grafici univariati: es. Distribution:
- variabile qualitativa: restituisce diagramma a barre
- variabile quantitativa (con tante modalità): restituisce istogramma. Si seleziona la variabile x e il number of bins (numero delle classi, genericamente da 5 a 15).
grafici bivariati: es. box plot ➔ seleziono le variabili y e x. Col box plot ho informazioni sulla forma della distribuzione e sulla presenza di outlier. Pivot (DATA): tabelle a doppia entrata. La prima variabile che si seleziona in “Categorical variables” viene posta sulle colonne, la seconda sulle righe.
Normalize by: serve a creare le frequenze subordinate, per riga o per colonna. Es. “percentuale di fondi emessi in Yen (colonna) fra le emissioni a basso rischio (riga)” ➔ normalizzo per riga. Se normalizzo “by total” mi dà le frequenze percentuali (o relative) congiunte. Explore (DATA): lavora sulle variabili numeriche. Si seleziona la variabile numerica, e si scelgono le funzioni da applicare in “Apply function(s)”. È possibile inoltre effettuare dei confronti raggruppando le variabili in “Group by”.

➢ Probabilità e Inferenza

Calcolo delle probabilità In BASICS è possibile trovare “Probability calculator”:

si seleziona la distribuzione della popolazione;
inserire media e scarto quadratico medio (sd = standard deviation), da calcolare in Explore del menu DATA;
tenere il flag in “Values”;
inserire i limiti superiore e inferiore. Inferenza sulla media Selezionare il menu BASICS, e quindi “Single mean”;
inserire la variabile;
inserire il tipo di test (una coda a dx, a sx, a due code);
selezionare lv. confidenza
selezionare “Comparison value”. Nella tabella viene indicata la media campionaria, la standard deviation (sd - > s ), l’ampiezza del campione, e gli eventuali valori mancanti. Nella parte sotto:
“diff” è la differenza tra la media campionaria e il comparison value;
se (standard error) è pari a sd/sqrt(n);
t.value è t, il valore osservato della statistica test;
p.value, va confrontato con alfa. Se voglio analizzare un sottoinsieme del campione, posso filtrare i dati in DATA, View e flaggare “Filter data”, inserendo: variabile == … mettere gli apici se si tratta di variabile qualitativa.

Inferenza sulla proporzione Selezionare menu BASICS, e quindi “Single proportion”;

inserire la variabile e la modalità;
inserire il tipo di test;
inserire “Comparison value”. Nella tabella si fa un riassunto dei dati immessi e, come prima, fornisce i risultati (tra cui il p.value). Test su campioni dipendenti In BASICS seleziono “Compare means”:
inserire le variabili da confrontare;
inserire il tipo di test (una coda dx, sx, due code);
flaggare “paired”;
selezionando “show additional statistics” ho altre info (se, t.value, estremi int. confidenza). Test su campioni indipendenti Come sopra ma flaggare “indipendent” (attenzione all’ordine con cui scegliere le variabili, prima quella qualitativa, poi quella quantitativa). Test sulla bontà di adattamento In BASICS seleziono “Goodness of fit”:
selezionare la variabile;
inserire le probabilità (di default sono uniformi);
flaggando sotto posso vedere le frequenze osservate e attese;
osservo il valore del p-value. Test di indipendenza statistica (Test Chi quadro) In BASICS seleziono “Cross tabs”:
selezionare le variabili;
posso flaggare per vedere frequenze congiunte osservate e attese;
osservo il valore del p-value. Test sull’assenza di correlazione In BASICS seleziono “Correlation”:
selezionare le variabili (tenendo premuto ctrl);
lasciare Pearson inserito di default nel metodo;
guardo la matrice dei p-value. Regressione lineare In MODEL seleziono “Linear regression”:
selezionare la variabile di risposta (y);
selezionare la variabile x;
cliccare “Estimate model”;
viene effettuato di default il test a due code sul coefficiente beta1;
si può osservare sotto R quadro (bontà del modello).