P S I C O M E T R I A. L'ultima lezione. Marcello Gallucci. Milano-Bicocca

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "P S I C O M E T R I A. L'ultima lezione. Marcello Gallucci. Milano-Bicocca"

Transcript

1 L'ultima lezione Marcello Gallucci P S I C O M E T R I A Milano-Bicocca

2 Come si svolge l'esame L'esame si svolge con l'ausilio del computer ed il software SPSS. Il testo dell'esame descrive una ricerca empirica e le variabili corrispondenti a tale ricerca. I dati della ricerca sono forniti dal docente. Ricordardi di: Leggere e comprendere bene le domande Rispondere solo a ciò che viene chiesto Riportare i numeri relativi ai risultati statistici e sempre una interpretazione degli stessi Studiare

3 Come (si potrebbe) studiare Si consiglia di studiare partendo dalle slide del corso (vedi cartella Lezioni ), cercando di individuare la logica degli argomenti trattati ed i concetti più importanti. Poi, studiare il capitolo del libro corrispondente. Seguire anche con attenzione gli esempi del libro. In parallelo ci si può esercitare con il software mediante gli esercizi (vedi cartella Esercizi ) e le esercitazioni (vedi cartella Esercitazioni ). L'uso del software SPSS richiesto è minimo, cioè limitato a quei pochi comandi necessari a svolgere le tecniche statistiche trattate nel corso. Non focalizzarsi sugli esercizi, è probabile che lo stesso quesito non esca più

4 Cosa è fondamentale sapere Durante lo studio assicurarsi che: Si stia capendo quale è la logica della tecnica statistica che si sta studiando. Quando si applica. Come stimarla in SPSS. Come si interpretano i risultati. Come si scrive (per questo punto si faccia attenzione alla fine di ogni capitolo al paragrafo come si scrive ).

5 Come si scrive APA style The following examples illustrate how to report statistics in the text of a research report. You will note that significance levels in journal articles-- especially in tables--are often reported as either "p >.05," "p <.05," "p <.01," or "p <.001." APA style dictates reporting the exact p value within the text of a manuscript (unless the p value is less than.001). Also, with the exception of some p values, most statistics should be rounded to two decimal places. Mean and Standard Deviation are most clearly presented in parentheses: The sample as a whole was relatively young (M = 19.22, SD = 3.45).

6 Come si scrive APA style Percentages are also most clearly displayed in parentheses with no decimal Places: Nearly half (49%) of the sample was married. T Tests are reportedwith the degrees of freedom in parentheses. Following that, report the t statistic (rounded to two decimal places) and the significance level: There was a significant effect for gender, t(54) = 5.43, p <.001, with men receiving higher scores than women.

7 Come si scrive APA style T Tests Il test mostra una differenza non significantiva tra i due gruppi nella variabile dipendente t(276) = -.232, p =.817

8 Come si scrive APA style Correlations are reported with the degrees of freedom (which is N-2) in parentheses and the significance level: The two variables were strongly correlated, r(55) =.49, p <.01. Regression results are reported with the B's (or betas), t-test, degrees of freedom, and p- values. The R-squared is reported with the F test: Social support significantly predicted depression scores, b = -.34, t(225) = 6.53, p <.001. Social support also explained a significant proportion of variance in depression scores, R2 =.12, F(1, 225) = 42.64, p < Anova results are reported with F-test, degrees of freedom, and p-values, and some effect size for each effect: There was a significant main effect for treatment, F(1, 145) = 5.43, p=.02, eta2=.24 and a significant interaction, F(2, 145) = 3.24, p =.04, eta2=.09 Any other linear model is reported accordingly

9 Come si scrive APA style Correlations: le due variabili non appaiono correlate significativamente, r(276) =.081, p =.001. DF=N-2

10 Come si scrive APA style Regression: Engagement è predetto in maniera significativa dalla variabile indipendente, b = -.653, t(1534) = , p <.001. Duration spiaga un buona quota di varianza della variabile dipendente, R2 =.10, F(1, 1534) = , p <.001.

