Dopo aver adottato un nuovo processo produttivo, un'impresa analizza la relazione esistente

tra numero di pezzi fabbricati e costi di produzione (dati giornalieri espressi in euro).

Numero pezzi Costi di produzione

120 1350
152 1650
305 2935
85 1131
155 1722
122 1446
212 2219
221 2348

a) Costruire il diagramma di dispersione specificando quale variabile è ragionevole trattare come dipendente.
b) Calcolare la correlazione tra numero di pezzi prodotti e costi di produzione.
c) Determinare la retta di regressione.
d) Qualora l'impresa decidesse di produrre 200 pezzi al giorno, quali sarebbero le spese previste?

Numero pezzi Costi di produzi x-xmedio y-ymedio (x-xmedio)^2 (y-ymedio)^2 (x-xmedio)(y-ymedio)

120 1350 -51.5 -500.125 2652.25 250125.0156 25756.4375
152 1650 -19.5 -200.125 380.25 40050.01563 3902.4375
305 2935 133.5 1084.875 17822.25 1176953.766 144830.8125
85 1131 -86.5 -719.125 7482.25 517140.7656 62204.3125
155 1722 -16.5 -128.125 272.25 16416.01563 2114.0625
122 1446 -49.5 -404.125 2450.25 163317.0156 20004.1875
212 2219 40.5 368.875 1640.25 136068.7656 14939.4375
221 2348 49.5 497.875 2450.25 247879.5156 24644.8125
1372 14801 0 0 35150 2547950.875 298396.5
Costo di produzione
Grafico a dis
media x = 171.5
media y = 1850.125 3500

b) 3000
rho = 0.99709269599
C'è una correlazione lineare positiva molto elevata tra superficie e vendite. 2500

c) 2000

b0= 394.22173542
1500
b1= 8.48923186344
1000

d) 500
Costi previsti per la produzione di 200 pezzi= 2092.06811
0
50 100 150

Num
0
50 100 150

Num
come dipendente.

o)(y-ymedio)

Grafico a dispersione

500

000

500

000

500

000

500

0
50 100 150 200 250 300 350

Numero pezzi
0
50 100 150 200 250 300 350

Numero pezzi
In una indagine epidemiologica si sono classificate 100 persone secondo i seguenti caratteri:
A = influenzato durante l'inverno, E = di norma usa l'autobus, ottenendo la seguente tabella di contingenza

InfluenzatoNon Influenzato
Usa l'autobus 9 3 12
Non usa l'autobus 15 6 21
24 9 33

a) Si calcoli la distribuzione di frequenze relative del carattere A, condizionatamente a ciascuna modalità del carattere
b) Sulla base del risultato ottenuto al punto a) si può concludere che ci sia indipendenza tra i due caratteri? Motivare la
c) Si misuri con un indice opportuno il grado di associazione tra i due caratteri.

a)
Distribuzioni
condizionate

Influenzato Non Influenzato

Usa l'autobus 0.75 0.25 1
Non usa l'autobus 0.7142857 0.2857143 1

b)
Essendo le distribuzioni condizionate diverse tra loro possiamo concludere che i due caratteri sono dipendenti.
Inoltre si può notare che la percentuale di influenzati è leggermente più alta tra chi usa l'autobus.

c)

Tabella di perfetta indipendenza

Influenzato Non Influenzato

Usa l'autobus 8.7272727 3.2727273 12
Non usa l'autobus 15.272727 5.7272727 21
24 9 33

Influenzato Non Influenzato

Usa l'autobus 0.01 0.02 0.03
Non usa l'autobus 0.00 0.01 0.02
0.01 0.04 0.05

Chi quadro = 0.05

Indice di Cramer = 0.0385758

e tabella di contingenza

a ciascuna modalità del carattere E.

enza tra i due caratteri? Motivare la risposta.

teri sono dipendenti.

Un macchinario industriale porta a compimento il proprio ciclo di produzione in un tempo che
dipendente dal livello di temperatura a cui il macchinario viene mantenuto durante il processo
produttivo. Sono stati rilevati un insieme di valori di tempo e temperatura relativi ad un campione di
6 cicli produttivi.

