Scarica Test di Statistica: Domande a Risposta Multipla per la Preparazione all'Esame e più Prove d'esame in PDF di Statistica solo su Docsity!
1. Qual è la misura di posizione più opportuna per le variabili quantitative discrete? A. Media B. Moda C. Mediana D. Varianza 2. Metodo di Holm: A. Calcolo della significatività B. Alfa/confronti eseguiti C. Alfa/confronti rimanenti D. Proporzione di ipotesi nulle erroneamente rifiutate 3. Fittare il modello con 2 predittori equivale a: A. Trovare i coefficienti del piano che minimizza la somma delle differenze al quandrato tra i dati osservati ed il piano stesso B. Trovare i coefficienti dell’iperpiano che minimizza la somma delle differenze al quandrato tra i dati osservati e l’iperpiano stesso C. Trovare i coefficienti della retta che minimizza la somma delle differenze al quandrato tra i dati osservati e la retta stessa 4. Al crescere delle dimensioni di un campione, cosa accade alla forma della distribuzione della media campionaria? Scegli un'alternativa: A. Assume una distribuzione obliqua a destra B. Assume una distribuzione uniforme C. Diventa approssimativamente normale D. Assume una distribuzione obliqua a sinistra 5. Quale delle seguenti interpretazioni del concetto di intervallo di confidenza CI al 95% per la media di un campione è corretta? A. Se prendiamo 100 campioni dalla stessa popolazione e calcoliamo media e CI per ciascuno di essi, ci aspettiamo che il 95% dei dati di ciascun campione cada all’interno del CI corrispondente B. Il CI corrisponde al range di valori in cui sono compresi il 95% dei dati del campion C. Il CI corrisponde a un range di valori fisso in cui la media della popolazione cadrà con il 95% della probabilità. D. Insieme di valori ipotetici della media della popolazione da cui la media del campione raccolto non differisce significativamente. 6. Gli intervalli di confidenza al 95% per la media μ (mu) in un campione sufficientemente grande N > 30, con errore standard SE, sono dati da 98%: A. μ +/- 2 .33/SE B. μ +/- 1. 645 /SE C. μ +/- 1. 645 x SE D. μ +/- 2. 33 x SE 7. Quando una ricerca contiene una variabile confondente quale tra le seguenti affermazioni è vera: A. Né l’effetto della varaibile indipendente né quello della variabile confondente possono essere interpretati inequivocabilmente B. L’effetto della variabile dipendente e quello della variabile confondente possono essere rappresentati inequivocabilmente
8. Quanta varianza è spiegata da un coefficiente di correlazione pari a. 5? A. 25% B. 9 % C. 18 % 9. Cosa rappresenta il grafico seguente? A. Platicurtosi B. Leoptocurtosi C. Distribuzione obliqua a sinistra D. Distribuzione obliqua a destra 10. Che tipo di grafico è rappresentato in figura? A. Scatter Plot B. Line Plot C. Bar Plot or Diagramma a barre D. Box Plot 11. Nel box plot è possibile visualizzare anche le seguenti caratteristiche: A. campo di variazione dei valori, la mediana, soli i quartili inferiori B. campo di variazione dei valori, la mediana, solo i quartili superiori, la simmetria della distribuzione C. campo di variazione dei valori, la mediana, gli outlier D. campo di variazione dei valori, la mediana, i quartili inferiore e superiore, la simmetria della distribuzione 12. Secondo il teorema del limite centrale, la distribuzione della media campionaria può essere approssimata ad una distribuzione normale se: Scegli un'alternativa: A. Il numero di campioni diventa abbastanza grande