11 Come si scrive Anova: results are reported with F-test, degrees of freedom, and p-values, and some effect size for each effect: L'effetto di number risulta non significativo, F(5,1530) = 1.980, p=. 079, eta2=.006

12 Come si scrive Anova: quando si ha un effetto significativo si descrive sempre il grafico delle medie e, volendo, si riportano le medie

13 Programma Capitolo 1 come ripasso delle nozioni di base di corsi precedenti. Capitolo 2 : Relazioni semplici fra variabili continue: Regressione semplice. Si stia capendo quale è la logica della tecnica statistica che si sta studiando: relazione tra una variabile dipendente ed una indipendente Quando si applica: la variabile dipendente è continua e la indipendente è continua o dicotomica Come si interpretano i risultati: intepretazione di B, beta

14 Programma Capitolo 3 : Relazioni multiple fra variabili continue: Regressione multiple. Si stia capendo quale è la logica della tecnica statistica che si sta studiando: relazione tra una variabile dipendente ed più variabili indipendenti Quando si applica: la variabile dipendente è continua e le indipendenti sono continue o dicotomiche Come si interpretano i risultati: intepretazione di B, beta, R2, coefficiente di correlazione parziale e semiparziale

15 Programma Capitolo 4 e 8 : Relazioni variabili continue e categoriche: ANOVA e ANCOVA con interazioni Si stia capendo quale è la logica della tecnica statistica che si sta studiando: relazione tra una variabile dipendente ed più variabili indipendenti Quando si applica: la variabile dipendente è continua e le indipendenti sono categoriche Come si interpretano i risultati: R2,eta quadro e del grafico delle medie. Interpretazione delle interazioni

16 Programma Capitolo 6 : Assunzioni del modello Linearità, omoschedasticità e normalità dei residui Distribuzione e grafici dei residui. Kolmorogov-Smirnov

17 Programma Capitolo 7 :Mediazione statistica. Si stia capendo quale è la logica della tecnica statistica che si sta studiando: Studio del processo che porta una variabile ad avere un effetto sull'altra Quando si applica: la variabile dipendente è continua e le indipendenti sono continue o dicotomiche Come si interpretano i risultati: intepretazione di B, del prodotto dei coefficienti, dell'effetto mediato.

18 Programma Capitolo 6 : Test non parametrici Corrispondenza tra il modello lineare e i test non parametrici

19 Programma Capitolo 11 :Modelli di misura. Si stia capendo quale è la logica della tecnica statistica che si sta studiando: vari metodi per calcolare l'attendibilità delle misure. Quando si applica: capire la corrispondenza tra tipo di misura e tipo di test per l'attendibilità (es. item Alpha di Cronbach) Interpretazione deigli indici di attendibilità

20 Programma Capitolo 12 :Analisi fattoriale. Si stia capendo quale è la logica della tecnica statistica che si sta studiando: Estrazione di fattori sottostanti agli item per rappresentare in modo compatto la loro variabilità Quando si applica: Su insieme di item che misurano pochi costrutti latenti Autovalori, scree-test, matrice delle saturazioni, comunalità, tipi di rotazione

21 Fine Fine del corso

Misure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci

Misure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico

Dettagli

Il modello lineare misto

Il modello lineare misto Il modello lineare misto (capitolo 9) A M D Marcello Gallucci Univerisità Milano-Bicocca Lezione: 15 GLM Modello Lineare Generale vantaggi Consente di stimare le relazioni fra due o più variabili Si applica

Dettagli

0.1 Percorrenza e Cilindrata

0.1 Percorrenza e Cilindrata 0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,

Dettagli

Dott.ssa Marta Di Nicola

Dott.ssa Marta Di Nicola La dimensione del campione Stima (su considerazioni statistiche) Giustificazione (su considerazioni economiche e biologiche) Aggiustamento (in accordo a potenziali dropouts o effetti di covariate) Perché

Dettagli

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

Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4

Dettagli

viii Indice generale

viii Indice generale Indice generale 1 Introduzione al processo di ricerca 1 Sommario 1 Il processo di ricerca 3 Concetti e variabili 5 Scale di misura 8 Test di ipotesi 10 Evidenza empirica 10 Disegni di ricerca 11 Sintesi

Dettagli

Misure Ripetute. Partizione della Varianza. Marcello Gallucci

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

Dettagli

ANALISI DELLA VARIANZA

ANALISI DELLA VARIANZA ANALISI DELLA VARIANZA Il data set coagulation contenuto nella libreria faraway contiene i tempi di coagulazione del sangue (misurato in secondi) di 24 animali sottoposti casualmente a quattro tipi di

Dettagli

LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE

LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE LABORATORIO 5. ANALISI DELLA VARIANZA AD UN CRITERIO DI CLASSIFICAZIONE 5.1 ESEMPIO DI ANOVA AD UNA VIA In un esperimento un gruppo di bambini è stato assegnato a caso a 3 trattamenti, allo scopo di determinare

Dettagli

Introduzione all Analisi della Varianza (ANOVA)

Introduzione all Analisi della Varianza (ANOVA) Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello

Dettagli

Estratto dal Cap. 8 di: Statistics for Marketing and Consumer Research, M. Mazzocchi, ed. SAGE, 2008.

