STATISTICA

STATISTICA
A A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2: 0,3849
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,3: 0,4032
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1.1: 0,3643
A quanto corrisponde l'area sotto la curva normale tra z=0,66 e z=0: 0,2454
A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94: 0,1828
A un campione di 400 casalinghe viene somministrato un questionario, allo scopo di verificare se siano poco, mediamente o molto soddisfatte del loro ruolo in ambito familiare. Si
ottengono i seguenti risultati: - Poco soddisfatte 180 - Mediamente soddisfatte 142 - Molto soddisfatte 78. Estraendo a caso un questionario, quale è la probabilità che la donna che lo ha
compilato siaMOLTO O POCO SODDISFATTA? 0,645
A un campione di 400 casalinghe viene somministrato un questionario, allo scopo di verificare se siano poco, mediamente o molto soddisfatte del ruolo in ambito familiare. Si ottengono
i seguenti risultati: – Poco soddisfatte 180 – Mediamente soddisfatte 142 – Molto soddisfatte 78. Estraendo tre questioni contemporaneamente, qual'è la probabilità che le donne che lo
hanno compilato siano TUTTE E TRE MOLTO SODDISFATTE? 0,7%
Ad un campione di casalinghe viene somministrato un questionario allo scopo di verificare se siano poco, mediamente o molto soddisfatte del loro ruolo in ambito familiare. Si
ottengono i seguenti risultati: Poco soddisfatte 180 - Mediamente soddisfatte 142 - Molto soddisfatte 98. Estraendo a caso un quesionario, quale è la probabilità che la donna che lo ha
compilato sia MOLTO SODDISFATTA? 0,233
ottengono i seguenti risultati: Poco soddisfatte 180 - Mediamente soddisfatte 142 - Molto soddisfatte 78. Estraendo a caso un questionario, quale è la probabilità che la donna che lo ha
compilato sia molto o poco soddisfatta? 0,645
ottengono i seguenti risultati: Poco soddisfatte 180 - Mediamente soddisfatte 142 - Molto soddisfatte 70. Estraendo tre questionari contemporaneamente, quale è la probabilità che le
donne che lo hanno compilato siano tutte e tre molto soddisfatte? 0,56%
C Calcola il punto z del valore minore per i seguenti dati: 1.0 3.0 3.0 3.0 4.0 4.0 5.1 7.0 7.3 9.0: 1,5
Col test z delle differenze tra medie possiamo: Standardizzare la regione di rifiuto
Con il p-value: Specifichiamo un livello di significatività ma anche un valore di Probabilità
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la media geometrica è pari a: 4,42
Considera il seguente insieme di osservazioni (-22; 14; 13; 15; 6; 1; 1; -12), la MEDIANA è: 3,5
Considera il seguente insieme di osservazioni (-22, 14, 13, 15, 6, 1, 1, -12) la deviazione standard campionaria è pari a (considerare nel calcolo del denominatore una numerosità totale
pari a N-1): 13,22
Considera il seguente insieme di osservazioni (-22; 14; 13; 15; 6; 1; 1; -12), la deviazione standard campionaria è: 13,22
Considera la relazione causa effetto y=f(x)+6,5. Calcola la y sapendo che -f(x)=10 ed indica il tipo di relazione: y=-3,5
Consideriamo la seguente serie storica di valori contigui (144,5,3,4,6,7,0,11,12), quante medie mobili di ordine tre si possono calcolare: 7
Cosa si intende per variabilità: E' l'attitudine di un fenomeno quantitativo ad assumere differente modalità
Cos'è la potenza del test: La probabilità di rigettare l'ipotesi nulla quando è falsa
D Data la seguente serie di voti riportati da alcuni studenti ad un esame: 18,19,21,22,23,26,28,30. La mediana è: 22,5
Date n variabili casuali standardizzate e indipendenti al quadrato, una variabile casuale chi-quadrato è data dalla: dalla somma di tali variabili
Date Z variabili casuali standardizzate e indipendenti al quadrato, una variabile chi-quadrato è data: dalla somma di tali variabili
Dati i seguenti numeri calcolare la probabilità di estrarre un numero pari sul totale: 11 12 131 126 17 28 257 890 21 654 33 428: 1/2 50%
Dati i seguenti numeri calcolare la probabilità di estrare un numero pari tra i numeri di due cifre: 11 12 131 126 17 28 257 890 21 654 33 428: 2 pari a 2 cifre 6 numeri di 2 cifre. 2/6 …
1/3
Dati i seguenti numeri calcolare la probabilità di estrarre un numero di due cifre o un numero pari: 21 12 131 126 17 28 257 890 21 654 33 428: 0,83
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reiimmissione un re e un asso: 0,02
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 : 0,025
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in tre estrazioni con reimmissione un 4, un 3 e un 5 nell'ordine indicao: 0,001
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in tre estrazioni con reimmissione due fanti e un cavallo nell'ordine indicato: : 0,001
Dato un mazzo di 40 carte la probabilità di estrarre due assi con reimmissione è: 16/1600
Dato un mazzo di 40 carte la probabilità di estrarre un cavallo è: 1/10
Dato un mazzo di 40 carte la probabilità di estrarre un cinque o una carta di coppe è: 13/40
Dato un mazzo di 40 carte la probabilità di estrarre un due o un tre è: 8/40
Dato un mazzo di 40 carte la probabilità di ottenere in due estrazioni con reimmissione un re e un asso:0,02
Dato un mazzo di 40 carte le probabilità di estrarre un cavallo è: 1/10
Dato un mazzo di 40 carte le probabilità di estrarre un due o un tre è: 8/40
Dato un mazzo di carte la probabilità di estrarre un cinque o una carta di coppe: 13/40
H H0 ed H1 sono due ipotesi: mutuamente escludentesi
H0 ed H1 sono due ipotesi: Nessuna delle precedenti
I Il campione è: Più piccolo della popolazione di riferimento
Il campione è:Un sottoinsieme della popolazione
Il coefficiente di correlazione lineare r di Bravais-Pearson varia: tra -1 e + 1
Il coefficiente di determinazione lineare R2 varia: Tra 0 e +1
Il coefficiente R2 è definibile come segue: ESS/TSS
il livello di significatività o alfa: determina la regione delle medie campionarie in cui rifiutiamo l'ipotesi nulla
Il valore centrale di una classe è dato: dalla semisomma dei due estremi
In un analisi di regressione, il coefficiente angolare b1 è dato: b1=COD(X,Y)/DEV(X)
In una distribuzione statistica la somma delle frequenze relative: è sempre uguale a 1
In una scuola superiore 80 ragazzi sono iscritti ad un corsodi Statistica. All'inizio del corso agli 80 alunni viene somministrato un test attitudinale per l'Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40). Alla fine si valuta l'apprendimento per ogni ragazzo con un test (da 0 a 100). Si ottengono i seguenti risultati: Y'=15+2,5X;r2=0,74;
se=3,5. Quanto aumenta e come si chiama? 2.5; coefficiente di regressione
In un'analisi di regressione, il coefficiente angolare b1 è dato: b1=COD (X,Y)/ DEV(X)
Indicare se esiste l'ipotesi nulla tra le seguenti: La media dei tempi di reazione dei maschi è inferiore a quella delle femmine
indicare se esiste l'ipotesi nulla tra le seguenti: non vi è Hp nulla
L La distribuzione di probabilità t di student è: infinita
La distribuzione di probabilità t di Student è: Simmetrica e centrata in zero
La distribuzione t di Student è: infinita
la frequenza cumulata: può essere anche relativa
La media geometrica è particolarmente usata quando: I diversi valori vengono per loro natura moltiplicati
La seguente ipotesi è nulla: la media dei tempi di reazione dei maschi è uguale a quella delle femmine
La seguente ipotesi è nulla: Questa moneta non è truccata
La sommatoria di tutte le frequenze di una tabella di frequenza è pari a: 1
La spesa (in euro) sostenuta da 12 ragazzi di 20 anni durante un fine settimana di Palermo è: 50; 20; 32; 10; 8; 15; 55; 18; 12; 15; 20; 24. Calcolare la media aritmetica: 23,25
La spesa (in euro) sostenuta da 12 ragazzi di 20 anni durante un fine settimana di Palermo è: 50; 20; 32; 10; 8; 15; 55; 18; 12; 15; 20; 24. Calcolare la mediana: 19
La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati relativi ad un fenomeno , ottenuti attraverso le misurazioni
La statistica inferenziale ha come scopo principale quello di: dedurre le caratteristiche dell'intera popolazione a partire da dati raccolti
La statistica inferenziale: Testa ipotesi
L'indice chi-quadrato di Pearson: Dipende dalla dimensione del collettivo
N Nel modello di regressione lineare semplice quali delle seguenti ipotesi è definita “ipotesi debole”: ipotesi sulla variabile esplicativa
Nel modello di regressione lineare semplice quali delle seguenti ipotesi è definita “ipotesi forte”: ipotesi di normalità
Q Quale indice di posizione appare rappresentativo dell'intera distribuzione? media aritmetica
Quale indice di posizione appare rappresentativo dell'intera distribuzione? moda
Quando il campione è maggiore di 30 unità è definibile: Grande e non si può usare il test z ma devi ma devi usare il test t: il campione può considerarsi estratto da una popolazione normale
S Scrivi la funzione excel ed i simboli da digitare nella cella per calocalare la varianza campionaria: =VAR
Scrivi la funzione excel ed i simboli da digitare nella cella per calocolare la media geometrica: =MEDIA.GEOMETRICA
Si commette un errore di prima specie: Nel rifiutare l'ipotesi nulla quando in realtà è vera
Si consideri la popolazione di 20 unità statistiche (-350; 2; 2; 2; 2; 2; 2; 4; 6; 6; 7; 7; 7; 8; 9; 9; 9; 10; 14; 350) Quale indice di posizione appare rappresentativo dell'intera distribuzione?
media aritmetica
Si consideri la popolazione di 20 unità statistiche: (-450,2,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,14,510). Quale indice di posizione appare rappresentativo dell'intera distribuzione ? Moda
Si consideri la popolazione di unità statistiche: (-290,2,2,2,2,3,3,3,3,3,3,3,3,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,290) quale indice di posizione appare rappresentativo dell'intera distribuzione?
Moda
T Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle frequenze teoriche
U Un prodotto di largo consumo ha subito negli anni diversi aumenti indicati in tabella: 2007—2%, 2008—2,5%; 2009—2,6%; 2010—2,7%. Indicare il tasso di aumento medio annuo:2,450%
Una classe è chiusa a destra e aperta a sinistra se: Solo l'estremo destro è incluso
Una tabella a doppia entrata registra: Quante volte una coppia di mortalità si presenta contemporaneamente per x e per y
Uno stimatore si dice consistente se: Al crescere della numerosità campionaria tende a concentrarsi sul parametro da stimare
A A QUANTO CORRISPONDE L'AREA SOTTO LA CURVA NORMALE TRA Z=0 E Z=1,4: 0,4192
A QUANTO CORRISPONDE L'AREA SOTTO LA CURVA NORMALE TRA Z=0,81 E Z=1,94:0,1828
Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due caratteri quantitativi considerati
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due caratteri quantitativi considerati
Attraverso l’equazione di bilancio si analizzano: le produzioni delle varie branche secondo i rispettivi impieghi
AUMENTANDO IL LIVELLO DI SIGNIFICATIVITÀ: aumenta la potenza del test
C 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
Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29): 29
Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29): 12
CALCOLARE LA VARIANZA DEI SEGUENTI NUMERI: 12,6,7,3,15,10,18,5: 23,75
CALCOLARE LO SCARTO QUADRATICO MEDIO DEI SEGUENTI NUMERI: 12,6,7,3,15,10,18,5: 4,87
Col termine classificazione: si intende il massimo dettaglio con cui la variabile viene espressa.
CON IL METODO DEI MINIMI QUADRATI: Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= +0,8, I VALORI DI UNA VARIABILE: Crescono al crescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile: Non vi è correlazione
Con un coefficiente di correlazione pari a r= -0,5, i valori di una variabile: Tendono a crescere al decrescere dei valori dell’altra, ma in maniera blanda
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,5, I VALORI DI UNA VARIABILE: Tendono a crescere al decrescere dei valori dell’altra, ma in maniera blanda
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,8, I VALORI DI UNA VARIABILE: Crescono al decrescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile: Crescono al decrescere dei valori dell’altra
CONOSCENDO LA DEVIANZA, LO SCARTO QUADRATICO MEDIO SI RICAVA CALCOLANDO: La radice quadrata del rapporto tra devianza e numerosità del collettivo
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è pari a: 8,5
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è pari a: 5,66
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1), LA MEDIANA È PARI A: 6
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a: 9,5
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1; 1), LA MEDIA è PARI A: 7,43
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la moda è pari a: 1
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è pari a: 8
Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore massimo è pari a: -1
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a: 2
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22, 14. 13; 15; 6; 1; 1; -12), LA VARIANZA CAMPIONARIA È PARI A (CONSIDERARE NEL CALCOLO DEL DENOMINATORE UNA NUMEROSITÀ TOTALE PARI A N-1):
174,90
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22; 14;13;15;6,1;1;-12), LA MEDIANA è PARI A: 3,5
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22;14,13,15;6;1;1;-2), LA DEVIAZIONE STANDARD CAMPIONARIA E’ PARI A(CONSIDERARE NEL CALCOLO DEL DENOMINATORE UNA NUMEROSITA’ PARI A N-1):
13,22
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y = -F(X), CALCOLA LA Y SAPENDO CHE F(X) = -10 ED INDICA IL TIPO DI RELAZIONE: y = 10; la relazione è lineare
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di relazione: y = 10; la relazione è lineare
CONSIDERA LA RELAZIONE CAUSA-EFFETTO y=f(x)+4.5 CALCOLA LA y SAPENDO CHE –f(x)=10 ED INDICA IL TIPO DI RELAZIONE: y=-5,5
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y=-F(X)2, CALCOLA LA Y SAPENDO CHE F(X)= -10 ED INDICA IL TIPO DI RELAZIONE: y = 100; la relazione è non lineare
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di relazione: y = 100; la relazione è non lineare
CONSIDERIAMO LA RELAZIONE Y=F(X), DOVE X È RAPPRESENTATO DALL’ INFLAZIONE ED Y SONO I TASSI DI INTERESSE NELLEURO AREA: x è la variabile indipendente
Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi di interesse nell’Euro Area: x è la variabile indipendente
CONSIDERIAMO LA SEGUENTE SERIE STORICA DI VALORI CONTIGUI (2,2,3,5,3,4,6,7), QUANTE MEDIE MOBILI DI PESATE DI ORDINE TRE SI POSSONO CALCOLARE: 6
Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie mobili di pesate di ordine tre si possono calcolare: 6
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine cinque calcolabile in tempo reale: 21//5
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine tre calcolabile in tempo reale: 11//3
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine cinque si possono calcolare: 2
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine tre si possono calcolare: 4
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie mobili di ordine tre si possono calcolare: 5
COSA SI INTENDE PER STIMA INTERVALLARE: La stima attraverso la quale si giunge alla determinazione di un intervallo, che include il parametro stimato, con livello di confidenza 1-
COSA SI INTENDE PER STIMA PUNTUALE: La stima attraverso la quale si giunge alla determinazione di un solo valore numerico per uno o più parametri della popolazione
COSA SI INTENDE VARIABILITÀ: E' l'attitudine di un fenomeno quantitativo ad assumere differente modalità
Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in particolare: Capire quale delle due unità presenta un andamento migliore
D Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un asso: 0,1
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una carta di bastoni: 0,25
Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura: 12//40
DA UNA PARTITA DI BULLONI METALLICI È STATO ESTRATTO UN CAMPIONE di n=100 elementi e se ne sono trovati 20 difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi difettosi:
IC=[0,1216;0,2784]
DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ STATISTICHE ( A, B, C, D ) si voglia estrarre, con ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto da:16 possibili campioni
DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ STATISTICHE ( A, B, C, D ) si voglia estrarre, con ripetizione, un campione casuale di numerosità 3. Lo spazio campionario è composto da: 64 possibili campioni
DA UNA POPOLAZIONE COMPOSTA DA 5 UNITÀ STATISTICHE ( A, B, C, D, E ) si voglia estrarre, con ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto da: 25 possibili campioni
DAI I SEGUENTI NUMERI CALCOLARE LA PROBABILITÀ DI ESTRARRE UN NUMERO DI DUE CIFRE O UN NUMERO PARI: 2 12 131 126 17 28 257 890 21 654 33 428: 0,33
DATE COPPIE DI VALORI X E Y, L’EQUAZIONE DI REGRESSIONE PUÒ ESSERE CONSIDERATA: Una formula di predizione di Y
Date coppie di valori X e Y, l’equazione di regressione può essere considerata: Una formula di predizione di Y
DATE COPPIE DI VALORI X E Y, LA RETTA DI REGRESSIONE È UNA: Sola, e ben definita, tra le infinite rette che si possono tracciare tra i punti di un diagramma a dispersione
Date coppie di valori X e Y, la retta di regressione è una: Sola, e ben definita, tra le infinite rette che si possono tracciare tra i punti di un diagramma a dispersione
DATE LE VARIABILI: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2, il coefficiente di determinazione lineare è:0,9650
DATE LE VARIABILI: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2.
DATE LE VARIABILI: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2,20,18.2,16,2. La codevianza (X,Y) è:577,6
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
DATI I SEGUENTI EVENTI: A=(1,2,3), B=(2,3,4). Determinare AᴜB:AᴜB=,1,2,3,4-
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ᴜ B ᴜ C: AᴜBᴜC=,1,3,5,7,9,10-
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B: A∩B=,3,5-
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C: A∩B∩C=,5-
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C: A∩C=,1,5-
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C: B∩C=,5,9,10-
DATI I SEGUENTI NUMERI CALCOLARE LA PROBABILILTA’ DI ESTRARRE UN NUMEO PARI TRA I NUMERI DI DUE CIFRE: 11 12 131 126 17 28 257 890 21 654 33 428: 1/4DATI I SEGUENTI NUMEI CALCOLARE LA
PROBABILITA’ DI ESTRARRE UN NUMERO DI DUE CIFRE O UN NUMERO PARI: 11 12 131 126 17 28 257 890 21 654 33 428: 0.33
DATI I SEGUENTI NUMERI CALCOLARE LA PROBABILITA’ DI ESTRARRE UN NUMERO PARI SUL TOTALE: 11 12 131 126 17 28 257 890 21 654 33 428 : 1/2
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//40
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione un re e un asso: 2//100
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’ DI OTTENERE IN TRE ESTRAZIONI CON REIMMISSIONE DUE FANTI E UN CAVALLO NELL’ORDINE INDICATO: 0,001
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’ DI OTTENERE IN TRE ESTRAZIONI CON REIMMISSIONE UN 4, UN 3 E UN 5 NELL’ORDINE INDICATO: 0,001
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’ DI OTTENERE IN TRE ESTRAZIONI CON REIMMISSIONE, ESATTAMENTE DUE RE: 0,02
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’ DI OTTENERE IN UN’UNICA ESTRAZIONE IL RE DI SPADE: 1/40
DATO UN MAZZO DI 40 CARTE LA PROBABILITA’ DI ESTRARRE DUE ASSI CON REIMMISSIONE E’: 16/1600
DATO UN MAZZO DI 40 CARTE LA PROBABILITA’ DI ESTRARRE UN CAVALLO E’: 1/40
DATO UN MAZZO DI 40 CARTE LA PROBABILITA’ DI ESTRARRE UN CINQUE O UNA CARTA DI COPPIE E’: 13/40
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un fante o un re: 08//40
DATO UN MAZZO DI 40 CARTE VIENE ESTRATTA UNA CARTA. CALCOLARE LA PROBABILITÀ DI OTTENERE UN FANTE O UN RE: 8/40
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una figura o una carta inferiore a 6: 20/40
DATO UN MAZZO DI 40 CARTE VIENE ESTRATTA UNA CARTA. CALCOLARE LA PROBABILITÀ DI OTTENERE UNA FIGURA O UNA CARTA INFERIORE A 6: 32/40
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2), estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari e inferiore a 6: 4//10
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere almeno un 7 alla prima
estrazione: 0,2
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere due punteggi la cui somma
sia 9: 14/100
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari o inferiore a 6: 0,7
DIECI ADOLESCENTI HANNO OTTENUTO I SEGUENTI IN UNA PROVA DI ABILITÀ SPAZIALE (2,7,9,2,1,7,5,4,6,2). ESTRAENDO A CASO UN PUNTEGGIO QUALE È LA PROBABILITÀ DI OTTENERE UN NUMERO PARI O
INFERIORE A 6: 0.7
DIRE SE LA SEGUENTE DISTRIBUZIONE È SIMMETRICA: 8,14,16,16,16,21,21: Non è simmetrica
Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di tempo rispettivamente per la quantità della popolazione media dello stesso periodo si può ottenere: Correlazione spuria
se l’andamento della popolazione non è correlato col numero di nati e morti
Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità della popolazione media dello stesso periodo si ottiene: Coefficiente di mortalità
Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la quantità della popolazione media dello stesso periodo si ottiene: Coefficiente di natalità
Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità del verificarsi dell’altro
Due eventi sono indipendenti quando: Il verificarsi dell’uno non modifica la probabilità di verificarsi dell’altro
DUE VARIABILI SI DICONO PERFETTAMENTE CORRELATE SE: l coefficiente di correlazione è pari a 1 in valore assoluto
E’ NULLA LA SEGUENTE IPOTESI: la probabilità di incontrare a caso un bambino con problemi di apprendimento tra le classi sociali svantaggiate è superiore al 30%
E EFFETTUANDO UN TEST DI VERIFICA DELL'IPOTESI di indipendenza su una tabella di contingenza 5x4, i gradi di libertà corrispondono: 12
EFFETTUANDO UN TEST DI VERIFICA DELL'IPOTESI di indipendenza su una tabella di contingenza 5x5, i gradi di libertà corrispondono: 16
EFFETTUANDO UN TEST DI VERIFICA DELL'IPOTESI di indipendenza su una tabella di contingenza, i gradi di libertà corrispondono: (r-1) (c-1)
ESTRAENDO A CASO DUE PUNTEGGI CON REIMMISSIONE, QUALE È LA PROBABILITÀ DI OTTENERE ALMENO UN 7 ALLA PRIMA ESTRAZIONE: 0.2
ESTRAENDO A CASO UN PUNTEGGIO QUALE È LA PROBABILITÀ DI OTTENERE UN NUMERO PARI E INFERIORE A 6: 4/10.
ESTRAENDO A CASO UN PUNTEGGIO QUALE È LA PROBABILITÀ DI OTTENERE UN NUMERO PARI O INFERIORE A 6: 0.7
G Gli “aggregati” che si determinano in una stadio del processo economico figurano: in uno o più conti o equazioni contabili che descrivono quello stadio
Gli investimenti lordi – da parte dei produttori di beni destinati a generare reddito – sono costituiti: dalle acquisizioni, al netto delle cessioni
Gli obiettivi del SISTAN sono: ridurre duplicazioni e incongruenze e razionalizzare le statistiche
Gli strumenti di indagine nello studio delle fluttuazioni sono: i metodi di analisi delle serie economiche temporali
I I caratteri statistici si dividono in: quantitativi e qualitativi
I cicli economici sono caratterizzati da: una fase di espansione seguita da una fase di contrazione
I coefficienti si dicono “tecnici” se: le grandezze sono espresse in unità fisiche
I dati informatici sono utilizzabili per: Le analisi statistiche
I dazi doganali ed i costi di trasporto influenzano: i prezzi interni all’ingrosso ed al consumo
I flussi che formano gli aggregati della Contabilità Nazionale vengono in genere valutati: ai prezzi di mercato
I flussi di reddito che compaiono nei conti della Distribuzione Primaria del Reddito sono detti: redditi primari
I metodi più noti per calcolare la parità di potere d’acquisto sono: il metodo proposto da Geary e Khamis e il metodo proposto da Gerardi
I modelli di tipo additivo, moltiplicativo o misto servono a: individuare le relazioni tra le singole componenti di una serie storica
I numeri indice che mettono a confronto l’intensità di uno stesso fenomeno in due o più situazioni diverse sono: i numeri indici semplici
I numeri indice comparano: Le variazioni dei livelli della variabile nel tempo con riferimento ad una base
I NUMERI INDICE SONO: Rapporti statistici
I NUMERI INDICE SONO: Strumenti matematici
I NUMERI INDICE SONO: esplicativi dell’ andamento dei livelli della variabile nel tempo
I numeri indice sono: Esplicativi dell’andamento dei livelli della variabile nel tempo
I numeri indice sono: Inferiori a 100 se il livello tende a scendere rispetto all’anno base
I numeri indice sono: Rapporti statistici
I numeri indice sono: Strumenti matematici
I NUMERI INDICE SONO: superiori a 100 se il livello della variabile tende a crescere rispetto all’anno base
I numeri indice sono: Superiori a 100 se il livello della variabile tende a crescere rispetto all’anno base
I numeri indici delle produzioni e dei prezzi sono utilizzabili per: confrontate nel tempo aggregati espressi in moneta corrente
I numeri indici rappresentano: uno strumento per lo studio nel breve periodo delle fluttuazioni dei prezzi e delle produzioni
I numeri indici si classificano in: semplici, complessi, sintetici, compositi
I prezzi départ-usine o ex fabrixa sono comprensivi anche: delle imposte indirette sulla produzione o sul primo scambio
I principi sanciti dall’art. 285 del trattato di Amsterdam: imparzialità, affidabilità, obiettività, indipendenza scientifica, efficacia e riservatezza
I Redditi da lavoro dipendente sono: composti dalle retribuzioni lorde e dai contributi sociali effettivi e figurativi
I SIMBOLI E S SI RIFERISCONO ALLA MEDIA ED ALLO SCARTO QUADRATICO MEDIO DEL: Campione
I SIMBOLI Μ E Σ SI RIFERISCONO ALLA MEDIA ED ALLO SCARTO QUADRATICO MEDIO DEL: Popolazione
I trasferimenti in conto capitale sono: flussi unilaterali (in denaro o in natura) prevalentemente erogati o prelevati dalle PA nell’ambito dei processi di accumulazione
I tre stadi fondamentali del processo economico descritti dalla Contabilità Nazionale sono: la formazione e l’impiego delle risorse, la distribuzione e redistribuzione del reddito, la formazione del capitale
I valori attesi nella variabile casuale Normale sono: Media; Varianza;