B. Perché per qualsiasi popolazione, si dice che la distribuzione campionaria della media campionaria è approssimativamente normale, indipendentemente dalla forma della popolazione C. Perché per qualsiasi dimensione campionaria n, si dice che la distribuzione campionaria della media campionaria è approssimativamente normale. D. Perché per un campione di grandi dimensioni n, si dice che la distribuzione campionaria della media campionaria è approssimativamente normale, indipendentemente dalla forma della popolazione
19. Quale dei seguenti è l'analogo grafico di una tabella di frequenza? A. grafico a dispersione B. istogramma C. tabella delle contingenze D. grafico delle serie temporali 20. Quando uso correlazione semi-parziale: A. Quando voglio analizzare l’effetto tra due variabili non considerando l’effetto di altre variabili B. Quando voglio analizzare l’effetto tra due variabili non considerando l’effetto di altre variabili su solo una delle due C. Quando voglio analizzare l’effetto tra due variabili tenendo costante l’effetto di altre variabili D. Quando voglio analizzare l’effetto tra due variabili tenendo costante l’effetto di altre variabili su solo una delle due 21. Il grafico mostra: A. Linearità ed eteroschedasticità B. Non linearità ed eteroschedasticità C. Linearità ed omoschedasticità D. Non linearità ed omoschedasticità 22. Statistica: A. Caratteristica del campione B. Caratteristica della popolazione 23. Supponete di voler valutare la differenza nei tempi di reazione tra un gruppo di pazienti affetti da sindrome di affaticamento cronico e un gruppo di pazienti sani. Perché lo stato depressivo può influire sulla capacità psicomotoria e quindi sui tempi di reazione, sottoponete ogni paziente a un questionario che rileva il livello di depressione con l’intenzione di usare tale misura come covariata di un’ANCOVA. Se scoprite che il gruppo di pazienti ha un livello di depressione significativamente maggiore del gruppo dei soggetti sani, è legittimo usare quest’ultima come covariata?
A. Si ma solo le varianze del livello di depressione nel gruppo dei pazienti e in quello dei soggetti sani non sono significativamente differenti B. No, perché la covariata del livello di depressione NON è statisticamente indipendente dalla manipolazione sperimentale (cioè, la divisione nei due gruppi di pazienti e soggetti sani), il che pregiudicherebbe l’interpretazione dei risultati del modello C. Si, ma solo se le pendenze delle rette di regressione tra tempi di reazione e livello di depressione non sono significativamente diverse tra il gruppo di pazienti e quello dei soggetti sani D. Si perché in questo modo elimino le possibili differenze spinte nei tempi nei tempi di reazione dei due gruppi sperimentali, associate al livello di depressione, invece che alla sindrome di affaticamento cronico (che è il principale oggetto di interesse).
24. La distribuzione campionaria della media è una distribuzione di: A. Parametri della popolazione B. Statistiche campionarie C. Valori campione individuali D. Valori della popolazione individuale 25. Quali dei seguenti grafici illustra visivamente dove cade il 50% centrale dei dati (scarto interquartile)? A. Diagramma boxplot B. Dot Plot C. Bar Plot D. Scatter plot 26. Scatter plot: A. Solo variabili quantitative B. Solo variabili qualitative C. Variabili quantitative e qualitative almeno di tipo ordinale 27. Contrasti polinomiali: A. Contrasti che violano la regola di procedere per blocchi di varianze congiunte B. Contrasti ortogonali per la presenza di trend regolari nei dati 28. Per approssimare una distribuzione discreta che ha molti risultati diversi utili, nella maggior parte delle applicazioni utilizziamo: A. Distribuzione di Poisson B. Distribuzione normale C. Distribuzione uniforme D. Distribuzione marginale 29. Media dei quadrati : A. Df/SS B. SS/df C. SS2/df
