*************Pagina in continuo allestimento***********

Quando si ha a che fare con analisi dati diverse da quelle consuete può capitare di chiedersi quale sia l’analisi statistica più adatta da applicare. Rispondere a tale domanda è molto difficoltoso in quanto il corretto strumento da utilizzare dipende dal tipo di dati a disposizione e dall’obiettivo dell’analisi. Qui cerchiamo di dare un vade mecum su come scegliere la corretta analisi statistica invitando il lettore a rispondere a delle semplici domande.

Le pagine saranno soggette a modifiche ed ad allestimento continuo e riporteranno anche nozioni statistiche e riferimenti ad appunti di lavoro di questo sito come approfondimenti.

Primo step per la scelta della corretta analisi statistica: individua la tipologia di dati o variabili a disposizione

Si possono avere infiniti tipi diversi di dati a disposizione per eseguire un’analisi. In genere è possibile suddividerli in 3 categorie. Clicca sulla tipologia di dati a tua disposizione per proseguire con il percorso per definire il test statistico.

  • Dati/variabili numerici continui: Si tratta di dati numerici che possono assumere qualsiasi valore all’interno di un intervallo. Un esempio può essere la misura di una caratteristica di un oggetto fisico come altezza, peso, conduttività elettrica etc.. In questa tipologia di variabili sono presenti variabili definite “intervals” o “ratio”. Le prime sono caratterizzate da valori continui per le quali un medesimo intervallo ha lo stesso valore in qualsiasi punto della scala di tale grandezza. Ciò vuol dire che nel caso della lunghezza, un intervallo di 1 cm è lo stesso tra 31 e 32 cm e tra 100 e 101 cm. Le seconde sono un sottoinsieme delle prime nelle quali si verifica la presenza di uno zero fisico. Grazie alla presenza di tale zero fisico ha senso eseguire rapporti tra tali grandezze. Per fare un esempio, possiamo dire che un lato di 100 cm è 4 volte più lungo di un lato di 25 cm. Infatti la lunghezza è una grandezza con uno zero fisico (“0cm significa lunghezza nulla”). Al contrario, non possiamo dire che un oggetto a 100 °C sia 4 volte più caldo di un oggetto a 25°C. Questo perchè per la temperatura in gradi Celsius lo zero è stato scelto arbitrariamente e non assume la valenza di temperatura nulla. Nel caso di temperature in gradi Kelvin invece talle asserzione è valida. Un corpo caldo 100K è 4 volte più caldo di un corpo a 25K.

  • Dati/variabili numerici discreti: si tratta di variabili numeriche che non possono assumere qualsiasi valore all’interno di un intervallo, ma solo valori prestabiliti (es. solo numeri interi). Si tratta comunque di variabili caratterizzate dal fatto che i valori possono essere tra di loro confrontati e posti in successione su di una scala.

  • Dati/variabili qualitativi o categorici: si tratta di variabili o dati non numerici. Esse si distinguono in variabili ordinali e nominali. Nelle prime è possibile ordinarle in successione (es. mesi dell’anno o squadre in classifica), nelle seconde no.

 

Scegli la statistica più adatta
Tag:                                 
%d blogger hanno fatto clic su Mi Piace per questo: