L'ultima lezione Marcello Gallucci Milano-Bicocca
|
|
- Evelina Battaglia
- 4 anni fa
- Visualizzazioni
Transcript
1 L'ultima lezione A M D Marcello Gallucci Milano-Bicocca
2 Come (si potrebbe) studiare Si consiglia di studiare partendo dalle slide del corso (vedi cartella Lezioni ), cercando di individuare la logica degli argomenti trattati ed i concetti più importanti. Poi, studiare il capitolo del libro corrispondente. Seguire anche con attenzione gli esempi del libro. In parallelo ci si può esercitare con il software mediante gli esercizi (vedi cartella Esercizi ) e le esercitazioni (vedi cartella Esercitazioni ). L'uso del software SPSS richiesto è minimo, cioè limitato a quei pochi comandi necessari a svolgere le tecniche statistiche trattate nel corso. Non focalizzarsi sugli esercizi, è probabile che lo stesso quesito non esca più
3 Cosa è fondamentale sapere Teoria: Quale è la logica della tecnica statistica che si sta studiando. Quando si applica. Quali sono le quantità statistiche coinvolte nell analisi (medie, varianze, probabilità, coefficienti etc). Come si interpretano parametri ed i test dell analisi. Quali sono i pregi e i difetti della tecnica
4 Cosa è fondamentale sapere Pratica: Si stia capendo quale è la logica della tecnica statistica che si sta studiando. Quando si applica. Come stimarla in SPSS. Come si interpretano i risultati. Come si scrive (per questo punto si faccia attenzione alla fine di ogni capitolo al paragrafo come si scrive ).
5 Rispondere ad un quesito statistico Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande:
6 Rispondere ad un quesito statistico Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda la relazione tra variabili o il modello di misura? Relazioni fra variabili Modello di misura
7 Rispondere ad un quesito statistico Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda la relazione tra variabili o il modello di misura? Relazioni fra variabili Modello di misura Effetto di una o più variabili su una dipendente Associazione tra due variabili Differenze fra gruppi Influenza di una variabile su un altro effetto
8 Rispondere ad un quesito statistico Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda la relazione tra variabili o il modello di misura? Relazioni fra variabili Modello di misura Attendibilità di una misura Dimensionalità di una misura Coerenza tra misure alternative Clusterizzazione di item in costrutti Validità di una misura
9 Relazioni fra variabili Le domande a cui dobbiamo rispondere per gestire un analisi relativa alle relazioni fra variabili sono sostanzialmente due: Che tipo di modello dobbiamo stimare? Come lo dobbiamo stimare? E il modello empiricamente sostenibile? A quale effetto siamo interessati?
10 Tipo di modello? Quale è la natura della variabile dipendente? Continua Categorica
11 Tipo di modello? Quale è la natura della variabile dipendente? Continua Categorica Modello lineare
12 Tipo di modello? Quale è la natura della variabile dipendente? Continua Categorica Modello Logistico Modello lineare generalizzato
13 Tipo di modello Quale è la natura della variabili indipendenti? Continua Categorica Modello regressione Modello ANOVA Entrambe Modello ANCOVA
14 Tipo di modello Che tipo di modello dobbiamo stimare? Dipendente Continua Categorica (dicotomica) Indipendente Continua Categorica Regressione semplice o multipla ANCOVA ANOVA ad una via o fattoriale Regressione Logistica ANCOVA Logistica ANOVA Logistica
15 Come lo stimiamo? Come sono strutturati i dati? Cross-sectional Misure ripetute Misure clusterizzate
16 Relazioni fra variabili Come sono strutturati i dati? Cross-sectional Misure ripetute Misure clusterizzate Survey di questionari Esperimento between-subject Osservazioni senza ripetizione Etc.. Ogni soggetto misurato indipendentemente dagli altri ed una volta sola
