Corso di. Dott.ssa Donatella Cocca

Documenti analoghi
Modelli descrittivi, statistica e simulazione

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

Università degli Studi di Urbino Facoltà di Economia

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA DESCRITTIVA CON EXCEL

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Variabili statistiche - Sommario

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

LA COMPATIBILITA tra due misure:

Relazioni tra variabili: Correlazione e regressione lineare

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

CARATTERISTICHE DEI SEGNALI RANDOM

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Lezione 4. La Variabilità. Lezione 4 1

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Analisi statistica di dati biomedici Analysis of biologicalsignals

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

LE FREQUENZE CUMULATE

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Regressione lineare con un singolo regressore

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Valutazione dei Benefici interni

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio Ing. Gianluca Chiappini

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

Programmazione e Controllo della Produzione. Analisi dei flussi

Calibrazione. Lo strumento idealizzato

Adattamento di una relazione funzionale ai dati sperimentali

CAPITOLO 3 Incertezza di misura Pagina 26

Tutti gli strumenti vanno tarati

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

Transcript:

Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca

Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca ponderata, Meda geometrca semplce, Meda geometrca ponderata, Meda armonca semplce, Meda armonca ponderata ) Mede lasche o d poszone (Medana, Quantl, Moda)

Indc d dspersone o d varabltà () Mentre le msure vste sn ora danno nformazon sul centro de valor delle varabl, ora c occorre valutare le eventual dfferenze che esstono tra valor assunt dalle dverse modaltà; per questo studeremo le msure d dspersone.

Indc d dspersone o d varabltà () Esempo: S consder la curva glcemca d tre ndvdu con le seguent modaltà: X 96 98 05 97 95 X 86 00 08 99 98 X 3 86 5 95 76 09 Calcolamo le mede artmetche ne tre soggett ottenamo: µ ( X ) ( ) µ X µ 5 5 ( ) 3 4 5 X 98, 3 3 5 3 4 4 5 5 96 980597 95 5 86 00089998 5 86 59576 09 5 98, 98,

Indc d dspersone o d varabltà (3) Osservando le dstrbuzon de dat s nota che: Valor d glcema n 3 soggett: : 96 98 05 97 95 : 86 00 08 99 98 Andamento costante Vara tra 86-08 ntorno a meda 3: 86 5 95 76 09 Vara tra 76-5. E molto dsperso Meda98. Coè tutt gl ndvdu sono san!!!!

Indc d dspersone o d varabltà (4) Studamo ora gl ndc d dspersone che msurano le eventual dfferenze che esstono tra valor assunt tra le dverse modaltà. Per esempo analzzamo l andamento de due grafc:

La varabltà de dat S defnsce varabltà della dstrbuzone d un carattere quanttatvo l atttudne che l carattere del fenomeno osservato ha d assumere modaltà dfferent. OSSERVAZIOI: Se l ntenstà del carattere osservato è la stessa n tutte le osservazon varabltà 0 Se l ntenstà è molto dversa GRADE varabltà Per msurare la varabltà s usano gl ndc d varabltà: ASSOLUTI: Range, Scarto semplce medo, Devanza, Varanza, Devazone Standard (espress nelle stesse untà d msura del carattere osservato) RELATIVI: Coeffcente d varazone (numer pur, perché rapporto tra ndc)

Indc d dspersone assolut () ) Indc d dspersone assolut: espress nelle stesse untà d msura usate per valor del carattere osservato. Sono: Range (o ntervallo d varabltà): ndca la dfferenza tra l valore massmo e l valore mnmo d un nseme d dat: R MAX MI Esempo: Supponamo d avere: gruppo A:,5,5,5 Range R 5- gruppo B:,,3,4 Range R 4-

Indc d dspersone assolut () OSSERVAZIOI: S tratta d una msura puramente descrttva, dà poche nformazon crca la varabltà effettva del fenomeno. Inoltre è nfluenzata fortemente dal numero delle osservazon ed n partcolare dal valore delle osservazon estreme. Scarto semplce medo: dato un nseme d modaltà d un carattere quanttatvo,, e detta la loro meda, s chamano scart (o scostament) dal valor medo, le dfferenze fra cascuno d dett termn ed l valore medo : ( ) ; ( ) ; ;( ) KK

Indc d dspersone assolut (3) S consderno valor assolut d tal scart: Allora s defnsce scarto semplce medo assoluto la meda artmetca de valor assolut degl scart: ; ; ; K K K K Se dat statstc sono dstrbut con frequenze n n k lo scarto semplce medo ponderato è: S scarto assoluto k k k k k n n n n n n n n S KK KK ATTEZIOE: è la meda ponderata

Propretà: Indc d dspersone assolut (4) La somma algebrca degl scart d tutt termn dalla meda è nulla coè: ( ) 0 rcordando che

Indc d dspersone assolut (5) Esempo: Consderamo la seguente tabella d dat e calcolamo la somma algebrca degl scart d tutt termn dalla meda Puntegg Scarto Rsultato 4 8.4 4-8.4-4.4 7 8.4 7-8.4 -.4 3 9 8.4 9-8.4 0.6 4 0 8.4 0-8.4.6 5 8.4-8.4 3.6 Somma Σ 0

