TECNICHE DI ANALISI DEI DATI ANOVA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "TECNICHE DI ANALISI DEI DATI ANOVA"

Transcript

1 TECNICE DI ANALISI DEI DATI AA 06/07 PRO. V.P. SENESE Questi materiali sn dispnibili per tutti gli studenti al seguente indirizz: Università della Campania SUN Dipartiment di Psiclgia TECNICE DI ANALISI DEI DATI Prf. V.P. Senese ANOVA Quand la relazine causale chiama in causa variabili indipendenti VI di tip qualitativ N O, mentre la variabile dipendente VD è di tip quantitativ I R l analisi che può essere impiegata è l ANALISI DELLA VARIANZA ANOVA. Anche in quest cas cme nella regressine l biettiv è quell di vler verificare se la capacità di prevedere i valri di una data variabile Y, EY, aumenta cnscend i valri assunti da una data variabile X; vver se nei diversi livelli della/e variabile/i indipendente la variabile dipendente si distribuisce in md differente.

2 ANOVA DEPREIONE ANSIA ANOVA VD VI Trasfrmiam la variabile indipendente e cnsideriamla cme variabile misurata su scala rdinale O Cnsideriam di questa variabile sl un numer ristrett di valri es. tre: 6, 0 e

3 ANOVA VD I depr. VI O ansia Questa situazine è quella dalla quale si parte quand abbiam una VI di tip N O e una VD ad I R e vgliam cnfrntare la distribuzine della VD nei gruppi determinati dai livelli della VI. Per effettuare il cnfrnt dbbiam scegliere il test statistic da applicare. Es. t test? Chi-quadrat? test W? ANOVA? ANOVA L analisi della varianza ANOVA si basa sulla scmpsizine della variabilità ttale in due parti: I PARTE VAR. DOVUTA ALL EETTO VI varianza tra-gruppi between spiegata II PARTE VAR. DOVUTA ALLA DIVERSITÀ DEI SOETTI varianza entr i gruppi within varianza residua varianza casuale ttale spiegata errre

4 ANOVA La scmpsizine della variabilità dipende direttamente dal disegn di ricerca. Distinguiam tra: disegni a ATTORI BETWEEN misure/gruppi indipendenti; disegni a ATTORI WITIN misure/gruppi dipendenti; disegni MISTI misure/gruppi sia dipendenti sia indipendenti. ANOVA BETWEEN TOTALE TRA I RUPPI ENTRO I RUPPI trattament differenze individuali errre differenze individuali errre Media B media Media A x

5 ANOVA BETWEEN ttale spiegata errre SQttale SQ ttale SQ effett + SQerrre SQ effett SQ errre ANOVA BETWEEN TOTALE TRA I RUPPI k - N - ENTRO I RUPPI N - k N = numer di sservazini k = numer di gruppi livelli della VI 5

6 Es. Un fattre between livelli: A alti B medi C bassi Effett VI y ij y.. TOTALE y i. y.. ENTRO I RUPPI TRA I ANOVA BETWEEN y ij y i. RUPPI y y ij i. punteggi ss media grupp y media ttale.. i var spiegata var errre ANOVA BETWEEN Per cnfrntare la due varianze e verificare se quella spiegata dall effett VI è maggire di quella residua, si calcla la statistica. La varianza spiegata dal mdell va al numeratre, quella residua al denminatre. Var Var tra _ gr entr _ gr Dev gdl Dev tra _ gr entr _ gr gdl : la varianza 0 : spiegata è uguale a quella residua casuale gdl k n k 0 : tutte le medie dei k gruppi sn uguali : esiste almen un grupp cn una media diversa dalle altre 6

