Analisi Bivariata & Esercizi Analisi Univariata

Presentazione sul tema: "Analisi Bivariata & Esercizi Analisi Univariata"— Transcript della presentazione:

1 Analisi Bivariata & Esercizi Analisi Univariata
Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°4

2 Analisi Bivariata

3 PROC FREQ - Descrizione
La PROC FREQ permette di calcolare le distribuzioni di frequenza univariate per variabili qualitative e quantitative discrete creare tabelle di contingenza a due o più dimensioni per variabili qualitative e quantitative discrete

4 PROC FREQ – Sintassi generale
Distribuzione di frequenza bivariata proc freq data= dataset option(s); tables variabile1 * variabile2 /option(s); run; OPTIONS: noprint non mostra i risultati nella finestra di output /missing considera anche i missing nel calcolo delle frequenze

5 PROC FREQ - Esempio Variabili qualitative: sesso e operatore telefonico proc freq data=corso.telefonia; table sesso * operatore; run;

6 Output PROC FREQ - Esempio
Distribuzioni marginali: frequenze marginali assolute e relative Frequenze congiunte assolute e relative Frequency Percent Row Pct Col Pct Total     M     F Wind Vodafone Tim Tre operatore sesso Table of sesso by operatore Frequenze subordinate

7 Output PROC FREQ - Esempio
freq. congiunta relativa =(7/236)*100 freq. marginale assoluta= Frequency Percent Row Pct Col Pct Total     M     F Wind Vodafone Tim Tre operatore sesso Table of sesso by operatore freq. marginale relativa=( )/236*100 freq. subordinate: % di riga=5/136*100 % di col=5/12*100

8 PROC CORR - Descrizione
La PROC CORR permette di calcolare la correlazione tra due o più variabili quantitative

9 PROC CORR – Sintassi generale
Correlazione tra due o più variabili proc corr data= dataset; var variabile1 variabile2 … variabilen; run;

10 PROC CORR - Esempio Correlazione tra il numero medio di ore di utilizzo del telefono cellulare e del fisso al giorno. proc corr data=corso.telefonia; var cell_h fisso_h; run;

11 Output PROC CORR - Esempio
Coefficiente di correlazione lineare ρ(X,Y): è un indice relativo, assume valori compresi tra -1 e 1. Se ρ >0 (ρ <0) la relazione tra X e Y è lineare positiva (negativa), se ρ =0 non c’è relazione lineare.

12 PROC CORR - Esempio Correlazione tra la durata media delle chiamate effettuate [durata_chiamate_e] e: durata media delle chiamate ricevute [durata_chiamate_r] numero medio di ore di utilizzo del telefono cellulare al giorno [cell_h] numero medio di ore di utilizzo del telefono fisso al giorno [fisso_h] proc corr data=corso.telefonia; var durata_chiamate_e durata_chiamate_r cell_h fisso_h; run;

13 Output PROC CORR - Esempio

14 Esercizi Analisi Univariata

15 Dataset Il dataset DENTI contiene dati sul consumo di dentifricio (di marca A e di marca B). Le variabili sono:

16 Esercizi Analisi univariata
Svolgere i seguenti esercizi utilizzando il dataset DENTI: Allocare la libreria CORSO (che punta alla cartella che contiene il file DENTI.XLS) Importare in formato SAS la tabella excel DENTI.XLS e chiamarla DENTI_NEW Utilizzando la procedura più opportuna calcolare la distribuzione delle variabili - AREA - CONSTOT

17 Esercizi Analisi univariata
Si può affermare che l’insieme degli intervistati è costituito principalmente da donne? Determinare l’accumulo medio di dentifrici della marca A Determinare la percentuale di clienti che hanno ricevuto meno di 11 contatti pubblicitari Verificare se i clienti abituali della marca B si distribuiscono in modo differente nelle diverse aree geografiche Verificare se il consumo medio totale differisce tra uomini e donne

18 Analisi preliminari – Analisi univariata
Verificare se ci sono missing nella variabile ETACLASS Calcolare la distribuzione condizionata della variabile ALTOCON utilizzando come variabile di classificazione prima TRATTOT e poi AREA Verificare simmetria e normalità della variabile TATTI_A e disegnarne il boxplot