Introduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
|
|
- Arianna Cavallaro
- 8 anni fa
- Visualizzazioni
Transcript
1 Introduzione alle relazioni multivariate
2 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
3 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
4 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
5 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
6 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
7 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
8 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
9 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
10 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
11 Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili X e Y, spesso esiste una relazione del tipo: X influenza Y, di solito rappresentata nel seguente modo X Y In questo caso X è una variabile esplicativa che ha un influenza causale su Y Se si ha il sospetto dell esistenza di una relazione causale X Y, verifichiamo l esistenza di tre criteri: 1. Associazione tra le variabili 2. Un appropriato ordine cronologico 3. L assenza di spiegazioni alternative
12 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
13 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
14 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
15 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
16 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
17 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
18 Associazione e causalità Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa Associazione - Ordine cronologico - Esclusione di una spiegazione alternativa La prima cosa da fare è verificare l esistenza di un associazione tra X e Y. Si deve verificare che se X Y, al variare di X variano i valori di Y L applicazione di test statistici (ad es., il χ 2 ) consente di fare proprio questa operazione Tuttavia l associazione non implica la causazione Altro elemento importante è l ordine cronologico Spesso il fatto che X influenzi Y sta nella natura delle cose, è scontato. Tuttavia non sempre è così. È importante, comunque, individuare correttamente quale variabile influenza l altra variabile, anche per poter interpretare adeguatamente i risultati In ultimo bisogna essere certi che la relazione X Y non sia spiegata in altro modo. Vi possono essere, infatti, spiegazioni alternative o relazioni spurie
19 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
20 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
21 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
22 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
23 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
24 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
25 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
26 Controllo per altre variabili Controllo statistico nella ricerca sociale Controllo statistico nella ricerca sociale Quando si effettua un analisi multivariata dei dati, si decide di studiare l influenza di più variabili esplicative sulla variabile risposta e la ricerca di una spiegazione di come X influenzi Y non è semplice Una tecnica molto utilizzata è quella del controllo. Si dice che una variabile è controllata quando la sua influenza viene rimossa Nel caso della ricerca sociale, di tipo osservazionale piuttosto che sperimentale, il controllo si esercita raggruppando osservazioni uguali o simili per le variabili di controllo In pratica il controllo è effettuato rendendo costanti i valori della variabile da controllare Solitamente si divide il campione in gruppi per i quali il valore della variabile da controllare è costante (stessa età, sesso, religione, ecc..) Quindi si studia l influenza di un altra variabile per ciascun gruppo. In pratica voglio studiare come X Y controllando Z Suddivido il campione per il numero di modalità di Z, e per ciascuno di essi studio come X Y
27 Controllo per altre variabili Tipi di associazione per il controllo statistico Tipi di associazione per il controllo statistico Studiamo la relazione tra essere boy-scout ed essere delinquente, considerando una terza variabile, la frequenza della chiesa. Le due tabelle mostrano come si effettua il controllo Delinquente Boy Scout Sì No Totale Sì 36 (9%) 364 (91%) 400 No 60 (15%) 340 (85%) 400 Frequenza Chiesa Bassa Media Alta Delinquente Sì No Sì No Sì No Scout Sì 10 (20%) 40 (80%) 18 (12%) 132 (88%) 8 (4%) 192 (96%) No 40 (20%) 160 (80%) 18 (12%) 132 (88%) 2 (4%) 48 (96%)
28 Controllo per altre variabili Tipi di associazione per il controllo statistico Tipi di associazione per il controllo statistico Studiamo la relazione tra essere boy-scout ed essere delinquente, considerando una terza variabile, la frequenza della chiesa. Le due tabelle mostrano come si effettua il controllo Delinquente Boy Scout Sì No Totale Sì 36 (9%) 364 (91%) 400 No 60 (15%) 340 (85%) 400 Frequenza Chiesa Bassa Media Alta Delinquente Sì No Sì No Sì No Scout Sì 10 (20%) 40 (80%) 18 (12%) 132 (88%) 8 (4%) 192 (96%) No 40 (20%) 160 (80%) 18 (12%) 132 (88%) 2 (4%) 48 (96%)
29 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
30 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
31 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
32 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
33 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
34 Controllo per altre variabili Attenzione alle variabili in agguato Attenzione alle variabili in agguato Non sempre è facile effettuare il controllo delle variabili. Talvolta nella ricerca sociale, si corre il rischio di non considerare per nulla variabili esplicative anche molto importanti Le conoscenze pregresse sono molto utili a ridurre questo rischio. Una variabile la cui influenza è provata ma non misurata, viene definita variabile in agguato o variabile confondente. In pratica si tratta di una variabile che esercita un effetto Se studio l influenza di X Y, ma so che Z ha molta influenza su Y, ma che ha anche una qualche associazione con X, appare evidente che l influenza di X su Y può essere in parte (o anche del tutto) spiegata da Z Questa è una situazione molto frequente nella ricerca medica. Se ipotizzo che una malattia Y sia dovuta al fattore X, non tenere conto dell età Z (primo fattore di rischio per quasi tutte le malattie) non è corretto. Inoltre l esposizione al fattore X sarà più prolungata in base all età Z. Quindi vi sarà associazione tra X e Z.
