Tecniche statistiche di analisi del cambiamento
|
|
- Giuseppina Marinelli
- 7 anni fa
- Visualizzazioni
Transcript
1 Tecniche statistiche di analisi del cambiamento 05-Anova (bozza) (vers. 1.0, 27 novembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca G. Rossi (Dip. Psicologia) Tsac / 44
2 Analisi della varianza Analysis of variance (Anova, AOV) è una tecnica statistica che confronta due o più gruppi fra di loro È un estensione del t-test che si usa quando si hanno più di 2 gruppi La variabile dipendente dev essere quantitativa Le variabili indipendenti devono essere qualitative G. Rossi (Dip. Psicologia) Tsac / 44
3 Analisi della varianza Disegni a 1 via: quando c è una sola variabile indipendente (anova univariata) Disegni fattoriali: con 2 o più variabili indipendenti (anova multivariata) Disegni tra i soggetti (between subjects): quando, rispetto ad una VI, i soggetti sono misurati una sola volta (ad es. ansia misurata fra maschi e femmine) Disegni entro i soggetti (within subjects): quando, rispetto ad una VI, i soggetti sono misurati più di una volta (ad es. ansia prima e dopo un esame) G. Rossi (Dip. Psicologia) Tsac / 44
4 Esempio empirico In un campione di persone abbiamo misurato l autoritarismo (variabile Y) usando la scala di Karen Stenner (5 item sulle cose importanti da insegnare ad un bambino, maggiore il punteggio, maggiore l autoritarismo) e l orientamento politico (su una scala da 1 a 10, da sinistra a destra) Raccogliamo i 10 punteggi dell orientamento politico in 3 categorie (variabile X): 1-3 => SX, 4-7 => Centro, 8-10 => DX L autoritarismo è uguale nei tre gruppi? Oppure ogni sottocampione (in base all orientamento politico) ha parametri della popolazione diversi? Se usassimo il t-test (differenza delle medie, dovremmo fare 3 confronti a coppie: SX vs. Centro, SX vs. DX, Centro vs. DX) Usiamo l analisi della varianza G. Rossi (Dip. Psicologia) Tsac / 44
5 Esempio empirico Stenner N Media Dev. std. Err. std. Minimo Massimo SX ,16 4,159 0, Centro ,63 4,391 0, Dx 80 15,94 5,321 0, Totale ,34 4,607 0, ANOVA univariata Somma Media quadrati df quadrati F Sig. Fra gruppi 433, ,622 10,68 0,000 Entro gruppi 8373, ,276 Totale 8807, C è almeno un gruppo che ha una media statisticamente diversa da quelle degli altri (cioè è stato estratto da una popolazione con parametri diversi) G. Rossi (Dip. Psicologia) Tsac / 44
6 Esempio empirico Quale? Usiamo i confronti a posteriori Test post hoc - Sottoinsiemi omogenei Stenner Student-Newman-Keuls N Sottoinsieme per alfa = SX ,1623 Centro ,6319 Dx 80 15,9375 Sig. 1,000 1,000 1,000 Le tre medie sono tutte diverse fra di loro, ovvero i campioni su cui sono state calcolate sono stati estratti da popolazioni con parametri statistici diversi G. Rossi (Dip. Psicologia) Tsac / 44
7 Esempio empirico G. Rossi (Dip. Psicologia) Tsac / 44
8 La logica dell anova Possiamo pensare all autoritarismo (Y) come ad una variabile casuale il cui valore atteso è la sua media E(Y ) = µ y Tuttavia l orientamento politico (X) può influenzare l autoritarismo aggiungendo un certo valore Y sx = µ y + µ sx Y dx = µ y + µ dx e infine si aggiunge un possibile errore casuale (ε) che dipende da ogni singolo soggetto G. Rossi (Dip. Psicologia) Tsac / 44
9 La logica dell anova quindi il punteggio di ogni soggetto i appartenente al gruppo politico j è y ij = µ + α i + ε ij cioè dipende dalla media della variabile nella popolazione ˆµ = y da un fattore di correzione dovuto all influenza della variabile indipendente (fattore del trattamento) ˆα 1 = (ŷ i. ŷ.. ) e ad un errore dovuto al caso statistico (fattore di correzione) ˆε ij = (y ij ŷ i. ) G. Rossi (Dip. Psicologia) Tsac / 44
10 La logica dell anova per l Anova assumiamo (fra l altro) che 1 normalità: la variabile dipendente (autoritarismo) sia quantitativa e che si distribuisca normalmente 2 omogeneità della varianza: i diversi campioni (in base alla v. indipendente) siano estratti dalla stessa popolazione e abbiano quindi varianza uguale fra loro e con quella della popolazione e quindi σ 2 1 = σ 2 2 = = σ 2 k σ 2 1 = s indipendenza dei soggetti: le osservazioni siano fra loro indipendenti e quindi le differenze individuali siano casuali G. Rossi (Dip. Psicologia) Tsac / 44