Estratto dal Cap. 8 di: Statistics for Marketing and Consumer Research, M. Mazzocchi, ed. SAGE, 2008. LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano BIVARIATE AND MULTIPLE REGRESSION Estratto dal Cap. 8 di: Statistics for Marketing and Consumer Research, M. Mazzocchi,

Dettagli

I TEST STATISTICI. dott.ssa Gabriella Agrusti

I TEST STATISTICI. dott.ssa Gabriella Agrusti I TEST STATISTICI dott.ssa Gabriella Agrusti Dulcis in fundo.. come scegliere un test statistico in base all ipotesi come stabilire se due variabili sono associate (correlazione di Pearson) come stabilire

Dettagli

Analisi della Varianza Fattoriale

Analisi della Varianza Fattoriale Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente

Dettagli

Regressione Semplice. Correlazioni. sconto leverage. sconto Correlazione di Pearson 1,275. Sign. (a due code),141

Regressione Semplice. Correlazioni. sconto leverage. sconto Correlazione di Pearson 1,275. Sign. (a due code),141 Regressione Semplice Analisi Per avere una prima idea della struttura di dipendenza fra le variabili in esame, possiamo cominciare col costruire la matrice di correlazione delle variabili presenti nel

Dettagli

Modelli Lineari Generalizzati. (Cap. 10) Marcello Gallucci Univerisità Milano-Bicocca

Modelli Lineari Generalizzati. (Cap. 10) Marcello Gallucci Univerisità Milano-Bicocca Modelli Lineari Generalizzati (Cap. 0) Marcello Gallucci Univerisità Milano-Bicocca Preludio La maggior parte delle comuni tecniche statistiche volte ad individuare le relazioni fra variabili, quali Correlazioni,

Dettagli

MISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni

MISURAZIONE. Sistema empirico (SE): ciò che si vuole misurare; costituito da elementi legati tra loro da relazioni Attendibilità Misurazione I problemi di misurazione degli oggetti di studio sono comuni a tutte le discipline scientifiche. In psicologia il problema è solo più evidente, non più grave. I costrutti che

Dettagli

Metodologie Quantitative

Metodologie Quantitative Metodologie Quantitative Introduzione al Corso M Q Cristina Zogmaister Milano-Bicocca cristina.zogmaister@unimib.it 1 Programma Odierno Struttura, argomenti, e stile del corso Esami Panoramica dei temi

Dettagli

Esercizio 1 GRAFICO 1. X e Y sono indipendenti. X e Y non sono correlate. La correlazione tra X e Y è <1. X e Y sono perfettamente correlate

Esercizio 1 GRAFICO 1. X e Y sono indipendenti. X e Y non sono correlate. La correlazione tra X e Y è <1. X e Y sono perfettamente correlate Esercizio 1 Osservare il grafico 1 riportato in figura che mette in relazione una variabile dipendente Y ed una variabile indipendente X e rispondere alle seguenti domande. 400 300 200 GRAFICO 1 100 0

Dettagli

Tecniche statistiche di analisi del cambiamento

Tecniche statistiche di analisi del cambiamento Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumenti di indagine per la valutazione psicologica 0 Presentazione del corso Calendario lezioni Prime due settimane settimane di corso (dal 12 mag al 25 mag) in aula specchi: Lunedì ore 17-19 Venerdì

Dettagli

Inferenza statistica II parte

Inferenza statistica II parte Inferenza statistica II parte Marcella Montico Servizio di epidemiologia e biostatistica Test statistici II parte Variabili quantitative Caso 1 Variabile Dipendente = quantitativa Variabile Indipendente

Dettagli

Esercizio 4 (Regressione multipla)

Esercizio 4 (Regressione multipla) Esercizio (Regressione multipla) DATI Il data set employee.sav (o employee.xls; fonte SPSS) contiene 7 dati relativi agli impiegati di un azienda. Le variabili sono ID Employee Code BDATE Date of Birth

Dettagli

Multicollinearità. Strumenti quantitativi per la gestione

Multicollinearità. Strumenti quantitativi per la gestione Multicollinearità Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/3c_mc.html#(1) 1/13 Quando non tutto va come dovrebbe Si parla di multi-collinearità

Dettagli

ESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti.

