



Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Una panoramica dell'analisi dei dati di mercato, compreso l'identificazione e formulazione degli obiettivi, il processo quantitativo, i tipi e le caratteristiche dei dati. Il documento copre le categorie qualitative e quantitative, le distribuzioni di frequenza e probabilità, e le analisi univariata, bivariata e multivariata.
Tipologia: Appunti
1 / 6
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!




DATA ANALISIS (guarda slides) Ricerche di mercato Svolte da strutture interne (in caso di grandi aziende) oppure fornitori esterni generalisti( nielsen, ipsos, doxa) oppure ricerche multyclient ed ad hoc , inoltre vi sono i fornitori specializzati per segmento, attività e tipo d’analisi. PROCESSO DELL’ANALISI QUANTITATIVA DI MERCATO
Rappresentano informazioni intrinsicamente numeriche , si può eseguire ogni tipo di calcolo si suddividono in : A intervalli (lo zero è convenzionale) A rapporti (lo zero significa assenza del fenomeno) I numerici sono suddivisi in discreti (conteggio) o continui (misura). I numeri sono sempre rappresentati come un insieme finito di cifre, quindi non esistono numeri reali, sono sempre numeri interi. DATI BINARI (dicotomici) Sono dati nominali, ma si possono utilizzare come dati numerici in molte analisi, un dato categorico con k categorie si può trasformare in k dati binari. (one hot encoding) Codificando i dati con risposte si o no e reinterpretandoli con 0 si o 1 no ad esempio. Codificando la variabile posso trovare la media di una variabile inizialmente categorica. Qualunque variabile categorica nominale può essere convertita in un insieme di variabili binarie. LIVELLI DI ANALISI
la correlazione non implica una relazione di causa effetto: afferma che tra due variabili c’è una relazione sistematica, ma non che una determina l’altra. (esempio di relazioni non lineari sono le parabole ). Mi dice se c’è una relazione, non di che tipo di relazione si tratta.(ci dice la forza della relazione) RELAZIONE TRA UNA VARIABILE CATEGORICA ED UNA NUMERICA Si analizza mediante la differenza in media La variabile categorica identifica i gruppi Si confrontano le medie della variabile numerica nei gruppi Se le medie nei gruppi sono diverse c’è una relazione Se le medie sono uguali non c’è relazione CORRELAZIONE E DIFFERENZA IN MEDIA Sono concetti diversi ed indipendenti. RELAZIONE TRA DUE VARIABILI CATEGORICHE Dipendenza o indipendenza tra due variabili categoriche Si analizza con le frequenze congiunte, che si rappresentano con tabelle a doppia entrata In tabella righe e colonne sono le due variabili categoriche, le frequenze ai bordi sono i totali di righe e colonne (distribuzioni di frequenza delle variabili) Le frequenze congiunte ci mostrano la frequenza dei casi che presentano una determinata caratteristica delle due variabili categoriche. Due variabili sono indipendenti se la distribuzione di una non dipende dai valori dell’altra. Si vede vedendo le distribuzioni relative delle singole righe. (se le frequenze sono uguali su tutte le righe è uguale alla riga dei totali in colonna. Le variabili sono indipendenti quando sono uguali su tutte le colonne ed inoltre uguali a quella dei totali. Indipendenza significa che : le percentuali di riga sono approssimativamente uguali in tutte le righe (uguale per le colonne) le frequenze congiunte dipendono solo dalle frequenze marginali le frequenze osservate sono uguali a quelle teoriche frequenza teorica dipende solo dalla frequenza marginale Frequenza teorica= frequenza che avrei se le variabili fossero indipendenti = totale riga per totale colonna diviso numero totale di unità (guarda slide) Se le teoriche corrispondono alle osservate vi è indipendenza. X al quadrato (chi quadrato) , valore che confronta le frequenze osservate con le frequenze teoriche calcolando la distanza dall’indipendenza. ( differenza al quadrato tra freq.osservate e freq. Attese diviso le frequenze teoriche (che sono uguali alle attese)
Chi quadrato= 0 indipendenza Chi quadrato maggiore di 0 vi è dipendenza 19/10/ (guardare slide) DISTRIBUZIONE DI PROBABILITÀ Le distribuzioni di frequenza sono in genere basate su dati osservati (basati su un campione) Le distribuzioni di probabilità sono i corrispondenti modelli teorici probabilistici di riferimento Ne esistono moltissime, per modellare fenomeni diversi Si distinguono distribuzioni discrete e continue (variabile discreta= distribuzione discreta, variabile continua= distribuzione continua) DISTRIBUZIONI DI PROBABILITÀ DISCRETE Una distribuzione discreta è un’associazione tra i valori che una variabile aleatoria può assumere e la probabilità di ognuno di questi valori. La somma delle probabilità è uguale a 1. DISTRIBUZIONI CONTINUE Per variabili discrete la probabilità è concentrata nei punti Per variabili continue la probabilità è l’area che sottende la curva L’area totale sotto la curva è 1 La probabilità in un singolo punto è zero L’area sotto la curva tra i due valori presi in considerazione a e b rappresenta la probabilità che x sia compresa tra questi due valori. DISTRIBUZIONE NORMALE La distribuzione normale (gaussiana) è una distribuzione continua definita trameno infinito e più infinito. Importante ricordare che nella formula gli unici due parametri sono media e la varianza (deviazione standard) della distribuzione. La media caratterizza la posizione orizzontale, facendo scorrere la curva lungo l’asse orizzontale. La deviazione standard ci indica quanto è concentrata la probabilità nella curva, più la deviazione è ampia più la curva è schiacciata e si disperde la probabilità. La distribuzione normale è simmetrica con le probabilità concentrate al centro, media= moda= mediana. Una volta passati dal caso pratico al caso teorico sono in grado di rispondere a domande come : Qual è la probabilità di valori tra a e b? Qual è la probabilità di aver valori maggiori di a? Per calcolare l area utilizzo stat distribution.com La distribuzione normale è la forma limite delle altre distribuzioni. DISTRIBUZIONE NORMALE STANDARD Se la media è 0 e la deviazione standard è 1 la distribuzione è una normale standard. Qualunque variabile casuale normale può essere convertita in una variabile standardizzata madiante l’operazione di standardizzazione: Z= x-media fratto deviazione standard + slide