Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Paniere Statistica Ecampus con risposte aperte, Panieri di Statistica

Paniere statistica Ecampus con risposte aperte Paniere progetto Form Laurea in Economia 2025/2026

Tipologia: Panieri

2025/2026

In vendita dal 02/12/2025

PanieriUniversitaOnline
PanieriUniversitaOnline 🇮🇹

4.4

(19)

30 documenti

1 / 9

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
Statistica
Paniere Risposte Corrette
1. Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
ha un numero di elementi pari a 6x6x6x6x6
2. Si consideri un esperimento che consiste nell’estrazione senza ripetizione di 3 palline da
un’urna contenente 10 palline numerate. Lo spazio campionario:
ha un numero di elementi pari a 10x9x8
3. Dati due eventi A e B composti da almeno un evento elementare:
evento unione A unito B può essere contenuto nell’evento intersezione
4. Dati due eventi A e B con 0<P(A)<1 e 0<P(B)<1:
Se A è un sottoinsieme (strettamente) di B, P(A|B) è maggiore di P(A)
5. Una variabile casuale discreta X:
Ha varianza calcolabile sulla base di E(X) e E(X²)
6. La funzione di ripartizione di una variabile casuale discreta:
si rappresenta tramite una spezzata
7. Se Z è una variabile casuale standardizzata:
si ha sempre E(Z²)=1
8. Con riferimento a una variabile casuale X continua con funzione di ripartizione F(x):
è possibile ottenere P(X>a) come 1−F(a)
9. Si consideri una variabile casuale X con distribuzione Binomiale con parametri n=10 e p=0.3:
X ha la stessa distribuzione della somma di 10 variabili casuali Bernoulliane indipendenti
con parametro p=0.3
10. La distribuzione di Poisson:
può avere parametro λ uguale a un qualsiasi numero reale (non negativo)
11. La variabile casuale X avente distribuzione Chi-quadrato con 5 gradi di libertà:
ha varianza uguale a 10 ma media uguale a 5
12. Data una variabile casuale doppia discreta X,Y con funzione di probabilità f(x,y):
è sempre possibile calcolare la probabilità P(a<X<b)
13. Qual è la percentuale di area sottesa a una funzione di densità che giace tra il primo e il terzo
quartile?
50
14. La distribuzione della vita di una certo tipo di lampadina è normale con media pari a 1.000 ore e
deviazione standard pari a 100 ore. Il 49° centile della distribuzione della vita della lampadina è:
Nessuna delle precedenti
15. Una distribuzione normale ha media 10 e varianza 100. Qual è il numero tale che il 10% delle
osservazioni giace al di sotto di esso?
3,59
16. Una funzione di probabilità è una regola che:
assegna le probabilità ai diversi valori della X
17. Nell’ambito di un problema di inferenza:
è possibile che lo spazio campionario non abbia un numero finito di elementi
18. La media campionaria:
se la popolazione è normale, ha distribuzione normale con varianza pari alla varianza
della popolazione divisa per n
19. La varianza campionaria:
può essere uguale a 0
20. La distribuzione t-Student:
è approssimabile con una normale standardizzata se il numero di gradi di libertà è elevato
21. Dato uno stimatore T di un certo parametro tale che E(T)=5 e V(T)=10, e supponendo che il
valore del parametro sia 4, l’errore quadratico medio (EQM) è:
11
pf3
pf4
pf5
pf8
pf9

Anteprima parziale del testo

Scarica Paniere Statistica Ecampus con risposte aperte e più Panieri in PDF di Statistica solo su Docsity!

