1 / 17

Principali analisi statistiche

Principali analisi statistiche. 1. Confronto fra medie (2 o piú campioni). Voto . Variabile continua in funzione di una categorica (es. voto più alto M vs. F). M . F . 2. Correlazione e regressione. Relazione fra due variabile continue (es. il voto medio dipende dal consumo di birre?).

kylia
Télécharger la présentation

Principali analisi statistiche

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Principali analisi statistiche 1. Confronto fra medie (2 o piú campioni) Voto Variabile continua in funzione di una categorica (es. voto più alto M vs. F) M F 2. Correlazione e regressione Relazione fra due variabile continue (es. il voto medio dipende dal consumo di birre?) Voto Birre 3. Analisi di tabelle di contigenza Birre SÌ NO Conteggi con due o più variabili categoriche (es. essere astemi dipende dal genere?) M F

  2. Logica del processo inferenziale: i 5 passi 1. Costruireun’ipotesi(questioneoggettodellaricerca) E.g. Problema: glistudentimaschihannodeivotipiùaltidellefemmine? 2. Sceglierel’analisistatistica • E.g. Analisi per testaredifferenzeframedie 3. Pianificareedeseguireilcampionamento E.g. Selezionare un campionedi M e F e raccogliereidati • 4. Eseguireil test 5. Rifiutare o accettarel’ipotesidipartenza • E.g. Maschie femmine non sonodiversi Errorecomune Eseguireilcampionamento prima di aver costruitol’ipotesi e aver sceltol’analisi

  3. Analisistatistica: assunzioni e campionamento Analisistatistica Campionamento Ognianalisirichiedeuncampionamentoadeguato Assunzioni Ognianalisirichiedecheidatiseguanorispettinoalcunecondizioni Se entrambre le condizionisonosoddisfatte Possiamoprocedere con il test diipotesi

  4. Concetti generali: campionamento Il campionamento consiste nelle tecniche di estrazione di un sottoinsieme di unità statistiche dalla popolazione L’insieme di tutti gli studenti dell’Università di Padova Infiniti campioni possibili di diversa dimensione N= dimensione della popolazione n= numerosità del campione

  5. Campionamento: randomizzazione Molte analisi richiedono che i dati siano fra loro indipendenti e che siano estratti a random dalla popolazione L’insieme di tutti gli studenti dell’Università di Padova Tuttiglistudentidevonoavere la stessaprobabilitàdiessereestrattidallapopolazione

  6. Campionamento: replicazione Per applicareognianalisidevoavere un sufficientenumerodiosservazioni (repliche) La dimensione del campione n corrisponde al numerodirepliche Numerodi repliche (n) Gradidilibertà P Varia la potenza del test!!!

  7. Campionamento: replicazione Popolazione 4 repliche 4 repliche Le replichedevonoesserefraloroindipendenti (campionare a random spesso non è sufficiente!) 3 principaliproblemi in biostatistica 1. Dipendenzaspaziale 2. Dipendenzatemporale 3. Dipendenzabiologica

  8. Campionamento: replicazione Ogniosservazione è unavera replica? Non confondete le osservazioni con le repliche Spesso non coincidono! Prima di fare ognitipodicampionamentodeveesserechiaroqualesia la replica

  9. Dipendenzaspaziale Vogliovedere se la lunghezza media diunaparametromorfologico (penna) variaframaschi e femmine ♂ ♀ Popolazione TN-BZ 10 individui per genere 15 penne per individuo 300 misure

  10. Dipendenzaspaziale ♀ ♂ 15 measures per bird

  11. Effettidellapseudoreplicazione df SS MS F value P sex 1 3.42 3.42 5.887 0.025 Residuals 1810.48 0.58 --------------------------------------------------- dfSS MS F value P sex 1 51.4 51.4 63.19 0.0000000000039 Residuals 298242.4 0.81 Supponiamodilavorare con un alpha=0.01 Cosaconcludiamo?

  12. Esempio 2: Dipendenzaspaziale Effettodellafertilità del suolosullacrescitadell’abeterosso Basso N Area di studio 4 siti 10 alberi 4 misure per anello Media1= 15 mm Quantereplicheabbiamo? Alto N 4 siti 10 alberi 4 misure per anello Media2= 17 mm

  13. Dipendenzaspaziale Quandomisuriamo la variabileripetutamentesullastessaunitàdicampionamento le misure non sonoindipendenti Performance deglistudenti prima e dopoilcorsodistatistica: 6 studenti, 12 misure Quanterepliche? Tempo 1 Tempo 2 misura1 misura2

  14. Dipendenzabiologica Similaritànellecaratteristichegenetiche Ad es. individuicheappartengonoallastessafamiglia, popolazionebiologicaecc. FarmacoA FarmacoB Madre B MadreA Sampling A Sampling B

  15. Esempio Esplicativa: Irrigazione------- Variabilerisposta: Produttivitàpioppo ipasso: identificarel’unitàdicampionamento ii passo: identificareilnumerodirepliche iii passo: decidere la distribuzionespazialedellerepliche Terreno Canale

  16. Sampling design: “buoni” e “cattivi” Esempidicattivi design Nessuna replica Pseudoreplicato Sistematico Esempidibuoni design Bloccorandomizzato Completamenterandomizzato

  17. Sampling design: conclusioni Prima di fare ilcampionamentodevicapirequal è la replica dello studio Campionare un sufficientenumerodirepliche Maggiore la variabilitàdellapopolazionemaggioredovràessereilnumerodirepliche

More Related