Upload
sergio-pinna
View
610
Download
3
Embed Size (px)
DESCRIPTION
Corso di StatisticaLezione: 10 di 15Argomento: Analisi bivariate
Citation preview
1
Analisi Bivariate
Obiettivo delle analisi bivariate è scoprire se due variabili o mutabili statistiche sono indipendenti oppure sono legate
Due variabili, una qualitativa o quantitativa raggruppata in classi e l’altra quantitativa– indipendenza in media/dipendenza in mediaStrumenti: Distribuzioni condizionate, Box-plot Esempio: corso di laurea e media voti
Due variabili qualitative, o quantitative raggruppate in classi– indipendenza stocastica/associazione-connessioneStrumenti: Tabelle a Doppia Entrata, Connessione , Grafici a barre raggruppati (rettangoli) o sovrapposti (pile)Esempio: corso di laurea e rendimento scolastico
Due variabili Quantitative– Indipendenza lineare/dipendenza lineareStrumenti: Correlazione, Regressione, Diagramma a dispersione Esempio: crediti e media voti
2
Indipendenza stocasticaIndipendenza stocastica
Indipendenza lineareIndipendenza lineare
Indipendenza in mediaIndipendenza in media
NON VALGONO LE IMPLICAZIONI INVERSE
NON SIMMETRICA
Medie e Varianze Condizionate
3
251137186159N =
CORSO LAUREA
SPOSAMORUIES
MED
IA V
OTI
32
30
28
26
24
22
20
18
16
17331836839540910710968370324609
ESEMPIO: CORSO DI LAUREA E MEDIA VOTIDati
CORSO LAUREA media(i) varianza(i) ni var(i)ni media(i)2 media(i)2ni
IES 24.34 6.75 159 1073.01 592.42 94194.34ORU 24.45 6.66 186 1238.21 597.62 111157.04SAM 24.46 6.91 137 946.89 598.28 81964.97SPO 26.55 4.88 251 1224.70 705.10 176980.98
Importo totale 25.15 7.14 733 4482.81 464297.32
varianza within 6.12varianza between 1.03varianza totale 7.15
350383N =
SEX
MF
CR
EDIT
I
200
100
0
-100
5331390320
5855843055868835311979124
ESEMPIO: SESSO E CREDITIDati
SESSO Media(i) Varianza(i) ni var(i)ni media(i)2 media(i)2niF 52 1631 383 624616.75 2661.54 1019368.36M 52 1979 350 692712.06 2717.09 950981.53Importo totale 52 1796 733 1317328.81 5378.63 1970349.89
WITHIN 1797.17BETWEEN 0.07TOTALE 1797.25