Analisi Fattoriale Concetti introduttivi Marcello Gallucci Milano-Bicocca
|
|
- Marcellino Piccolo
- 6 anni fa
- Visualizzazioni
Transcript
1 Analisi Fattoriale Concetti introduttivi A M D Marcello Gallucci Milano-Bicocca
2 Scopi generali L Analisi Fattoriale (e varianti) si propone di estrarre un numero limitato di fattori (variabili latenti o sottostanti) da un set di variabili osservate (e.s. items), al fine di rappresentare al meglio la variabilità di tale set Ciò consente di interpretare le relazioni tra un gran numero di variabili osservate mediate un numero limitato di fattori
3 Un possibile modello Tratto latente Estroversione La variabilità osservata negli items è rappresentata da un unico fattore che raggruppa le variabili Si diverte molto Ama chiacchierare Ama le feste Prende l iniziativa Variabili osservate, misurate sui soggetti
4 Un altro possibile modello Ovviamente i fattori utili a rappresentare la variabilità delle variabili osservate possono essere numerosi Fattore 1 Fattore 2 V1 V2 V3 V4 V5 V6
5 Fattori ed errori Guadagnando in parsimonia ed interpretabilità delle relazioni, non ci si può aspettare di non perdere qualcosa in precisione Variabilità catturata (spiegata) Fattore 1 Fattore 2 AF Variabilità osservata V1 V2 V3 V4 V5 V6 Variabilità non rappresentata dai fattori errore 1 errore 2 errore 3 errore 4 errore 5 errore 6
6 Forma del modello decisa dall algoritmo AF Capitolo 12 Tipi di Analisi Fattoriale Esploratoria Analisi Componenti Principali Analisi Fattori Comuni Accorpamento di Variabili Capitolo 13 Confermatoria Modelli LISREL Forma del modello decisa dai noi Verifica di un modello teorico
7 Concetti di base Alcuni concetti sono utili per ogni tipo di Analisi Fattoriale, indipendentemente dalle differenze tecniche (che vedremo successivamente) tra questi tipi di analisi Tutte le varianti dell AF: Rappresentazione delle relazioni fra variabili misurate mediante un numero ristretto di fattori
8 Relazioni fra variabili Le relazioni fra variabili (continue) sono calcolabili mediante il coefficiente r di correlazione di Pearson. Matrice di correlazione A1:Si diverte molto A2: Ama chiacchierare A3: Ama le feste A4: Prende l iniziativa Correlazioni a1 a2 a3 a4 a1 Correlazione di Pearson * Sig. (2-code) N a2 Correlazione di Pearson **.231* Sig. (2-code) N a3 Correlazione di Pearson ** 1.588** Sig. (2-code) N a4 Correlazione di Pearson.242*.231*.588** 1 Sig. (2-code) N *. La correlazione è significativa al livello 0,05 (2-code). **. La correlazione è significativa al livello 0,01 (2-code). Esempio calcolato su un campione di 100 persone
9 Correlazioni e Fattori Un altro modo per definire lo scopo dell Analisi Fattoriale è l estrazione di un numero ristretto di fattori che riproducano al meglio la matrice di correlazione osservata Correlazioni Matrice di correlazione A1:Si diverte molto A2: Ama chiacchierare A3: Ama le feste A4: Prende l iniziativa a1 a2 a3 a4 a1 Correlazione di Pearson * Sig. (2-code) N a2 Correlazione di Pearson **.231* Sig. (2-code) N a3 Correlazione di Pearson ** 1.588** Sig. (2-code) N a4 Correlazione di Pearson.242*.231*.588** 1 Sig. (2-code) N *. La correlazione è significativa al livello 0,05 (2-code). **. La correlazione è significativa al livello 0,01 (2-code). Esempio calcolato su un campione di 100 persone
10 Relazioni fra variabili e fattori latenti Fattore 1 Fattore 2 V1 V2 V3 V4 V5 V6 L'idea di fondo è che le variabili osservate correlano perché condividono un fattore sottostante
11 Relazioni fra variabili e fattori latenti Dunque vogliamo creare delle nuove variabili (fattori) che combinino le variabili osservate che correlano molto Correlazioni a1 a2 a3 a4 E separino le variabili che non correlano fra loro a1 a2 a3 a4 Correlazione di Pearson * Sig. (2-code) N Correlazione di Pearson **.231* Sig. (2-code) N Correlazione di Pearson ** 1.588** Sig. (2-code) N Correlazione di Pearson.242*.231*.588** 1 Sig. (2-code) N *. La correlazione è significativa al livello 0,05 (2-code). **. La correlazione è significativa al livello 0,01 (2-code).