7 ANOVA BETWEEN Se si rifiuta 0, vver si sserva che la variabilità between è significativamente maggire di quella within, pssiam affermare che: la variabilità sservata nella variabile dipendente è ricnducibile alla variabile indipendente che ha generat i gruppi; esiste almen una differenza tra le medie dei gruppi ricnducibile alla variabile indipendente, vver esiste almen un grupp in cui la variabile dipendente si distribuisce in md divers dagli altri gruppi. Pst hc Se k > e nn pianificati Varianti del t-test per cnfrnti fra cppie di campini cn crrezine del valre di prbabilità p = α per verificare quali gruppi sn diversi. ANOVA POST-OC Per la valutazine dei cnfrnti nn pianificati bisgna fare attenzine a cntenere l errre di I tip. A tal scp sn stati prpsti differenti prcedure utili alla crrezine: Test di Tukey Tukey, 95: cnsente di cntrllare l errre di I tip nel cas in cui vengan eseguiti sl cnfrnti a cppie. Test di Scheffé Sheffé, 95: cnsente di eseguire tutti i cnfrnti pssibili, sia tra cppie di medie sia tra medie cmplesse, impedend all errre di I tip di eccedere il livell prescelt. Crrezine di Bnferrni Bnferrni, 96: cnsente di eseguire tutti i cnfrnti pssibili crreggend il livell di prbabilità ad esempi α =.05 di ciascun cnfrnt per il numer n di cnfrnti effettuati: α/n. Sn stati prpsti mdelli alternativi per crreggere i livelli di prbabilità dei cnfrnti multipli che tengan in cnsiderazine sia una riduzine dell errre di I tip sia dell errre di II tip es., Pastre, Nucci e alfan,

8 ANOVA BETWEEN EECT SIZE Eta quadrat devianza spiegata devianza errre between ttale Effect size small.06 medium. large.0 Omega quadrat k k n AUNTI ANOVA BETWEEN i k campini sn indipendenti; le pplazini da cui prvengn i k campini sn distribuite in md nrmale; le varianze di tali pplazini sn mgenee mschedasticità; la variabile indipendente che ha k livelli più è misurata su scala qualitativa nn parametrica N O; 5 la variabile dipendente è misurata su scala metrica I R 6 gli effetti delle VI sulla VD sn additivi. 8

9 9 ESEMPIO # Cnd ans_p La cndizine cnd sperimentale facile, media, difficile, impssibile influenza il livell di ansia pre-test ans_p? ANOVA between a un fattre a livelli cn la Cndizine cme variabile indipendente Cnd; VI-O e il livell di ansia pre-test cme variabile dipendente ans_p; VD-I ESEMPIO # Quest risultat ci prta ad accettare l iptesi nulla. Il livell di ansia prima della prva nn viene influenzat dalla cndizine sperimentale,,96 = 0.6, p =.9, =

10 0 ESEMPIO # Cnd ans_a La cndizine cnd sperimentale facile, media, difficile, impssibile influenza il livell di ansia pst-test ans_a? ANOVA between a un fattre a livelli cn la Cndizine cme variabile indipendente Cnd; VI-O e il livell di Ansia pst-test cme variabile dipendente ans_a; VD-I ESEMPIO # Quest risultat ci prta a respingere l iptesi nulla e a supprtare l iptesi alternativa. 0

11 ESEMPIO # p <.05 Tukey Cnd - facile - media - difficile - impssibile ESEMPIO # L ANOVA ha mess in evidenza che la cndizine sperimentale influenza significativamente il livell di ansia riprtat dp il test di statistica,,96 =.08, p =.0, =.088. In particlare, i test pst-hc cndtti cn la crrezine di Tukey evidenzian che gli studenti psti nella cndizine impssibile M = 0.9 dichiaran di avere un livell di ansia significativamente superire agli studenti psti nella cndizine facile M = 7.. Nn significative risultan le differenze tra gli altri gruppi cnfrntati. N.B. Se si calcla il pwer di quest test il risultat è: pwer =.58. In queste cndizini di analisi per avere un pwer di almen.80 è necessari un campine di 80 ss.

12 TECNICE DI ANALISI DEI DATI AA 06/07 PRO. V.P. SENESE Questi materiali sn dispnibili per tutti gli studenti al seguente indirizz: Secnda Università di Napli SUN Dipartiment di Psiclgia TECNICE DI ANALISI DEI DATI Prf. V.P. Senese ANOVA WITIN TOTALE trattament errre TRA LE MISURE N.B. Nn ci sn più le differenze individuali. ENTRO I RUPPI differenze individuali errre TRA SOETTI ERRORE

13 ANOVA BETWEEN ttale spiegata errre ttale effett + residua ttale tra i sggetti errre effett errre tra i sggetti ANOVA WITIN TOTALE TRA LE MISURE k nk ENTRO I RUPPI nk k TRA SOETTI n n = numer di sggetti k = numer di sservazini livelli della VI ERRORE nk k n

