Esercizio 1.2. n BMI WKS



Похожие документы
1.1 CLASSIFICAZIONE DI VARIABILI

Le analisi chimiche dell acqua del fiume Padrongianus Scienze Integrate Chimica

Lezione 1.2 Corso di Statistica. Francesco Lagona

Misure di dispersione (o di variabilità)

Statistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)

Indici di Dispersione

Fiume Marecchia e torrente Ausa

PSICOMETRIA Voto X frequenza

Lezione 4 a - Misure di dispersione o di variabilità

3) In una distribuzione di frequenza si può ottenere più di una moda Vero Falso

Statistica. Matematica con Elementi di Statistica a.a. 2017/18

SLIDES DEL CORSO DI STATISTICA Prof. E.BALLONE

Scale di Misurazione Lezione 2

La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali

STATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA

7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine.

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva

ESERCITAZIONI N. 1 Corso di Statistica

9 IL BACINO DEL TORRENTE VENTENA

Statistica Un Esempio

Statistica. Alfonso Iodice D Enza

Dott.ssa Marta Di Nicola

Esercizio 1. Si rilevano le variabili età, altezza e peso di 18 pazienti:

Classificazione relativa allo stato di qualità ambientale e idoneità alla vita dei pesci

TRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative

Misure di dispersione (o di variabilità)

SOLUZIONI DI ALCUNI ESERCIZI. Appello del

Statistica. Matematica con Elementi di Statistica a.a. 2015/16

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2

LA STATISTICA

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

APPUNTI DI STATISTICA

Elaborazione statistica di dati

La dieta informatizzata FIMMG Programma esperto. Antonio Pio D Ingianna

Elementi di Probabilità e Statistica

La statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci

Daniela Tondini

Università del Piemonte Orientale. Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Statistica Descrittiva Variabili numeriche

Distribuzione esponenziale. f(x) = 0 x < 0

Introduzione alla Statistica (Metodo delle Scienze Empiriche)

Esercitazioni di Statistica

Il test (o i test) del Chi-quadrato ( 2 )

STATISTICA AZIENDALE Modulo Controllo di Qualità

Revisione delle zone vulnerabili ai nitrati di origine agricola Acque superficiali

Statistica - Esercitazione 1 Dott. Danilo Alunni Fegatelli

ESERCIZI DI PSICOMETRIA/2011-1

Gli indici di variabilità

Uno studio multicentrico dello stato nutrizionale della popolazione infantile nel Veneto. Antonio Stano SIAN Azienda ULSS 3 Bassano del Grappa (VI) 1

Statistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione

Indici di tendenza centrale Media, mediana e moda.

La statistica descrittiva prima parte. a cura della prof.ssa Anna Rita Valente

Esercitazioni di Statistica: ES.1.1

MISURE DI DISPERSIONE

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5

STATISTICHE DESCRITTIVE Parte II

le scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:

Lezione 4. Statistica. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Lezione 4. A. Iodice. Indici di posizione.

Транскрипт:

Esercizio. E stato effettuata uno studio relativo all indice di massa corporea BMI ( peso kg /statura m) ed al test WKS (distanza percorsa per 6 minuti in m) in un campione di 0 individui femmina con problemi alimentari per eccesso di cibo. I dati sono i seguenti: n BMI WKS.03 708.3 53.95 00.5 3 8.57 568. 4 3.3 500.8 5 36.69 330.4 6 57.6 70.5 7 40.46 405. 8 4.65 447.0 9 68.0 3. 0 68.7 85.7 Consideriamo i due indici come variabili quantitative continue i cui punteggi sono raggruppabili nelle seguenti classi ordinali: --------------------------------------------------------------------------- BMI. = (normopeso) <5 = (soprappeso) 5-9.9, 3= (obesità I grado) 30-34.9 4 = (obesità II grado) 35-39.9 5 = (obesità III grado) >40 WKS = (basso) < 399.99 = (medio) 400/700.99 3 = (alto) > 70