35 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
36 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
37 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
38 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
39 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
40 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
41 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
42 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
43 Vediamo, ora, cosa accade realmente nella ricerca sociale Indichiamo con Y la variabile risposta e con X 1, X 2,..., le variabili esplicative Possiamo individuare cinque tipi di relazioni multivariate: 1 Associazioni Spurie 2 Relazioni concatenate 3 Cause multiple 4 Variabili sopprimenti 5 Interazione
44 Associazioni spurie Associazioni spurie 1 Un associazione tra X 1 e Y è definita spuria se entrambe le variabili dipendono da una terza variabile X 2 e se la loro associazione scompare quando X 2 è controllata L effetto di X 1 Y scompare se controllo per i livelli di X 2 X 1 Altezza X 2 Y Età Voto in matematica In pratica, cambiamenti in X 2 producono modificazioni sia in Y sia in X 1 che sono, quindi associate, ma solo in funzione della loro associazione con X 2
45 Associazioni spurie Associazioni spurie 1 Un associazione tra X 1 e Y è definita spuria se entrambe le variabili dipendono da una terza variabile X 2 e se la loro associazione scompare quando X 2 è controllata L effetto di X 1 Y scompare se controllo per i livelli di X 2 X 1 Altezza X 2 Y Età Voto in matematica In pratica, cambiamenti in X 2 producono modificazioni sia in Y sia in X 1 che sono, quindi associate, ma solo in funzione della loro associazione con X 2
46 Associazioni spurie Associazioni spurie 1 Un associazione tra X 1 e Y è definita spuria se entrambe le variabili dipendono da una terza variabile X 2 e se la loro associazione scompare quando X 2 è controllata L effetto di X 1 Y scompare se controllo per i livelli di X 2 X 1 Altezza X 2 Y Età Voto in matematica In pratica, cambiamenti in X 2 producono modificazioni sia in Y sia in X 1 che sono, quindi associate, ma solo in funzione della loro associazione con X 2
47 Associazioni spurie Associazioni spurie 1 Un associazione tra X 1 e Y è definita spuria se entrambe le variabili dipendono da una terza variabile X 2 e se la loro associazione scompare quando X 2 è controllata L effetto di X 1 Y scompare se controllo per i livelli di X 2 X 1 Altezza X 2 Y Età Voto in matematica In pratica, cambiamenti in X 2 producono modificazioni sia in Y sia in X 1 che sono, quindi associate, ma solo in funzione della loro associazione con X 2
48 Associazioni spurie Associazioni spurie 1 Un associazione tra X 1 e Y è definita spuria se entrambe le variabili dipendono da una terza variabile X 2 e se la loro associazione scompare quando X 2 è controllata L effetto di X 1 Y scompare se controllo per i livelli di X 2 X 1 Altezza X 2 Y Età Voto in matematica In pratica, cambiamenti in X 2 producono modificazioni sia in Y sia in X 1 che sono, quindi associate, ma solo in funzione della loro associazione con X 2
49 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
50 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
51 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
52 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
53 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
54 Relazioni concatenate Relazioni concatenate 2 Un altro tipo di associazione spuria è dato dalle relazioni concatenate Sono del tipo: X 1 X 2 Y dove X 1 influenza X 2 che a sua volta influenza Y. X 1 è causa indiretta di Y. Viene definita variabile interveniente (o mediatrice). Esempio Istruzione Reddito Lunghezza di vita
55 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
56 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