Indc d dspersone assolut (6) OSSERVAZIOI: La somma degl SCARTI ASSOLUTI è nulla se e solo se dat sono tutt ugual tra loro ovvero O c è VARIABILITA. Puntegg Meda X -Meda -Meda 4 7 5.5 5.5 4-5.5-.5 7-5.5.5 4-5.5.5 7-5.5.5 Esempo: Consderamo la seguente dstrbuzone d dat 58 7 67 80 64 e calcolamo: 58 68. 7 68. 67 68. 80 68. 64 68. S 6.4 5 Dal calcolo dello scarto possamo osservare che quanto pù lo scarto è pccolo tanto pù valor osservat s addensano ntorno alla meda

Indc d dspersone assolut (7) Devanza: ndca la somma de quadrat degl scart dalla meda: DEV ( ) Se dat statstc sono dstrbut con frequenze n n k s ha la devanza ponderata, coè: DEV k ( ) n Varanza: è la meda de quadrat degl scart dalla meda: σ DEV ( )

Indc d dspersone assolut (8) Se dat statstc sono dstrbut con frequenze n n k s ha la varanza ponderata, coè: Propretà della varanza: ) ( DEV k n σ Propretà della varanza:. La varanza è uguale alla dfferenza tra la meda artmetca de quadrat de termn e l quadrato della meda artmetca: k k ) ( n n σ

Indc d dspersone assolut (9) Esempo: Calcolo della varanza Supponamo d avere la seguente dstrbuzone d dat Età: 3 5 6 9 7 Allora sarà: Meda: 3 5 6 9 7 4 µ 7 6 6 Scart dalla meda: (-7), (3-7),...,(7-7)-5, -4, -, -,, 0 Quadrato degl scart: (-5), (-4),...,(0) 5, 6, 4,, 4, 00 Devanza: (- 5) (- 4)... (0) 564400 50 Varanza: DEV 50 6 5

Indc d dspersone assolut (0) Devazone Standard: per ottenere una maggore congrutà tra gl orgnal (dat orgnal) e la msura d dspersone s utlzza la radce quadrata della varanza, defnta come devazone standard (o scarto quadratco medo): ) ( σ Se dat statstc sono dstrbut con frequenze n n k la devazone standard dventa: σ ) ( k n σ

Indc d dspersone assolut () Esempo: Lvello d colesterolema (untà d msura!) d cnque soggett: 8 30 34 3 40 5 -Meda -Meda ( -Meda) µ 3.8 8 30 34 3 40 σ Tot σ σ -4.8 -.8. -0.8 7. 0 ( 4.8.8. 0.8 7. 6.8 ) 6,96 84.8 5 3.04 7.84.44 0.64 5.84 84.8 4. Calcolamo lo scarto semplce medo la varanza e la devazone standard: S 6,96 6.8 5 varanza devazone standard 3.36

Indc d dspersone relatv () ) Indc d dspersone relatv: ottenut come rapport tra grandezze omogenee, coè è un numero puro ndpendent, qund, dalle untà d msura; questo consente d confrontare la varabltà d caratter eterogene. Abbamo: o Coeffcente d varazone: esprme l ampezza della devazone standard come percentuale della meda: CV σ Il CV è utle nel confronto della dspersone d dat provenent dall anals d dfferent popolazon fra loro non omogenee per numerostà, meda e devazone standard

Indc d dspersone relatv () Esempo: S vogla confrontare la varabltà della dures nelle 4 ore e della pressone n cnque soggett Pressone arterosa (mmhg) Urne nelle 4h (ml) 0 50 40 00 60 900 80 850 30 080 730 580 µ 46 056 σ,5 58,5 CV 47, 50, Meda e devazone standard mostrano molta varabltà! Omogenezzando le msure, (Coeffcente d varazone), s osserva che la varabltà è crca uguale

Indc d dspersone relatv (3) Esempo : I seguent dat rappresentano le età d gestazone (n settmane) d 0 fet con rtardo d crescta: 4 6 7 8 8 8 9 30 30 3 3 3 33 33 34 34 35 35 35 36 calcolare meda, medana, moda, ntervallo d varazone, varanza, devazone standard e coeffcente d varazone.

Indc d dspersone relatv (4) Ordnamo dat n senso crescente: 4 6 7 8 8 8 9 30 30 3 3 3 33 33 34 34 35 35 35 36

Indc d dspersone relatv (5) Dunque rportando dat n una tabella abbamo ottenuto: Calcolamo le quanttà rcheste: µ n 60 0 3; M e ( ) / ( 0 ) / 0,5 3; M o 8 e 35; R ma mn 36 4 ;

Indc d dspersone relatv (6) var d.s. C V.. σ σ σ µ k ( X var 3,35; µ ) n 4,; 0 3,35 00 00,076; 3

Concluson: Indc d dspersone relatv (7) Attraverso msure descrttve, da una massa d dat dffclmente nterpretable s pervene ad un solo dato d facle ntuzone e comprensone che: sntetzza l ntera dstrbuzone (ndce d poszone) ; quantfca l atttudne del fenomeno ad assumere dverse modaltà (ndce d dspersone)

Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: Indc d dspersone o d varabltà Indc d dspersone assolut Indc d dspersone relatv