12 Rappresentazione vettoriale Ogni variabile può essere rappresentata mediante un vettore di lunghezza uguale alla sua deviazione standard L associazione tra due variabili si può rappresentare mediante l angolo tra i due vettori (prodotto tra i vettori=prodotto tra gli z =correlazione) Angolo acuto= associazione forte Angolo meno acuto= Associazione debole v z x z x z x z Lunghezza=std.dev=1 Lunghezza=std.dev=1
13 Rappresentazione vettoriale La correlazione quantifica la proiezione di un vettore-variabile sull altro! Lunghezza= std.dev di v=1 Per ogni dev.std di v avremo una r*100% dev. std di x v z Correlazione r=.78 x z Lunghezza= std.dev di x=1
14 Rappresentazione vettoriale La correlazione quantifica la proiezione di un vettore-variabile sull altro! Lunghezza= std.dev di v=1 Per ogni dev.std di v avremo una r*100% dev. std di x v z Correlazione r x z Lunghezza= std.dev di x=1
15 Rappresentazione vettoriale correlazione positiva o negativa Angolo ottuso Angolo acuto -1 1 Correlazione r Negativo Positivo
16 Rappresentazione vettoriale Se la proiezione è zero, cioè r=0, le due variabili saranno indipendenti (linearmente) Questo è il motivo per cui spesso si dice che due variabili non correlate sono ortogonali E che due variabili correlate sono oblique Un vettore non proietta nulla sull altro
17 Logica dell'estrazione dei fattori In tutte le varianti dell AF il fine è di estrarre una serie di fattori che siano al centro dell'insieme di variabili
18 Estrazione Fattore Comune Applichiamo la rappresentazione vettoriale: Ci proponiamo di rappresentare le due variabili qui sotto mediante un fattore unico: Dove sarà questo fattore? v z? x z In pratica AF non si fa su due variabili, ma l esempio ci chiarisce la logica dell estrazione dei fattori in casi generale
19 Estrazione Fattore Comune Il fattore deve essere una nuova variabile che meglio rappresenti entrambe le variabili v z In questa posizione rappresenterebbe bene X ma non V x z
20 Estrazione Fattore Comune Il fattore deve essere una nuova variabile che meglio rappresenti entrambe le variabili In quest altra troppo bene V ma non X v z x z
21 Estrazione Fattore Comune Il fattore comune sarà al centro! Che vuol dire precisamente? Che minimizza contemporaneamente l angolo con X e V v z x z
22 Estrazione Fattore Comune L angolo è tanto più piccolo quanto più è alta la correlazione Correlazione tra V e Fattore r vf v z x z r xf Correlazione tra X e Fattore
23 Estrazione Fattore Comune L angolo è tanto più piccolo quanto più è alta la correlazione Dunque il miglior fattore è quello che massimizza le correlazioni con le variabili osservate Correlazione tra V e Fattore r vf v z x z r xf Correlazione tra X e Fattore
24 Le correlazioni possono variare Nel caso generale (non due variabili) le correlazioni con il fattore sono differenti per le varie variabili
25 Correlazioni e Varianze Ricorda che la correlazione (al quadrato) indica la varianza condivisa Correlazioni Varianze x z 2 R x z x z v z Dunque il miglior fattore è quello che meglio cattura la varianza condivisa
26 Varianza spiegata dal fattore Quanto sarà questa varianza? Varianze La varianza spiegata dal fattore sarà la somma delle varianze che condivide con ogni singola variabile v1 v4 2 R v3 v2 Dunque sarà la somma dei quadrati delle correlazioni tra variabili e fattori var( F) r r r v1f v2f v3f...