Tempo (minuti) 2.59 3.35 3.31 2.97 2.67 2.71

Temperatura (gradi) 3.73 3.48 3.5 3.58 3.65 3.67

a) Rappresentare graficamente i dati.

b) Determina con il metodo dei minimi quadrati la retta interpolatrice.
c) Interpretare il significato dei coefficienti.
d) Misurare la bontà dell'adattamento della retta ai dati attraverso un indice opportuno.

a)
Grafico a dispersione

4
Tempo

3.5
3 f(x) = − 3.29711375212223 x + 14.8084380305602
2.5 R² = 0.963261960919092
2
1.5
1
0.5
0
3.45 3.5 3.55 3.6 3.65 3.7 3.75

Temperatura

b)

X 3.73 3.48 3.5 3.58 3.65 3.67 21.61

Y 2.59 3.35 3.31 2.97 2.67 2.71 17.6
x-xmedio 0.1283 -0.12167 -0.1017 -0.0217 0.04833 0.06833 0
y-ymedio -0.3433 0.41667 0.3767 0.0367 -0.2633 -0.2233 -1.77636E-15
(x-xmedio)^2 0.0165 0.0148 0.0103 0.0005 0.00234 0.00467 0.049083333 0.008180555556
(y-ymedio)^2 0.1179 0.17361 0.1419 0.0013 0.06934 0.04988 0.553933333 0.092322222222
(x-xmedio)(y-ymedio) -0.0441 -0.05069 -0.0383 -0.0008 -0.0127 -0.0153 -0.16183333 -0.02697222222

xmedio = 3.6017
ymedio = 2.9333

b0 = 14.808
b1 = -3.2971

c)
All'aumentare di un grado la temperatura, ci si aspetta che il tempo di produzione si riduca di 3,3 minuti.
d)
R^2 = 0.963
Nel corso degli ultimi anni, una catena di negozi di
elettrodomestici ha accresciuto la propria quota di mercato grazie
all’apertura di nuove filiali. Per decidere la dimensione di un
nuovo punto vendita si effettua un’analisi che consenta di
prevedere l’ammontare annuo delle vendite sulla base della
superficie del negozio. Nella tabella seguente sono riportati i dati
relativi alle vendite annuali (in migliaia di euro) ed alla superficie
(m2) per un campione di 8 negozi:

Superficie Vendite
1726 3681
1642 3895
2816 6653
5555 9543
1292 3418
2208 5563
1313 3660
1102 2694

a) Calcolare il coefficiente di correlazione e commentare.

b) Costruire la retta di regressione per l’ammontare annuo delle vendite in funzione della superficie, interpretando i ris
c) Determinare il valore delle vendite annuali previsto per un punto vendita la cui superficie sia pari a 4000 m2.

Superficie Vendite x-xmedio y-ymedio (x-xmedio)^2 (y-ymedio)^2 (x-xmedio)(y-ymedio)

1726 3681 -480.75 -1207.375 231120.5625 1457754.391 580445.53125
1642 3895.0 -564.75 -993.375 318942.5625 986793.8906 561008.53125
2816 6653 609.25 1764.625 371185.5625 3113901.391 1075097.78125
5555 9543 3348.25 4654.625 11210778.06 21665533.89 15584848.15625
1292 3418 -914.75 -1470.375 836767.5625 2162002.641 1345025.53125
2208 5563 1.25 674.625 1.5625 455118.8906 843.28125
1313 3660 -893.75 -1228.375 798789.0625 1508905.141 1097860.15625
1102 2694 -1104.75 -2194.375 1220472.563 4815281.641 2424235.78125
17654 39107 0 0 14988057.5 36165291.88 22669364.75

media x = 2206.75
media y = 4888.375

a)
rho = 0.97368995087
C'è una correlazione lineare positiva molto elevata tra superficie e vendite.

b)
b0= 1550.67625805
b1= 1.51249518158
Il coefficiente b1 ci dice che all'aumentare di 1 m2 nella superficie del negozio, ci aspettiamo un aumento delle vendite pari a 1
c)
vendite previste per un negozio di 4000 m2 = 7600.65698
uperficie, interpretando i risultati.
sia pari a 4000 m2.

o)(y-ymedio)

umento delle vendite pari a 1,5 migliaia di euro

La seguente tabella riporta i giudizi su di un
programma televisivo di un gruppo di persone tra i
20 e i 50 anni

