ESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
|
|
- Vito Federici
- 7 anni fa
- Visualizzazioni
Transcript
1 Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice CAPITOLO 2 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo Appello del 25/06/2007 Esercizio 3 Nel corso di uno studio sulle proprietà delle leghe metalliche, in un campione di 9 barre di metallo di una lega speciale è stata misurata la concentrazione di carbonio e la tensione di snervamento. Carbonio Snervam (a) costruire il diagramma di dispersione e calcolare le stime ai minimi quadrati della regressione lineare semplice tra la concentrazione di carbonio e la tensione di snervamento; disegnare la retta di regressione nel diagramma e commentare i risultati alla luce del problema in questione; (b) condurre un verifica di ipotesi per stabilire se sussiste una relazione lineare significativa tra la concentrazione di carbonio e la tensione di snervamento. SOLUZIONE a. Regression Plot Snervam. = Carbonio S = R-Sq = 9.7 % R-Sq(adj) = 90.5 % Snervam Carbonio 45
2 Y X Y^2 X^2 XY Somma Media b.39 SQE b SQR SQT Syx 3.7 R Sb 0.59 t oss = 6.34 t7; b-t*sb.08 b+t*sb.767 The regression equation is Snervam. = Carbonio Predictor Coef SE Coef T P Constant Carbonio S = 3.7 R-Sq = 9.7% R-Sq(adj) = 90.5% Analysis of Variance Source DF SS MS F P Regression Residual Error Total
3 Appello del 09/0/2007 Esercizio 4 In un esperimento diretto allo studio della relazione tra il numero di pulsazioni sotto sforzo (per minuto) e l età (in anni) sono stati rilevati i seguenti dati su 0 soggetti di sesso maschile: Pulsazioni Età (a) si disegni e si commenti il diagramma di dispersione; (b) si calcoli (e si commenti) l indice di correlazione; (c) si stimi la retta di regressione del modello lineare che lega le pulsazioni all età dei soggetti e si interpreti i risultati ottenuti; (d) si calcoli il coefficiente di determinazione e si commenti il risultato ottenuto; (e) si verifichi l ipotesi H 0 : β = 0 contro l alternativa H: β 0 (si ponga α = 0.05). SOLUZIONE a) Regression Plot Pulsazioni = Età S = R-Sq = 86.3 % R-Sq(adj) = 84.6 % Pulsazioni Età Al crescere dell età tendono a diminuire le pulsazioni al minuto b) Pearson correlation of Pulsazioni and Età = Si evidenzia una forte correlazione negativa. 3
4 c) d) e) Pulsazioni Età Y X Y^2 X^ Somma OUTPUT RIEPILOGO Media Statistica della regressione R multiplo b SQE 83.6 R al quadrato b SQR 59.3 R al quadrato corretto SQT Errore standard 4.79 Osservazioni 0 R c) ANALISI VARIANZA gdl SQ MQ F p-value Regressione Residuo Totale Coefficienti Errore standard Stat t p-value Inf. 95% Sup. 95% Intercetta Età Si rifiuta l ipotesi nulla e quindi il coeff. angolare è significativamente diverso da zero. [va bene una delle 3 soluzioni: test F, test t o intervallo di confidenza di beta ] 4
5 Appello del 9/2/2006 Esercizio 5 Nella seguente sono riportati, per 0 autovetture di marche diverse, i dati relativi al numero di km percorribili in città con un litro di carburante e alla cilindrata del motore (in cc): Autovetture km per litro Cilindrata (cc) (a) Si disegni e si commenti il diagramma di dispersione; (b) Si stimi la retta di regressione del modello lineare che lega i Km percorribili per litro alla cilindrata delle autovetture e si interpreti i risultati ottenuti; (c) Si verifichi l ipotesi H 0 : β = 0 contro l alternativa H: β 0 (si ponga α = 0.05). SOLUZIONE a) e b) Regression Plot Km per litro = Cilindrata S = R-Sq = 90. % R-Sq(adj) = 88.8 % 3 2 Km per litro Cilindrata Al crescere della cilindrata diminuiscono i Km percorribili per litro. Per un incremento di cilindrata di 00 cc i Km percorribili con un litro diminuiscono di