27 Più di un fattore Consideriamo di aver estratto un fattore da questo insieme di variabili Varianze Il fattore che estraiamo sarà quello che massimizza la varianza spiegata v4 F1 v1 v2 v7 v6 Ma non necessariamente cattura tutta la varianza condivisa v3 I
28 Più di un fattore Avremo così rappresentato le varianze osservate mediante due fattori Varianze v4 F1 v1 v2 v7 F2 v6 I fattori non condividono varianza, dunque non sono correlati v3
29 Estrazione di più fattori Dunque saranno ortogonali F 2 Definiranno dunque degli assi fattoriali dove proiettare le variabili F1
30 Estrazione di più fattori Dunque saranno ortogonali F 2 rf 2 Gialla E le proiezioni saranno le correlazioni tra fattori e variabili (come per il caso di un fattore) rf 2 Blue F1
31 Soluzione fattoriale La soluzione fattoriale si compone di: La matrice di correlazione tra fattori e variabili La varianza spiegate da ogni fattore x z F12 R x z x z v z Correlazioni Varianze
32 Soluzione fattoriale La soluzione fattoriale rappresentata geometricamente può essere vista anche in una matrice numerica Saturazioni = correlazioni Fattori variabili Matrice di componenti a v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Componente Metodo estrazione: analisi componenti principali. a. 2 componenti estratti
33 Soluzione Fattoriale La soluzione fattoriale si compone di: Componente La matrice di correlazione tra fattori e variabili La varianza spiegate da ogni fattore Autovalori iniziali Varianza totale spiegata Totale % di varianza % cumulata Totale % di varianza % cumulata Metodo di estrazione: Analisi componenti principali. Pesi dei fattori non ruotati v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Matrice di componenti a Componente Metodo estrazione: analisi componenti prin a. 2 componenti estratti
34 Terminologia La soluzione fattoriale si compone di: La matrice di correlazione tra fattori e variabili Matrice di componenti a Le correlazioni tra fattori e variabili si chiamano PESI FATTORIALI o SATURAZIONI FATTORIALI v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Componente Metodo estrazione: analisi componenti prin a. 2 componenti estratti
35 Terminologia La soluzione fattoriale si compone di: La varianza spiegate da ogni fattore Componente Autovalori iniziali Varianza totale spiegata Totale % di varianza % cumulata Totale % di varianza % cumulata Metodo di estrazione: Analisi componenti principali. Le varianze spiegate dai fattori si chiaman AUTOVALORI Pesi dei fattori non ruotati Il perché lo trovate sul libro di testo
36 Relazioni tra le informazioni SATURAZIONI FATTORIALI Autovalori v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Matrice di componenti a Componente Metodo estrazione: analisi componenti principali. a. 2 componenti estratti Componente Autovalori iniziali Varianza totale spiegata Totale % di varianza % cumulata Totale % di varianza Metodo di estrazione: Analisi componenti principali. La somma dei quadrati in colonna equivale alla varianza spiegata dal fattore corrispettivo Pesi dei fattori no
37 Comunalità SATURAZIONI FATTORIALI Matrice di componenti a v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Componente Metodo estrazione: analisi componenti principali. a. 2 componenti estratti La somma dei quadrati in riga equivale alla varianza dell item spiegata da tutti i fattori estratti Tale quantità e denominata comunalità