Età Noioso Medio Interessante

20-30 1 4 6
30-40 13 3 17
40-50 11 21 2

a) Si calcoli la distribuzione di frequenze relative del carattere Giudizio, condizionatamente a ciascuna fascia di età.
b) Sulla base del risultato ottenuto al punto a) si può concludere che ci sia indipendenza tra i due caratteri? Motivare la
c) Si misuri con un indice opportuno il grado di associazione tra i due caratteri.

a)
Distribuzioni
condizionate

Età Noioso Medio Interessante

20-30 1 4 6 11
30-40 13 3 17 33
40-50 11 21 2 34
25 28 25 78

Età Noioso Medio Interessante

20-30 0.0909091 0.3636364 0.5454545 1
30-40 0.3939394 0.0909091 0.5151515 1
40-50 0.3235294 0.6176471 0.0588235 1

b)
Essendo le distribuzioni condizionate diverse tra loro possiamo concludere che i due caratteri sono dipendenti.

c)

Tabella di perfetta indipendenza

Età Noioso Medio Interessante

20-30 3.53 3.95 3.53 11
30-40 10.58 11.85 10.58 33
40-50 10.90 12.21 10.90 34
25 28 25 78

Età Noioso Medio Interessante

20-30 1.81 0.00 1.74 3.5464935
30-40 0.56 6.61 3.90 11.061558
40-50 0.00 6.34 7.26 13.602941
 2.3653476 12.944041 12.901604 28.210993

Chi quadro = 28.210993

Indice di Cramer = 0.4252525

amente a ciascuna fascia di età.
enza tra i due caratteri? Motivare la risposta.

teri sono dipendenti.

La seguente tabella riporta la quantità di merce venduta in relazione al prezzo:

Prezzo (euro) 1000 1100 1200 1300 1400

Quantità (ton.) 30 27 22 18 15

a) Rappresentare graficamente i dati.

b) Determina con il metodo dei minimi quadrati la retta interpolatrice.
c) Misurare la bontà dell'adattamento della retta ai dati attraverso un indice opportuno.

a)
Grafico a dispersione del prezzo rispetto alla quantità
Quantità

40
30
20 f(x) = − 0.039 x + 69.2
10
0
900 1000 1100 1200 1300 1400 1500

Prezzo

b)

Prezzo (X) 1000 1100 1200 1300 1400

Quantità (Y) 30 27 22 18 15
x-xmedio -200 -100 0 100 200 0
y-ymedio 7.6 4.6 -0.4 -4.4 -7.4 7.1E-15
(x-xmedio)^2 40000 10000 0 10000 40000 100000
(y-ymedio)^2 57.76 21.16 0.16 19.36 54.76 153.2
(x-xmedio)(y-ymedio) -1520 -460 0 -440 -1480 -3900

xmedio = 1200
ymedio = 22.4

b0 = 69.2
b1 = -0.039

c)
R^2 = 0.9928
La seguente tabella riporta i dati relativi al numero di clienti di 5 aziende (NC) e l’ammontare delle spese di ra

NC SR
9 15
17 28
10 19
20 35
8 10

a) Si determinino i coefficienti del modello di regressione lineare semplice per esprimere le spese di rappresentanza in
b) Si preveda, sulla base del modello di regressione lineare semplice, l'ammontare delle spese di rappresentanza per u

X Y x-xmedio y-ymedio (x-xmedio)(x-xmedio)(y-ymedio)

9 15 -3.8 -6.4 14.44 24.32
17 28 4.2 6.6 17.64 27.72
10 19 -2.8 -2.4 7.84 6.72
20 35 7.2 13.6 51.84 97.92
8 10 -4.8 -11.4 23.04 54.72
64 107 0 0 114.8 211.4

a)
media di X 12.8
media di Y 21.4

b1 = 1.84146341463415
b0 = -2.17073170731708

b)
Spese di rappresentanza attese per una azienda con 15 clienti: 25.45122 migliaia di euro
mmontare delle spese di rappresentanza (SR, in migliaia di euro)

e spese di rappresentanza in funzione del numero di clienti.

pese di rappresentanza per un'azienda con 15 clienti.