36. Voglio individuare le differenze tra la fase pre-training e post con un unico gruppo di persone, che test? A. T-test a misure ripetute per campioni indipendenti B. T-test a misure ripetute per gruppi appaiati C. Correlazione di Pearson D. Tutti i tipi di test 37. Adjusted 𝑹𝟐 : A. Differenza tra valori predetti dal modello e dati del campione B. v. dipendente che serve per predire i valori della v. indipendente C. v. indipendente che serve per predire i valori della v. dipendente D. Valore corretto in base al numero di regressori usati 38. In un’ANCOVA che cosa rappresentano le medie corrette o marginali (adjusted o marginal means)? A. Le medie della variabile dipendente nei diversi gruppi sperimentali corrette per l’effetto della covariata B. Le medie della variabile indipendente nei diversi gruppi sperimentali corrette per l’effetto della covariata C. Le medie della variabile indipendente nei diversi gruppi sperimentali corrette per l’effetto della v. confondente D. Le medie della variabile dipendente nei diversi gruppi sperimentali corrette per l’effetto della v. confondente 39. Formato wide diverso da formato long: A. Contiene le variabili nelle righe e le osservazioni nelle colonne B. Hanno la stessa lughezza C. Contiene le variabili nelle colonne e le osservazioni nelle righe D. Tutte corrette 40. Quali caratteristiche distribuzionali sono facilmente discernibili da un istogramma? A. Normalità, curtosi, altezza B. Curtosi, quantili e mancanza di simmetria C. Normalità, deviazione standard e outlier D. Asimmetria, curtosi e multi modalità 41. Per confrontare il valore di due coefficienti di correlazione di Pearson provenienti dagli stessi soggetti e con una variante condivisa: A. Normalizziamo questi ultimi (trasformazione di Fisher), poi ne calcoliamo la differenza, dividendola per il suo errore standard. B. Utilizziamo la t di Student con N-3 gradi libertà 42. Dot plot diverso da scatter plot: A. 1 sono puntini incolonnati (per pochi dati), 2 sono puntini distribuiti in una nuvola B. Entrambi sono pallini incolonnati C. Entrambi sono pallini distribuiti in una nuvola D. 1 sono puntini distribuiti in una nuvola 2 sono puntini incolonnati (per pochi dati),
43. La larghezza di ciascuna barra in un istogramma corrisponde a: A. I limiti della classe B. Numero di osservazioni nella classe C. Percentuale di osservazioni in classe D. Punto medio della classe 44. Residual sum of squares: A. Differenza tra i dati rispetto alla media B. Differenza tra i dati del campione ed i valori predetti C. Differenza tra la media ed i valori predetti D. Differenza tra i dati e la media media complessiva 45. Gli intervalli di confidenza al 95% per la media μ (mu) in un campione sufficientemente grande N > 30, con errore standard SE, sono dati da 90%: 46. μ +/- 2.58/SE 47. μ +/- 1. 645 /SE 48. μ +/- 1.645 x SE 49. μ +/- 2.58 x SE 50. La variazione della deviazione standard: A. appiattisce o innalza la campana della funzione di densità di probabilità B. causa spostamento a sinistra o destra della campana della funzione di densità di probabilità C. è negativa se la deviazione standard è negativa D. è inversamente proporzionale alla varianza 51. Strumento x valutare la bontà del fit di un modello: A. Criterio informativo di AKAIKE 52. Formato Tydy in R: A. ogni variabile ha una riga, ogni osservazione è nella propria colonna, ogni valore nella sua cella formato editabile B. ogni variabile ha una colonna, ogni osservazione è nella propria riga, ogni valore nella sua cella formato editabile C. ogni variabile ha una riga, ogni osservazione è nella propria colonna, ogni valore nella sua cella formato ottimale D. ogni variabile ha una colonna, ogni osservazione è nella propria riga, ogni valore nella sua cella formato ottimale 53. Quando una ricerca è “libera” da variabili confondenti: A. Ha validità esterna B. Ha validità interna 54. La grandezza di un effetto statistico può essere valutata tramite i seguenti test: A. d di Cohen, r di Pearson, odds ratio B. 𝜒ଶ, t di student, F di Snedecor C. r di Pearson, F𝐹௫di Hartley, W di Shapiro-Wilk D. L’istogramma delle frequenze
