Università del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche. Corso di Statistica Medica. Correlazione
|
|
- Eugenia Corinna Mantovani
- 5 anni fa
- Visualizzazioni
Transcript
1 Università del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche Corso di Statistica Medica Correlazione Regressione Lineare Statistica Medica Correlazione e Regressione lineare semplice 1
2 Campo di applicazione Analisi della relazione tra due variabili continue Es: relazione tra altezza e peso Statistica Medica Correlazione e Regressione lineare semplice
3 Campo di applicazione Le variabili sono associate? -> correlazione Come varia il valore di una variabile in conseguenza del variare di un altra variabile? -> regressione Statistica Medica Correlazione e Regressione lineare semplice 3
4 Correlazione Dato un insieme di osservazioni definite da due variabili continue, valutiamo la forza dell associazione tra le due variabili disegnando il diagramma di dispersione e calcolando il coefficiente di correlazione Statistica Medica Correlazione e Regressione lineare semplice 4
5 Il diagramma di dispersione si disegna riportando i valori delle osservazioni su un sistema di assi cartesiani, in cui l asse x rappresenta una delle due variabili e l asse y l altra variabile Il diagramma consente di collocare ogni osservazione nello spazio definito dai valori possibili delle due variabili Statistica Medica Correlazione e Regressione lineare semplice
6 Relazione alla nascita tra circonferenza cranica e lunghezza 36, 34, 3, circonferenza cranica 3, 8, 6, 4,,, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 6
7 La forma della nuvola di punti così ottenuta consente una valutazione visiva del grado di associazione tra le due variabili Statistica Medica Correlazione e Regressione lineare semplice 7
8 36, Relazione tra circonferenza cranica alla nascita ed età materna 34, 3, circonferenza cranica 3, 8, 6, 4,,, età materna Statistica Medica Correlazione e Regressione lineare semplice 8
9 Relazione alla nascita tra circonferenza cranica e lunghezza 36, 34, 3, circonferenza cranica 3, 8, 6, 4,,, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 9
10 Il coefficiente di correlazione di Pearson (r) consente la valutazione formale del grado di associazione L intervallo dei valori possibili di r è: -1 <= r <=1 Se r=1 o r=-1 tutti i punti giacciono su una retta Statistica Medica Correlazione e Regressione lineare semplice 1
11 36, 34, Relazione tra circonferenza cranica alla nascita ed età materna r =,1 3, circonferenza cranica 3, 8, 6, 4,,, età materna Statistica Medica Correlazione e Regressione lineare semplice 11
12 Relazione alla nascita tra circonferenza cranica e lunghezza 36, 34, r =,7 3, circonferenza cranica 3, 8, 6, 4,,, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 1
13 Statistica Medica Correlazione e Regressione lineare semplice 13 ( )( ) ( ) ( ) = = = = n i n i i i n i i i y y x x y y x x r La formula del coefficiente di correlazione di Pearson (r)
14 Relazione tra concentrazione plasmatica i colesterolo e trigliceridi Colesterolo Trigliceridi (x) (y) 1 3,4 6,4 3, 6,18 3,9, 4 3,77 6,11 3,67 6,36 6,31,67 7,1,48 8 7,8,67 9 8,79 9,4 1 1,3 8,4 medie:,669 6,471 Statistica Medica Correlazione e Regressione lineare semplice 14
15 Relazione tra concentrazione plasmatica di colesterolo e trigliceridi trigliceridi colesterolo Statistica Medica Correlazione e Regressione lineare semplice 1
16 Relazione tra concentrazione plasmatica i colesterolo e trigliceridi Colesterolo Trigliceridi (x) x y 1 3,4 6,4 -,49 -,493 3, 6,18 -,49 -,3 3,9, -,99-1,33 4 3,77 6,11 -,139 -,63 3,67 6,36 -,39 -,373 6,31,67 -,99-1,63 7,1,48 -,89-1,3 8 7,8,67 1,941-1,63 9 8,79 9,4,881, ,3 8,4 6,391 1,667 medie:,669 6,471 (y) ( ) y i xi ( ) Statistica Medica Correlazione e Regressione lineare semplice 16