. assegnare le classi di appartenenza ai valori dei due indici;. definire la frequenza assoluta, f percentuale, f percentuale cumulata, per le classi di BMI e WKS 3. realizzare uno scatter plot grafico di dispersione dei dati con le due variabili; 4. realizzare due grafici istogrammi di distribuzione di frequenza con le classi dei valori di BMI e WKS; 5.trasformare le variabili a) con log naturale ln, b) b) elevamento a potenza c= 0.5 (X 0. 5 =radice quadrata), c) c) standardizzare mediante normalizzazione X X sapendo che X i = s per BMI ( X = 45, s= 5.4) per WKS ( X =364.9, s= 88.5 )

. assegnare le classi di appartenenza ai valori dei due indici : BMI = (normopeso) <5 = (soprappeso) 5-9.9 3= (obesità I grado) 30-34.9 4 = (obesità II grado) 35-39.9 5 = (obesità III grado) >40 WKS = (basso) < 399.99 = (medio) 400/700.99 3=(alto) > 70 n BMI BMI cl WKS WKS cl.03 708.30 3 53.95 5 00.50 3 8.57 568.0 4 3.3 3 500.80 5 36.69 4 330.40 6 57.60 5 70.50 7 40.46 5 405.0 8 4.65 5 447.00 9 68.0 5 3.0 0 68.7 5 85.7

. definire la frequenza assoluta, f percentuale, f percentuale cumulata, per le classi di BMI e WKS BMI cl n f f% f% cum 0. 0 0 0. 0 0 3 0. 0 30 4 0. 0 40 5 6 0.6 60 00 tot 0 00 WKS cl n f f% f% cum 5 0.5 50 50 4 0.4 40 90 3 0. 0 00 tot 0 00

3. realizzare uno scatter plot grafico di dispersione dei dati con le due variabili; scatter plot dei valori BMI / WKS originali 800.00 700.00 600.00 500.00 WKS 400.00 300.00 00.00 00.00 0.00 0.00 0.00 0.00 30.00 40.00 50.00 60.00 70.00 80.00 BMI

4. realizzare due grafici istogrammi di distribuzione di frequenza con le classi dei valori di BMI ed WKS; Istogramma BMI classi frequenza assoluta 7 6 5 4 3 6 0 3 4 5 BMI classi Istogramma WKS classi frequenza assoluta 6 5 4 3 0 5 4 3 WKS classi

5. trasformare le variabili a) con log naturale ln (e=.7), b) elevamento a potenza c= 0.5 (X. 5 0 =radice quadrata), b) standardizzare mediante normalizzazione per BMI ( X = 45, s= 5.4) X per WKS ( X =364.9, s= 88.5 ) X i = s X BMI BMI BMI WKS WKS WKS n BMI Ln rq norm WKS Ln rq norm 3.09 4.69 -.49 708 6.56 6.6.8 54 3.99 7.35 0.58 0 5.3 4. -0.87 3 8.6 3.35 5.35 -.07 568 6.34 3.8.08 4 3.3 3.48 5.68-0.8 50 6..4 0.7 5 36.7 3.6 6.06-0.54 330 5.8 8. -0.8 6 57.6 4.05 7.59 0.8 7 5.6 6.5-0.5 7 40.5 3.7 6.36-0.9 405 6 0. 0. 8 4.7 3.73 6.45-0. 447 6.. 0.44 9 68 4. 8.5.49 3 4.88.5 -.4 0 68.7 4.3 8.9.54 85.7 4.45 9.6 -.48 media 45 3.74 6.6 0 364.9 5.73 8.36 0 dev st 5.46 0.36.6 88.5 0.64 5.6 minimo 0 3.09 4.69 -.49 85.7 4.45 9.6 -.48 massimo 68.7 4.3 8.9.54 708.3 6.56 6.6.8 range 68.7.4 3.6 3.03 6.6. 7.35 3.3