IL Il “numero di cuori” negli esseri viventi ed il “numero di battiti cardiaci al minuto” possono entrambi essere definiti: Il numero di battiti solamente può essere definito variabile
Il calcolo degli indici di integrazione settoriale consente di: definire gli ambiti entro cui si propagano gli impulsi attivati dai singoli settori
Il calcolo dei coefficienti di spesa è utile perché consente di: collegare all domanda finale gli input intermedi e gli input primari
Il campionamento a blocchi è: Caratterizzato da cluster
Il campionamento sistematico è: Caratterizzato dalla selezione di un elemento ogni k elementi successivi
Il campionamento stratificato è: Caratterizzato da popolazione divisa in sottogruppi omogenei
Il campione è: Un sottoinsieme della popolazione
IL CAMPO DI VARIAZIONE È DATO DALLA: Differenza tra valore massimo e minimo della distribuzione
Il capitale lordo si converte in capitale netto mediante: la detrazione del cumulo degli ammortamenti di tutto il periodo di vita decorso
IL COEFFICIENTE ANGOLARE B1 È DATO: b1= COD. (X,Y)/ DEV(X)
IL COEFFICIENTE ANGOLARE B1 INDICA: La pendenza della retta
IL COEFFICIENTE ANGOLARE BI RAPPRESENTA: La pendenza della retta
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, il coefficiente
di determinazione sarà pari a: 0,58
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza
comune sarà pari a: 0,58
IL COEFFICIENTE DI CORRELAZIONE DI PEARSON TRA X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza
comune sarà pari a:58%
residua sarà pari a: 0,42
IL COEFFICIENTE DI CORRELAZIONE DI PEARSON tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza
residua sarà pari a:42%
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y= ”speranza di vita” è pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile dipendente ed Y
quella indipendente, il coefficiente di determinazione sarà pari a: 1
Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione: Tra variabili misurate su scale a intervalli o a rapporti equivalenti
IL COEFFICIENTE DI CORRELAZIONE: E' un numero puro
IL COEFFICIENTE DI CURTOSI DI PEARSON È UGUALE: Momento quarto/quadrato della varianza
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È NULLO SE È NULLA: La devianza di regressione
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È UGUALE A 1 SE È NULLA: La devianza residua
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È: Il quadrato del coefficiente di correlazione lineare
IL COEFFICIENTE DI DETERMINAZIONE LINEARE VARIA TRA: 0 <R2<1
Il coefficiente di spesa indica: quante unità monetarie relative allo stesso bene sono necessarie per produrre una unità monetaria della branca j
IL COEFFICIENTE DI VARIAZIONE È DATO DAL RAPPORTO, espresso in termini percentuali, tra: Lo scarto quadratico medio e media aritmetica
Il concetto di capacità produttiva indica la massima produzione: ottenibile nell’unità di tempo da uno stock di capitale utilizzato a livello normale
Il Conto Corrente della bilancia dei pagamenti di un paese include: le esportazioni e le importazioni
Il Conto Finanziario della bilancia dei pagamenti di un paese, misura: la differenza tra le vendite di attività finanziarie agli stranieri e gli acquisti di attività finanziarie emesse all’estero
Il controllo della qualità è: la metodologia in base alla quale gli errori vengono corretti
Il criterio della doppia deflazione consiste nel: esprimere in termini reali gli aggregati che costituiscono il saldo
IL E(SSR*) È UGUALE:
Il grado di utilizzazione degli impianti produttivi è dato del rapporto tra: la produzione effettiva e la produzione potenziale
IL MAX Χ2 È UGUALE: n x *min (r-1; c-1)+
Il mercato dei fattori produttivi primari e quello dei beni finali possono essere rappresentati: dal classico schema che ne descrive due circuiti, uno reale e uno monetario
Il metodo degli scenari punta ad individuare: un insieme di futuri plausibili determinati dall’evolversi delle variabili chiave
Il metodo del rapporto capitale/prodotto si basa: sulla relazione tecnica che lega lo stock di capitale al prodotto ottenibile
Il metodo dell’inventario permanente si basa sull’idea che lo stock di capitale in un dato istante di tempo corrisponde: alla somma degli investimenti degli anni precedenti, al netto degli ammortamenti
Il metodo della Banca d’Inghilterra fornisce: una misura del grado di utilizzazione del capitale
Il metodo della Wharton School consiste nel calcolo di: un indice che misura la capacità produttiva di tutti i fattori
Il metodo Delphi consiste nel: sottoporre individualmente ai componenti di un gruppo di esperti i quesiti oggetto di valutazione
Il metodo di correzione probabilistico richiede: la sostituzione con delle informazioni valide
Il metodo estrapolativo: si basa sull’invarianza dell’andamento delle variabili del modello nel corso del tempo
Il numero dei caratteri in una matrice: Non dipende dalla numerosità della popolazione
Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono entrambi essere definiti: Il numero di battiti solamente può essere definito variabile
IL NUMERO DI LANCI DI UNA MONETA È UNA: Variabile discreta
Il numero di lanci di una moneta è una: Variabile discreta
Il piano di rilevazione deve stabilire: perché, cosa (o chi), dove, come e quando
Il piano di spoglio è: il programma delle prime operazioni
Il problema dei confronti internazionali, trae origine dai limiti e dalle distorsioni derivanti dall’impiego di: tassi di cambio ufficiali delle monete
Il processo stocastico deve essere: stazionario, gaussiano, ergodico ed invertibile
Il processo stocastico identifica: una famiglia di variabili casuali ordinate secondo il tempo
Il prodotto lordo, reddito nazionale, reddito disponibile, risparmio svolgono: una funzione di collegamento tra le diverse equazioni contabili
Il Programma Statistico Nazionale (PSN) è: triennale
Il Programma Statistico Nazionale (PSN): delinea le attività di interesse pubblico da realizzare
Il questionario serve a: a facilitare l’interazione tra ricercatore, rilevatore e rispondente
Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato: NON ESISTE
IL RAPPORTO DI CORRELAZIONE DI PEARSON VARIA: Tra 0 e 1
Il rapporto statistico di coesistenza si ottiene: Mediante il rapporto tra la frequenza di una modalità rispetto a quella corrispondente di un’altra modalità
Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data circostanza per l’analogo valore rilevato per l’intera popolazione
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
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
Il reddito pro-capite è una: Variabile continua

