Paniere Statistica

L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera popolazione a partire da dati raccolti

La statistica descrittiva: Organizza e riassume i dati

La popolazione è: L’ universo di elementi che forma l’ oggetto di uno studio statistico

Il campione è: Un sottoinsieme della popolazione

Un campione rappresentativo è: Casuale

La statistica permette di ragionare: Facendo deduzioni ed induzioni

Il campionamento a blocchi è: Caratterizzato da cluster

Il campionamento stratificato è: Caratterizzato da popolazione divisa in sottogruppi omogenei

Il campionamento sistematico è: Caratterizzato dalla selezione di un elemento ogni k elementi successivi

Organizzare, riassumere, analizzare i dati relativi ad un fenomeno, ottenuti

La statistica ci offre gli strumenti per:
attraverso le misurazioni.

Definizione degli obiettivi della ricerca; Rilevazione dei dati; Elaborazione

Le fasi di una indagine statistica si conviene siano le seguenti: metodologica; Presentazione ed interpretazione dei risultati; Utilizzazione dei
risultati raggiunti.
L'indagine statistica può essere: Campionaria o di tipo censuario
La statistica induttiva: Fa inferenza
La mutabile è: Un carattere qualitativo
Consideriamo la relazione y=f(x), dove x è rappresentato dall'inflazione ed y sono i tassi di
x è la variabile indipendente
interesse nell'Euro Area:
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di
y = 10; la relazione è lineare
relazione:
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di
y = 100; la relazione è non lineare
relazione:

La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a: 1

Il reddito pro-capite è una: Variabile continua

Il numero di lanci di una moneta è una: Variabile discreta
Che cosa è l'unità statitistica: L'unita elementare oggetto di osservazione e di studio
La popolazione è finita: Quando è determinabile il numero di unità che compongono

Il lancio di una monetà è un esempio di: Popolazione infinita

Il carattere sesso è: Carattere qualitativo sconnesso
Il carattere età è: Un carattere continuo
Il carattere titolo di studio è: Un carattere qualitativo rettilineo
Il carattere stato civile è: Carattere qualitativo sconnesso
Il carattere numero di figli è: Carattere discreto
Il carattere professione è: Un carattere qualitativo sconnesso
Non è una scala di misura delle manifestazioni di un carattere statistico: La scala semilogaritmica
La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è stata osservata
La frequenza relativa è uguale: ni/n
In una distribuzione statistica, la somma delle frequenze relative: È sempre uguale a 1
Una classe è aperta: Se entrambi gli estremi sono esclusi
Una classe è chiusa: Se entrambi gli estremi sono inclusi
L'ampiezza della classe è: La differenza tra estremo superiore e estremo inferiore della classe
La classe è chiusa a sinistra se: Solo l'estremo sinistro è incluso
Il valore centrale è: La semisomma dei due estremi
In una tabella doppia se entrambi le variabili sono qualitative, si parla di: Tabella di contingenza
In una tabella doppia se entrambi le variabili sono quantitative, si parla di: Tabella di correlazione
La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una serie di
Istogramma
rettangoli contigui viene chiamata:
Si ottengono dal rapporto tra la frequenza di una classe e l'ampiezza della classe
Le densità di frequenza di un istogramma:
medesima
Come viene classificato l'ortogramma: Sia a nastro sia a colonne
Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi: L'istogramma e box-plot
La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in tanti spicchi,
Diagramma circolare
viene chiamata:
Per la costruzione di un box plot si utilizzano i seguenti valori: Xmin Q1 Med Q3 xmax
Il box plot, rappresentato tramite un rettagolo, è diviso al suo interno: Dalla mediana
Sulla variabilità, sulla presenza di valori anomale e sulla simmetria/asimmetria
Il box plot fornisce informazioni:
della distribuzione
 All'interno del rettangolo (box plot) sono contenute: Il 50% delle osservazioni
Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi: Ortogramma e diagramma circolare
Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle frequenze teoriche
La somma delle contingenze di ciascuna riga e di ciascuna colonna sono: Nulle
L'indice chi-quadrato di Pearson (χ2) : Dipende dalla dimensione del collettivo
Se si raddoppia la numerosità campionaria, il valore del chi-quadrato: Raddoppia
Il max χ2 è uguale: n x [min (r-1; c-1)]
L'indice di connessione di Cramer varia: Tra zero e uno
Quali di questi indici è relativo: L'indice di connessione di Cramer
Indice chi-quadrato è un indice: Simmetrico
Si chiama contingenza: La differenza tra frequenze osservate e frequenze teoriche
L'indice di contingenza quadratica medio φ2è uguale: χ²/n
Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442; 0,466;
0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il 0.4415
peso medio:

Consideriamo i seguenti dati: classe 10-20 con frequenza 5; classe 20-30 con frequenza 8; classe
34.19
30 - 40 con frequenza 12; classe 40 - 50 con frequenza 9; classe 50-60 con frequenza 3

La media geometrica è uguale: Alla radice n-esima del prodotto dei termini
Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12: 6.43
Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto: 1,103 1,031
1.04
0,939 1,097:

I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in
82
centesimi). I pesi attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media dei voti:

La media armonica è: Il reciproco della media aritmetica dei reciproci dei termini
Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da D a C alla
32km/h
velocità di 20 km/h. Determinare la velocità media dell'intero tragitto:
La media armonica è particolarmente usata: Quando si mediano rapporti di tempo
La media geometrica è particolarmente usata: Quando i diversi valori vengono per loro natura moltiplicati
Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28: 22
Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7: 0
Il secondo quartile coincide con: La mediana
Si consideri la seguente distribuzione in classi pesi frequenze: la classe mediana: 58-62
Con riferimento alla domanda 4 la mediana: 61.52
Quel valore che lascia alla sua destra il 75% delle osservazione e alla sua sinistra il
Il primo quartile:
25% delle osservazioni

Si consideri la seguente distribuzione in classi pesi frequenze: Calcolare il primo quartile: 55.97

Si consideri la seguente distribuzione in classi pesi frequenze: Calcolare il terzo quartile: 69

Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si chiama: Moda
Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad assumere differente modalità
Quale dei seguenti indici indica la variabilità di una serie dei dati: Scarto quadratico medio
La devianza è: La somma degli scarti dalla media aritmetica al quadrato
Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5: 23,75
Il coe iciente di variazione è dato dal rapporto, espresso in termini percentuali, tra: Lo scarto quadratico medio e media aritmetica
Il campo di variazione è dato dalla: Di erenza tra valore massimo e minimo della distribuzione
La mutabilità è: L'attitudine di un fenomeno qualitativo ad assumere differente modalità
La di erenza interquartile è data dalla: Tra terzo e primo quartile
Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5: 4,87
Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando: La radice quadrata del rapporto tra devianza e numerosità del collettivo
Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21: Non è simmetrica
L'asimmetria di una distribuzione può essere: Nulla, positiva o negativa
Il grado di schiacciamento di una distribuzione intorno al suo centro di gravità e
La curtosi rappresenta:
rispetto alla curva normale
Il coefficiente di curtosi di Pearson è uguale: Momento quarto/quadrato della varianza
La distribuzione di dice leptocurtica se: E' più appuntita rispetto alla normale
La distribuzione di dice platicurtica se: E' più schiacciata rispetto alla normale
Se la distribuzione è asimmetria negativa si ha: Med-Q1 > Q3-Med
Se la distribuzione è asimmetria positiva si ha: Med-Q1 < Q3-Med

L'indice di asimmetria Skewness di Pearson è calcolato: Come differenza tra la media aritmetica e la moda divisa la deviazione standard

I valori del caratteri sono distributi con frequenze differenti attorno al suo valore
L'asimmetria di una distribuzione denota che:
centrale
L'indipendenza in media: Non è un concetto simmetrico
Il rapporto di correlazione di Pearson varia: Tra 0 e 1
Si ha concordanza tra due variabili se: Cod(X,Y)>0
Si ha discordanza tra due variabili se: Cod(X,Y)<0
Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro): 28.8,
-577.6
24.2,20,18.2,16. La codevianza (X,Y) è:
Il coe iciente di correlazione: E' un numero puro
La covarianza (X,Y): E' una misura simmetrica
Si ha indipendenza correlativa tra due variabili se: Cod (X,Y)=0
Si ha indipendenza in media tra due variabili statistiche se: Le media parziali sono uguali tra di loro ed uguali alla media generale
Due variabili si dicono perfettamente correlate se: Il coefficiente di correlazione è pari a 1 in valore assoluto
Il coefficiente angolare bi rappresenta: La pendenza della retta

Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2,
y^= 39,882-0,1857xi
20, 18.2, 16,2. Determinare l'equazione della retta:
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2,
0.965
20, 18.2, 16,2, il coefficiente di determinaziome lineare è:
La devianza di regressione misura: Quanta parte della variabilità della Y è spiegata dalla relazione lineare
Se la Cod (X,Y)>0: La retta di regressione è crescente
Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione
Il coe iciente di determinazione lineare è: Il quadrato del coefficiente di correlazione lineare
Se il coe iciente di correlazione r=0: Non c'e correlazione lineare
Il coefficiente di determinazione lineare è uguale a 1 se è nulla: La devianza residua
Un esperimento casuale è: Un'operazione il cui risultato non può essere previsto con certezza
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B: A∪B={1,2,3,4}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ∪ B ∪ C: A∪B∪C={1,3,5,7,9,10}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B: A∩B={3,5}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C: A∩C={1,5}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C: B∩C={5,9,10}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C: A∩B∩C={5}
Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω ha
P(Ω)=1
probabilità:
La probabilità dell'unione di due eventi A e B non incompatibili: P(A∪B)= P(A)+P(B)-P(A∩B)
Se due eventi A e B sono indipendenti allora: P(A∩B)= P(A)P(B)
Esprime la probabilità che la variabile casuale assuma valori inferiori o uguali ad
La funzione di ripartizione di una variabile casuale:
un valore fissato

Una distribuzione di probabilità di una variabile casuale: L'insieme delle coppie probabilità dei diversi valori possibili della variabile casuale

Affinchè una v.c X continua sia ben definità occorre che: #UNKNOWN!