Esercizio. E stato effettuata uno studio relativo all inquinamento di un corso d acqua in 0 località diverse; lo studio è stato condotto mediante l 'indice LIM *. I risultati sono stati confrontati con l indice IBE, *. I dati sono i seguenti, a valori più bassi corrisponde un inquinamento più alto : n LIM IBE 40 8 85 4 3 30 7 4 365 9 5 50 6 35 3 7 0 8 380 7 9 45 8 0 90 6 Consideriamo i due indici come variabili quantitative (discrete) i cui punteggi sono raggruppabili nelle seguenti classi : LIM ( livello di inquinamento da macrodescrittori, che si esprime in punteggi compresi da 0 a 560 e che tiene conto di ossigeno disciolto;cod;bod 5 ; azoto ammoniacale; azoto nitrico; fosforo totale; Escherichia coli). IBE (indice biotico esteso che considera gli organismi bentonici sensibili che si esprime in punteggi compresi da 0 a > 0).

5. Assegnare le classi di appartenenza ai valori dei due indici; 6. definire la frequenza assoluta, f percentuale, f percentuale cumulata, per le classi di IBE e LIM; 7. realizzare uno scatter plot grafico di dispersione dei dati con le due variabili; 8. realizzare due grafici istogrammi di distribuzione di frequenza con le classi dei valori di LIM ed IBE,; 9. trasformare le variabili a) con log naturale, b) elevamento a potenza c= 0.5 (X 0. 5 =radice quadrata), c) standardizzare mediante normalizzazione sapendo che per LIM ( X = 48, s = 69) e per IBE ( X = 6.4, s = 3 ) X X X i = s

) Assegnare le classi di appartenenza ai valori dei due indici n LIM LIM cl IBE IBE cl 40 8 85 4 4 4 3 30 3 7 3 4 365 9 5 50 6 35 5 3 5 7 0 5 5 8 380 7 3 9 45 8 0 90 3 6 3

) definire la frequenza assoluta, f percentuale, f percentuale cumulata, per le classi di IBE e LIM; LIM cl n f f% f% cum 0. 0 0 4 0.4 40 50 3 0. 0 70 4 0. 0 80 5 0. 0 00 tot 0 00 IBE cl n f f% f% cum 0. 0 0 3 0.3 30 40 3 3 0.3 30 70 4 0. 0 80 5 0. 0 00 tot 0 00

3) realizzare uno scatter plot grafico di dispersione dei dati con le due variabili Scatter plot dei valori LIM / IBE originali 0 8 IBE 6 4 0 0 00 00 300 400 500 600 LIM

4) realizzare due grafici istogrammi di distribuzione di frequenza con le classi dei valori di LIM ed IBE,; Istogramma LIM classi 4.5 4 4 3.5 frequenza assoluta 3.5.5 0.5 0 3 4 5 LIM classi Istogramma IBE classi 3.5 3 3 3 frequenza assoluta.5.5 0.5 0 3 4 5 IBE classi

5) trasformare le variabili a) con log naturale, b) elevamento a potenza c= 0.5 (X 0. 5 =radice quadrata) c) standardizzare mediante normalizzazione sapendo che per LIM ( X = 48, s= 69) e per IBE ( X =6.4, s= 3). X i = X s X LIM LIM LIM IBE IBE IBE n LIM log rq norm IBE log rq norm 40 6 0.0 8..8 0.53 85 4.4 9. -0.96 4.4-0.8 3 30 5.4 5-0. 7.7 0. 4 365 5.9 9 0.69 9. 3 0.87 5 50 6. 3.55.4 3.3.53 6 35 3.6 5.9 -.6 3..7 -. 7 0 3 4.5 -.35 0 -.8 8 380 5.9 9 0.78 7.7 0. 9 45 5.5 6-0.0 8..8 0.53 0 90 5.3 4-0.34 6.8.5-0. media 45 3.74 6.6 0 364.9 5.73 8.36 0 dev st 5.46 0.36.6 88.5 0.64 5.6 minimo 0 3 4.47 -.35 0 -.8 massimo 50 6.3.58.55.4 3.3.53 range 490 3.3 8..9 0.4.3 3.33