La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Teorie e Tecniche di Psicometria

Presentazioni simili


Presentazione sul tema: "Teorie e Tecniche di Psicometria"— Transcript della presentazione:

1 Teorie e Tecniche di Psicometria
Roberto Bolzani & Mariagrazia Benassi

2 Programma del Corso Introduzione
Legge statistica e legge deterministica Le principali definizioni di probabilità Proprietà della probabilità

3 Programma del Corso Parametri statistici Parametri descrittivi
Distribuzioni di probabilità Densità di probabilità Le principali distribuzioni di probabilità

4 Programma del Corso Il test statistico Logica del test statistico
L’ipotesi nulla Significatività Potenza del test Numerosità del campione

5 Programma del Corso Test parametrici Il t-test Analisi della varianza
Analisi della regressione Analisi per prove ripetute Analisi multivariata Il modello lineare generale

6 Programma del Corso Test non-parametrici
Confronto fra variabili qualitative Le tavole di contingenza La regressione logistica

7 Bibliografia Bolzani R., Canestrari R. (1994) Logica del test statistico. Milano, Casa Editrice Ambrosiana. Bolzani R. (1999) Problemi di statistica. Milano, Casa Editrice Ambrosiana. Bolzani R., Benassi M. (2003) Tecniche Psicometriche. Roma, Carocci

8 Introduzione Legge deterministica: corrispondenza univoca fra due eventi, causa ed effetto. Legge probabilistica: corrispondenza fra un evento e un insieme di possibili eventi

9 Finalità della Ricerca Scientifica
Dimostrazione di leggi scientifiche su base sperimentale Interpretazione dei dati sperimentali

10 Definizioni di probabilità
Classica. Dato un insieme di eventi equiprobabili la probabilità di un evento è data da numero di eventi favorevoli numero di casi possibili Frequentista. La probabilità di un evento è la frequenza con cui esso si presenta in un numero molto elevato di prove.

11 Definizioni di probabilità
Assiomatica. La probabilità è definita dalle condizioni: Ad ogni evento A corrisponde un valore p(A) maggiore o uguale a zero La probabilità di tutti gli eventi possibili è uno La probabilità che si verifichi A o B, essendo A e B mutuamente escludenti, è data dalla somma della probabilità di A e della probabilità di B

12 In formule: p(A)  0 p() = 1 p(A o B) = p(A) + p(B) se p(A&B)=0

13 Definizioni di probabilità
Soggettiva. La probabilità di un evento E è la misura del grado di fiducia che un individuo coerente attribuisce, secondo le sue informazioni, all’avverarsi di E. coerenza informazione

14 Il Paradosso di Bertrand
Problema: Calcolare la probabilità di trovare una corda casuale di una circonferenza più lunga del lato del triangolo equilatero iscritto.

15 Il Paradosso di Bertrand
1a Soluzione: Scegliere un punto interno alla circonferenza inscritta p=1/4

16 Il Paradosso di Bertrand
2a Soluzione: Scegliamo il punto d’origine della corda nell’apice del triangolo p=1/3

17 Il Paradosso di Bertrand
3a Soluzione: Scegliere un punto casuale su un raggio della circonferenza p=1/2

18 Proprietà della Probabilità
La probabilità di un evento impossibile è zero. Non vale la proposizione inversa. Se la probabilità è zero l'evento non è necessariamente impossibile. Es. La probabilità di ottenere 7 nel lancio di un dado a sei facce è zero. La probabilità di avere su infiniti lanci di una moneta nemmeno un risultato 'testa' è zero ma l'evento non è impossibile.

19 Proprietà della Probabilità
La probabilità di un evento certo è uno. Non vale la proposizione inversa. Es. La probabilità di ottenere un numero compreso fra uno e sei in un lancio di un dado è uno. La probabilità di avere su infiniti lanci di una moneta almeno un risultato 'testa' è uno pur non essendo l'evento certo.

20 Proprietà della Probabilità
Probabilità condizionata: p(A|B) = probabilità che avvenga A essendo avvenuto B. Es. probabilità di ottenere 12 in due lanci di un dado sapendo che nel primo lancio è risultato 6.

21 Proprietà della Probabilità
Eventi indipendenti: A e B sono indipendenti quando l’avverarsi di uno non influenza l’avverarsi dell’altro. Cioè p(A|B) = p(A) Es. la probabilità di avere testa nel primo lancio e croce nel secondo

22 Proprietà della Probabilità
Eventi disgiunti: A e B sono eventi disgiunti se il verificarsi dell'uno esclude il verificarsi dell'altro. Es. testa e croce

23 Proprietà della Probabilità
Evento prodotto: Evento in cui si verifica sia A che B: p(A&B) = p(A)  p(B|A). Se A e B sono indipendenti: p(A&B)= p(A)  p(B)

24 Proprietà della Probabilità
Evento somma: Evento in cui si verifica A o B o, se non sono disgiunti, entrambi: p(A+B) = p(A) + p(B) ‑ p(A&B) Es. Nel lancio di un dado: P(pari)=1/2 P(<4)= 1/2 P(pari e <4) = 1/6 P(pari o <4)= 1/2+1/2-1/6 = 5/6

25 Proprietà della Probabilità
Evento complementare: Evento in cui non si verifica A: p(Ã)=1 ‑ p(A). Es. il complementare del risultato 6 è il risultato 1 o 2 o 3 o 4 o 5.

