Uso dei Modelli in Statistica

Slides:



Advertisements
Presentazioni simili
Tecniche di analisi dei dati e impostazione dell’attività sperimentale
Advertisements

Corso di esperimentazione di fisica 1 Il metodo dei minimi quadrati
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Come organizzare i dati per un'analisi statistica al computer?
Tecniche di analisi dei dati e impostazione dellattività sperimentale Relazioni tra variabili: Correlazione e Regressione.
Analisi dei dati per i disegni ad un fattore
Regressione lineare Esercitazione 24/01/04.
Descrizione dei dati Metodi di descrizione dei dati
Analisi Bivariata e Test Statistici
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6
Regressione logistica
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
Test Statistici Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°5.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
redditività var. continua classi di redditività ( < 0 ; >= 0)
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8.
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
STATISTICA 6.0: REGRESSIONE LINEARE
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.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
MODELLO DI REGRESSIONE LINEARE MULTIPLA
La regressione logistica binomiale
Le fasi della ricerca Differenze e concordanze tra psicologia ingenua e psicologia scientifica (1)
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Alcune domande agli autori Lo studio affronta un argomento scientifico e/o clinico importante? Lo studio è originale? Lo studio è volto a provare le ipotesi.
Metodi di ricerca in Psicologia
Metodi della ricerca in Psicologia
Corso di biomatematica lezione 5: propagazione degli errori
Corso di biomatematica lezione 7-2: Test di significatività
di cosa si occupa la statistica inferenziale?
Corso di Laboratorio di Informatica
Modello di regressione lineare semplice
Linee guida per la Chimica Analitica Statistica chemiometrica
Il test di ipotesi Cuore della statistica inferenziale!
STATISTICA PER LE DECISIONI DI MARKETING
Regressione Logistica
“Analisi delle serie storiche e applicazioni”
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.
ANALISI FATTORIALE. Cosè lanalisi fattoriale? Statistica descrittiva Rappresentazione delle variabili in studio. Statistica confermativa vs Confermare,
STATISTICA PER LE DECISIONI DI MARKETING
La ricerca delle relazioni tra fenomeni
MODELLI NON PARAMETRICI
Calcolo della Numerosità
Esercizio Regressione DATI Per un campione casuale di 82 clienti di un'insegna della GDO, sono disponibili le seguenti variabili, riferite ad un mese di.
Obbiettivo L’obiettivo non è più utilizzare il campione per costruire un valore o un intervallo di valori ragionevolmente sostituibili all’ignoto parametro.
DATA MINING PER IL MARKETING
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Esempio (d)istruttivo.
Elementi di Statistica medica Pasquale Bruno Lantieri, Domenico Risso, Giambattista Ravera Copyright © 2007 – The McGraw-Hill Companies s.r.l. SIGNIFICATIVITÀ.
ATTIVITÀ PIANO LAUREE SCIENTIFICHE Laboratorio di Statistica
Lezione B.10 Regressione e inferenza: il modello lineare
Strumenti statistici in Excell
redditività var. continua classi di redditività ( < 0 ; >= 0)
Metodi Quantitativi per Economia, Finanza e Management Lezione n°10 Regressione lineare multipla: la valutazione del modello, metodi automatici di selezione.
Analisi Multivariata dei Dati
3 June Biostatistica Biostatitistica= Statistica per scienze Biostatitistica= Statistica per scienze biologiche e sanitarie. biologiche e sanitarie.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE
Regressione logistica Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°10.
Esercizio Regressione DATI Per un campione casuale di 82 clienti di un'insegna della GDO, sono disponibili le seguenti variabili, riferite ad un mese di.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°13.
ANALISI E INTERPRETAZIONE DATI
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Correlazione e regressione lineare
Accademia europea dei pazienti sull'innovazione terapeutica Lo scopo e i fondamenti della statistica negli studi clinici.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
Corso di Statistica Applicata C. L. in Tecnologie forestali e ambientali 4 crediti (32 ore) Docente: Lorenzo Marini DAFNAE, Università di Padova
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
Transcript della presentazione:

Uso dei Modelli in Statistica Modelli come generalizzazione delle procedure Modello Lineare Generale (GLM) Regressione Logistica Modelli come descrizione di realtà sperimentali complesse Analisi Fattoriale MDS Analisi delle corrispondenze Modello di Rasch

Analisi dei Modelli Definizione del modello Stima dei parametri Valutazione della bontà del modello (**Calcolo della significatività**)

Modelli a struttura PREDETERMINATA Definizione della struttura del modello sulla base di ipotesi a priori Stima del valore dei parametri Calcolo dei limiti di confidenza dei parametri Calcolo della significatività Ipotesi nulla: parametri = 0 Possibile inferenza

Modelli a struttura STIMATA Stima della struttura del modello sulla base dei dati sperimentali Stima del valore dei parametri *Calcolo dei limiti di confidenza dei parametri *Calcolo della significatività (su nuovi dati sperimentali) * opzionale: calcolato solo in alcune situazioni Ipotesi nulla: valori sperimentali = valori del modello Solo valore descrittivo

Ipotesi nulla Test statistici creati per la falsificazione dell’ipotesi nulla Asimmetria delle zone di falsificazione e non-falsificazione dell’ipotesi nulla Inadeguatezza dei test per la conferma dell’ipotesi nulla

Analisi della Regressione Lineare

Analisi della Regressione Polinomiale

Materiali e metodi 116 studenti divisi in modo random in due sottogruppi Questionario sulle modalità di utilizzo di Internet a cinque sottoscale con punteggi da -4 a +4 Analisi Fattoriale e Analisi della Regressione

Analisi Fattoriale

Regressione Multipla

Conclusione Nei modelli a struttura PREDETERMINATA l’affidabilità dei parametri viene misurata dalla loro variabilità, dai limiti di confidenza che delimitano la regione entro cui potrebbe trovarsi la ‘vera’ relazione, se le ipotesi sul modello sono corrette

Conclusione Nei modelli a struttura STIMATA, la struttura del modello viene determinata sui dati sperimentali ma la variabilità del numero dei parametri non viene fornita. Viene fornita una misura della loro capacità di rappresentare in modo ‘ADEGUATO’ i dati sperimentali

CONFRONTO FRA MODELLI PARAMETRICI E NON PARAMETRICI “Accuracy and certainty are competitors: The surer we want to be, the less we must demand” Basic Ideas of Scientific Sampling di Alan Stuart, Griffin, London 1968

Variabili Qualitative In alcuni casi il fenomeno in esame può essere valutato solo da variabili qualitative (Es. dipendenza o non dipendenza da droga) VANTAGGI: corrispondono a situazioni più definite (presenza o assenza di una patologia) SVANTAGGI: minor precisione nella misura

Due serie di dati correlati Due serie di dati indipendenti TEST NON PARAMETRICI Una serie di dati - Binomiale - Chi quadrato Due serie di dati correlati - McNemar (proporzioni) -  Segno (distribuzione dei valori) - Wilcoxon Più serie di dati correlati - Friedman Due serie di dati indipendenti - Mann-Whitney -  Kolmogorov-Smirnov Più serie di dati indipendenti - Kruskall-Wallis

MODELLI NON PARAMETRICI Misure di associazione Tavole di contingenza: associazione fra due variabili qualitative Modelli Log-Lineari: associazione fra più variabili qualitative Modelli Regressivi Regressione Logistica: modello generale in cui è possibile esprimere una variabile qualitativa (dicotomica) come funzione di una o più variabili sia qualitative che quantitative.