11 La logica dell anova Ipotizziamo che tutti i gruppi abbiano la stessa media H 0 : µ 1 = µ 2 L ipotesi alternativa sarà che almeno un gruppo ha media diversa dagli altri H 1 : µ i µ j per semplicità usiamo campioni di uguale numerosità G. Rossi (Dip. Psicologia) Tsac / 44
12 Una logica alternativa Between Totale Within trattamento punteggio errore Seguendo un altro ragionamento, possiamo considerare il punteggio Y di un soggetto come formato da un punteggio vero (dovuto al trattamento) e da una componente d errore (dovuta ai singoli soggetti) Noi conosciamo solo il valore misurato (Y ) e la sua varianza totale L anova ipotizza che il punteggio vero sia uguale alla media dei singoli campioni (Ȳ ) e che l errore sia Y Ȳ F è calcolato con la varianza del punteggio vero divisa la varianza dell errore G. Rossi (Dip. Psicologia) Tsac / 44
13 La logica dell anova Se sono veri i primi due assunti, i gruppi formati dall indipendente sono uguali, hanno la stessa forma e la stessa varianza Se hanno la stessa varianza, possiamo calcolare la stima della varianza della popolazione come media delle varianze dei singoli campioni ˆσ 2 1 = s 2 1 ˆσ 2 e = s 2 i k = n i=1 k j=1 (y ij ȳ i. ) 2 k(n 1) con y ij = il punteggio di un individuo in un certo gruppo, ȳ i. = la media di quel gruppo, n=l ampiezza del singolo gruppo e k=numero dei gruppi G. Rossi (Dip. Psicologia) Tsac / 44
14 La logica dell anova Se H 0 è vera, allora la varianza della popolazione è stimabile anche tramite la distribuzione campionaria delle medie σ 2 Ȳ = σ2 n Le medie dei singoli gruppi sono utilizzate per stimare la varianza, quindi con ˆσ t 2 = nˆσ ȳ 2 = n k j=1 (ȳ i. ȳ.. ) 2 k 1 dove n è l ampiezza, ȳ i. è la media calcolata su ogni gruppo e ȳ.. è la media delle medie G. Rossi (Dip. Psicologia) Tsac / 44
15 La logica dell anova La varianza totale (y ij ȳ) che considera tutti i casi statistici come un solo gruppo viene quindi scomposta in due diverse stime della varianza della popolazione y ij ȳ i. : La prima è calcolata entro i gruppi (chiamata anche within o varianza d errore = MS e ) perché si basa sulle differenze individuali rispetto alla media dei singoli gruppi ȳ i ȳ.. : La seconda fra i gruppi (chiamata anche between o varianza di trattamento = MS t ) perché considera uguali gli individui di un gruppo e imputa le differenze al trattamento (la variabile categoriale usata per suddividere il campione in gruppi) G. Rossi (Dip. Psicologia) Tsac / 44
16 La logica dell anova il loro rapporto si distribuisce secondo la curva di probabilità di F F = MS t MS e con k 1 e k(n 1) gradi di libertà Se il rapporto è piccolo (e non significativo) le due stime sono uguali e quindi non vi è differenza fra i gruppi Se il rapporto è grande (e significativo), le due stime sono diverse e vi è differenza fra i gruppi G. Rossi (Dip. Psicologia) Tsac / 44
17 Esempio di calcolo Gruppo (X X) 2 X 2 ( X) , , , , X = 29/3 = 9, = /3 3 1 Per i calcoli ricordiamo che (Xi var = X) 2 x 2 ( x) 2 N X 2 ( X) 2 /N = = N 1 N 1 N 1 e che il numeratore si chiama anche somma dei quadrati, il denominatore può essere pensato come un gdl G. Rossi (Dip. Psicologia) Tsac / 44
18 Esempio di calcolo: fase 1-var. totale Gruppo 1 Gruppo 2 Gruppo 3 Quadrati M 9,667 3,667 4,000 ( X ij ) 2 = ( ) 2 = 2704 X 2 ij = = 388 SS tot = X 2 ij ( X ij ) 2 /N = /9 = gdl = N 1 = 8 MS tot = var(x) = SS tot /gdl = G. Rossi (Dip. Psicologia) Tsac / 44
19 Esempio di calcolo: fase 1-var. totale Gruppo 1 Gruppo 2 Gruppo 3 Quadrati M 9,667 3,667 4,000 ( X ij ) 2 = ( ) 2 = 2704 X 2 ij = = 388 SS tot = X 2 ij ( X ij ) 2 /N = /9 = gdl = N 1 = 8 MS tot = var(x) = SS tot /gdl = G. Rossi (Dip. Psicologia) Tsac / 44