ESERCIZIO 1. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con 3 fattori tra i soggetti. ESERCIZIO. Di seguito vengono riportati i risultati di un modello fattoriale di analisi della varianza con fattori tra i soggetti. Variabile dipendente: PERF Sorgente Modello corretto Intercept SEX_96

Dettagli

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

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

Dettagli

Statistica per le ricerche di mercato

Statistica per le ricerche di mercato Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2014/15 Prof.ssa Tiziana Laureti 01. Introduzione al corso 1 Statistica per le ricerche

Dettagli

Analisi delle corrispondenze

Analisi delle corrispondenze Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Università degli Studi di Cagliari Facoltà di Studi Umanistici Esame di Strumenti di indagine per la valutazione psicologica dott. Davide Massidda Cognome Nome Matricola Data Le verranno di seguito posti

Dettagli

Strumenti informatici Calcolare il coefficiente di correlazione di Pearson con Excel e SPSS

Strumenti informatici Calcolare il coefficiente di correlazione di Pearson con Excel e SPSS Strumenti informatici 7.3 - Calcolare il coefficiente di correlazione di Pearson con Excel e SPSS Il coefficiente di correlazione di Pearson può essere calcolato con la funzione di Excel =CORRELAZIONE(Matrice1;Matrice2),

Dettagli

Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità

Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 18 Febbraio 2016 1. La probabilità di errore nella trasmissione di una cifra binaria attraverso un certo canale di comunicazione

Dettagli

la struttura di una teoria

la struttura di una teoria DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it la struttura di una teoria la struttura di una teoria modello di Bagozzi (1994) I livello./.. un esempio Linguaggio: della matematica

Dettagli

qwertyuiopasdfghjklzxcvbnmqwerty AppuntiBicoccaAppuntiBicoccaAppu ntibicoccaappuntibicoccaappuntibic occaappuntibicoccaappuntibicoccaa

qwertyuiopasdfghjklzxcvbnmqwerty AppuntiBicoccaAppuntiBicoccaAppu ntibicoccaappuntibicoccaappuntibic occaappuntibicoccaappuntibicoccaa qwertyuiopasdfghjklzxcvbnmqwerty AppuntiBicoccaAppuntiBicoccaAppu ntibicoccaappuntibicoccaappuntibic occaappuntibicoccaappuntibicoccaa Analisi multivariata dei dati Teoria e procedimento con SPSS ppuntibicoccaappuntibicoccaappunt

Dettagli

Metodi 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 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

Dettagli

Analisi della varianza

Analisi della varianza 1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della

Dettagli

REGRESSIONE 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 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

Dettagli

11.2. Introduzione alla statistica 2/ed. Marilyn K. Pelosi, Theresa M. Sandifer, Paola Cerchiello, Paolo Giudici

11.2. Introduzione alla statistica 2/ed. Marilyn K. Pelosi, Theresa M. Sandifer, Paola Cerchiello, Paolo Giudici CAPITOLO 11 L ANALISI DI REGRESSIONE SOLUZIONI 11.1 a) una relazione lineare potrebbe essere appropriata b)l equazione di regressione è y cappello=0,96+0,00006 x c)olanda: y cappello=0,96+0,00006 (53560)=4,57

Dettagli

BUON GIORNO RAGAZZI! Oggi è il 13 ottobre, 2015

BUON GIORNO RAGAZZI! Oggi è il 13 ottobre, 2015 BUON GIORNO RAGAZZI! Oggi è il 13 ottobre, 2015 OBIETTIVO: Distinguish the different forms of Italian nouns and determine the correct form of nouns utilizing the appropriate grammar rules. 1A.1 Nouns and

Dettagli

Strumenti informatici Realizzare l analisi della varianza con Excel e SPSS

Strumenti informatici Realizzare l analisi della varianza con Excel e SPSS Strumenti informatici 6.4 - Realizzare l analisi della varianza con Excel e SPSS Excel non dispone di una funzione che realizzi l analisi della varianza, a meno di aver installato uno dei moduli aggiunti

Dettagli

ASPETTI STATISTICI. Master Universitario di II Livello Ricerca e Sviluppo Pre-Clinico e Clinico del Farmaco Modulo 4 Sviluppo Clinico dei Farmaci

ASPETTI STATISTICI. Master Universitario di II Livello Ricerca e Sviluppo Pre-Clinico e Clinico del Farmaco Modulo 4 Sviluppo Clinico dei Farmaci Master Universitario di II Livello Ricerca e Sviluppo Pre-Clinico e Clinico del Farmaco Modulo 4 Sviluppo Clinico dei Farmaci ASPETTI STATISTICI Docente: Prof. Antonio MARZO e-mail: antoniop.marzo@libero.it

Dettagli

8. ANALISI DELLA COVARIANZA (ANCOVA)

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

Dettagli

Il modello di regressione

Il modello di regressione Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti

Dettagli

Statistica Applicata all edilizia: il modello di regressione

Statistica Applicata all edilizia: il modello di regressione Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione

Dettagli

ISTITUTO STATALE G.V.GRAVINA CROTONE

ISTITUTO STATALE G.V.GRAVINA CROTONE ISTITUTO STATALE G.V.GRAVINA CROTONE PROGRAMMAZIONE DI MATEMATICA ANNO SCOLASTICO 2012/2013 DOCENTE: PIETROPAOLO MARIA DROSOLINA CLASSE: IIIA LICEO SCIENZE UMANE opz. Economico-Sociale MATEMATICA IIIA

Dettagli

UDA MATEMATICA. Progettazione per unità di apprendimento. Percorso di istruzione di primo livello primo periodo didattica PROF:...