57 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
58 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
59 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
60 Cause multiple Cause multiple 3 Sovente una variabile Y ha più di una causa (cause multiple) Lo schema è il seguente X 1 Y X 2 Tuttavia, nella ricerca sociale, spesso le cause sono tra loro associate. Quindi una variabile X 1 può esercitare un effetto diretto su Y, ma vi sono anche effetti indiretti dovuti ad altre variabili X 1 Y X 2
61 Variabili sopprimenti Variabili sopprimenti 4 Talvolta due variabili non mostrano associazione tra loro, fino a quando non viene considerata una terza variabile (variabile sopprimente). Vedi la relazione istruzione-reddito controllando per l età Età = Bassa Età = Alta Reddito Alto Basso % Alto Alto Basso % Alto Istruzione Alta % % Bassa % % Ignorando l età otteniamo la prima parte della seconda tabella. Poi si osserva come l età è positivamente associata con il reddito e negativamente con l istruzione Reddito Reddito Istruzione Istruzione Alto Basso Età Alto Basso Età Alta Bassa Alta Alta Alta Bassa Bassa Bassa
62 Variabili sopprimenti Variabili sopprimenti 4 Talvolta due variabili non mostrano associazione tra loro, fino a quando non viene considerata una terza variabile (variabile sopprimente). Vedi la relazione istruzione-reddito controllando per l età Età = Bassa Età = Alta Reddito Alto Basso % Alto Alto Basso % Alto Istruzione Alta % % Bassa % % Ignorando l età otteniamo la prima parte della seconda tabella. Poi si osserva come l età è positivamente associata con il reddito e negativamente con l istruzione Reddito Reddito Istruzione Istruzione Alto Basso Età Alto Basso Età Alta Bassa Alta Alta Alta Bassa Bassa Bassa
63 Variabili sopprimenti Variabili sopprimenti 4 Talvolta due variabili non mostrano associazione tra loro, fino a quando non viene considerata una terza variabile (variabile sopprimente). Vedi la relazione istruzione-reddito controllando per l età Età = Bassa Età = Alta Reddito Alto Basso % Alto Alto Basso % Alto Istruzione Alta % % Bassa % % Ignorando l età otteniamo la prima parte della seconda tabella. Poi si osserva come l età è positivamente associata con il reddito e negativamente con l istruzione Reddito Reddito Istruzione Istruzione Alto Basso Età Alto Basso Età Alta Bassa Alta Alta Alta Bassa Bassa Bassa
64 Variabili sopprimenti Variabili sopprimenti 4 Talvolta due variabili non mostrano associazione tra loro, fino a quando non viene considerata una terza variabile (variabile sopprimente). Vedi la relazione istruzione-reddito controllando per l età Età = Bassa Età = Alta Reddito Alto Basso % Alto Alto Basso % Alto Istruzione Alta % % Bassa % % Ignorando l età otteniamo la prima parte della seconda tabella. Poi si osserva come l età è positivamente associata con il reddito e negativamente con l istruzione Reddito Reddito Istruzione Istruzione Alto Basso Età Alto Basso Età Alta Bassa Alta Alta Alta Bassa Bassa Bassa
65 Variabili sopprimenti Variabili sopprimenti 4 Talvolta due variabili non mostrano associazione tra loro, fino a quando non viene considerata una terza variabile (variabile sopprimente). Vedi la relazione istruzione-reddito controllando per l età Età = Bassa Età = Alta Reddito Alto Basso % Alto Alto Basso % Alto Istruzione Alta % % Bassa % % Ignorando l età otteniamo la prima parte della seconda tabella. Poi si osserva come l età è positivamente associata con il reddito e negativamente con l istruzione Reddito Reddito Istruzione Istruzione Alto Basso Età Alto Basso Età Alta Bassa Alta Alta Alta Bassa Bassa Bassa
66 Interazione statistica Interazione statistica 5 Se l effetto di X 1 Y si modifica secondo diversi livelli di X 2, si dice che vi è interazione tra X 1 e X 2 Def.: Esiste Interazione statistica tra X 1 e X 2 nei loro effetti su Y quando il vero effetto di un predittore su Y si modifica al cambiare del valore dell altro predittore La figura mostra chiaramente lo schema di interazione tra X 1 e X 2 e come tale interazione influenza la relazione X 1 Y X 2 X 1 Y