17 Relazione tra concentrazione plasmatica di colesterolo e trigliceridi Colesterolo (x) Trigliceridi ( y) xi y i ( x) ( y y) ( x) (y) x i * ( x ) i x i ( y y) i 3,4 6,4 -,49 -,493 1,187 6,46681,4349 3, 6,18 -,49 -,3 1,33177,8381,389,9, -,99-1,33 4, ,7681,389 3,77 6,11 -,139 -,63 1,3397 4,731, ,67 6,36 -,39 -,373,83147,1311,13919,31,67 -,99-1,63,636737,3881 1,19969,1,48 -,89-1,3 1,13677, ,79 7,8,67 1,941-1,63 -,6383 3, , ,79 9,4,881,667 7, ,3161 7, ,3 8,4 6,391 1,667 1, ,844881, Sommatorie: 6, , ,46149 r=, Statistica Medica Correlazione e Regressione lineare semplice 17
18 Esercizi Correlazione Pag 34 n 1 Pag 34 n Statistica Medica Correlazione e Regressione lineare semplice 18
19 Regressione Stima della variazione media di una variabile in conseguenza della variazione unitaria di un altra variabile Statistica Medica Correlazione e Regressione lineare semplice 19
20 Variabile indipendente -> causa -> (sulle ascisse) Variabile dipendente -> effetto -> (sulle ordinate) Statistica Medica Correlazione e Regressione lineare semplice
21 effetto y V d i p e n d e n t e Var indipendente x causa Statistica Medica Correlazione e Regressione lineare semplice 1
22 Obiettivo dell analisi di regressione: Individuare la retta che meglio predice il valore di y (variabile dipendente), noto il valore di x (variabile indipendente) y=a+bx Statistica Medica Correlazione e Regressione lineare semplice
23 y=a+bx a -> intercetta b -> pendenza Come stimiamo i valori dei due coefficienti? Statistica Medica Correlazione e Regressione lineare semplice 3
24 Il valore atteso di x è la sua media y Media di x x Statistica Medica Correlazione e Regressione lineare semplice 4
25 Il valore atteso di y è la sua media Media di y x Statistica Medica Correlazione e Regressione lineare semplice
26 La retta che meglio predice y x passa per la media di x e di y y Media di x e media di y x Statistica Medica Correlazione e Regressione lineare semplice 6
27 Per un punto passano infinite rette! Quale retta scegliamo? Con quale criterio? y x Statistica Medica Correlazione e Regressione lineare semplice 7
28 y x Statistica Medica Correlazione e Regressione lineare semplice 8
29 Residuo (o scarto) = valore y_osservato valore y_predetto La retta migliore minimizza la somma dei quadrati dei residui y Metodo detto dei minimi quadrati valore y_osservato valore y_predetto x Statistica Medica Correlazione e Regressione lineare semplice 9
30 ( )( ) x x y y ( ) x b = i i x i Statistica Medica Correlazione e Regressione lineare semplice 3
31 a = y b x Statistica Medica Correlazione e Regressione lineare semplice 31
32 Relazione tra concentrazione plasmatica di colesterolo e trigliceridi Colesterolo (x) Trigliceridi ( y) xi y i ( x) ( y y) ( x) (y) x i * ( x ) i x i 1 3,4 6,4 -,19 -,31,189 4, , 6,18 -,169 -,91, ,7461 3,9, -,719-1,71 3,4849 7, ,77 6,11-1,899 -,361,6839 3,661 3,67 6,36-1,999 -,111,1889 3,9961 6,31,67 -,39 -,81,879, ,1,48 -,69 -,991,63879, ,8,67,181 -,81-1, , ,79 9,4 3,11,99 9, , ,3 8,4 6,631 1,99 1, ,97161 medie:,669 6,471 6, ,4389 b=, a= 4, Statistica Medica Correlazione e Regressione lineare semplice 3
33 variazione del livello di trigliceridi con il livello di colesterolo 1 trigliceridi (y) colesterolo (x) Statistica Medica Correlazione e Regressione lineare semplice 33
34 variazione del livello di trigliceridi con il livello di colesterolo trigliceridi (y) colesterolo (x) b =,3 Statistica Medica Correlazione e Regressione lineare semplice 34
35 variazione del livello di trigliceridi con il livello di colesterolo trigliceridi (y) a=4, colesterolo (x) Statistica Medica Correlazione e Regressione lineare semplice 3
36 variazione del livello di trigliceridi con il livello di colesterolo trigliceridi=4,67 +,3* colesterolo 1 trigliceridi (y) colesterolo (x) Statistica Medica Correlazione e Regressione lineare semplice 36
37 Statistica Medica Correlazione e Regressione lineare semplice 37 Formule abbreviate ( )( ) ( )( ) ( ) ( ) = x x y x y x y i n i a i i i i i ( ) ( )( ) ( ) ( ) = x x y x y x i n i n b i i i i Queste formule sono più convenienti per il calcolo a mano Si basano sulle formule abbreviate per il calcolo della varianza
38 Requisiti dell analisi di regressione Y è una variabile casuale Omoscedasticità (omogeneità della varianza di y x) Distribuzione normale di y x Linearità della relazione tra x ed y Statistica Medica Correlazione e Regressione lineare semplice 38
39 In questo esempio abbiamo dati campionati da una popolazione in cui le tre assunzioni sono soddisfatte Statistica Medica Correlazione e Regressione lineare semplice 39
40 Variabilità della retta di regressione y è una variabile casuale x di solito non è una variabile casuale Il ricercatore può scegliere soggetti con i valori della x più adatti per lo studio siamo interessati a valutare la variabilità di y, non quella di x Statistica Medica Correlazione e Regressione lineare semplice 4
41 Varianza intorno alla retta di regressione (stima campionaria) s ( ) y yˆ i i = n Statistica Medica Correlazione e Regressione lineare semplice 41
42 Residuo (o scarto) = valore y_osservato valore y_predetto Varianza = scarti ^ / gl y valore y_osservato scarto valore y_predetto x Statistica Medica Correlazione e Regressione lineare semplice 4
43 s ( ) y yˆ i i = n y ˆ = a + i bx i Sostituisco: s ( y a bx ) = i n i Statistica Medica Correlazione e Regressione lineare semplice 43
44 Relazione tra concentrazione plasmatica di colesterolo e trigliceridi Colesterolo Triglicerid att(y) y-att(y) (y-att(y))^ (x) i (y) 1 3,4 6,4,7696,4743,479 3, 6,18,78181,398149,18 3,9,,671 -,471, ,77 6,11,867637,4363,874 3,67 6,36,8386,413, ,31,67 6, ,68694, ,1,48 6,914 -,811, ,8,67 7, ,49396, ,79 9,4 7,4664 1, , ,3 8,4 8,7784 -,17784,3169 somma degli scarti^ 8,77 b=, s(b)^= 1,346 a= 4, Statistica Medica Correlazione e Regressione lineare semplice 44
45 Omoscedasticità: la varianza di y è costante per tutto l intervallo x E un requisito per la corretta applicazione della regressione lineare (voltre) Statistica Medica Correlazione e Regressione lineare semplice 4
46 Errore standard di b ES( b) = s ( x x) i Statistica Medica Correlazione e Regressione lineare semplice 46
47 Colesterolo (x) Trigliceridi ( ) (y) x xi att(y) y-att(y) (y-att(y))^ 1 3,4 6,4 4,93961,7696,4743,479 3, 6,18 4,7461,78181,398149,18 3,9, 7,39961,671 -,471, ,77 6,11 3,661,867637,4363,874 3,67 6,36 3,9961,8386,413, ,31,67, , ,68694, ,1,48, ,914 -,811, ,8,67 4, , ,49396, ,79 9,4 9, ,4664 1, , ,3 8,4 43, ,7784 -,17784, ,4389 somma degli scarti^ 8,77 b=, s(b)^= 1,346 a= 4, ES(b)=,1996 Statistica Medica Correlazione e Regressione lineare semplice 47
48 Errore standard di b ES( b) = s ( x x) i L errore standard di b si riduce, a parità di s, quando la variabilità di x è maggiore! Statistica Medica Correlazione e Regressione lineare semplice 48
49 Intervallo di Confidenza e tests t per il coefficiente di regressione t = distanza tra il valore di b stimato (b) e quello previsto dall ipotesi nulla (ß, di solito H: ß =), in unità di errore standard di b (SE(b)) t = b β SE(b) Statistica Medica Correlazione e Regressione lineare semplice 49
50 Intervallo di Confidenza del coefficiente di regressione L intervallo di confidenza si calcola nel modo consueto (v lezione precedente) t ha (n-) gradi di libertà ed il valore è scelto in modo corrispondente all errore di I tipo, con test a code CI = b ± t crit SE(b) Statistica Medica Correlazione e Regressione lineare semplice
51 Colesterolo (x) Trigliceridi ( ) (y) x xi att(y) y-att(y) (y-att(y))^ 1 3,4 6,4 4,93961,7696,4743,479 3, 6,18 4,7461,78181,398149,18 3,9, 7,39961,671 -,471, ,77 6,11 3,661,867637,4363,874 3,67 6,36 3,9961,8386,413, ,31,67, , ,68694, ,1,48, ,914 -,811, ,8,67 4, , ,49396, ,79 9,4 9, ,4664 1, , ,3 8,4 43, ,7784 -,17784, ,4389 somma degli scarti^ 8,77 b=, s(b)^= 1,346 a= 4, ES(b)=,1996 IC(9%)_b=, ,74 Statistica Medica Correlazione e Regressione lineare semplice 1
52 8 6 4 variazione del livello di trigliceridi con il livello di colesterolo trigliceridi=4,67 +,3* colesterolo IC(9%)_b= 1,6 -,7 trigliceridi (y) colesterolo (x) Statistica Medica Correlazione e Regressione lineare semplice
53 Relazione alla nascita tra circonferenza cranica e lunghezza circonferenza cranica 36, 34, 3, 3, 8, 6, 4, a=8, b=,1 ES(b)=,1 (IC 9%_b:,41 -,61) y= 8, +,1x,, 18, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 3
54 Valore di y predetto dalla retta di regressione data y=a+bx, dopo aver ricavato a e b possiamo predire il valore atteso di y, corrispondente ad un dato valore di x Il calcolo si effettua sostituendo il valore di x nella formula, noti a e b e risolvendo l equazione Statistica Medica Correlazione e Regressione lineare semplice 4
55 Valore di y predetto dalla retta di regressione Es il valore di circonferenza cranica predetto per un bambino di lunghezza 41 cm è ŷ =8,+,13 * x ŷ ŷ =8,+,13 * 41 =9, Statistica Medica Correlazione e Regressione lineare semplice
56 Intervallo di confidenza dei valori predetti PI ( ) x x i ( ) x x 1 = yˆ ± t s 1+ + gl, α n i Statistica Medica Correlazione e Regressione lineare semplice 6
57 Relazione alla nascita tra circonferenza cranica e lunghezza Es il valore di circonferenza cranica predetto per un bambino di lunghezza 41 cm è ŷ =9, ŷ IC( )=,47-3,63 Statistica Medica Correlazione e Regressione lineare semplice 7
58 Intervallo di confidenza dei valori predetti PI ( ) x x i ( ) x x 1 = yˆ ± t s 1+ + gl, α n i La predizione ha un errore maggiore allontanandosi dalla media di x La predizione ha un errore minore con un ampia variabilità di x Statistica Medica Correlazione e Regressione lineare semplice 8
59 Statistica Medica Correlazione e Regressione lineare semplice 9
60 atteso_y Statistica Medica Correlazione e Regressione lineare semplice 6
61 Cautele nella predizione La predizione non è valida fuori dell intervallo osservato di x La predizione è più incerta agli estremi della distribuzione di x Per migliorare la precisione della predizione debbo aumentare la somma dei quadrati degli scarti (devianza) di x Statistica Medica Correlazione e Regressione lineare semplice 61
62 Outliers ed osservazioni influenti Statistica Medica Correlazione e Regressione lineare semplice 6
63 Relazione alla nascita tra circonferenza cranica e lunghezza Ho due outliers, indicati come: 1 e 36, 34, 3, 3, circonferenza cranica 8, 6, 4,, 1, 18, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 63
64 Relazione alla nascita tra circonferenza cranica e lunghezza Se escludo outlier 1 36, 34, 3, 3, circonferenza cranica 8, 6, 4,, 1, 18, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 64
65 Relazione alla nascita tra circonferenza cranica e lunghezza 36, 34, Se escludo outliers 1 e 3, circonferenza cranica 3, 8, 6, 4,, 1, 18, lunghezza Statistica Medica Correlazione e Regressione lineare semplice 6
66 Relazione alla nascita tra circonferenza cranica e lunghezza Tutti i dati: a=8, b=,1 Escluso outlier 1: a=4,91 b=,6 Esclusi outlier 1 e : a=4,46 b=,61 Statistica Medica Correlazione e Regressione lineare semplice 66
67 Valutazione del modello R : proporzione della varianza che è spiegata dal modello di regressione = (coefficiente di correlazione) ^ Statistica Medica Correlazione e Regressione lineare semplice 67
68 variazione del livello di trigliceridi con il livello di colesterolo trigliceridi=4,67 +,3* colesterolo 1 r =,716 R =,1 trigliceridi (y) colesterolo (x) Statistica Medica Correlazione e Regressione lineare semplice 68
69 Verifica dei modelli Omoscedasticità (omogeneità della varianza) Distribuzione normale degli errori Linearità Statistica Medica Correlazione e Regressione lineare semplice 69
70 Verifica dei modelli Omoscedasticità (omogeneità della varianza) Distribizione normale degli errori Linearità Statistica Medica Correlazione e Regressione lineare semplice 7
71 Omoscedasticità (omogeneità della varianza) Statistica Medica Correlazione e Regressione lineare semplice 71
72 Verifica delle assunzioni del modello La verifica delle assunzioni del modello viene condotta esaminando la distribuzione dei residui Se la varianza è costante per tutta la distribuzione della x,anche i residui saranno distribuiti in modo uniforme Statistica Medica Correlazione e Regressione lineare semplice 7
73 Residuo (o scarto) = valore y_osservato valore y_predetto y valore y_osservato valore y_predetto x Statistica Medica Correlazione e Regressione lineare semplice 73
74 Verifica delle assunzioni del modello Distribuzione uniforme dei residui Statistica Medica Correlazione e Regressione lineare semplice 74
75 Distribuzione uniforme dei residui Statistica Medica Correlazione e Regressione lineare semplice 7
76 Distribuzione non uniforme dei residui Statistica Medica Correlazione e Regressione lineare semplice 76
77 Distribuzione non uniforme dei residui Statistica Medica Correlazione e Regressione lineare semplice 77
78 Verifica dei modelli Omoscedasticità (omogeneità della varianza) Distribuzione normale degli errori Linearità Statistica Medica Correlazione e Regressione lineare semplice 78
79 Distribuzione normale dei residui (errori) Statistica Medica Correlazione e Regressione lineare semplice 79
80 Distribuzione non normale dei residui (errori) Statistica Medica Correlazione e Regressione lineare semplice 8
81 Distribuzione non normale dei residui (errori) Statistica Medica Correlazione e Regressione lineare semplice 81
82 Verifica dei modelli Omoscedasticità (omogeneità della varianza) Distribizione normale degli errori Linearità Statistica Medica Correlazione e Regressione lineare semplice 8
83 Perchè parliamo di regressione lineare? La variazione lineare è spesso una spiegazione adeguata Variazioni non lineari diventano tali dopo una trasformazione matematica di una delle variabili La variazione lineare è un punto di partenza Statistica Medica Correlazione e Regressione lineare semplice 83
84 Non-linearità Statistica Medica Correlazione e Regressione lineare semplice 84
85 Non-linearità Statistica Medica Correlazione e Regressione lineare semplice 8
86 Non-linearità Statistica Medica Correlazione e Regressione lineare semplice 86
87 Trasformazioni normalizzanti e linearizzanti Radice quadrata Logaritmo Inversa (meglio se ulteriormente moltiplicata per -1) Statistica Medica Correlazione e Regressione lineare semplice 87
88 Trasformazioni normalizzanti e linearizzanti Dati trasformati Inversa negativa Log Radice Dati originali Statistica Medica Correlazione e Regressione lineare semplice 88
89 Statistica Medica Correlazione e Regressione lineare semplice 89 FREQUENCY CORPUSCOMIDPOINT FREQUENCY L_c MIDPOINT
90 Esercizi regressione Pag36 n 1 Pag36 n 3 Pag36 n 4 Pag36 n 6 Pag36 n 1 Statistica Medica Correlazione e Regressione lineare semplice 9
91 Statistica Medica Correlazione e Regressione lineare semplice 91
92 Regressione multipla y = a + b 1 x 1 + b x + b 3 x 3 + b 4 x 4 Statistica Medica Correlazione e Regressione lineare semplice 9