A. Sì main effects e sì interazioni B. No main effects e no interazioni C. Sì main effects ma no interazioni
63. Per quale valore della distanza di COOK ci possono essere dei sospetti: A. < B. > C. <0, D. >0, 64. M-estimator: A. La media è calcolata dopo aver omesso una percentuale prefissata di valori dalle code della distribuzione B. La quantità dei dati estremi da eliminare nel calcolo della media viene determinata sulla base dei dati stessi. 65. La connessione: A. si misura con la varianza B. E’ compresa tra - 1 e + C. Può essere solo un valore positivo D. si misura con il coefficiente di correlazione di Pearson 66. Metodo di Benjamini e Hochberg: A. Calcolo della significatività B. Alfa/confronti eseguiti C. Alfa/confronti rimanenti D. Proporzione di ipotesi nulle erroneamente rifiutate 67. Indice di correlazione di Pearson: A. Dipende dalla mediana B. Può comprendere anche valori decimali C. varia sempre tra - 1 e + D. varia sempre tra 0 e + 68. Scopo e definizione ANCOVA: A. analisi delle covarianze, stabilire effetto delle v. indipendenti controllando le v. confondenti B. analisi delle covarianze, stabilire effetto delle v. indipendenti controllando le v. dipendenti C. analisi delle covarianze, stabilire effetto delle v. dipendenti controllando le v. indipendenti D. analisi delle covarianze, stabilire effetto delle v. dipendenti controllando le v. confondenti 69. Gli intervalli di confidenza al 95% per la media μ (mu) in un campione sufficientemente grande N > 30, con errore standard SE, sono dati da 9 9 %: A. μ +/- 2 .575/SE B. μ +/- 1.645/SE C. μ +/- 1.645 x SE D. μ +/- 2.575 x SE
70. Residual sum of squares: A. Differenza tra valori predetti dal modello e dati del campione B. Somma tra valori predetti dal modello e dati del campione C. Differenza tra valori predetti dal modello e dati della popolazione D. Somma tra valori predetti dal modello e dati della popolazione 71. Un valore r = .5 corrisponde a una correlazione: A. di piccole dimensioni B. di dimensioni medie C. non significativa D. di dimensioni grandi 72. L’ipotesi nulla nel caso di un test per campioni indipendenti con media 𝝁𝑨 e 𝝁𝑩 , rispettivamente, corrisponde a: A. 𝜇 + 𝜇 = 0 B. 𝜇 ≠ 𝜇 C. 𝜇 = 𝜇 D. 𝜇 = 0; 𝜇 = 0 73. Un buon grafico deve: A. Illustra in maniera chiara gli aspetti importanti dei dati B. È adeguato al livello del pubblico C. È adeguato al mezzo di presentazione D. Si ricorda facilmente E. Facilita la comprensione dei risultati, dei dati F. Tutte vere 74. La deviazione standard della distribuzione campionaria della media campionaria è anche chiamata: A. fattore di correzione della popolazione finita B. errore standard della media C. fattore di campionamento minimo D. deviazione standard della popolazione 75. Forte linearità tra due variabili: A. r = 0. B. r = 0. C. r = 0. D. r = - 0. 76. Per quali valori dei residui standarizzati ci può essere un problema: A. < B. > C. < D. > 77. Una variabile casuale discreta: A. assume un numero infinito di valori B. assume un numero finito di valori escluso lo zero