La Var (aX+b) è: a e b sono due costanti reali: Var (aX+b)=a²Var (X)

Il valore atteso E(b+X) è: (b è una costante reale): E(b+X)=b+E(X)
Una variabile casuale continua X: Assume tutti i valori appartenti ad un intervallo

Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile allora X è: Discreta

Una variabile casuale: E' una funzione definita sullo spazio dei campioni
Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali): E(X+Y)= E(X)+E(Y)
La funzione di ripartizione di una variabile casuale discreta: E' una funzioni a gradini non decrescente
La distribuzione della normale standardizzata: Ha media uguale a 0 e varianza uguale 1
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2: 0.3849
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,4: 0.4192
La variabile casuale chi-quadrato: Non può assumere valori negativi
La variabile casuale F di Fisher-Snedecor: Ha valore atteso E(F)= m/(m-2)
La variabile casuale t di student: Al tendere di n all'infinito la v.c t di student tende alla normale standardizzata
La distibuzione normale è: E' simmetrica rispetto al valor medio
Può essere utilizzata per descrivere casi in cui gli esiti possibili di una prova sono
La distribuzione binomiale:
solo due
La variabile casuale uniforme discreta: E' tale che ogni sua realizzazione è equiprobabile
A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94: 0.1828
Nel campionamento bernoulliano: Ogni unità statistica può entrare a far parte più volte del campione
Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre, con
25 possibili campioni
ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto da:
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione,
16 possibi campioni
un campione casuale di numerosità 2. Lo spazio campionario è composto da:
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione,
64 possibili campioni
un campione casuale di numerosità 3. Lo spazio campionario è composto da:
Una statistica è: Una variabile casuale definita sui campioni
Afferma che al crescere di n la forma della distribuzione della media campionaria
Il teorema del limite centrale:
si approssima alla forma normale
Nel campionamento bernoulliano: I risultati delle estrazioni sono indipendenti
Una distribuzione campionaria è: La distribuzione di probabilità di una statistica
La media della distribuzione della media campionaria: Coincide con la media della popolazione
Lo schema di campiomento con ripetizione coincide con lo schema di
Quando la popolazione è infinita:
campiomaento senza ripetizione
La stima attraverso la quale si giunge alla determinazione di un solo valore
Cosa si intende per stima puntuale:
numerico per uno o più parametri della popolazione
La stima attraverso la quale si giunge alla determinazione di un intervallo, che
Cosa si intende per stima intervallare:
include il parametro stimato, con livello di confidenza 1-
Uno stimatore corretto: È tale che il suo valore medio coincide con il valore del parametro da stimare
Se lo stimatore è corretto: EQM=Varianza dello stimatore
Al crescere della numerosità campionaria, tende a concentrarsi sul parametro da
Uno stimatore si dice consistente:
stimare
Lo stimatore di un parametro: È una variabile casuale
Se entrambi sono non distorti, il confronto tra i due stimatori in termini di efficienza
Dati due stimatori T1 e T2 di uno stesso parametro:
può essere effettuato solo sulla base della varianza
Uno stimatore corretto è più efficiente di un altro stimatore corretto del parametro'teta'non noto
Se presenta varianza inferiore
se:
Lo stimatore varianza campionaria corretta: Ha media pari al parametro da stimare
Si definisce stima: Il valore assunto dallo stimatore per un dato campione
Un intervallo di valori che si ritiene contenga il vero parametro della popolazione
Un intervallo di confidenza è:
con una prestabilita "fiducia"
 Una quantità che è funzione delle osservazione e del parametro del quale si vuole
Una quantità pivotale è: costruire l'intervallo di confidenza, con la caratteristica che la sua distribuzione è
nota e non dipende dal parametro in esame
L'ampiezza dell'intervallo è tanta più elavata quanto più: n è piccolo
Per trovare l'intervallo di confidenza per la media di una popolazione normale, si utilizza la t di
La varianza della popolazione non è nota
student, anziché la normale standardizzata perché:
Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si può costruire
Basato sulla distribuzione normale standardizzata
l'intervallo di confidenza:
Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con
La distribuzione t di student
varianza non nota (n
Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se ne sono
trovati 20 difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi IC=[0,1216;0,2784]
difettosi:
Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di tempo, sia
di 3,42 gr con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di confidenza al IC=[2,92;3,92]
99% per la media della popolazione di peso dei pezzi di metallo:
Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria uguale a 33.
Costruire un intervallo di confidenza al 90% per la media della popolazione, la quale si distribuisce IC=[30,723; 35,277]
normalmente con varianza pari a 115:
Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con
La distribuzione normale standardizzata
varianza nota, si utilizza:
Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina. Determinare la
numerosità campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%, n=751,67
tollerando un errore non superiore al 3%:
In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo: 0.0124
Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al 95% per il
contenuto medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una n=31
distribuzione normale con σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6 mg:

In riferimento alla domanda 1 la numerosità n è uguale:

Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizionesi ha che:

L'ampiezza dell'intervallo di confidenza per una proporzione è:

Nel caso di estrazione con ripetizione la deviazione standard delle frequenze campionarie è:

Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze campionarie è:

Una partita di pistoncini di freni presenta un diametroμ incognito; la varianza del diametro dei
pistoncini è invece nota e pari 0,01 cm. Si estrae un campione di n=1000 pistoncini, sui quali si
IC=[1,1938;1,2062]
osserva un diametro medio pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ ad un livello di
confidenza del 95%:

L'ampiezza A dell'intervallo di confidenza per :

Un ipotesi statistica è: Un affermazione sulla distribuzione di probabilità di una variabile casuale

Consiste nel formulare, sulla base di dati campionari, un giudizio che induca ad
La verifica delle ipotesi:
accettare o rifiutare l'ipotesi nulla, con un prefissato livello di significatività
I parametri caratteristici di una particolare distribuzione di cui si conosce la forma
L'ipotesi parametrica riguarda:
analitica
Le ipotesi statistiche: Si tratta due ipotesi alternative complementari e logicamente escludentisi
L' ipotesi statistica è semplice: Se si assegna al parametro un valore puntale
Si commette un errore di prima specie: Nel rifiutare l'ipotesi nulla quando in realtà è vera
Si commette un errore di seconda specie: Nell' accettare l'ipotesi nulla quando in realtà è falsa
Cosa indica il livello di significatività: La probabilità massima con cui accettiamo di rischiare l'errore di prima specie
La potenza del test è: La probabilità di rigettare l'ipotesi nulla quando è giusto farlo
Aumentando il livello di significatività: Aumenta la potenza del test
Sia data una popolazione normale con varianza non nota. Volendo verificare l'ipotesi: contro . La #UNKNOWN!

statistica test da utilizzare è:

Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività dello 0,05. La
z < - 1,645
regione di rifiuto per il test Z è:
Si vuole sottoporre a verifica l'ipotesi: contro usando un livello di significatività dello 0,05. La
t < -2,120 o t > 2,120
regione di rifiuto per il test T con 16 gradi di libertà è:
Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi: contro . La
statistica test da utilizzare è:
Si vuole sottoporre a verifica l'ipotesi: H0:μ = μ0 contro H1:μ ≠ μ0, usando un livello di
z ≥ 1,96 ; z ≤ -1,96
significatività dello 0,05. La regione di rifiuto per il test Z è:
Si vuole sottoporre a verifica l'ipotesi: contro usando un livello di significatività dello 0,05. La
z ≥ 1,96, z ≤ - 1,96
regione di rifiuto per il test Z è:
Si vuole sottoporre a verifica l'ipotesi: contro usando un livello di significatività dello 0,05. La
t > 1,746
regione di rifiuto per il test T con 16 gradi di libertà è:
 Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività dello 0,01. La
t < - 2,552
regione di rifiuto per il test T con 18 gradi di libertà è: contro:
Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività dello 0,01. La
> 2,567
regione di rifiuto per il test T con 17 gradi di libertà è:
Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività dello 0,10. La
z ≤ - 1,28
regione di rifiuto per il test Z è:
La verifica dell'ipotesi di indipendenza mira a verificare: L'indipendenza stocastica

Due variabili sono stocasticamente indipendenti se:

Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza, i gradi di

(r-1)(c-1)
libertà corrispondono:
Se il : Si accetta l'ipotesi di indipendenza stocastica
E ettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 5x5, i
16
gradi di libertà corrispondono:
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 5x4, i gradi
12
di libertà corrispondono:
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 6x6, i gradi
25
di libertà corrispondono:
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3 la cui
frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione Chi- quadrato con 4 gradi di libertà
approssimativamente:
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 4x3 la cui
frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione Chi- quadrato con 6 gradi di libertà
approssimativamente:

Se il : Si rifiuta l'ipotesi di indipendenza stocastica

L'ipotesi di indipendenza stabilisce che:

Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici

Il coefficiente angolare b1 indica: La pendenza della retta

Il valore atteso dello stimatore B1 è: E(B1)=β1
Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza degli errori è il
E(MSE*)= σ2
MSE* = SSE*/n-2, il cui valore atteso è:
In base al teorema di Gauss Markov, gli stimatori dei minimi quadrati: Sono i più efficienti

La varianza dello stimatore B1 è:

Il coefficiente angolare b1 è dato: b1= COD. (X,Y)/ DEV(X)

Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi forte: Ipotesi di normalità

Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi debole: Ipotesi sulla variabile esplicativa

Per stimare il parametro: MSE*= SSE*/n-2

Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce come: come una t di Student con n-2 gradi di libertà
Il coefficiente di determinazione lineare è: il quadrato del coefficiente di correlazione lineare
Il coefficiente di determinazione lineare varia tra: 0 < R2<1
Se il coefficiente di correlazione r= 0: Non c'e relazione lineare tra X e Y

Il E(SSR*) è uguale:

Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione

Nel modello di regressione lineare semplice la devianza residua risulta uguale a:

Nel modello di regressione lineare semplice per verificare l'ipotesi H0:β1=0 contro H0:β1 ≠ 0 si può
con 1 e n-2 gradi di libertà
utilizzate la quantità F che è una v.c F di Fischer -Snedecor con :

