Metodologia della ricerca in ambito clinico, Mannarini, Psicologia, Appunti 129 pagine

Teoria probabilità

• fenomeno casuale
• spazio campionario
• eventi
• probabilità di eventi
• criteri di calcolo
• eventi indipendenti

Fenomeno casuale (aleatorio): un accadimento che può dare più di un risultato.

Es. dado → 1 dado da 6 facce → 1 possibile risultato.

Es. non sapere se avverrà un certo risultato quando mescolo un reagente chimico.

Spazio campionario: tutti i possibili risultati o descrizioni di un fenomeno casuale.

Ω = {1, 2, 3, 4, 5, 6} → elenco dei possibili risultati.

Ω = {18 ≤ x ≤ 30} → elenco possibili voti all'esame x di campioni tra 18 e 30.

Un evento è un sottoinsieme di un spazio campionario.

Un evento può anche coincidere con un proprio campionario.

Intersezione di 2 eventi: A ∩ B (l'evento A è intersecato a B se gli elementi comuni ad A e a B sono appartenenti sia ad A che a B).

Se l'evento A: {25 ≤ x ≤ 30} e l'evento B: {23 ≤ x ≤ 27} →

Unione di 2 eventi:

A ∪ B → l'evento A unito all'evento B, l'operazione è costituita da elementi che appartengono ad A o a B o ad entrambi.

Voglio unire A ∪ B

A ∪ B = costituito da (1, 2, 3, 4, 5, 6) n = 6 elementi.

Sono DISGIUNTI perché tra A e B non c'è INTERSEZIONE

Quando si fa A ∪ B la somma decade e guardare se hanno intersezione.

In questo caso a livello grafico:

Unione di eventi COMPATIBILI

• σ: gruppo rappresentativo: studenti di una scuola di lingua
• A: studenti di inglese
• B: studenti di tedesco

A ∩ B: studenti che hanno deciso di studiare entrambi,

A ∪ B: A + B - (A ∩ B)

A ∪ B: più studenti che studiano UNA lingua.

Probabilità di eventi

Utilizzo dell'interpretazione classica (eventi equiprobabili)

P(A) = ^n(A)/_N(Ω)

P(B) = ^n(B)/_N(Ω)

P(A ∩ B) = ^{n(A ∩ B)}/_N(Ω) = Probabilità dell'intersezione.

Esempio

N(Ω) = 100 studenti

• n(A) = 30 Monchi
• n(B) = 40 studenti ψ
• n(A ∩ B) = 15 studenti Monchi in psicologia

Calcolo

• P(A) = ³⁰/₁₀₀ =. 30 studenti monchi
• P(B) = ⁴⁰/₁₀₀ = 40 studenti in ψ
• P(A ∩ B) = ¹⁵/₁₀₀ = 15 studenti monchi in ψ

Qual è la probabilità di A ∪ C ?

P(A ∪ C) = ³⁰⁺⁷⁰ / ₁₀₀ = 1

Probabilità di studenti monchi o femmine

P(A ∪ C) > P(Ω) = 1

Distribuzione normale standard

Misurazione: indicatore tecnico che possiamo definire il sistema relazionale europeo, ad ogni modo: un numero va ordinato in conformità con lo sviluppo

• un po' più in alto da un sistema relazionale europeo.
• struttura solidale empirico.

La parte che classifica viene rispettata, si considera (+) per gli elementi di una categoria e meno (-) per gli elementi appartenenti all'altra categoria.

Scala Nominale

Statistica descrittiva: livello non solo quello significante, l'insieme deve riprendere di ritardo, secondo un'unione precisa lo stato costitutivo deve rispettare la misurazione.

Il sistema relazionale europeo è e il gruppo riprende ecco me e 7 del campione.

Scala Ordinale

Gradazione affine: il numero ha un valore più tolto.

Scala a Intervalli

Distinzione fra elementi in termini non numerici (calcolo praticabile)

• ML: quanto direzione

Sistema relazionale empirico Pensiero: tecnica che rispetta la relazione

(^rel. uno.)