14 ANOVA WITIN y ij n y.. y ij y. j y. j y.. TOTALE ENTRO I RUPPI TRA LE MISURE TRA I SOETTI k yi. y.. ERRORE Dev. entr i gr. Dev. tra i sgg. y y media ss y ij i.. j punteggi media misura y media ttale.. k sservazi ni ss i k Per cnfrntare la due varianze e verificare se quella spiegata dall effett VI è maggire di quella residua, si calcla la statistica. La varianza spiegata dal mdell va al numeratre, quella residua al denminatre. var spiegata var errre ANOVA WITIN Var Var spiegata errre Dev gdl Dev spiegata gdl errre : la varianza 0 : spiegata è uguale a quella residua casuale gdl k nk k n 0 : tutte le medie dei k gruppi sn uguali : esiste almen un grupp cn una media diversa dalle altre

15 ANOVA WITIN Se si rifiuta 0, vver si sserva che la variabilità between spiegata è significativamente maggire di quella within errre, pssiam affermare che: la variabilità sservata nella variabile dipendente è ricnducibile alla variabile indipendente che ha influenzat le misure; esiste almen una differenza tra le k misure ricnducibile alla variabile indipendente, vver esiste almen una misura in cui la variabile dipendente si distribuisce in md divers dalle altre. Pst hc Se k > e nn pianificati Varianti del t-test per cnfrnti fra cppie di campini cn crrezine del valre di prbabilità p = α per verificare quali misure sn diverse. ANOVA WITIN EECT SIZE Eta quadrat devianza spiegata devianza errre spiegata ttale Effect size small.06 medium. large.0 Omega quadrat ttale spiegata MS sggetti k MS errre n MS errre 5

16 AUNTI ANOVA WITIN li errri e ij devn essere indipendenti i sggetti nn si devn influenzare reciprcamente; gli errri e ij devn essere distribuiti nrmalmente cn una media uguale a 0; le varianze delle differenze tra tutte le cppie di medie devn essere uguali sfericità circlarità test di Mauchley. Nel cas in cui ci sia una vilazine dell assunt di sfericità si prcede crreggend i gradi di libertà della statistica mediante il parametr e. Tre sn le pssibili crrezini: reenhuse-eisser uynh-eldt Lwer-bund è cnservativa ESEMPIO #5 Le fasi sperimentali influenzan baseline, inf sul test, test il livell di ansia ans? ase ans ANOVA within a un fattre a livelli cn la ase baseline; inf sul test; test cme variabile indipendente ase; VI-O e il livell di Ansia cme variabile dipendente ans; VD-I

17 7 ESEMPIO #5 Quest risultat ci prta a respingere l iptesi nulla e a supprtare l iptesi alternativa. 0 ESEMPIO #5 p <.05 Tukey

18 ESEMPIO #5 L ANOVA ha mess in evidenza che la fase sperimentale influenza significativamente il livell di ansia riprtat,,98 =.7, p =.05, =.06. In particlare, i test psthc cndtti cn la crrezine di Tukey evidenzian che il livell di ansia degli studenti nella fase baseline M = 8. è significativamente inferire a quell degli studenti nella fase prima del test M = 9.6. Nn significativa è la differenza nel livell di ansia tra prima e dp il test M = 9.. N.B. Se si calcla il pwer di quest test il risultat è: pwer =

TECNICHE DI ANALISI DEI DATI

TECNICHE DI ANALISI DEI DATI TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento

Dettagli

Analisi della varianza

Analisi 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

Dettagli

Lezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti

Lezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi

Dettagli

Argomenti della lezione:

Argomenti 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

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.

Dettagli

Statistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.

Statistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una

Dettagli

Equazioni. Prerequisiti. Definizioni e concetti generali. Incognita Lettera (di solito X) alla quale è possibile sostituire dei valori numerici

Equazioni. Prerequisiti. Definizioni e concetti generali. Incognita Lettera (di solito X) alla quale è possibile sostituire dei valori numerici Scmpsizini plinmiali Calcl del M.C.D. e del m.c.m. tra plinmi P), cn P) plinmi di grad qualsiasi Equazini Prerequisiti Definizini e cncetti generali Incgnita Lettera di slit ) alla quale è pssibile sstituire

Dettagli

Analisi della varianza a una via

Analisi della varianza a una via Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 17 luglio 2017 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 17 luglio 2017 SOLUZIONI Esperimentazini di Fisica 1 Prva d esame del 17 lugli 2017 SOLUZIONI Esp-1 Prva Scritta del 17 lugli 2017 - - Page 2 f 7 16/06/2017 1. (12 Punti) Quesit. Le misurazini della grandezza y in funzine della

Dettagli

L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti

L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Lezione 14 L analisi della Varianza (ANOVA): i disegni fattoriali tra i soggetti Argomenti della lezione: Effetti principali e interazioni Analisi dei disegni fattoriali Disegni fattoriali (o a più vie):

Dettagli

RELAZIONI TRA VARIAIBLI

RELAZIONI TRA VARIAIBLI RELAZIONI TRA VARIAIBLI Esiste la pssibilità che la crrelazine tra due variabili x e y sia dvuta all influenza di una terza variabile z Relazine spuria Presenza di cvariazine in assenza di causazine. La

Dettagli

Analisi della varianza

Analisi della varianza Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.

Dettagli

GENERALITÀ Esaminando i fenomeni collettivi si è affermato che una delle loro caratteristiche è quella di essere costituiti da più fenomeni

GENERALITÀ Esaminando i fenomeni collettivi si è affermato che una delle loro caratteristiche è quella di essere costituiti da più fenomeni GENERALITÀ Esaminand i fenmeni cllettivi si è affermat che una delle lr caratteristiche è quella di essere cstituiti da più fenmeni individuali atipici; si è anche studiat che il carattere di un fenmen

Dettagli

TECNICHE DI ANALISI DEI DATI

TECNICHE DI ANALISI DEI DATI TECNICHE DI ANALISI DEI DATI AA 2016/2017 PROF. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/rwabbd Seconda Università di Napoli (SUN) Dipartimento

Dettagli

TECNICHE DI ANALISI DEI DATI

TECNICHE DI ANALISI DEI DATI TECNICHE DI ANALISI DEI DATI AA 2017/2018 PROF. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/hxl9zg Università della Campania Luigi Vanvitelli

Dettagli

PROBABILITÀ' ED INFERENZA STATISTICA (10 cfu) (COSTANZO) L S. in Economia Azienda/e - Appello del i 6/01/20 i 2

PROBABILITÀ' ED INFERENZA STATISTICA (10 cfu) (COSTANZO) L S. in Economia Azienda/e - Appello del i 6/01/20 i 2 PRBBILITÀ' ED INFERENZ STTISTIC (1 cfu) (CSTNZ) L S. in Ecnmia zienda/e - ppell del i 6/1/2 i 2 Cgnme Nme Matr Firma ESERCIZI 1 In vista del lanci di un nuv mdell di cellulare, una nta azienda del settre,

Dettagli

Analisi della varianza

Analisi della varianza Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO

Dettagli

FAC SIMILE COMPITO II MODULO

FAC SIMILE COMPITO II MODULO FAC SIMILE COMPITO II MODULO NB: PER TUTTI GLI ESERCIZI E OBBLIGAORIO IL DISEGNO (indicando area di accettazione e rifiuto di H 0 ) E UN COMMENTO FINALE SPECICO SUI RISULTATI ESERCIZIO - TEST PER CAMPIONE

Dettagli

Capacità del processo

Capacità del processo Lezine 12 Gli strumenti per il miglirament della Qualità Capacità del prcess Aggirnament: 12 Nvembre 2003 Il materiale didattic ptrebbe cntenere errri: la segnalazine e di questi errri è benvenuta. Università

Dettagli

Metodi 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 Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA)

Dettagli

L'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 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

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche 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

Dettagli

Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione

Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze

Dettagli

Premessa: la dipendenza in media

Premessa: la dipendenza in media Premessa: la dipendenza in media Supponiamo di avere K diversi livelli di un fattore che potrebbero influire su una determinata variabile. Per esempio supponiamo di domandarci se la diversificazione (intesa

Dettagli

Prova pratica di Esperimentazioni di Fisica 2 (mattina del )

