ANALISI DELLE CORRISPONDENZE MULTIPLE (ACM)
|
|
- Serafino Di Gregorio
- 7 anni fa
- Visualizzazioni
Transcript
1 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 di contingenza bivariate di gradi dimensioni (AC), successivamente è stata applicata a tabelle contenenti informazioni relative ad un numero elevato di variabili. Fa parte, come l ACP, delle tecniche fattoriali e, come l ACP, ha lo scopo di sintetizzare le relazioni che intercorrono fra numerose variabili sottoposte ad analisi simultanea, allo scopo di riprodurne il patrimonio informativo in un numero più ridotto di variabili sintetiche = fattori. Come nel caso dell ACP, il presupposto è che le variabili trattate siano associate tra loro e che in virtù di ciò possano esprimere (almeno in parte) uno stesso tipo di informazione. Questa tecnica si applica a variabili categoriali e per lo studio delle relazioni tra le numerose modalità-variabili che essa tratta si ricorre alla statistica del 2 Fasi procedurali 1. Si selezionano dalla originaria matrice casi x variabili le variabili che si intendono analizzare, con quale funzione - attiva = destinate a formare le sintesi fattoriali - illustrativa = da utilizzare successivamente allo scopo di meglio interpretare e caratterizzare i fattori estratti e in quale forma/struttura: bilanciamento modalità / bilanciamento variabili. 2. Si costruisce una nuova matrice casi x variabili disgiuntiva completa = ogni modalità delle variabili selezionate viene trattata come se fosse una variabile a sé stante nella nuova matrice dei dati (vedi Statera, 1998, Tab. 6.7, p. 352) 3. Si predispone il dizionario delle modalità-variabili: ciascuna delle modalitàvariabili che entra in ACM deve essere contrassegnata da un etichetta alfanumerica di quattro caratteri, in modo da rendere immediato il suo riconoscimento nell output della procedura. 4. Dalla nuova matrice disgiuntiva completa si ricava una nuova matrice (modalitàvariabili x modalità-variabili) quadrata e simmetrica detta matrice di Burt - (vedi Statera, 1998, Tab. 6.8, p. 353).
2 5. A seguito di trattamento della matrice di Burt mediante procedimenti di algebra della matrici si estraggono i fattori = costrutti algebrici che si ottengono attraverso combinazioni lineari delle modalità-variabili originarie: a partire dallo spazio a p dimensioni definito da tutte le modalità-variabili considerate, l ACM consente di individuare assi ortogonali (= indipendenti l uno dall altro) detti assi fattoriali, tramite i quali sia possibile rappresentare in uno spazio più ridotto le interrelazioni tra le modalità-variabili considerate. I fattori rappresentano dimensioni latenti nella struttura dei dati, e sono riferibili a categorie concettuali sottostanti, utili a dar conto di ciò che le variabili associate condividono. Essi devono: - essere indipendenti l uno dall altro - essere le migliori combinazioni lineari delle variabili originarie - spiegare in ordine decrescente la maggior parte possibile dell inerzia (equivalente alla varianza in ACP) totale contenuta nella matrice di Burt. Ogni asse fattoriale è distinguibile in due semi-assi, uno positivo e uno negativo, che rappresentano i poli semantici opposti dell asse (designazioni bipolari interpretabili come modalità di riferimento della nuova supervariabile /fattore). 6. Si scelgono i fattori da utilizzare. Come ci si orienta? - Metodo dell autovalore : Ogni fattore estratto è corredato dal relativo autovalore (valore proprio = ) che permette di quantificare la percentuale di inerzia /variabilità spiegata, secondo la seguente proporzione: i : = % i : 100 Considerato che per effetto dell ampliamento del numero delle variabili originarie in modalità-variabili la quantità di inerzia spiegata dai fattori estratti è sottodimensionata, è stata proposta dallo stesso Benzecrì, la seguente formula di rivalutazione degli autovalori * i = autovalore rivalutato del fattore i i = autovalore originario del fattore i p = numero delle variabili attive * i = ( i - 1/p) 2 - si scelgono i fattori con autovalore più elevato - si decide il livello minimo cui attestarsi nella % cumulata dell inerzia spiegata