In riferimento alla tabella che mostra la decomposizione della devianza totale, il rapporto F è
uguale:

La distribuzione di frequenza è: Il calcolo delle frequenze per ciascun valore o categoria della variabile
La frequenza cumulata: Può essere uguale alla relativa
Per produrre la distribuzione di frequenza percentuale occorre: Moltiplicare per 100 le frequenza relative
Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire che... Il numero di colonne dipende dai caratteri osservati
La matrice dei dati è composta: Da n vettori
L’Istogramma è una: Modalità di rappresentazione della rilevazione statistica
Le matrici sono composte da: N righe e k colonne, con k che può essere eguale o diverso da n
Il numero dei caratteri in una matrice: Non dipende dalla numerosità della popolazione
Per calcolare le frequenze cumulate relative occorre dividere: Le frequenze cumulate per n
La frequenza assoluta, cioè quante volte una coppia di modalità si presenta
Una tabella a doppia entrata registra:
contemporaneamente per X e per Y
Sintetizzare in un singolo valore numerico l’intera distribuzione di frequenza per
Le misure di posizione hanno l’obiettivo di:
effettuare confronti nel tempo, nello spazio o tra circostanze differenti
La moda è un: Indice di tendenza centrale

Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è pari a: 5.66

Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è pari a: 8.5
 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a: 9.5
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la moda è pari a: 1
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a: 2

Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è pari a: 8

Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore massimo è
-1
pari a:
Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media geometrica: "=[Link]"

Si consideri la popolazione di 20 unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}.

Media aritmetica
Indicare quale indice di posizione appare rappresentativo dell'intera distribuzione:

La proprietà moltiplicativa degli indici di tendenza centrale: Permette cambiamenti di scala nell'indice
La proprietà lineare degli indici di tendenza centrale: E' diversa da quella moltiplicativa

La proprietà lineare degli indici di tendenza centrale: E' basata sulla relazione di linearità tra le variabili ed i rispettivi indici di posizione

La proprietà di monotonicità degli indici di tendenza centrale: E' basata sulla comparazione tra le variabili ed i rispettivi indici di posizione
La varianza si calcola: Per popolazioni e campioni
La varianza del campione è: Calcolata con i dati del campione rappresentativo della popolazione
Una variabilità alta in luogo di una variabilità bassa Diminuisce le capacità previsive dei modelli statistici
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare quale
Moda
indice di posizione appare rappresentativo dell'intera distribuzione:
Si consideri la popolazione di unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale indice di posizione appare Moda
rappresentativo dell'intera distribuzione:
Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con
29
30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel
12
test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con
12
30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)
Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel
7
test con 30 domande: (2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
Lo scostamento di ogni valore della distribuzione dalla media, preso in valore
Lo scostamento semplice medio riguarda:
assoluto
Lo scostamento quadratico medio riguarda: La media degli scarti al quadrato tra i dati e la M
Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier: Può aumentare le capacità descrittive e previsive del modello statistico
La varianza fornisce: La misura sintetica di quanto le unità differiscono dalla media aritmetica
Usando la mediana in luogo della media nel calcolo della varianza: È bene eliminare i valori anomali ed estremi
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier: Indica che è stato commesso qualche errore nei calcoli o nel programma
La Statistica è sinonimo di: Scienze statistiche
Mediante il rapporto tra la frequenza di una modalità rispetto a quella
Il rapporto statistico di coesistenza si ottiene:
corrispondente di un’altra modalità
Dividendo il valore rilevato in una data circostanza per l’analogo valore rilevato per
Il rapporto statistico di composizione si ottiene:
l’intera popolazione
Mediante il rapporto tra la dimensione globale di un fenomeno e quella spaziale a
Il rapporto statistico di densità si ottiene:
cui esso fa riferimento
I numeri indice sono: Rapporti statistici
I numeri indice sono: Strumenti matematici
Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in
Capire quale delle due unità presenta un andamento migliore
particolare:
L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base
Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è: Il denominatore nel calcolo del numero indice
Dividendo la modalità di un fenomeno per quella corrispondente di un altro che,
Il rapporto statistico di derivazione si ottiene:
sul piano logico e/o temporale, ne costituisce causa o presupposto logico
L’inflazione è: La diminuzione del potere di acquisto dla moneta
L'aumento prolungato del livello medio generale dei prezzi di beni e servizi in un
L’inflazione è:
dato periodo di tempo
La variazione congiunturale riguarda in statistica-economica il confronto con: Il mese precedente
La variazione tendenziale riguarda in statistica-economica il confronto con: L’anno precedente
Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è:
indice dei prezzi del mese m dell\'anno a
Il numero indice dei prezzi del mese m dell\'anno a-1 ed al numeratore il numero
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è:
indice dei prezzi del mese m dell\'anno a
La deflazione si calcola con: I tassi di variazione
La deflazione è: Espressa in percentuale
Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: Il dato dell’anno t-1
Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato: Non esiste
La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa direzione
La covarianza è negativa quando: Al crescere di X la Y tende a diminuire e viceversa
Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare
La correlazione indica: quanto bene un’equazione lineare o un’altra equazione qualsiasi descrivano o
spieghino tale relazione tra variabili.
Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile: Crescono al crescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,5, i valori di una variabile: Tendono a crescere al decrescere dei valori dell’altra, ma in maniera blanda
Con un coefficiente di correlazione pari a r= -0,9, i valori di una variabile: Crescono al decrescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile: Crescono al decrescere dei valori dell’altra
La covarianza è nulla quando: X e Y non sono correlate
La covarianza è nulla quando: X e Y sono linearmente indipendenti
 R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono legate da un
Nella correlazione spuria, si rileva che:
rapporto serio di causalità
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due caratteri quantitativi considerati
Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due caratteri quantitativi considerati
Un tipico caso di correlazione non reale comporta che: Uno dei due caratteri comprende l’altro
Un tipico caso di correlazione non reale comporta che: I due caratteri sono influenzati da circostanze comuni
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili influiscono su quelli presi in considerazione
Altri fattori variabili, che rappresentano circostanze comuni ,influiscono su quelli
Un tipico caso di correlazione non reale comporta che:
presi in considerazione
R deve esprimere correttamente: il legame di interdipendenza
Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di tempo Correlazione spuria se l’andamento della popolazione non è correlato col numero
rispettivamente per la quantità della popolazione media dello stesso periodo si può ottenere: di nati e morti
Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la quantità della
Coefficiente di natalità
popolazione media dello stesso periodo si ottiene:
Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità della
Coefficiente di mortalità
popolazione media dello stesso periodo si ottiene:
I numeri indice comparano: Le variazioni dei livelli della variabile nel tempo con riferimento ad una base
I numeri indice sono: Inferiori a 100 se il livello tende a scendere rispetto all’anno base