67 Interazione statistica Interazione statistica 5 Se l effetto di X 1 Y si modifica secondo diversi livelli di X 2, si dice che vi è interazione tra X 1 e X 2 Def.: Esiste Interazione statistica tra X 1 e X 2 nei loro effetti su Y quando il vero effetto di un predittore su Y si modifica al cambiare del valore dell altro predittore La figura mostra chiaramente lo schema di interazione tra X 1 e X 2 e come tale interazione influenza la relazione X 1 Y X 2 X 1 Y
68 Interazione statistica Interazione statistica 5 Se l effetto di X 1 Y si modifica secondo diversi livelli di X 2, si dice che vi è interazione tra X 1 e X 2 Def.: Esiste Interazione statistica tra X 1 e X 2 nei loro effetti su Y quando il vero effetto di un predittore su Y si modifica al cambiare del valore dell altro predittore La figura mostra chiaramente lo schema di interazione tra X 1 e X 2 e come tale interazione influenza la relazione X 1 Y X 2 X 1 Y
69 Interazione statistica Interazione statistica 5 Se l effetto di X 1 Y si modifica secondo diversi livelli di X 2, si dice che vi è interazione tra X 1 e X 2 Def.: Esiste Interazione statistica tra X 1 e X 2 nei loro effetti su Y quando il vero effetto di un predittore su Y si modifica al cambiare del valore dell altro predittore La figura mostra chiaramente lo schema di interazione tra X 1 e X 2 e come tale interazione influenza la relazione X 1 Y X 2 X 1 Y
70 Interazione statistica Interazione statistica 5 Se l effetto di X 1 Y si modifica secondo diversi livelli di X 2, si dice che vi è interazione tra X 1 e X 2 Def.: Esiste Interazione statistica tra X 1 e X 2 nei loro effetti su Y quando il vero effetto di un predittore su Y si modifica al cambiare del valore dell altro predittore La figura mostra chiaramente lo schema di interazione tra X 1 e X 2 e come tale interazione influenza la relazione X 1 Y X 2 X 1 Y
71 Interazione statistica Interazione statistica Consideriamo la relazione tra Reddito Y, numero di anni di istruzione X 1 e sesso X 2 Sovente si rileva che la relazione (valore del coefficiente angolare) tra X 1 ed Y è più forte tra i M che tra le F Si potrebbero avere le seguenti equazioni di regressione: E(y) = x 1 per i maschi E(y) = 5 + 2x 1 per le femmine
72 Interazione statistica Interazione statistica Consideriamo la relazione tra Reddito Y, numero di anni di istruzione X 1 e sesso X 2 Sovente si rileva che la relazione (valore del coefficiente angolare) tra X 1 ed Y è più forte tra i M che tra le F Si potrebbero avere le seguenti equazioni di regressione: E(y) = x 1 per i maschi E(y) = 5 + 2x 1 per le femmine
73 Interazione statistica Interazione statistica Consideriamo la relazione tra Reddito Y, numero di anni di istruzione X 1 e sesso X 2 Sovente si rileva che la relazione (valore del coefficiente angolare) tra X 1 ed Y è più forte tra i M che tra le F Si potrebbero avere le seguenti equazioni di regressione: E(y) = x 1 per i maschi E(y) = 5 + 2x 1 per le femmine
74 Interazione statistica Interazione statistica Consideriamo la relazione tra Reddito Y, numero di anni di istruzione X 1 e sesso X 2 Sovente si rileva che la relazione (valore del coefficiente angolare) tra X 1 ed Y è più forte tra i M che tra le F Si potrebbero avere le seguenti equazioni di regressione: E(y) = x 1 per i maschi E(y) = 5 + 2x 1 per le femmine
75 Interazione statistica Interazione statistica Consideriamo la relazione tra Reddito Y, numero di anni di istruzione X 1 e sesso X 2 Sovente si rileva che la relazione (valore del coefficiente angolare) tra X 1 ed Y è più forte tra i M che tra le F Si potrebbero avere le seguenti equazioni di regressione: E(y) = x 1 per i maschi E(y) = 5 + 2x 1 per le femmine