17 Relazioni fra variabili Come sono strutturati i dati? Cross-sectional Misure ripetute Misure clusterizzate Esperimento within-subject Studi logitudinali Etc.. Ogni soggetto misurato in diversi tempi ed occasioni
18 Come lo stimiamo? Come sono strutturati i dati? Cross-sectional Misure ripetute Misure clusterizzate Esperimento within-subject Studi logitudinali Studi multilivello Studi su soggetti campionati in gruppo
19 Come lo stimiamo? Come stimare il modello? Cross-sectional Misure ripetute Misure clusterizzate Modello Regressione ANOVA Regressione lineare ANOVA Betweensubjects Modelli misti 1) ANOVA Misure ripetute 2) Modelli misti Modelli misti Modelli misti
20 Sostenibile? Abbiamo rispettato le assunzioni? Cross-sectional Misure ripetute Misure clusterizzate Modello Regressione ANOVA Linearità Omoschedasticità Normalità Omoschedasticità Normalità Variance tra cluster? Normalità Sfericità Normalità Variance tra cluster? Normalità Variance tra cluster? Normalità
21 Sostenibile? Se non abbiamo rispettatto le assunzioni Cross-sectional Misure ripetute Misure clusterizzate Modello Regressione ANOVA Test non parametrici Test non parametrici Variance tra cluster? Normalità Correzione di sfericità Test non parametrici Cambio di modello Cambio di modello
22 Effetti A quale effetti siamo interessati? Semplici Parziali Intervenienti Relazioni lineari Confronti specicifici Mediazione Moderazione: interazione Analisi dei contrasti Analisi post-hoc
23 Rispondere ad un quesito statistico Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda la relazione tra variabili o il modello di misura? Relazioni fra variabili Modello di misura Attendibilità di una misura Dimensionalità di una misura Coerenza tra misure alternative Clusterizzazione di item in costrutti Validità di una misura
24 Modello di misura Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda l attendibilità delle misure?
25 Modello di misura Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda l attendibilità delle misure? Come sono le variabili? Attendibilità Categoriche: Kappa di Cohen Ranking: coefficiente di correlazione intraclasse Continue: correlazione e alpha di Cronbach
26 Modello di misura Per rispondere ad un quesito statico (di ricerca o di esame) possiamo strutturare il ragionamento rispondendo ad una serie di domande Riguarda la dimensionalità delle misure? Analisi fattoriale Scelta del modello Scelta dei fattori Rotazione Interpretazione dei fattori Punteggi fattoriali
27 Esempio 1
28 Esempio 1
29 Esempio 1
30 Esempio 2
31 Esempio 2
32 Esempio 2
33 Esempio 3
34 Esempio 3
35 Esempio 3
36 Esempio 4
37 Esempio 4
38 Esempio 4
39 Come si scrive APA style The following examples illustrate how to report statistics in the text of a research report. You will note that significance levels in journal articles-- especially in tables--are often reported as either "p >.05," "p <.05," "p <.01," or "p <.001." APA style dictates reporting the exact p value within the text of a manuscript (unless the p value is less than.001). Also, with the exception of some p values, most statistics should be rounded to two decimal places. Mean and Standard Deviation are most clearly presented in parentheses: The sample as a whole was relatively young (M = 19.22, SD = 3.45).
40 Come si scrive APA style Percentages are also most clearly displayed in parentheses with no decimal Places: Nearly half (49%) of the sample was married. Chi-Square statistics are reported with degrees of freedom and sample size in parentheses, the Pearson chi-square value (rounded to two decimal places), and the significance level: The percentage of participants that were married did not differ by gender, c 2 (1, N = 90) = 0.89, p =.35. T Tests are reportedwith the degrees of freedom in parentheses. Following that, report the t statistic (rounded to two decimal places) and the significance level: There was a significant effect for gender, t(54) = 5.43, p <.001, with men receiving higher scores than women.