UDA MATEMATICA. Progettazione per unità di apprendimento. Percorso di istruzione di primo livello primo periodo didattica PROF:... UDA MATEMATICA Progettazione per unità di apprendimento Percorso di istruzione di primo livello primo periodo didattica PROF:... B1 5MAT 01 Numeri e calcoli (ore in presenza: 18; ore a distanza: 0 ) COMPETENZA/E

Dettagli

Es. la performance all esame in relazione alle ore di studio a casa e alle abilità cognitive

Es. la performance all esame in relazione alle ore di studio a casa e alle abilità cognitive Regressione Tale tecnica esamina e studia la relazione tra una o più variabili indipendenti e una variabile dipendente. L insieme dei parametri riassumono la relazione tra VD e VI, sotto le ipotesi che

Dettagli

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

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

Dettagli

Analisi della Varianza - II

Analisi della Varianza - II Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire

Dettagli

Programma II B Liceo Scientifico

Programma II B Liceo Scientifico Programma II B Liceo Scientifico Contenuti Obiettivi Metodologia Strumenti Tipologia verifiche il Simple Past dei verbi irregolari, le preposizioni di tempo unit n 5 del libro di testo leggere e scrivere

Dettagli

19-20 Novembre 2014, Pisa Scuola Medica della Facoltà di Medicina. Co.Me.Lab 2014

19-20 Novembre 2014, Pisa Scuola Medica della Facoltà di Medicina. Co.Me.Lab 2014 19-20 Novembre 2014, Pisa Scuola Medica della Facoltà di Medicina Co.Me.Lab 2014 Aldo Clerico Scuola Superiore Sant Anna Fondazione Regione Toscana G. Monasterio clerico@ftgm.it INTRODUZIONE Il BNP è un

Dettagli

Esempio 1 (Regressione semplice, punti influenti, regressione multipla, multicollinearità)

Esempio 1 (Regressione semplice, punti influenti, regressione multipla, multicollinearità) Esempio (Regressione semplice, punti influenti, regressione multipla, multicollinearità) DATI Il data set cigarettes.sav (fonte http://www.amstat.org/publications/jse/jse_data_archive.html) contiene dati

Dettagli

Statistica multivariata Donata Rodi 17/10/2016

Statistica 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

Dettagli

Strumenti informatici Realizzare l ANOVA per misure ripetute in Excel e SPSS

Strumenti informatici Realizzare l ANOVA per misure ripetute in Excel e SPSS Strumenti informatici 6.5 - Realizzare l ANOVA per misure ripetute in Excel e SP Excel non dispone di una funzione che realizzi l analisi della varianza per misure ripetute, a meno di utilizzarlo per svolgere

Dettagli

Correlazione. Daniela Valenti, Treccani Scuola 1

Correlazione. Daniela Valenti, Treccani Scuola 1 Correlazione 1 I dati di un indagine per riflettere Cominciamo con i dati di un indagine svolta in una quinta classe di scuola superiore. Dopo l Esame di Stato 12 studenti si sono iscritti a corsi di laurea

Dettagli

Analisi in componenti principali

Analisi in componenti principali Capitolo 2 Analisi in componenti principali 2.1 Introduzione L analisi in componenti principali è una tecnica di analisi multivariata tra le più diffuse. Viene utilizzata quando nel dataset osservato sono

Dettagli

Statistica per le ricerche di mercato

Statistica per le ricerche di mercato Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2012/13 Dr. Luca Secondi 01. Introduzione al corso 1 Statistica per le ricerche di mercato

Dettagli

Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura

Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Corso di Statistica Medica 2004-2005 Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Sono previste 30 ore di lezione di statistica e 12 di

Dettagli

Metodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova

Metodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 29- Facoltà di Ingegneria Università di Padova Docente: Dott. L. Corain ESERCIZIO (TEST AD UN CAMPIONE) Un

Dettagli

Test d ipotesi. Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona. Ipotesi alternativa (H 1 )

Test d ipotesi. Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona. Ipotesi alternativa (H 1 ) Test d ipotesi Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Nel 900 falsificazione di ipotesi (Karl Popper) TEST D IPOTESI Nell 800 dimostrazione di ipotesi

Dettagli

Metodi di regressione multivariata

Metodi di regressione multivariata Metodi di regressione multivariata Modellamento dei dati per risposte quantitative I metodi di regressione multivariata sono strumenti utilizzati per ricercare relazioni funzionali quantitative tra un

Dettagli

Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni

Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni Analisi della varianza (anova) a due vie: parcelle di diverse dimensioni Andrea Onofri 31 gennaio 2012 Indice 1 Motivazioni dei disegni a split-plot 1 2 Calcolo dell ANOVA a split-plot 4 2.1 SED, confronti

Dettagli

Indice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI

Indice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della

Dettagli

Analisi avanzate basate sulla regressione (Cap. 7)

Analisi avanzate basate sulla regressione (Cap. 7) Analisi avanzate basate sulla regressione (Cap. 7) AMD Marcello Gallucci marcello.gallucci@unimib.it Regressione Multipla A seconda dello status delle variabili indipendenti, possiamo differenziare diversi

Dettagli

Metodologie Quantitative

Metodologie Quantitative Metodologie Quantitative Regressione Logistica II M Q Marco Perugini Milano-Bicocca 1 La regressione logistica La regressione logistica si propone di studiare e quantificare le relazioni tra una o più

Dettagli

Analisi della varianza a una via

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

Dettagli

Il ruolo del referente della valutazione

Il ruolo del referente della valutazione Il ruolo del referente della valutazione prof. Ivan Graziani I.C. Santa Sofia (FC) Bolzano 29 ottobre 2015 Che ruolo ha il referente di valutazione? Un referente per la valutazione deve occuparsi nel proprio

Dettagli

AVVISO n.5641 12 Aprile 2010 SeDeX

AVVISO n.5641 12 Aprile 2010 SeDeX AVVISO n.5641 12 Aprile 2010 SeDeX Mittente del comunicato : Borsa Italiana Societa' oggetto : dell'avviso Oggetto : Modifica alle Istruzioni: Gestione errori SeDeX dal 3 maggio 2010/Amendments to the

Dettagli

Derivate: formule immediate*, derivata di un prodotto*, di un quoziente*, di funzioni composte Massimi *,minimi* e flessi di una funzione

Derivate: formule immediate*, derivata di un prodotto*, di un quoziente*, di funzioni composte Massimi *,minimi* e flessi di una funzione MATEMATICA ITIS CLASSI V ITIS CODICE N1 DENOMINAZIONE RICHIAMI DALLA CLASSE IV AREA DI RIFERIMENTO SCIENTIFICA CONOSCENZE (CONOSCERE-COMPRENDERE) Derivate: formule immediate*, derivata di un prodotto*,

Dettagli

Strumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS

Strumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie

Dettagli

Contenuti Competenze Conoscenze. elementi dell insieme N proprietà dell insieme N numeri naturali (2 ore) Saper rappresentare i

Contenuti Competenze Conoscenze. elementi dell insieme N proprietà dell insieme N numeri naturali (2 ore) Saper rappresentare i Progetto SIRIO Monoennio Moduli di matematica 1 A Insiemi numerici (28 ore) Saper individuare gli elementi dell insieme N proprietà Proprietà dell insieme N dei Saper rappresentare i dell insieme N numeri

Dettagli

Capacità: Analizzare un problema semplice. Valutare la congruenza dei risultati con i dati e le informazioni iniziali.

Capacità: Analizzare un problema semplice. Valutare la congruenza dei risultati con i dati e le informazioni iniziali. MATEMATICA: PROGRAMMAZIONE CLASSE QUINTA LICEO TURISTICO A.S. 2011-2012 A) OBIETTIVI Conoscenze: Le caratteristiche di una funzione lineare in due variabili reali. Gli scopi e i metodi della ricerca operativa.

Dettagli

Anno scolastico 2015/2016 PROGRAMMA SVOLTO. Docente: Catini Romina. Materie: Matematica. Classe : 4 L Indirizzo Scientifico Scienze Applicate

Anno scolastico 2015/2016 PROGRAMMA SVOLTO. Docente: Catini Romina. Materie: Matematica. Classe : 4 L Indirizzo Scientifico Scienze Applicate Anno scolastico 2015/2016 PROGRAMMA SVOLTO Docente: Catini Romina Materie: Matematica Classe : 4 L Indirizzo Scientifico Scienze Applicate UNITA DIDATTICA FORMATIVA 1: Statistica Rilevazione dei dati Rappresentazioni

Dettagli

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca Analisi fattoriale esplorativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009 Rossi (Dip. Psicologia) Analisi fattoriale 2009 1 / 47 Prima

Dettagli

24 ore (a partire da oggi). In quest aula (P2). Distribuzione ore: questa settimana, poi 2 ore a settimana