26 Parametri descrittivi
Frequenza di un evento: Numero di volte in cui si verifica un evento diviso per il numero totale delle occorrenze.

27 Parametri descrittivi
Media: somma di tutti i valori di una variabile divisa per il numero totale dei valori. Varianza: somma dei quadrati degli scarti dei singoli valori dalla media divisa per i gradi di libertà. Deviazione standard: radice quadrata della varianza

28 Parametri descrittivi
Valore atteso (Expected value) caso discreto caso continuo Varianza: valore atteso degli scarti al quadrato

29 Parametri descrittivi
Legge dei grandi numeri: Al crescere del numero delle prove dove pE è la probabilità dell'evento E, fE la sua frequenza,  una costante qualsiasi > 0.

30 Parametri descrittivi
Percentile: ordinando i casi secondo il valore di una variabile, l'n-esimo percentile è il limite al di sotto del quale si trova l'n% dei casi. Mediana: punto che divide la popolazione in due parti di uguale numerosità. Corrisponde al 50 percentile. Moda: valore per cui si ha un picco di frequenza. Caratterizza la distribuzione, che risulta unimodale, bimodale etc. a seconda dei picchi presenti.

31 Distribuzioni di Probabilità
Insieme dei valori di probabilità che competono a ciascun valore della variabile. Funzione di distribuzione: funzione che rappresenta per ogni x la probabilità di ottenere un valore minore o uguale a x.

32 Distribuzioni di Probabilità
Se la variabile è discreta abbiamo una probabilità per ogni valore x discreto della variabile. La funzione di distribuzione si ottiene sommando le probabilità di tutti i casi aventi un valore inferiore ad X.

33 Distribuzioni di Probabilità
Se la variabile è continua la probabilità di un singolo valore della variabile è nulla essendo la probabilità di un valore su infiniti valori possibili. La funzione di distribuzione viene allora definita da La funzione f(x) è la densità di probabilità e rappresenta la probabilità che il valore di x sia compreso in un intervallo infinitesimo, diviso per l’ampiezza dell’intervallo.

34 Distribuzioni di Probabilità
DISTRIBUZIONE UNIFORME Distribuzione relativa ad una variabile discreta o continua avente uguale probabilità per ciascun suo valore.

35 Distribuzione Binomiale
Distribuzioni di Probabilità Distribuzione Binomiale Se il risultato di una prova può essere il successo S o l'insuccesso I con uguale probabilità p=q=1/2, i risultati possibili di due prove sono SS SI IS II ciascuno con probabilità 1/4.

36 Distribuzione Binomiale
In generale su n prove la probabilità di s successi è data da: dove

37 Distribuzione Binomiale
Se p=q=1/2 La distribuzione sarà simmetrica

38 Distribuzione Binomiale
Funzione di Distribuzione (Distribuzione Cumulativa)

39 Distribuzione Binomiale
Se la probabilità di successo p è diversa dalla probabilità di insuccesso q=1‑p allora la probabilità di s successi è data da

40 Distribuzione Binomiale
Se La distribuzione sarà asimmetrica

41 Distribuzione Binomiale
Funzione di Distribuzione (Distribuzione Cumulativa)

42 Test con la distribuzione binomiale

43 Test con la distribuzione binomiale

44 Test con la distribuzione binomiale

45 Distribuzioni di Probabilità
DISTRIBUZIONE NORMALE (GAUSSIANA) Limite della distribuzione binomiale. Curva degli errori. Distribuzione a massima entropia.

46 DISTRIBUZIONE NORMALE
(GAUSSIANA) Limite della distribuzione binomiale. Al crescere di n la distribuzione binomiale tende ad una distribuzione normale con media np e varianza npq.

47 DISTRIBUZIONE NORMALE (GAUSSIANA)
Curva degli errori. Condizioni: un errore è la somma di molte componenti di uguale ampiezza le diverse componenti sono fra loro indipendenti ciascuna componente è positiva o negativa con uguale probabilità allora l'ampiezza dell'errore ha una distribuzione normale.

48 DISTRIBUZIONE NORMALE (GAUSSIANA)
Distribuzione a massima entropia. La distribuzione normale è la distribuzione di probabilità con la massima entropia per una variabile compresa fra ‑ e + ed avente un data media e varianza. È quindi la distribuzione meno strutturata, la più casuale.

49 DISTRIBUZIONE NORMALE (GAUSSIANA)
Una generica variabile normale con media  e varianza ² è indicata con N(,²) e la sua densità di probabilità è

50 DISTRIBUZIONE NORMALE (GAUSSIANA)
Essendo la distribuzione di una variabile continua il suo valore per un dato x corrisponde alla densità di probabilità per quel valore.