Prova pratica di Esperimentazioni di Fisica 2 (mattina del ) Prva pratica di Esperimentazini di Fisica (mattina del 19-06-09) Scp della prva: Cstruire e studiare il circuit assegnat nel test. Strumenti di misura utilizzati nella prva: 1) Oscillscpi Tek. TDS101 (banda

Dettagli

Inferenza statistica Donata Rodi 04/10/2016

Inferenza statistica Donata Rodi 04/10/2016 Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi

Dettagli

L ANALISI DELLA VARIANZA (ANOVA)

L ANALISI DELLA VARIANZA (ANOVA) ANALISI ANALISI DEI DATI MULTIVARIATA + LAB AA AA 2009-2010 2019-2020 L ANALISI DELLA VARIANZA (ANOVA) 1 ANALISI ANALISI DEI DATI MULTIVARIATA + LAB AA AA 2009-2010 2019-2020 Sommario * Il modello lineare:

Dettagli

Premessa. misurazione dell energia elettrica nei casi di. Per la. essi di misura. provvede a stimare. non orari o che si tratti. giorno.

Premessa. misurazione dell energia elettrica nei casi di. Per la. essi di misura. provvede a stimare. non orari o che si tratti. giorno. areti S.p.A. a Sci Unic Servizi Cmmerciali e Bilanci Energetic U. Gestine Misure Istruzini perativee per la stima e la ricstruzine dei dati di misura nei casi di indispnibilità dei dati, malfunzinament,

Dettagli

INDICE PARTE METODOLOGICA

INDICE 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

Dettagli

Indicatori di completezza e qualità dei flussi Informativi ministeriali NSIS Unità Organizzativa Sistema Informativo SSR.

Indicatori di completezza e qualità dei flussi Informativi ministeriali NSIS Unità Organizzativa Sistema Informativo SSR. Indicatri di cmpletezza e qualità dei flussi Infrmativi ministeriali NSIS Unità Organizzativa Sistema Infrmativ SSR. Allegat F1a La reprtistica di riscntr sarà resa dispnibile sul prtale di caricament

Dettagli

Indagine delle marche di dentifricio più utilizzate ed i loro benefici.

Indagine delle marche di dentifricio più utilizzate ed i loro benefici. REPORT 5 COSCI PIETRO Indagine delle marche di dentifrici più utilizzate ed i lr benefici. 1) OBIETTIVO DELLA RICERCA Abbiam fatt un sndaggi tramite un questinari creat da ni per capire e analizzare le

Dettagli

VARIETÀ. zona geografica A B C D

VARIETÀ. zona geografica A B C D Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore

Dettagli

Analisi della varianza

Analisi della varianza Analisi della varianza Mediante un singolo esperimento vengono confrontate fra loro più popolazioni (gruppi, tesi). Consente di valutare quantitativamente l importanza delle diverse fonti di variazione

Dettagli

Test F per la significatività del modello

Test F per la significatività del modello Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno

Dettagli

Data mining: introduzione

Data mining: introduzione D MG B Knwledge discvery Data mining Intrduzine Prcess di estrazine dai dati di pattern validi precedentemente ignti ptenzialmente utili cmprensibili [Fayyad, Piatesky-Shapir, Smyth 1996] DATA MINING:

Dettagli

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 2)

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 2) INTRODUZION AL DSIGN OF XPRIMNTS (Parte 2) 176 Introduzione Nella precedente lezione abbiamo visto come affrontare il problema della sperimentazione in presenza di un solo fattore e due soli livelli. In

Dettagli

Data mining Introduzione

Data mining Introduzione M B G ata mining Intrduzine ATA MINING: INTROUZIONE - 1 Knwledge discvery Prcess di estrazine dai dati di pattern validi precedentemente ignti ptenzialmente utili cmprensibili [Fayyad, Piatesky-Shapir,

Dettagli

PSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI

PSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione

Dettagli

Le disequazioni di primo grado

Le disequazioni di primo grado ) Disequazini di prim grad intere Le disequazini di prim grad Cnsider due plinmi A() e B(), entrambi di prim grad in. Le seguenti espressini: A()>B() A() B() A() B() A()

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 06-Anova per misure ripetute (vers. 1.0a, 1 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 08-Anova con covariata (vers. 1.2, 6 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18