6 Km per litro Cilindrata Y X Y^2 X^2 XY Somma OUTPUT RIEPILOGO Media Statistica della regressione R multiplo b SQE 4.5 R al quadrato 0.90 b SQR 40.5 R al quadrato corretto SQT 45.0 Errore standard 0.75 Osservazioni 0 R c) ANALISI VARIANZA gdl SQ MQ F p-value Regressione Residuo Totale CoefficientiErrore standard Stat t p-value Inf. 95% Sup. 95% Intercetta X Si rifiuta l ipotesi nulla e quindi il coeff. angolare è significativamente diverso da zero. [va bene una delle 3 soluzioni: test F, test t o intervallo di confidenza di beta ] 6
7 Seconda Prova parziale (Canale 2) del 07/2/2005 Esercizio 3 Una ditta che produce elettrodomestici vuole progettare un prototipo di lavatrice ed a questo scopo ha condotto un esperimento misurando il livello di rumorosità in funzione del peso del carico di lavaggio. Rumorosità Peso (a) costruire il diagramma di dispersione dei dati sperimentali; (b) calcolare le stime ai minimi quadrati della relazione lineare tra rumorosità e peso e disegnare la retta ottenuta nel diagramma di dispersione. (c) condurre una verifica di ipotesi per verificare se sussiste una relazione lineare significativa tra rumorosità e peso. (d) OPZIONALE (da svolgere nel retro): calcolare il coefficiente di determinazione R 2 e l intervallo di confidenza al 95% del coefficiente lineare. SOLUZIONE (a) Regression Plot Rumorosità = Peso S = R-Sq = 9.4 % R-Sq(adj) = 90.0 % Rumorosità Peso (b)-(c)-(d) Y X Y^2 X^2 XY Somma Media
8 b SQE 3.33 b SQR SQT Syx 0.75 R Sb 0.09 t oss = 8.00 t7; b-t*sb 0.5 b+t*sb
9 Appello del 2/05/05 Esercizio 3 Un impianto industriale produce a ciclo continuo, secondo un certo processo industriale, un volume di produzione che è legato ad alcuni parametri tra cui il tempo di ciclo del processo e la temperatura. Su un campione casuale di 0 cicli di produzione sono stati registrati i seguenti dati, per le tre variabili volume di produzione, tempo e temperatura: VOLUME PRODUZ. TEMPO TEMPERATURA a. costruire i diagrammi di dispersione tra coppie di variabili e calcolare i coefficienti di correlazione. Commentare i risultati; b. discutere analogie e differenze tra correlazione e regressione lineare semplice; c. calcolare le stime ai minimi quadrati della regressione lineare semplice tra volume di produzione e temperatura e calcolare il coefficiente di determinazione R 2 ; disegnare la retta di regressione nel diagramma di dispersione e commentare i risultati alla luce del problema in questione; d. condurre un verifica di ipotesi per stabilire se sussiste una relazione lineare significativa tra produzione e temperatura. SOLUZIONE a VOL_PROD TEMPO TEMPER VOL_PROD TEMPO TEMPO TEMPER Cell Contents: Pearson correlation P-Value 9
10 c. Regression Plot VOL_PROD = TEMPER S = R-Sq = 8.3 % R-Sq(adj) = 79.0 % 24 VOL_PROD TEMPER The regression equation is VOL_PROD = TEMPER Predictor Coef SE Coef T P Constant TEMPER S = R-Sq = 8.3% R-Sq(adj) = 79.0% Analysis of Variance Source DF SS MS F P Regression Residual Error Total Dettaglio calcoli Y X Y^2 X^2 XY Somma Media b SQE 2.59 b SQR.24 SQT 3.82 Syx R Sb.498 t oss = t3; b-t*sb b+t*sb