20 Esempio di calcolo: fase 1-var. totale Gruppo 1 Gruppo 2 Gruppo 3 Quadrati M 9,667 3,667 4,000 ( X ij ) 2 = ( ) 2 = 2704 X 2 ij = = 388 SS tot = X 2 ij ( X ij ) 2 /N = /9 = gdl = N 1 = 8 MS tot = var(x) = SS tot /gdl = G. Rossi (Dip. Psicologia) Tsac / 44
21 Esempio di calcolo: fase 2-var. fra i gruppi Sostituisco i valori con le medie dei gruppi Gruppo 1 Gruppo 2 Gruppo 3 Quadrati 9,667 3,667 4,000 93,451 13,447 16,000 9,667 3,667 4,000 93,451 13,447 16,000 9,667 3,667 4,000 93,451 13,447 16,000 29,000 11,000 12, ,353 40,341 48,000 ( x) 2 = ( ) 2 = 2704 x 2 = 280, , = SS t = x 2 ( x) 2 /N = /9 = gdl = k 1 = 2 MS t = SS t /gdl = G. Rossi (Dip. Psicologia) Tsac / 44
22 Esempio di calcolo: fase 3-var. entro i gruppi Sostituisco i valori con X i X e li chiamo x Gruppo 1 Gruppo 2 Gruppo 3 Quadrati -0,667 0,333-1,000 0,444 0,111 1,000 2,333-1,667 2,000 5,444 2,778 4,000-1,667 1,333-1,000 2,778 1,778 1,000 0,000 0,000 0,000 8,667 4,667 6,000 ( x) 2 = ( ) 2 = 0 x 2 = 8, , = SS e = x 2 ( x) 2 /N = /9 = gdl = k(n 1) = 6 MS e = SS e /gdl = G. Rossi (Dip. Psicologia) Tsac / 44
23 Esempio di calcolo: fase finale Risultati da calcoli a mano SS gl MS F Sig Trattamento 68, ,111 10,586 Errore 19, ,222 Totale 87, ,944 Risultati da SPSS Somma dei Media dei quadrati gl quadrati F Sig. Fra gruppi 68, ,111 10,586 0,011 Entro gruppi 19, ,222 Totale 87,556 8 G. Rossi (Dip. Psicologia) Tsac / 44
24 Formule di calcolo SQ (SS) df MQ (MS) Somme gdl Media F Fonte quadrati quadrati Trattamento ( X.j X.. ) 2 k 1 SQ t /gl Errore (Xij X.j ) 2 k(n 1) SQ e /gl MQ t /MQ e Totale (X ij X.. ) 2 N 1 ij G. Rossi (Dip. Psicologia) Tsac / 44
25 In SPSS Analizza Confronta medie ANOVA univariata... trascinate almeno una variabile quantitativa (Intervallo o a rapporto) nel riquadro Variabili dipendenti se indicate più dipendenti, verrà calcolata una anova per ogni variabile indicata trascinate una variabile qualitativa (Nominale o Ordinale) nel riquadro Fattore: Date l OK G. Rossi (Dip. Psicologia) Tsac / 44
26 Analisi della varianza 2-fattori between L analisi della varianza si può usare anche con più variabili indipendenti categoriali Ipotizzando due variabili indipendenti (ad es. genere e fasce d età), il modello generale dell anova diventerà X = µ + α + β + φ + ε ovvero il punteggio X è scomponibile come: una parte dovuta alla variabile dipendente (µ = X... ) G. Rossi (Dip. Psicologia) Tsac / 44
27 Analisi della varianza 2-fattori between L analisi della varianza si può usare anche con più variabili indipendenti categoriali Ipotizzando due variabili indipendenti (ad es. genere e fasce d età), il modello generale dell anova diventerà X = µ + α + β + φ + ε ovvero il punteggio X è scomponibile come: una parte dovuta alla variabile dipendente (µ = X... ) una parte dovuta alla prima indipendente (α = ( X i.. X... )) G. Rossi (Dip. Psicologia) Tsac / 44
28 Analisi della varianza 2-fattori between L analisi della varianza si può usare anche con più variabili indipendenti categoriali Ipotizzando due variabili indipendenti (ad es. genere e fasce d età), il modello generale dell anova diventerà X = µ + α + β + φ + ε ovvero il punteggio X è scomponibile come: una parte dovuta alla variabile dipendente (µ = X... ) una parte dovuta alla prima indipendente (α = ( X i.. X... )) una alla seconda indipendente (β = ( X.j. X... )) G. Rossi (Dip. Psicologia) Tsac / 44
29 Analisi della varianza 2-fattori between L analisi della varianza si può usare anche con più variabili indipendenti categoriali Ipotizzando due variabili indipendenti (ad es. genere e fasce d età), il modello generale dell anova diventerà X = µ + α + β + φ + ε ovvero il punteggio X è scomponibile come: una parte dovuta alla variabile dipendente (µ = X... ) una parte dovuta alla prima indipendente (α = ( X i.. X... )) una alla seconda indipendente (β = ( X.j. X... )) una alla loro interazione (φ = µ ij µ (α + β)) G. Rossi (Dip. Psicologia) Tsac / 44