Dettagli

Misure Ripetute. Partizione della Varianza. Marcello Gallucci

Misure Ripetute. Partizione della Varianza. Marcello Gallucci Misure Ripetute Partizione della Varianza Marcello Gallucci GLM l ANOVA a misure ripetute rappresenta un caso del modello lineare generale in cui la variabilità non è valutata tra gruppi ma tra misure

Dettagli

Statistica economica

Statistica 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

Dettagli

Chiarimenti in merito al Nuovo MSD 2010

Chiarimenti in merito al Nuovo MSD 2010 Chiarimenti in merit al Nuv MSD 2010 pag. 1 di 8 INDICE 1 PREFAZIONE... 3 1.1 Stria del dcument... 3 1.2 Acrnimi... 3 1.3 Dcumenti di riferiment... 3 2 OGGETTO... 4 3 CHIARIMENTI... 4 3.1 Avviamenti e

Dettagli

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)

CHEMIOMETRIA. 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

Dettagli

RISULTATI PROVE INVALSI

RISULTATI PROVE INVALSI UFFICIO SCOLASTICO REGIONALE PER IL Istitut Cmprensiv Statale Pal Ruffini SCUOLA DELL INFANZIA, PRIMARIA E SECONDARIA DI PRIMO GRADO RISULTATI PROVE INVALSI A. S. 2014/2015 1 Premessa L'INVALSI restituisce

Dettagli

Analisi della Varianza - II

Analisi della Varianza - II Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati)

Dettagli

Il modello lineare e l analisi della varianza con

Il modello lineare e l analisi della varianza con Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare

Dettagli

Variabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.

Variabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli. Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:

Dettagli

Statistica multivariata Donata Rodi 08/11/2016

Statistica multivariata Donata Rodi 08/11/2016 Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui

Dettagli

Anova 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 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

Dettagli

La regressione lineare semplice

La 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

Dettagli

LABORATORI DI STATISTICA SOCIALE

LABORATORI 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 III Dott.ssa Roberta Adorni Dott.ssa Giulia Fusi

Dettagli

CRITERI DI DEFINIZIONE DI APPARECCHIATURA CRITICA E VITALE

CRITERI DI DEFINIZIONE DI APPARECCHIATURA CRITICA E VITALE Pagina 1 di 6 Istruzine Operativa CRITERI DI DEFINIZIONE DI APPARECCHIATURA CRITICA E VITALE Adttata dall Azienda USL 3 di Pistia a far data dal 23/02/2011 Il Dir. U.O. ASSICURAZIONE QUALITA E R.P. AUTORIZZAZIONI

Dettagli

Fase. P = 1 liquidi completamente miscibili 1 < P n liquidi parzialmente miscibili. P = n 1 < P n solidi parzialmente miscibili (soluzioni solide)

Fase. P = 1 liquidi completamente miscibili 1 < P n liquidi parzialmente miscibili. P = n 1 < P n solidi parzialmente miscibili (soluzioni solide) 1 Equilibri di fase 1. Definizine del cncett di Fase 2. Definizine del cncett di Numer di Cmpnenti Indipendenti 3. Definizine del cncett di Gradi di Libertà (Varianza) 4. Cndizini generali dell equilibri

Dettagli

Corso di Sistemi di Gestione per la Qualità (SGQ) AA

Corso di Sistemi di Gestione per la Qualità (SGQ) AA Corso di Sistemi di Gestione per la Qualità (SGQ) AA 018-19 6 CFU Prof. Gianluca D Urso 1 Tecniche ANOVA ANalisys Of VAriance Problema che si vuole risolvere: esiste una differenza? A punti rossi B punti

Dettagli

approfondimento Lezione 4. Scomposizione canonica di Kalman F. Previdi - Controlli Automatici - Lez. 4 1

approfondimento Lezione 4. Scomposizione canonica di Kalman F. Previdi - Controlli Automatici - Lez. 4 1 Lezine. Scmpsizine cannica di Kalman F. Previdi - Cntrlli utmatici - Lez. Schema della lezine. Intrduzine alle scmpsizini canniche. Scmpsizine di raggiungibilità. Scmpsizine di sservabilità. Scmpsizine

Dettagli

Regressione lineare semplice

Regressione 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

Dettagli

LA MICRODUREZZA DEL CORINDONE

LA MICRODUREZZA DEL CORINDONE AI/i Sc. Tsc. Sci. at., Mem., Serie A, 93 (1986) pagg. 87-100, tabb. 8 M. FRAZII (*), M. TROYSI (*), A. CECCHII (*) LA MICRODUREZZA DEL CORIDOE Riassunt - Vengn riprtati i valri di micrdurezza Vickers

