Scarica statistica aziendale e più Esercizi in PDF di Statistica solo su Docsity!
1 La matrice dei dati: La matrice dei dati a Non contiene variabili miste, ovvero sia di tipo quantitativo che qualitativo b Ciascuna riga della matrice contiene le modalità assunte da un determinato carattere nelle diverse unità c E' una tabella contenente le informazioni disponibili relativamente ad un insieme di unità statistiche d Ciascuna colonna della matrice contiene le informazioni relative ad una determinata unità 2 Nell'analisi dei dati: La matrice dei dati a Si suppone che le n unità statistiche formino una popolazione P b Si è interessati alla struttura della popolazione unitamente a considerazioni di carattere inferenziale
c Ogni popolazione deve considerarsi come una determinazione di un'estrazione campionaria d Si opera in uno spazio di probabilità 3 La matrice dei dati: La matrice dei dati a Il vettore colonna i-esimo contiene il profilo della i-esima unità b Deriva solo da rilevazioni primarie condotte dall'azienda c E' costruita ricorrendo principalmente ai dati che provengono dalle fonti secondarie d E' costruita ricorrendo principalmente ai dati che provengono dalle fonti secondarie interne all'azienda 4 Nell'ipotesi in cui i dati provengono da indagini campionarie, l'errore di risposta dell'intervistato: Qualità dei dati a E' considerato un valore anomalo b E' un errore di misura
c Si imputa un valore individuale donato da un'unità il più possibile simile a quella con il dato mancante d Si preferisce utilizzare tra i vari metodi quello dell'imputazione stocastica 7 Nel caso di valori errati quale delle seguenti affermazioni non è corretta: Qualità dei dati a L'intervistato non ha risposto deliberatamente b L'intervistato è stato impreciso nel rispondere a causa di problemi di memoria c L'intervistato ha fornito una risposta imprecisa per una non conoscenza puntuale dell'argomento d L'intervistato non ha avuto problemi nel comprendere le domande poste 8 Le analisi sui profilo colonna: Profili colonna a Non sono associate a variabili qualitative sconnesse b Non sono associate a variabili qualitative ordinali
c Non sono associate a variabili quantitative d Non consentono di misurare la distanza o la similarità tra coppie di unità del collettivo statistico 9 L'indice di associazione chi-quadrato è calcolato per: Profili colonna a Variabili qualitative ordinali b Variabili qualitative sconnesse c Variabili quantitative d Variabili miste 10 L'indice di associazione chi-quadrato: Profili colonna a E' compreso tra 0 e 1 b E' compreso tra -1 e 1 c E' un indice relativo di associazione
Variabili miste: profilo colonna a Assume valore 0 quando la variabile qualitativa non dipende in media dalle modalità della variabile quantitativa b Varia tra -1 e 1 c Assume valore 1 quando tutta la varianza della variabile qualitativa è spiegata dalla variabilità tra le medie condizionate d Calcolati tutti i rapporti di correlazione è possibile costruire la relativa di tali rapporti 3 La matrice dei dati secondo l'analisi dei profili riga: Variabili qualitative: profilo riga a Presenta valori negativi b Presenta valori pari a uno sulla diagonale c E' non simmetrica d La misura di distanza è definita in uno spazio metrico 4 Nell'analisi dei profili riga:
Variabili qualitative: profilo riga a In corrispondenza a ogni indice di distanza può essere definito un indice di similarità b Si definisce un indice specifico per la variabili miste c Si costruisce l'indice di Sneath per variabili quantitative d Non si può definire un indice di distanza per variabili qualitative dicotomiche 5 Quale delle seguenti affermazioni è corretta nell'analisi dei profili riga: Variabili qualitative: profilo riga a A differenza dell'approccio del simple matching, l'indice di Jaccard include al denominatore l'elemento d, ovvero il numero di caratteri assenti in entrambe le unità b Il simple matching è un indice di distanza dato dalla frequenza relativa degli attributi presenti in una unità e assenti nell'altra c In presenza di variabili qualitative ordinali, si considera una misurazione a livello nominale tramite l'indice di Sneath senza perdita di informazione nella matrice originaria dei dati
8 Quale delle seguenti affermazioni non è corretta nell'analisi delle variabili quantative secondo i profili riga: Variabili qualitative: profilo colonna a I problemi di scala rappresentano uno dei principali problemi nel calcolo della distanza euclidea b Nella standardizzazione dei dati è possibile rapportare i valori assunti nelle diverse unità al valore massimo della distribuzione c La distanza euclidea tiene conto della possibile correlazione tra le variabili presenti nella matrice dei dati d La distanza di Canberra è calcolata sui valori assoluti assunti dalle unità 9 L'indice di distanza di Gower: Variabili miste: profilo riga a E' calcolato su dati quantitativi b Nel caso di caratteri quantitativi il suo calcolo equivale a standardizzare i dati c Varia tra -1 e 1
d Per caratteri qualitativi dicotomici assume valore 0 se due unità presentano modalità diverse 10 L'indice di distanza di Gower per caratteri qualitativi dicotomici: Variabili miste: profilo riga a Se la variabile dicotomica è pari a zero, si utilizza la misura di distanza proposta da Jaccard b Quando entrambe le unità presentano la stessa modalità, l'indice vale 1 e la variabile dicotomica assume valore 1 c Quando entrambe le unità presentano modalità diverse, la variabile dicotomica assume valore zero d Se la variabile dicotomica assume valore pari a 1, l'indice non può assumere valori pari a zero 1 Nel modello di regressione lineare semplice ⓴ : Le ipotesi del modello a Rappresenta la componente deterministica della retta di regressione
b E' così definita la statistica calcolata sui dati del campione c Differisce dal valore vero del parametro della popolazione per effetto del puro caso d Rispetta sempre la proprietà della correttezza 4 L'intervallo di confidenza al 95% per la media m di una popolazione è 20. <μ< 22.25: Stima e distribuzione dei parametri a Non potrà che diminuire b Non potrà che aumentare c Rimarrà la stessa d Non è determinabile perché non si dispone di tutti i dati del problema 5 Nel modello di regressione, l'indice di determinazione: Le ipotesi del modello a E' pari al rapporto tra devianza residua e devianza totale
b E' pari al rapporto tra devianza di regressione e devianza totale c Un valore dell'indice di determinazione pari a 0,5 implica che i punti sono allineati sulla retta di regressione d E' pari al rapporto tra devianza totale e devianza di regressione 6 Nella specificazione del modello di regressione lineare: Le ipotesi del modello a La varianza degli errori è eteroschedastica b Le distribuzioni degli errori non sono centrate sulla media c Le ipotesi di normalità della componente di disturbo sono necessarie per l'analisi inferenziale d Gli errori sono correlati 7 Nel modello di regressione lineare: Stima e distribuzione dei parametri a La variabile casuale Y ha lo stesso valore atteso del predittore
b μ = 3 e varianza = 6 c μ = 6 e varianza = 5 d μ = 6 e varianza = 6 10 Data la retta di regressione Y = a + bX, calcolare la media di Y sapendo che X ha media μ e scostamento quadratico medio σ: Stima e distribuzione dei parametri a La media di Y è pari ad a + bμ b La media di Y è pari a bμ c La media di Y è pari ad a + μ d Lo scostamento quadratico medio di Y è pari ad a + bσ 1 Quale delle seguenti definizioni non è corretta: Introduzione al modello a Il coefficiente di correlazione multipla misura la proporzione di variabilità totale che viene spiegata dall'insieme di predittori
b Il coefficiente di correlazione multipla è definito come rapporto tra devianza dovuta alla regressione e devianza totale c L’informazione che fornisce il coefficiente di correlazione multipla è una misura della relazione lineare che intercorre tra due variabili considerate insieme d Quando l’analisi della correlazione interessa più di due variabili, l’indice di correlazione non può essere calcolato per tutte le possibili coppie di variabili 2 Quale delle seguenti definizioni non è corretta: Introduzione al modello a La regressione multipla è usata per scopi predittivi b La regressione multipla è utilizzata per individuare modelli causali c Il modello di regressione lineare multiplo è utilizzato per descrivere il comportamento di un determinato fenomeno d Il coefficiente di determinazione multiplo corretto cresce sempre all'aumentare del numero delle variabili esplicative incluse nel modello 3 Il modello di regressione multiplo:
5 Quale delle seguenti affermazioni non è corretta: Ipotesi e stima dei parametri a Il valore atteso della variabile dipendente è uguale alla componente deterministica b La variabile dipendente y è una combinazione lineare di una parte deterministica e di una componente stocastica costituita dall'errore c La costante del modello di regressione misura il valore atteso della variabile dipendente quando almeno una delle variabili esplicative è pari a zero d ⓵ misura la variazione di E(yi) dovuta ad una variazione unitaria di x 6 I minimi quadrati ordinari: Ipotesi e stima dei parametri a La normalità del termine di errore non implica la normalità̀ degli stimatori dei minimi quadrati dei coefficienti di regressione b Gli stimatori di massima verosimiglianza per i coefficienti di regressione non sono gli stessi dei minimi quadrati ordinari
c La varianza corretta degli stimatori dei minimi quadrati ordinari è una quantità fondamentale per l’inferenza sui coefficienti di regressione d X non è una matrice deterministica di rango pieno 7 Quale delle seguenti affermazioni non è corretta: Ipotesi e stima dei parametri a b è̀ uno stimatore corretto di β , ossia E(b) = β b Nella classe degli stimatori corretti di βj (per j=0,1,...,k) che sono funzioni lineari delle Yi , gli stimatori dei minimi quadrati ordinari sono i più efficienti, cioè sono quelli che hanno minima varianza per qualsiasi valore dei parametri c La varianza di bj è omoschedastica d Nel modello di regressione si assume che le osservazioni della variabile risposta siano correlate 8 In un test di ipotesi quale delle seguenti affermazioni è vera: Test a Si accetta l'ipotesi alternativa se il valore della statistica empirica è maggiore del corrispondente percentile della normale