B. per rilevare un effetto di grandi dimensioni r =.5 utilizzando una potenza di 0.8 e un livello di p = 0.05 è sufficiente utilizzare un campione di 28 partecipanti C. per rilevare un effetto di medie dimensioni r =.5 utilizzando una potenza di 0.8 e un livello di p = 0.05 è sufficiente utilizzare un campione di 28 partecipanti D. non si può rilevare un effetto
86. In un Q-Q plot: A. Sull’asse x sono presenti i quantili di una distribuzione normale standard e su quello delle y sono presenti i quantili dei residui B. Sull’asse y sono presenti i quantili di una distribuzione normale standard e sull’asse x sono presenti i quantili dei residui C. Sull’asse y sono presenti le categorie dei residui e sull’asse x sono presenti i quantili di una normale standard 87. Ipotesi nulla di t-test per campioni appaiati: A. 𝜇ଵ − 𝜇ଶ = 0 B. Nessuna delle precedenti C. 𝜇ଵ + 𝜇ଶ = 0 D. 𝜇ଵ + 𝜇ଶ / deviazione standard = 0 88. Un campione di studenti (N = 30) è arruolato su uno studio di apprendimento. Ai primi 15 soggetti reclutati viene detto che la prova sarà particolarmente difficile mentre agli altri 15 non vengono fornite indicazioni riguardo alla difficoltà. La prova consiste nell’apprendimento di liste di parole: vengono calcolati il numero di parole che il soggetto riesce a rievocare e il numero di intrusioni. Quale è la variabile indipendente dello studio? A. Il numero di interlocutori B. Informazioni sulla difficoltà della prova C. Il numero di parole correttamente ricordate D. La numerosità del campione 89. Per rilevare un effetto di correlazione semplice r = .1 con un livello di significatività α = .05 e una potenza statistica di 0.8 quanti soggetti devo reclutare in uno studio approssimativamente? A. circa 76 - 80 B. circa 120 – 300 C. circa 760 – 800 D. circa 20 - 40 90. Il grafico mostra: A. Omoschedasticità e linearità
B. Omoschedasticità e non linearità C. Eteroschedasticità e linearità D. Eteroschedasticità e non linearità
91. Stein: A. Variante dell’adjusted 𝑅ଶche calcola il valore meno probabile di 𝑅ଶ^ in campioni diversi della stessa popolazione. B. Variante dell’adjusted 𝑅ଶche calcola il valore più probabile di 𝑅ଶ^ in campioni diversi della stessa popolazione. C. Variante dell’adjusted 𝑅ଶche calcola il valore più probabile di 𝑅ଶ^ in campioni uguali della stessa popolazione. D. Variante dell’adjusted 𝑅ଶche calcola il valore meno probabile di 𝑅ଶ^ in campioni uguali della stessa popolazione. 92. Output di R: A. Pwr.r. test (Potenza statistica) B. test sulla varianza C. test di resilienza D. errore standard 93. L’errore standard: A. Errore che si commette considerando la distribuzione dei dati osservati assimilabile a quella normale standard B. Si calcola come SD/(N-1), dove SD è la dev standard ed N la dimensione del campione raccolto C. è la deviazione standard della distribuzione campionaria media D. la media dell’errore di un modello di regressione sui dati osservati 94. Contrasti non ortogonali: A. Contrasti che violano la regola di procedere per blocchi di varianze congiunte B. Contrasti ortogonali per la presenza di trend regolari nei dati 95. L’inclusione delle covariate permette di: A. Ridurre la variabilità residua all’interno di ciascun gruppo B. Eliminare gli effetti confondenti C. Tutte vere 96. Quale delle seguenti affermazioni descrive meglio il rapporto tra correlazione e causalità? A. La correlazione non implica causalità B. La correlazione implica causalità 97. “Media modificata” o “troncata” ( trimmed mean ): A. La media è calcolata dopo aver omesso una percentuale prefissata di valori dalle code della distribuzione B. La quantità dei dati estremi da eliminare nel calcolo della media viene determinata sulla base dei dati stessi.