93 DIAM HT VOL MTB > glm lvolume=lht+ldiam; Analysis of Variance for LVOLUME, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P LDIAM LHEIGHT Error Total Term Coeff Stdev t-value P Constant LDIAM LHEIGHT Predicted LVOLUME = = *LHEIGHT *LDIAM Statistica Medica Correlazione e Regressione lineare semplice 93
94 MTB > glm lvolume=ldiam+lheight; SUBC> covariate ldiam lheight Analysis of Variance for LVOLUME Source DF Seq SS Adj SS Adj MS F P LDIAM LHEIGHT Error Total Term Coeff Stdev t-value P Constant LDIAM LHEIGHT Sequential SS are adjusted for preceding terms in the model Adjusted SS are adjusted for all other terms in the model So the last variable must have Seq SS = Adj SS Adding variables to the end doesn t change the existing Seq SS Statistica Medica Correlazione e Regressione lineare semplice 94
95 MTB > glm lvolume=ldiam+lheight; SUBC> covariate ldiam lheight Source DF Seq SS Adj SS Adj MS F P LDIAM LHEIGHT Error Total MTB > glm lvolume=lheight+ldiam; SUBC> covariate lheight ldiam Source DF Seq SS Adj SS Adj MS F P LHEIGHT LDIAM Error Total Statistica Medica Correlazione e Regressione lineare semplice 9
96 MTB > glm lvolume=ldiam+lheight; SUBC> covariate ldiam lheight Term Coef SE Coef T P Constant LDIAM LHEIGHT MTB > glm lvolume=lheight+ldiam; SUBC> covariate lheight ldiam Term Coef SE Coef T P Constant LHEIGHT LDIAM Statistica Medica Correlazione e Regressione lineare semplice 96
97 Regressione multipla y = a + b 1 x 1 + b x + b 3 x 3 + b 4 x 4 - Selezione del modello più parsimonioso - Confondimento? - Interazione? Statistica Medica Correlazione e Regressione lineare semplice 97
Università 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
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
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
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,
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
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 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)
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
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
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
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
DettagliLezione 7 Corso di Statistica. Domenico Cucina
Lezione 7 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 12 obiettivi della lezione comprendere la retta di regressione e le sue proprietà D. Cucina
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.
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
DettagliFacoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 27/12/2010 Regressione lineare Modello geometrico
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
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
DettagliLezione 7 Corso di Statistica. Francesco Lagona
Lezione 7 Corso di Statistica Francesco Lagona Università Roma Tre F. Lagona (francesco.lagona@uniroma3.it) 1 / 12 Outline 1 2 Rette di regressione e correlazione distribuzioni bivariate quantitative consideriamo
DettagliRegressione semplice: come applicarla come interpretare i risultati
Regressione semplice: come applicarla come interpretare i risultati Questo materiale è utile ai fini dell esecuzione della regressione con software statistico. Questo materiale non è in alcun modo utile
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
DettagliIndipendenza, Dipendenza e interdipendenza
Indipendenza, Dipendenza e interdipendenza In analisi bivariata la tabella di contingenza consente di esaminare congiuntamente due variabili consente di rilevare le relazioni esistenti tra le 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
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
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 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.