30 Analisi della varianza 2-fattori between L analisi della varianza si può usare anche con più variabili indipendenti categoriali Ipotizzando due variabili indipendenti (ad es. genere e fasce d età), il modello generale dell anova diventerà X = µ + α + β + φ + ε ovvero il punteggio X è scomponibile come: una parte dovuta alla variabile dipendente (µ = X... ) una parte dovuta alla prima indipendente (α = ( X i.. X... )) una alla seconda indipendente (β = ( X.j. X... )) una alla loro interazione (φ = µ ij µ (α + β)) e alle differenze individuali (o errori ε = ( X ijk X ij. )) G. Rossi (Dip. Psicologia) Tsac / 44
31 Scomposizione della varianza Totale Within (Errore) Between (Trattamento) A B AxB La varianza totale è quindi scomponibile in una parte dovuta alle differenze individuali (within=errore) e una parte dovuta ai trattamenti (che in questo caso sono 2 diversi) La varianza dovuta ai trattamenti (Between) è scomponibile in una parte dovuta solo al primo trattamento (A), una dovuta solo al secondo trattamento (B) e una parte dovuta alla loro interazione (AxB) G. Rossi (Dip. Psicologia) Tsac / 44
32 Esempio concreto Var. dipendente: Errori ad un test Var. indipendenti: Alcool; Deprivazione di sonno Deprivazione sonno 4h 12h 24h Alcool No Alc Questi dati possono essere considerati come un solo campione (media totale) Ignorando la variabile alcool (quindi usando i 3 gruppi della deprivazione di sonno) Ignorando la variabile deprivazione di sonno (quindi usando i 2 gruppi di alcool) Considerando i 6 sottogruppi G. Rossi (Dip. Psicologia) Tsac / 44
33 Esempio concreto Var. dipendente: Errori ad un test Var. indipendenti: Alcool; Deprivazione di sonno Deprivazione sonno 4h 12h 24h Alcool No Alc Questi dati possono essere considerati come un solo campione (media totale) Ignorando la variabile alcool (quindi usando i 3 gruppi della deprivazione di sonno) Ignorando la variabile deprivazione di sonno (quindi usando i 2 gruppi di alcool) Considerando i 6 sottogruppi G. Rossi (Dip. Psicologia) Tsac / 44
34 Esempio concreto Var. dipendente: Errori ad un test Var. indipendenti: Alcool; Deprivazione di sonno Deprivazione sonno 4h 12h 24h Alcool No Alc Questi dati possono essere considerati come un solo campione (media totale) Ignorando la variabile alcool (quindi usando i 3 gruppi della deprivazione di sonno) Ignorando la variabile deprivazione di sonno (quindi usando i 2 gruppi di alcool) Considerando i 6 sottogruppi G. Rossi (Dip. Psicologia) Tsac / 44
35 Esempio concreto Var. dipendente: Errori ad un test Var. indipendenti: Alcool; Deprivazione di sonno Deprivazione sonno 4h 12h 24h Alcool No Alc Questi dati possono essere considerati come un solo campione (media totale) Ignorando la variabile alcool (quindi usando i 3 gruppi della deprivazione di sonno) Ignorando la variabile deprivazione di sonno (quindi usando i 2 gruppi di alcool) Considerando i 6 sottogruppi G. Rossi (Dip. Psicologia) Tsac / 44
36 Varianza totale Depriv. sonno 4h 12h 24h Quadrati Alcohol No Alc Somma ( x) 2 = ( ) 2 = (284) 2 = X 2 = = 5162 SQ tot = /18 = gdl = N 1 = 18 1 = 17 G. Rossi (Dip. Psicologia) Tsac / 44
37 Varianza dell errore Depriv. sonno 4h 12h 24h Quadrati Alcohol 1,000-1,667-4, , ,000-3,667-2, , ,000 5,333 6, , No Alc. 0,333 2,333-0,667 0,111 5,444 0,444-1,667-2,667 1,333 2,778 7,111 1,778 1,333 0,333-0,667 1,778 0,111 0,444 Somma 0,000 0,000 0,000 18,667 57,333 58,667 ( x) 2 = ( ) 2 = (0) 2 = 0 X 2 = 18, , , 667 = 134, 667 SQ tot = 134, 667 0/18 = 134, 667 gdl = N k A k B = = 12 G. Rossi (Dip. Psicologia) Tsac / 44
38 Varianza sonno (fattore A) Depriv. sonno 4h 12h 24h Quadrati Alcohol 12,833 15,167 19, , , ,778 12,833 15,167 19, , , ,778 12,833 15,167 19, , , ,778 No Alc. 12,833 15,167 19, , , ,778 12,833 15,167 19, , , ,778 12,833 15,167 19, , , ,778 Somma , , ,667 ( x) 2 = ( ) 2 = (284) 2 = X 2 = 988, , , 667 = 4611 SQ A = /18 = gdl = k A 1 = 3 1 = 2 G. Rossi (Dip. Psicologia) Tsac / 44
39 Varianza alcool (fattore B) Depriv. sonno 4h 12h 24h Quadrati Alcohol 20,222 20,222 20, , , ,938 20,222 20,222 20, , , ,938 20,222 20,222 20, , , ,938 No Alc. 11,333 11,333 11, , , ,444 11,333 11,333 11, , , ,444 11,333 11,333 11, , , ,444 Somma 94,667 94,667 94, , , ,148 ( x) 2 = ( ) 2 = (284) 2 = X 2 = 1612, , , 148 = 4836, 444 SQ B = 4836, /18 = gdl = k B 1 = 2 1 = 1 G. Rossi (Dip. Psicologia) Tsac / 44