1. Principio: in regola precisa che non consente rispetto dell'equivalenza di numeroso.

Per sostituire i dati:

Statistica Descrittiva

• Per indici della stat. de rapporto distinguere gli indici rispetto della costituzione del sistema relazionale europeo.
• Indici di tendenza centrale
• Indici di dispersione e consolidità.

• Modalità
• Categoria con s/f
• Indici di dispersione
• Indicatori di epidermide
• Tutti più indici della classe precedente ai sensi in quelli successivi

Scala Nominale: indici di tendenza centrale - Moda (categoria con s/f)

Scala Ordinale

• Indice di tendenza centrale - Moda
• Indice di dispersione - HEDMAN (Livello di distribuzione non privilegiato)
• Indici di dispersione - Coefficiente di varianza

Disposizione, equa distribuzione Stato sistema eleva Indicatore di alimentazione

1. Indici sono perimetrali
2. Diritto solido, lontano degli altri
3. X core info specializzata
4. Diritto structurale

M=15

σ=2

Calcolare P(X≥17)

P(Z≥1)= 50 - 34,13 = 15,87

Calcolo P(X≤12)

P(Z≤-1,5)=4,32

Calcolare P(12≤X≤17)=P(-1,5≤Z≤1)=P(-4,32≤Z≤1) = 4,32 + 34,13 = 78,45

M=10

σ=1,5

Calcolare P(12≤X≤12,5)

Z₁= 12-10/1,5 = 1,33

Z₂= 12,5-10/1,5 = 1,66

Z₁=1,33 P(Z) = 40,32

P (1,33≤Z≤1,66)=

Z₂=1,66 P(Z) = 45,15

P (1,33≤Z≤1,66)= 45,15 - 40,82 = 0,933

Metodologia della ricerca #2

In base alle variabili decisionali (modello di analisi), le variabili si dividono in misure...

• Scala nominale
• Ordinali
• A intervallo
• Rapporto (ratio)

Variabili discrete (dicotomiche o categoriali) nominali_ordinali

Variabili continue (unità di misura, non andate a livello)

I soggetti della ricerca

La popolazione insiemeIl campione, sottoinsieme

Le ipotesi di ricerca

Testato noi ipotesi con poteri statistici.

Problema: La relazione tra età e sviluppo del pensiero Variabili: Età, pensiero Soggetti: Adolescenti Età: Fascia/età: 11 a 15 anni

Metodo di analisi dei dati

Il controllo delle ipotesi di ricerca (sono molti...) Fe la scelta del tipo d'ambiente di analisi di ave viene olso ti po di variabile.

Ipotesi di ricerca

Ipotesi statistiche a ripetere - ipotesi di ricerca sono primitive - N piatte - Utilizzano test di probabilità - Integrano validità (χ²) - Intorno al modello di analisi dove impresa e parametro - Abile del parametri massimi voloni introdusu (z)

Il testo apparso sulle bilaterali e simmetriche.

Modelli log-lineari sono sviluppati negli anni '70, prima si usava solo il X².

Il X² indicativo di se c'è una relazione tra le variabili.

I modelli log-lineari verificano la relazione e interpretano per incroci pari, ove precisione nell'interpretazione.

ANOVA: si lavora con modelli Modelli log-lineari: _frequenze.

L'uso di questi modelli ha consentito di trattare le variabili qualitative come le variabili quantitative.

Analisi bivariate N=40

B. Adempimento

• nella tabella ho le intersezioni al b₁ b₂ b₃ = 5
• quando lavoro con a marginali sto lavorando con una sola variabile.
• Quindi se lavoro sugli incroci:
• _{analisi bivariata}
• _{analisi univariata}

A=genere

Analisi trivariate N=80

A B proportanziate Centrale

seno Adempienti

a₁ a₂ c₁ c₂ c₃

La variabile B contiene anche in C ma non contiene nulla storie ripetendo

N^b bo la variabile, b _{totalità parde moltep ranto anche se adcepzione delle variabili opercenti.}

In quanto caso con a sono 2, con c sembrano estate 3

Qual è il totale di Adempienti b₁? 12+6+4+10+3+5 = totale

b₂? 5+14+2+4+2+14+15 = totale