MATERIALE UTILE⬇⬇⬇ EBOOK DEL CORSO DI STATISTICA (+TRACCE SVOLTE in omaggio) ripetizionistatistica.it/b/ebook TRACCE D'ESAME SVOLTE ripetizionistatistica.it/b/traccesvolte SLIDE e FORMULARIO ripetizionistatistica.it/b/slide Se ti piace il mio canale e non lo hai ancora fatto, clicca su ISCRIVITI sotto il mio video. Per RIPETIZIONI PRIVATE scrivetemi a lezionidistatistica@gmail.com
Ciao :) complimenti e grazie per le videolezioni; ne sto traendo veramente un enorme vantaggio. Ho solo una perplessità confrontandomi con il testo e le slide della mia prof. Ho notato che su queste ultime p ( coefficiente di correlazione B.P.) viene indicato diversamente , cioè come risultato del rapporto fra la covarianza e radice quadrata della varianza di X per la varianza di y. (In altre parole così p= Cov(x,y) / deviazione standard di X per deviazione standard di y). Potresti illuminarmi in merito? Grazie e scusami.
E' lo stesso. Covarianza=codevianza/n. Varianza=devianza/n. In altre parole, la tua formula è la stessa del video dove però si è moltiplicato sia il numeratore che il denominatore per 1/n. Quindi il risultato è lo stesso ;)
Chiaro come sempre :D ma nel calcolo della correlazione nel caso ponderato potresti avere scritto male i calcoli? Ho notato che l'ultimo y^2j*n.j hai messo175^2*31, ma le y si fermano a 125, infatti quando hai descritto i calcoli l'ultimo termine che hai nominato rispetto a questa sommatoria è 125^2*31 e non 175^2*31
@@Ripetizionistatistica ho cercato in internet e su vari libri ma non viene spiegata, tu mi sapresti dire la differenza tra connessione e correlazione?
L'indice di connessione di Pearson è utilizzato per studiare l'interdipendenza tra variabili qualitative. Quello di correlazione invece è per le variabili quantitative. L'indice di connessione è abbastanza semplice dato che riguarda semplicemente una differenza tra le frequenze osservate e le frequenze teoriche che si avrebbero in caso di indipendenza in distribuzione.
La numerosità del campione, quindi la somma delle nostre osservazioni o delle frequenze. Spiego tutto dal principio nei video che trovi nelle playlist.
@@Ripetizionistatistica cioè nel primo caso Rxy= 0,4 è una buona correlazione se capisco bene? mentre il secondo caso Rxy= -0,8 essendo negativo ha comunque una buona correlazione se capisco bene
Puoi calcolarlo come covarianza diviso la radice del prodotto delle varianze oppure come codevianza diviso la radice del prodotto delle devianze, di cui abbiamo le formule ridotte e i calcoli sono più rapidi.
Il coefficiente di correlazione lineare di bravais e pearson consiste nel rapportare la covarianza al prodotto delle singole devianze standard (sigma X e sigma Y ? È l’unica formula che mi dà la mia prof….
Deviazioni standard, non devianze. Sì, le formule sono identiche perché covarianza e varianza non sono altro che rispettivamente codevianza/n e devianza/n per cui quelle n in realtà nella formula possono anche essere semplificate (=eliminate). Le deviazioni standard poi sono le radici delle varianze, quindi tutto torna. Credo di averlo già spiegato in un altro commento.
Se devo calcolare tutto da 0 ritengo più semplice la mia. Se invece ho esercizi che mi danno già covarianza e varianze o deviazioni standard, a quel punto applico la tua formula.
@@Ripetizionistatistica ps. Ho fatto l’esercizio della prof con la tua formula, ma il risultato non è lo stesso , vorrei tanto fartelo vedere, perché a questo punto penso abbia sbagliato lei.
Ottima spiegazione davvero (peccato per le mille pubblicità che fanno perdere il filo del discorso, ma capisco assolutamente la loro necessità) e però non mi è chiara una cosa. Il video inizia dicendo che l'Interdipendenza tra due fenomeni quantitativi viene calcolata con l'indice di person. Poi la parola interdipendenza scompare per tutto il video. Perché? Mentre compara il concetto di concordanza e discordanza. Indicano il concetto di dipendenza ma con senso opposto? Quello che voglio dire è: se ottengo un r=0,9, posso dire che ho una forte dipendenza (positiva) o concordanza tra le due variabili? Spero tu o qualcun altro possa rispondermi. Cmq complimenti davvero
In quel caso avrai una forte interdipendenza. Semplicemente si osserva che a valori più alti x corrispondono valori più alti di y, o viceversa a valori più alti di y corrispondono valori più alti di x. Non c'è causa-effetto, infatti si dice sempre "correlation does not mean causation".
@@Ripetizionistatistica perfetto, grazie davvero! Sapevo che è assolutamente errato parlare di causa ed effetto ma su altri siti c'è scritto che Perason ci calcola la Forza e il verso (direttamente o indirettamente proporzionale) di una relazione lineare. Quindi quando si parla di forza si intende interdipendenza! Giusto? Grazie davvero
Si si. Semplicemente ti indica se concordano e avrai il caso che ho descritto o discordano e quindi avrai l'opposto cioè che a valori più alti di x hai valori più piccoli di y e viceversa. La forza indica quanto sono concordanti o discordanti. A 1 o a -1 è il massimo.
La lezione 6 comincia da "Dipendenza in generale e in media" oppure se vuoi andare più dritto al sodo "Regressione lineare semplice spiegata semplicemente" ;)
Le trovi comunque tutte in ordine sulla playlist che ho creato sul mio canale o andando agli ultimi secondi di un qualsiasi video troverai a destra la lezione successiva, a sinistra la precedente ;)
Grazie in anticipo a chi mi risponderà Volevo porre 2 quesiti: 1 quesito: Se viene posto il seguente quesito (mi sto preparando per un esame di statistica): il risultato dell'applicazione di un test di screening a 20 soggetti ha prodotto come risultato un valore di 0,5. Cosa rappresenta lo "0,5"? Mi chiedo: è necessaria per forza una tabella dove vengono mostrati i risultati dei 20 soggetti sottoposti al test? Oppure il valore 0,5 rappresenta un valore al quale io posso dare un'interpretazione senza avere per forza dei dati? È possibile che possa voler significare un test (teoricamente) perfetto? Ha a che fare con questo valore la curva ROC? 2 quesito: se il coefficiente di correlazione tra due variabili ha valore -0.1 (quindi negativo) cosa significa? Quale delle due dipende dall'altra? Potete fare un esempio molto semplice? Grazie
MATERIALE UTILE⬇⬇⬇
EBOOK DEL CORSO DI STATISTICA
(+TRACCE SVOLTE in omaggio)
ripetizionistatistica.it/b/ebook
TRACCE D'ESAME SVOLTE
ripetizionistatistica.it/b/traccesvolte
SLIDE e FORMULARIO
ripetizionistatistica.it/b/slide
Se ti piace il mio canale e non lo hai ancora fatto, clicca su ISCRIVITI sotto il mio video.
Per RIPETIZIONI PRIVATE scrivetemi a lezionidistatistica@gmail.com
Grazie di esistere
L Udinese a 64 punti è un sogno
Ciao :) complimenti e grazie per le videolezioni; ne sto traendo veramente un enorme vantaggio. Ho solo una perplessità confrontandomi con il testo e le slide della mia prof. Ho notato che su queste ultime p ( coefficiente di correlazione B.P.) viene indicato diversamente , cioè come risultato del rapporto fra la covarianza e radice quadrata della varianza di X per la varianza di y. (In altre parole così p= Cov(x,y) / deviazione standard di X per deviazione standard di y). Potresti illuminarmi in merito? Grazie e scusami.
E' lo stesso.
Covarianza=codevianza/n.
Varianza=devianza/n.
In altre parole, la tua formula è la stessa del video dove però si è moltiplicato sia il numeratore che il denominatore per 1/n. Quindi il risultato è lo stesso ;)
Chiaro come sempre :D ma nel calcolo della correlazione nel caso ponderato potresti avere scritto male i calcoli? Ho notato che l'ultimo y^2j*n.j hai messo175^2*31, ma le y si fermano a 125, infatti quando hai descritto i calcoli l'ultimo termine che hai nominato rispetto a questa sommatoria è 125^2*31 e non 175^2*31
Hai ragione. Grazie mille per la segnalazione.
Ciao! Nel mio libro il coefficiente si correlazione è il rapporto tra le deviazioni standard si x e y moltiplicato b. Che dici? Ti risulta?
Sì è lo stesso.
Ciao per caso hai fatto un video in cui parli dell’indice di Connessione di Pearson?
No mi spiace
@@Ripetizionistatistica ho cercato in internet e su vari libri ma non viene spiegata, tu mi sapresti dire la differenza tra connessione e correlazione?
L'indice di connessione di Pearson è utilizzato per studiare l'interdipendenza tra variabili qualitative. Quello di correlazione invece è per le variabili quantitative. L'indice di connessione è abbastanza semplice dato che riguarda semplicemente una differenza tra le frequenze osservate e le frequenze teoriche che si avrebbero in caso di indipendenza in distribuzione.
Nel calcolo della sommatoria, non mi è chiaro n, da dove deriva?
La numerosità del campione, quindi la somma delle nostre osservazioni o delle frequenze. Spiego tutto dal principio nei video che trovi nelle playlist.
@@Ripetizionistatistica Vengono definiti anche gradi di liberta? Mi stavo documentando su Internet e c'è un'analogia tra i due termini
Ma nel momento in cui si chiede la verifica d'ipotesi della dipendenza lineare come si deve procedere?
Il test di ipotesi invece su r????
Non l'ho trattato. Non l'ho mai trovato durante le mie ripetizioni. Un giorno vedrò di aggiornare il corso anche con questo.
il coefficiente di correlazione può essere negativo?
Certo. Varia tra -1 e +1.
se io ho Rxy= 0,4 ha una buona correlazione, mentre con Rxy= - 0,8 ho sempre buona correlazione?
Solo nel secondo caso vi è una buona correlazione. Correlazione inversa essendo il valore negativo o detta anche discordanza.
@@Ripetizionistatistica cioè nel primo caso Rxy= 0,4 è una buona correlazione se capisco bene? mentre il secondo caso Rxy= -0,8 essendo negativo ha comunque una buona correlazione se capisco bene
Più il valore si avvicina a 0 e più non vi è correlazione. Per avere buone correlazioni devi andare agli estremi. Tipo da +0,7 in su e da -0,7 in giù.
Per calcolare il coefficiente di Pearson si utilizza la covarianza no la codevianza
Puoi calcolarlo come covarianza diviso la radice del prodotto delle varianze oppure come codevianza diviso la radice del prodotto delle devianze, di cui abbiamo le formule ridotte e i calcoli sono più rapidi.
Il coefficiente di correlazione lineare di bravais e pearson consiste nel rapportare la covarianza al prodotto delle singole devianze standard (sigma X e sigma Y ? È l’unica formula che mi dà la mia prof….
Deviazioni standard, non devianze.
Sì, le formule sono identiche perché covarianza e varianza non sono altro che rispettivamente codevianza/n e devianza/n per cui quelle n in realtà nella formula possono anche essere semplificate (=eliminate).
Le deviazioni standard poi sono le radici delle varianze, quindi tutto torna. Credo di averlo già spiegato in un altro commento.
@@Ripetizionistatistica ok, quindi questa formula che spieghi è più semplice?
Se devo calcolare tutto da 0 ritengo più semplice la mia. Se invece ho esercizi che mi danno già covarianza e varianze o deviazioni standard, a quel punto applico la tua formula.
@@Ripetizionistatistica Grazie per la disponibilità e per le tue spiegazioni esaustive
@@Ripetizionistatistica ps. Ho fatto l’esercizio della prof con la tua formula, ma il risultato non è lo stesso , vorrei tanto fartelo vedere, perché a questo punto penso abbia sbagliato lei.
Ottima spiegazione davvero (peccato per le mille pubblicità che fanno perdere il filo del discorso, ma capisco assolutamente la loro necessità) e però non mi è chiara una cosa. Il video inizia dicendo che l'Interdipendenza tra due fenomeni quantitativi viene calcolata con l'indice di person. Poi la parola interdipendenza scompare per tutto il video. Perché? Mentre compara il concetto di concordanza e discordanza. Indicano il concetto di dipendenza ma con senso opposto? Quello che voglio dire è: se ottengo un r=0,9, posso dire che ho una forte dipendenza (positiva) o concordanza tra le due variabili? Spero tu o qualcun altro possa rispondermi. Cmq complimenti davvero
In quel caso avrai una forte interdipendenza. Semplicemente si osserva che a valori più alti x corrispondono valori più alti di y, o viceversa a valori più alti di y corrispondono valori più alti di x. Non c'è causa-effetto, infatti si dice sempre "correlation does not mean causation".
@@Ripetizionistatistica perfetto, grazie davvero! Sapevo che è assolutamente errato parlare di causa ed effetto ma su altri siti c'è scritto che Perason ci calcola la Forza e il verso (direttamente o indirettamente proporzionale) di una relazione lineare. Quindi quando si parla di forza si intende interdipendenza! Giusto? Grazie davvero
Si si. Semplicemente ti indica se concordano e avrai il caso che ho descritto o discordano e quindi avrai l'opposto cioè che a valori più alti di x hai valori più piccoli di y e viceversa. La forza indica quanto sono concordanti o discordanti. A 1 o a -1 è il massimo.
@@Ripetizionistatisticagrazie davvero! Mi hai salvato per la tesi di laurea che sto scrivendo!
ciao, grazie prima di tutto per i tuoi video chiari ed esplicativi! Non riesco a trovare la lezione 6, come devo cercare? grazie ancora:)
La lezione 6 comincia da "Dipendenza in generale e in media" oppure se vuoi andare più dritto al sodo "Regressione lineare semplice spiegata semplicemente" ;)
Le trovi comunque tutte in ordine sulla playlist che ho creato sul mio canale o andando agli ultimi secondi di un qualsiasi video troverai a destra la lezione successiva, a sinistra la precedente ;)
Bravissimo!
Grazie in anticipo a chi mi risponderà
Volevo porre 2 quesiti:
1 quesito: Se viene posto il seguente quesito (mi sto preparando per un esame di statistica): il risultato dell'applicazione di un test di screening a 20 soggetti ha prodotto come risultato un valore di 0,5. Cosa rappresenta lo "0,5"?
Mi chiedo: è necessaria per forza una tabella dove vengono mostrati i risultati dei 20 soggetti sottoposti al test? Oppure il valore 0,5 rappresenta un valore al quale io posso dare un'interpretazione senza avere per forza dei dati? È possibile che possa voler significare un test (teoricamente) perfetto? Ha a che fare con questo valore la curva ROC?
2 quesito: se il coefficiente di correlazione tra due variabili ha valore -0.1 (quindi negativo) cosa significa? Quale delle due dipende dall'altra? Potete fare un esempio molto semplice? Grazie
Fra' non è codevianza porca troia!!!!! È CODEVIAZIONE!!! Per il resto bravo!!!
È codevianza :)