40 Varianza interazione (fattore AxB) Deprivazione sonno 4h 12h 24h Alcohol 15,00 19,67 26,00 20,22 No Alc. 10,67 10,67 12,67 11,33 Il calcolo dei punteggi necessari per calcolare la varianza dell interazione sono un poco più complessi Si parte dalle medie dei singoli gruppi a cui si sottrae la media di una delle variabili categoriali (A o B): = e = si calcola la media di colonna: (3 ( 5.222) + 3 ( 0.666))/6 = che si sottrae ai singoli valori di quella colonna: ( 2.944) = e ( 2.944) = G. Rossi (Dip. Psicologia) Tsac / 44
41 Varianza interazione (fattore AxB) Depriv. sonno 4h 12h 24h Quadrati Alcohol -2,278 0,056 2,222 5,188 0,003 4,938-2,278 0,056 2,222 5,188 0,003 4,938-2,278 0,056 2,222 5,188 0,003 4,938 No Alc. 2,278-0,056-2,222 5,188 0,003 4,938 2,278-0,056-2,222 5,188 0,003 4,938 2,278-0,056-2,222 5,188 0,003 4,938 Somma ,130 0,019 29,630 ( x) 2 = ( ) 2 = (0) 2 = 0 X 2 = 31, , , 630 = SQ AxB = /18 = gdl = (k A 1)(k B 1) = 2x1 = 2 G. Rossi (Dip. Psicologia) Tsac / 44
42 Riepilogo: calcolato e SPSS Sorgente SQ gdl MQ F Effetti principali Sonno 130, ,056 5,80 Alcohol 355, ,556 31,68 Interazioni SxA 60, ,389 2,71 Errore 134, ,222 Totale 681, ,065 Test degli effetti fra soggetti Variabile dipendente: errori Sorgente SQ df MQ F Sig. Modello corretto 546,444(a) 5 109,289 9,739 0,001 Intercetta 4.480, , ,287 0,000 alcool 355, ,556 31,683 0,000 sonno 130, ,056 5,797 0,017 alcool * sonno 60, ,389 2,708 0,107 Errore 134, ,222 Totale 5.162, Totale corretto 681, a. R quadrato =,802 (R quadrato corretto =,720) G. Rossi (Dip. Psicologia) Tsac / 44
43 Per capire i risultati Per capire e interpretare i risultati dobbiamo guardare le medie (marginali stimate) degli effetti significativi (con soli fattori between, coincidono con quelle calcolate, salvo missing) Variabile dipendente: errori alcool Media Errore std. Intervallo di confidenza 95% Limite inferiore Limite superiore Alcool 20,222 1,117 17,789 22,655 No alcool 11,333 1,117 8,900 13,766 sonno Media Errore std. Intervallo di confidenza 95% Limite inferiore Limite superiore 4h 12,833 1,368 9,854 15,813 12h 15,167 1,368 12,187 18,146 24h 19,333 1,368 16,354 22,313 G. Rossi (Dip. Psicologia) Tsac / 44
44 In Spss Analizza Modello lineare generalizzato Univariata... Inserite la variabile da studiare in Variabile dipendente Inserite le variabili categoriali in Fattori fissi Scegliete i contrasti o post-hoc se li volete Nel pulsante Opzioni, selezionare le Medie marginali stimate (se volete) Date l OK G. Rossi (Dip. Psicologia) Tsac / 44
45 Possibili esempi di interazione ipotizzando 2 INDIP (3x2) e unendo i valori medi di una indipendente suddivisi e separatamente per l altra, otteniamo due linee La forma di interazione più comune è quando le linee si incrociano (fig 1 e 2) Ma anche quando in corrispondenza di un valore c è una differenza particolarmente diversa (fig 3) G. Rossi (Dip. Psicologia) Tsac / 44
46 Confronti post-hoc Sono confronti che si fanno a posteriori, se l Anova è significativa e se ci sono più di 2 gruppi in una variabile indipendente La logica è quella di tenere sotto controllo i problemi di significatività legati ai confronti multipli. In Spss, premete il bottone Post Hoc... e selezionate tutti i test che volete gli output sono di due tipi: confronti multipli completi oppure gruppi omogenei Vi sono diverse procedure che effettuano confronti post-hoc G. Rossi (Dip. Psicologia) Tsac / 44
47 Confronti post-hoc: multipli Confronti multipli - Variabile dipendente: ABA HSD di Tukey Differenza Intervallo di fra medie Err. std. Sig. confidenza 95% Lim. sup. Lim. inf. SX Cent. 2,796 2,2137 0,4168-2,409 8,002 Dx 7,859 2,7597 0,0128 1,369 14,349 Centro SX -2,796 2,2137 0,4168-8,002 2,409 Dx 5,063 2,6940 0,1459-1,273 11,398 Dx SX -7,859 2,7597 0, ,349-1,369 Cent. -5,063 2,6940 0, ,398 1,273 Non è significativa: le medie dei 2 gruppi sono simili È significativa: le medie dei 2 gruppi sono diverse G. Rossi (Dip. Psicologia) Tsac / 44