38 Comunalità SATURAZIONI FATTORIALI v1 v2 v3 v4 v5 v6 v7 v8 v9 v10 Matrice di componenti a Componente Metodo estrazione: analisi componenti principali. a. 2 componenti estratti I due fattori estratti spiegano il 21% della varianza dell item La comunalità indica quanto un item partecipa alla costruzione dei fattori
39 Esempio (provvisorio) La ricerca è volta a studiare le caratteristiche di personalità che possono associarsi a comportamenti pericolosi di adolescenti maschi. I costrutti di personalità misurati sono: il sensation seeking, la propensione al rischio, la mancanza di controllo. La tendenza ad attuare comportamenti pericolosi è misurata mediante un indice di frequenza di alcuni comportamenti indicatori (uso di droghe, partecipazione a gang, uso di armi, etc). Il fine della ricerca è di stabilire se le variabili di personalità possono essere dei predittori della tendenza ad attuare comportamenti pericolosi. Descrizione dei dati I tre costrutti di personalità sono stati misurati con 4 item ciasuno. Sensation seeking con gli item ss1, ss2, ss3 e ss4. Etc. etc. (da vedersi successivamente)
40 Esempio (provvisorio) Intendiamo vedere se possiamo estrarre un fattore comune agli item di sensation seeking e vedere se tale fattore spiega bene la variabilità degli items
41 Dunque (provvisorio) L Analisi Fattoriale (e varianti) si propone di estrarre un numero limitato di fattori al fine di rappresentare al meglio la variabilità di tale set A tale scopo estrae una serie di fattori fra loro ortogonali al fine di massimizzare la correlazione fra variabili osservate La soluzione fattoriale è l'insieme di questi fattori, descritti dalle loro varianze (autovalori / numero item), le saturazioni fattoriali e la comunalitò degli item
42 Un possibile modello Tratto latente Sesation Seeking ss1 ss2 ss3 ss4 Variabili osservate, misurate sui soggetti
43 Risposte standardizzate agli item (la standardizzazione è ininfluente) Dunque (provvisorio)
44 SPSS
45 Seleziono le variabili che voglio analizzare Dunque (provvisorio)
46 Dunque (provvisorio) Chiedo di estrarre un fattore (poi vedremo altri metodi per decidere quanti fattori estrarre)
47 Il primo fattore estratto (quello che ci interessa) spiega il 65% della varianza degli item Soluzione fattoriale
48 Soluzione fattoriale Gli item sono ben correlati con il fattore, dunque possiamo utilizzare il fattore come variabile rappresentativa degli item
49 Dunque (provvisorio) L Analisi Fattoriale (e varianti) si propone di estrarre un numero limitato di fattori al fine di rappresentare al meglio la variabilità di tale set A tale scopo estrae una serie di fattori fra loro ortogonali al fine di massimizzare la correlazione fra variabili osservate La soluzione fattoriale è l'insieme di questi fattori, descritti dalle loro varianze (autovalori / numero item), le saturazioni fattoriali e la comunalitò degli item
50 Fine Fine della Lezione XVI
P S I C O M T R I A Marcello Gallucci. Analisi Fattoriale. Esempi. Milano-Bicocca. Lezione: 20
Analisi Fattoriale Esempi P S I C O M T R I A Marcello Gallucci Milano-Bicocca Lezione: 20 Esempio Descrizione della ricerca Un ricercatore intende stabilire se una manipolazione sperimentale basata sulla
DettagliDifferenze tra metodi di estrazione
Lezione 11 Argomenti della lezione: L analisi fattoriale: il processo di estrazione dei fattori Metodi di estrazione dei fattori Metodi per stabilire il numero di fattori Metodi di Estrazione dei Fattori
DettagliESERCIZIO 1. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF).