(x-xmedio)(y-ymedio)
La tabella che segue si riferisce numero di turisti stranieri (in milioni) e alle entrate (in miliardi di
Euro) derivanti dal turismo in un certo anno, osservati in 5 Nazioni:

Nazione Turisti (milioni) Entrate (miliardi di euro)

Francia 60 27.3
Spagna 48 25.1
Italia 30 27.1
Gran Bretagna 23 11.9
Germania 15 6.5

a) Si rappresentino i dati in maniera opportuna.

b) Si determino i parametri della retta di regressione che esprime le entrate in funzione del volume di turisti e si fornisc
c) Utilizzando il modello stimato al punto b) si prevedano le entrate in corrispondenza di un volume di turisti pari a 35 m

b)

Turisti (X) Entrate (Y) x-xmedio y-ymedio (x-xmedio)(y-yme(x-xmedio) (y-ymedio)^2

60 27.3 24.8 7.72 191.456 615.04 59.5984
48 25.1 12.8 5.52 70.656 163.84 30.4704
30 27.1 -5.2 7.52 -39.104 27.04 56.5504
23 11.9 -12.2 -7.68 93.696 148.84 58.9824
15 6.5 -20.2 -13.08 264.216 408.04 171.0864
0 0 580.92 1362.8 376.688

media X = 35.2
media Y = 19.58

b0 = 4.57531552685647
b1 = 0.426269445259759

R^2 = 0.657383421134465

c)
x= 35
y= 19.494746110948
 Grafico a dispersione delle entrate rispetto al numero di turisti

30
Entrate

25
olume di turisti e si fornisca un indice di bontà di adattamento della retta ai dati.
volume di turisti pari20a 35 milioni.

15

10

5
(y-ymedio)^2
0
10 20 30 40 50 60 70

Turisti
La seguente tabella riporta le serie storiche delle esportazioni e delle importazioni (in
milioni di euro) per l'Italia dal 2003 al 2007:

ANNO Esportazioni Importazioni

2003 264616 262998
2004 284413 285634
2005 299923 309292
2006 332013 352465
2007 358633 368080

a) Si regredisca la serie delle esportazioni rispetto all'anno di riferimento con il metodo dei minimi quadrati mediante u
b) Si calcoli il valore teorico delle esportazioni per l'anno 2008 utilizzando la retta interpolatrice di cui al punto a).

X Y x-xmedio y-ymedio (x-xmedio)

2003 264616 -2 -43303.6 4
2004 284413 -1 -23506.6 1
2005 299923 0 -7996.6 0
2006 332013 1 24093.4 1
2007 358633 2 50713.4 4
10025 1539598 0 0 10

a)
media di X 2005
media di Y 307919.6

b1 = 23563.4
b0 = -46936697.4
R2 = 0.983750973128067
b)
Il valore teorico delle esportazioni per il 2008 è 378609.80000001
metodo dei minimi quadrati mediante una retta e si misuri la bontà dell'adattamento.
a interpolatrice di cui al punto a).

(x-xmedio)(y-ymedi(y-ymedio)^2
86607.2 1875201773
23506.6 552560244
0 63945611.56
24093.4 580491924
101426.8 2571848940
235634 5644048491
Un collettivo di 60 donne e 40 uomini è stato intervistato circa l'attitudine al fumo.
Si sono ottenute le seguenti risposte (1 = fumatore; 0 = non fumatore).

Uomini 0010001011100001001001100000010000110010
Donne 1000010011000010011000001000000000101000000101000001000000010

a) Ricavare la tabella di distribuzione doppia rispetto al sesso e all'attitudine al fumo

b) Quale percentuale di uomini fuma? Quale percentuale di donne fuma? Si può concludere che l'attitudine al fumo dip
c) Calcolare un indice opportuno per misurare la dipendenza dell'attitudine al fumo dal carattere sesso e si commenti

a)
Fumatore Non fumatore
Maschio 13 27 40
Femmina 14 46 60
27 73 100

b)
Percentuale di uomini che fumano = 32.5
Percentuale di donne che fumano = 23.333333

Le due frequenze percentuali condizionate al sesso sono tra loro diverse e quindi si può concludere che l'attitudine al fumo dipe

c)

Tabella di perfetta indipendenza

Fumatore Non fumatore

Maschio 10.8 29.2 40
Femmina 16.2 43.8 60
27 73 100

Contingenze quadratiche relative

Fumatore Non fumatore

Maschio 0.448148148148148 0.1657534 0.6139016
Femmina 0.298765432098765 0.1105023 0.4092677
0.746913580246913 0.2762557 1.0231693