24 ore (a partire da oggi). In quest aula (P2). Distribuzione ore: questa settimana, poi 2 ore a settimana Laboratorio di Principi di Informatica Laboratorio di Principi di Informatica 24 ore (a partire da oggi). In quest aula (P2). Distribuzione ore: questa settimana, poi 2 ore a settimana Docenti: Rosalba

Dettagli

PIANO DI LAVORO DEL DOCENTE anno scolastico 2016/2017. classe 3A TMO n. ore settimanali: 3 monte orario annuale: 99

PIANO DI LAVORO DEL DOCENTE anno scolastico 2016/2017. classe 3A TMO n. ore settimanali: 3 monte orario annuale: 99 PIANO DI LAVORO DEL DOCENTE anno scolastico 2016/2017 Prof. Giancarlo Ribelli MATERIA Matematica CONOSCENZE 1 ALGEBRA: FUNZIONI: classe 3A TMO n. ore settimanali: 3 monte orario annuale: 99 Equazioni intere

Dettagli

PIANO DI LAVORO ANNUALE DEL DIPARTIMENTO DI MATERIA NUCLEI FONDAMENTALI DI CONOSCENZE

PIANO DI LAVORO ANNUALE DEL DIPARTIMENTO DI MATERIA NUCLEI FONDAMENTALI DI CONOSCENZE Pag. 1 di 7 ANNO SCOLASTICO 2014/2015 DIPARTIMENTO DI MATEMATICA INDIRIZZO AFM, RIM, SIA CLASSE BIENNIO TRIENNIO DOCENTI: Alemagna, Bartalotta, Bergamaschi, Mangione NUCLEI FONDAMENTALI DI CONOSCENZE I

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 14-Introduzione all analisi della potenza statistica (vers. 1.2a, 11 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica

Università 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

Dettagli

L applicazione del metodo Six Sigma in una piccola azienda

L applicazione del metodo Six Sigma in una piccola azienda Torino, novembre 206 L applicazione del metodo Six Sigma in una piccola azienda (Pier Giorgio DELLA ROLE Master Black Belt) Introduzione Anche se il Six Sigma è stato implementato con successo in molte

Dettagli

Matrici di Raven (PM47)

Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM47) Matrici di Raven (PM38) TRA I TEST DI TIPICA PERFORMANCE Test proiettivi Test self-report di personalità Questionari psichiatrici

Dettagli

Aspettative e soddisfazione degli studenti universitari. Un indagine empirica esplorativa Bruno Busacca, Giuseppe Bertoli e Ottavia Pelloni

Aspettative e soddisfazione degli studenti universitari. Un indagine empirica esplorativa Bruno Busacca, Giuseppe Bertoli e Ottavia Pelloni Copyright SDA Copyright Bocconi 2005 SDA Bocconi 2005 Bruno Busacca, Maria Carmela Ostillio 1 Aspettative e soddisfazione degli studenti universitari. Un indagine empirica esplorativa Bruno Busacca, Giuseppe

Dettagli

ESERCIZI. Test basati su due campioni e ANOVA a una via CAPITOLO 10 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo

ESERCIZI. 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

Dettagli

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

Capitolo 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

Dettagli

Parte 1 : Inferenza. *(richiami), **(parte 2), ***(cenni) ! Test d'ipotesi* ! Intervalli di confidenza* ! Test parametrici* ! Calcoli di potenza**

Parte 1 : Inferenza. *(richiami), **(parte 2), ***(cenni) ! Test d'ipotesi* ! Intervalli di confidenza* ! Test parametrici* ! Calcoli di potenza** Parte 1 : Inferenza! Test d'ipotesi*! Intervalli di confidenza*! Test parametrici*! Calcoli di potenza**! Test non parametrici*** *(richiami), **(parte 2), ***(cenni) 27 marzo 2001 ... [omissis]... La

Dettagli

Indice. Prefazione all edizione italiana, di Piero Veronese » XI. Prefazione

Indice. Prefazione all edizione italiana, di Piero Veronese » XI. Prefazione Indice Prefazione all edizione italiana, di Piero Veronese pag. IX Prefazione 1. EE: un introduzione alle distribuzioni di probabilità e ai metodi di stima statistica 1.1. EE: incertezza e probabilità

Dettagli

LEZIONE N. 11 ( a cura di MADDALENA BEI)

LEZIONE N. 11 ( a cura di MADDALENA BEI) LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice

Dettagli

Università di Padova

Università di Padova Università di Padova Dipartimento di Tecnica e Gestione dei sistemi industriali Corso di Laurea Specialistica in Ingegneria Civile Elaborato di analisi statistica a.a. 5-6 Prof. L. Salmaso Dott. L. Corain