51 DISTRIBUZIONE NORMALE (GAUSSIANA)

52 DISTRIBUZIONE NORMALE (GAUSSIANA)
Posizione massima (giace sulla media) Altezza del massimo (tanto più è grande la varianza tanto più la curva è allargata)

53 DISTRIBUZIONE NORMALE (GAUSSIANA)
Una variabile normale a media zero e varianza unitaria è detta variabile z o standard, si indica con N(0,1) e la sua densità di probabilità è data da

54 Distribuzioni di Probabilità
DISTRIBUZIONE 2 Essendo la distribuzione di una variabile continua il suo valore per un dato x corrisponde alla densità di probabilità per quel valore. 2 = z12+ z22+ z32+…..+ zn z: N(0,1)

55 Distribuzioni di Probabilità
Distribuzione χ² χ² 4 gl χ² 10 gl

56 Distribuzioni di Probabilità
DISTRIBUZIONE t Distribuzione di una variabile rapporto fra una variabile N(0,1) e la radice quadrata di una variabile 2 divisa per i gradi di libertà.È simmetrica e tende alla normale. Ha espressione

57 Distribuzioni di Probabilità
DISTRIBUZIONE F Distribuzione di una variabile rapporto di due variabili 2 divise per i rispettivi gradi di libertà. Ha espressione

58 Statistica descrittiva Riguarda esclusivamente i soggetti esaminati.
Rappresentazione sintetica dei diversi valori relativi ai soggetti di un determinato gruppo (media, frequenza, percentuale etc.) Riguarda esclusivamente i soggetti esaminati. RACCOLTA DATI DESCRIZIONE DATI IDEA GENERALE

59 Statistica inferenziale
‑Saggia l'influenza di alcuni fattori sui parametri ‑Classifica soggetti in vari gruppi ‑Prevede l'andamento di certi parametri. Riguarda concetti generali e quindi tutti i possibili soggetti che rispondono a certe caratteristiche.

60 Statistica inferenziale
Procedimento

61 Statistica inferenziale Procedimento
Ipotesi Sperimentale Ipotesi Nulla Ho Ipotesi la cui accettazione renderebbe falsa l'idea da verificare. Viene in genere indicata con H0.

62 Statistica inferenziale Procedimento
Ipotesi Sperimentale Ipotesi Nulla Ho Scelta del Campione Campione Idoneo a confermare l'idea. Rappresentativo dell'intera popolazione (casuale, sufficientemente ampio) Conforme alle richieste del test che si intende utilizzare (distribuzione, indipendenza)

63 Statistica inferenziale Procedimento
Ipotesi Sperimentale Ipotesi Nulla Ho Scelta del Campione Test Statistico TEST Creati per essere applicati in modo indipendente. Richiedono che i dati sperimentali abbiano determinate distribuzioni teoriche (continuità, normalità ..) In grado di falsificare tipi determinati di ipotesi nulle

64 Statistica inferenziale Procedimento
Ipotesi Sperimentale Ipotesi Nulla Ho Scelta del Campione Test Statistico Significatività p SIGNIFICATIVITÀ: Probabilità di respingere l'ipotesi nulla pur essendo questa vera. Si stabilisce a priori quale probabilità di errore consideriamo accettabile per la verifica (livello di significatività normalmente 0.05 o 0.01).

65 Statistica inferenziale Procedimento
Ipotesi Sperimentale Ipotesi Nulla Ho Scelta del Campione Test Statistico Respingo Ho Significatività p Non respingo Ho

66 Processi Decisionali

67 Statistica inferenziale Falsificazione Ho
Errori di Decisione

68 Statistica inferenziale Falsificazione Ho
POTENZA DI UN TEST Probabilità di respingere H0 quando H0 è falsa. È dato da 1‑. Dipende : da H0 e da H1 dalla numerosità del campione dalla minima differenza apprezzabile dalla varianza casuale

69 Statistica inferenziale Falsificazione Ho
H0 H1

70 Statistica inferenziale Falsificazione Ho
Non falsificazione di H0: l'ipotesi nulla è “vera” scarsa potenza del test: il campione ha varianza elevata scarsa numerosità del campione il campione non soddisfa le condizioni relative alla distribuzione il campione non è rappresentativo dell'intera popolazione non sufficiente separazione fra H0 e H1

71 Statistica inferenziale Falsificazione Ho
INTERVALLO DI CONFIDENZA: rappresenta la zona, attorno al parametro stimato sperimentalmente, in cui potrebbe cadere il valore vero del parametro con una probabilità 1‑. Ha la stessa estensione dell'intervallo attorno all'ipotesi nulla. Se nell'intervallo di confidenza cade il valore di H0 non si può respingere l'ipotesi nulla.


Scaricare ppt "Teorie e Tecniche di Psicometria"

Presentazioni simili


Annunci Google