76 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
77 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
78 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
79 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
80 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
81 Aspetti inferenziali Aspetti inferenziali Quando si fa inferenza, infine dobbiamo tener conto di: 1 Effetti di piccole dimensioni campionarie sulle analisi parziali. Se voglio controllare per X 2 la relazione X 1 Y, l ampiezza campionaria per ciascun livello di X 2 deve essere sufficiente, altrimenti si incorre nel rischio di errori standard elevati e, conseguentemente, intervalli di confidenza troppo ampi 2 Effetti della categorizzazione nel controllo di una variabile. Il numero di categorie o livelli delle variabili di controllo deve essere adeguatamente determinato. In genere 3 o 4 rappresentano una buona scelta 3 Confrontare misure. Sovente è utile confrontare le stime per i diversi livelli della variabile di controllo. Se i livelli sono due l intervallo di confidenza, ad es., sarà dato da (Stima 2 Stima 1 ) ± z (se 1 ) 2 + (se 2 ) 2.
Inferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
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 Economia Facoltà di Economia, Università di Ferrara
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliLezione 1. Concetti Fondamentali
Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliLezione 1. Concetti Fondamentali
Lezione 1 Concetti Fondamentali Sonetto di Trilussa Sai ched è la statistica? E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1
Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi
DettagliPrincipi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli
Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliFormazione per lettori volontari
Formazione per lettori volontari Associazione Culturale Pediatri Associazione Italiana Biblioteche Centro per la Salute del Bambino ONLUS E-mail npl@aib.it www.natiperleggere.it I lettori volontari Sono
DettagliIl metodo della regressione
Il metodo della regressione Consideriamo il coefficiente beta di una semplice regressione lineare, cosa significa? È una differenza tra valori attesi Anche nel caso classico di variabile esplicativa continua
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliLa significatività PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA PROVE DI SIGNIFICATIVITA
PROVE DI SIGNIFICATIVITA Tutti i test statistici di significatività assumono inizialmente la cosiddetta ipotesi zero (o ipotesi nulla) Quando si effettua il confronto fra due o più gruppi di dati, l'ipotesi
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliCos è l ISC (Indicatore Sintetico del Conto Corrente) e cosa sono i Profili tipo d utilizzo
Cos è l ISC (Indicatore Sintetico del Conto Corrente) e cosa sono i Profili tipo d utilizzo Come dice il nome, l ISC è un indicatore che riassume in un unica cifra il costo indicativo annuo di un conto
Dettagli4.1. La migliore relazione affettiva con la figura di riferimento principale
4.1. La migliore relazione affettiva con la figura di riferimento principale Nella seguente tabella sono riassunte le frequenze dei dati sensibili ottenute dallo spoglio dei dati raccolti nella parte preliminare
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliIgiene nelle Scienze motorie
Igiene nelle Scienze motorie Epidemiologia generale Epidemiologia Da un punto di vista etimologico, epidemiologia è una parola di origine greca, che letteralmente significa «discorso riguardo alla popolazione»
DettagliECONOMIA DEL LAVORO. Lezioni di maggio (testo: BORJAS) L offerta di lavoro
ECONOMIA DEL LAVORO Lezioni di maggio (testo: BORJAS) L offerta di lavoro Offerta di lavoro - Le preferenze del lavoratore Il luogo delle combinazioni di C e L che generano lo stesso livello di U (e.g.