Dettagli

Calcolo Costo Residuo

Calcolo Costo Residuo Guida Operativa Calcl Cst Residu Data revisine: 24 Settembre 2014 L scp che si prefigge questa guida è quell di dcumentare le funzini per l svilupp delle Previsini di Spesa per gli ultimi mesi dell ann

Dettagli

Parte II (Il Condizionamento)

Parte II (Il Condizionamento) Parte II (Il Una termcppia di tip J (ferrcstantana) prduce nell intervall 0 C- 500 C una tensine variabile nell intervall 0.000mV-7.388mV; Un tipic ADC (Analg t Digital Cnverter) ammette una tensine di

Dettagli

Parte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione

Parte 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

Dettagli

AUTORITA DI BACINO DELIBERAZIONE N. 3 DEL 22/09/2010

AUTORITA DI BACINO DELIBERAZIONE N. 3 DEL 22/09/2010 DELIBERAZIONE N. 3 DEL 22/09/2010 Oggett: Prpsta di integrazini delle Linee Guida del P.A.I. in merit alla perimetrazine e assegnazine delle classi di periclsità per le aree sggette a periclsità di frana

Dettagli

Contenuti: Capitolo 14 del libro di testo

Contenuti: 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

Dettagli

8. REGRESSIONE E CORRELAZIONE

8. REGRESSIONE E CORRELAZIONE UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Crs di Laurea in Scienze per l'investigazine e la Sicurezza 8. REGRESSIONE E CORRELAZIONE Prf. Maurizi

Dettagli

Il confronto fra medie

Il confronto fra medie L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 09-Anova per misure ripetute (v. 1.3, 21 novembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii

Presentazione 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

Dettagli

s 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

s 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

Dettagli

ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti

ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.

Dettagli

Analisi della sopravvivenza

Analisi della sopravvivenza Analisi della spravvivenza Grazia Vurr Ann Accademic 200-20 Indice Intrduzine 2 Sperimentazine clinica 2 3 Imprtanza di un analisi time-t-event 3 4 Stima della funzine di spravvivenza 6 4. Metd di Kaplan-Meier.....................

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 19-Rapporto fra varianze e 20-Introduzione all Anova vers. 1.0 (5 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

Informatica Teorica. Seconda prova in itinere 5 Luglio 2006, Sezione Pradella Attenzione: avvisi sul retro!

Informatica Teorica. Seconda prova in itinere 5 Luglio 2006, Sezione Pradella Attenzione: avvisi sul retro! Infrmatica Terica Secnda prva in itinere 5 Lugli 2006, Sezine Pradella Attenzine: avvisi sul retr! Il prblema della Trre di Hani è csì definit. Vi sn n dischi simili ma di dimensini diverse inseriti in

Dettagli

1. variabili dicotomiche: 2 sole categorie A e B

1. 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

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumenti di indagine per la valutazione psicologica 41 ANOVA a un fattore between Davide Massidda davidemassidda@gmailcom Ovvero: analisi della varianza con un'unica VI ANOVA a una via L'ANOVA consente

Dettagli

CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI

CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,

Dettagli

Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1

Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1 Confronto tra medie Si considerino due popolazioni di individui sottoposti a due diversi trattamenti farmacologici. Si vuole valutare se tali trattamenti producono uguali effetti (ipotesi nulla) o diversi

Dettagli

Introduzione all Analisi della Varianza (ANOVA)

Introduzione all Analisi della Varianza (ANOVA) Introduzione all Analisi della Varianza (ANOVA) Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa

Dettagli

CERTIFICAZIONE di RESISTENZA AL FUOCO ELEMENTI PORTANtI/SEPARANTI

CERTIFICAZIONE di RESISTENZA AL FUOCO ELEMENTI PORTANtI/SEPARANTI md.cert.rei.-2004 pag. 1 Rif. Pratica VV.F. n. CERTIFICAZIONE di RESISTENZA AL FUOCO ELEMENTI PORTANtI/SEPARANTI da presentarsi in carta semplice ed in riginale insieme alla richiesta di C.P.I. md. PIN