105. Cosa rappresenta il grafico seguente: A. Distrinuzione obliqua a sinistra B. Distribuzione obliqua a destra C. Distribuzione normale D. Platicurtosi 106. Sum of squares di tipo II: A. Sì main effects e sì interazioni B. No main effects e no interazioni C. Sì main effects ma no interazioni 107. Quando utilizziamo scatter plot: A. Come cambia un certo effetto nel tempo B. Confronto tra le medie dei diversi gruppi C. Quando vogliamo graficare tutti i dati e ne abbiamo pochi D. Relazione tra due variabili continue ed outliers 108. Correlazione parziale: A. tra una variabile controllando la seconda B. tra due variabili controllando la terza 109. Quale delle seguenti interpretazioni del concetto di intervallo di confidenza CI al 95% per la media di un campione è corretta? A. Se prendiamo 100 campioni dalla stessa popolazione e calcoliamo media e CI per ciascuno di essi, ci aspettiamo che la media della popolazione cada all’interno di 95 CI su 100 B. Se prendiamo 100 campioni dalla stessa popolazione e calcoliamo media e CI per ciascuno di essi, ci aspettiamo che il 95% dei dati di ciascun campione cada all’interno del CI corrispondente C. Il CI corrisponde al range di valori in cui sono compresi il 95% dei dati del campione D. Il CI corrisponde a un range di valori fisso in cui la media della popolazione cadrà con il 95% della probabilità. 110. Mi trovo nel caso in cui devo applicare un’ANCOVA se: A. Ho una variabile dipendente misurata su scala continua una variabile indipendente categorica e una variabile continua in cui voglio rimuovere l'effetto B. Ho una variabile dipendente misurata su scala continua una variabile indipendente categorica C. Ho una variabile dipendente misurata su scala continua una variabile indipendente categorica e una variabile continua di cui voglio aumentare l'effetto
D. Ho una variabile indipendente misurata su scala continua una variabile dipendente categorica e una variabile continua di cui voglio tenere bloccato l'effetto
111. Quale dei seguenti NON rappresenta un buon metodo per trattare gli outliers: A. escludere dall’analisi i casi con valori che distano più di 1. 0 di deviazione standard dalla media B. escludere dall’analisi i casi con valori che distano più di 2.5 di deviazione standard dalla media C. escludere dall’analisi i casi con valori che distano più di 2.0 di deviazione standard dalla media D. escludere dall’analisi i casi con valori che distano più di 1.5 di deviazione standard dalla media 112. La verifica di ipotesi: A. consente di stabilire un margine d’errore B. consente di stabilire con un margine d’errore se il valore stimato per un parametro è verificato C. consente di stabilire con un margine d’errore se il valore stimato per un parametro è accettabile D. consente di stabilire con un margine d’errore se il valore stimato per un parametro non è accettabile 113. Parametro: A. Caratteristica del campione B. Caratteristica della popolazione 114. Un campione di dimensione n viene selezionato a caso da una popolazione infinita. All'aumentare di n, quale delle seguenti affermazioni è vera? A. L'errore standard della media campionaria aumenta B. L'errore standard della media campionaria diminuisce C. La deviazione standard della popolazione diminuisce D. La deviazione standard della popolazione aumenta 115. Un grafico pessimo: A. È quasi impossibile da interpretare B. È colmo di informazioni inutili C. Distorce intenzionalmente i risultati D. Tutte vere 116. La potenza dipende da: A. Alfa B. Dimensioni dell’effetto C. Numerosità del campione D. Tutte corrette 117. Misurando le dimensioni di un effetto statistico con coefficiente di Pearson e ottenendo un valore di r = 0. 1 posso dire che l’effetto rilevato è: A. Grande B. molto grande C. medio D. Piccolo 118. Quale dei seguenti indici può assumere solo valori positivi? A. Varianza
C. Elimina l’influenza di una terza variabile D. Tra due variabili controllando la terza