Chi quadrato = 1.02316928800947

Indice relativo = 0.101151830829178 basso grado di dipendenza

00001000000010

che l'attitudine al fumo dipenda dal sesso? Motivare la risposta.

tere sesso e si commenti il risultato.

e che l'attitudine al fumo dipende dal sesso

Per valutare gli effetti di due diserbanti, si conta il numero di piante cresciute e
di quelle non cresciute nei rispettivi appezzamenti.
Si utilizzi un indice opportuno per valutare l'entità dell'associazione tra tipo di diserbante e crescita delle piant
e si commenti adeguatamente il risultato

Piante
Piante non
cresciute cresciute Totale
Diserbant 120 60 180
Diserbant 260 90 350
380 150 530

Piante
Piante non
cresciute cresciute Totale
Diserbante 129.0566 50.9434 180
Diserbante 250.9434 99.0566 350
380 150 530

Piante
Piante non
cresciute cresciute Totale
Diserbante 0.635551 1.610063 2.245614
Diserbante 0.326855 0.828032 1.154887
0.962406 2.438095 3.400501

c= 3.400501
indice di Cramer = 0.0801
erbante e crescita delle piante
Il proprietario di un negozio di computer vuole sapere
quanto velocemente vengono saldate le fatture relative ai
PC per tre diverse tipologie di clienti (A=Enti Pubblici,
B=Aziende, C=Privati). A questo fine, riporta, per le
fatture saldate negli ultimi mesi, la tipologia del clien-
te e i giorni intercorsi tra la consegna dei PC e il saldo
della fattura, ottenendo i risultati riassunti nella tabella
seguente:

Tipologia cliente
Giorni trascorsi A B C
0 -| 10 26 52 40 118
10 -| 30 42 60 46 148
30 -| 60 12 18 14 44
80 130 100 310

a) Si rappresenti graficamente la distribuzione di frequenza marginale della variabile “Tipologia del cliente”.
b) Si rappresenti graficamente la distribuzione di frequenza marginale della variabile “Numero di giorni intercorsi tra la
c) Qual è la percentuale di Enti Pubblici tra i clienti che hanno saldato la fattura più di 10 giorni dopo la consegna del P
d) Qual è la percentuale di fatture emesse ad Enti Pubblici che sono state saldate più di 10 giorni dopo la consegna de

a)
Tipologia cliente Frequenza Frequenza relativa
A 80 0.258064516129
B 130 0.4193548387097
C 100 0.3225806451613
310 1

b)
Giorni trascorsi Frequenza Ampiezza classe Densità
0 -| 10 118 10 11.8 0.038065
10 -| 30 148 20 7.4 0.023871
30 -| 60 44 30 1.466667 0.004731
310

c)
P(A|X>10) = 0.28125

d)
P(X>10|A) = 0.675
 logia del cliente”.
mero di giorni intercorsi tra la consegna e il saldo”.
iorni dopo la consegna del PC?
giorni dopo la consegna del PC?
Frequenza assoluta

Distribuzione di frequenza secondo il carattere Tipologia cliente

140

120

100

80
Tipologia
cliente
60

40

20

0
A B C
Tipologia di cliente
La società AMCO s.p.a. ha rilevato nel mese di maggio 2005 il numero di pezzi difettosi (PD)
prodotti da 15 macchine ed i costi di manutenzione (CM)(×1000Euro) per ciascuna di esse

Macchina PD CM
1 12 13.03
2 13 5.07
3 4 7.57
4 3 32.24
5 2 20.38
6 14 16.69
7 1 33
8 7 22.18
9 2 13.2
10 7 5.13
11 2 5.76
12 13 14.4
13 9 1.87
14 9 1
15 10 3.72

a) Rappresentare graficamente, in maniera opportuna, la distribuzione congiunta di PD e CM.

b) Calcolare un indice opportuno per valutare l'associazione tra PD e CM.
c) Se i costi di manutenzione diminuiscono del 5%, calcolare le media e la varianza della nuova variabile: CM' = 0,95×C
C o s ti d i m a n u te n zio n e

a)

Grafico a dispersione dei costi di manutenzione rispetto al numero di pezzi difetto