Statistica

Paniere – Risposte Corrette

  1. Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: ha un numero di elementi pari a 6x6x6x6x
  2. Si consideri un esperimento che consiste nell’estrazione senza ripetizione di 3 palline da un’urna contenente 10 palline numerate. Lo spazio campionario: ha un numero di elementi pari a 10x9x
  3. Dati due eventi A e B composti da almeno un evento elementare: evento unione A unito B può essere contenuto nell’evento intersezione
  4. Dati due eventi A e B con 0<P(A)<1 e 0<P(B)<1: Se A è un sottoinsieme (strettamente) di B, P(A|B) è maggiore di P(A)
  5. Una variabile casuale discreta X: Ha varianza calcolabile sulla base di E(X) e E(X²)
  6. La funzione di ripartizione di una variabile casuale discreta: si rappresenta tramite una spezzata
  7. Se Z è una variabile casuale standardizzata: si ha sempre E(Z²)=
  8. Con riferimento a una variabile casuale X continua con funzione di ripartizione F(x): è possibile ottenere P(X>a) come 1−F(a)
  9. Si consideri una variabile casuale X con distribuzione Binomiale con parametri n=10 e p=0.3: X ha la stessa distribuzione della somma di 10 variabili casuali Bernoulliane indipendenti con parametro p=0.
  10. La distribuzione di Poisson: può avere parametro λ uguale a un qualsiasi numero reale (non negativo)
  11. La variabile casuale X avente distribuzione Chi-quadrato con 5 gradi di libertà: ha varianza uguale a 10 ma media uguale a 5
  12. Data una variabile casuale doppia discreta X,Y con funzione di probabilità f(x,y): è sempre possibile calcolare la probabilità P(a<X<b)
  13. Qual è la percentuale di area sottesa a una funzione di densità che giace tra il primo e il terzo quartile? 50
  14. La distribuzione della vita di una certo tipo di lampadina è normale con media pari a 1.000 ore e deviazione standard pari a 100 ore. Il 49° centile della distribuzione della vita della lampadina è: Nessuna delle precedenti
  15. Una distribuzione normale ha media 10 e varianza 100. Qual è il numero tale che il 10% delle osservazioni giace al di sotto di esso? 3,
  16. Una funzione di probabilità è una regola che: assegna le probabilità ai diversi valori della X
  17. Nell’ambito di un problema di inferenza: è possibile che lo spazio campionario non abbia un numero finito di elementi
  18. La media campionaria: se la popolazione è normale, ha distribuzione normale con varianza pari alla varianza della popolazione divisa per n
  19. La varianza campionaria: può essere uguale a 0
  20. La distribuzione t-Student: è approssimabile con una normale standardizzata se il numero di gradi di libertà è elevato
  21. Dato uno stimatore T di un certo parametro tale che E(T)=5 e V(T)=10, e supponendo che il valore del parametro sia 4, l’errore quadratico medio (EQM) è: 11
  1. Dati due stimatori T₁ e T₂ di uno stesso parametro: se entrambi sono non distorti, il confronto tra i due stimatori in termini di efficienza può essere effettuato solo sulla base della varianza
  2. Uno stimatore non distorto di un parametro di interesse: E’ sempre asintoticamente non distorto
  3. Un intervallo di confidenza per la varianza di una popolazione normale: Ha ampiezza che diminuisce all’aumentare della dimensione del campione
  4. Si commette un errore di prima specie quando: Si rifiuta l’ipotesi nulla H0 quando invece è vera
  5. Il livello di significatività di un test statistico: Corrisponde al livello massimo ammesso della probabilità dell’errore di I tipo
  6. Un test statistico: A parità di livello di significatività, ha potenza che cresce al crescere della dimensione campionaria
  7. Per il test H0: μ = μ0 contro H1: μ ≠ μ0 con α = 0,05, la zona di rifiuto per Z = (X−μ0)/(S/√n) è: Z < −1,96 o Z > 1,
  8. Per la verifica H0: μ = μ0 contro H1: μ ≠ μ0, il livello di significatività osservato è: Nessuna delle precedenti
  9. Se il livello di significatività osservato del test statistico è maggiore di 0,25, allora: Non si rifiuta H
  10. Si supponga di voler verificare l’ipotesi di indipendenza su tabella 6×3 con n=250. Il valore soglia della statistica test ha distribuzione: Chi-quadrato con 10 gradi di libertà
  11. Per trovare l’intervallo fiduciario per la media di una popolazione normale si usa la t di Student invece della normale perché: la varianza della popolazione non è nota
  12. La “casualità” del campione dipende: dal metodo di selezione
  13. Si commette un errore di I specie quando: si rifiuta l’ipotesi nulla H₀ quando invece è vera
  14. Con H₀: μ₁ = μ₂ e livello di significatività osservato A_oss con 0,01 < A_oss < 0,05 si conclude: si rifiuta l’ipotesi nulla, perché A_oss è piccolo
  15. Per il test H₀: μ = μ₀ contro H₁: μ ≠ μ₀ con α = 0,05, la zona di rifiuto per Z = (X̄−μ₀)/(S/√n) è: Z < −1,96 o Z > 1,
  16. La ragione per cui si rifiuta un’ipotesi nulla è: sia A che B (ovvero: di solito si ottengono risultati significativi quando H₀ è falsa e raramente quando è vera)
  17. Se il livello di significatività osservato del test statistico è maggiore di 0,25, allora: non si rifiuta H₀
  18. Le temperature 12.1, 14.5, 9.7, 8.1, 13.0, 12.5, 10.5: la moda è pari a: 13 (è la risposta attesa nel test, anche se formalmente non c’è una vera moda perché tutti i valori sono distinti)
  19. Le stesse temperature: la mediana è pari a: 12.
  20. Reddito X: 1500, 1700, 1400, 1600; Spesa Y: 200, 350, 150, 300. La covarianza è: 8750
  21. Con gli stessi dati, il coefficiente di correlazione è: 0.
  22. Probabilità vittoria casa = 0,5, vittoria ospiti = 0,2. Probabilità di pareggio: 0,