41 Come si scrive APA style Correlations are reported with the degrees of freedom (which is N-2) in parentheses and the significance level: The two variables were strongly correlated, r(55) =.49, p <.01. Regression results are reported with the B's (or betas), t-test, degrees of freedom, and p- values. The R-squared is reported with the F test: Social support significantly predicted depression scores, b = -.34, t(225) = 6.53, p <.001. Social support also explained a significant proportion of variance in depression scores, R2 =.12, F(1, 225) = 42.64, p < Anova results are reported with F-test, degrees of freedom, and p-values, and some effect size for each effect: There was a significant main effect for treatment, F(1, 145) = 5.43, p=.02, eta2=.24 and a significant interaction, F(2, 145) = 3.24, p =.04, eta2=.09 Any other linear model is reported accordingly
42 Fine Fine del corso
P S I C O M E T R I A. L'ultima lezione. Marcello Gallucci. Milano-Bicocca
L'ultima lezione Marcello Gallucci P S I C O M E T R I A Milano-Bicocca Come si svolge l'esame L'esame si svolge con l'ausilio del computer ed il software SPSS. Il testo dell'esame descrive una ricerca
DettagliMisure 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
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliLa questione dei Multiple Comparisons
La questione dei Multiple Comparisons Massimo Borelli May 7, 2014 Massimo Borelli () La questione dei Multiple Comparisons May 7, 2014 1 / 27 Contenuti 1 Un errore tanto grave quanto frequente 2 i vantaggi
DettagliANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015
ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è
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
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
DettagliTecniche 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
DettagliElementi 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,
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
Dettagli2. INDICI DI DISCRIMINAZIONE 3. STUDIO DELLA DIMENSIONALITA DI UN TEST
L ATTENDIBILITA DI UN TEST: 1. FORME PARALLELE 2. TEST-RETEST 3. SPLIT HALF 4. COEFFICIENTI DI COERENZA INTERNA L ANALISI DEGLI ITEM: 1. INDICI DI DIFFICOLTA 2. INDICI DI DISCRIMINAZIONE 3. STUDIO DELLA
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 III Dott.ssa Roberta Adorni Dott.ssa Giulia Fusi
DettagliCAPITOLO 5 Introduzione ai piani fattoriali
Douglas C. Montgomery Progettazione e analisi degli esperimenti 2006 McGraw-Hill CAPITOLO 5 Introduzione ai piani fattoriali Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria
DettagliTecniche 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
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
DettagliTecniche 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
DettagliTeoria e tecniche dei test DIMENSIONALITA DI UN TEST DIMENSIONALITA DI UN TEST (2) 03/04/2012. Lezione 7 DIMENSIONALITA e ATTENDIBILITA
Teoria e tecniche dei test Lezione 7 DIMENSIONALITA e ATTENDIBILITA DIMENSIONALITA DI UN TEST Una domanda cruciale da porsi nella fase di messa a punto di un test riguarda la sua dimensionalità. La tecnica
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
DettagliEsclusione dei valori meno probabili Il criterio di Chauvenet
Esclusione dei valori meno probabili Il criterio di Chauvenet Nel campo dell analisi sperimentale è frequente trovare, in una serie di misure, qualche dato che non concorda con gli altri. 1 Il criterio
DettagliStrumenti informatici Realizzare l ANOVA per misure ripetute in Excel e SPSS
Strumenti informatici 6.5 - Realizzare l ANOVA per misure ripetute in Excel e SP Excel non dispone di una funzione che realizzi l analisi della varianza per misure ripetute, a meno di utilizzarlo per svolgere
DettagliPiano formativo del Corso Intensivo (Summer School) in: INTRODUZIONE ALL ANALISI DEI DATI CON R
Piano formativo del Corso Intensivo (Summer School) in: INTRODUZIONE ALL ANALISI DEI DATI CON R Dipartimento DI PSICOLOGIA DEI PROCESSI DI SVILUPPO E SOCIALIZZAZIONE Tipologia del Corso Denominazione Dipartimento
DettagliModelli di regressione. M.Bozzolan a.acc
Modelli di regressione M.Bozzolan a.acc. 2016-17 Variabilità osservata nell outcome??? Ci sono fattori che spiegano il diverso outcome di queste persone? Valori di outcome nella coorte Può aver avuto un
DettagliInferenza statistica II parte
Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente
DettagliAnalisi 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)
DettagliLABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE
LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE 5.1 ESEMPIO DI ANOVA AD UNA VIA In un esperimento un gruppo di bambini è stato assegnato a caso a 3 trattamenti, allo scopo di determinare
DettagliEstratto dal Cap. 8 di: Statistics for Marketing and Consumer Research, M. Mazzocchi, ed. SAGE, 2008.