11 Appello del 20/2/04 Esercizio 4 Un macchinario industriale porta a compimento il proprio ciclo di produzione in un tempo che dipendente dal livello di temperatura a cui il macchinario viene mantenuto durante il processo produttivo. Sono stati rilevati un insieme di valori di tempo e temperatura relativi ad un campione di 0 cicli produttivi. TEMPO TEMPER (a) costruire il diagramma di dispersione e calcolare le stime ai minimi quadrato della regressione lineare semplice tra il tempo di produzione e la temperatura del macchinario; disegnare la retta di regressione nel diagramma e commentare i risultati alla luce del problema in questione; (b) calcolare la previsione del tempo medio del ciclo produttivo per una temperatura di 3.55; (c) calcolare il coefficiente di determinazione R 2 ed interpretarne il significato; (d) condurre un verifica di ipotesi per stabilire se sussiste una relazione lineare significativa tra il tempo e la temperatura. SOLUZIONE (a) Regression Plot TEMPO = TEMPER S = R-Sq = 97.7 % R-Sq(adj) = 97.5 % TEMPO TEMPER 3.7 The regression equation is TEMPO = TEMPER Predictor Coef SE Coef T P Constant TEMPER S = R-Sq = 97.7% R-Sq(adj) = 97.5%
12 Analysis of Variance Source DF SS MS F P Regression Residual Error Total Dettaglio calcoli Y X Y^2 X^2 XY Somma Media b SQE 0.02 b0 5.9 SQR.0 Y(3.55) 3. SQT.03 Syx 0.05 r Sb 0.8 t3; b+t*sb b-t*sb (b) Predicted Values for New Observations New Obs Fit SE Fit 95.0% CI 95.0% PI ( 3.059; 3.546) ( ; 3.240) Values of Predictors for New Observations New Obs TEMPER 3.55 (c)-(d) Regression Analysis: TEMPO versus TEMPER The regression equation is TEMPO = TEMPER S = R-Sq = 97.7 % R-Sq(adj) = 97.5 % Analysis of Variance Source DF SS MS F P Regression Error Total
13 Esercizio 2.63 (pag. 460) Il manager di un azienda produttrice di bibite in bottiglia intende allocare i costi della consegna a domicilio ai clienti. Tra i diversi fattori che determinano tali costi, vi è, oltre al tempo necessario per raggiungere il luogo della consegna, anche il tempo che occorre per scaricare le scatole delle bibite. La tabella seguente riporta il numero delle casse consegnate e il tempo (in minuti) necessario per la loro consegna, per un campione di 20 clienti. (a) Create il diagramma di dispersione per i dati della tabella. Diagramma di dispersione: Numero di casse vs Tempo di consegna Tempo di consegna Numero di casse 3
14 (b) Stimate i coefficienti della retta di regressione b 0 e b con il metodo dei minimi quadrati. X: Numero Y: Tempo Casse consegna (X-µ x ) (Y-µ y ) (X-µ x ) (Y-µ y ) (X-µ x ) µ x µ y SQXY SQX b = SQXY / SQX = b 0 = µ Y - b µ X = P R I M O M E T O D O X Y X somma X somma Y somma X Y somma X 2 SQXY = somma X Y - (somma X) (somma Y) / n = SQX = somma X 2 - (somma X) 2 / n = S E C O N D O M E T O D O 4
15 (c) Specificate l espressione della retta di regressione. Y = b 0 + b X, Tempo consegna = b 0 + b Numero Casse, Tempo consegna = Numero Casse, (d) Interpretate il significato di b 0 e b con riferimento al problema in questione. b 0 = Tempo consegna per un numero di casse pari a zero; corrisponde all intercetta della retta di regressione; b = variazione del tempo di consegna corrispondete ad un aumento unitario del Numero Casse; corrisponde al coefficiente angolare della retta di regressione. (e) Prevedete il tempo di consegna per un cliente che ordina 50 casse di bibite. Tempo consegna (50) = b 0 + b 500 = = , (f ) Si può ricorrere al modello stimato per prevedere il tempo di consegna di 500 casse di bibite? Commentate. Poiché l intervallo in cui abbiamo osservato la variabile X è (52, 298), la previsione (estrapolazione, in questo caso) di Y corrispondente a 500, essendo questo valore escluso da l intervallo (52, 298), può essere fatta soltanto sotto l ipotesi che