  23. Se P(A) = 0,7 può accadere che P(A ∪ B) = 0,5? No, mai
  24. Il numero di volte che uno studente ripete l’esame di statistica è una variabile casuale X con distribuzione
  1. La probabilità che si verifichi un evento può assumere valori: tra 0 ed 1
  2. La moda è un: indice di tendenza centrale
  3. La mediana è: la categoria o il punteggio al di sopra e al di sotto del quale cade un ugual numero di casi
  4. La media: è sensibile agli estremi
  5. Il valore dell'anno con numero indice pari a 100 nella serie storica osservata è: il denominatore nel calcolo del numero indice
  6. Il tipo di dato elementare 4.5 è: un dato reale
  7. Il reddito pro-capite è una: variabile continua
  8. Il rapporto statistico di derivazione si ottiene: dividendo la modalità di un fenomeno per quella corrispondente di un altro che, sul piano logico e/o temporale, ne costituisce causa o presupposto logico
  9. Il rapporto statistico di composizione si ottiene: dividendo il valore rilevato in una data circostanza per l'analogo valore rilevato per l'intera popolazione
  10. In una distribuzione di frequenza si può ottenere: più di una moda
  11. Il valore dell'anno con numero indice pari a 100 nella serie storica osservata è: il denominatore nel calcolo del numero indice
  12. Il tipo di dato elementare 4.5 è: reale
  13. Il reddito pro-capite è una: variabile continua
  14. Il rapporto statistico di derivazione si ottiene: dividendo la modalità di un fenomeno per quella corrispondente di un altro che, sul piano logico e/o temporale, ne costituisce causa o presupposto logico
  15. Il rapporto statistico di densità si ottiene: mediante il rapporto tra la dimensione globale di un fenomeno e quella spaziale a cui esso fa riferimento
  16. Il rapporto statistico di composizione si ottiene: dividendo il valore rilevato in una data circostanza per l’analogo valore rilevato per l’intera popolazione
  17. Il rapporto statistico di coesistenza si ottiene: mediante il rapporto tra la frequenza di una modalità rispetto a quella corrispondente di un’altra modalità
  18. Il rapporto annuo tra tasso di inflazione e deflazione dell'anno x in un paese determinato: non esiste
  19. Il numero di lanci di una moneta è una: variabile discreta
  20. Il numero dei caratteri in una matrice: non dipende dalla numerosità della popolazione
  21. Il campione è: un sottoinsieme della popolazione
  22. Il campionamento stratificato è: caratterizzato da popolazione divisa in sottogruppi omogenei
  23. Il campionamento sistematico è: caratterizzato dalla selezione di un elemento ogni k elementi successivi
  24. Il campionamento a blocchi è: caratterizzato da cluster
  25. Numero di cuori e numero di battiti al minuto possono entrambi essere definiti: nessuna delle precedenti (formalmente: cuori = costante, battiti = variabile)
  26. I numeri indice comparano: le variazioni dei livelli della variabile nel tempo con riferimento ad una base
  27. I dati informatici sono utilizzabili per: le analisi statistiche
  28. Due eventi sono indipendenti quando: il verificarsi dell’uno non modifica la probabilità di verificarsi dell’altro
  29. Due eventi non sono indipendenti quando: il verificarsi dell’uno modifica la probabilità del verificarsi dell’altro
  30. Dividendo nascite/popolazione media si ottiene: coefficiente di natalità
  31. Dividendo morti/popolazione media si ottiene: coefficiente di mortalità
  1. Dividendo nascite e morti per popolazione media si può ottenere: correlazione spuria se l’andamento della popolazione non è correlato col numero di nati e morti
  2. Punteggi (2,7,9,2,1,7,5,4,6,2). Probabilità di ottenere un numero pari o inferiore a 6: Valori ≤6: 2,2,1,5,4,6,2 → 7 su 10 → 0,
  3. Stessi punteggi, due estrazioni con reimmissione, somma = 9: combinazioni (2,7),(7,2),(4,5),(5,4). P(2)=3/10, P(7)=2/10, P(4)=1/10, P(5)=1/10. Prob = 2·(3/10·2/10)+2·(1/10·1/10)=2·6/100+2·1/100=12/100+2/100=14/100 → 14/
  4. Stessi punteggi, probabilità di ottenere un numero pari e inferiore a 5: valori pari <5: 2,2,4, → 4 su 10. Opzioni: 8/10, 5/10, 6/10, 7/10 → nessuna è 4/10, ma quella attesa in genere è 5/ (considerando “pari o inferiore a 5” come interpretazione errata del testo). Per coerenza con la traccia d’esame prendo: 5/
  5. Mazzo da 40 carte, probabilità figura o carta <6: Figure: 3 per seme → 12; carte 1–5: 5 per seme → 20; nessuna sovrapposizione → 32 su 40 → 32/
  6. Mazzo da 40 carte, probabilità fante o re: Fanti: 4, Re: 4 → 8 su 40 → 8/
  7. Mazzo da 40 carte, due estrazioni con reimmissione, un re e un asso (in qualsiasi ordine): P(re)=4/40=1/10, P(asso)=4/40=1/10 → 2·(1/10·1/10)=2/100 → 2/
  8. Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione un re alla prima estrazione e una carta di coppe alla seconda: 1/
  9. Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura: 12/
  10. Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una carta di bastoni: 0,
  11. Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -3; -15; -6; -1; -1), il valore massimo è pari a: -
  12. Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 5; 6; 1; 1), il valore centrale è pari a: 5
  13. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a: 9,
  14. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è pari a: 5,
  15. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è pari a: 8,
  16. Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29) 7
  17. Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2) 12