ESERCIZIO. Di seguito vengono presentati i risultati di un analisi fattoriale effettuata con il metodo di estrazione dei fattori principali (PAF). Test KMO e di Bartlett Misura di adeguatezza campionaria
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
DettagliIl 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
DettagliAnalisi Multivariata dei Dati. Regressione Multipla
Analisi Multivariata dei Dati Regressione Multipla A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Consideriamo ora il caso in cui la variabile dipendente possa essere spiegata da
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
DettagliIl Modello della Analisi Fattoriale Esplorativa e i Metodi di Classificazione Automatica (Analisi di Raggruppamento)
Il Modello della Analisi Fattoriale Esplorativa e i Metodi di Classificazione Automatica (Analisi di Raggruppamento) Se all interno di un insieme di informazioni articolato in una matrice di dati X si
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
DettagliMetodologie Quantitative
Metodologie Quantitative Concetti statistici di base II M Q Marco Perugini Milano-Bicocca 1 Laboratorio Iscrizione/Scelta Turno Laboratorio Metodologie Quantitative Turno 1: Lunedì pomeriggio Turno 2:
DettagliANALISI 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
DettagliAnalisi Multivariata dei Dati
Analisi Multivariata dei Dati Introduzione al corso e al modello statistico A M D Marcello Gallucci Milano-Bicocca Lezione: I Programma Odierno I numeri del corso Programma del corso Concetti Statistici
DettagliIl 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
DettagliMisure 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
DettagliStatistica multivariata Donata Rodi 21/11/2016
Statistica multivariata Donata Rodi 21/11/2016 PCA Tecnica di riduzione delle dimensioni che descrive la struttura multivariata dei dati per analisi descrittive e inferenziali Descrive la variazione di
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
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 delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
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
DettagliAnalisi in Componenti Principali (ACP)
Analisi in Componenti Principali (ACP) Metodi di analisi fattoriale Obiettivo: individuazione di variabili di sintesi = dimensioni = variabili latenti = variabili non osservate Approccio: Ordinamenti tra
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
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
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
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta
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.
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
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
DettagliI 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
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
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
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
DettagliMisure 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
DettagliStrumenti 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),
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliNozioni di statistica
Nozioni di statistica Distribuzione di Frequenza Una distribuzione di frequenza è un insieme di dati raccolti in un campione (Es. occorrenze di errori in seconda elementare). Una distribuzione può essere
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, -..
DettagliCluster Analysis Distanze ed estrazioni Marco Perugini Milano-Bicocca
Cluster Analysis Distanze ed estrazioni M Q Marco Perugini Milano-Bicocca 1 Scopi Lo scopo dell analisi dei Clusters è di raggruppare casi od oggetti sulla base delle loro similarità in una serie di caratteristiche
DettagliAnalisi lineari: ACP. Loredana Cerbara
Loredana Cerbara Analisi fattoriali L analisi fattoriale appartiene a una famiglia di metodi che utilizza le cosiddette variabili latenti. Spesso, in particolar modo nelle scienze sociali, non si è in
DettagliAnalisi 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
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliScuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo Luglio 2017
Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 24-28 Luglio 2017 www.u4learn.it Arianna Pipitone Analizzare i dati Analizzare i dati significa esaminare: il comportamento di ciascun dato
DettagliTeoria e tecniche dei test LA VALIDITA 10/12/2013. a) SIGNIFICATIVITA TEORICA E OSSERVATIVA DI UN COSTRUTTO. Lezione 6 seconda parte LA VALIDITA
Teoria e tecniche dei test Lezione 6 seconda parte LA VALIDITA LA VALIDITA Rappresenta il grado in cui uno strumento misura effettivamente ciò che dovrebbe misurare. La validità generale di un costrutto
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
DettagliLezione 1
Lezione 1 Ordini di grandezza Dimensioni fisiche Grandezze scalari e vettoriali Algebra dei vettori Coordinate Cartesiane e rappresentazioni grafiche Verifica Cenno sulle dimensioni delle grandezze fisiche
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
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
DettagliAnalisi in Componenti Principali
Analisi in Componenti Principali 1/20 Analisi in Componenti Principali tecnica di riduzione e interpretazione dei dati spesso gioca un ruolo ausiliario rispetto ad altre tecniche (es. analisi fattoriale,
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
Dettagli1- Geometria dello spazio. Vettori
1- Geometria dello spazio. Vettori I. Generalità (essenziali) sui vettori. In matematica e fisica, un vettore è un segmento orientato nello spazio euclideo tridimensionale. Gli elementi che caratterizzano
DettagliMATEMATICA LEZIONE 15 I MONOMI. (Prof. Daniele Baldissin) Un MONOMIO è il PRODOTTO di più FATTORI rappresentati da NUMERI e LETTERE.