48 Confronti post-hoc: multipli Confronti multipli - Variabile dipendente: ABA HSD di Tukey Differenza Intervallo di fra medie Err. std. Sig. confidenza 95% Lim. sup. Lim. inf. SX Cent. 2,796 2,2137 0,4168-2,409 8,002 Dx 7,859 2,7597 0,0128 1,369 14,349 Centro SX -2,796 2,2137 0,4168-8,002 2,409 Dx 5,063 2,6940 0,1459-1,273 11,398 Dx SX -7,859 2,7597 0, ,349-1,369 Cent. -5,063 2,6940 0, ,398 1,273 Non è significativa: le medie dei 2 gruppi sono simili È significativa: le medie dei 2 gruppi sono diverse G. Rossi (Dip. Psicologia) Tsac / 44
49 Confronti post-hoc: gruppi omogenei Sottoinsiemi omogenei HSD di Tukey trepol N Sottoinsieme per alfa = Dx 87 33,580 Centro ,643 38,643 SX ,439 Sig. 0,120 0,521 Sono visualizzate le medie per i gruppi di sottoinsiemi omogenei. Le medie di Centro e DX sono omogenee fra loro (si assomigliano) Le medie di Centro e SX sono omogenee fra loro (si assomigliano) Le medie di DX e SX non sono omogenee fra loro (vengono da due popolazioni diverse) G. Rossi (Dip. Psicologia) Tsac / 44
50 Confronti post-hoc: gruppi omogenei Sottoinsiemi omogenei HSD di Tukey trepol N Sottoinsieme per alfa = Dx 87 33,580 Centro ,643 38,643 SX ,439 Sig. 0,120 0,521 Sono visualizzate le medie per i gruppi di sottoinsiemi omogenei. Le medie di Centro e DX sono omogenee fra loro (si assomigliano) Le medie di Centro e SX sono omogenee fra loro (si assomigliano) Le medie di DX e SX non sono omogenee fra loro (vengono da due popolazioni diverse) G. Rossi (Dip. Psicologia) Tsac / 44
51 Confronti post-hoc: gruppi omogenei Sottoinsiemi omogenei HSD di Tukey trepol N Sottoinsieme per alfa = Dx 87 33,580 Centro ,643 38,643 SX ,439 Sig. 0,120 0,521 Sono visualizzate le medie per i gruppi di sottoinsiemi omogenei. Le medie di Centro e DX sono omogenee fra loro (si assomigliano) Le medie di Centro e SX sono omogenee fra loro (si assomigliano) Le medie di DX e SX non sono omogenee fra loro (vengono da due popolazioni diverse) G. Rossi (Dip. Psicologia) Tsac / 44
52 Confronti post-hoc alcuni presumono che le varianze fra i gruppi siano uguali: LSD (Least Significant Difference), Bonferroni, Sidak, Scheffé, SNK (Student-Neumann-Kouls), Tukey HSD (Honesty Significant Difference), Duncan, Hochberg, Gabriel, Waller-Duncan, Dunnett altre no: Tamhane, Dunnett, Games-Howell, C di Dunnett richiedono che le N dei gruppi siano = o di poco : LSD, HSD, F-H (LSD modificata), REGWQ, Gabriel accettano gruppi con N : Bonferroni, Scheffé, Hoch GT2, Games-Howell N piccoli: Games-Howell Meglio con solo 3 gruppi: LSD Meglio 4 o più gruppi: HSD, F-H, Bonferroni, Tukey, REGWQ G. Rossi (Dip. Psicologia) Tsac / 44
53 Confronti post-hoc metodi che presumono varianze uguali fra i gruppi LSD (Least Significant Difference) Bonferroni Sidak Scheffé SNK (Student-Neumann-Kouls) Tukey HSD (Honesty Significant Difference) Duncan Hochberg Gabriel Waller-Duncan Dunnett Bonferroni è adatto alle ricerche esplorative non presumono Tamhane Dunnett Games-Howell C di Dunnett Tukey è conservativo, quindi adatto a molti confronti REGWD è quelo che viene suggerito se non si hanno motivi particolari per preferirne altri (Gallucci e Leone, 2012 p.95) G. Rossi (Dip. Psicologia) Tsac / 44
54 Confronti a priori Oltre ai post hoc si possono effettuare dei confronti a priori ovvero decisi prima ancora di effettuare l anova, sulla base di una teoria Questi confronti si chiamano anche contrasti perché contrastano la media di uno o più gruppi con quella di altri Anche in questo caso ci sono due possibilità: contrasti predefiniti: lineare, quadratico, Helmert... contrasti decisi da noi G. Rossi (Dip. Psicologia) Tsac / 44
55 Confronti a priori Contrasti... In Spss, premete il bottone se selezionate Polinomiale, poi potete scegliere fra Lineare: ipotizzo che le medie aumentano o diminuiscono nella varie categorie in modo lineare Quadratico: in forma di U o U rovesciata Cubico altrimenti dovrete inserire dei coefficienti (uno alla volta e poi premere Aggiungi ). dopo aver inserito un contrasto è possibile inserirne un secondo tramite il pulsante Successivo G. Rossi (Dip. Psicologia) Tsac / 44