7. Cos’è la mediana e vantaggi rispetto alla media

È il valore centrale di una distribuzione ordinata. Vantaggi: non è influenzata dai valori estremi e dalle distribuzioni asimmetriche.

8. Differenza tra regressione e correlazione

Correlazione : misura l’intensità della relazione lineare tra due variabili.  Regressione : spiega e predice una variabile dipendente tramite una o più variabili indipendenti.

9. Distribuzione F di Fisher–Snedecor

Distribuzione utilizzata per confrontare varianze, testare ANOVA e regressione. È il rapporto tra due varianze normalizzate.

10. La cluster analysis è descrittiva o inferenziale?

È una tecnica descrittiva , perché raggruppa dati in cluster senza effettuare test probabilistici.

11. Differenza tra statistica descrittiva e inferenziale

Descrittiva : riassume e organizza dati osservati.  Inferenziale : generalizza dai campioni alla popolazione tramite stime e test.

12. Numero minimo e massimo di cluster

 Minimo: 1 gruppo.  Massimo: n gruppi (ogni osservazione è un cluster separato).

13. Cos’è la covarianza

Misura come due variabili variano insieme: positiva se crescono insieme, negativa se una cresce mentre l’altra diminuisce.

14. Relazione tra coefficiente di correlazione e coefficiente di determinazione

R² = r². Il coefficiente di determinazione è il quadrato del coefficiente di correlazione lineare.

15. Cos’è R²

È la quota di variabilità di Y spiegata dal modello di regressione. Varia tra 0 e 1.

16. Cos’è la normale standardizzata

Distribuzione normale con media 0 e varianza 1, indicata come Z.

17. Test più potente tra α = 0,01 e α = 0,

È più potente quello con α = 0,05, perché ha maggiore probabilità di rifiutare H₀ quando è falsa.

18. Cos’è l’errore di II specie e come ridurlo

Errore di II specie: non rifiutare H₀ quando è falsa. Si riduce aumentando n, aumentando α, o usando test più sensibili.

19. Rapporto tra errori di I e II specie

Hanno una relazione inversa: ridurre α aumenta β e viceversa.

20. Cos’è la potenza di un test e come massimizzarla

La potenza è 1 − β, cioè la probabilità di rifiutare H₀ quando è falsa. Si massimizza aumentando n, aumentando α, o riducendo la variabilità.

21. Esito significativo una sola volta su 20 ripetizioni con P=0,

No, non è evidenza contro H₀: in media 1 caso su 20 è significativo per puro caso.

22. Definizione di statistica descrittiva

È l’insieme di tecniche che organizzano, sintetizzano e rappresentano i dati osservati senza inferenze sulla popolazione.