Master in Neuropsicologia Clinica
Elementi di Statistica I
Variabile casuale: variabile i cui valori non possono essere
esattamente predetti.
discreta: salti o interruzioni nei valori (conteggio…)
continua: non ha salti o interruzioni (altezza…)
(limite strumento di misura)
Distribuzione di probabilità di V.C. discreta:
Specificazione di tutti i valori possibili con le rispettive
probabilità…
Num. infarti ni
pi
pi
0
782
782/1464
0,534
pi ≡ fi
1
389
389/1464
0,266
1. pi ≥ 0
2
218
218/1464
0,149
3
75
75/1464
0,051
Totale
1464
24 maggio 2008
1,000
per ogni i
2. ∑pi = 1
3. P(Ai o Aj) = pi + pj per ogni i e j
1 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
graficamente…
Prob. Cumulata:
pi 1,000
0,900
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
F(x) = P(X≤ x)
-1
0
1
2
3
4
Num. Infarti
pi 1,000
0,900
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
-1
0
1
2
3
4
Num. Infarti
24 maggio 2008
2 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
graficamente…
Prob. Cumulata:
pi 1,000
0,900
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
F(x) = P(X≤ x)
-1
0
1
2
Num. Infarti
3
4
1,2
1
Num. infarti ni
pi
F(x)
0
782
0,534
0,534
1
389
0,266
0,800
2
218
0,149
0,949
3
75
0,051
1,00
Totale
1464
1,000
0,8
0,6
0,4
0,2
0
0
24 maggio 2008
1
2
3
4
5
3 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Distribuzione di probabilità per v.c. continue
v.c. continua: p.e. altezza di un oggetto
scala di misura: rapporti
modalità: infinite!
…tra due valori ne esisterà sempre un terzo che si trova in
mezzo…
Non è possibile specificare ogni singola p(xi)
Si è soliti considerare la probabilità che il valore cercato e
ignoto cada in un intervallo, ovvero p(a≤X≤b) con a<b
24 maggio 2008
4 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Piuttosto che di probabilità, si parla di funzione di densità di
probabilità, f(x)…
f i  100
hi 
di
Densità di frequenza:
70
Istogramma:
60
50
40
30
N. osservazioni
20
10
0
ai  di
k
18-29
fi 100
 f i  100
di
k
k
i 1
i 1
24 maggio 2008
i
42-53
54-65
66-77
78-89
90-101
Classe di età
 a   f 100  100 f
i
30-41
i 1
i
 100
5 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Ad ogni classe i di ampiezza di corrisponde una frequenza
relativa fi…
La classe i ha estremi [xi ; (xi+di)] → minore è di, più vicini
saranno gli estremi → se di tende a zero, la classe
tenderà al punto xi!!
24 maggio 2008
6 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
f(x)
funzione di densità
funzione di densità per X v.c. continua:
1. f(x) ≥ 0
2. Area = “∑” f(x) =1
3. Area (a-b) = P(a ≤ X ≤ b)
24 maggio 2008
7 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Funzione di ripartizione
Funzione di probabilità cumulata: F(x) = P(X ≤ x)
24 maggio 2008
8 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
La distribuzione Normale
Una variabile casuale si dice avere distribuzione di
probabilità Normale se la funzione di densità è del tipo:
1
f  x 
e
 2
n
2
x 


