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