IL REDDITO PRO-CAPITE È UNA: Variabile continua
Il risultato di gestione e i redditi misti esprimono: il reddito da capitale-impresa delle società e i redditi misti dei lavoratori in proprio e delle micro-imprese familiari
Il Risultato netto di gestione, è composto da: un insieme di redditi da capitale e d’impresa ricevuti in cambio dell’impiego di tali attività e fattori nel processo produttivo
Il saldo aggregato dei redditi primari delle unità residenti costituisce: il Reddito Nazionale
Il SEC 95 – il Sistema europeo dei conti nazionali e regionali – permette: una descrizione quantitativa completa e comparabile dell’economia dei paesi membri dell’attuale Unione Europea
Il SEC stabilisce che l’Attività di Produzione è: un flusso di beni o servizi atto a soddisfare bisogni
Il SEC95 prevede che la distribuzione primaria del reddito venga descritta attraverso due conti: conto della generazione del reddito e quello della attribuzione dei redditi primari
Il settore, denominato dal SEC95 Istituzioni sociali private (ISP), comprende: tutti gli organismi senza scopo di lucro dotati di personalità giuridica che producono servizi
Il Sistema di informazioni statistiche della Contabilità nazionale descrive: in termini quantitativi l’attività economica di un Paese
Il sistema di Leontief può essere immaginato come soluzione di un problema di: massimizzazione dell’output e minimizzazione dei costi dei fattori
Il Sistema Europeo dei Conti SEC95 definisce gli operatori economici come: unità istituzionali
Il tasso di interruzione definitivo si calcola: numero di interviste interrotte definitivamente sul totale delle interviste
IL TEOREMA DEL LIMITE CENTRALE: Afferma che al crescere di n la forma della distribuzione della media campionaria si approssima alla forma normale
Il territorio economico dove sono compiute le operazioni rilevanti per la Contabilità Nazionale di un paese è per lo più costituito: dal territorio geografico
Il tipo di dato elementare 4.5 è: Reale
Il valore aggiunto ai prezzi di mercato PmYj è pari alla: somma del costo dei fattori, imposte indirette al netto dei contributi alla produzione
Il valore aggiunto al costo dei fattori cfYj è pari: alla somma di salari, oneri sociali, altri redditi ed ammortamenti
IL VALORE ATTESO DELLO STIMATORE B1 è:E(B1)=β1
IL VALORE ATTESO E(b+X) è: (b è una costante reale): E(b+X)=b+E(X)
IL VALORE ATTESO E(X+Y) è: (X e Y sono due variabili casuali):E(X+Y)= E(X)+E(Y)
Il valore dei consumi intermedi è dato: dalla somma di tutti gli acquisti di beni e servizi intermedi da parte delle medesime imprese
Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è: Il denominatore nel calcolo del numero indice
Il valore della produzione finale, che per definizione è dato dalla somma dei costi sostenuti per realizzarla, coincide con: le remunerazioni dei fattori produttivi primari
IN IN BASE AL TEOREMA DI GAUSS Markov, gli stimatori dei minimi quadrati: Sono i più efficienti
In base al tipo di approccio i metodi di previsione si distinguono in: estrapolativo, proiettivo e normativo
In caso di triangolarizzazione perfetta il processo produttivo è: perfettamente lineare
In economia chiusa, il Risparmio, per assicurare un consumo futuro, dovrà: essere destinato all’acquisto di beni di investimento
In Italia i conti nazionali sono costruiti annualmente da: dall’Istituto Nazionale di Statistica (ISTAT)
IN RIFERIMENTO ALLA TABELLA CHE MOSTRA LA DECOMPOSIZIONE DELLA DEVIANZA TOTALE, IL RAPPORTO F È UGUALE:
IN RIFERMENTO ALLA DOMANDA 4 si calcoli l'ampiezza di tale intervallo: 0.0124
IN UNA DISTRIBUZIONE DI FREQUENZA SI PUÒ OTTENERE: più di una moda
In una distribuzione di frequenza si può ottenere: Più di una moda
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce punteggi in termini
di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il
livello di apprendimento dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X: r2=0,74; se=3,5. Indicare di quanti punti è l’errore medio di previsione: 3,5
livello di apprendimento dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+3X: r2=0,74; se=3,5. Indicare per ogni risposta corretta al test attitudinale di quanti punti aumenta il
punteggio al test di profitto e come si chiama questo parametro: 3, coefficiente di regressione
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in termini di
risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello
di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r 2=0,64; se=2,5. Indicare quale è la variabile indipendente: Attitudine all’Inglese
di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r 2=0,64; se=2,5. Indicare quale punteggio dovrebbe ottenere al test di profitto un ragazzo che sbaglia tutte le
domande al test attitudinale: 10
di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r 2=0,64; se=2,5. Per ogni risposta corretta in più al test attitudinale indicare di quanti punti aumenta il
punteggio al test di profitto: 2
IN UNA SCUOLA SUPERIORE 80 RAGAZZI SONO ISCRITTI AD UN CORSO DI STATISTICA. ALL’INIZIO DEL CORSO AGLI 80 ALUNNI VIENE SOMMINISTRATO UN TEST ATTITUDINALE PER L’INFORMATICA CHE FORNISCE
PUNTEGGI IN TERMINI DI RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE DEL CORSO SI VALUTA L’APPRENDIMENTO DELL’INFORMATICA PER OGNI RAGAZZO CON UN TEST DI PROFITTO (DA 0 A 100). VIENE UTILIZZATO
IL PUNTEGGIO AL TEST ATTITUDINALE PER PREVEDERE IL LIVELLO DI APPRENDIMENTO DELL’INFORMATICA RAGGIUNTO A FINE CORSO, E SI OTTENGONO I SEGUENTI RISULTATI: Y’= 15+2.25X, R3=0,74; SE=3,5. PER
OGNI RISPOSTA CORRETTA AL TEST ATTITUDINALE DI QUANTI PUNTI AUMENTA IL PUNTEGGIO AL TEST DI PROFITTO E COME SI CHIAMA QUESTO PARAMETRO?: 2,5; coefficiente di regressione
In una serie di numeri indici se le variazioni sono calcolate rispetto allo stesso denominatore abbiamo: numeri indici a base fissa
In una serie temporale vi è autocorrelazione globale quando i valori: al tempo t della variabile considerata risultano correlati positivamente o negativamente con i valori al tempo t+1
IND Indicare cosa s’intende per Consumi intermedi: il valore dei beni e dei servizi consumati quali input in un processo di produzione
Indicare in cosa consiste la rilevazione indiretta: nell’utilizzo di archivi amministrativi
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con temperatura media superiore a 20°: 3//5
Indicare quale affermazione sulla rilevazione dei dati è vera: è l’operazione di accertamento della presenza del carattere o fenomeno
Indicare quale delle seguenti affermazioni è vera: l’indice di Laspeyres è un indice a base fissa mentre quello di Paasche è a ponderazione variabile
Indicare quale delle seguenti affermazioni è vera: secondo l’approccio economico il soggetto reagisce alle variazioni dei prezzi dei beni modificando le quantità di beni acquistati
Indicare quale delle seguenti affermazioni non rappresenta un obiettivo della rilevazione: la classificazione dei dati per formulare ipotesi e teorie
Indicare quale delle seguenti affermazioni relativamente agli indici a catena è vero: l’indice incorpora tutte le variazioni economiche verificatesi nel periodo in esame
Indicare quale delle seguenti affermazioni, riguardo l’informazione statistica, è vera: le principali dimensioni dell’informazione Statistica sono accuratezza, tempestività, regolarità, accessibilità, chiarezza,
comparabilità
Indicare quale di queste affermazioni sul piano di codifica è vera: definisce una corrispondenza tra i codici delle modalità delle variabili e le rispose ottenute
Indicare quale di queste affermazioni sulla memorizzazione dei dati è vera: è la fase di registrazione dei dati
Indicare quale di queste affermazioni sulle rilevazioni preliminari è vera: sono svolte prima di quelle principali
Indicare quali sono i principali indicatori statistici: tasso di rifiuto e tasso di risposta
INDICE CHI-QUADRATO È UN INDICE: Simmetrico
L' L' IPOTESI STATISTICA È SEMPLICE: Se si assegna al parametro un valore puntale
L’ INDAGINE STATISTICA PUÒ ESSERE: campionaria o di tipo censuario
L’aggregato Consumi Finali rappresenta: la spesa sostenuta per soddisfare i bisogni
L’aggregato Valore aggiunto (o prodotto lordo) è come differenza tra altri aggregati: il Valore della Produzione e il Valore dei Consumi intermedi
L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base
L’approccio classico muove dal presupposto che: le singole osservazioni siano le risultati dell’azione combinata di movimenti non direttamente osservabili
L’approccio proiettivo punta a prefigurare: risultati al verificarsi di determinati eventi
L’attività statistica può considerarsi come: l’applicazione di tecniche aventi per fine la conoscenza quantitativa dei fenomeni collettivi
L’elaborazione di stime trimestrali di Contabilità Nazionale può essere effettuata in base a molteplici metodologie: approccio diretto ed approccio indiretto
L’elaborazione statistica: è utile per predisporre nuove indagini
L’equazione di regressione lineare è l’equazione di una: Retta
L’impostazione matriciale della tavola di input-output rende possibile la registrazione dei flussi: operando indifferentemente per riga o per colonna
L’indagine statistica può essere: Campionaria o di tipo censuario
L’indagine statistica può essere: totale o campionaria
L’indice r misura relazioni di tipo: Lineare
L’indice wi consente di esprimere l’intensità dei collegamenti: a valle di ciascuna branca
L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera popolazione a partire da dati raccolti
L’INFLAZIONE È: La diminuzione del potere di acquisto della moneta
L’inflazione è: L’ aumento dei prezzi
L’INFLAZIONE È: L’ aumento dei prezzi (se ci sono le due risposte uguali)
L’inflazione è: La diminuzione del potere di acquisto della moneta
L’insieme di transazioni dello stesso tipo in un determinato periodo contabile definisce: flusso aggregato di transazioni
L’Istogramma è una: Modalità di rappresentazione della rilevazione statistica
L’ordine delle fasi necessarie per progettare un’indagine è: definizione degli obiettivi, analisi “a priori” delle fonti, individuazione del campo di osservazione, selezione delle variabili, analisi statistica delle unità e
delle variabili
LA La bilancia dei pagamenti di un paese registra: sia gli esborsi effettuati, sia gli introiti percepiti
La capacità produttiva in senso tecnico si riferisce a: parametri tecnici che esprimono l’utilizzazione massima teorica di un impianto
La classificazione dei beni capitali avviene secondo: la durata media della loro vita utile
La classificazione è l’insieme delle categorie assunte da una variabile: qualitativa sconnessa o ordinale
La codevianza è una misura: Assoluta di concordanza
La Contabilità Nazionale è realizzata secondo schemi che: garantiscono la confrontabilità delle grandezze economiche misurate
La Contabilità Nazionale è un sistema integrato di equazioni contabili, ognuna delle quali descrive: uno stadio del processo economico ed è collegata alla successiva
La Contabilità Nazionale, attraverso i cosiddetti conti patrimoniali, descrive: gli stock delle attività reali e finanziarie e delle passività finanziarie detenute dagli operatori alla fine (e all’inizio) del periodo contabile
La correlazione indica: Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare quanto bene un’equazione lineare o un’altra equazione qualsiasi descrivano o spieghino tale relazione tra
variabili.
La correlazione: A differenza della regressione, non richiede di stabilire quale variabile sia antecedente all’altra (in termini di dipendenza)
La costruzione dei deflatori risponde all’esigenza di: determinare i tassi di equivalenza del potere di acquisto o parità di potere di acquisto (PPA)
LA COVARIANZA (X,Y):E' una misura simmetrica
LA COVARIANZA È NEGATIVA QUANDO: X e Y variano tendenzialmente nella stessa direzione
La covarianza è negativa quando: Al crescere di X la Y tende a diminuire ma non viceversa
La covarianza è nulla quando: X e Y non sono correlate
La covarianza è nulla quando: X e Y sono linearmente indipendenti
La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa direzione
LA CURTOSI RAPPRESENTA: Il grado di schiacciamento di una distribuzione intorno al suo centro di gravità e rispetto alla curva normale
LA CURVA NORMALE A DIFFERENZA DELLE ALTRE CURVE È: Definita da un’equazione particolare che permette di calcolare, data un’ordinata, porzioni di area sottese alla curva stessa
LA CURVA NORMALE È CARATTERIZZATA DA: Essere definita da un’equazione particolare che permette di calcolare, data un’ordinata, porzioni di area sottese alla curva stessa
LA CURVA NORMALE STANDARDIZZATA È CARATTERIZZATA DAL FATTO DI AVERE: I punteggi sono espressi in punti z
LA CURVA NORMALE STANDARDIZZATA È CARATTERIZZATA DAL FATTO DI AVERE: Media =0 e deviazione standard=1
La deflazione consiste nel: depurare gli aggregati monetari correnti, riferiti a tempi diversi, dagli effetti derivanti dalle variazioni dei prezzi
La deflazione diretta consiste nel: ricalcolare anno per anno gli aggregati moltiplicando i prezzi unitari dell’anno base per le quantità dei singoli anni considerati
La deflazione è: Espressa in percentuale
La deflazione può essere: diretta, indiretta e doppia
La deflazione si calcola con: I tassi di variazione
La destagionalizzazione consiste nel: depurare le serie rilevate dalle distorsioni dovute ad elementi stagionali
LA DEVIANZA DI REGRESSIONE MISURA: Quanta parte della variabilità della Y è spiegata dalla relazione lineare
LA DEVIANZA È: La somma degli scarti dalla media aritmetica al quadrato
La deviazione standard può assumere valori: Solo positivi
LA DIFFERENZA INTERQUARTILE È DATA DALLA: Tra terzo e primo quartile
LA DISTRIBUZIONE BINOMIALE: Può essere utilizzata per descrivere casi in cui gli esiti possibili di una prova sono solo due
LA DISTRIBUZIONE DELLA NORMALE STANDARDIZZATA: Ha media uguale a 0 e varianza uguale 1
LA DISTRIBUZIONE DI DICE LEPTOCURTICA se: E' più appuntita rispetto alla normale
LA DISTRIBUZIONE DI DICE PLATICURTICA SE: E' più schiacciata rispetto alla normale
La distribuzione di frequenza è: Il calcolo delle frequenze per ciascun valore o categoria della variabile
LA DISTRIBUZIONE DI PROBABILITÀ DI Z È COSTRUITA: E’ una funzione teorica espressa con regole matematiche relative a un insieme infinito di dati
LA DISTRIBUZIONE NORMALE È: E' simmetrica rispetto al valor medio
La Distribuzione Secondaria del Reddito rappresenta: l’insieme dei trasferimenti obbligatori o volontari tra le unità istituzionali, non dipendenti dall’impiego di fattori produttivi
LA FORMULA PER CALCOLARE IL NUMERO INDICE TRA LANNO T E T-1 PER LA VARIABILE X IN EXCEL È PRECEDUTA DA: Il segno eguale
LA FREQUENZA CUMULATA: Può essere anche relativa
LA FREQUENZA CUMULATA: Può essere uguale alla relativa
La frequenza cumulata: Può essere uguale alla relativa
La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e +∞, cioè: Si avvicina all’asse delle ascisse senza mai toccarla
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE DISCRETA: E' una funzioni a gradini non decrescente
La funzione di ripartizione di una variabile casuale X a valori reali è: La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori minori o uguali ad x”
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE: Esprime la probabilità che la variabile casuale assuma valori inferiori o uguali ad un valore fissato
La funzione f(X) raggiunge il suo punto più alto in corrispondenza di: Xi = media
La funzione stimatore del parametro dovrebbe essere: Centrata, consistente, efficiente
La funzione TENDENZA in Excel serve per: Calcolare il valore di una funzione stimata
La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in relazione ad una funzione di regressione y*
La funzione TENDENZA in Excel serve per: Prevedere il valore al tempo t in una funzione stimata y*
La funzione TENDENZA in Excel serve per: Prevedere le serie storiche
La lettura della tavola di input-output nel senso delle righe permette di analizzare: la produzione delle varie branche secondo la loro destinazione
La mancata risposta consiste: nell’assenza di risposta ad una domanda
La matrice dei dati è composta: Da n vettori
LA MATRICE DEI DATI È COSTITUITA DA: Il numero di colonne dipende dai caratteri osservati
LA MATRICE DEI DATI È: Composta da n vettori
LA MEDIA DELLA DISTRIBUZIONE DELLA MEDIA CAMPIONARIA: Coincide con la media della popolazione
La media mobile di ordine 3 permette di: Effettuare lo smoothing delle serie storiche
La media mobile di ordine 3 permette di: Eliminare valori anomali
La media mobile di ordine 5 permette di: Eliminare valori erratici
La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate su n periodi contigui.
LA LA MEDIA: È sensibile ai valori estremi
La media: È sensibile ai valori estremi
LA MEDIANA È : la categoria (per scale nominali e ordinali) o il punteggio (per scale a intervalli e rapporti) che si presenta con maggiore frequenza
La misura della capacità produttiva avviene sulla base di: indagini dirette ed elaborazioni di variabile economiche
La moda è un: Indice di tendenza centrale
La mutabile è: Un carattere qualitativo
LA MUTABILITÀ È: L'attitudine di un fenomeno qualitativo ad assumere differente modalità
La negazione logica dell’operando A=0 è: 1
La popolazione è: L’ universo di elementi che forma l’ oggetto di uno studio statistico
LA POTENZA DEL TEST È: La probabilità di rigettare l'ipotesi nulla quando è giusto farlo
La principale fonte statistica per l’analisi del mercato del lavoro è: la rilevazione delle forze di lavoro
La probabilità che si verifichi un evento può assumere valori: Tra 0 ed 1
La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal: Somma delle probabilità del verificarsi di ciascuno dei due eventi
LA PROBABILITÀ DELL'UNIONE DI DUE EVENTI A E B NON INCOMPATIBILI: P(AᴜB)= P(A)+P(B)-P(A∩B)
La procedura di Box e Jenkins prevede: analisi preliminare, identificazione, stima e verifica
La Produzione e il Valore Aggiunto a livello di impresa, sono dati: dal valore dei beni
La proporzione di varianza comune a X e Y è espressa da r 2xy che è denominato: Coefficiente di determinazione
La proporzione di varianza comune a X e Y è espressa da r 2xy che esprime: La varianza spiegata
La proprietà di monotonicità degli indici di tendenza centrale: È basata sulla comparazione tra le variabili ed i rispettivi indici di posizione
La proprietà lineare degli indici di tendenza centrale: E’ basata sulla relazione di linearità tra le variabili ed i rispettivi indici di posizione
La proprietà lineare degli indici di tendenza centrale: Permette cambiamenti di scala nell’indice
La proprietà moltiplicativa degli indici di tendenza centrale: Permette cambiamenti di scala nell’indice
La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e Y è denominata: Varianza residua
La Relazione sulla situazione economica del paese contiene: i conti economici nazionali relativi all’anno precedente
La revisione dei dati è: un riesame attento e approfondito del materiale raccolto
La ricchezza nazionale esprime: il valore di tutte le attività reali e finanziarie, al netto delle passività, possedute dai soggetti economici del paese in un determinato momento
La rilevazione dei consumi intermedi richiede informazioni dettagliate per consentire: la ripartizione dei costi di produzione per branca di origine
La rilevazione statistica è un processo: finalizzato alla produzione di informazioni statistiche
La risposta libera prevede: una risposta del tutto personale da parte del rispondente
LA SEGUENTE IPOTESI È NULLA: C’è una relazione significativa tra reddito delle persone e livello di istruzione
LA SEGUENTE IPOTESI È NULLA: e medie dei gruppi A,B,C non differiscono tra loro in modo significativo
LA SEGUENTE IPOTESI È NULLA: Il farmaco C non ha un effetto diverso dal farmaco D
LA SEGUENTE IPOTESI È NULLA: La media dei tempi di reazione dei maschi è uguale a quella delle femmine
LA SEGUENTE IPOTESI È NULLA: La popolazione da cui il campione è estratto ha media 58
LA SEGUENTE IPOTESI È NULLA: Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
LA SEGUENTE IPOTESI È NULLA: Non esiste nessuna relazione tra classe sociale e alcolismo
LA SEGUENTE IPOTESI È NULLA: Questa moneta non è truccata
LA SEGUENTE IPOTESI, è SICURAMENTE NULLA: le medie di fatturato degli aggregati settoriali a,b,c, non differiscono tra loro in modo significativo
LA SEGUENTE IPOTESI: “C’E’ UNA MINORE ASTENSIONE DAL LAVORO NEL REPARTO A RISPETTO AL REPARTO B DI UNA GRANDE IMPRESA” E’: monodirezionale sinistra
LA SEGUENTE IPOTESI: “IL PUNTEGGIO MEDIO AD UN TEST DI INFORMATICA DI TRE GRUPPI INDIVIDUI E’ SIGNIFICATIVAMENTE DIVERSO” E’: nulla
LA SEGUENTE IPOTESI: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente diverso” è: Bidirezionale
LA SEGUENTE IPOTESI: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente diverso” ha il seguente segno del valore critico: ±
LA SEGUENTE IPOTESI: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato dagli studenti è inferiore a 20 secondi” è: Monodirezionale sinistra
LA SEGUENTE IPOTESI: “La media della popolazione da cui deriva un certo campione non è 200”: Bidirezionale
LA SEGUENTE IPOTESI: “La probabilità di ottenere croce lanciando una certa moneta è superiore a 0,5” è: Monodirezionale destra
LA SEGUENTE IPOTESI: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato” è: Monodirezionale destra
LA SEGUENTE IPOTESI: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità sotto l’ipotesi nulla, cioè
se le vincite sono dovute al caso è:1/6
LA SOMMA DELLE CONTINGENZE DI CIASCUNA RIGA E DI CIASCUNA COLONNA SOno: Nulle
LA SOMMA DELLE PROBABILITÀ DI EVENTI CHE SI ESCLUDONO A VICENDA ED ESAUSTIVI È: Uguale ad 1
La somma delle probabilità di eventi che si escludono a vicenda ed esaustivi è: Uguale ad 1
La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a: 1
La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati relativi ad un fenomeno, ottenuti attraverso le misurazioni.
La statistica descrittiva: Organizza e riassume i dati
La Statistica Descrittiva: rappresenta l’insieme delle metodologie di analisi che si prefiggono la descrizione di determinati fenomeni
La Statistica è sinonimo di: Scienze statistiche
La statistica economica è impegnata: nella ricerca di metodologie e modelli di riferimento e nell’elaborazione e gestione di sistemi di dati e di indicatori
La statistica economica è: la scienza che studia i fenomeni economici con l’ausilio degli strumenti statistici
La statistica induttiva: Fa inferenza
La Statistica inferenziale: comporta processi di inferenza in probabilità per l’interpretazione dei risultati dell’analisi
LA STATISTICA INFERENZIALE: testa ipotesi
La statistica permette di ragionare: Facendo deduzioni ed induzioni
La statistica si propone di: descrivere, illustrare, proporre, raccogliere, sintetizzare, interpretare
La stima del campione è: Un concetto diverso da quello di stimatore
La stima del parametro è: Un concetto diverso da quello di stimatore
La stima del parametro nel campione è: Non è opportuno definire la stima del parametro nel campione, ma nella popolazione
La stima del parametro nella popolazione è: Calcolata attraverso i dati campionari
La stima del parametro nella popolazione è: Relativa ai valori che può assumere lo stimatore
La tavola input-output si divide nelle seguenti sezioni: branche produttive, risorse primarie e impieghi finali
La triangolarizzazione consiste nello: spostare righe e colonne in modo che i valori prossimo allo zero siano al di spora della diagonale principale
LA VAR (AX+B) È: a e b sono due costanti reali: Var (aX+b)=a²Var (X)
LA VARIABILE CASUALE CHI-QUADRATO: Non può assumere valori negativi
LA VARIABILE CASUALE F DI FISHER- SNEDECOR: Ha valore atteso E(F)= m/(m-2)
LA VARIABILE CASUALE T DI STUDENT: Al tendere di n all'infinito la v.c t di student tende alla normale standardizzata
LA VARIABILE CASUALE UNIFORME DISCRETA: E' tale che ogni sua realizzazione è equiprobabile
LA VARIANZA DEL CAMPIONE è Calcolata con i dati del campione rappresentativo della popolazione
La varianza del campione è: Calcolata con i dati del campione rappresentativo della popolazione
La varianza fornisce: La misura sintetica di quanto le unità differiscono dalla media aritmetica
La varianza si calcola: Per popolazioni e campioni
La variazione congiunturale riguarda in statistica-economica il confronto con: Il mese precedente
La variazione tendenziale riguarda in statistica-economica il confronto con: L’anno precedente
LA VERIFICA DELLE IPOTESI: Consiste nel formulare, sulla base di dati campionari, un giudizio che induca ad accettare o rifiutare l'ipotesi nulla, con un prefissato livello di significatività
LA VERIFICA DELL'IPOTESI DI INDIPENDENZA MIRA A VERIFICARE: L'indipendenza stocastica
L'AMPIEZZA DELL'INTERVALLO È TANTA PIÙ ELAVATA QUANTO PIÙ: n è piccolo
L'ASIMMETRIA DI UNA DISTRIBUZIONE DENOTA CHE: I valori del caratteri sono distribuiti con frequenze differenti attorno al suo valore centrale
L'ASIMMETRIA DI UNA DISTRIBUZIONE PUÒ ESSERE: Nulla, positiva e negativa
Le Attività Informali Esplicitate dal SEC95 e quindi comprese nelle Attività di Produzione sono: quelle che riguardano unità istituzionali caratterizzate da relazioni di lavoro basate su vincoli di parentela o relazioni
LE personali
Le Attività rientranti nel cosiddetto Sommerso Economico rientrano: quelle originate dalla volontà di una parte delle imprese di evadere il fisco o i contributi sociali
Le azioni previste da un sistema di controllo di qualità si dividono in: preventive, di controllo in corso d’opera e di valutazione
Le categorie di soggetti (o operatori che agiscono nel sistema economico), osservati dalla Contabilità Nazionale, sono: imprese, famiglie, pubbliche amministrazioni e Resto del mondo
Le fasi della distribuzione e ridistribuzione del reddito riguardano: le operazioni mediante le quali il risultato della attività produttiva viene ripartito tra i soggetti titolare dei fattori produttivi
Le fasi di costruzione dei numeri indici sono: scelta delle grandezze, della base, del criterio di aggregazione, del sistema di ponderazione
Le fasi di un’indagine statistica: progettazione indagine; rilevazione; registrazione dei dati su supporto informatico; revisione e codifica centralizzate del materiale grezzo; elaborazione dei dati; validazione dei
risultati; diffusione.
Le fasi di una indagine statistica si conviene siano le seguenti: Definizione degli obiettivi della ricerca; Rilevazione dei dati; Elaborazione metodologica; Presentazione ed interpretazione dei risultati; Utilizzazione
dei risultati raggiunti
Le fasi per il computo della tavola di input-output sono: cinque
Le fasi relative alla progettazione dell’indagine: analisi fenomeno e precisazione obiettivi; individuazione campo di osservazione e unità di analisi elementare, di tipo aggregato di rilevazione.
Le forme delle interviste e dei questionari possono essere: standardizzate o libere
Le formule di Lasperyres, Paasche e Fisher sono: formule utilizzate nella costruzione dei numeri indici dei prezzi e delle quantità
Le forze di lavoro sono costituite da: le persone residenti che lavorano o comunque esprimono la volontà di lavorare
Le frequenze percentuali di una distribuzione si calcolano facendo: Il rapporto tra ciascuna frequenza ed il totale delle frequenze e moltiplicando per 100 il risultato
Le importazioni e le esportazioni di beni comprendono: gli scambi di merci a titolo oneroso o gratuito tra residenti e non residenti
LE IPOTESI STATISTICHE: Si tratta due ipotesi alternative complementari e logicamente escludentisi
Le matrici sono composte da: N righe e k colonne, con k che può essere eguale o diverso da n
Le misure di posizione hanno l’obiettivo di: Sintetizzare in un singolo valore numerico l’intera distribuzione di frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti
Le mutabili si distinguono come: sconnesse e ordinali

Le operazioni economiche sono classificate in tre classi fondamentali: le operazioni su beni e servizi, quelle di distribuzione e redistribuzione del reddito e della ricchezza e quelle su strumenti finanziari
Le operazioni su beni e servizi o su strumenti finanziari sono sempre: bilaterali

Le persone in cerca di occupazione sono: le persone non occupate che sono alla ricerca “attiva” di una occupazione e sono immediatamente disponibili a lavorare
Le principali tipologie di errore sono: errori nell’assunzione o nello spoglio dei dati
Le pubbliche amministrazioni (in sigla PA) producono: servizi non destinabili alla vendita
Le risposte strutturare consistono: in risposte predefinite tra le quali scegliere
Le scale di valutazione possono essere: numeriche o verbali
Le serie storiche sono: sequenze di osservazioni effettuate nella successione dei periodi di tempo
Le tavole intersettoriali rappresentano uno strumento essenziale per: assicurare la coerenza delle stime di contabilità nazionale
Le transazioni economiche, ovvero lo scambio di beni, servizi o attività finanziarie a titolo oneroso o non oneroso hanno carattere: bilaterale e si realizza attraverso scambi tra operatori sul mercato
Le transazioni internazionali che vengono registrate nella bilancia dei pagamenti sono: le esportazioni ed importazioni di beni e servizi, i trasferimenti di ricchezza tra paesi e gli acquisti o vendite di attività
finanziarie
Le variabili si distinguono come: discrete e continue
L' I L'INDICE CHI-QUADRATO DI PEARSON (Χ2) : Dipende dalla dimensione del collettivo
L'INDICE DI ASIMMETRIA Skewness di Pearson è calcolato: Come differenza tra la media aritmetica e la moda divisa la deviazione standard
L'INDICE DI CONNESSIONE DI CRAMER VARIA: Tra zero e uno
L'INDICE DI CONTINGENZA QUADRATICA MEDIO φ2è uguale: χ²/n
L'INDIPENDENZA IN MEDIA: E' una misura di associazione
L'IPOTESI PARAMETRICA RIGUARDA: I parametri caratteristici di una particolare distribuzione di cui si conosce la forma analitica
LO Lo scostamento quadratico medio riguarda: La media degli scarti al quadrato tra i dati e la M
Lo scostamento semplice medio riguarda: Lo scostamento di ogni valore della distribuzione dalla media, preso in valore assoluto
LO STIMATORE DI UN PARAMETRO: È una variabile casuale
LO STIMATORE VARIANZA CAMPIONARIA CORRETTA: Ha media pari al parametro da stimare
Lo stock di capitale netto misura: il valore dei beni durevoli impiegati nel processo produttivo al netto della perdita di valore da essi subita con il tempo a seguito della obsolescenza economica, perdita di valore
misurata dagli ammortamenti
NEL Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: Il dato dell’anno t-1
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è: l numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del mese m dell\'anno a
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è: Il numero indice dei prezzi del mese m dell\'anno a-1 ed al numeratore il numero indice dei prezzi del mese m dell\'anno a
NEL CALCOLO DEL TASSO DI INFLAZIONE TENDENZIALE AL DENOMINATORE C’È: il numero indice dei prezzi del mese m dell'anno a-1 ed al numeratore il numero indice dei prezzi del mese m dell'anno a
NEL CAMPIONAMENTO BERNOULLIANO: I risultati delle estrazioni sono indipendenti
NEL CAMPIONAMENTO BERNOULLIANO: Ogni unità statistica può entrare a far parte più volte del campione
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE LA DEVIANZA RESIDUA RISULTA UGUALE A:
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE PER VERIFICARE L'IPOTESI SI PUÒ UTILIZZATE LA QUANTITÀ F CHE È UNA V.C F DI FISCHER -SNEDECOR CON : Con 1 e n-2 gradi di libertà
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, quali tra le seguenti ipotesi è definita ipotesi debole: Ipotesi sulla variabile esplicativa
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, quali tra le seguenti ipotesi è definita ipotesi forte: Ipotesi di normalità
Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà: 0
Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà: F
Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà: V
Nel Sistema Statistico Nazionale (SISTAN) rientrano: tutti gli uffici di statistica di regioni, amministrazioni dello stato, comuni, ASL e camere di commercio
Nell’ambito del concetto di produzione sono identificabili tre categorie di beni e servizi: quelli destinabili alla vendita, quelli destinati ad uso finale del produttore e quelli non destinabili alla vendita
NELLANella congiunzione tra insiemi si valuta: Quando i due eventi si realizzano entrambi
Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono legate da un rapporto serio di causalità
Nella fase di analisi del fenomeno: precedenti esperienze nazionali ed internazionali; documentazione bibliografica; documentazione statistica; sondaggi presso utenti ed operatori del settore.
Nella formazione della serie è fondamentale: individuare periodi caratterizzati da una situazione ambientale quanto più possibile uniforme e omogenea
Nella matrice dei coefficienti di fabbisogno diretto degli input di produzione interna ogni sua colonna indica: indica l’ammontare delle merci di origine interna richiesto direttamente dalla produzione unitaria
della branca j
Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto zero (origine) dell’asse delle ascisse e il punto in cui la retta taglia l’asse delle ordinate
Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono: 103, 217, 350, 483
NELLA SERIE (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono:103, 217, 350, 483
NELLA SERIE (50,100,200,350,500,600) LE MEDIE MOBILI SENZA CIFRE DECIMALI DI ORDINE SONO: 117,217,350,483
NELLA SERIE ORDINATA SECONDO IL TEMPO T E CON valori (10,100,200,350,500,600) le medie mobili di ordine 5 sono: 232 e 350
NELLA SERIE ORDINATA SECONDO IL TEMPO T E CON VALORI (100,200,350,500,600) le medie mobili di ordine 3 con 2 cifre decimali sono: 216.67; 350.00; 483.33
Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili di ordine 3 con 2 cifre decimali sono: 216.67; 350.00; 483.33
Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie mobili di ordine 5 sono: 232 e 350
Nella somma logica con operando A=0 ed operando B=0, il totale sarà: 0
NELLA TEORIA STATISTICA I TERMINI CAMPIONE E POPOLAZIONE SONO: Non sono sinonimi
Nella teoria statistica i termini popolazione e campione sono: Indicativi del fatto che il campione è un sottoinsieme della popolazione
O Ogni colonna della matrice dei coefficienti di fabbisogno diretto degli input primari esprime: gli input primari per unità di prodotto impiegati in ciascuna attività di produzione
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23, 32, 21, 15, 12,
P 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella prima riga della tabella rappresenta: Una modalità del carattere
16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di una temperatura media pari a 25 gradi, che ipotizziamo essere una v.c distribuita
normalmente, è: 0,8
16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di una temperatura media pari a 17 gradi è: 4//10
Per calcolare le frequenze cumulate relative occorre dividere: Le frequenze cumulate per n
Per Campione s’intende: un qualsiasi sottoinsieme derivato da una popolazione finalizzato ad uno studio statistico
Per estendere i risultati a tutta la popolazione è necessario che il campione sia di tipo: probabilistico
Per gli aggregati di Contabilità Nazionale dei paesi europei, sono stati fissati una serie di norme e definizione atti a garantire: la confrontabilità
Per i paesi europei il sistema di Contabilità Nazionale utilizzato a partire dal 1999 è: il Sistema Europeo dei Conti SEC95
PER IL POSTULATO 2 DELL'ASSIOMATIZZAZIONE del calcolo delle probabilità, l'evento certo Ω ha probabilità: P(Ω)=1
PER LA DETERMINAZIONE DELL'INTERVALLO di confidenza per la media di una popolazione normale con varianza non nota (n < 30), si utilizza: La distribuzione t di student
PER LA DETERMINAZIONE DELL'INTERVALLO di confidenza per la media di una popolazione normale con varianza nota, si utilizza: La distribuzione normale standardizzata
Per operare la deflazione è necessario distinguere i casi di: grandezze monetarie, flussi finanziari e saldi contabili
Per popolazione o collettivo statistico s’intende: l’insieme delle unità statistiche sulle quali si effettua la rilevazione di uno o più caratteri
Per posizioni lavorative si definiscono: il contratto di lavoro, esplicito o implicito, tra una persona e una unità produttiva residente, finalizzato allo svolgimento di una attività produttiva retribuita
PER PRODURRE LA DISTRIBUZIONE DI FREQUENZA PERCENTUALE OCCORRE: Le frequenze cumulate per n

PER PRODURRE LA DISTRIBUZIONE DI FREQUENZA PERCENTUALE OCCORRE: Moltiplicare per 100 le frequenza relative
Per produrre la distribuzione di frequenza percentuale occorre: Moltiplicare per 100 le frequenza relative
PER RAPPRESENTARE GRAFICAMENTE LA FORMA DELLA RELAZIONE TRA DUE VARIABILI X ED Y SI UTILIZZA: il diagramma a dispersione
Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza: Il diagramma a dispersione
PER STIMARE IL PARAMETRO: MSE*= SSE*/n-2
PER TROVARE L'INTERVALLO DI CONFIDENZA PER la media di una popolazione normale, si utilizza la t di student, anziché la normale standardizzata perché: La varianza della popolazione non è nota
Per un operatore appartenente al sistema economico di un Paese europeo, per Centro di Interesse Economico s’intende: il luogo dove svolge un’attività economica significativa a tempo indeterminato
Per unità di attività economica a livello locale (UAELL) s’intende: la cellula operativa di tipo funzionale caratterizzata da un’unica attività e un processo di produzione e un output omogeneo
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza di Xi = µ, ciò comporta che media, mediana e moda: Coincidano
PONENDO ED H1 MONODIREZIONALE DESTRA, INDICARE QUANDO è possibile rifiutare l’ipotesi nulla; ciò accade nel caso in cui il risultato del test effettuato lasci alla sua destra: Il 4% dei casi
Posto che gli operatori economici sono centri elementari di decisione economica, questi sono caratterizzati: da autonomia di decisione in campo economico e finanziario
Prodotto finale di una indagine statistica: i microdati, i macrodati,i metadati,
Prova anche a realizzare in excel i grafici che seguono. Quando r xy = +1, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono: Coincidono
PROVA ANCHE A REALIZZARE IN EXCEL I GRAFICI CHE SEGUONO. QUANDO RXY = +1, LE DUE RETTE DI REGRESSIONE Y'=AY+BYX E X’= AX+BXY SONO: Coincidono
Prova anche a realizzare in Excel i grafici che seguono. Quando r xy = 0, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono: Perpendicolari tra loro
PROVA ANCHE A REALIZZARE IN EXCEL I GRAFICI CHE SEGUONO. QUANDO RXY = 0, LE DUE RETTE DI REGRESSIONE Y'=AY+BYX E X'= AX+BXY SONO: Perpendicolari tra loro
Prova anche a realizzare in excel i grafici che seguono. Quando r xy = -1, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono: Coincidono
Quale affermazione, che indica le principali modalità di trattamento dell’informazioni statistiche, è vera: in qualunque problema di analisi statistica sarà necessario Elencare, Misurare e Sintetizzare, Correlare,
Q Presentare
QUALE DEI SEGUENTI INDICI INDICA LA VARIABILITÀ DI UNA SERIE DEI DATI: Scarto quadratico medio
QUALE PROBABILITÀ SI HA DI COMMETTERE L’ERRORE di I tipo se si rifiuta l’ipotesi nulla avendo scelto un livello di significatività del 5%:5%
QUALI DI QUESTI INDICI È RELATIVO: L'indice di connessione di Cramer
Quali fasi prevede la costruzione di un questionario: individuazione delle informazioni, scelta, prima traccia, revisione, prova e stesura del questionario
Quando a valori crescenti di X corrispondono valori crescenti di Y si ha: Una relazione positiva
Quando al diminuire dei valori di X corrisponde il diminuire dei valori di Y si ha: Una relazione positiva
Quando la correlazione tra X ed Y è molto bassa, pari ad r xy=0.22, i valori di Y ed Y’: Differiscono
Quando la correlazione tra X ed Y è molto elevata, pari ad r xy=0.92, i valori di Y ed Y’: Differiscono
Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’: Coincidono
Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’: Coincidono
QUANDO LA POPOLAZIONE È INFINITA: Lo schema di campionamento con ripetizione coincide con lo schema di campionamento senza ripetizione
Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire che... : Il numero di colonne dipende dai caratteri osservati
Quando si calcolano le frequenze cumulate percentuali, l’ultimo valore che si ottiene, cioè il più elevato, è: 100
QUANDO SI CALCOLANO LE FREQUENZE CUMULATE PERCENTUALI, LULTIMO VALORE CHE SI OTTIENE, CIOÈ IL PIÙ ELEVATO, È: 100
QUANTO DOVREBBE ESSERE GRANDE UN CAMPIONE PER AVERE UN INTERVALLO DI CONFIDENZA al 95% per il contenuto medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una
distribuzione normale con : N=31
R R deve esprimere correttamente: il legame di interdipendenza
Relazioni di discordanza significative tra variabili implicano: Un coefficiente di correlazione negativo
S Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media geometrica: (=)MEDIA.GEOMETRICA
SCRIVI LA FUNZIONE EXCEL ED I SIMBOLI DA DIGITARE NELLA CELLA PER CALCOLARE LA MEDIA: =MEDIA
SE SE DUE EVENTI A E B SONO INDIPENDENTI ALLORA: P(A∩B)= P(A)P(B)
SE IL COEFFICIENTE DI CORRELAZIONE È UGUALE A 0 VI È: Assenza di concordanza o discordanza
Se il coefficiente di correlazione è uguale a 0 vi è: Casualità
SE IL COEFFICIENTE DI CORRELAZIONE R= 0: Non c'e relazione lineare tra X e Y
SE IL COEFFICIENTE DI CORRELAZIONE R=0: Non c'e correlazione lineare
Se il tasso di decremento tra t e t-2 è pari a -5,2%, allora il numero indice in t, con base t-2 sarà: 94,8
Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base t-1 sarà: 101,2
SE LA COD (X,Y)>0:La retta di regressione è crescente
SE LA DISTRIBUZIONE È ASIMMETRIA NEGATIVA SI HA: Med-Q1 > Q3-Med
SE LA DISTRIBUZIONE È ASIMMETRIA POSITIVA SI HA: Med-Q1 < Q3-Med
SE LA POPOLAZIONE NON È normale per il teorema del limite centrale, quando n>30, si può costruire l'intervallo di confidenza: Basato sulla distribuzione normale standardizzata
Se le componenti di un numero indice sono tutte della stessa specie definiamo: i numeri indici sintetici
SE LO STIMATORE È CORRETTO: EQM=Varianza dello stimatore
Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro elemento: Viene modificata
SE SI RADDOPPIA LA NUMEROSITÀ CAMPIONARIA, IL VALORE DEL CHI-QUADRATO: Raddoppia
SE UNA VARIABILE È DICOTOMICA: Può assumere solo due valori, indipendentemente dalla probabilità di ottenere uno o l’altro dei due valori
Se X è la variabile indipendenre e Y quella dipendente, considerando l’equazione di regressione è corretto definire Y’ come: Valore predetto
Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è corretto definire X come: Predittore
Secondo l’approccio tradizionale le grandezze osservate sono scomponibili in: una componente sistematica ed una componente irregolare o aleatoria
SI SI CHIAMA CONTINGENZA: La differenza tra frequenze osservate e frequenze teoriche
SI COMMETTE UN ERRORE DI PRIMA SPECIE: Nel rifiutare l'ipotesi nulla quando in realtà è vera
SI COMMETTE UN ERRORE DI SECONDA SPECIE: Nell' accettare l'ipotesi nulla quando in realtà è falsa
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità di insuccesso in un lancio: 5//6
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità di successo in un lancio: 1//6
Si consideri la popolazione di 20 unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare quale indice di posizione appare rappresentativo dell’intera distribuzione: Media aritmetica
Si consideri la popolazione di unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale indice di posizione appare rappresentativo dell’intera distribuzione: Moda
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare quale indice di posizione appare rappresentativo dell’intera distribuzione: Moda
SI DEFINISCE STIMA: Il valore assunto dallo stimatore per un dato campione
SI EFFETTUANO 60 MISURAZIONI SPERIMENTALI da cui si evince una media campionaria uguale a 33. Costruire un intervallo di confidenza al 90% per la media della popolazione, la quale si distribuisce normalmente
con varianza pari a 115: IC= [30,723; 35,277]
SI HA CONCORDANZA TRA DUE VARIABILI SE: Cod(X,Y)>0
Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili corrispondono generalmente i più grandi dell’altra, e se ai valori più grandi corrispondono in genere i più piccoli;
SI HA DISCORDANZA TRA DUE VARIABILI SE: Cod(X,Y)<0

SI HA INDIPENDENZA CORRELATIVA TRA DUE VARIABILI SE: Cod (X,Y)=0
SI HA INDIPENDENZA IN MEDIA TRA DUE VARIABILI STATISTICHE SE: Le media parziali sono uguali tra di loro ed uguali alla media generale
Si indichi quali tra questi svantaggi delle tecniche di indagine CATI è vero: maggiore addestramento dei rilevatori
SI RICORRE AD UNA DISTRIBUZIONE NORMALE QUANDO: Una variabile casuale continua è distribuita normalmente o quasi.
Si ricorre ad una distribuzione normale quando: Una variabile casuale continua è distribuita normalmente o quasi.
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 1000 siano risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione nella popolazione di persone sensibili
al farmaco: Non si può sapere
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano risultati sensibili ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la proporzione della
popolazione sensibile al farmaco deve essere compresa tra: 0,23 e 0,27
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone non sensibili al
farmaco: 0,75
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone sensibili al
farmaco: 0,25
Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani n.3, Francesi n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala: Nominale
SI VUOLE CONOSCERE LA PROPORZIONE DI PEZZI difettosi prodotti da una macchina. Determinare la numerosità campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%, tollerando un
errore non superiore al 3%.: N=751,67
SI VUOLE VERIFICARE L'IPOTESI DI INDIPENDENZA SULLA BASE di una tabella di contingenza 3x3 la cui frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente: Chi-
quadrato con 4 gradi di libertà
SI VUOLE VERIFICARE L'IPOTESI DI INDIPENDENZA SULLA BASE DI una tabella di contingenza 4x3 la cui frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente: Chi-
SIA DATA UNA V.C X, SE ESSA ASSUME VALORI in corrispondenza di un insieme numerabile allora X è: Discreta
Sono fonti della statistica economica: la teoria dei numeri indici e delle serie storiche
SO SOTTO L'IPOTOTESI CHE SIA VERA LA VARIABILE CASUALE T SI DISTRIBUISCE COME: Come una t di Student con n-2 gradi di libertà
STUDIARE LA RELAZIONE TRA DUE VARIABILI X ED Y SIGNIFICA: Studiare la tendenza che X e Y hanno a variare insieme
Studiare la relazione tra due variabili X ed Y significa: Studiare la tendenza che X e Y hanno a variare insieme
Sull’imparzialità e completezza dell’indagini svolte dall’ISTAT: vigila la Presidenza del Consiglio dei Ministri
Sulla base dei dati grezzi alcune informazioni immediate sull’andamento del trend-ciclo si possono ottenere: confrontando fra loro il dato corrente e quello dello stesso periodo dell’anno precedente
SUPPONIAMO CHE LA PERDITA DI PESO DI N=16 PEZZI DI METALLO, dopo un certo intervallo di tempo, sia di 3,42 gr con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di confidenza al 99% per
la media della popolazione di peso dei pezzi di metallo: IC=[2,92;3,92]
TRA TRA DUE VARIABILI VI È INDIPENDENZA ASSOLUTA SE: Le frequenze osservate sono uguali alle frequenze teoriche
Tra i compiti dell’ISTAT rientrano: tutte le voci precedenti (censimenti, indagine prevista dal Programma Statistico Nazionale, coordinamento del Sistema Statistico Nazionale)
TRA I PUNTEGGI AD UN TEST DI LETTERATURA INGLESE E I PUNTEGGI AD UN test di abilità matematica (numero di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88.
Sulla base del risultato ottenuto si può evidenziare che: Le persone con punteggi bassi in matematica hanno buone prestazioni in letteratura inglese
TRA I PUNTEGGI AD UN TEST DI LETTERATURA INGLESE E I PUNTEGGI AD UN TEST di abilità matematica (numero di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88.
Sulla base del risultato ottenuto si può evidenziare che: Le due variabili sono correlate negativamente
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla
base del risultato ottenuto si può evidenziare che: Le persone con punteggi bassi in matematica hanno buone prestazioni in letteratura inglese
base del risultato ottenuto si può evidenziare che: Le due variabili sono correlate negativamente
Tra le fonti di documentazione della statistica economica troviamo: i censimenti, le indagini e le rilevazioni varie
TRA LE SEGUENTI, QUALE, IPOTESI è NULLA: le medie dei gruppi A.B.C. differiscono tra loro in modo significativo
TRA X= "ABILITÀ MANUALI" ED Y= "ABILITÀ TECNICHE" VI È UNA RELAZIONE LINEARE, SAPENDO CHE IL COEFFICIENTE DI CORRELAZIONE È UGUALE A 0.76, IL COEFFICIENTE DI DETERMINAZIONE SARÀ PARI A: 0.58
TRA X= "ABILITÀ MANUALI" ED Y= "ABILITÀ TECNICHE" VI È UNA RELAZIONE NON LINEARE, SAPENDO CHE IL COEFFICIENTE DI DETERMINAZIONE È UGUALE A -1, IL COEFFICIENTE DI CORRELAZIONE SARÀ PARI A:
Non è possibile calcolarlo con i dati a disposizione che non sono corretti
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il coefficiente di correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a: 0.58
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che il coefficiente di determinazione è uguale a -1, il coefficiente di correlazione sarà pari a: Non è possibile calcolarlo con
i dati a disposizione che non sono corretti
UN Un campione rappresentativo è: Casuale
UN ESPERIMENTO CASUALE È: Un'operazione il cui risultato non può essere previsto con certezza
UN INTERVALLO DI CONFIDENZA È: Un intervallo di valori che si ritiene contenga il vero parametro della popolazione con una prestabilita "fiducia"
UN IPOTESI STATISTICA È: Un affermazione sulla distribuzione di probabilità di una variabile casuale
Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione, risulta 142,9. Il risultato è: Sicuramente sbagliato
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata da un ricercatore su un campione, risulta 142,9. Il punteggio massimo ottenibile è: 120
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: Altri fattori variabili influiscono su quelli presi in considerazione
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: Altri fattori variabili, che rappresentano circostanze comuni ,influiscono su quelli presi in considerazione
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: I due caratteri sono influenzati da circostanze comuni
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: Uno dei due caratteri comprende l’altro
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili influiscono su quelli presi in considerazione
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili, che rappresentano circostanze comuni ,influiscono su quelli presi in considerazione
Un tipico caso di correlazione non reale comporta che: I due caratteri sono influenzati da circostanze comuni
Un tipico caso di correlazione non reale comporta che: Uno dei due caratteri comprende l’altro
Un’indagine statistica è un: processo produttivo, dove il prodotto finale consiste in un’informazione statistica corretta
UNA DISTRIBUZIONE CAMPIONARIA È: La distribuzione di probabilità di una statistica
UNA DISTRIBUZIONE DI PROBABILITÀ DI UNA VARIABILE CASUALE: L'insieme delle coppie probabilità dei diversi valori possibili della variabile casuale
Una fotografia è un dato: Complesso
UNA PARTITA DI PISTONCINI DI FRENI PRESENTA UN DIAMETRO: IC=[1,1938;1,2062]
UNA QUANTITÀ PIVOTALE È: Una quantità che è funzione delle osservazione e del parametro del quale si vuole costruire l'intervallo di confidenza, con la caratteristica che la sua distribuzione è nota e non dipende
dal parametro in esame
Una serie storica è costituita: Dai dati osservati a intervalli regolari di tempo
UNA SERIE STORICA È COSTITUITA: Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili, giornaliere, annuali
Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili, giornaliere, annuali
UNA STATISTICA È: Una variabile casuale definita sui campioni
Una tabella a doppia entrata registra: La frequenza assoluta, cioè quante volte una coppia di modalità si presenta contemporaneamente per X e per Y
UNA TABELLA A DOPPIA ENTRATA REGISTRA: la frequenza assoluta, cioè quante volte una coppia di modalità si presenta contemporaneamente per X e per Y.
UNA TABELLA A DOPPIA ENTRATA RGISTRA: quante volte una coppia di modalità si presenta contemporaneamente per X e per Y
UNA VARIABILE CASUALE CONTINUA X: Assume tutti i valori appartenenti ad un intervallo
UNA VARIABILE CASUALE: E' una funzione definita sullo spazio dei campioni
UNA VARIABILE DICOTOMICA PUÒ ASSUMERE: Solo due valori
Una variabilità alta in luogo di una variabilità bassa: Diminuisce le capacità previsive dei modelli statistici
Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier: Può aumentare le capacità descrittive e previsive del modello statistico
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier: Indica che è stato commesso qualche errore nei calcoli o nel programma
UNO STIMATORE CORRETTO DI Σ², CON LE IPOTESI DI VARIANZA COSTANTE E DELL'INDIPENDENZA DEGLI ERRORI È IL MSE* = SSE*/n-2, il cui valore atteso è: E(MSE*)= σ2
UNO STIMATORE CORRETTO È PIÙ EFFICIENTE DI UN ALTRO STIMATORE CORRETTO DEL PARAMETRO "TETA" NON NOTO se: Se presenta varianza inferiore
UNO STIMATORE CORRETTO: È tale che il suo valore medio coincide con il valore del parametro da stimare
UNO STIMATORE SI DICE CONSISTENTE: Al crescere della numerosità campionaria, tende a concentrarsi sul parametro da stimare
USANDO LA MEDIANA IN LUOGO DELLA MEDIA NEL CALCOLO DELLA VARIANZA È bene eliminare i valori anomali ed estremi
Usando la mediana in luogo della media nel calcolo della varianza: È bene eliminare i valori anomali ed estremi
UTILIZZANDO LA TAVOLA DELLA CURVA NORMALE STANDARDIZZATA SI INDIVIDUERANNO I PUNTI Z: Nella colonna di sinistra con una cifra decimale; la seconda cifra decimale è situata nella prima riga in alto della
stessa tavola
STATISTICA
Domanda Risposta
A
A QUANTO CORRISPONDE L'AREA SOTTO LA CURVA NORMALE
0,3849
TRA Z=0 E Z=1,2:
0,4192
TRA Z=0 E Z=1,4:
0,1828
TRA Z=0,81 E Z=1,94:
IN DIVERSI CASI UN LEGAME DEBOLE TRA I DUE
AD UN VALORE BASSO DI R CORRISPONDE:
CARATTERI QUANTITATIVI CONSIDERATI
IN DIVERSI CASI UN EFFETTIVO LEGAME TRA I DUE
AD UN VALORE ELEVATO DI R CORRISPONDE:
AFFINCHÈ UNA V.C X CONTINUA SIA BEN DEFINITÀ OCCORRE
CHE:
ALL'INTERNO DEL RETTANGOLO (BOX PLOT) SONO
IL 50% DELLE OSSERVAZIONI
CONTENUTE:
AUMENTANDO IL LIVELLO DI SIGNIFICATIVITÀ: AUMENTA LA POTENZA DEL TEST
B
C
CALCOLA IL RANGE DELLE SEGUENTI OSSERVAZIONI RELATIVE
AGLI ERRORI COMPIUTI DA OGNI ALUNNO NEL TEST CON 30 12
DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)

DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
CALCOLA IL RANGE PARZIALE DELLE SEGUENTI OSSERVAZIONI

RELATIVE AGLI ERRORI COMPIUTI DA OGNI ALUNNO NEL TEST 12
CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)

CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
CALCOLARE LA MEDIA GEOMETRIA RELATIVA
ALL'ANDAMENTO DEI PREZZI DI UN DATO PRODOTTO:
1,103
1,04
1,031
0,939
1,097:
CALCOLARE LA MEDIANA DELLA SEGUENTE SERIE DI VOTI: 19,
22
20, 22,18, 26, 30, 28:
CALCOLARE LA MEDIANA DELLA SEGUENTE SERIE: -2, -3, -5, 0,
0
1, 4, 7:
CALCOLARE LA VARIANZA DEI SEGUENTI NUMERI:
23,75
12,6,7,3,15,10,18,5:
CALCOLARE LO SCARTO QUADRATICO MEDIO DEI SEGUENTI
4,87
NUMERI: 12,6,7,3,15,10,18,5:
L'UNITA ELEMENTARE OGGETTO DI OSSERVAZIONE E DI
CHE COSA È L'UNITÀ STATITISTICA:
STUDIO
COME VIENE CLASSIFICATO L'ORTOGRAMMA: SIA A NASTRO SIA A COLONNE
SI MINIMIZZA LA SOMMA DEI QUADRATI DEGLI SCARTI
CON IL METODO DEI MINIMI QUADRATI:
TRA VALORI OSSERVATI E VALORI TEORICI
CON RIFERIMENTO ALLA DOMANDA 4 LA MEDIANA: 61,52
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= +0,8, I
CRESCONO AL CRESCERE DEI VALORI DELL’ALTRA
VALORI DI UNA VARIABILE:
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,5, I TENDONO A CRESCERE AL DECRESCERE DEI VALORI
VALORI DI UNA VARIABILE: DELL’ALTRA, MA IN MANIERA BLANDA
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,8, I
CRESCONO AL DECRESCERE DEI VALORI DELL’ALTRA
CONOSCENDO LA DEVIANZA, LO SCARTO QUADRATICO MEDIO LA RADICE QUADRATA DEL RAPPORTO TRA DEVIANZA E
SI RICAVA CALCOLANDO: NUMEROSITÀ DEL COLLETTIVO
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13;
8,5
15; 6; 1), LA MEDIA ARITMETICA È PARI A:
5,66
15; 6; 1), LA MEDIA GEOMETRICA È PARI A:
9,5
15; 6; 1), LA MEDIANA È PARI A:
1
15; 6; 1;1), LA MODA È PARI A:
8
14; 13; 15; 6; 1;1), IL VALORE CENTRALE È PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-2; -2; -2;