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 11-Anova con covariata (v. 1.3, 5 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19

Dettagli

RIELABORAZIONE RISULTATI INVALSI

RIELABORAZIONE RISULTATI INVALSI Minister dell Istruzine, dell Università e della Ricerca ISTITUTO PROFESSIONALE ALBERGHIERO TURISTICO SERVIZI PER L ENOGASTRONOMIA E L OSPITALITÀ ALBERGHIERA Via De Gasperi Lcalità Bttar Villa San Givanni

Dettagli

1.1.1 ATLAS Sito Aula : MESSAGGIO ERRORE DI VALUTAZIONE

1.1.1 ATLAS Sito Aula : MESSAGGIO ERRORE DI VALUTAZIONE 1.1.1 ATLAS Sit Aula : MESSAGGIO ERRORE DI VALUTAZIONE ATLAS Sit Aula Messaggi Errre di Valutazine Messaggi Errre di valutazine DESCRIZIONE DEL PROBLEMA Dp aver cnclus un esame, sul server cmpare un punt

Dettagli

8. ANALISI DELLA COVARIANZA (ANCOVA)

8. ANALISI DELLA COVARIANZA (ANCOVA) 8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi

Dettagli

STATISTICA ESERCITAZIONE 13

STATISTICA 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

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 07-Anova per misure ripetute (vers. 1.2, 5 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

4 C. Prati. Il teorema del campionamento

4 C. Prati. Il teorema del campionamento 4 C. Prati Il terema del campinament Esercizi di verifica degli argmenti svlti nel quart capitl del test Segnali e Sistemi per le Telecmunicazini McGraw-Hill. ESERCIZIO Sia dat il seguente segnale temp

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 05-Anova (bozza) (vers. 1.0, 27 novembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16

Dettagli

Statistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1

Statistica. 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

Dettagli

Vademecum degli errori da evitare nella compilazione del modello 770/2006 e F24

Vademecum degli errori da evitare nella compilazione del modello 770/2006 e F24 Vademecum degli errri da evitare nella cmpilazine del mdell 770/2006 e F24 di angel facchini Pubblicat il 7 aprile 2006 Vademecum degli errri da evitare nella cmpilazine del mdell 770/2006 e F24 L Agenzia

Dettagli

Metodi 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 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

Dettagli

Stesso valore medio per distribuzioni diverse

Stesso valore medio per distribuzioni diverse Fonti e strumenti statistici per la comunicazione Prof.ssa Isabella Mingo A.A. 014-015 Stesso valore medio per distribuzioni diverse u i X 11 X 1 X 13 A 1 1 B 8 1 C 0 1 D 3 3 1 E 19 34 1 F 0 41 1 Un uguale

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 07b-Ripasso: Anova per fattori indipendenti (v. 1.9, 31 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di

Dettagli

Schema a - Base di computo dell incremento occupazionale (par. 3.3.1 della circolare)

Schema a - Base di computo dell incremento occupazionale (par. 3.3.1 della circolare) Schema a - Base di cmput dell increment ccupazinale (par. 3.3.1 della circlare) A B C temp determinat, temp indeterminat, temp determinat a scp di smministrazine (calclata su utilizzatre) rapprt cmpres

Dettagli

Modelli e procedure per l educazione degli adulti

Modelli e procedure per l educazione degli adulti CdL SEAFC a.a. 2016-2017 II semestre Pedagogia sperimentale. Modelli e procedure per l educazione degli adulti francesco.agrusti@uniroma3.it T6. Modelli e procedure di valutazione Ultimo appuntamento con

Dettagli

lezione 4 AA Paolo Brunori

lezione 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

Dettagli

IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI

IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e

Dettagli

Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza

Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in

Dettagli

ALLEGATO N. 3 DEFINIZIONE DEI PARAMETRI PER IL CALCOLO DELLA CDP

ALLEGATO N. 3 DEFINIZIONE DEI PARAMETRI PER IL CALCOLO DELLA CDP 1 di 9 ALLEGATO N. 3 IL CALCOLO DELLA CDP Apprvat cn D.M. del 28 giugn 2019 2 di 9 1. Premessa Al fine di definire la CDP di cui può disprre ciascun Partecipante in una specifica Area, Terna definisce

Dettagli