la relazione stimata tra le due variabili rimanga la stessa anche al di fuori dell intervallo. (g) Calcolate il coefficiente di determinazione r 2 e spiegatene il significato con riferimento al problema in questione. n SQT = ( Y i Y ) i= n SQT = ( Y i Y ) i= 2 = ˆ = r 2 = SQR / SQT = Il coefficiente di determinazione misura la parte di variabilità di Y spiegata dalla variabile indipendente X nel modello di regressione. In questo caso, il 97.2% della variabilità del tempo di consegna è spiegata dal numero di casse. Osserviamo che esiste quindi una relazione lineare forte tra le due variabili considerate, perché solo il 2.8% della variabilità del tempo di consegna si deve ascrivere a fattori diversi dal numero di casse. 5
16 (k) Per un livello di significatività uguale a 0.05, verificate se sussiste una relazione lineare tra il tempo di consegna e il numero delle casse consegnate. Metodo : test t n SQE = ( Y i Y i ) i= 2 ˆ = SQT SQR = 7.03 S YX = SQE =.987 n 2 NB: L errore standard misura (nello stesso senso dello scarto quadratico medio) la variabilità delle osservazioni attorno alla retta di regressione. H H 0 : β = 0 : β 0 b t =, S b n SYX Sb =, SQX = ( ) X i X SQX i= t = = p-value = [ t ] P = t 0.05;8 Poichè p-value<0.05, si rigetta l ipotesi nulla che il parametro β sia uguale a zero a livello di significatività 0.05 e quindi si può concludere che esiste evidenza a favore dell esistenza di una relazione lineare tra il tempo di consegna e il numero di casse. Metodo 2: test F MQR SQR / F = = = = 69.2 MQE SQE /( n 2) p-value = [ F ] P = F 0.05;,8 6
17 (l) Costruite un intervallo di confidenza del 95% per il tempo medio di consegna per tutti i clienti che ordinano 50 casse di bibite. Tempo consegna (50) = b 0 + b 50 = = , t n-2 = 2.0 S YX = SQE =.987 n 2 2 ( 50 X ) = ( ) 2 n = 396.0; SQX = ( X i X ) i= h = + = = Intervallo di confidenza = ± = ± = [44.876, 46.80] (m) Costruite un intervallo di confidenza del 95% per il tempo di consegna per un cliente che ordina 50 casse di bibite h = + = Intervallo di confidenza = ± = ± 4.80 = [4.658, 50.09] 7
Capitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliProva scritta Matematica+Statistica (STCQ) - Compito A 150 minuti - 25/02/2019
Prova scritta Matematica+Statistica (STCQ) - Compito A 150 minuti - 25/02/2019 nome e cognome... matricola... voto scritto... 1. Un indagine statistica porge la tabella di contingenza X Y M 1 M 2 N 1 9
DettagliLM 88 SOCIOLOGIA E RICERCA SOCIALE. Metodi Statistici per la Ricerca Sociale. Regressione lineare e correlazione
LM 88 SOCIOLOGIA E RICERCA SOCIALE Metodi Statistici per la Ricerca Sociale Regressione lineare e correlazione 1. Su un campione di individui sono rilevati i caratteri X (peso in Kg) e Y (altezza in cm),
DettagliRegressione semplice: come applicarla come interpretare i risultati
Regressione semplice: come applicarla come interpretare i risultati Questo materiale è utile ai fini dell esecuzione della regressione con software statistico. Questo materiale non è in alcun modo utile
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica
Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma.it Regressione Esercizio. Siano dati i seguenti valori per le due variabili X ed Y: 4 5 3 5 3 3 Con riferimento al modello
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliStatistica descrittiva: analisi di regressione
Statistica descrittiva: analisi di regressione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
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.