-1
-14; -13; -15; -6; -1;-1), IL VALORE MASSIMO È PARI A:
2
14; 13; 15; 6; 1;1), LA MODA È PARI A:
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y = -F(X), CALCOLA
Y = 10; LA RELAZIONE È LINEARE
LA Y SAPENDO CHE F(X) = -10 ED INDICA IL TIPO DI RELAZIONE:
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y=-F(X)2, CALCOLA

Y = 100; LA RELAZIONE È NON LINEARE
LA Y SAPENDO CHE F(X)=-10 ED INDICA IL TIPO DI RELAZIONE:
CONSIDERIAMO I SEGUENTI DATI:
CLASSI FREQUENZE
10-20 5
20-30 8
34,19
30-40 12
40-50 9
50-60 3
CALCOLARE LA MEDIA ARITMETICA:
CONSIDERIAMO LA RELAZIONE Y=F(X), DOVE X È
RAPPRESENTATO DALL’INFLAZIONE ED Y SONO I TASSI DI X È LA VARIABILE INDIPENDENTE
INTERESSE NELL’EURO AREA:
CONSIDERIAMO LA SEGUENTE SERIE STORICA DI VALORI
CONTIGUI (2,2,3,5,3,4,6,7), QUANTE MEDIE MOBILI DI PESATE 6
DI ORDINE TRE SI POSSONO CALCOLARE:

CONTIGUI (3,5,3,4,6,7), CALCOLA LA PRIMA MEDIA MOBILE DI 21/5
ORDINE CINQUE CALCOLABILE IN TEMPO REALE:

ORDINE TRE CALCOLABILE IN TEMPO REALE:
CONTIGUI (3,5,3,4,6,7), QUANTE MEDIE MOBILI DI ORDINE 2
CINQUE SI POSSONO CALCOLARE:
CONTIGUI (3,5,3,4,6,7), QUANTE MEDIE MOBILI DI ORDINE TRE 4
SI POSSONO CALCOLARE:
CONTIGUI (3,5,3,4,6,7,0), QUANTE MEDIE MOBILI DI ORDINE 5
TRE SI POSSONO CALCOLARE:
LA PROBABILITÀ MASSIMA CON CUI ACCETTIAMO DI
COSA INDICA IL LIVELLO DI SIGNIFICATIVITÀ:
RISCHIARE L'ERRORE DI PRIMA SPECIE
LA STIMA ATTRAVERSO LA QUALE SI GIUNGE ALLA
COSA SI INTENDE PER STIMA INTERVALLARE: DETERMINAZIONE DI UN INTERVALLO, CHE INCLUDE IL
PARAMETRO STIMATO, CON LIVELLO DI CONFIDENZA 1-

COSA SI INTENDE PER STIMA PUNTUALE: DETERMINAZIONE DI UN SOLO VALORE NUMERICO PER
UNO O PIÙ PARAMETRI DELLA POPOLAZIONE
E' L'ATTITUDINE DI UN FENOMENO QUANTITATIVO AD

COSA SI INTENDE VARIABILITÀ:
ASSUMERE DIFFERENTE MODALITÀ
COSTITUISCONO RAPPRESENTAZIONI GRAFICHE ADATTE PER
ORTOGRAMMA E DIAGRAMMA CIRCOLARE
CARATTERI QUALITATIVI:
L'ISTOGRAMMA E BOX-PLOT
CARATTERI QUANTITATIVI:
COSTRUENDO I NUMERI INDICE DELLA SERIE STORICA DEL CAPIRE QUALE DELLE DUE UNITÀ PRESENTA UN
FATTURATO PER DUE AZIENDE, VOGLIAMO IN PARTICOLARE: ANDAMENTO MIGLIORE
D
DA UN MAZZO DI 40 CARTE VIENE ESTRATTA UNA CARTA.
0,1
CALCOLARE LA PROBABILITÀ DI OTTENERE UN ASSO:
CALCOLARE LA PROBABILITÀ DI OTTENERE UNA CARTA DI 0,25
BASTONI:
DA UN MAZZO DI CARTE VIENE ESTRATTA UNA CARTA.
12/40
CALCOLARE LA PROBABILITÀ DI OTTENERE UNA FIGURA:
DA UNA PARTITA DI BULLONI METALLICI È STATO ESTRATTO

UN CAMPIONE DI N=100 ELEMENTI E SE NE SONO TROVATI 20
IC=[0,1216;0,2784]
DIFETTOSI. COSTRUIRE UN INTERVALLO DI CONFIDENZA AL
95% PER LA PROPORZIONE P DEI PEZZI DIFETTOSI:
DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ STATISTICHE (

A, B, C, D ) SI VOGLIA ESTRARRE, CON RIPETIZIONE, UN
16 POSSIBI CAMPIONI
CAMPIONE CASUALE DI NUMEROSITÀ 2. LO SPAZIO
CAMPIONARIO È COMPOSTO DA:

64 POSSIBILI CAMPIONI

A, B, C, D, E ) SI VOGLIA ESTRARRE, CON RIPETIZIONE, UN
DATA UNA SERIE DI VALORI NUMERICI, IL VALORE A CUI

MODA
CORRISPONDE LA MASSIMA FREQUENZA SI CHIAMA:
DATE COPPIE DI VALORI X E Y, L’EQUAZIONE DI REGRESSIONE
UNA FORMULA DI PREDIZIONE DI Y
PUÒ ESSERE CONSIDERATA
SOLA, E BEN DEFINITA, TRA LE INFINITE RETTE CHE SI
DATE COPPIE DI VALORI X E Y, LA RETTA DI REGRESSIONE È
POSSONO TRACCIARE TRA I PUNTI DI UN DIAGRAMMA A
UNA:
DISPERSIONE
DATE LE VARIABILI: X(VELOCITÀ KM/H): 60, 80, 100,120,130
Y(CONSUMO IN QUINTA KM/LITRO): 29.8, 24.2, 20, 18.2, 16,2, 0,965
IL COEFFICIENTE DI DETERMINAZIOME LINEARE È:
Y(CONSUMO IN QUINTA KM/LITRO): 29.8, 24.2, 20, 18.2, 16,2. Y^= 39,882-0,1857XI
DETERMINARE L'EQUAZIONE DELLA RETTA:
DATE LE VARIABILI: X(VELOCITÀ KM/H): 60,80,100,120,130
Y(CONSUMO IN QUINTA KM/LITRO): 28.8, 24.2,20,18.2,16. LA -577,6
CODEVIANZA (X,Y) È:
SE ENTRAMBI SONO NON DISTORTI, IL CONFRONTO TRA
DATI DUE STIMATORI T1 E T2 DI UNO STESSO PARAMETRO: I DUE STIMATORI IN TERMINI DI EFFICIENZA PUÒ ESSERE
EFFETTUATO SOLO SULLA BASE DELLA VARIANZA
DATI I SEGUENTI EVENTI: A=(1,2,3), B=(2,3,4). DETERMINARE
AᴜB={1,2,3,4}
AᴜB:
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10).
AᴜBᴜC={1,3,5,7,9,10}
DETERMINARE A ᴜ B ᴜ C:
A∩B={3,5}
DETERMINARE A∩B:
A∩B∩C={5}
DETERMINARE A∩B∩C:
A∩C={1,5}
DETERMINARE A∩C:
B∩C={5,9,10}
DETERMINARE B∩C:
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITÀ DI
OTTENERE IN DUE ESTRAZIONI CON REIMMISSIONE UN RE
1/40
ALLA PRIMA ESTRAZIONE E UNA CARTA DI COPPE ALLA
SECONDA:
OTTENERE IN DUE ESTRAZIONI CON REIMMISSIONE UN RE E 2/100
UN ASSO:
DATO UN MAZZO DI 40 CARTE VIENE ESTRATTA UNA CARTA.
8/40
CALCOLARE LA PROBABILITÀ DI OTTENERE UN FANTE O UN RE:
CALCOLARE LA PROBABILITÀ DI OTTENERE UNA FIGURA O UNA 32/40
CARTA INFERIORE A 6:
DIECI ADOLESCENTI HANNO OTTENUTO I SEGUENTI IN UNA
PROVA DI ABILITÀ SPAZIALE (2,7,9,2,1,7,5,4,6,2), ESTRAENDO
4/10
A CASO UN PUNTEGGIO QUALE È LA PROBABILITÀ DI
OTTENERE UN NUMERO PARI E INFERIORE A 6:

PROVA DI ABILITÀ SPAZIALE (2,7,9,2,1,7,5,4,6,2). ESTRAENDO
A CASO DUE PUNTEGGI CON REIMMISSIONE, QUALE È LA 0.2
PROBABILITÀ DI OTTENERE ALMENO UN 7 ALLA PRIMA
ESTRAZIONE:

A CASO DUE PUNTEGGI CON REIMMISSIONE, QUALE È LA 14/100
PROBABILITÀ DI OTTENERE DUE PUNTEGGI LA CUI SOMMA SIA
9:

0.7
OTTENERE UN NUMERO PARI O INFERIORE A 6:
DIRE SE LA SEGUENTE DISTRIBUZIONE È SIMMETRICA:
NON È SIMMETRICA
8,14,16,16,16,21,21:
DIVIDENDO IL NUMERO DELLE MORTI E DELLE NASCITE IN UNA
CORRELAZIONE SPURIA SE L’ANDAMENTO DELLA
COMUNITÀ DURANTE UN PERIODO DI TEMPO
POPOLAZIONE NON È CORRELATO COL NUMERO DI
RISPETTIVAMENTE PER LA QUANTITÀ DELLA POPOLAZIONE
NATI E MORTI
MEDIA DELLO STESSO PERIODO SI PUÒ OTTENERE:
DIVIDENDO IL NUMERO DELLE MORTI IN UNA COMUNITÀ

DURANTE UN PERIODO DI TEMPO E LA QUANTITÀ DELLA COEFFICIENTE DI MORTALITÀ
POPOLAZIONE MEDIA DELLO STESSO PERIODO SI OTTIENE:
DIVIDENDO IL NUMERO DELLE NASCITE IN UNA COMUNITÀ

DURANTE UN PERIODO DI TEMPO E LA QUANTITÀ DELLA COEFFICIENTE DI NATALITÀ
IL VERIFICARSI DELL’UNO MODIFICA LA PROBABILITÀ
DUE EVENTI NON SONO INDIPENDENTI QUANDO:
DEL VERIFICARSI DELL’ALTRO
IL VERIFICARSI DELL’UNO NON MODIFICA LA
DUE EVENTI SONO INDIPENDENTI QUANDO:
PROBABILITÀ DI VERIFICARSI DELL’ALTRO
DUE PUNTI C E D, DISTANO 80 KM, UN CORPO SI MUOVE DA C
A D ALLA VELOCITÀ DI 80 KM/H E DA D A C ALLA VELOCITÀ DI
32KM/H
20 KM/H. DETERMINARE LA VELOCITÀ MEDIA DELL'INTERO
TRAGITTO:
IL COEFFICIENTE DI CORRELAZIONE È PARI A 1 IN
DUE VARIABILI SI DICONO PERFETTAMENTE CORRELATE SE:
VALORE ASSOLUTO
DUE VARIABILI SONO STOCASTICAMENTE INDIPENDENTI SE:
E
EFFETTUANDO UN TEST DI VERIFICA DELL'IPOTESI DI
INDIPENDENZA SU UNA TABELLA DI CONTINGENZA 5X4, I 12
GRADI DI LIBERTÀ CORRISPONDONO:
INDIPENDENZA SU UNA TABELLA DI CONTINGENZA, I GRADI DI (R-1)(C-1)
LIBERTÀ CORRISPONDONO:
F
G
H
I
I DATI INFORMATICI SONO UTILIZZABILI PER: LE ANALISI STATISTICHE
LE VARIAZIONI DEI LIVELLI DELLA VARIABILE NEL TEMPO
I NUMERI INDICE COMPARANO:
CON RIFERIMENTO AD UNA BASE
I NUMERI INDICE SONO: RAPPORTI STATISTICI
I NUMERI INDICE SONO: STRUMENTI MATEMATICI
INFERIORI A 100 SE IL LIVELLO TENDE A SCENDERE
I NUMERI INDICE SONO:
RISPETTO ALL’ANNO BASE
SUPERIORI A 100 SE IL LIVELLO DELLA VARIABILE TENDE
A CRESCERE RISPETTO ALL’ANNO BASE
ESPLICATIVI DELL’ANDAMENTO DEI LIVELLI DELLA
VARIABILE NEL TEMPO
I SIMBOLI E S SI RIFERISCONO ALLA MEDIA ED ALLO SCARTO
CAMPIONE
QUADRATICO MEDIO DEL:
I SIMBOLI Μ E Σ SI RIFERISCONO ALLA MEDIA ED ALLO SCARTO
POPOLAZIONE
I VALORI ATTESI NELLA VARIABILE CASUALE NORMALE SONO: MEDIA; VARIANZA;
I VOTI RIPORTATI DA UNO STUDENTE IN FISICA, STATISTICA E
MATEMATICA SONO: 71, 78, 89 (VOTI IN CENTESIMI). I PESI
82
ATTRIBUITI ALLE DISCIPLINE SONO RISPETTIVAMENTE 2, 4, 5.
CALCOLARE LA MEDIA DEI VOTI:
SULLA VARIABILITÀ, SULLA PRESENZA DI VALORI
IL BOX PLOT FORNISCE INFORMAZIONI: ANOMALE E SULLA SIMMETRIA/ASIMMETRIA DELLA
DISTRIBUZIONE
IL BOX PLOT, RAPPRESENTATO TRAMITE UN RETTAGOLO, È
DALLA MEDIANA
DIVISO AL SUO INTERNO:
IL CAMPIONAMENTO A BLOCCHI È: CARATTERIZZATO DA CLUSTER
CARATTERIZZATO DALLA SELEZIONE DI UN ELEMENTO
IL CAMPIONAMENTO SISTEMATICO È:
OGNI K ELEMENTI SUCCESSIVI
CARATTERIZZATO DA POPOLAZIONE DIVISA IN
IL CAMPIONAMENTO STRATIFICATO È:
SOTTOGRUPPI OMOGENEI
IL CAMPIONE È: UN SOTTOINSIEME DELLA POPOLAZIONE
DIFFERENZA TRA VALORE MASSIMO E MINIMO DELLA
IL CAMPO DI VARIAZIONE È DATO DALLA:
DISTRIBUZIONE
IL CARATTERE ETÀ È: UN CARATTERE CONTINUO
IL CARATTERE NUMERO DI FIGLI È: CARATTERE DISCRETO
IL CARATTERE PROFESSIONE È: UN CARATTERE QUALITATIVO SCONNESSO
IL CARATTERE SESSO È: CARATTERE QUALITATIVO SCONNESSO
IL CARATTERE STATO CIVILE È: CARATTERE QUALITATIVO SCONNESSO
IL CARATTERE TITOLO DI STUDIO È: UN CARATTERE QUALITATIVO RETTILINEO
IL COEFFICIENTE ANGOLARE BI RAPPRESENTA: LA PENDENZA DELLA RETTA
IL COEFFICIENTE ANGOLARE B1 È DATO: B1= COD. (X,Y)/ DEV(X)
IL COEFFICIENTE ANGOLARE B1 INDICA: LA PENDENZA DELLA RETTA
IL COEFFICIENTE DI CORRELAZIONE DI PEARSON TRA X=
“ABILITÀ MANUALI” ED Y= ”ABILITÀ TECNICHE” È PARI A 0,76.
CONSIDERANDO UNA RELAZIONE LINEARE TRA X ED Y, DOVE 0,58
QUEST’ULTIMA È LA VARIABILE DIPENDENTE, IL COEFFICIENTE
DI DETERMINAZIONE SARÀ PARI A:

CONSIDERANDO UNA RELAZIONE LINEARE TRA X ED Y, DOVE 58%
QUEST’ULTIMA È LA VARIABILE DIPENDENTE, LA VARIANZA
COMUNE SARÀ PARI A:

RESIDUA SARÀ PARI A:
“QUANTITÀ DI GRASSI SATURI ASSUNTE” ED Y= ”SPERANZA DI
VITA” È PARI AD -1. CONSIDERANDO UNA RELAZIONE LINEARE
1
TRA X ED Y, DOVE X È LA VARIABILE DIPENDENTE ED Y QUELLA
INDIPENDENTE, IL COEFFICIENTE DI DETERMINAZIONE SARÀ
PARI A:
IL COEFFICIENTE DI CORRELAZIONE R DI PEARSON PUÒ ESSERE TRA VARIABILI MISURATE SU SCALE A INTERVALLI O A
USATO PER CALCOLARE LA CORRELAZIONE: RAPPORTI EQUIVALENTI
IL COEFFICIENTE DI CORRELAZIONE: E' UN NUMERO PURO
IL COEFFICIENTE DI CURTOSI DI PEARSON È UGUALE: MOMENTO QUARTO/QUADRATO DELLA VARIANZA
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È NULLO SE È
LA DEVIANZA DI REGRESSIONE
NULLA:
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È UGUALE A 1
LA DEVIANZA RESIDUA
SE È NULLA:
IL QUADRATO DEL COEFFICIENTE DI CORRELAZIONE
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È:
LINEARE
IL COEFFICIENTE DI VARIAZIONE È DATO DAL RAPPORTO,
LO SCARTO QUADRATICO MEDIO E MEDIA ARITMETICA
ESPRESSO IN TERMINI PERCENTUALI, TRA:
IL LANCIO DI UNA MONETÀ È UN ESEMPIO DI: POPOLAZIONE INFINITA
IL MAX Χ2 È UGUALE: N X [MIN (R-1; C-1)]
NON DIPENDE DALLA NUMEROSITÀ DELLA
IL NUMERO DEI CARATTERI IN UNA MATRICE:
POPOLAZIONE
IL NUMERO DI CUORI NEGLI ESSERI VIVENTI ED IL NUMERO DI
IL NUMERO DI BATTITI SOLAMENTE PUÒ ESSERE
BATTITI CARDIACI AL MINUTO POSSONO ENTRAMBI ESSERE
DEFINITO VARIABILE
DEFINITI:
IL NUMERO DI LANCI DI UNA MONETA È UNA: VARIABILE DISCRETA
QUEL VALORE CHE LASCIA ALLA SUA DESTRA IL 75%
IL PRIMO QUARTILE: DELLE OSSERVAZIONE E ALLA SUA SINISTRA IL 25%
DELLE OSSERVAZIONI
IL RAPPORTO ANNUO TRA TASSO DI INFLAZIONE E
NON ESISTE
DEFLAZIONE DELL’ANNO X IN UN PAESE DETERMINATO:
IL RAPPORTO DI CORRELAZIONE DI PEARSON VARIA: TRA 0 E 1
MEDIANTE IL RAPPORTO TRA LA FREQUENZA DI UNA
IL RAPPORTO STATISTICO DI COESISTENZA SI OTTIENE: MODALITÀ RISPETTO A QUELLA CORRISPONDENTE DI
UN’ALTRA MODALITÀ
DIVIDENDO IL VALORE RILEVATO IN UNA DATA
IL RAPPORTO STATISTICO DI COMPOSIZIONE SI OTTIENE: CIRCOSTANZA PER L’ANALOGO VALORE RILEVATO PER
L’INTERA POPOLAZIONE
MEDIANTE IL RAPPORTO TRA LA DIMENSIONE GLOBALE
IL RAPPORTO STATISTICO DI DENSITÀ SI OTTIENE: DI UN FENOMENO E QUELLA SPAZIALE A CUI ESSO FA
RIFERIMENTO
DIVIDENDO LA MODALITÀ DI UN FENOMENO PER
QUELLA CORRISPONDENTE DI UN ALTRO CHE, SUL
IL RAPPORTO STATISTICO DI DERIVAZIONE SI OTTIENE:
PIANO LOGICO E/O TEMPORALE, NE COSTITUISCE
CAUSA O PRESUPPOSTO LOGICO
IL REDDITO PRO-CAPITE È UNA: VARIABILE CONTINUA
IL SECONDO QUARTILE COINCIDE CON: LA MEDIANA
AFFERMA CHE AL CRESCERE DI N LA FORMA DELLA
IL TEOREMA DEL LIMITE CENTRALE: DISTRIBUZIONE DELLA MEDIA CAMPIONARIA SI
APPROSSIMA ALLA FORMA NORMALE
IL TIPO DI DATO ELEMENTARE 4.5 È: REALE
IL VALORE ATTESO DELLO STIMATORE B1 È: E(B1)=Β1
IL VALORE ATTESO E(B+X) È: (B È UNA COSTANTE REALE): E(B+X)=B+E(X)
IL VALORE ATTESO E(X+Y) È: (X E Y SONO DUE VARIBILI
E(X+Y)= E(X)+E(Y)
CASUALI):
IL VALORE CENTRALE È: LA SEMISOMMA DEI DUE ESTREMI
IL VALORE DELL’ANNO CON NUMERO INDICE PARI A 100
IL DENOMINATORE NEL CALCOLO DEL NUMERO INDICE
NELLA SERIE STORICA OSSERVATA È:
IN BASE AL TEOREMA DI GAUSS MARKOV, GLI STIMATORI DEI
SONO I PIÙ EFFICIENTI
MINIMI QUADRATI:
IN RIFERIMENTO ALLA DOMANDA 1 LA NUMEROSITÀ N È