Dettagli

Introduzione alla Regressione Logistica

Introduzione alla Regressione Logistica Introduzione alla Regressione Logistica Contenuto regressione lineare semplice e multipla regressione logistica lineare semplice La funzione logistica Stima dei parametri Interpretazione dei coefficienti

Dettagli

Il manuale WHO 2010 per l esame del liquido seminale: luci e ombre Bologna, 29 Gennaio M Cristina Meriggiola

Il manuale WHO 2010 per l esame del liquido seminale: luci e ombre Bologna, 29 Gennaio M Cristina Meriggiola Centro Interdipartimentale per la Tutela della Salute Sessuale Clinica Ginecologica e Fisiopatologia della Riproduzione Il manuale WHO 2010 per l esame del liquido seminale: luci e ombre Bologna, 29 Gennaio

Dettagli

Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.

Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Corso di laurea in Tossicologia Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale

Dettagli

Scheda Corso di STATISTICA (D.M. 270 per 9 CFU) Anno Accademico 2014/2015 (versione in Italiano)

Scheda Corso di STATISTICA (D.M. 270 per 9 CFU) Anno Accademico 2014/2015 (versione in Italiano) Scheda Corso di STATISTICA (D.M. 270 per 9 CFU) Anno Accademico 2014/2015 (versione in Italiano) FACOLTA :ECONOMIA CORSI DI LAUREA: Economia e Commercio, Psicoeconomia e Scienze Bancarie ed Assicurative

Dettagli

Strumenti informatici 11.1. Realizzare un test per proporzioni dipendenti in Excel ed SPSS

Strumenti informatici 11.1. Realizzare un test per proporzioni dipendenti in Excel ed SPSS 1 Strumenti informatici 11.1 Realizzare un test per proporzioni dipendenti in Excel ed SPSS Excel non dispone di una funzione che consenta di realizzare il test statistico z per il confronto di proporzioni

Dettagli

I NUMERI N, Z, Q INSIEMI

I NUMERI N, Z, Q INSIEMI classe PRIMA I NUMERI N, Z, Q - i numeri naturali - saper semplificare espressioni - operazioni con i numeri naturali e loro proprietà - saper applicare le proprietà delle potenze - potenze e loro proprietà

Dettagli

PIANO di LAVORO A. S. 2013/2014 ISTITUTO ALBERTI- PORRO

PIANO di LAVORO A. S. 2013/2014 ISTITUTO ALBERTI- PORRO Nome docente CAFFARO Flavia Materia insegnata INGLESE Classe 1 A OSS Previsione numero ore di insegnamento ore complessive di insegnamento 99 di cui in compresenza di cui di approfondimento Testo in adozione

Dettagli

ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM)

ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM) ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM) Questa procedura è stata introdotta negli anni 70, ad opera della scuola francese di analisi dei dati (Benzecri). Inizialmente fu proposta per analizzare tabelle

Dettagli

Esercizi design patterns. Angelo Di Iorio,

Esercizi design patterns. Angelo Di Iorio, Esercizi design patterns Angelo Di Iorio, diiorio@cs.unibo.it Esercizio 1 Una parete, che contiene porte e finestre, deve essere dipinta con una vernice. Ogni barattolo contiene una data quantità di vernice,

Dettagli

Ingegneria del Software

Ingegneria del Software Università di Bergamo Dip. di Ingegneria gestionale, dell'informazione e della produzione INGEGNERIA DEL SOFTWARE Paolo Salvaneschi A1_3 V3.3 Ingegneria del Software Il corpus di conoscenze Il contenuto

Dettagli

Programmazione didattica di Matematica a. s. 2015/2016 V H

Programmazione didattica di Matematica a. s. 2015/2016 V H ISIS Guido Tassinari Pozzuoli (NA) Programmazione didattica di Matematica a. s. 2015/2016 V H Prof.ssa Costigliola Analisi della situazione di partenza La classe V sezione H è costituita da un gruppo di

Dettagli

Analisi della Varianza - III

Analisi della Varianza - III Analisi della Varianza - III Analisi Multivariata della Varianza (MANOVA, Multivariate Analysis of Variance) M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXXII Analisi Multivariata della Varianza (MANOVA)

Dettagli

BIOSTATISTICA. Corso per le Lauree Magistrali in Scienze Biologiche (LM-6) Silvano Presciuttini. Biostatistica S.

BIOSTATISTICA. Corso per le Lauree Magistrali in Scienze Biologiche (LM-6) Silvano Presciuttini. Biostatistica S. BIOSTATISTICA Corso per le Lauree Magistrali in Scienze Biologiche (LM-6) Silvano Presciuttini REGRESSIONE LINEARE What is a model? All the statistical tests you have encountered so far are designed to

Dettagli