56 Confronti a priori: contrasti a scelta Dovete inserire tanti coefficienti quanti sono i gruppi previsti dalla variabile indipendente la somma dei coefficienti dev essere 0. Non è necessario che vengano usati tutti i gruppi. Se ho 4 gruppi, i coefficienti confrontano il primo con la somma del terzo e quarto, ignorando il secondo Coefficienti di contrasto Test di contrasto Contrasto trepol SX Centro Dx Contrasto Valore di Sig. contrasto Err. std. t df (2-code) Assumi var. = 2,775 0,621 4, ,000 Assumi var. 2,775 0,683 4, ,333 0,000 G. Rossi (Dip. Psicologia) Tsac / 44
Tecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per fattori indipendenti (vers. 1.2, 8 novembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliPsicometria con Laboratorio di SPSS 2
Psicometria con Laboratorio di SPSS 2 Analisi della varianza (v. 1.6, 27 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18 G. Rossi
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Ripasso: Anova per fattori indipendenti (v. 1.8.5, 31 ottobre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07b-Ripasso: Anova per fattori indipendenti (v. 1.9, 31 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07a-Ripasso: Anova ad un fattore (v. 1.9a, 29 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 19-Rapporto fra varianze e 20-Introduzione all Anova vers. 1.0 (5 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova per misure ripetute (vers. 1.2, 5 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 06-Anova per misure ripetute (vers. 1.0a, 1 dicembre 2016) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliArgomenti della lezione:
Lezione 13 L analisi della Varianza (ANOVA): il modello lineare Argomenti della lezione: Modello lineare Disegni a una via L Analisi della Varianza (ANOVA): Esamina differenze tra le medie di due o più
DettagliAnalisi 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
DettagliAnalisi della varianza
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Facoltà di Medicina e Chirurgia - A.A. 2009-10 Scuole di specializzazione Lezioni comuni Disciplina: Statistica Docente: dott.ssa Egle PERISSINOTTO
DettagliL 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):
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Anova con covariata (vers. 1.2, 6 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 11-Anova con covariata (v. 1.3, 5 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
DettagliAnalisi della Varianza - II
Analisi della Varianza - II ANOVA tra i soggetti M Q Cristina Zogmaister Milano-Bicocca 1 Lez: XXIX Analisi della Varianza (ANOVA, Analysis of Variance) Obiettivo - Confrontare due o più gruppi per stabilire
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 04-Trattamento dei dati (v. 1.4, 11 ottobre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 11-Verifica di ipotesi fra due medie (vers. 1.2, 10 aprile 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStatistica 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
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 03-Ripasso inferenziale: T-test (v. 1.3, 19 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliErrori inferenza statistica Analisi della Varianza - I
Errori inferenza statistica Analisi della Varianza - I M Q Marco Perugini Milano-Bicocca 1 Lez: XXVIII Errori nell inferenza statistica La statistica viene usata per fare inferenze a partire dei dati empirici
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:
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.
DettagliPsicometria con Laboratorio di SPSS 1
Psicometria con Laboratorio di SPSS 1 1-Panoramica delle tecniche: Spiegazione intuitiva vers. 1.1 (vers. 1.1, 14 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
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, -..
