Informatica Sperimentale 07-08 [IS]

Per chi si chiedeva a cosa servisse tutto ciò....

www.adalta.it/Pages/Training_Sta ... IDCorso=44

:shock: :shock:

grazie per la risposta..

Salve ragazzi,
In clase il proff ha detto che i test si statgraphics sono two-tail e sono (come ovvio) per testare l'uguglianza statistica di media|varianza|mediana etc.. per avere invece un confronto del tipo <,> dobbiamo fare un test one-tail.
Come si fa dunque un test one-tail in statgraphics? lo posso fare per ogni tipo di test o solo per quelli parametrici?

daniele_puff ha scritto:

Salve ragazzi,
In clase il proff ha detto che i test si statgraphics sono two-tail e sono (come ovvio) per testare l'uguglianza statistica di media|varianza|mediana etc.. per avere invece un confronto del tipo <,> dobbiamo fare un test one-tail.
Come si fa dunque un test one-tail in statgraphics? lo posso fare per ogni tipo di test o solo per quelli parametrici?

Ok sembra che forse sono in grado di rispondermi da solo, ho fatto click con il tasto destro nella finestra del test (quello della mediana per essere precisi) e ho trovato Pane Options -> alt. Hypothesis dove è possibile scegliere Not equal, less than and greater than. Penso che sia qui che possiamo cambiare quello di cui parlavo. Qualcuno può confermare?

Ragazzi ho un probelma con la teoria. Non ho capito molto bene il Case Study arrangements e il Confounding factors pagina 13 del libro.

Qualcuno può spiegarmeli meglio?
Grazie a chi risponde

Case study arrangements

Per evitare minacce alla validità interna si può agire in 3 modi:

1) Comparare i risultati ottenuti col nuovo metodo rispetto al metodo standard dell'azienda.

2) Si può utilizzare un progetto "sorella" come baseline. Il progetto sotto esame usa il nuovo metodo, quello "sorella" il metodo attuale. Però entrambi i progetti devono avere le stesse caratteristiche, ossia devono essere comparabili.

3) Molto simile a un esperimento....se il metodo si applica a componenti singole del prodotto, allora esso può essere applicato in maniera random ad alcune componenti e non ad altre.

Confounding factors

Quando si esegue un case study bisogna minimizzare gli effetti dovuti a fattori che possono confondere. Un "confounding factor" è un fattore che rende impossibile distinguere gli effetti di 2 fattori dagli altri. Un esempio è non riuscire a capire se un certo metodo risulta migliore di un altro perchè il tool è migliore o i soggetti sono + esperti. Con un esperimento questi fattori sarebbero controllati e mantenuti a un livello costante, ma qui non avviene.