3 - Metodo dello screen test: ci si ferma al fattore oltre il quale l incremento di inerzia spiegata diventa esiguo 7. Si interpretano i fattori scelti. Per l interpretazione semantica dei fattori si ricorre a una serie di coefficienti statistici: Massa (o peso relativo) di ciascuna variabile/modalità attiva: è il rapporto tra la frequenza della variabile/modalità e il numero totale di variabili/modalità attive; Indice di distorsione (o distanza dall origine) di ciascuna variabile/modalità: dà indicazioni sul carattere periferico di certe variabili/modalità ed è inversamente proporzionale alla massa; dipende dalla distribuzione di frequenza delle modalità di una variabile: se essa è bilanciata assume valori bassi, se essa è fortemente sbilanciata assume un valore molto alto, indicando, insieme alla massa, l irrilevanza della modalità; Contributo assoluto di ciascuna variabile/modalità attiva: rappresenta la parte di dispersione del fattore dovuta alla singola variabile/modalità (è l equivalente del component loading nell ACP) (quota di inerzia totale del fattore riprodotta dalla singola modalità-variabile); Coseno quadrato o contributo relativo: è un valore che permette di valutare il contributo che un certo fattore F fornisce alla riproduzione della dispersione di ogni variabile/modalità attiva. Se esso è basso la modalità in questione non è ben rappresentata sul fattore e sarà sintetizzata meglio da altri fattori; al contrario, se è elevato, è opportuno analizzare il ruolo che la variabile/modalità riveste nella formazione dell asse su cui è ben rappresentata; Coordinata fattoriale (di segno positivo o negativo): indica la posizione delle modalità sui fattori sia in termini di distanza dal punto zero che rappresenta il centro-origine dei fattori, sia in termini di versante positivo o negativo dell asse-fattore considerato. Le modalità che si collocano più distanti dall origine sono quelle che, di solito, contribuiscono maggiormente alla formazione del fattore stesso. Valore test: indica la significatività dell associazione tra una variabile/modalità e un fattore. Esso è particolarmente utile per valutare le associazioni delle modalità illustrative, che non contribuiscono alla formazione dei fattori stessi. Sono considerati significativi, al livello di probabilità del 5%, i coefficienti maggiori di 2 in valore assoluto.
4 Criterio di valutazione dell autovalore La somma di tutti gli autovalori corrisponde / è pari alla traccia della matrice di Burt (elementi della diagonale principale, sintesi della complessiva dispersione contenuta nella matrice). Pertanto, il rapporto tra l autovalore e la traccia = sommatoria degli autovalori rappresenta la proporzione di dispersione complessiva riprodotta da quel fattore i : = % i : 100 Criterio indicativo per la valutazione del contributo assoluto Per ogni fattore, la somma di tutti i contributi assoluti è pari a 100. Per stabilire un valore soglia di riconoscimento di un contributo significativo, si divide 100 per il totale delle modalità-variabili attive. Si stima così il contributo assoluto medio e, a partire da questo, si valutano quelli che se ne discostano di più. Criterio indicativo per la valutazione del contributo relativo La dispersione complessiva di ogni modalità-variabile è riprodotta da tutti i fattori estratti, ciascuno secondo una certa proporzione che varia da 0 a 1 (se moltiplicato per 100, tale valore esprime la percentuale di dispersione riprodotta da ciascun fattore). Considerati q fattori estratti, mediamente ciascuno di essi può riprodurne una proporzione pari a 1/q. A partire dal valore medio, si valutano i contributi relativi che se ne discostano maggiormente.
5 N.B. - Dopo aver interpretato i singoli fattori grazie agli indici statistici sopra elencati, si possono esaminare le rappresentazioni grafiche risultanti dall intersezione di coppie di fattori. In questi grafici cartesiani si possono proiettare sia le modalità (attive e illustrative) sia i casi. In generale, nel caso in cui le modalità abbiano una numerosità bilanciata, quanto più un punto è lontano dall origine degli assi, tanto più forte è il suo contributo alla formazione dell asse stesso; tanto più due punti sono vicini, maggiore è l interdipendenza tra essi. Nel caso in cui le modalità-variabili abbiano diversa numerosità, si deve considerare che modalità-variabili scarsamente numerose ( modalità rare ) tendono ad allontanarsi artificiosamente dal centro degli assi, creando problemi di interpretazione. Per questo andrebbero automaticamente espunte ( ventilate ). Infine: per ciascun caso si possono calcolare le coordinate fattoriali: esse corrispondono ai punteggi componenziali dell ACP e rappresentano lo stato del caso sul fattore. Tali stati saranno le modalità delle nuove super-variabili (fattori) che sostituiranno quelle originarie nella matrice dei dati.
6 CONTRIBUTO DELL ANALISI FATTORIALE ALLA COSTRUZIONE DEGLI INDICI a) Stima della validità degli indicatori utlizzati per operativizzare un concetto: - indicatori di uno stesso concetto hanno una parte indicante in comune: più altra è la correlazione di un indicatore con gli altri, maggiore è la sua parte indicante, maggiore è la sua validità; - attraverso le misure di associazione fra i singoli indicatori e il fattore che incarna il concetto si individuano gli indicatori più validi; b) Individuazione di dimensioni concettuali non previste o conferma (ma anche revisione) di dimensioni concettuali già previste : funzione euristica e funzione confermativa
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
DettagliLa matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it ANALISI DELLE CORRISPONDENZE (cap. VII) Problema della riduzione delle dimensioni L ANALISI DELLE COMPONENTI PRINCIPALI
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
DettagliGeometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
DettagliTECNICHE DI POSIZIONAMENTO
TECNICHE DI POSIZIONAMENTO Discriminant analysis: definizione di n (generalmente 2) funzioni lineari discriminanti, basate su valutazioni quantitative di attributi, utilizzate per posizionare oggetti (marche,
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Sintesi a cinque e misure di variabilità rispetto ad un centro Una catena di fast-food ha selezionato
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliLezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 10: Interpolazione lineare Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Il concetto di interpolazione In matematica, e in particolare in
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliApplicazioni statistiche e utilizzo del package statistico Spss - 7
Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno
DettagliINDICATORI DI TENDENZA CENTRALE
Psicometria (8 CFU) Corso di laurea triennale INDICATORI DI TENDENZA CENTRALE Torna alla pri ma pagina INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliAnno 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
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo è indice che riassume o descrive i dati e dipende
DettagliDisequazioni di secondo grado
Disequazioni di secondo grado. Disequazioni Definizione: una disequazione è una relazione di disuguaglianza tra due espressioni. Detti p() e g() due polinomi definiti in un insieme A, una disequazione
DettagliEQUAZIONE DELLA RETTA
EQUAZIONE DELLA RETTA EQUAZIONE DEGLI ASSI L equazione dell asse x è 0. L equazione dell asse y è 0. EQUAZIONE DELLE RETTE PARALLELE AGLI ASSI L equazione di una retta r parallela all asse x è cioè è uguale
DettagliAssociazione tra caratteri quantitativi: gli indici di correlazione
Associazione tra caratteri quantitativi: gli indici di correlazione Per correlazione si intende una relazione tra due variabili tale che a ciascun valore della prima variabile corrisponda con una certa
DettagliAnalisi 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
DettagliLa fattibilità dei progetti
La fattibilità dei progetti 12.XII.2005 La fattibilità dei progetti La fattibilità di un progetto dipende dalla capacità che quest ultimo ha di determinare condizioni per un effettiva cooperazione fra
DettagliUNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
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
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliCURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI. Scuola Secondaria di Primo Grado Matematica -
CURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI Scuola Secondaria di Primo Grado Matematica - Classe Prima COMPETENZA CHIAVE EUROPEA: COMPETENZA MATEMATICA Profilo dello studente al termine del Primo ciclo
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliPROGRAMMA di MATEMATICA A. S. 2015/16 PRIVATISTI CLASSE PRIMA Aritmetica: Gli insiemi numerici N, Z, Q con le operazioni e le proprietà.
CLASSE PRIMA Aritmetica: Gli insiemi numerici N, Z, Q con le operazioni e le proprietà. Utilizzare le procedure del calcolo aritmetico(a mente, per iscritto, a macchina) per calcolare espressioni aritmetiche
DettagliQuadro riassuntivo di geometria analitica
Quadro riassuntivo di geometria analitica IL PIANO CARTESIANO (detta ascissa o coordinata x) e y quella dall'asse x (detta ordinata o coordinata y). Le coordinate di un punto P sono: entrambe positive
Dettaglimatematica classe terza Liceo scientifico
LICEO SCIENTIFICO STATALE LEONARDO DA VINCI Anno scolastico 2013/2014 LE COMPETENZE ESSENZIALI CONSIDERATE ACCETTABILI PER LA SUFFICIENZA Si precisa che gli obiettivi indicati sono da raggiungere in relazione
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliIn un triangolo un lato è maggiore della differenza degli altri due, pertanto dal triangolo si ha > dividendo per =1.
L iperbole L iperbole è il luogo geometrico dei punti del piano per i quali è costante la differenza delle distanze da due punti fissi detti fuochi. Come si evince del grafico, la differenza delle distanze
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione
Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliServizio Sviluppo Economico, studi e statistica. Analisi dei redditi dei cittadini di Trento anno d imposta 2014
Servizio Sviluppo Economico, studi e statistica Analisi dei redditi dei cittadini di Trento anno d imposta 214 Analisi dei redditi dei cittadini di Trento Anno d imposta 214 - ottobre 216 - Servizio Sviluppo
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
DettagliMISURE DI SINTESI 54
MISURE DI SINTESI 54 MISURE DESCRITTIVE DI SINTESI 1. MISURE DI TENDENZA CENTRALE 2. MISURE DI VARIABILITÀ 30 0 µ Le due distribuzioni hanno uguale tendenza centrale, ma diversa variabilità. 30 0 Le due
DettagliStatistica multivariata 27/09/2016. D.Rodi, 2016
Statistica multivariata 27/09/2016 Metodi Statistici Statistica Descrittiva Studio di uno o più fenomeni osservati sull INTERA popolazione di interesse (rilevazione esaustiva) Descrizione delle caratteristiche
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliProntuario degli argomenti di Algebra
Prontuario degli argomenti di Algebra NUMERI RELATIVI Un numero relativo è un numero preceduto da un segno + o - indicante la posizione rispetto ad un punto di riferimento a cui si associa il valore 0.
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
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliACP: analisi in componenti principali. Giovanni Di Franco
ACP: analisi in componenti principali Giovanni Di Franco ACP 1 Spesso, nella vita di tutti i giorni, ci capita di dover sintetizzare delle informazioni; senza saperlo operiamo con una logica analoga a
Dettagli- Conoscere il concetto di insieme. - Sapere rappresentare un insieme. - Riconoscere insiemi uguali, inclusi, vuoti.
Educandato Statale E. Setti Carraro Dalla Chiesa Scuola Secondaria I Grado Via Passione 12 - Milano MATEMATICA / Classe prima Anno Scolastico 2016-2017 NUCLEI TEMATICI COMPETENZE OBIETTIVI MINIMI DI APPRENDIMENTO
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliUNITÀ DIDATTICA 2 LE FUNZIONI
UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo
DettagliSTATISTICA. La Statistica è la scienza che studia i fenomeni collettivi utilizzando metodi matematici.