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 02-Tendenza centrale e variabilità (v. 1.0, 22 marzo 2019) versione per stampa Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliESERCIZIO 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
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
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
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
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.2, 20 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2016-17
DettagliStatistica 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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Significatività statistica per la correlazione vers. 1.0 (5 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliAnalisi delle medie (post ANOVA)
Analisi delle medie (post ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: 9 Problema Se il test F è significativo, concludiamo che esiste una differenza fra le medie dei gruppi Ciò vuol
DettagliInferenza statistica Donata Rodi 04/10/2016
Inferenza statistica Donata Rodi 04/10/2016 Popolazione Campionamento Campione Parametri Inferenza Statistiche µ, ϭ 2 descrittive Stima X, s 2 Quale test? Parametrico o no Scala di misura 1 gruppo 2 gruppi
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
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
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
DettagliMetodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale
DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it a.a. 2018-2019 CdS Scienze della Produzione e Protezione delle Piante (g59)
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
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
DettagliAnalisi della Varianza Fattoriale. (Cap. 8)
Analisi della Varianza Fattoriale AMD (Cap. 8) Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliAnalisi 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
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 4.2 Confronti multipli Università di Cagliari, a.a. 2013/2014 Davide Massidda davide.massidda@gmail.com Il livello di burnout dipende dal reparto? Soggetto
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliAnalisi della Varianza - II
Analisi della Varianza - II M Q ANOVA entro i soggetti, modelli misti, ANCOVA Marco Perugini Milano-Bicocca 1 Lez: XXIX ANOVA a una via la VARIANZA Possiamo stimare la varianza (MQ = media dei quadrati)
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 4-Misure della tendenza centrale (vers. 1.0c, 27 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 4-Misure della tendenza centrale (vers. 1.0b, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 2)
INTRODUZION AL DSIGN OF XPRIMNTS (Parte 2) 176 Introduzione Nella precedente lezione abbiamo visto come affrontare il problema della sperimentazione in presenza di un solo fattore e due soli livelli. In
DettagliModelli Log-lineari Bivariati
Modelli Log-lineari Bivariati Luca Stefanutti Università di Padova Dipartimento di Psicologia Applicata Via Venezia 8, 35131 Padova L.Stefanutti (Università di Padova) Modelli Log-lineari 1 / 71 Contenuti
DettagliLezione 15. L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti. Argomenti della lezione: Disegni entro i soggetti
Lezione 15 L analisi della Varianza (ANOVA): i disegni entro i sogetti e misti Argomenti della lezione: Disegni entro i soggetti Disegni misti Effect size e potenza Disegni entro i soggetti Gli stessi
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
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
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
DettagliParte 1 : Inferenza. Varianza nota test Z. Distribuzioni asintotiche dei test. Varianza ignota test t ad un campione
! Test d'ipotesi Parte 1 : Inferenza! Intervalli di confidenza! Test parametrici! Calcoli di potenza! Test non parametrici Distribuzioni asintotiche dei test A seconda dei casi il nostro test può convergere
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliStatistica multivariata Donata Rodi 08/11/2016
Statistica multivariata Donata Rodi 08/11/2016 MANOVA: Multivariate Analysis of Variance Due o più variabili dipendenti quantitative Una o più variabili indipendenti categoriali (con più livelli) Residui
DettagliLa statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati.
RICHIAMI DI STATISTICA La statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati. Quale è la media della distribuzione del reddito dei neolaureati? Per rispondere dovremmo
DettagliAnalisi delle medie post ANOVA. (cap. 4 e 8)
Analisi delle medie post ANOVA (cap. 4 e 8) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: 9 Problema Se il test F è significativo, concludiamo che esiste una differenza fra le medie dei gruppi
DettagliLa regressione lineare semplice
La regressione lineare semplice Il modello di regressione lineare semplice - 1 y = β 0 + βx + ε 10 8 Una retta nel piano Variabile Y 6 4 2 0 0 1 2 3 4 Variabile X 1 Il modello di regressione lineare semplice
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
Dettagli3) ANOVA. one-way independent ANOVA two-way repeated-measures ANOVA two-way mixed ANOVA three-way independent ANOVA
Per analizzare i dati dei disegni fattoriali, si usa l ANOVA Fattoriale. Quando si leggono le pubblicazioni, capita di vedere declinato il termine ANOVA in accordo con il disegno utilizzato: ad esempio
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 6-Altre tecniche per descrivere insiemi di dati (vers. 1.0c, 27 marzo 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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.
DettagliCAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza
Douglas C. Montgomery Progettazione e analisi degli esperimenti 006 McGraw-Hill CAPITOLO 3 Esperimenti con un singolo fattore: l Analisi della Varianza Metodi statistici e probabilistici per l ingegneria
DettagliLABORATORI DI STATISTICA SOCIALE
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI STATISTICA SOCIALE Lezione III Dott.ssa Roberta Adorni Dott.ssa Giulia Fusi
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
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
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
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)
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.
DettagliUniversità del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
DettagliVARIETÀ. zona geografica A B C D
Anova a 2 vie con repliche (( chiarire che non devono essere esattamente nello stesso numero per ogni cella ovvero per le ripetizioni dei de fattori ma che excel li legge così) Esercizio-esempio 1 Il valore
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson Apogeo
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari"
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliDr. Marco Vicentini Anno Accademico Rev 20/04/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 20/04/2011 La distribuzione χ 2 Tabelle di contingenza
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson. Casa editrice: Pearson
Levine, Krehbiel, Berenson Statistica II ed. Casa editrice: Pearson Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento
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
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliStrumenti informatici Realizzare l analisi della varianza con Excel e SPSS
Strumenti informatici 6.4 - Realizzare l analisi della varianza con Excel e SPSS Excel non dispone di una funzione che realizzi l analisi della varianza, a meno di aver installato uno dei moduli aggiunti
Dettagli