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano BIVARIATE AND MULTIPLE REGRESSION Estratto dal Cap. 8 di: Statistics for Marketing and Consumer Research, M. Mazzocchi,
DettagliTecniche 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
DettagliLezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti
Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi
DettagliESERCITAZIONE del 07/04/2016 Anova a una via
ESERCITAZIONE del 07/04/2016 Anova a una via Si vuole studiare se l età media a cui le donne hanno il primo figlio è influenzata dal livello di istruzione. Su un campione di 63 donne di 45 anni è stata
DettagliTECNICHE DI ANALISI DEI DATI
TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento
Dettaglinumber of successes, or a vector of length 2 giving the numbers of successes and failures, respectively.
Quesito 1. Under (the assumption of) simple Mendelian inheritance, a cross between plants of two particular genotypes produces progeny 1/4 of which are dwarf and 3/4 of which are giant, respectively. In
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZION 13 Analisi della interdipendenza e della dipendenza : overview Docente:
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Test d Ipotesi
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Test d Ipotesi Test per lo studio dell associazione tra variabili Nella teoria dei test, il ricercatore fornisce ipotesi riguardo la distribuzione
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
DettagliStrumenti informatici Realizzare l analisi della varianza con Excel e SPSS
Strumenti informatici 6.4 - Realizzare l analisi della varianza con Excel e SPSS Excel non dispone di una funzione che realizzi l analisi della varianza, a meno di aver installato uno dei moduli aggiunti
DettagliStatistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
Dettagli9 Confronto fra due o più popolazioni attraverso test non parametrici
9 Confronto fra due o più popolazioni attraverso test non parametrici I test non parametrici prescindono per la loro validità dalle condizioni di normalità ed omogeneità delle varianze delle popolazioni
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 8.2 Introduzione ai test psicologici Validità a priori di un test Rif. bibliografico: Boncori, L. (2006). I test in psicologia. Capitolo 2 Gianmarco Altoè Dipartimento di
DettagliTesti del Syllabus. Resp. Did. STRACCI FABRIZIO Matricola:
Testi del Syllabus Resp. Did. STRACCI FABRIZIO Matricola: 006234 Docente STRACCI FABRIZIO Anno offerta: 2017/2018 Insegnamento: GP003917 - STATISTICA MEDICA Corso di studio: L056 - LOGOPEDIA (ABILITANTE
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)
DettagliIl modello lineare misto
Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica
DettagliDott.ssa Marta Di Nicola
La dimensione del campione Stima (su considerazioni statistiche) Giustificazione (su considerazioni economiche e biologiche) Aggiustamento (in accordo a potenziali dropouts o effetti di covariate) Perché
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.
