.5 3.5 1. Rappresentare l andamento congiunto di in funzione di mediante
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
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliRegressione lineare. Lo studio della relazione lineare tra due variabili. X e Y caratteri entrambi quantitativi. variabile dipendente
Regressione lineare Se la correlazione misura l intensità e il segno del legame lineare tra due variabili, l obiettivo delle tecniche di regressione è, invece, quello di individuare il tipo di relazione
DettagliAnalisi della Varianza Fattoriale. (Cap. 8)
Analisi della Varianza Fattoriale AMD (Cap. 8) Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile
DettagliStatistica13-23/11/2015
Statistica13-23/11/2015 Voglio studiare due fattori dipendenti uno dall altro L esempio classico sono le rese di macellazione: il peso di un organo aumenta infatti all aumentare del peso dell animale (quale
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
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
Dettagli