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
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
DettagliAnalisi di Regressione Multipla
Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di
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
DettagliRappresentazioni grafiche di distribuzioni doppie
Rappresentazioni grafiche di distribuzioni doppie Distribuzione doppia di frequenze Tabella di contingenza Tabella di correlazione Stereogramma Distribuzione unitaria doppia di 2 caratteri quantitativi
DettagliAnalisi descrittiva: calcolando medie campionarie, varianze campionarie e deviazioni standard campionarie otteniamo i dati:
Obiettivi: Esplicitare la correlazione esistente tra l altezza di un individuo adulto e la lunghezza del suo piede e del suo avambraccio. Idea del progetto: Il progetto nasce dall idea di acquistare scarpe
DettagliCorrelazione tra due variabili
Correlazione tra due variabili Federico Plazzi 26 Novembre 2015 Correlazione tra due variabili Correlazione tra due variabili Variabili dipendenti e variabili indipendenti La variabile indipendente è quella
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
DettagliCampo di applicazione
Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo
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
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
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
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello
Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le
DettagliTRACCIA DI STUDIO. Test di confronto per misure qualitative. Verifica di ipotesi
TRACCIA DI STUDIO Verifica di ipotesi Nelle analisi statistiche di dati sperimentali riguardanti più gruppi di studio (talvolta più variabili) si pone come ipotesi da verificare la cosiddetta ipotesi zero:
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
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
DettagliESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice
DettagliESERCITAZIONE ANCOVA
ESERCITAZIONE ANCOVA I dati provengono da un articolo di Cyril Burt del 1996 intitolato The genetic determination of differences in intelligence: A study of monozygotic twins reared apart. I dati contengono
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
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie
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
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 Media e Varianza Covarianza
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
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
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
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
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
DettagliRelazione tra variabili (cont.) Due variabili continue. Una variabile continua e un altra qualitativa o discreta.
Relazione tra variabili (cont.) Due variabili continue. Una variabile continua e un altra qualitativa o discreta. María Eugenia Castellanos Nueda (DEIO) Estadística Aplicada a la Publicidad Noviembre de
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
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
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
DettagliLezione 6 Corso di Statistica. Domenico Cucina
Lezione 6 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 17 obiettivi della lezione familiarizzare con le ditribuzioni bivariate delle variabili quantitative
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
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, -..
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
Dettaglix, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
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
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
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
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,
Dettaglilezione 5 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - le stime OLS ci consentono di approssimare linearmente la relazione fra una variabile dipendente (Y) e una indipendente (X) - i parametri stimati su un
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
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
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliLa curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate
Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede
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),
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliTempo disponibile: 60 minuti
Corso di Specialistica in Biotecnologie Statistica medica. A.A. 005-006 6 Marzo 006 Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per misurare l'effetto
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
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
DettagliAnalisi bivariata. Il caso di caratteri quantitativi
Analisi bivariata Il caso di caratteri quantitativi Pagina 382 Rappresentazioni grafiche di distribuzioni doppie Distribuzione doppia di frequenze Tabella di contingenza Tabella di correlazione Stereogramma
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
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
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
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
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
DettagliRELAZIONE TRA DUE VARIABILI QUANTITATIVE
RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
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
DettagliInterpolazione e metodo dei minimi quadrati
A. A. 017-018 Interpolazione e metodo dei minimi quadrati prof. ing. Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Relazioni tra variabili Molto spesso si verifica che
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
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
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()
DettagliUniversità del Piemonte Orientale. Corso di laurea specialistica in biotecnologie mediche. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea specialistica in biotecnologie mediche Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva: Dati numerici: statistiche di tendenza centrale e di variabilità Corsi
DettagliMetodi Matematici e Informatici per la biologia. Esercizi
Metodi Matematici e Informatici per la biologia Esercizi Esercizio 1 Il modo migliore per isolare gli effetti delle variabili nascoste sulla variabile di risposta è di effettuare uno studio di osservazione
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
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
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
Dettagli