





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
Come utilizzare la regressione lineare semplice per analizzare una relazione bivariata tra due variabili quantitative o qualitative. Viene descritto come costruire un modello ipotetico, come calcolare l'intensità dell'effetto esercitato da una variabile su un'altra e come interpretare gli errori di previsione. Anche una formula per calcolare il coefficiente di determinazione r^2, che misura la parte di variabilità di una variabile dipendente spiegata da una variabile indipendente nel modello di regressione.
Tipologia: Schemi e mappe concettuali
1 / 9
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!






L’obiettivo è di determinare la
Quindi, quando i punti sull’asse Y hanno X=0, la retta, in corrispondenza del suo punto di intersezione con l’asse y, ha un'altezza pari ad alfa.
Lo stimatore è calcolato con la formula (slide pag 29) coefficiente a: valore atteso di Y quando X è uguale a 0 coefficiente b: cambiamento atteso in Y associato a un cambio di una unità in X. Nella formula numeratore somma dei prodotti delle deviazioni di X e Y dalle rispettive medie. Se questa somma è divisa per “n-1” si ottiene la covarianza denominatore scarto dalla media al quadrato. Se dividiamo per “n-1” otteniamo la varianza campionaria Però, dal momento che n-1 compare sia a numeratore che denominatore, si elimina perché non serve a un cazzo. Quindi, lo stimatore del coefficiente di regressione = rapporto tra la covarianza tra Y e X e la varianza di X. In base alla vicinanza o lontananza della linea di previsione dai punti nel diagramma, avremo grandezze dei residui differenti. Le grandezze dei residui si calcolano facendo la SSE (somme degli errori di previsione al quadrato). La quantità descrive la variazione dei dati attorno alla linea di previsione. Quando calcolo la retta di previsione prendo le stime con i più piccoli valori di SSE. Quindi, la retta di previsione è chiamata retta dei minimi quadrati e
In sostanza, l’errore standard della regressione si può considerare una misura dell’errore di predizione medio attribuibile alla retta di regressione. Perciò il valore R^2 dipende da tre elementi
Introduzione alla probabilità Dal momento che i fenomeni che analizziamo possono avere una natura incerta, è necessario il concetto di probabilità che consente di quantificare l’incertezza. Esperimento\prova casuale o aleatoria:
E’ possibile che si verifichino entrambi contemporaneamente. EVENTI COMPLEMENTARI I due eventi sono incompatibili però uno dei due si verifica certamente.
Formato da due eventi singoli, ossia il risultato di due eventi semplici; quindi quante probabilità ci sono che si verifichino i due eventi singoli contemporaneamente.
i due eventi semplici possono essere fra loro