Disegni ad un fattore tra i soggetti. Disegni ad un solo fattore between Quando i livelli del trattamento possono influenzarsi reciprocamente è necessario.

Slides:



Advertisements
Presentazioni simili
Test delle ipotesi Il test consiste nel formulare una ipotesi (ipotesi nulla) e nel verificare se con i dati a disposizione è possibile rifiutarla o no.
Advertisements

Le variabili indipendenti vengono definite fattori.
I TEST DI SIGNIFICATIVITA' IL TEST DI STUDENT
L’Analisi della Varianza ANOVA (ANalysis Of VAriance)
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
METODI STATISTICI PER LO STUDIO DELL’ASSOCIAZIONE TRA DATI QUALITATIVI
La sperimentazione clinica
Lanalisi della varianza Obiettivo: studiare le relazioni tra variabili discrete, che definiscono delle categorie e variabili continue. Esempi: Confronti.
Confronto tra 2 campioni Nella pratica è utilissimo confrontare se 2 campioni provengono da popolazioni con la stessa media: Confronti tra produzioni di.
Parametri dinteresse IUT Nice – Côte dAzur Département STID 6 Janvier 2006 Sondages Corso di campionamento.
Analisi dei dati per i disegni ad un fattore
Il modello di analisi dei dati nei disegni within.
Analisi di covarianza L'analisi di covarianza è un'analisi a metà strada tra l'analisi di varianza e l'analisi di regressione. Nell'analisi di covarianza.
Metodologia della ricerca EPG PSICOMETRIA II
Levels of constraint I vincoli (o livelli di costrizione) sono i condizionamenti impiegati dalla ricerca.
Disegni ad un solo fattore within subjecst
Progetto Pilota 2 Lettura e interpretazione dei risultati
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6
Inferenza statistica per un singolo campione
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
DIFFERENZA TRA LE MEDIE
Analisi della varianza (a una via)
Le analisi per singolo item
Appunti di inferenza per farmacisti
Metodi di ricerca in Psicologia
Metodi della ricerca in Psicologia
Corso di biomatematica lezione 9: test di Student
Corso di biomatematica lezione 10: test di Student e test F
Corso di biomatematica lezione 7-2: Test di significatività
Test di ipotesi X variabile casuale con funzione di densità (probabilità) f(x; q) q Q parametro incognito. Test Statistico: regola che sulla base di un.
STATISTICA a.a PARAMETRO t DI STUDENT
STATISTICA a.a LA STATISTICA INFERENZIALE
di cosa si occupa la statistica inferenziale?
I disegni di ricerca.
Analisi della varianza
Il test di ipotesi Cuore della statistica inferenziale!
Verifica delle ipotesi su due campioni di osservazioni
L’Analisi della Varianza (o ANOVA)
Le distribuzioni campionarie
Tecniche descrittive Utilizzano modelli matematici per semplificare le relazioni fra le variabili in studio Il fine è la descrizione semplificata del fenomeno.
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
Presentazione di una ricerca: Fetal Alcohol Syndrome - Kristina Gummel - I parte: presentazione del disegno di ricerca e della metodologia utilizzata II.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
La teoria dei campioni può essere usata per ottenere informazioni riguardanti campioni estratti casualmente da una popolazione. Da un punto di vista applicativo.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Obbiettivo L’obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori ragionevolmente sostituibili all’ignoto parametro.
Esame di Analisi Multivariata dei Dati
La verifica d’ipotesi Docente Dott. Nappo Daniela
Psicologia come scienza:
Domande riepilogative per l’esame
Lezione B.10 Regressione e inferenza: il modello lineare
Strumenti statistici in Excell
L’analisi della varianza
Corso di Laurea in Scienze e tecniche psicologiche
La statistica F Permette di confrontare due varianze, per stabilire se sono o no uguali. Simile al valore t di Student o al chi quadrato, l’F di Fisher.
9) VERIFICA DI IPOTESI L’ipotesi statistica è una supposizione riguardante caratteristiche ignote ignote di una v.c. X. Es.: campionamento con ripetizione,
Test basati su due campioni Test Chi - quadro
UNIVERSITA’ DEGLI STUDI DI PERUGIA
Istituto di Ricerche Farmacologiche Mario Negri – Milano Simona Barlera Dipartimento di Ricerca cardiovascolare 5 febbraio 2009 Ricerca traslazionale II.
Corso di Laurea in Scienze e tecniche psicologiche
ANALISI DELLA VARIANZA (ANOVA)
Correlazione e regressione lineare
Accademia europea dei pazienti sull'innovazione terapeutica Lo scopo e i fondamenti della statistica negli studi clinici.
Test dell’ ANOVA L EZIONI III PARTE F ONDAMENTI E METODI PER L ’ ANALISI EMPIRICA NELLE SCIENZE SOCIALI A. A
2) Lo studio dell‘efficacia Omar Gelo, Ph.D.. I passi di uno studio di efficacia 1)Costituzione dei gruppi (veri esperim.: randomizzazione) o contatto.
I disegni sperimentali e il controllo 1. Procedure del controllo 2. Disegni monofattoriali 3. Disegni multifattoriali.
INTRODUZIONE ALL’ANALISI DELLA VARIANZA
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
1 Corso di Laurea in Scienze e Tecniche psicologiche Esame di Psicometria Il T-Test A cura di Matteo Forgiarini.
Transcript della presentazione:

Disegni ad un fattore tra i soggetti

Disegni ad un solo fattore between Quando i livelli del trattamento possono influenzarsi reciprocamente è necessario che gruppi diversi di soggetti siano assegnati alle diverse condizioni sperimentali

Dato che ogni soggetto è sottoposto ad una sola condizione sperimentale, questo tipo di disegno non subisce le influenze degli effetti dell’ordine e della sequenza

La sua validità deriva tuttavia dall’assunto che i gruppi siano effettivamente equivalenti

Questo può essere ottenuto solo con un alto numero di soggetti, per cui questi disegni sono più dispendiosi in termini di numerosità dei soggetti impiegati

Se le condizioni sperimentali lo consentono, i soggetti appartenenti ai diversi gruppi possono essere testati in parallelo per ottenere un risparmio di tempo sulla durata complessiva dell’esperimento

esempio effetto delle dimensioni di un oggetto sulla stima del suo peso

Supponiamo che una teoria cognitiva supponga che le dimensioni di un oggetto influenzino la nostra percezione del suo peso

Vogliamo far stimare ai nostri soggetti il peso di oggetti Grandi, Medi e Piccoli che abbiamo in realtà tutti lo stesso peso

Se ogni soggetto stimasse il peso di tutti gli oggetti probabilmente si accorgerebbe che essi sono uguali Dobbiamo quindi ricorrere ad un disegno tra i soggetti

Il disegno presenta un solo fattore a tre livelli (F 3 =dimensione); i livelli sono f1=Grande, f2=Medio, f3=Piccolo La variabile dipendente è il peso stimato (oppure lo scarto dal peso reale degli oggetti).

SoggettoOggetto Grande (kg) Oggetto Medio (kg) Oggetto Piccolo (kg) 16,25,53,5 26,55,03,8 36,35,24,2 46,05,84,5 55,85,34,5 65,74,55,0 76,04,94,0 86,05,04,2 95,55,04,0 105,94,84,5 media:5,995,14,22

Il modello di analisi dei dati in questo caso è una ANOVA ad una via per campioni indipendenti (one way ANOVA between subjects).

Il risultato dell’analisi ci mostra che l’effetto è significativo?

Anova: Single Factor SUMMARY Column 11059,95,990, Column ,10, GroupsCountSumAverageVariance Column 31042,24,220,

Le condizioni differiscono tutte le une dalle altre? Questo tipo di confronto si chiama confronto a coppie (confronti post hoc) diversamente dai confronti ortogonali con i quali si testano ipotesi precise e pianificate a priori sulla differenza fra un gruppo e uno o più gruppi

In generale i confronti tra coppie di condizioni vanno eseguiti con tecniche statistiche particolari (confronti post hoc) che tengono sotto controllo la possibilità di incorrere in errori di primo tipo per effetto della ripetizione dei confronti

Nel nostro esempio immaginiamo di voler verificare che la condizione ‘Oggetto Medio’ differisca da quella ‘Oggetto Grande’.

Possiamo usare la statistica t di Student per eseguire questo confronto a coppie

Il confronto con il test t di Student può essere eseguito sia con l’ipotesi dell' uguaglianza delle varianze tra i due gruppi sia senza questa ipotesi

Dato che si hanno chiare indicazioni sulla direzione dell’effetto, si può utilizzare il test ad una sola coda, che consente di ridurre la probabilità di errori di primo tipo (o alfa – rifiutare l'ipotesi nulla quando è vera).