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.2, 20 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2016-17
DettagliAnalisi avanzate della regressione: la moderazione (Cap. 5 )
Analisi avanzate della regressione: la moderazione (Cap. 5 ) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: V Struttura delle relazioni Le relazioni possibili diventano più interessanti strutturalmente
DettagliRisultati. 1. Statistica Descrittiva
Risultati 1. Statistica Descrittiva 1.1. Baricentro sull asse x (Bx) La situazione di partenza (1p) è illustrata in Fig. 1.1, separatamente per le classi A-H (36 soggetti) e B-E (32 soggetti). Circa la
DettagliUniversità 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
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliTECNICHE DI CLASSIFICAZIONE
TECNICHE DI CLASSIFICAZIONE La tecnica di classificazione più conosciuta è la cluster analysis, che ha l obiettivo di identificare gruppi di soggetti (o oggetti) omogenei al loro interno ed eterogenei
DettagliLaboratorio Di Statistica Con R Eserciziario Ediz Mylab Con Espansione Online
Laboratorio Di Statistica Con R Eserciziario Ediz Mylab Con Espansione Online We have made it easy for you to find a PDF Ebooks without any digging. And by having access to our ebooks online or by storing
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 : Analisi della varianza Università del Piemonte Orientale Corso di laurea
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
DettagliAnalisi delle medie post ANOVA. (cap. 4 e 8)
Analisi delle medie post ANOVA (cap. 4 e 8) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: 9 Problema Se il test F è significativo, concludiamo che esiste una differenza fra le medie dei gruppi
DettagliTest non parametrici (cap. 6)
Test non parametrici (cap. 6) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 11 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliMetodologie Quantitative
Metodologie Quantitative Introduzione al Corso M Q Cristina Zogmaister Milano-Bicocca cristina.zogmaister@unimib.it 1 Programma Odierno Struttura, argomenti, e stile del corso Esami Panoramica dei temi
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
DettagliLDL come target per il controllo della dislipidemia HIV-correlata
LDL come target per il controllo della dislipidemia HIV-correlata EU vs USA: dove sta la verità? Dr Michele Bombelli Clinica Medica Università degli Studi Milano Bicocca Ospedale S.Gerardo, Monza LINEE
DettagliPsicometria con Laboratorio di SPSS 1
Psicometria con Laboratorio di SPSS 1 1-Panoramica delle tecniche: Spiegazione intuitiva vers. 1.1 (vers. 1.1, 14 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliStatistica per principianti
Statistica per principianti Eva Pagano SID Academy: Metodologia degli studi clinici in diabetologia Bologna, 20-21 marzo 2018 Randomization Randomization ensures that each patient has an equal chance of
DettagliUtilizzo e valutazione dell'offerta pubblica e privata di servizi radiotelevisivi nel 2017
Utilizzo e valutazione dell'offerta pubblica e privata di servizi radiotelevisivi nel 2017 Rapporto finale Benjamin Fretwurst, Céline Murri, Thomas Friemel, Heinz Bonfadelli Panoramica grafica 3 Fretwurst/Murri/Friemel/Bonfadelli
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
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
DettagliCReMPE. Coordinamento Regionale per il Management e la Progettazione Europea. Analisi di un progetto finanziato: HoNCAB
CReMPE Coordinamento Regionale per il Management e la Progettazione Europea Analisi di un progetto finanziato: HoNCAB Obiettivi a) Imparare a tradurre le priorità del bando in obiettivi di progetto b)
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 : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliErrori inferenza statistica Analisi della Varianza - I
Errori inferenza statistica Analisi della Varianza - I M Q Marco Perugini Milano-Bicocca 1 Lez: XXVIII Errori nell inferenza statistica La statistica viene usata per fare inferenze a partire dei dati empirici
DettagliInferenza 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
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
DettagliStatistica Applicata prof. Federico Plazzi
Statistica Applicata prof. Federico Plazzi Corso di Laurea in Scienze Naturali a. a. 2015/2016 PROVA DEL 25 GENNAIO 2016 Nome: Cognome: ALCUNE INDICAZIONI: La prova consiste in cinque esercizi; dopo ogni
DettagliIl ruolo della condizione psicosociale nel cambiamento degli stili di vita in pazienti con tumore del colon retto in follow up.
XVIII Congresso Nazionale AIOM (Associaizone Italiana di Oncologia Medica) Il ruolo della condizione psicosociale nel cambiamento degli stili di vita in pazienti con tumore del colon retto in follow up.