I numeri indice sono: Superiori a 100 se il livello della variabile tende a crescere rispetto all’anno base

La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è preceduta da: Il segno eguale

Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base t-1 sarà: 101.2
Se il tasso di incremento tra t e t-1 è pari a 2,2%, allora il numero indice in t, con base t-1 sarà: 102.2
Se il tasso di incremento tra t e t-2 è pari a 1,2%, allora il numero indice in t, con base t-2 sarà: 101.2

Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero indice in t, con base t-1 sarà: 98.8

Se il tasso di decremento tra t e t-2 è pari a -5,2%, allora il numero indice in t, con base t-2 sarà: 94.8

I numeri indice sono: Esplicativi dell’andamento dei livelli della variabile nel tempo
Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza: Il diagramma a dispersione
Studiare la relazione tra due variabili X ed Y significa: Studiare la tendenza che X e Y hanno a variare insieme
Quando a valori crescenti di X corrispondono valori crescenti di Y si ha: Una relazione positiva
Date coppie di valori X e Y, l’equazione di regressione può essere considerata Una formula di predizione di Y
L’equazione di regressione lineare è l’equazione di una: Retta
Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è
Predittore
corretto definire X come:
Se X è la variabile indipendenre e Y quella dipendente, considerando l’equazione di regressione è
Valore predetto
corretto definire Y’ come:
Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione: Tra variabili misurate su scale a intervalli o a rapporti equivalenti
Sola, e ben definita, tra le infinite rette che si possono tracciare tra i punti di un
Date coppie di valori X e Y, la retta di regressione è una:
diagramma a dispersione
Quando al diminuire dei valori di X corrisponde il diminuire dei valori di Y si ha: Una relazione positiva
Una serie storica è costituita: Dai dati osservati a intervalli regolari di tempo
Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili,
Una serie storica è costituita:
giornaliere, annuali
La media mobile è: La somma ponderata dei valori della serie storica
La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate su n periodi contigui.
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di
4
ordine tre si possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie mobili di
5
ordine tre si possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
11/3
mobile di ordine tre calcolabile in tempo reale:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
21/5
mobile di ordine cinque calcolabile in tempo reale:
Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie mobili di
6
pesate di ordine tre si possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di
2
ordine cinque si possono calcolare:
I dati informatici sono utilizzabili per: Le analisi statistiche
Una fotografia è un dato: Complesso
Il tipo di dato elementare 4.5 è: Reale
Nella somma logica con operando A=1 ed operando B=1, il totale sarà 1
Nella somma logica con operando A=0 ed operando B=0, il totale sarà: 0
Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà: 0
Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà: F
Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà: V
La negazione logica dell’operando A=0 è: 1
Nella congiunzione tra insiemi si valuta: Quando i due eventi si realizzano entrambi
La probabilità che si verifichi un evento può assumere valori Tra 0 ed 1
Due eventi sono indipendenti quando: Il verificarsi dell’uno non modifica la probabilità di verificarsi dell’altro
La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal: Somma delle probabilità del verificarsi di ciascuno dei due eventi
La somma delle probabilità di eventi che si escludono a vicenda ed esaustivi è: Uguale ad 1
Nella teoria statistica i termini popolazione e campione sono: Indicativi del fatto che il campione è un sottoinsieme della popolazione
Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro elemento: Viene modificata
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un asso: 0.1
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una carta di
0.25
bastoni:
 Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura: 12/40
Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità del verificarsi dell’altro
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un fante o
8/40
un re:
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una figura o
32/40
una carta inferiore a 6:
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione
1/40
un re alla prima estrazione e una carta di coppe alla seconda:
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la
1/6
probabilità di successo in un lancio:
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la
5/6
probabilità di insuccesso in un lancio:

Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2),
4/10
estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari e inferiore a 6:

Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2).
0.7
Estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari o inferiore a 6:

Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2).
Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere due punteggi la 14/100
cui somma sia 9:
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione
2/100
un re e un asso:
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2).
Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere almeno un 7 0.2
alla prima estrazione:
Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani n.3,
Nominale
Francesi n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala:
Il rapporto tra ciascuna frequenza ed il totale delle frequenze e moltiplicando per
Le frequenze percentuali di una distribuzione si calcolano facendo:
100 il risultato
La deviazione standard può assumere valori: Solo positivi
Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione, risulta
Sicuramente sbagliato
142,9. Il risultato è:
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata da un
120
ricercatore su un campione, risulta 142,9. Il punteggio massimo ottenibile è:
In una distribuzione di frequenza si può ottenere: Più di una moda
La media: E' sensibile ai valori estremi
Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene, cioè il più
100
elevato, è:
La categoria o il punteggio al di sopra e al di sotto del quale cade un ugual numero
La mediana è:
di casi
Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono entrambi
Il numero di battiti solamente può essere definito variabile
essere definiti:
Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i valori di Y ed Y’: Differiscono
Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’: Coincidono
Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’: Coincidono
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che il
Non è possibile calcolarlo con i dati a disposizione che non sono corretti
coefficiente di determinazione è uguale a -1, il coefficiente di correlazione sarà pari a:
Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di regressione
Perpendicolari tra loro
Y’=ay+byX e X’= ax+bxY sono:
Rappresenta la distanza tra il punto zero (origine) dell’asse delle ascisse e il punto
Nella retta di regressione Y’=aY+bYX il termine ay:
in cui la retta taglia l’asse delle ordinate
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il
0.58
coefficiente di correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a:
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di regressione
Coincidono
Y’=ay+byX e X’= ax+bxY sono:
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di regressione
Coincidono
Y’=ay+byX e X’= ax+bxY sono:
Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i valori di Y ed Y’: Differiscono
La media mobile di ordine 5 permette di: Eliminare valori erratici
La media mobile di ordine 3 permette di: Eliminare valori anomali
La media mobile di ordine 3 permette di: Effettuare lo smoothing delle serie storiche
Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili di
216.67; 350.00; 483.33
ordine 3 con 2 cifre decimali sono:
Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie mobili di
232 e 350
ordine 5 sono:
La funzione TENDENZA in Excel serve per: Calcolare il valore di una funzione stimata
La funzione TENDENZA in Excel serve per: Prevedere il valore al tempo t in una funzione stimata y*

La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in relazione ad una funzione di regressione y*

Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono: 103, 217, 350, 483
La funzione TENDENZA in Excel serve per: Prevedere le serie storiche
La stima del parametro è: Un concetto diverso da quello di stimatore
La stima del parametro nella popolazione è: Calcolata attraverso i dati campionari
La stima del parametro nella popolazione è: Relativa ai valori che può assumere lo stimatore
La stima del campione è: Un concetto diverso da quello di stimatore
La funzione stimatore del parametro dovrebbe essere: Centrata, consistente, efficiente
 Non è opportuno definire la stima del parametro nel campione, ma nella
La stima del parametro nel campione è:
popolazione
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano
risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione campionaria di 0.75
persone non sensibili al farmaco:
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano
risultati sensibili ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la 0,23 e 0,27
proporzione della popolazione sensibile al farmaco deve essere compresa tra:
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 1000 siano
risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione nella popolazione di Non si può sapere
persone sensibili al farmaco:
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano
risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione campionaria di 0.25
persone sensibili al farmaco:
La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e Y è
Varianza residua
denominata:
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a
0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, il 0.58
coefficiente di determinazione sarà pari a:
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y= ”speranza
di vita” è pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile dipendente 1
ed Y quella indipendente, il coefficiente di determinazione sarà pari a:
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a
0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la 58%
varianza comune sarà pari a:
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese per
ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per 2
prevedere il livello di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti
risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni risposta corretta in più al test attitudinale indicare di
quanti punti aumenta il punteggio al test di profitto:
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a
0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la 42%
varianza residua sarà pari a:
La proporzione di varianza comune a X e Y è espressa da r2xy che è denominato: Coefficiente di determinazione
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese per
ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per 10
prevedere il livello di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti
risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale punteggio dovrebbe ottenere al test di profitto
un ragazzo che sbaglia tutte le domande al test attitudinale:

In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese per
Attitudine all’Inglese
ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per
prevedere il livello di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti
risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale è la variabile indipendente:

La proporzione di varianza comune a X e Y è espressa da r2xy che esprime: La varianza spiegata

