1

Nome Studente ..........................................

Codice identificativo ..........................................

Facultà di Economia e Management

27010 – Statistica

Prova tipo esame – 6 Dicembre 2018

Durata esame: 2 ore

Materiale autorizzato:

• Calcolatrice scientifica semplice (non grafica o programmabile).

• Un foglio A4 con appunti scritti a mano su entrambi i lati.

Materiale NON autorizzato:

• Telefoni di qualsiasi tipo.

• Calcolatrici grafiche o programmabili.

Istruzioni per gli studenti:

• L’esame contiene 3 problemi. Ogni problema vale 11 punti (33 punti in totale).

• Per ogni problema, si prega di rispondere succintamente ai quesiti.

• Le risposte devono essere scritte direttamente sul presente documento negli

spazi appositi dopo ogni problema se possibile. Se lo spazio non fosse suffi-
ciente, si possono utilizzare i fogli bianchi aggiuntivi forniti dal docente.

• Vige l’obbligo di lavorare individualmente. Scambiare informazioni con altri

studenti porta a terminazione immediata dell’esame e a provvedimenti disci-
plinari in sede di Facoltà ed Ateneo.

• Per convenienza di notazione si utilizza il punto “.” come separatore decimale.

Per esempio 1/10 = 0.1.
27010 – Statistica: esempio di esame con soluzione page 2

1. [11 punti] Di seguito si riportano osservazioni sul prezzo di vendita al dettaglio

di un certo modello di automobile (in migliaia di euro) presso 10 concessionari:

20.2 19.1 20.1 20.6 28.2 21.8 19.9 17.8 20.2 21.8

Dal campione otteniamo x̄ = 20.97 e s = 2.80. Si assume che la variabile aleatoria

X =“prezzo presso un concessionario” è ben rappresentata da una distribuzione
normale N (µ, σ 2 ). Il seguente output da R potrebbe essere utile:

> u <- c(0.9, 0.95, 0.975, 0.99, 0.995)

> qnorm(u)
[1] 1.281552 1.644854 1.959964 2.326348 2.575829
> qt(u, df = 9)
[1] 1.383029 1.833113 2.262157 2.821438 3.249836

(a) [1 punto] Il prezzo è una variabile numerica oppure categorica?

(b) [3 punti] Calcolare i quartili del campione e costruire un box plot. Utiliz-
zando il boxplot, si descriva brevemente la distribuzione di questi dati.
(c) [2 punti] Si definisca una regola empirica per determinare la presenza di
outliers e la si applichi al campione in esame.
(d) [3 punti] Si construisca un intervallo di confidenza con livello di confidenza
pari a 99% per µ. Si spieghi brevemente il significato di “livello di confidenza
al 99%”.
(e) [2 punti] Un’indagine di mercato prevede la raccolta di ulteriori dati. As-
sumendo che σ sia noto e pari a 2.8, determinare la l’ampiezza campionaria
n necessare per ottenere un intervallo di al 99% confidenza di larghezza
inferiore a 2.

2. [11 Punti] Un certo tipo di forno da cucina viene prodotto da un’azienda in

3 fabbriche (A, B, C). Un manager di tale azienda che supervisiona il controllo
di qualita’ si propone di investigare la fonte di eventuali difetti nei forni. Il
manager dispone delle informazioni riportate nella seguente tabella: frazione di
forni prodotti nei vari stabilimenti (2a colonna della tabella) e probabilità che un
forno sia difettoso (D) dato che tale forno proviene da un certo stabilimento (3a
colonna della tabella):

Stabilimento Fraz. produzione Prob. forno difettoso

A 0.35 = P (A) 0.015 = P (D|A)
B 0.35 = P (B) 0.010 = P (D|B)
C 0.30 = P (C) 0.020 = P (D|C)

Il seguente output da R potrebbe essere utile:

> u <- c(0.9, 0.95, 0.975, 0.99, 0.995)

> qnorm(u)
[1] 1.281552 1.644854 1.959964 2.326348 2.575829
> qt(u, df = 9)
[1] 1.383029 1.833113 2.262157 2.821438 3.249836

(a) [1 punto] Si considerino due forni selezionati casualmente. Si calcoli la

probabilità che nessuno dei due forni sia prodotto dallo stabilimento A.

– page 2 –
27010 – Statistica: esempio di esame con soluzione page 3

(b) [1 punto] Si considerino due forni selezionati casualmente. Si calcoli la

probabilità che esattamente un forno sia prodotto dallo stabilimento A.
(c) [2 punti] Si calcoli la probabilità che un forno sia difettoso. Possiamo quindi
concludere che “stabilimento di produzione” e “presenza di un difetto” sono
eventi dipendenti? Si motivi la propria risposta.
(d) [2 punti] Si calcoli la probabilità che un forno sia stato prodotto nello
stabilimento C dato che tale forno è difettoso.
(e) [2 punti] Sia X il numero di forni prodotti da A in un campione casuale di
35 forni.
i. Che distribuzione segue X? Si calcolino E(X) e V ar(X).
ii. Si calcoli P (X = 13).
(f) [3 punti] Il manager sospetta che lo stabilimento A abbia calato la pro-
pria produttività. Per effettuare un controllo, seleziona quindi un campione
casuale di 35 forni; di questi 35 forni ce ne sono x = 18 prodotti dallo
stabilimento A. Sulla base di questi dati possiamo concludere dire che la
proporzione di forni prodotti da A sia calata? Si risponda calcolando e com-
mentando un appropriato intervallo di confidenza con un livello di confidenza
del 95%.

3. [11 Punti] In uno studio riguardante l’effetto dell’attività fisica sulla quantità di
acido lattico prodotto nei muscoli, 4 individui sono stati sottoposti ad un regime
di allenamento. Il livello di acido lattico è stato misurato prima e dopo un’ora
di attività fisica ad un certo livello di intensità. La seguente tabella riporta un
campione casuale risultante da questo esperimento:

Individuo: 1 2 3 4
Prima: 9.5 9.4 8.4 12.2
Dopo: 15.8 12.5 13.1 15.5

Il seguente output R potrebbe essere utile:

> u <- c(0.9, 0.95, 0.975, 0.99, 0.995)

> qt(u, df = 3)
[1] 1.637744 2.353363 3.182446 4.540703 5.840909
> qt(u, df = 6)
[1] 1.439756 1.943180 2.446912 3.142668 3.707428
> qnorm(u)
[1] 1.281552 1.644854 1.959964 2.326348 2.575829

(a) [3 Punti] Si spieghi il significato del livello di significativita’ α nel test

d’ipotesi.
(b) [4 Punti] I dati forniscono evidenza che l’attivita’ fisica abbia un effetto
sul livello medio di acido lattico? Si risponda svolgendo un test d’ipotesi
appropriato utilizzando il livello di significativita’ α = 0.05.
(c) [3 Punti] Quali assunzioni sono necessarie affinché il test d’ipotesi proposto
nel punto (b) funzioni correttamente?

– page 3 –