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliDisegno di Salomon. Disegno sperimentale ideale di Solomon. Controllo delle variabili estranee. Disegno sperimentale 15/05/2017
Due gruppi con doppio pre-test e post-test Il confronto dei due pre-test -> dice se il ritmo di crescita è equivalente Gruppo Pre-test1 Pre-test2 Trattamento Post-test A SI SI SI SI B SI SI NO SI Disegno
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliAntonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR
Antonella Bodini Istituto di Matematica Applicata e Tecnologie Informatiche E. Magenes del CNR Materiale ad uso dei ricercatori che hanno seguito il corso di formazione interna in Statistica, edizione
DettagliMISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni
Attendibilità Misurazione I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema è solo più evidente, non più grave. I costrutti che
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
DettagliMisurazione e attendibilità
Misurazione e attendibilità I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema e solo più evidente, non più grave. I costrutti che
DettagliContrasti e confronti multipli
Contrasti e confronti multipli Andrea Onofri 25 gennaio 2012 Indice 1 Introduzione 1 2 I contrasti pianificati 2 Test di confronto multiplo 4 4 Limitazione delle MCP 5 5 Scegliere la MCP 7 Sommario Scopo
DettagliMatrici di Raven (PM47)
Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM38) TRA I TEST DI TIPICA PERFORMANCE Test proiettivi Test self-report di personalità Questionari psichiatrici
DettagliANOVA 2. Monica Marabelli. 15 Gennaio 2016
ANOVA 2 Monica Marabelli 15 Gennaio 2016 ANOVA a una via Nella scorsa esercitazione abbiamo visto che nell Analisi della Varianza (ANOVA) si considerano le medie di una variabile dipendente (quantitativa)
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 4 Analisi Bivariata I Parte
Metodi Quantitativi per Economia, Finanza e Management Lezione n 4 Analisi Bivariata I Parte Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla
DettagliAnalisi della Varianza - II
Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire
DettagliLaboratorio di Apprendimento Automatico. Fabio Aiolli Università di Padova
Laboratorio di Apprendimento Automatico Fabio Aiolli Università di Padova Underfitting e Overfitting Complessità spazio ipotesi SVM: aumenta con kernel non lineari, RBF con maggiore pendenza, aumenta con
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
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
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 13 Febbraio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da quattro esercizi;
DettagliCOME SCRIVERE UN ARTICOLO SCIENTIFICO
COME SCRIVERE UN ARTICOLO SCIENTIFICO Master Class SISET 2016 Paolo Bucciarelli Centro Emofilia e Trombosi A. Bianchi Bonomi Fondazione IRCCS Ca Granda Ospedale Maggiore Policlinico, Milano bucciarelli@policlinico.mi.it
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 1.5 Correlazione e causazione Davide Massidda davide.massidda@gmail.com Metodi simmetrici vs asimmetrici Relazioni tra variabili Nei metodi di studio
DettagliStrumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS
Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie
DettagliSCHEDA INSEGNAMENTO A.A. 2017/2018
SCHEDA INSEGNAMENTO A.A. 2017/2018 CORSO DI LAUREA MAGISTRALE IN ECONOMIA E FINANZA INSEGNAMENTO STATISTICA PER LE DECISIONI Docente: prof. Corrado Crocetta email: corrado.crocetta@unifg.it pagina web:
DettagliStrumenti di indagine per la valutazione psicologica
Università degli Studi di Cagliari Facoltà di Studi Umanistici Esame di Strumenti di indagine per la valutazione psicologica dott. Davide Massidda Cognome Nome Matricola Data Le verranno di seguito posti
DettagliModelli Lineari Generalizzati. (Cap. 10) Marcello Gallucci Univerisità Milano-Bicocca
Modelli Lineari Generalizzati (Cap. 0) Marcello Gallucci Univerisità Milano-Bicocca Preludio La maggior parte delle comuni tecniche statistiche volte ad individuare le relazioni fra variabili, quali Correlazioni,
Dettagli