126. Collinearità perfetta: A. Quando un predittore è una combinazione lineare di altri predittori B. Indica se un predittore ha una forte relazione lineare con altri predittori C. Forte correlazione tra due predittori 21. Uno psicologo esperto di marketing vuole verificare sei generi di musica diversi utilizzati come sottofondo nei supermercati abbiano un effetto Sulla qualità dei prodotti comprati. A tale scopo, prepara sei playlist di diversi generi musicali(classica, pop, jazz, Country, Rock, Blues) e individua un campione casuale di 30 soggetti ai quali si chiede di recarsi al supermercato in 6 diverse giornate E di fare la spesa settimanale. Tutti soggetti sono disposti all'ascolto delle sei diverse playlist. Al termine della spesa ai soggetti è stato chiesto di lasciare allora scontrino per contare il numero di oggetti comprati. Il numero di oggetti comprati è la variabile: A. Indipendente B. Individuale C. Confondente D. dipendente 127. Come si controlla che i requisiti di omoschedasticità e normalità siano soddisfatti in un modello di regressione? A. Si esaminano il grafico dei residui in funzione dei valori predetti e il box plot dei residui B. Si esaminano il grafico dei residui in funzione dei valori predetti e lo scatter plot dei residui C. Si esaminano il grafico dei residui in funzione dei valori predetti e la retta di regressione D. Si esaminano il grafico dei residui in funzione dei valori predetti e il Q-Q plot dei residui 128. Il punteggio medio di un test di memoria è 32 e la deviazione standard è 8. A quanto è lo z-score corrispondente al punteggio 18? A. - 1.75 (18-32)/8)) B. + 1.75 (32 - 18)/8)) C. - 1.33 (8-32)/18)) D. Non ci sono sufficienti elementi per calcolarlo 129. L’ipotesi nulla testata in un esperimento: A. viene indicata con Ho e la significatività del test rappresenta la probabilità di accettarla come vera; B. viene indicata con H1 e suppone che non vi sia un effetto significativo associato ai gruppi o al trattamento sperimentale C. viene indicata con Ho e suppone che esista un effetto significativo associato ai gruppi o al trattamento sperimentale D. viene indicata con Ho e suppone che non vi sia un effetto significativo associato ai gruppi o al trattamento sperimentale 130. Si può concludere di avere sufficiente potenza di rilevare la presenza dell’effetto se p: A. p<0, B. p>0, C. p<0, D. p>0,
131. Un grafico mediocre: A. È difficile da intepretare B. È involontariamente fuorviante C. Contiene informazioni ridondanti e distraenti D. Tutte vere 132. La relazione tra due variabili, controllando per l’effetto che una terza variabile ha su entrambe queste variabili può essere espressa mediante: A. Correlazione bivariata B. Correlazione punto-biseriale C. Correlazione parziale D. correlazione semi-parziale 133. Tipico esperimento include le seguenti procedure: A. Generare unicamente un’ipotesi sperimentale e nulla, raccogliere i dati, costruire un modello e stabilire la bontà del fitting mediante un test statistico, accettare l’ipotesi sperimentale se la probabilità associata al test è pari a 1 B. Generare un’ipotesi sperimentale ed una nulla e raccogliere i dati; costruire un modello e stabilire la bontà del fitting mediante un test statistico, accettare l’ipotesi nulla se la probabilità associata al test è < 0. C. Generare un’ipotesi sperimentale ed una nulla e raccogliere i dati; costruire un modello e stabilire la bontà del fitting mediante un test statistico, rifiutare l’ipotesi nulla se la probabilità associata al test è < 0. D. generare unicamente un’ipotesi sperimentale e raccogliere i dati, costruire un modello e stabilire la bontà del fitting mediante un test statistico; accettare l’ipotesi sperimentale se la probabilità associata al test è < 0. 134. L’utilizzo di una dummy variable: A. Permette di stimare una regressione anche nel caso in cui la variabile indipendente sia continua B. Permette di stimare una regressione anche nel caso in cui la variabile indipendente sia categorica C. Permette di stimare una regressione anche nel caso in cui la variabile dipendente sia categorica D. Permette di stimare una regressione anche nel caso in cui la variabile dipendente sia nominale 135. Tipico esperimento: A. generare un’hp sperimentale e nulla, raccogliere i dati, rifiutare l’hp nulla se la probabilità associata al test è > 0. B. generare un’hp sperimentale e nulla, raccogliere i dati, rifiutare l’hp nulla se la probabilità associata al test è < 0. 10 C. generare un’hp sperimentale e nulla, raccogliere i dati, rifiutare l’hp nulla se la probabilità associata al test è > 0. 10 D. generare un’hp sperimentale e nulla, raccogliere i dati, rifiutare l’hp nulla se la probabilità associata al test è < 0.
