Introduzione

Tecniche Psicometriche e Analisi dei Dati
a.a. 2016/2017
Prof. Rocco Micciolo
[email protected]
Dettagli logistici
• Consultare frequentemente la pagina
web del corso all’indirizzo
http://hostingwin.unitn.it/micciolo/
• Ricevimento: su appuntamento (o al termine delle
lezioni)
• E-mail : [email protected]
• Ufficio: a Rovereto, 2° piano della palazzina di
Palazzo Fedrigotti. Stanza 222.
Modalità di svolgimento del corso
• Lezione: lunedì, martedì, mercoledì
• I materiali relativi alle lezioni sono depositati on-line
• Le lezioni nelle intenzioni sono interattive (sta a voi
renderle tali). È utile portare a lezione un pc
• La frequenza è obbligatoria? No, ma è assolutamente
consigliato frequentare regolarmente il corso
• Modalità di esame: in aula informatica
• Testi di riferimento
http://hostingwin.unitn.it/micciolo/RcR/home.html
Agresti - Finlay
Statistical Methods for the Social Sciences
Pearson Prentince Hall
• Capitolo 12 (ANOVA)
• Capitolo 13 (ANCOVA)
• Capitolo 15 (Modello logistico)
Modalità di esame
• Esame “scritto” (al computer, in aula informatica)
con la possibilità di portare e consultare il testo di
riferimento Ricerca con R (l’originale, non le
fotocopie!)
• Pre-appello…
Statistica
21–mo secolo
Disponibilità di grandi moli
di informazioni.
La sfida:
come usare le informazioni
disponibili per prendere le
decisioni migliori?
Bisogna capire e conoscere
la Statistica!
Una definizione di Statistica:
“tecnica che ha per scopo la conoscenza quantitativa dei
fenomeni collettivi”.
Lo studio del fenomeno collettivo si può fare osservando
interamente la collettività di individui (Popolazione).

Statistica descrittiva
Esempi di raccolta delle informazioni su tutta la collettività:
Censimento della Popolazione e delle Abitazioni
Censimento dell’Agricoltura
Censimento dell’Industria e dei Servizi.
… oppure osservandone una sua parte (Campione)

Statistica inferenziale
C
P
Indagine Istat sulle forze di lavoro
“Proiezioni” elettorali
Esperimenti
Studi osservazionali
L’unità statistica
è l’elemento di osservazione di base
della popolazione oggetto di indagine statistica.
L’unità di rilevazione
è l’elemento di osservazione di base della rilevazione
e può non coincidere con l’unità statistica.
Stili di vita e condizioni di salute
(Istat)
Il Campione: 21718 famiglie per 58653 individui.
L’unità statistica (elemento di base di investigazione) è l’individuo.
L’unità di rilevazione è la famiglia.
Unità statistica  unità di rilevazione
• Le lezioni non avranno soltanto carattere “teorico” ma
saranno integrate con esemplificazioni pratiche
• Verrà impiegato il software R per l’analisi dei dati
• Siete invitati a installare R e a riprodurre tutto quanto
viene fatto vedere a lezione e a integrarlo con opportune
varianti
• Per lavorare al meglio con R è opportuno disporre di un
editor come R studio
Getting Started
•
•
•
•
•
Where to get R?
Go to cran.r-project.org
Select the version for your OS
For Windows: select base
Select the latest version (…)
The R GUI
The R Working Area
This is the area where all
commands are issued, and
non-graphical outputs
observed when run
interactively
Quitting – q()
Packages
To load a package from the GUI menu
• A package is a standardized
collection of material
extending R
• Contain R functions, data sets,
compiled dll’s
• A default R installation
contains several packages.
• Additional packages can be
installed.
• Not part of the user workspace
• Can be loaded with a
library statement
rmf
• È una libreria di funzioni sviluppata preparando le lezioni
di vari corsi di Statistica
• È scritta esclusivamente usando funzioni preesistenti di R e
si occupa(va) principalmente di produrre un output
• Permette (al docente e allo studente) di eseguire
simulazioni per “dimostrare” empiricamente le regole e i
metodi dell’inferenza statistica
• Potete scaricarla e installarla dal link seguente:
http://hostingwin.unitn.it/micciolo/
• Come tutte le librerie (packages) va installata una volta per
tutte e richiamata all’apertura di ogni sessione di R con il
comando library(rmf)
• La versione di R deve essere 3.0.0 o successive
Lavoriamo un po’ con R
R as a calculator
> x <- c(1,3,2,10,5); y <- c(1:5)
> x
[1] 1 3 2 10 5
> x+y
[1] 2 5 5 14 10
> x*y
[1] 1 6 6 40 25
> x/y
[1] 1.0000000 1.5000000 0.6666667 2.5000000 1.0000000
> x^y
[1]
1
9
8 10000
3125
R as a calculator
• > x <- c(1,3,2,10,5); y <- c(1:5)
• > sum(x)
[1] 21
• > cumsum(x)
[1] 1 4 6 16 21
• > x <- 0.5; 2*x^2-3*x+1<0
[1] FALSE
Frequently used operators
<Assign
+
Sum
Difference
*
Multiplication
/
Division
^
Exponent
%%
Mod
%*%
Dot product
%/% Integer division
%in%
Subset
|
&
<
>
<=
>=
!
!=
==
Or
And
Less
Greater
Less or =
Greater or =
Not
Not equal
Is equal
R as a plotter
• R has many nice and easy-touse plotting functions
• > plot(cars)
*)
• > lines(lowess(cars), col
= "Red")
• > lines(c(4, 25),
c(4, 25)*3.932- 17.579,
lty = 2, col = "Blue")
• > legend(5, 118, c("lowess
smoother", "linear
regression"), lty = 1:2,
col = c("Red", "Blue"))
*) The data give the speed of cars and
the distances taken to stop. Note that
the data were recorded in the 1920s.
> plot(sin, 0, 2*pi,
type = "p", pch = "*",
col = 2)
> plot(table(rpois(1000,5)),
type="h",col="red",lwd=10,
main="rpois(1000,lambda=5)")
> curve(dnorm,-3,3)