STATISTICA La Statistica è la scienza che studia i fenomeni collettivi utilizzando metodi matematici. Essa si occupa della tecnica per raccogliere ed elaborare Dati (studenti, abitanti, oggetti, ecc.)
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliEquazioni Polinomiali II Parabola
Equazioni Polinomiali II Parabola - 0 Equazioni Polinomiali del secondo grado (Polinomi II) Forma Canonica e considerazioni La forma canonica dell equazione polinomiale di grado secondo è la seguente:
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliRELAZIONE FINALE DEL DOCENTE. Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 3PTVE A. S. 2015/2016
RELAZIONE FINALE DEL DOCENTE Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 3PTVE A. S. 2015/2016 In relazione alla programmazione curricolare sono stati conseguiti, in termini di livello medio,
DettagliStatistica descrittiva
Statistica descrittiva Caso di 1 variabile: i dati si presentano in una tabella: Nome soggetto Alabama Dato 11.6.. Per riassumere i dati si costruisce una distribuzione delle frequenze. 1 Si determina
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliCapitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
DettagliPIANO CARTESIANO. NB: attenzione ai punti con una coordinata nulla: si trovano sugli assi
PIANO CARTESIANO Il piano cartesiano è individuato da due rette perpendicolari (ortogonali) che si incontrano in un punto O detto origine del piano cartesiano. Si fissa sulla retta orizzontale il verso
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 7 home - indice In base agli arrotondamenti effettuati nei calcoli,
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
DettagliPiano cartesiano e Retta
Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L
DettagliEsplorazione grafica di dati multivariati. N. Del Buono
Esplorazione grafica di dati multivariati N. Del Buono Scatterplot Scatterplot permette di individuare graficamente le possibili associazioni tra due variabili Variabile descrittiva (explanatory variable)
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliTavola di mobilità: esempio
Tavola di mobilità: esempio Destinazione sociale Origine sociale Classe superiore Classe media Classe inferiore Totale Classe superiore 160 30 10 200 Classe media 90 150 60 300 Classe inferiore 50 200
Dettaglix i. Δ x i
ITCS "R. LUXEMBURG" BO- AS 011-01 5CL MATEMATICA- COGOME: OME: VERIFICA UD 1.A : STATISTICA DESCRITTIVA (ORE ) DATA: 1] Data la serie del numero di componenti dei nuclei familiari rilevati in un gruppo
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliPROCEDURA MAPPATURA SINISTRI
Pagina 1 di 14 PROCEDURA MAPPATURA SINISTRI Revisione Prima emissione Data. Descrizione delle modifiche Redazione Verifica Approvazione PR 2- v 0 17-09-14 Pagina 2 di 14 1. Campo di applicazione La presente
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliMicroeconomia (C.L. Economia e Legislazione di Impresa); A.A. 2010/2011 Prof. C. Perugini
Microeconomia (C.L. Economia e Legislazione di Impresa); A.A. 010/011 Prof. C. Perugini Esercitazione n.1 1 Obiettivi dell esercitazione Ripasso di matematica Non è una lezione di matematica! Ha lo scopo
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dei numeri relativi
Codice BCD Prima di passare alla rappresentazione dei numeri relativi in binario vediamo un tipo di codifica che ha una certa rilevanza in alcune applicazioni: il codice BCD (Binary Coded Decimal). È un
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) MEDIA aritmetica semplice
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it TIPI DI MEDIA: GEOMETRICA, QUADRATICA, ARMONICA Esercizio 1. Uno scommettitore puntando una somma iniziale
DettagliLab. 2 - Excel. Prof. De Michele e Farina
Lab. 2 - Excel Prof. De Michele e Farina 1 Utilizzo avanzato di un foglio elettronico: - Utilizzo di funzioni Regressioni lineari Istogrammi 2 La funzione somma restituisce la somma dei valori dei propri
DettagliRELAZIONE FINALE DEL DOCENTE. Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016
RELAZIONE FINALE DEL DOCENTE Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016 In relazione alla programmazione curricolare sono stati conseguiti, in termini di livello medio,
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. - IMPERATORE D. CLASSE/INDIRIZZO: prima servizi commerciali Utilizzare le tecniche
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliProgrammazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89)
Programmazione disciplinare per competenze (Rif.to ALLEGATI del DPR 15 marzo 2010 n. 89) Secondo biennio Indirizzo: IPSSAR Disciplina: MATEMATICA 1. 1 Asse culturale: matematico 1. utilizzare il linguaggio
DettagliUn monomio è in forma normale se è il prodotto di un solo fattore numerico e di fattori letterali con basi diverse. Tutto quanto sarà detto di
DEFINIZIONE Espressione algebrica costituita dal prodotto tra una parte numerica (coefficiente) e una o più variabili e/o costanti (parte letterale). Variabili e costanti possono comparire elevate a potenza
DettagliGENETICA QUANTITATIVA
GENETICA QUANTITATIVA Caratteri quantitativi e qualitativi I caratteri discontinui o qualitativi esibiscono un numero ridotto di fenotipi e mostrano una relazione genotipo-fenotipo semplice I caratteri
DettagliRICHIAMI DI STATISTISTICA E CALCOLO DELLE PROBABILITA
RICHIAMI DI STATISTISTICA E CALCOLO DELLE PROBABILITA La Statistica è la disciplina che studia gli eventi non deterministici (o incerti) riguardo ai quali non si ha una completa conoscenza. Tali eventi
Dettaglivalore di a: verso l alto (ordinate crescenti) se a>0, verso il basso (ordinate decrescenti) se a<0;
La parabola è una particolare conica definita come è una curva aperta, nel senso che non può essere contenuta in alcuna superficie finita del piano; è simmetrica rispetto ad una retta, detta ASSE della
DettagliSTATISTICA I - CORSO DI LAUREA IN STATISTICA a.a. 2004/2005 Prova intermedia del 01 aprile 2005
STATISTICA I - CORSO DI LAUREA IN STATISTICA a.a. 2004/2005 Prova intermedia del 01 aprile 2005 Esercizio 1 La Tabella 1 contiene alcuni dati relativi a 14 aziende. Tabella 1 Dati (fittizi) su alcune aziende
DettagliPROVA Laboratorio tecnico metodologico a.a. 2006-2007. Prof. Francesca della Ratta - Rinaldi francesca.dellaratta@istat.it
PROVA Laboratorio tecnico metodologico a.a. 2006-2007 Prof. Francesca della Ratta - Rinaldi francesca.dellaratta@istat.it Incontro III e IV 16 e 23 maggio Tecniche di analisi multidimensionale: l'analisi
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
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
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliY = ax 2 + bx + c LA PARABOLA
LA PARABOLA La parabola è una figura curva che, come la retta, è associata ad un polinomio che ne definisce l'equazione. A differenza della retta, però, il polinomio non è di primo grado, ma è di secondo
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliStatistica. Campione
1 STATISTICA DESCRITTIVA Temi considerati 1) 2) Distribuzioni statistiche 3) Rappresentazioni grafiche 4) Misure di tendenza centrale 5) Medie ferme o basali 6) Medie lasche o di posizione 7) Dispersione
Dettaglihttp://www.biostatistica.unich.it 1 STATISTICA DESCRITTIVA Le misure di tendenza centrale 2 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 3 Esempio Nella
DettagliGli insiemi e le relazioni. Elementi di logica
capitolo 1 Gli insiemi e le relazioni. Elementi di logica INSIEMI 1. Introduzione 1 2. Sottoinsiemi 3 3. Operazioni tra insiemi 5 Unione:, 5 Intersezione:, 5 Differenza: \, 5 Insieme complementare: A B,
Dettagli