Dettaglis a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value
Inferenza: singolo parametro Sistema di ipotesi: H 0 : β j = β j0 H 1 : β j β j0 statistica test t b j - b s a jj j0 > t a, 2 ( n-k) confronto con valore t o p-value Se β j0 = 0 X j non ha nessuna influenza
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliStatistica economica
Statistica economica a.a. 013/14 Dr. Luca Secondi 10.a. Output tipico di un modello di regressione lineare multipla 1 Le analisi basate sul modello di regressione prevedono la stima dei coefficienti associati
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S Borra, A Di Ciaccio - McGraw Hill Es 6 Soluzione degli esercizi del capitolo 6 In base agli arrotondamenti effettuati nei calcoli, si possono
DettagliMetodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione
Metodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi
Dettagli1. variabili dicotomiche: 2 sole categorie A e B
Variabile X su scala qualitativa (due categorie) modello di regressione: variabili quantitative misurate almeno su scala intervallo (meglio se Y è di questo tipo e preferibilmente anche le X i ) variabili
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
DettagliESERCIZI 1) A fianco sono riportati i risultati di due rilevazioni quantitative su 10 elementi. Per questi dati si ha: 10
ESERCIZI 1) A fianco sono riportati i risultati di due rilevazioni quantitative su elementi. Per questi dati si ha: x i = 1 y i = 1 x y i = 1 i = 6514 i i = 1 i = 1 i = 281627 x y 2 i 2 i = 18629 = 62260
DettagliCAPITOLO 11 ANALISI DI REGRESSIONE
VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire
DettagliStudente Gruppo Gruppo
TESTO e SOLUZIONE Prove Parziali e Appelli del primo Trimestre, Anno Accademico 2006-07 STATISTICA Facoltà di Ingegneria - Corso di Laurea Specialistica in Ingegneria Gestionale Prima Prova Parziale, Canale
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Nozioni di base M Q Marco Perugini Milano-Bicocca 1 I COMUNICAZIONE MERCOLEDI 11 NOVEMBRE NON CI SARA LEZIONE DI MQ Concetti base Con l analisi di regressione
DettagliRegressione & Correlazione
Regressione & Correlazione Monia Ranalli Ranalli M. Dipendenza Settimana # 4 1 / 20 Sommario Regressione Modello di regressione lineare senplice Stima dei parametri Adattamento del modello ai dati Correlazione
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
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliUniversità del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche. Corso di Statistica Medica. Correlazione
Università del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche Corso di Statistica Medica Correlazione Regressione Lineare Statistica Medica Correlazione e Regressione lineare
DettagliMetodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione
Metodi statistici per la ricerca sociale Capitolo 11. Regressione Multipla e Correlazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza. Esercitazione
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
DettagliMetodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza (ANOVA)
Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza (ANOVA) Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
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
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa
DettagliGiorno n. clienti di attesa
Esercizio 1 Un aspetto cruciale per la qualità del servizio ai clienti in un supermercato è il cosiddetto checkout (ovvero il tempo che il cliente impiega dal momento in cui si mette in fila alla cassa
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliMetodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi
Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA)
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Regressione lineare semplice (vers. 1.2, 20 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliRICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE
RICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE 1 La verifica di ipotesi Finora abbiamo visto come si utilizza una statistica campionaria per stimare
DettagliSTATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE
STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
Dettagli1. Sono state eseguite 250 misure di temperatura che hanno rivelato i seguenti valori stimati di media e di deviazione standard per il campione
Inferenza di Intervallo 1. Sono state eseguite 250 misure di temperatura che hanno rivelato i seguenti valori stimati di media e di deviazione standard per il campione T = 300 K σ T = 50 a. Calcolare un
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliESERCITAZIONI N. 3 corso di statistica
ESERCITAZIONI N. 3corso di statistica p. 1/18 ESERCITAZIONI N. 3 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONI N. 3corso di statistica p. 2/18 Introduzione Media e Varianza Covarianza
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
DettagliESERCIZI. Test basati su due campioni e ANOVA a una via CAPITOLO 10 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Test basati su due campioni e
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
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliCorrelazione tra due variabili
Correlazione tra due variabili Federico Plazzi 26 Novembre 2015 Correlazione tra due variabili Correlazione tra due variabili Variabili dipendenti e variabili indipendenti La variabile indipendente è quella
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliESERCITAZIONE REGRESSIONE MULTIPLA
ESERCITAZIONE REGRESSIONE MULTIPLA Dati delle Nazioni Unite del 2005 riferiti, per diverse nazioni, al tasso di feconditá (bambini per donna) (variabile Fert), alla percentuale di donne che usa contraccettivi
DettagliSTATISTICA. Regressione-2
STATISTICA Regressione-2 Esempio Su un campione di =5unità sono state osservate due variabili, ed : x i 1 2 3 4 5 y i 1.5 2.5 3 2.5 3.5 1. Rappresentare l andamento congiunto di in funzione di mediante
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliProva scritta di Complementi di Probabilità e Statistica. 7 Dicembre 2012
Prova scritta di Complementi di Probabilità e Statistica 7 Dicembre. Un ingegnere vuole investigare se le caratteristiche di una superficie metallica sono influenzate dal tipo di pittura usata e dal tempo
DettagliUniversità degli Studi di Padova Facoltà di Scienze Statistiche, CL. in Astronomia
Università degli Studi di Padova Facoltà di Scienze Statistiche, CL. in Astronomia Esame di Statistica Descrittiva mod. B, Appello del 4/7/2007 CORREZIONE 1) Un azienda produce bulloni di diametro pari
DettagliFacoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 27/12/2010 Regressione lineare Modello geometrico
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliCognome e nome Tempo disponibile: 75 minuti
Corso di Laurea in Biotecnologia Statistica medica. A.A. 2010-2011 21 giugno 2011 Cognome e nome Tempo disponibile: 75 minuti 1. Immaginate di condurre uno studio sperimentale in cui si confronta l effetto
DettagliMetodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni
DettagliSTATISTICA CORSO BASE. Prova scritta del Tempo: 2 ore Cognome e Nome:... Matricola:...