35

30

25

20

15

10

0
0 2 4 6 8 10 12

Numero di pezzi difettosi

b)
 Macchina PD CM PD-media(PD) CM-media(CM)
1 12 13.03 4.8 0.014
2 13 5.07 5.8 -7.946
3 4 7.57 -3.2 -5.446
4 3 32.24 -4.2 19.224
5 2 20.38 -5.2 7.364
6 14 16.69 6.8 3.674
7 1 33 -6.2 19.984
8 7 22.18 -0.2 9.164
9 2 13.2 -5.2 0.184
10 7 5.13 -0.2 -7.886
11 2 5.76 -5.2 -7.256
12 13 14.4 5.8 1.384
13 9 1.87 1.8 -11.146
14 9 1 1.8 -12.016
15 10 3.72 2.8 -9.296
Totale 108 195.24 0 2.30926389E-14

media(PD) = 7.2
media(CM) = 13.016

cor(PD,CM) = -0.246063476091151

media(CM') = 12.3652
var(CM') = 3633.9081275
della nuova variabile: CM' = 0,95×CM.

petto al numero di pezzi difettosi

10 12 14 16

fettosi
(PD-media(PD))(CM-media(CM))
(PD-media(PD))^2
(CM-media(CM))^2
0.067200000000005 23.04 169.7809
-46.0868 33.64 25.7049
17.4272 10.24 57.3049
-80.7408 17.64 1039.418
-38.2928 27.04 415.3444
24.9832 46.24 278.5561
-123.9008 38.44 1089
-1.8328 0.04 491.9524
-0.956800000000006 27.04 174.24
1.5772 0.04 26.3169
37.7312 27.04 33.1776
8.02720000000001 33.64 207.36
-20.0628 3.24 3.4969
-21.6288 3.24 1
-26.0288 7.84 13.8384
-269.718 298.4 4026.491
La seguente tabella riporta i dati relativi al numero di clienti di 5 aziende (NC) e l’ammontare delle spese di ra

NC SR
9 15
17 28
10 19
20 35
8 10

a) Si determinino i coefficienti del modello di regressione lineare semplice per esprimere le spese di rappresentanza in
b) Si preveda, sulla base del modello di regressione lineare semplice, l'ammontare delle spese di rappresentanza per u

X Y x-xmedio y-ymedio (x-xmedio)(x-xmedio)(y-ymedio)

9 15 -3.8 -6.4 14.44 24.32
17 28 4.2 6.6 17.64 27.72
10 19 -2.8 -2.4 7.84 6.72
20 35 7.2 13.6 51.84 97.92
8 10 -4.8 -11.4 23.04 54.72
64 107 0 0 114.8 211.4

a)
media di X 12.8
media di Y 21.4

b1 = 1.84146341463415
b0 = -2.17073170731708

b)
Spese di rappresentanza attese per una azienda con 15 clienti: 25.45122 migliaia di euro
mmontare delle spese di rappresentanza (SR, in migliaia di euro)

e spese di rappresentanza in funzione del numero di clienti.

pese di rappresentanza per un'azienda con 15 clienti.

(x-xmedio)(y-ymedio)
Per stimare la percentuale di fumatori nella popolazione
italiana adulta viene intervistato un campione di 60 don-
ne e uno di 40 uomini, ottenendo le seguenti risposte:

Uomini 0010001011100001001001100000010000110010
Donne 10000100110000100110000010000000001010000

dove 1=fumatore e 0=non fumatore.

a) Ricavare una tabella di distribuzione doppia
b) Determinare la percentuale di fumatori tra gli intervistati.
c) Quale percentuale di fumatori è di sesso femminile?
d) Usando un opportuno indice dire se sulla base dei dati c'è evidenza di associazione tra il fumo e il sesso.

a)
Fumo Non Fumo
Uomini 13 27 40
Donne 14 46 60
27 73 100

b)
P(F) = 27

c)
P(D|F) = 51.852

d)
tabella di perfetta indipendenza
Fumo Non Fumo
Uomini 10.8 29.2 40
Donne 16.2 43.8 60
27 73 100

tabella per il calcolo del chi-quadro

Fumo Non Fumo
Uomini 0.448148148148148 0.1657534246575 0.613902
Donne 0.298765432098765 0.110502283105 0.409268
0.746913580246913 0.2762557077626 1.023169

chi quadro = 1.02316928800947

phi = 0.101151830829178

C'è un'associazione molto bassa

010000110010
000000101000000101000001000000010

il fumo e il sesso.