In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio
del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento
dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al 3.5
test attitudinale per prevedere il livello di apprendimento dell’informatica raggiunto a fine corso, e
si ottengono i seguenti risultati: Y’=15+2X: r2=0,74; se=3,5. Indicare di quanti punti è l’errore
medio di previsione:
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero
Le persone con punteggi bassi in matematica hanno buone prestazioni in
di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -
letteratura inglese
0,88. Sulla base del risultato ottenuto si può evidenziare che:
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero
di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a - Le due variabili sono correlate negativamente
0,88. Sulla base del risultato ottenuto si può evidenziare che:
L’indice r misura relazioni di tipo: Lineare
Ai valori più piccoli di una delle due variabili corrispondono generalmente i più
Si ha discordanza tra caratteri se:
grandi dell’altra, e se ai valori più grandi corrispondono in genere i più piccoli;
La codevianza è una misura: Assoluta di concordanza
A differenza della regressione, non richiede di stabilire quale variabile sia
La correlazione:
antecedente all’altra (in termini di dipendenza)
Se il coefficiente di correlazione è uguale a 0 vi è: Assenza di concordanza o discordanza
Relazioni di discordanza significative tra variabili implicano: Un coefficiente di correlazione negativo
 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio
del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento
dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al
3, coefficiente di regressione
test attitudinale per prevedere il livello di apprendimento dell’informatica raggiunto a fine corso, e
si ottengono i seguenti risultati: Y’=15+3X: r2=0,74; se=3,5. Indicare per ogni risposta corretta al
test attitudinale di quanti punti aumenta il punteggio al test di profitto e come si chiama questo
parametro:
La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e +∞,
Si avvicina all’asse delle ascisse senza mai toccarla
cioè:
I valori attesi nella variabile casuale Normale sono: Media; Varianza;
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi
centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23,
Una modalità del carattere
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella prima
riga della tabella rappresenta:
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi
centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23,
04-Oct
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una temperatura media pari a 17 gradi è:
1) Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi
centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23,
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di 0.8
ripartizione empirica in corrispondenza di una temperatura media pari a 25 gradi, che ipotizziamo
essere una v.c distribuita normalmente, è:
Si ricorre ad una distribuzione normale quando: Una variabile casuale continua è distribuita normalmente o quasi.
La funzione f(X) raggiunge il suo punto più alto in corrispondenza di: Xi = media
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con temperatura
3/5
media superiore a 20°:
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza di Xi = µ,
Coincidano
ciò comporta che media, mediana e moda:
La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile
La funzione di ripartizione di una variabile casuale X a valori reali è:
casuale X assume valori minori o uguali ad x”
Nella teoria statistica i termini campione e popolazione sono: Non sono sinonimi
Definita da un’equazione particolare che permette di calcolare, data un’ordinata,
La curva normale a differenza delle altre curve è:
porzioni di area sottese alla curva stessa
La curva normale standardizzata è caratterizzata dal fatto di avere: Media =0 e deviazione standard=1
Nella colonna di sinistra con una cifra decimale; la seconda cifra decimale è
Utilizzando la tavola della curva normale standardizzata si individueranno i punti z:
situata nella prima riga in alto della stessa tavola
Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno una
Inferiore rispetto ai valori centrali
probabilità di verificarsi per caso:
La curva normale standardizzata è caratterizzata dal fatto di avere: I punteggi sono espressi in punti z
Essere definita da un’equazione particolare che permette di calcolare, data
La curva normale è caratterizzata da:
un’ordinata, porzioni di area sottese alla curva stessa
E’ una funzione teorica espressa con regole matematiche relative a un insieme
La distribuzione di probabilità di z è costruita:
infinito di dati
I simboli e S si riferiscono alla media ed allo scarto quadratico medio del: Campione
I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio del: Popolazione
Una variabile dicotomica può assumere: Solo due valori
La seguente ipotesi è nulla: La popolazione da cui il campione è estratto ha media 58
La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe sociale e alcolismo
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
La seguente ipotesi è nulla: Questa moneta non è truccata
La seguente ipotesi è nulla: Il farmaco C non ha un effetto diverso dal farmaco D
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale a quella delle femmine
La seguente ipotesi è nulla: C’è una relazione significativa tra reddito delle persone e livello di istruzione
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
Può assumere solo due valori, indipendentemente dalla probabilità di ottenere
Se una variabile è dicotomica:
uno o l’altro dei due valori
La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al reparto B di una
Monodirezionale sinistra
fabbrica” è:
La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non è 200” Bidirezionale
La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è superiore a
Monodirezionale destra
0,5” è:
La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato dagli
Monodirezionale sinistra
studenti è inferiore a 20 secondi” è:
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
±
significativamente diverso” ha il seguente segno del valore critico:
Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla avendo scelto un
5%
livello di significatività del 5%:
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado,
e vince un numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità sotto 1/6
l’ipotesi nulla, cioè se le vincite sono dovute al caso è:
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
Bidirezionale
significativamente diverso” è:
Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi nulla; ciò
Il 4% dei casi
accade nel caso in cui il risultato del test effettuato lasci alla sua destra:
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado,
Monodirezionale destra
e vince un numero elevato di volte. Sospettiamo che il dado sia truccato” è: