Tempi di reazione Strumenti di indagine per la valutazione psicologica ● Classe Freq Freq relative Densità ≤ 550 2 2 / 30 = 0.0667 2 / (30*50) = 0.0013 550-600 3 3 / 30 = 0.1000 3 / (30*50) = 0.0020 Davide Massidda 600-650 6 6 / 30 = 0.2000 6 / (30*50) = 0.0040 [email protected] 650-700 8 8 / 30 = 0.2667 8 / (30*50) = 0.0053 700-750 6 6 / 30 = 0.2000 6 / (30*50) = 0.0040 750-800 3 3 / 30 = 0.1000 3 / (30*50) = 0.0020 800-850 2 2 / 30 = 0.0667 2 / (30*50) = 0.0013 1.3 - La distribuzione normale Università di Cagliari, a.a. 2013/2014 Tempi di reazione ● Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Distribuzioni di probabilità ● ● ● ● ● A ogni intervallo è possibile associare un valore di probabilità e una densità. Le probabilità assume una certa distribuzione, detta distribuzione di probabilità, che descrive il fenomeno. Gli statistici hanno cercato di formalizzare attraverso delle formule matematiche le più comuni distribuzioni di probabilità, con lo scopo di prevedere la probabilità del verificarsi di certi eventi. Esempio: probabilità che un TR sia compreso tra 650 e 700 msec. Fenomeni di natura diversa possono essere regolati da distribuzioni di probabilità diverse. Le funzioni che descrivono la probabilità ● Queste formule matematiche sono dette: La distribuzione normale ● Funzioni di probabilità (variabili discrete) Funzioni di densità di probabilità (variabili continue) ● ● ● Le prime associano, a ogni valore che la variabile può assumere, una certa probabilità di occorrenza. ● Le seconde associano, a ogni intervallo di valori che la variabile può assumere, una certa probabilità di occorrenza. ● ● La distribuzione normale µ Fa riferimento a variabili casuali continue ed è definita per valori compresi tra tra -∞ e +∞. La probabilità di un fenomeno che si distribuisce “come una normale” è massima nell'intorno di un determinato valore, chiamato μ. Più un intervallo si allontana dal valore μ, minore sarà la probabilità che un valore ricada all'interno di tale intervallo. Allontanandosi dal valore μ, la probabilità decresce in maniera simmetrica per valori maggiori e minori di μ. In una variabile che si distribuisce normalmente, moda, mediana e media coincidono tutte col parametro μ. La distribuzione normale µ La distribuzione normale Funzione di ripartizione In una distribuzione normale, l'area compresa tra i due estremi di un intervallo è definita dalla seguente funzione di probabilità cumulata (funzione di ripartizione normale): Attraverso la funzione di ripartizione possiamo calcolare la probabilità che un dato ricada tra -∞ e un certo punto z. b z 1 e −∞ σ √ 2 π 2 1 x−μ σ ) − ( 1 p(a≤ x≤b)=∫ e 2 a σ √2 π p= ∫ dx p ● x è il valore noto che il fenomeno può assumere; ● π è la costante “pi greco” (approssimato: 3.14) ● e è il numero di Nepero (approssimato: 2.72) ● µ e σ sono i parametri della distribuzione. 1-p N.B. #1 L'area sottesa dalla curva rappresenta una probabilità. 0 z +∞ → Il parametro σ σ=1 ● ● È il valore nell'intorno del quale si registra il picco massimo di probabilità. Distribuzioni con diverso μ hanno il loro picco massimo di probabilità in punti diversi del continuum. dx N.B. #2 Complessivamente, l'area sottesa dalla curva vale 1 (perché la probabilità varia tra 0 e 1). ← -∞ Il parametro μ 2 1 x−μ − ( σ ) 2 Il parametro σ Il parametro σ σ=1 σ=1 σ = 1.5 σ = 1.5 σ=3 Il parametro σ ● ● ● All’aumentare di σ la campana si schiaccia e si allarga: la probabilità si concentra sempre meno su μ e aumenta per valori via via sempre più distanti da μ. Quindi, all'aumentare di σ, si riduce sempre più la probabilità che si presenti un valore nell'intorno di μ e aumenta la probabilità che si presentino altri valori da esso distanti. All'aumentare di σ aumenta la variabilità del fenomeno. Il parametro σ ● Se per valori piccoli di σ il fenomeno è moto prevedibile (quasi certamente assumerà un valore nei pressi di μ)... ...per valori grandi di σ, anche valori compresi in intervalli distanti da μ avranno buona probabilità di presentarsi: aumenta l'incertezza. Gli stimatori ● Data una variabile casuale x che segue una distribuzione normale, i parametri μ e σ possono essere stimati rispettivamente attraverso la media e la deviazione standard della variabile. n ∑ xi μ= ̂ ● i=1 n ̂ σ= √ La distribuzione normale standardizzata ● ● n ∑ ( x i− ̄x )2 i=1 n−1 I valori dei parametri μ e σ sono conoscibili solo avendo a disposizione tutti valori della popolazione di riferimento. Tuttavia, utilizzando un campione rappresentativo della popolazione, essi possono essere stimati. ● ● Esistono infinite distribuzioni normali, ognuna descritta da un proprio μ e un proprio σ. Per poter confrontare fra loro variabili sì tutte “normali”, ma ognuna descritta da un proprio μ e un proprio σ, è possibile far riferimento a una stessa distribuzione normale di riferimento. La distribuzione normale di riferimento ha μ = 0 e σ = 1 ed è detta “standardizzata”. Tutte le distribuzioni normali possono essere standardizzare e portate su una scala comune (es. voti). Standardizzare una variabile Un esempio pratico La variabile x viene trasformata in punti z. La media della nuova variabile z avrà M = 0 e SD = 1. Assumendo che la distribuzione dei voti del prof. Nepero sia normale, qual è la probabilità di osservare un voto superiore a 28? (Vedi lezione 1.2) x i−μ z i= σ x −̄ x z i= i s ̄x =25.17 ̄s =2.70 z 28= 28−25.17 =1.05 2.70 p(−∞≤x≤1.05)=0.85 p( x >28)=1−0.85=0.15 Un esempio pratico Assumendo che la distribuzione dei voti del prof. Nepero sia normale, qual è la probabilità di osservare un voto superiore a 28? (Vedi lezione 1.2) 0.85 1 – 0.85 = 0.15 La tavola della normale ● Le tavole della distribuzione normale standard forniscono alcuni valori di probabilità, già calcolati attraverso la funzione di ripartizione, per valori compresi tra 0 e alcuni punti z. z 0 1 0.0 .0000 .0040 0.1 .0398 .0438 ... ... ... 1.0 .3413 .3438 ... ... ... ... 5 ... ... ... ... ... ... ... .3531 ... ... 1 – (0.5 + 0.3531) = 0.1469 -∞ z = 1.05 Esercizio ● Data una distribuzione di tempi di reazione con: ̄x =676.84 s=80.25 assumendo una distribuzione normale, calcolare la probabilità di osservare un TR compreso tra 550 e 750 msec. ... ... ... ... ... ... Esercizio Area compresa tra 0 e z = -1.58 z 550 = 550−676.84 =−1.58 80.25 Area compresa tra 0 e z = 0.91 z 750 = 750−676.84 =0.91 80.25 Esercizio P = 0.4429 + 0.3186 = 0.7615 La distribuzione dei tempi di reazione Nota bene ● 0.4429 0.3186 Nel lavorare con i TR, di solito si assume la normalità distributiva, ma spesso questa assunzione risulta violata. ● ● z 550 =−1.58 z 750 =0.91 Sono stati formulati diversi modelli cognitivi per spiegare l'asimmetria della distribuzione. Uno molto celebre prevede che il TR sia il risultato della somma di due componenti: una decisionale e una di trasduzione.