MATEMATICA LEZIONE 15 ARGOMENTI 1) Definizione di monomio 2) Riduzione in forma normale 3) Monomi simili, interi e frazionari 4) Grado di un monomio I MONOMI (Prof. Daniele Baldissin) Un MONOMIO è il PRODOTTO
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
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
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
DettagliAnalisi 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
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez. 1 - La misura del comportamento - cosa misuriamo?
Scopo del corso Il corso si propone di offrire allo studente: un introduzione alle tematiche connesse alla misura in psicologia Scopo del corso Organizzazione del corso Il corso si propone di offrire allo
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
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,
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliLa gestione dei risultati della valutazione. Claudio Mantovani
La gestione dei risultati della valutazione Claudio Mantovani L obiettivo di questo intervento Descrivere alcune tecniche di analisi di dati dalle più semplici alle più complesse Dare suggerimenti pratici
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
DettagliEsercitazione di Statistica Indici di associazione
Esercitazione di Statistica Indici di associazione 28/10/2015 La relazione tra caratteri Indipendenza logica Quando si suppone che tra due caratteri non ci sia alcuna relazione di causa-effetto. Indipendenza
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
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
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
DettagliANALISI DEI DATI PER IL MARKETING Marco Riani
ANALISI DEI DATI PER IL MARKETING 2016 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta (trasposta
DettagliPrefazione Ringraziamenti
Prefazione Ringraziamenti Autori Connect XIII XVII XIX XXI Capitolo 1 La misura dell anima 1 1.1 Misurare in psicologia 1 1.1.1 Peculiarità della misura in psicologia 2 1.1.2 L errore nella misura in psicologia
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla Mediazione e Path analysis I M Q Marco Perugini Milano-Bicocca 1 Regressione Multipla: utilizzo avanzato A seconda dello status delle variabili indipendenti,
DettagliLa regressione lineare. Rappresentazione analitica delle distribuzioni
La regressione lineare Rappresentazione analitica delle distribuzioni Richiamiamo il concetto di dipendenza tra le distribuzioni di due caratteri X e Y. Ricordiamo che abbiamo definito dipendenza perfetta
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
DettagliMatrici 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
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili 1 / 65 Statistica descrittiva in due variabili 1 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con
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)
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
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
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
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliDerivata di una funzione
Derivata di una funzione Prof. E. Modica http://www.galois.it erasmo@galois.it Il problema delle tangenti Quando si effettua lo studio delle coniche viene risolta una serie di esercizi che richiedono la
DettagliAnalisi fattoriale 1
Analisi fattoriale Analisi fattoriale: a che serve? L analisi fattoriale permette di rappresentare un set di variabili tramite un insieme più compatto di nuove variate fra loro indipendenti. Da tante variabili
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
DettagliLA RAPPRESENTAZIONE E LA SINTESI DEI DATI
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LA RAPPRESENTAZIONE E LA SINTESI
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
DettagliIstruzioni per l analisi in componenti principali con R
Istruzioni per l analisi in componenti principali con R Vi ricordo che in nero sono state inserite le note e in rosso le istruzioni da digitare sulla console di R Importare il dataset gelati
DettagliEsercizi di Geometria - 1
Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi
Dettagli1 Combinazioni lineari.
Geometria Lingotto LeLing5: Spazi Vettoriali Ārgomenti svolti: Combinazioni lineari Sistemi lineari e combinazioni lineari Definizione di spazio vettoriale Ēsercizi consigliati: Geoling 6, Geoling 7 Combinazioni
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
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
Dettagli