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliRisparmio e Investimento
Risparmio e Investimento Risparmiando un paese ha a disposizione più risorse da utilizzare per investire in beni capitali I beni capitali a loro volta fanno aumentare la produttività La produttività incide
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliAnalisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali
Obiettivi delle aziende Analisi di Mercato Facoltà di Economia francesco mola Analisi sui consumi Conoscere i bisogni e i gusti dei consumatori Valutare la soddisfazione della clientela Lanciare nuovi
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliCLASSIFICAZIONE DEI CARATTERI
CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliMETODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica
METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica EPIDEMIOLOGIA Ha come oggetto lo studio della distribuzione delle malattie in un popolazione e dei fattori che la influenzano
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliErrori di una misura e sua rappresentazione
Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliAnalisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni
Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la
DettagliCon il termine Variabile di solito si indica qualcosa che varia, cioè che assume più modi di essere, detti modalità, attributi, valori
Le Variabili Con il termine Variabile di solito si indica qualcosa che varia, cioè che assume più modi di essere, detti modalità, attributi, valori 1. Genericamente, il termine variabile indica un carattere
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliAUTOREGOLAZIONE PER IL COMPITO
B5 queste schede ti aiuteranno a scoprire quanto sia utile autointerrogarsi e autovalutarsi potrai renderti conto di quanto sia utile porsi domande per verificare la propria preparazione se ti eserciterai
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliI ricavi ed i costi di produzione
I ricavi ed i costi di produzione Supponiamo che le imprese cerchino di operare secondo comportamenti efficienti, cioè comportamenti che raggiungono i fini desiderati con mezzi minimi (o, che è la stessa
DettagliEconomia del Lavoro 2010
Economia del Lavoro 2010 Capitolo 1-3 Offerta di lavoro -Le preferenze del lavoratore 1 Offerta di lavoro Le preferenze del lavoratore Il comportamento dell offerta di lavoro è analizzato dagli economisti
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
Dettagli5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI
5. IL PC E INTERNET NELLE DIVERSE TIPOLOGIE FAMILIARI 5.1 Considerazioni generali Il livello di informatizzazione delle famiglie toscane è stato esaminato, oltre che sulla base del territorio, anche tenendo
DettagliSegmentare ovvero capire il contesto di mercato di riferimento
Lezione n. 5 Segmentare ovvero capire il contesto di mercato di riferimento Prof.ssa Clara Bassano Corso di Principi di Marketing A.A. 2006-2007 Verso la strategia aziendale Mission + Vision = Orientamento
DettagliAnalisi cinematica del passo di corsa in ultramaratoneti: valutazione in relazione alla distanza percorsa
Analisi cinematica del passo di corsa in ultramaratoneti: valutazione in relazione alla distanza percorsa Relatore: Prof. Schena Federico Correlatrice: Dott.ssa Pellegrini Barbara Laureando: Benedetti
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliCorso di Statistica. Corso di Laurea in Ingegneria Edile. Ingegneria Tessile. Docente: Orietta Nicolis
Corso di Statistica Corso di Laurea in Ingegneria Edile ed Ingegneria Tessile Docente: Orietta Nicolis Orario del corso: Martedì: dalle 16.00 alle 18.00 Giovedì: dalle 9.30 alle 11.30 Ricevimento: Mercoledì:
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliPaghe. 131.1.1 Scaglioni. Fascia di reddito. Fascia di reddito
339 Paghe Capitolo 131 131.1 Suddivisione del reddito in scaglioni....................................... 339 131.1.1 Scaglioni......................................................... 339 131.1.2 Suddivisione
DettagliLA POVERTÀ IN ITALIA
15 luglio 2011 Anno 2010 LA POVERTÀ IN ITALIA La povertà risulta sostanzialmente stabile rispetto al 2009: l 11,0% delle famiglie è relativamente povero e il 4,6% lo è in termini assoluti. La soglia di
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliIL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.
IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) La Regressione Multipla La Regressione Multipla La regressione multipla
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliLa valutazione implicita dei titoli azionari
La valutazione implicita dei titoli azionari Ma quanto vale un azione??? La domanda per chi si occupa di mercati finanziari è un interrogativo consueto, a cui cercano di rispondere i vari reports degli
DettagliEpidemiologia generale
Epidemiologia Da un punto di vista etimologico, epidemiologia è una parola di origine greca, che letteralmente significa «discorso riguardo alla popolazione» Epidemiologia generale Disciplina che ha come
Dettagli