xi
 
i 1 n
  3,1415...
e  2, 71828...
24 maggio 2008
   x  
2 2
n
 
2
i 1
 xi   
2
n
9 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
f(x)
σ
μ
X
1. Simmetria rispetto alla media
2. Media, mediana e moda coincidono
3. Dipende dai parametri μ e σ
24 maggio 2008
10 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
• μ è parametro di scala
μ1
24 maggio 2008
<
μ2
<
μ3
11 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
•σ è parametro di forma
24 maggio 2008
12 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Famiglia di distribuzioni Normali
X ~ N(μ;σ2) → esistono infinite curve normali…
La più importante: Distribuzione Normale Standard
f(x) → z = (x - μ) / σ → Z ~ N(0;1) → f(z) = (2π)^(-1/2)exp(-z2/2)
24 maggio 2008
13 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Determinazione della probabilità…
1. Qual è la P(Z ≤ z0)?
• Tavola area tra -∞ e z
z0
24 maggio 2008
14 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
• Es. P(Z ≤ 0,96) = 0,8315
24 maggio 2008
15 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
2. P(-z0 ≤ Z ≤ z0) = ?
-z0
z0
-z0
24 maggio 2008
z0
16 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
• Es. P(-2,55 ≤ Z ≤ 2,55) = 0,9946 – 0,0054 = 0,9892
P(Z ≤ 2,55) = 0,9946
1 – P(Z ≤ 2,55) = 1 – 0,9946 = 0,0054
24 maggio 2008
17 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Descrivere le tabelle di contingenza
il caso 2x2
• Supp. 2 variabili X e Y ciascuna con 2 modalità/classi
j
Y
i
X
y1
y2
x1
n11
n12
n1.
x2
n21
n22
n2.
n.1
n.2
n
Tot.
Distrib.
Prob.
X
Tot.
24 maggio 2008
Y
Tot.
Distrib.
Prob.
Tot.
y1
y2
x1
π11
π12
π1.
x2
π21
π22
π2.
π.1
π.2
1
πij
pij
X
Tot.
nij
Y
Tot.
y1
y2
x1
p11
p12
p 1.
x2
p21
p22
p 2.
p.1
p.2
1
18 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Esempio
Infarto
sì
Farmaco
no
placebo
189
10845 11034
aspirina
104
10933 11037
293
21778 22071
Tot.
Infarto
sì
Farmaco
Tot.
24 maggio 2008
Tot.
no
Tot.
placebo
0,009 0,491 0,500
somm.
0,005 0,495 0,500
0,014 0,986
L’aspirina, riduce la prob.
di avere un infarto?
Confronto tra palcebo e aspirina
Prob. Congiunta pij
Prob. Marginale di X pi.
Prob. Marginale di Y p.j
1,00
19 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Distrib. Condizionata:
…dalla legge del prodotto: P(Y|X)=P(Y∩X)/P(X)
P(Yj|Xi)=P(Yj∩Xi)/P(Xi) → πj|i= πij/ πi.
πij= πj|iπi.
Se X e Y sono indip. → πj|i = π.j → πij= πi.π.j
Distrib.
Prob.
X
Tot.
24 maggio 2008
Y
Tot.
y1
y2
x1
π11
π12
π1.
x2
π21
π22
π2.
π.1
π.2
1
20 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Esempio
Infarto
sì
Farmaco
no
placebo
189
10845 11034
aspirina
104
10933 11037
293
21778 22071
Tot.
Infarto
sì
Farmaco
Tot.
24 maggio 2008
Tot.
no
Tot.
placebo
0,017 0,083
1,000
aspirina
0,009 0,991
1,000
Prob. sì|plac p1|1
Prob. no|plac p2|1
Prob. sì|asp p1|2
Prob. no|asp p2|2
21 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Rischio Relativo
• Confronto tra proporzioni di gruppi differenti
Infarto
sì
Farmaco
no
Tot.
RR ≥ 0
placebo
0,017 0,083
1,000
aspirina
0,009 0,991
1,000
RR = 1 ←→ X indip. Y
Tot.
RR = π1|1 / π1|2 = 0,017 / 0,009 = 1,89
la proporzione di coloro che ha sofferto di infarto è 1,89 volte più alta
per quelli che prendono il placebo rispetto a quelli che prendono
l’aspirina
Ovvero: la probabilità di avere un infarto è 1,89 maggiore per chi usa il
placebo rispetto a chi prende l’aspirina
24 maggio 2008
22 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Odds
• Confronto di proporzioni dello stesso gruppo
Infarto
sì
Farmaco
no
Tot.
placebo
0,017 0,983
1,000
aspirina
0,009 0,991
1,000
Ωi = π1|i / π2|i
Ωi ≥ 0
Tot.
Ω1 = π1|1 / π2|1 = 0,017 / 0,983 = 0,017
Ω2 = π1|2 / π2|2 = 0,009 / 0,991 = 0,009
Tra coloro che prendono il placebo (aspirina) è poco verosimile che si
presenti un infarto
Ovvero tra quelli che prendono il placebo (aspirina) ogni 98 (99) senza
infarto ce ne sono 2 (1) che presentano l’infarto.
24 maggio 2008
23 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Odds Ratio
• Confronto di odds
Infarto
sì
Farmaco
no
Tot.
θ≥0
placebo
0,017 0,983
1,000
θ=1 X indip. Y
aspirina
0,009 0,991
1,000
θ<1 y1 è più verosimile in x2
Tot.
θ>1 y1 è più verosimile in x1
θ = Ω1 / Ω2 = 1,89
L’odds della prima riga (ovvero del placebo) è quasi il doppio di quello
relativo all’aspirina
Ovvero l’evento (infarto) si verifica più verosimilmente nel primo caso
(placebo) che nel secondo (aspirina)
24 maggio 2008
24 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Infarto
sì
Farmaco
no
Tot.
placebo
0,017 0,983
1,000
aspirina
0,009 0,991
1,000
Tot.
1

2
 11
 1|1  1.  11
1 


 2|1  12  12
 1.
 1|2
2 
 2|2
 21
 2.  21


 22  22
 2.
1  11  21  11 22


/

 2  12  22  12 21
24 maggio 2008
25 / 25
Master in Neuropsicologia Clinica
Elementi di Statistica I
Se X e Y sono indipendenti, allora: πij = πi. π.j
πj|i = πij / πi. = πi. π.j / πi. = π.j
RR = π1|1 / π1|2 = π.j / π.j = 1
Ω1 = π1|1 / π2|1 = π.1 / π.2
Ω2 = π2|1 / π2|2 = π.1 / π.2
θ = Ω1 / Ω2 = 1
24 maggio 2008
26 / 25
Scarica

f(x)