STATISTICA CORSO BASE. Prova scritta del 4-6-2013. Tempo: 2 ore Cognome e Nome:.............................. Matricola:.............................. Attenzione: Prima di affrontare la prova si consiglia
DettagliRegressione e Correlazione (cap. 11) Importazione dati da file di testo
Regressione e Correlazione (cap. 11) Importazione dati da file di testo Introduzione Nella statistica applicata si osserva la relazione (dipendenza) tra due o più grandezze. Esigenza: determinare una funzione
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliAnalisi della Regressione Lineare
Analisi della Regressione Lineare Master in Tecnologie Bioinformatiche 29/09/06 Adriano Decarli 1 29/09/06 Adriano Decarli 2 29/09/06 Adriano Decarli 3 29/09/06 Adriano Decarli 4 29/09/06 Adriano Decarli
DettagliEsercizio 2: voto e ore dedicate allo studio
La seguente tabella riporta il voto riportato da 10 studenti all esame di Statistica Sociale e il numero di ore di lezione non seguite dallo studente (il corso prevede 30 ore di lezione). Ci si chiede
DettagliSi assuma di avere portato a termine le seguenti rilevazioni di produzione e di alimento somministrato
Regressione Lineare Semplice Si assuma di avere portato a termine le seguenti rilevazioni di produzione e di alimento somministrato QUANTITA' DI ALIMENTO PRODUZIONE 2 10 2 9 1.5 5 1 2 1 3 1.5 4 2 7 2 9
DettagliEsercitazione 9 del corso di Statistica (parte seconda)
Esercitazione 9 del corso di Statistica (parte seconda) Dott.ssa Paola Costantini 17 Marzo 9 Esercizio 1 Esercizio Un economista del Ministero degli Esteri desidera verificare se gli accordi di negoziazione
DettagliCorrelazione e regressione
Correlazione e regressione Il termine associazione è largamente usato nella letteratura scientifica ed esprime la relazione che esiste tra due variabili Per studiare l associazione tra due variabili bisogna
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 12 Giugno 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliVogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione.
S.S.I.S. TOSCANA F.I.M. II anno FUNZIONI DI REGRESSIONE E METODO DEI MINIMI QUADRATI Supponiamo di star conducendo uno studio sulla crescita della radice di mais in funzione del contenuto di saccarosio
Dettaglib) Calcolare la devianza tra i gruppi (devianza esterna), la devianza entro i gruppi (devianza interna) e la devianza totale
ESERCIZIO 1 La tendenza recente del mercato dell auto vede i veicoli SUV ed i fuoristrada sempre di più soppiantare le macchine tradizionali. Il loro utilizzo, soprattutto nei centri cittadini, viene criticato
DettagliStatistica inferenziale
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Statistica inferenziale 6/5/2005 Relazione tra dati Possono esistere in uno studio connessioni tra dati differenti che possono legare caratteristiche:
Dettagli8. ANALISI DELLA COVARIANZA (ANCOVA)
8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi
DettagliAnalisi di Regressione Multipla
Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
DettagliSTATISTICA. Esercitazione 6
STATISTICA Esercitazione 6 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale tre compiti diversi con i seguenti risultati: Compito A Compito B Compito C Numero studenti 41 39 43
Dettagli