UGUALE:
IN RIFERIMENTO ALLA TABELLA CHE MOSTRA LA

DECOMPOSIZIONE DELLA DEVIANZA TOTALE, IL RAPPORTO F È
UGUALE:
IN RIFERMENTO ALLA DOMANDA 4 SI CALCOLI L'AMPIEZZA DI
0,0124
TALE INTERVALLO:
IN UNA DISTRIBUZIONE DI FREQUENZA SI PUÒ OTTENERE: PIÙ DI UNA MODA
IN UNA DISTRIBUZIONE STATISTICA, LA SOMMA DELLE
È SEMPRE UGUALE A 1
FREQUENZE RELATIVE:
IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN
CORSO DI INFORMATICA SPECIALISTICO. ALL’INIZIO DEL CORSO
AI 70 ALUNNI VIENE SOMMINISTRATO UN TEST ATTITUDINALE
PER L’INFORMATICA CHE FORNISCE PUNTEGGI IN TERMINI DI
RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE DEL CORSO SI
VALUTA L’APPRENDIMENTO DELL’INFORMATICA PER OGNI
RAGAZZO CON UN TEST DI PROFITTO (DA 0 A 100). VIENE 3,5
UTILIZZATO IL PUNTEGGIO AL TEST ATTITUDINALE PER
PREVEDERE IL LIVELLO DI APPRENDIMENTO
DELL’INFORMATICA RAGGIUNTO A FINE CORSO, E SI
OTTENGONO I SEGUENTI RISULTATI: Y’=15+2X: R2=0,74;
SE=3,5. INDICARE DI QUANTI PUNTI È L’ERRORE MEDIO DI
PREVISIONE:

RAGAZZO CON UN TEST DI PROFITTO (DA 0 A 100). VIENE
3, COEFFICIENTE DI REGRESSIONE
SE=3,5. INDICARE PER OGNI RISPOSTA CORRETTA AL TEST
ATTITUDINALE DI QUANTI PUNTI AUMENTA IL PUNTEGGIO AL
TEST DI PROFITTO E COME SI CHIAMA QUESTO PARAMETRO:

CORSO DI INGLESE SPECIALISTICO. ALL’INIZIO DEL CORSO AI 70
ALUNNI VIENE SOMMINISTRATO UN TEST ATTITUDINALE PER
L’INGLESE CHE FORNISCE PUNTEGGI IN TERMINI DI RISPOSTE
CORRETTE (DA 1 A 40). ALLA FINE DEL CORSO SI VALUTA
L’APPRENDIMENTO DELL’INGLESE PER OGNI RAGAZZO CON
ATTITUDINE ALL’INGLESE
UN TEST DI PROFITTO (DA 0 A 100). VIENE UTILIZZATO IL
PUNTEGGIO AL TEST ATTITUDINALE PER PREVEDERE IL LIVELLO
DI APPRENDIMENTO DELL’INGLESE RAGGIUNTO A FINE
CORSO, E SI OTTENGONO I SEGUENTI RISULTATI: Y’=10+2X:
R2=0,64; SE=2,5. INDICARE QUALE È LA VARIABILE
INDIPENDENTE:

UN TEST DI PROFITTO (DA 0 A 100). VIENE UTILIZZATO IL 10
R2=0,64; SE=2,5. INDICARE QUALE PUNTEGGIO DOVREBBE
OTTENERE AL TEST DI PROFITTO UN RAGAZZO CHE SBAGLIA
TUTTE LE DOMANDE AL TEST ATTITUDINALE:
R2=0,64; SE=2,5. PER OGNI RISPOSTA CORRETTA IN PIÙ AL
TEST ATTITUDINALE INDICARE DI QUANTI PUNTI AUMENTA IL
PUNTEGGIO AL TEST DI PROFITTO:
IN UNA TABELLA DOPPIA SE ENTRAMBI LE VARIABILI SONO

TABELLA DI CONTINGENZA
QUALITATIVE, SI PARLA DI:
TABELLA DI CORRELAZIONE
QUANTITATIVE, SI PARLA DI:
INDICARE LA PERCENTUALE DI BOLLETTE CON IMPORTI
INFERIORI A 60 EURO, TRA I BIMESTRI CON TEMPERATURA 3/5
MEDIA SUPERIORE A 20°:
INDICE CHI-QUADRATO È UN INDICE: SIMMETRICO
J
K
L
L' IPOTESI STATISTICA È SEMPLICE: SE SI ASSEGNA AL PARAMETRO UN VALORE PUNTALE
L’ANNO CON VALORE PARI A 100 NELLA SERIE STORICA DEI
L’ANNO BASE
NUMERI INDICE È:
L’EQUAZIONE DI REGRESSIONE LINEARE È L’EQUAZIONE DI
RETTA
UNA:
L’INDAGINE STATISTICA PUÒ ESSERE: CAMPIONARIA O DI TIPO CENSUARIO
L’INDICE R MISURA RELAZIONI DI TIPO: LINEARE
DEDURRE LE CARATTERISTICHE DELL’INTERA
L’INFERENZA HA LO SCOPO DI:
POPOLAZIONE A PARTIRE DA DATI RACCOLTI
LA DIMINUZIONE DEL POTERE DI ACQUISTO DELLA
L’INFLAZIONE È:
MONETA
L'AUMENTO PROLUNGATO DEL LIVELLO MEDIO
L’INFLAZIONE È: GENERALE DEI PREZZI DI BENI E SERVIZI IN UN DATO
PERIODO DI TEMPO
MODALITÀ DI RAPPRESENTAZIONE DELLA RILEVAZIONE
L’ISTOGRAMMA È UNA:
STATISTICA
LA CLASSE È CHIUSA A SINISTRA SE: SOLO L'ESTREMO SINISTRO È INCLUSO
LA CODEVIANZA È UNA MISURA: ASSOLUTA DI CONCORDANZA
IL GRADO DELLA RELAZIONE TRA VARIABILI, E PER
MEZZO DI ESSA SI CERCA DI DETERMINARE QUANTO
LA CORRELAZIONE INDICA: BENE UN’EQUAZIONE LINEARE O UN’ALTRA EQUAZIONE
QUALSIASI DESCRIVANO O SPIEGHINO TALE RELAZIONE
TRA VARIABILI.
A DIFFERENZA DELLA REGRESSIONE, NON RICHIEDE DI
LA CORRELAZIONE: STABILIRE QUALE VARIABILE SIA ANTECEDENTE
ALL’ALTRA (IN TERMINI DI DIPENDENZA)
LA COVARIANZA (X,Y): E' UNA MISURA SIMMETRICA
LA COVARIANZA È NEGATIVA QUANDO: AL CRESCERE DI X LA Y TENDE A DIMINUIRE E VICEVERSA
LA COVARIANZA È NULLA QUANDO: X E Y SONO LINEARMENTE INDIPENDENTI
LA COVARIANZA È NULLA QUANDO: X E Y NON SONO CORRELATE
X E Y VARIANO TENDENZIALMENTE NELLA STESSA
LA COVARIANZA È POSITIVA QUANDO:
DIREZIONE
IL GRADO DI SCHIACCIAMENTO DI UNA DISTRIBUZIONE
LA CURTOSI RAPPRESENTA: INTORNO AL SUO CENTRO DI GRAVITÀ E RISPETTO ALLA
CURVA NORMALE
DEFINITA DA UN’EQUAZIONE PARTICOLARE CHE
LA CURVA NORMALE A DIFFERENZA DELLE ALTRE CURVE È: PERMETTE DI CALCOLARE, DATA UN’ORDINATA,
PORZIONI DI AREA SOTTESE ALLA CURVA STESSA
ESSERE DEFINITA DA UN’EQUAZIONE PARTICOLARE CHE
LA CURVA NORMALE È CARATTERIZZATA DA: PERMETTE DI CALCOLARE, DATA UN’ORDINATA,
LA CURVA NORMALE STANDARDIZZATA È CARATTERIZZATA
MEDIA =0 E DEVIAZIONE STANDARD=1
DAL FATTO DI AVERE:
I PUNTEGGI SONO ESPRESSI IN PUNTI Z
DAL FATTO DI AVERE:
LA DEFLAZIONE È: ESPRESSA IN PERCENTUALE
LA DEFLAZIONE SI CALCOLA CON: I TASSI DI VARIAZIONE
QUANTA PARTE DELLA VARIABILITÀ DELLA Y È SPIEGATA
LA DEVIANZA DI REGRESSIONE MISURA:
DALLA RELAZIONE LINEARE
LA SOMMA DEGLI SCARTI DALLA MEDIA ARITMETICA AL
LA DEVIANZA È:
QUADRATO
LA DEVIAZIONE STANDARD PUÒ ASSUMERE VALORI: SOLO POSITIVI
LA DIFFERENZA INTERQUARTILE È DATA DALLA: TRA TERZO E PRIMO QUARTILE
LA DISTIBUZIONE NORMALE È: E' SIMMETRICA RISPETTO AL VALOR MEDIO
PUÒ ESSERE UTILIZZATA PER DESCRIVERE CASI IN CUI
LA DISTRIBUZIONE BINOMIALE:
GLI ESITI POSSIBILI DI UNA PROVA SONO SOLO DUE
LA DISTRIBUZIONE DELLA NORMALE STANDARDIZZATA: HA MEDIA UGUALE A 0 E VARIANZA UGUALE 1

LA DISTRIBUZIONE DI DICE LEPTOCURTICA SE: E' PIÙ APPUNTITA RISPETTO ALLA NORMALE
LA DISTRIBUZIONE DI DICE PLATICURTICA SE: E' PIÙ SCHIACCIATA RISPETTO ALLA NORMALE
IL CALCOLO DELLE FREQUENZE PER CIASCUN VALORE O
LA DISTRIBUZIONE DI FREQUENZA È:
CATEGORIA DELLA VARIABILE
E’ UNA FUNZIONE TEORICA ESPRESSA CON REGOLE
LA DISTRIBUZIONE DI PROBABILITÀ DI Z È COSTRUITA: MATEMATICHE RELATIVE A UN INSIEME INFINITO DI
DATI
LA FORMULA PER CALCOLARE IL NUMERO INDICE TRA L’ANNO
IL SEGNO EGUALE
T E T-1 PER LA VARIABILE X IN EXCEL È PRECEDUTA DA:
IL NUMERO DELLE VOLTE NI IN CUI LA MODALITÀ XI È
LA FREQUENZA ASSOLUTA È:
STATA OSSERVATA
LA FREQUENZA CUMULATA: PUÒ ESSERE UGUALE ALLA RELATIVA
LA FREQUENZA RELATIVA È UGUALE: NI/N
LA FUNZIONE DI DENSITÀ DI PROBABILITÀ DELLA
SI AVVICINA ALL’ASSE DELLE ASCISSE SENZA MAI
DISTRIBUZIONE NORMALE È ASINTOTICA DI X VERSO -∞ E +∞,
TOCCARLA
CIOÈ:
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE
E' UNA FUNZIONI A GRADINI NON DECRESCENTE
DISCRETA:
LA FUNZIONE CHE ASSOCIA A CIASCUN VALORE X LA
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE X A
PROBABILITÀ DELL‘EVENTO “LA VARIABILE CASUALE X
VALORI REALI È:
ASSUME VALORI MINORI O UGUALI AD X”
ESPRIME LA PROBABILITÀ CHE LA VARIABILE CASUALE
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE: ASSUMA VALORI INFERIORI O UGUALI AD UN VALORE
FISSATO
LA FUNZIONE F(X) RAGGIUNGE IL SUO PUNTO PIÙ ALTO IN
XI = MEDIA
CORRISPONDENZA DI:
LA FUNZIONE STIMATORE DEL PARAMETRO DOVREBBE
CENTRATA, CONSISTENTE, EFFICIENTE
ESSERE:
LA FUNZIONE TENDENZA IN EXCEL SERVE PER: CALCOLARE IL VALORE DI UNA FUNZIONE STIMATA
LA FUNZIONE TENDENZA IN EXCEL SERVE PER: PREVEDERE LE SERIE STORICHE
PREVEDERE IL VALORE AL TEMPO T IN UNA FUNZIONE
LA FUNZIONE TENDENZA IN EXCEL SERVE PER:
STIMATA Y*
CALCOLARE IL VALORE STIMATO AL TEMPO T IN
RELAZIONE AD UNA FUNZIONE DI REGRESSIONE Y*
LA MATRICE DEI DATI È COMPOSTA: DA N VETTORI
IL NUMERO DI COLONNE DIPENDE DAI CARATTERI
LA MATRICE DEI DATI È COSTITUITA DA:
OSSERVATI
LA MEDIA ARMONICA È PARTICOLARMENTE USATA: QUANDO SI MEDIANO RAPPORTI DI TEMPO
IL RECIPROCO DELLA MEDIA ARITMETICA DEI RECIPROCI
LA MEDIA ARMONICA È:
DEI TERMINI
LA MEDIA DELLA DISTRIBUZIONE DELLA MEDIA CAMPIONARIA: COINCIDE CON LA MEDIA DELLA POPOLAZIONE
QUANDO I DIVERSI VALORI VENGONO PER LORO
LA MEDIA GEOMETRICA È PARTICOLARMENTE USATA:
NATURA MOLTIPLICATI
LA MEDIA GEOMETRICA È UGUALE: ALLA RADICE N-ESIMA DEL PRODOTTO DEI TERMINI
LA MEDIA MOBILE DI ORDINE 3 PERMETTE DI: ELIMINARE VALORI ANOMALI
LA MEDIA MOBILE DI ORDINE 3 PERMETTE DI: EFFETTUARE LO SMOOTHING DELLE SERIE STORICHE
LA MEDIA MOBILE DI ORDINE 5 PERMETTE DI: ELIMINARE VALORI ERRATICI
IN UNA SERIE DI MEDIE ARITMETICHE CALCOLATE SU N
LA MEDIA MOBILE DI ORDINE N CONSISTE:
PERIODI CONTIGUI.
LA SOMMA PONDERATA DEI VALORI DELLA SERIE
LA MEDIA MOBILE È:
STORICA
LA MEDIA: E' SENSIBILE AI VALORI ESTREMI
LA CATEGORIA O IL PUNTEGGIO AL DI SOPRA E AL DI
LA MEDIANA È:
SOTTO DEL QUALE CADE UN UGUAL NUMERO DI CASI
LA MODA È UN: INDICE DI TENDENZA CENTRALE
LA MUTABILE È: UN CARATTERE QUALITATIVO
L'ATTITUDINE DI UN FENOMENO QUALITATIVO AD
LA MUTABILITÀ È:
LA NEGAZIONE LOGICA DELL’OPERANDO A=0 È: 1
QUANDO È DETERMINABILE IL NUMERO DI UNITÀ CHE
LA POPOLAZIONE È FINITA:
COMPONGONO
L’ UNIVERSO DI ELEMENTI CHE FORMA L’ OGGETTO DI
LA POPOLAZIONE È:
UNO STUDIO STATISTICO
LA PROBABILITÀ DI RIGETTARE L'IPOTESI NULLA
LA POTENZA DEL TEST È:
QUANDO È GIUSTO FARLO
LA PROBABILITÀ CHE SI VERIFICHI UN EVENTO PUÒ ASSUMERE
TRA 0 ED 1
VALORI
LA PROBABILITÀ DEL VERIFICARSI DI DUE EVENTI CHE SI SOMMA DELLE PROBABILITÀ DEL VERIFICARSI DI
ESCLUDONO A VICENDA È DATA DAL: CIASCUNO DEI DUE EVENTI
LA PROBABILITÀ DELL'UNIONE DI DUE EVENTI A E B NON
P(AᴜB)= P(A)+P(B)-P(A∩B)
INCOMPATIBILI:
LA PROPORZIONE DI VARIANZA COMUNE A X E Y È ESPRESSA
COEFFICIENTE DI DETERMINAZIONE
DA R2XY CHE È DENOMINATO:
LA VARIANZA SPIEGATA
DA R2XY CHE ESPRIME:
LA PROPRIETÀ DI MONOTONICITÀ DEGLI INDICI DI TENDENZA E' BASATA SULLA COMPARAZIONE TRA LE VARIABILI ED I
CENTRALE: RISPETTIVI INDICI DI POSIZIONE
LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA CENTRALE: E' DIVERSA DA QUELLA MOLTIPLICATIVA
E' BASATA SULLA RELAZIONE DI LINEARITÀ TRA LE

LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA CENTRALE:
VARIABILI ED I RISPETTIVI INDICI DI POSIZIONE
LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA CENTRALE: PERMETTE CAMBIAMENTI DI SCALA NELL INDICE
E BASATA SULLA RELAZIONE DI LINEARITÀ TRA LE

LA PROPRIETÀ MOLTIPLICATIVA DEGLI INDICI DI TENDENZA
PERMETTE CAMBIAMENTI DI SCALA NELL'INDICE
CENTRALE:
LA QUANTITÀ ESPRESSA DA 1-R2XY CON R2XY CHE INDICA LA
VARIANZA RESIDUA
PROPORZIONE DI VARIANZA COMUNE A X E Y È DENOMINATA:
LA RAPPRESENTAZIONE GRAFICA CHE SI SVILUPPA
ATTRAVERSO UNA CIRCONFERENZA SUDDIVISA IN TANTI DIAGRAMMA CIRCOLARE
SPICCHI, VIENE CHIAMATA:
LA RAPPRESENTAZIONE GRAFICA DI DISTRIBUZIONI DI
FREQUENZE CHE SI SVILUPPA ATTRAVERSO UNA SERIE DI ISTOGRAMMA
RETTANGOLI CONTIGUI VIENE CHIAMATA:
LA POPOLAZIONE DA CUI IL CAMPIONE È ESTRATTO HA
LA SEGUENTE IPOTESI È NULLA:
MEDIA 58
NON ESISTE NESSUNA RELAZIONE TRA CLASSE SOCIALE E
ALCOLISMO
LE MEDIE DEI GRUPPI A,B,C NON DIFFERISCONO TRA
LORO IN MODO SIGNIFICATIVO
LA SEGUENTE IPOTESI È NULLA: QUESTA MONETA NON È TRUCCATA
IL FARMACO C NON HA UN EFFETTO DIVERSO DAL
FARMACO D
LA MEDIA DEI TEMPI DI REAZIONE DEI MASCHI È
UGUALE A QUELLA DELLE FEMMINE
C’È UNA RELAZIONE SIGNIFICATIVA TRA REDDITO DELLE
PERSONE E LIVELLO DI ISTRUZIONE
LA SEGUENTE IPOTESI: “C’È UNA MINORE ASTENSIONE DAL
LAVORO NEL REPARTO A RISPETTO AL REPARTO B DI UNA MONODIREZIONALE SINISTRA
FABBRICA” È:
LA SEGUENTE IPOTESI: “IL PUNTEGGIO MEDIO AD UN TEST DI
STATISTICA DI DUE GRUPPI DI INDIVIDUI È BIDIREZIONALE
SIGNIFICATIVAMENTE DIVERSO” È:
STATISTICA DI DUE GRUPPI DI INDIVIDUI È
±
SIGNIFICATIVAMENTE DIVERSO” HA IL SEGUENTE SEGNO DEL
VALORE CRITICO:
LA SEGUENTE IPOTESI: “IL TEMPO MEDIO DI
RICONOSCIMENTO DI ALCUNI DIPINTI STORICI IMPIEGATO MONODIREZIONALE SINISTRA
DAGLI STUDENTI È INFERIORE A 20 SECONDI” È:
LA SEGUENTE IPOTESI: “LA MEDIA DELLA POPOLAZIONE DA

BIDIREZIONALE
CUI DERIVA UN CERTO CAMPIONE NON È 200”
LA SEGUENTE IPOTESI: “LA PROBABILITÀ DI OTTENERE CROCE

MONODIREZIONALE DESTRA
LANCIANDO UNA CERTA MONETA È SUPERIORE A 0,5” È:
LA SEGUENTE IPOTESI: “UN GIOCATORE SCOMMETTE
SULL’USCITA DELLA FACCIA CON IL NUMERO 4 DI UN DADO, E
VINCE UN NUMERO ELEVATO DI VOLTE. SOSPETTIAMO CHE IL
DADO SIA TRUCCATO” È:
VINCE UN NUMERO ELEVATO DI VOLTE. SOSPETTIAMO CHE IL 1/6
DADO SIA TRUCCATO”. LA PROBABILITÀ SOTTO L’IPOTESI
NULLA, CIOÈ SE LE VINCITE SONO DOVUTE AL CASO È:
LA SOMMA DELLE CONTINGENZE DI CIASCUNA RIGA E DI
NULLE
CIASCUNA COLONNA SONO:
LA SOMMA DELLE PROBABILITÀ DI EVENTI CHE SI ESCLUDONO
UGUALE AD 1
A VICENDA ED ESAUSTIVI È:
LA SOMMATORIA DI TUTTE LE FREQUENZE RELATIVE DI UNA
1
TABELLA DI FREQUENZA È PARI A:
ORGANIZZARE, RIASSUMERE, ANALIZZARE I DATI
LA STATISTICA CI OFFRE GLI STRUMENTI PER: RELATIVI AD UN FENOMENO, OTTENUTI ATTRAVERSO LE
MISURAZIONI.
LA STATISTICA DESCRITTIVA: ORGANIZZA E RIASSUME I DATI
LA STATISTICA È SINONIMO DI: SCIENZE STATISTICHE
LA STATISTICA INDUTTIVA: FA INFERENZA
LA STATISTICA PERMETTE DI RAGIONARE: FACENDO DEDUZIONI ED INDUZIONI
LA STIMA DEL CAMPIONE È: UN CONCETTO DIVERSO DA QUELLO DI STIMATORE
LA STIMA DEL PARAMETRO È: UN CONCETTO DIVERSO DA QUELLO DI STIMATORE
NON È OPPORTUNO DEFINIRE LA STIMA DEL

LA STIMA DEL PARAMETRO NEL CAMPIONE È:
PARAMETRO NEL CAMPIONE, MA NELLA POPOLAZIONE
LA STIMA DEL PARAMETRO NELLA POPOLAZIONE È: CALCOLATA ATTRAVERSO I DATI CAMPIONARI
RELATIVA AI VALORI CHE PUÒ ASSUMERE LO
LA STIMA DEL PARAMETRO NELLA POPOLAZIONE È:
STIMATORE
LA VAR (AX+B) È: A E B SONO DUE COSTANTI REALI: VAR (AX+B)=A²VAR (X)
LA VARIABILE CASUALE CHI-QUADRATO: NON PUÒ ASSUMERE VALORI NEGATIVI
LA VARIABILE CASUALE F DI FISHER-SNEDECOR: HA VALORE ATTESO E(F)= M/(M-2)
AL TENDERE DI N ALL'INFINITO LA V.C T DI STUDENT
LA VARIABILE CASUALE T DI STUDENT:
TENDE ALLA NORMALE STANDARDIZZATA
E' TALE CHE OGNI SUA REALIZZAZIONE È
LA VARIABILE CASUALE UNIFORME DISCRETA:
EQUIPROBABILE
CALCOLATA CON I DATI DEL CAMPIONE
LA VARIANZA DEL CAMPIONE È:
RAPPRESENTATIVO DELLA POPOLAZIONE
LA VARIANZA DELLO STIMATORE B1 È:
LA MISURA SINTETICA DI QUANTO LE UNITÀ
LA VARIANZA FORNISCE:
DIFFERISCONO DALLA MEDIA ARITMETICA
LA VARIANZA SI CALCOLA: PER POPOLAZIONI E CAMPIONI
LA VARIAZIONE CONGIUNTURALE RIGUARDA IN STATISTICA-
IL MESE PRECEDENTE
ECONOMICA IL CONFRONTO CON:
LA VARIAZIONE TENDENZIALE RIGUARDA IN STATISTICA-
L’ANNO PRECEDENTE
CONSISTE NEL FORMULARE, SULLA BASE DI DATI
CAMPIONARI, UN GIUDIZIO CHE INDUCA AD ACCETTARE
LA VERIFICA DELLE IPOTESI:
O RIFIUTARE L'IPOTESI NULLA, CON UN PREFISSATO
LIVELLO DI SIGNIFICATIVITÀ
LA VERIFICA DELL'IPOTESI DI INDIPENDENZA MIRA A
L'INDIPENDENZA STOCASTICA
VERIFICARE:
L'AMPIEZZA A DELL'INTERVALLO DI CONFIDENZA PER :
LA DIFFERENZA TRA ESTREMO SUPERIORE E ESTREMO

L'AMPIEZZA DELLA CLASSE È:
INFERIORE DELLA CLASSE
L'AMPIEZZA DELL'INTERVALLO DI CONFIDENZA PER UNA

A = 2zα/2ơp
PROPORZIONE È:
L'AMPIEZZA DELL'INTERVALLO È TANTA PIÙ ELAVATA QUANTO

N È PICCOLO
PIÙ:
I VALORI DEL CARATTERI SONO DISTRIBUTI CON
L'ASIMMETRIA DI UNA DISTRIBUZIONE DENOTA CHE: FREQUENZE DIFFERENTI ATTORNO AL SUO VALORE
CENTRALE
L'ASIMMETRIA DI UNA DISTRIBUZIONE PUÒ ESSERE: NULLA, POSITIVA E NEGATIVA
SI OTTENGONO DAL RAPPORTO TRA LA FREQUENZA DI
LE DENSITÀ DI FREQUENZA DI UN ISTOGRAMMA:
UNA CLASSE E L'AMPIEZZA DELLA CLASSE MEDESIMA
DEFINIZIONE DEGLI OBIETTIVI DELLA RICERCA;
RILEVAZIONE DEI DATI; ELABORAZIONE
LE FASI DI UNA INDAGINE STATISTICA SI CONVIENE SIANO LE
METODOLOGICA; PRESENTAZIONE ED
SEGUENTI:
INTERPRETAZIONE DEI RISULTATI; UTILIZZAZIONE DEI
RISULTATI RAGGIUNTI.
IL RAPPORTO TRA CIASCUNA FREQUENZA ED IL TOTALE
LE FREQUENZE PERCENTUALI DI UNA DISTRIBUZIONE SI
DELLE FREQUENZE E MOLTIPLICANDO PER 100 IL
CALCOLANO FACENDO:
RISULTATO
SI TRATTA DUE IPOTESI ALTERNATIVE COMPLEMENTARI
LE IPOTESI STATISTICHE:
E LOGICAMENTE ESCLUDENTISI
N RIGHE E K COLONNE, CON K CHE PUÒ ESSERE EGUALE
LE MATRICI SONO COMPOSTE DA:
O DIVERSO DA N
SINTETIZZARE IN UN SINGOLO VALORE NUMERICO
L’INTERA DISTRIBUZIONE DI FREQUENZA PER
LE MISURE DI POSIZIONE HANNO L’OBIETTIVO DI:
EFFETTUARE CONFRONTI NEL TEMPO, NELLO SPAZIO O
TRA CIRCOSTANZE DIFFERENTI
L'INDICE CHI-QUADRATO DI PEARSON (Χ2) : DIPENDE DALLA DIMENSIONE DEL COLLETTIVO
L'INDICE DI ASIMMETRIA SKEWNESS DI PEARSON È COME DIFFERENZA TRA LA MEDIA ARITMETICA E LA
CALCOLATO: MODA DIVISA LA DEVIAZIONE STANDARD
L'INDICE DI CONNESSIONE DI CRAMER VARIA: TRA ZERO E UNO
L'INDICE DI CONTINGENZA QUADRATICA MEDIO Φ2È UGUALE: Χ²/N
L'INDIPENDENZA IN MEDIA: NON È UN CONCETTO SIMMETRICO
L'INFLAZIONE È: L AUMENTO DEI PREZZI
L'IPOTESI DI INDIPENDENZA STABILISCE CHE:
I PARAMETRI CARATTERISTICI DI UNA PARTICOLARE
L'IPOTESI PARAMETRICA RIGUARDA: DISTRIBUZIONE DI CUI SI CONOSCE LA FORMA
ANALITICA
LA MEDIA DEGLI SCARTI AL QUADRATO TRA I DATI E LA
LO SCOSTAMENTO QUADRATICO MEDIO RIGUARDA:
M
LO SCOSTAMENTO DI OGNI VALORE DELLA
LO SCOSTAMENTO SEMPLICE MEDIO RIGUARDA: DISTRIBUZIONE DALLA MEDIA, PRESO IN VALORE
ASSOLUTO
LO STIMATORE DI UN PARAMETRO: È UNA VARIABILE CASUALE
LO STIMATORE VARIANZA CAMPIONARIA CORRETTA: HA MEDIA PARI AL PARAMETRO DA STIMARE
M
N
NEL CALCOLO DEI TASSI DI INCREMENTO TRA T E T-1 AL
IL DATO DELL’ANNO T-1
DENOMINATORE VI È:
IL NUMERO INDICE DEI PREZZI DEL MESE M-1
NEL CALCOLO DEL TASSO DI INFLAZIONE CONGIUNTURALE AL
DELL\'ANNO A ED AL NUMERATORE IL NUMERO INDICE
DENOMINATORE C’È:
DEI PREZZI DEL MESE M DELL\'ANNO A
IL NUMERO INDICE DEI PREZZI DEL MESE M DELL\'ANNO
NEL CALCOLO DEL TASSO DI INFLAZIONE TENDENZIALE AL
A-1 ED AL NUMERATORE IL NUMERO INDICE DEI PREZZI
DEL MESE M DELL\'ANNO A
OGNI UNITÀ STATISTICA PUÒ ENTRARE A FAR PARTE PIÙ
NEL CAMPIONAMENTO BERNOULLIANO:
VOLTE DEL CAMPIONE
NEL CAMPIONAMENTO BERNOULLIANO: I RISULTATI DELLE ESTRAZIONI SONO INDIPENDENTI
NEL CASO DI ESTRAZIONE CON RIPETIZIONE LA DEVIAZIONE

STANDARD DELLE FREQUENZE CAMPIONARIE È:
NEL CASO DI ESTRAZIONE SENZA RIPETIZIONE LA DEVIAZIONE

NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE PER

VERIFICARE L'IPOTESI SI PUÒ UTILIZZATE LA QUANTITÀ F CHE È CON 1 E N-2 GRADI DI LIBERTÀ
UNA V.C F DI FISCHER -SNEDECOR CON :
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, QUALI TRA

IPOTESI SULLA VARIABILE ESPLICATIVA
LE SEGUENTI IPOTESI È DEFINITA IPOTESI DEBOLE:

IPOTESI DI NORMALITÀ
LE SEGUENTI IPOTESI È DEFINITA IPOTESI FORTE:
NEL PRODOTTO LOGICO CON OPERANDO A=0 ED OPERANDO
0
B=1, IL TOTALE SARÀ:
NEL PRODOTTO LOGICO CON OPERANDO A=VERO ED
F
OPERANDO B=FALSO, IL TOTALE SARÀ:
V
OPERANDO B=VERO, IL TOTALE SARÀ:
NELLA CONGIUNZIONE TRA INSIEMI SI VALUTA: QUANDO I DUE EVENTI SI REALIZZANO ENTRAMBI
R VARIA TRA -1 ED 1 E PUÒ ESSERE ELEVATO, MA LE

NELLA CORRELAZIONE SPURIA, SI RILEVA CHE: VARIABILI NON SONO LEGATE DA UN RAPPORTO SERIO
DI CAUSALITÀ
RAPPRESENTA LA DISTANZA TRA IL PUNTO ZERO
NELLA RETTA DI REGRESSIONE Y’=AY+BYX IL TERMINE AY: (ORIGINE) DELL’ASSE DELLE ASCISSE E IL PUNTO IN CUI
LA RETTA TAGLIA L’ASSE DELLE ORDINATE
NELLA SERIE (10,100,200,350,500,600) LE MEDIE MOBILI
103, 217, 350, 483
SENZA CIFRE DECIMALI DI ORDINE 3 SONO:
NELLA SERIE ORDINATA SECONDO IL TEMPO T E CON VALORI
(100,200,350,500,600) LE MEDIE MOBILI DI ORDINE 3 CON 2 216.67; 350.00; 483.33
CIFRE DECIMALI SONO:
NELLA SERIE ORDINATA SECONDO IL TEMPO T E CON
VALORI(10,100,200,350,500,600) LE MEDIE MOBILI DI ORDINE 232 E 350
5 SONO:
NELLA SOMMA LOGICA CON OPERANDO A=0 ED OPERANDO
0
1
B=1, IL TOTALE SARÀ
NELLA TEORIA STATISTICA I TERMINI CAMPIONE E
NON SONO SINONIMI
POPOLAZIONE SONO:
NELLA TEORIA STATISTICA I TERMINI POPOLAZIONE E INDICATIVI DEL FATTO CHE IL CAMPIONE È UN
CAMPIONE SONO: SOTTOINSIEME DELLA POPOLAZIONE
NON È UNA SCALA DI MISURA DELLE MANIFESTAZIONI DI UN
LA SCALA SEMILOGARITMICA
CARATTERE STATISTICO:
O
P
PER 10 BIMESTRI UN RICERCATORE HA RILEVATO LA
TEMPERATURA MEDIA (VARIABILE X, ESPRESSA IN GRADI
CENTIGRADI) E L’IMPORTO PAGATO PER LA BOLLETTA
ELETTRICA (VARIABILE Y, ESPRESSA IN EURO): XI : 10, 18, 23,
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55, 0,8
65 IL VALORE DELLA FUNZIONE DI RIPARTIZIONE EMPIRICA IN
CORRISPONDENZA DI UNA TEMPERATURA MEDIA PARI A 25
GRADI, CHE IPOTIZZIAMO ESSERE UNA V.C DISTRIBUITA
NORMALMENTE, È:

ELETTRICA (VARIABILE Y, ESPRESSA IN EURO): XI : 10, 18, 23, UNA MODALITÀ DEL CARATTERE
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,
65 IL VALORE 24 RIPORTATO NELLA PRIMA RIGA DELLA
TABELLA RAPPRESENTA:

4/10
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,
GRADI È:
PER CALCOLARE LE FREQUENZE CUMULATE RELATIVE
LE FREQUENZE CUMULATE PER N
OCCORRE DIVIDERE:
PER IL POSTULATO 2 DELL'ASSIOMATIZZAZIONE DEL CALCOLO
P(Ω)=1
DELLE PROBABILITÀ, L'EVENTO CERTO Ω HA PROBABILITÀ:
PER LA COSTRUZIONE DI UN BOX PLOT SI UTILIZZANO I
XMIN Q1 MED Q3 XMAX
SEGUENTI VALORI:
PER LA DETERMINAZIONE DELL'INTERVALLO DI CONFIDENZA
PER LA MEDIA DI UNA POPOLAZIONE NORMALE CON LA DISTRIBUZIONE T DI STUDENT
VARIANZA NON NOTA (N < 30), SI UTILIZZA:
PER LA MEDIA DI UNA POPOLAZIONE NORMALE CON LA DISTRIBUZIONE NORMALE STANDARDIZZATA
VARIANZA NOTA, SI UTILIZZA:
PER PRODURRE LA DISTRIBUZIONE DI FREQUENZA
MOLTIPLICARE PER 100 LE FREQUENZA RELATIVE
PERCENTUALE OCCORRE:
PER RAPPRESENTARE GRAFICAMENTE LA FORMA DELLA
IL DIAGRAMMA A DISPERSIONE
RELAZIONE TRA DUE VARIABILI X ED Y SI UTILIZZA:
PER STIMARE IL PARAMETRO: MSE*= SSE*/N-2
PER TROVARE L'INTERVALLO DI CONFIDENZA PER LA MEDIA DI
UNA POPOLAZIONE NORMALE, SI UTILIZZA LA T DI STUDENT, LA VARIANZA DELLA POPOLAZIONE NON È NOTA
ANZICHÉ LA NORMALE STANDARDIZZATA PERCHÉ:
POICHÉ NELLA V.C. NORMALE LA FUNZIONE F(X) RAGGIUNGE

IL SUO PUNTO PIÙ ALTO IN CORRISPONDENZA DI XI = µ, CIÒ COINCIDANO
COMPORTA CHE MEDIA, MEDIANA E MODA:
PONENDO ED H1 MONODIREZIONALE DESTRA, INDICARE
QUANDO È POSSIBILE RIFIUTARE L’IPOTESI NULLA; CIÒ
IL 4% DEI CASI
ACCADE NEL CASO IN CUI IL RISULTATO DEL TEST EFFETTUATO
LASCI ALLA SUA DESTRA:
PROVA ANCHE A REALIZZARE IN EXCEL I GRAFICI CHE
SEGUONO. QUANDO RXY = +1, LE DUE RETTE DI REGRESSIONE COINCIDONO
Y’=AY+BYX E X’= AX+BXY SONO:
SEGUONO. QUANDO RXY = 0, LE DUE RETTE DI REGRESSIONE PERPENDICOLARI TRA LORO
Y'=AY+BYX E X'= AX+BXY SONO:
SEGUONO. QUANDO RXY = -1, LE DUE RETTE DI REGRESSIONE COINCIDONO
Q
QUALE DEI SEGUENTI INDICI INDICA LA VARIABILITÀ DI UNA
SCARTO QUADRATICO MEDIO
SERIE DEI DATI:
QUALE PROBABILITÀ SI HA DI COMMETTERE L’ERRORE DI I
TIPO SE SI RIFIUTA L’IPOTESI NULLA AVENDO SCELTO UN 5%
LIVELLO DI SIGNIFICATIVITÀ DEL 5%:
QUALI DI QUESTI INDICI È RELATIVO: L'INDICE DI CONNESSIONE DI CRAMER
QUANDO A VALORI CRESCENTI DI X CORRISPONDONO VALORI
UNA RELAZIONE POSITIVA
CRESCENTI DI Y SI HA:
QUANDO AL DIMINUIRE DEI VALORI DI X CORRISPONDE IL
DIMINUIRE DEI VALORI DI Y SI HA:
QUANDO LA CORRELAZIONE TRA X ED Y È MOLTO BASSA, PARI
DIFFERISCONO
AD RXY=0.22, I VALORI DI Y ED Y’:
QUANDO LA CORRELAZIONE TRA X ED Y È MOLTO ELEVATA,
DIFFERISCONO
PARI AD RXY=0.92, I VALORI DI Y ED Y’:
QUANDO LA CORRELAZIONE TRA X ED Y È PARI AD RXY=+1, I
COINCIDONO
VALORI DI Y ED Y’:
QUANDO LA CORRELAZIONE TRA X ED Y È PARI AD RXY=-1, I
COINCIDONO
LO SCHEMA DI CAMPIOMENTO CON RIPETIZIONE
QUANDO LA POPOLAZIONE È INFINITA: COINCIDE CON LO SCHEMA DI CAMPIOMAENTO SENZA
RIPETIZIONE
QUANDO PARLIAMO DI MATRICE DEI DATI, RELATIVAMENTE IL NUMERO DI COLONNE DIPENDE DAI CARATTERI
AL NUMERO DI COLONNE POSSIAMO DIRE CHE... OSSERVATI
QUANDO SI CALCOLANO LE FREQUENZE CUMULATE
PERCENTUALI, L'ULTIMO VALORE CHE SI OTTIENE, CIOÈ IL PIÙ 100
ELEVATO, È:
QUANTO DOVREBBE ESSERE GRANDE UN CAMPIONE PER
AVERE UN INTERVALLO DI CONFIDENZA AL 95% PER IL
CONTENUTO MEDIO DI NICOTINA DI UNA DATA MARCA DI
N=31
SIGARETTE, SE IL CONTENUTO DI NICOTINA HA UNA
DISTRIBUZIONE NORMALE CON Σ=8,5 MG E L'AMPIEZZA
DELL'INTERVALLO DEVE ESSERE DI 6 MG:
R
R DEVE ESPRIMERE CORRETTAMENTE: IL LEGAME DI INTERDIPENDENZA
RELAZIONI DI DISCORDANZA SIGNIFICATIVE TRA VARIABILI
UN COEFFICIENTE DI CORRELAZIONE NEGATIVO
IMPLICANO:
S
SCRIVI LA FUNZIONE EXCEL ED I SIMBOLI DA DIGITARE NELLA
.= MEDIA.GEOMETRICA
CELLA PER CALCOLARE LA MEDIA GEOMETRICA:
.=MEDIA
CELLA PER CALCOLARE LA MEDIA:
SE DUE EVENTI A E B SONO INDIPENDENTI ALLORA: P(A∩B)= P(A)P(B)
SE IL COEFFICIENTE DI CORRELAZIONE È UGUALE A 0 VI È: ASSENZA DI CONCORDANZA O DISCORDANZA
SE IL COEFFICIENTE DI CORRELAZIONE R= 0: NON C'E RELAZIONE LINEARE TRA X E Y
SE IL COEFFICIENTE DI CORRELAZIONE R=0: NON C'E CORRELAZIONE LINEARE
SE IL TASSO DI DECREMENTO TRA T E T-1 È PARI A -1,2%,
98,8
ALLORA IL NUMERO INDICE IN T, CON BASE T-1 SARÀ:

94,8
SE IL TASSO DI INCREMENTO TRA T E T-1 È PARI A 1,2%,

101,2

102,2

101,2
SE IL : SI RIFIUTA L'IPOTESI DI INDIPENDENZA STOCASTICA
SE IL : SI ACCETTA L'IPOTESI DI INDIPENDENZA STOCASTICA

SE LA COD (X,Y)>0: LA RETTA DI REGRESSIONE È CRESCENTE
SE LA DISTRIBUZIONE È ASIMMETRIA NEGATIVA SI HA: MED-Q1 > Q3-MED
SE LA DISTRIBUZIONE È ASIMMETRIA POSITIVA SI HA: MED-Q1 < Q3-MED
SE LA POPOLAZIONE È SUFFICIENTE GRANDE, O NEL CASO DI
ESTRAZIONE CON RIPETIZIONESI HA CHE:
SE LA POPOLAZIONE NON È NORMALE PER IL TEOREMA DEL
BASATO SULLA DISTRIBUZIONE NORMALE
LIMITE CENTRALE, QUANDO N>30, SI PUÒ COSTRUIRE
STANDARDIZZATA
L'INTERVALLO DI CONFIDENZA:
SE LO STIMATORE È CORRETTO: EQM=VARIANZA DELLO STIMATORE
SE SI EFFETTUA UNA ESTRAZIONE SENZA REIMMISSIONE LA
VIENE MODIFICATA
PROBABILITÀ DI ESTRARRE UN ALTRO ELEMENTO:
SE SI RADDOPPIA LA NUMEROSITÀ CAMPIONARIA, IL VALORE
RADDOPPIA
DEL CHI-QUADRATO:
PUÒ ASSUMERE SOLO DUE VALORI,
SE UNA VARIABILE È DICOTOMICA: INDIPENDENTEMENTE DALLA PROBABILITÀ DI
OTTENERE UNO O L’ALTRO DEI DUE VALORI
SE X È LA VARIABILE INDIPENDENRE E Y QUELLA DIPENDENTE,
CONSIDERANDO L’EQUAZIONE DI REGRESSIONE È CORRETTO VALORE PREDETTO
DEFINIRE Y’ COME:
SE X È LA VARIABILE INDIPENDENTE E Y QUELLA DIPENDENTE,
CONSIDERANDO L’EQUAZIONE DI REGRESSIONE È CORRETTO PREDITTORE
DEFINIRE X COME:
LA DIFFERENZA TRA FREQUENZE OSSERVATE E
SI CHIAMA CONTINGENZA:
FREQUENZE TEORICHE
NEL RIFIUTARE L'IPOTESI NULLA QUANDO IN REALTÀ È
SI COMMETTE UN ERRORE DI PRIMA SPECIE:
VERA
NELL' ACCETTARE L'IPOTESI NULLA QUANDO IN REALTÀ
SI COMMETTE UN ERRORE DI SECONDA SPECIE:
È FALSA
SI CONSIDERI COME SUCCESSO L’EVENTO “FACCIA CON IL
NUMERO SEI” NEL LANCIO DI UN DADO. CALCOLARE LA 5/6
PROBABILITÀ DI INSUCCESSO IN UN LANCIO:

PROBABILITÀ DI SUCCESSO IN UN LANCIO:
SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE: {-

250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. INDICARE
MEDIA ARITMETICA
QUALE INDICE DI POSIZIONE APPARE RAPPRESENTATIVO
DELL'INTERA DISTRIBUZIONE:
SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE: {-

250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. INDICARE
MODA
SI CONSIDERI LA POPOLAZIONE: {-
,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. INDICARE
MODA
SI CONSIDERI LA SEGUENTE DISTRIBUZIONE IN CLASSI:
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
55,97
63-67 22
68-72 20
73-77 11
78-82 4
CALCOLARE IL PRIMO QUARTILE:

PESI FREQUENZE
48-52 7
53-57 31
58-62 25
69
63-67 22
68-72 20
73-77 11
78-82 4
CALCOLARE IL TERZO QUARTILE:
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
58-62
63-67 22
68-72 20
73-77 11
78-82 4
LA CLASSE MEDIANA:
IL VALORE ASSUNTO DALLO STIMATORE PER UN DATO
SI DEFINISCE STIMA:
CAMPIONE
SI EFFETTUANO 60 MISURAZIONI SPERIMENTALI DA CUI SI
EVINCE UNA MEDIA CAMPIONARIA UGUALE A 33. COSTRUIRE
UN INTERVALLO DI CONFIDENZA AL 90% PER LA MEDIA DELLA IC=[30,723; 35,277]
POPOLAZIONE, LA QUALE SI DISTRIBUISCE NORMALMENTE
CON VARIANZA PARI A 115:
SI HA CONCORDANZA TRA DUE VARIABILI SE: COD(X,Y)>0
AI VALORI PIÙ PICCOLI DI UNA DELLE DUE VARIABILI
CORRISPONDONO GENERALMENTE I PIÙ GRANDI
SI HA DISCORDANZA TRA CARATTERI SE:
DELL’ALTRA, E SE AI VALORI PIÙ GRANDI
CORRISPONDONO IN GENERE I PIÙ PICCOLI;
SI HA DISCORDANZA TRA DUE VARIABILI SE: COD(X,Y)<0
SI HA INDIPENDENZA CORRELATIVA TRA DUE VARIABILI SE: COD (X,Y)=0
SI HA INDIPENDENZA IN MEDIA TRA DUE VARIABILI LE MEDIA PARZIALI SONO UGUALI TRA DI LORO ED
STATISTICHE SE: UGUALI ALLA MEDIA GENERALE
UNA VARIABILE CASUALE CONTINUA È DISTRIBUITA
SI RICORRE AD UNA DISTRIBUZIONE NORMALE QUANDO:
NORMALMENTE O QUASI.
SI SUPPONGA DI AVER COMPIUTO UNA RILEVAZIONE
CAMPIONARIA SU 2000 PAZIENTI E CHE 1000 SIANO RISULTATI
SENSIBILI AD UN DETERMINATO FARMACO. INDICARE QUALE È NON SI PUÒ SAPERE
LA PROPORZIONE NELLA POPOLAZIONE DI PERSONE SENSIBILI
AL FARMACO:

SENSIBILI AD UN DETERMINATO FARMACO. CON UN GRADO DI
0,23 E 0,27
FIDUCIA DEL 95%, STIMIAMO CHE LA PROPORZIONE DELLA
POPOLAZIONE SENSIBILE AL FARMACO DEVE ESSERE
COMPRESA TRA:

SENSIBILI AD UN DETERMINATO FARMACO. INDICARE QUALE È 0,75
LA PROPORZIONE CAMPIONARIA DI PERSONE NON SENSIBILI
AL FARMACO:
LA PROPORZIONE CAMPIONARIA DI PERSONE SENSIBILI AL
FARMACO:
SI SUPPONGA DI AVERE LA SEGUENTE DISTRIBUZIONE DI 10
INDIVIDUI SECONDO LA NAZIONALITÀ: ITALIANI N.3, FRANCESI
NOMINALE
N.4, SPAGNOLI N.3. LA CARATTERISTICA NAZIONALITÀ È
MISURATA SU SCALA:
SI VUOLE CONOSCERE LA PROPORZIONE DI PEZZI DIFETTOSI
PRODOTTI DA UNA MACCHINA. DETERMINARE LA
NUMEROSITÀ CAMPIONARIA NECESSARIA AFFINCHÈ LA VERA N=751,67
PROPORZIONE CADA IN UN INTERVALLO AL 90%, TOLLERANDO
UN ERRORE NON SUPERIORE AL 3%:
SI VUOLE SOTTOPORRE A VERIFICA L'IPOTESI:

Z>1,645
CONTRO , USANDO UN LIVELLO DI SIGNIFICATIVITÀ
DELLO 0,05. LA REGIONE DI RIFIUTO PER IL TEST Z È :

Z < -1,96 O Z > 1,96
CONTRO USANDO UN LIVELLO DI SIGNIFICATIVITÀ
DELLO 0,05. LA REGIONE DI RIFIUTO PER IL TEST Z È:

Z < -2,33

Z < -1,28
CONTRO , USANDO UN LIVELLO DI SIGNIFICATIVITÀ T > 2,567

DELLO 0,01. LA REGIONE DI RIFIUTO PER IL TEST T CON 17
GRADI DI LIBERTÀ È:
CONTRO , USANDO UN LIVELLO DI SIGNIFICATIVITÀ T < -2,552

GRADI DI LIBERTÀ È: CONTRO:
CONTRO USANDO UN LIVELLO DI SIGNIFICATIVITÀ T < -2,120 O T > 2,120

CONTRO USANDO UN LIVELLO DI SIGNIFICATIVITÀ T > 1,746

SI VUOLE VERIFICARE L'IPOTESI DI INDIPENDENZA SULLA BASE
DI UNA TABELLA DI CONTINGENZA 3X3 LA CUI FREQUENZA
CHI- QUADRATO CON 4 GRADI DI LIBERTÀ
TOTALE È N=400. IL VALORE SOGLIA PER LA STATISTICA TEST
HA DISTRIBUZIONE APPROSSIMATIVAMENTE:

SIA DATA UNA V.C X, SE ESSA ASSUME VALORI IN

DISCRETA
CORRISPONDENZA DI UN INSIEME NUMERABILE ALLORA X È:
SOTTO L'IPOTOTESI CHE SIA VERA LA VARIABILE CASUALE T SI
COME UNA T DI STUDENT CON N-2 GRADI DI LIBERTÀ
DISTRIBUISCE COME:
STUDIARE LA TENDENZA CHE X E Y HANNO A VARIARE
STUDIARE LA RELAZIONE TRA DUE VARIABILI X ED Y SIGNIFICA:
INSIEME
SUPPONIAMO CHE LA PERDITA DI PESO DI N=16 PEZZI DI
METALLO, DOPO UN CERTO INTERVALLO DI TEMPO, SIA DI
IC=[2,92;3,92]
3,42 GR CON VARIANZA CAMPIONARIA CORRETTA PARI A
0,4624. COSTRUIRE UN INTERVALLO DI CONFIDENZA AL 99%
T
LE FREQUENZE OSSERVATE SONO UGUALI ALLE
TRA DUE VARIABILI VI È INDIPENDENZA ASSOLUTA SE:
FREQUENZE TEORICHE
TRA I PUNTEGGI AD UN TEST DI LETTERATURA INGLESE E I
PUNTEGGI AD UN TEST DI ABILITÀ MATEMATICA (NUMERO DI
RISPOSTE CORRETTE IN ENTRAMBI I CASI) SI CALCOLA UN LE PERSONE CON PUNTEGGI BASSI IN MATEMATICA
COEFFICIENTE DI CORRELAZIONE DI PEARSON PARI A -0,88. HANNO BUONE PRESTAZIONI IN LETTERATURA INGLESE
SULLA BASE DEL RISULTATO OTTENUTO SI PUÒ EVIDENZIARE
CHE:
RISPOSTE CORRETTE IN ENTRAMBI I CASI) SI CALCOLA UN
LE DUE VARIABILI SONO CORRELATE NEGATIVAMENTE
COEFFICIENTE DI CORRELAZIONE DI PEARSON PARI A -0,88.
CHE:
TRA X= ”ABILITÀ MANUALI” ED Y= ”ABILITÀ TECNICHE” VI È
UNA RELAZIONE LINEARE, SAPENDO CHE IL COEFFICIENTE DI
0.58
CORRELAZIONE È UGUALE A 0.76, IL COEFFICIENTE DI
DETERMINAZIONE SARÀ PARI A:

UNA RELAZIONE NON LINEARE, SAPENDO CHE IL COEFFICIENTE NON È POSSIBILE CALCOLARLO CON I DATI A
DI DETERMINAZIONE È UGUALE A -1, IL COEFFICIENTE DI DISPOSIZIONE CHE NON SONO CORRETTI
CORRELAZIONE SARÀ PARI A:
TROVARE LA MEDIA GEOMETRICA: 3, 5, 6, 6, 7, 10, 12: 6,43
U
UN CAMPIONE RAPPRESENTATIVO È: CASUALE
UN'OPERAZIONE IL CUI RISULTATO NON PUÒ ESSERE
UN ESPERIMENTO CASUALE È:
PREVISTO CON CERTEZZA
UN INTERVALLO DI VALORI CHE SI RITIENE CONTENGA IL
UN INTERVALLO DI CONFIDENZA È: VERO PARAMETRO DELLA POPOLAZIONE CON UNA
PRESTABILITA "FIDUCIA"
UN AFFERMAZIONE SULLA DISTRIBUZIONE DI
UN IPOTESI STATISTICA È:
PROBABILITÀ DI UNA VARIABILE CASUALE
UN TEST FORNISCE PUNTEGGI COMPRESI TRA 0 E 120. LA
MEDIA DEL TEST, CALCOLATA SU UN CAMPIONE, RISULTA SICURAMENTE SBAGLIATO
142,9. IL RISULTATO È:
UN TEST FORNISCE SICURAMENTE PUNTEGGI COMPRESI TRA 0
E 120. LA MEDIANA DEL TEST, CALCOLATA DA UN
120
RICERCATORE SU UN CAMPIONE, RISULTA 142,9. IL
PUNTEGGIO MASSIMO OTTENIBILE È:
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA
UNO DEI DUE CARATTERI COMPRENDE L’ALTRO
CHE:
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA I DUE CARATTERI SONO INFLUENZATI DA CIRCOSTANZE
CHE: COMUNI
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA ALTRI FATTORI VARIABILI INFLUISCONO SU QUELLI PRESI
CHE: IN CONSIDERAZIONE
ALTRI FATTORI VARIABILI, CHE RAPPRESENTANO
CIRCOSTANZE COMUNI ,INFLUISCONO SU QUELLI PRESI
CHE:
IN CONSIDERAZIONE
UNA CLASSE È APERTA: SE ENTRAMBI GLI ESTREMI SONO ESCLUSI
UNA CLASSE È CHIUSA: SE ENTRAMBI GLI ESTREMI SONO INCLUSI
UNA DISTRIBUZIONE CAMPIONARIA È: LA DISTRIBUZIONE DI PROBABILITÀ DI UNA STATISTICA
UNA DISTRIBUZIONE DI PROBABILITÀ DI UNA VARIABILE L'INSIEME DELLE COPPIE PROBABILITÀ DEI DIVERSI
CASUALE: VALORI POSSIBILI DELLA VARIABILE CASUALE
UNA FOTOGRAFIA È UN DATO: COMPLESSO
UNA PARTITA DI PISTONCINI DI FRENI PRESENTA UN

DIAMETROΜ INCOGNITO; LA VARIANZA DEL DIAMETRO DEI
PISTONCINI È INVECE NOTA E PARI 0,01 CM. SI ESTRAE UN
IC=[1,1938;1,2062]
CAMPIONE DI N=1000 PISTONCINI, SUI QUALI SI OSSERVA UN
DIAMETRO MEDIO PARI A 1,2 CM. SI CALCOLI L'INTERVALLO DI
CONFIDENZA PER Μ AD UN LIVELLO DI CONFIDENZA DEL 95%:
UNA QUANTITÀ CHE È FUNZIONE DELLE OSSERVAZIONE

E DEL PARAMETRO DEL QUALE SI VUOLE COSTRUIRE
UNA QUANTITÀ PIVOTALE È: L'INTERVALLO DI CONFIDENZA, CON LA CARATTERISTICA
CHE LA SUA DISTRIBUZIONE È NOTA E NON DIPENDE
DAL PARAMETRO IN ESAME
UNA SERIE STORICA È COSTITUITA: DAI DATI OSSERVATI A INTERVALLI REGOLARI DI TEMPO
DALLE OSSERVAZIONI DEI DATI QUANTITATIVI NEL
UNA SERIE STORICA È COSTITUITA: TEMPO, SI POSSONO AVERE SERIE MENSILI,
GIORNALIERE, ANNUALI
UNA STATISTICA È: UNA VARIABILE CASUALE DEFINITA SUI CAMPIONI
LA FREQUENZA ASSOLUTA, CIOÈ QUANTE VOLTE UNA
UNA TABELLA A DOPPIA ENTRATA REGISTRA: COPPIA DI MODALITÀ SI PRESENTA
CONTEMPORANEAMENTE PER X E PER Y
ASSUME TUTTI I VALORI APPARTENTI AD UN
UNA VARIABILE CASUALE CONTINUA X:
INTERVALLO
E' UNA FUNZIONE DEFINITA SULLO SPAZIO DEI
UNA VARIABILE CASUALE:
CAMPIONI
UNA VARIABILE DICOTOMICA PUÒ ASSUMERE: SOLO DUE VALORI
DIMINUISCE LE CAPACITÀ PREVISIVE DEI MODELLI
UNA VARIABILITÀ ALTA IN LUOGO DI UNA VARIABILITÀ BASSA
STATISTICI
UNA VARIABILITÀ PARI AL VALORE 65 IN LUOGO DEL VALORE PUÒ AUMENTARE LE CAPACITÀ DESCRITTIVE E
80, OTTENUTA ELIMINANDO I VALORI OUTLIER: PREVISIVE DEL MODELLO STATISTICO
UNA VARIABILITÀ PARI AL VALORE 80 IN LUOGO DEL VALORE INDICA CHE È STATO COMMESSO QUALCHE ERRORE NEI
65, OTTENUTA ELIMINANDO I VALORI OUTLIER: CALCOLI O NEL PROGRAMMA
UNO STIMATORE CORRETTO DI Σ², CON LE IPOTESI DI

VARIANZA COSTANTE E DELL'INDIPENDENZA DEGLI ERRORI È IL E(MSE*)= Σ2
MSE* = SSE*/N-2, IL CUI VALORE ATTESO È:
UNO STIMATORE CORRETTO È PIÙ EFFICIENTE DI UN ALTRO

SE PRESENTA VARIANZA INFERIORE
STIMATORE CORRETTO DEL PARAMETRO"TETA"NON NOTO SE:
È TALE CHE IL SUO VALORE MEDIO COINCIDE CON IL
UNO STIMATORE CORRETTO:
VALORE DEL PARAMETRO DA STIMARE
AL CRESCERE DELLA NUMEROSITÀ CAMPIONARIA,
UNO STIMATORE SI DICE CONSISTENTE:
TENDE A CONCENTRARSI SUL PARAMETRO DA STIMARE
USANDO LA MEDIANA IN LUOGO DELLA MEDIA NEL CALCOLO
È BENE ELIMINARE I VALORI ANOMALI ED ESTREMI
DELLA VARIANZA:
NELLA COLONNA DI SINISTRA CON UNA CIFRA
UTILIZZANDO LA TAVOLA DELLA CURVA NORMALE
DECIMALE; LA SECONDA CIFRA DECIMALE È SITUATA
STANDARDIZZATA SI INDIVIDUERANNO I PUNTI Z:
NELLA PRIMA RIGA IN ALTO DELLA STESSA TAVOLA
V
VALORI ESTREMI, CIOÈ POSIZIONATI VERSO LE CODE DI UNA
DISTRIBUZIONE DI PROBABILITÀ, HANNO UNA PROBABILITÀ DI INFERIORE RISPETTO AI VALORI CENTRALI
VERIFICARSI PER CASO:
VENGONO PRELEVATE 15 COMPRESSE DA UN LOTTO DI
PRODUZIONE, I VALORI SONO: 0,485; 0,442; 0,466; 0,448;
0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,4415
0,440; 0,464.
CALCOLARE IL PESO MEDIO:
W
X
Y
Z
Statistica 2020
1)
1) Per 10 bimestri un ricercatore ha rilevato la temperatura media
(variabile X, espressa in gradi centigradi) e l’importo pagato per la
bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23, 32, 21,
15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della 0.8
funzione di ripartizione empirica in corrispondenza di una temperatura
media pari a 25 gradi, che ipotizziamo essere una v.c distribuita
normalmente, è:
A
A quanto corrisponde l'area sotto la curva normale tra z=0,81 e
0,1828
z=1,94:
In diversi casi un legame debole tra i due caratteri quantitativi
Ad un valore basso di r corrisponde:
considerati
In diversi casi un effettivo legame tra i due caratteri quantitativi
Ad un valore elevato di r corrisponde:
considerati
Affinchè una v.c X continua sia ben definità occorre che:
All'interno del rettangolo (box plot) sono contenute: Il 50% delle osservazioni
Aumentando il livello di significatività: Aumenta la potenza del test
C
Calcola il range delle seguenti osservazioni relative agli errori compiuti
da ogni alunno nel test con 30 domande: 12
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range parziale delle seguenti osservazioni relative agli errori
compiuti da ogni alunno nel test con 30 domande: 12
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
(2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
Calcolare la media geometria relativa all'andamento dei prezzi di un
1.04
dato prodotto: 1,103 1,031 0,939 1,097:
Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30,
22
28:
Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7: 0
Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5: 23,75
Calcolare lo scarto quadratico medio dei seguenti numeri:
4,87
12,6,7,3,15,10,18,5:
Che cosa è l'unità statitistica: L'unita elementare oggetto di osservazione e di studio
Come viene classificato l'ortogramma: Sia a nastro sia a colonne
Si minimizza la somma dei quadrati degli scarti tra valori osservati e
Con il metodo dei minimi quadrati:
valori teorici
Con riferimento alla domanda 4 la mediana: 61.52
Con un coefficiente di correlazione pari a r= -0,5, i valori di una Tendono a crescere al decrescere dei valori dell’altra, ma in maniera
variabile: blanda
Statistica 2020
Con un coefficiente di correlazione pari a r= -0,8, i valori di una

Crescono al decrescere dei valori dell’altra
variabile:
variabile:
Con un coefficiente di correlazione pari a r= +0,8, i valori di una
Crescono al crescere dei valori dell’altra
variabile:
Conoscendo la devianza, lo scarto quadratico medio si ricava La radice quadrata del rapporto tra devianza e numerosità del
calcolando: collettivo
Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15;
-1
-6; -1;-1), il valore massimo è pari a:
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la
1
moda è pari a:
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la
8,5
media aritmetica è pari a:
5,6
media geometrica è pari a:
9,5
mediana è pari a:
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6;
8
1;1), il valore centrale è pari a:
2
1;1), la moda è pari a:
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che
y = 10; la relazione è lineare
f(x) = -10 ed indica il tipo di relazione:
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che
y = 100; la relazione è non lineare
f(x)=-10 ed indica il tipo di relazione:
Consideriamo i seguenti dati: Calcolare la media aritmetica: 34.19
Consideriamo la relazione y=f(x), dove x è rappresentato
x è la variabile indipendente
dall’inflazione ed y sono i tassi di interesse nell’Euro Area:
Consideriamo la seguente serie storica di valori contigui
(2,2,3,5,3,4,6,7), quante medie mobili di pesate di ordine tre si 6
possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0),

5
quante medie mobili di ordine tre si possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7),

calcola la prima media mobile di ordine cinque calcolabile in tempo 21 / 5
reale:

11 / 3
calcola la prima media mobile di ordine tre calcolabile in tempo reale:

2
quante medie mobili di ordine cinque si possono calcolare:

4
La probabilità massima con cui accettiamo di rischiare l'errore di prima
Cosa indica il livello di significatività:
specie
La stima attraverso la quale si giunge alla determinazione di un

Cosa si intende per stima intervallare:
intervallo, che include il parametro stimato, con livello di confidenza 1-
Statistica 2020
La stima attraverso la quale si giunge alla determinazione di un solo

Cosa si intende per stima puntuale:
valore numerico per uno o più parametri della popolazione
E' l'attitudine di un fenomeno quantitativo ad assumere differente
Cosa si intende variabilità:
modalità
Costituiscono rappresentazioni grafiche adatte per caratteri
Ortogramma e diagramma circolare
qualitativi:
L'istogramma e box-plot
quantitativi:
Costruendo i numeri indice della serie storica del fatturato per due
Capire quale delle due unità presenta un andamento migliore
aziende, vogliamo in particolare:
D
Da un mazzo di 40 carte viene estratta una carta. Calcolare la
0,1
probabilità di ottenere un asso:
0,25
probabilità di ottenere una carta di bastoni:
Da un mazzo di carte viene estratta una carta. Calcolare la probabilità
12 / 40
di ottenere una figura:
Da una partita di bulloni metallici è stato estratto un campione di

n=100 elementi e se ne sono trovati 20 difettosi. Costruire un IC=[0,1216;0,2784]
intervallo di confidenza al 95% per la proporzione p dei pezzi difettosi:
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si

voglia estrarre, con ripetizione, un campione casuale di numerosità 2. 16 possibi campioni
Lo spazio campionario è composto
voglia estrarre, con ripetizione, un campione casuale di numerosità 3. 64 possibili campioni
Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si
Data una serie di valori numerici, il valore a cui corrisponde la
Moda
massima frequenza si chiama:
Date coppie di valori X e Y, l’equazione di regressione può essere
Una formula di predizione di Y
considerata
Sola, e ben definita, tra le infinite rette che si possono tracciare tra i
Date coppie di valori X e Y, la retta di regressione è una:
punti di un diagramma a dispersione
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in
quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2, il coefficiente di 0,9650
determinaziome lineare è:
quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2. Determinare l'equazione y^= 39,882-0,1857xi
della retta:
Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in
-577.6
quinta km/litro): 28.8, 24.2,20,18.2,16. La codevianza (X,Y) è:
Se entrambi sono non distorti, il confronto tra i due stimatori in termini

Dati due stimatori T1 e T2 di uno stesso parametro:
di efficienza può essere effettuato solo sulla base della varianza
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B: A∪B={1,2,3,4}

Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10).
A∪B∪C={1,3,5,7,9,10}
Determinare A ∪ B ∪ C:
Statistica 2020

A∩B={3,5}
Determinare A∩B:
A∩B∩C={5}
Determinare A∩B∩C:
A∩C={1,5}
Determinare A∩C:
B∩C={5,9,10}
Determinare B∩C:
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 1\40
coppe alla seconda:
2\100
estrazioni con reimmissione un re e un asso:
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la
8\40
probabilità di ottenere un fante o un re:
32\40
probabilità di ottenere una figura o una carta inferiore a 6:
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità
spaziale (2,7,9,2,1,7,5,4,6,2), estraendo a caso un punteggio quale è la 6\10
probabilità di ottenere un numero pari e inferiore a 5:
spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con
0.2
reimmissione, quale è la probabilità di ottenere almeno un 7 alla
prima estrazione:
14\100
reimmissione, quale è la probabilità di ottenere due punteggi la cui
somma sia 9:
spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso un punteggio quale è la 0.7
probabilità di ottenere un numero pari o inferiore a 6:
Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21: Non è simmetrica
Dividendo il numero delle morti e delle nascite in una comunità
Correlazione spuria se l’andamento della popolazione non è correlato
durante un periodo di tempo rispettivamente per la quantità della
col numero di nati e morti
popolazione media dello stesso periodo si può ottenere:
Dividendo il numero delle morti in una comunità durante un periodo di
tempo e la quantità della popolazione media dello stesso periodo si Coefficiente di mortalità
ottiene:
Dividendo il numero delle nascite in una comunità durante un periodo
di tempo e la quantità della popolazione media dello stesso periodo si Coefficiente di natalità
ottiene:
Due punti C e D, distano 80 km, un corpo si muove da C a D alla

velocità di 80 km/h e da D a C alla velocità di 20 km/h. Determinare 32km/h
la velocità media dell'intero tragitto:
Due variabili si dicono perfettamente correlate se: Il coefficiente di correlazione è pari a 1 in valore assoluto
Statistica 2020
E
Effettuando un test di verifica dell'ipotesi di indipendenza su una
16
tabella di contingenza 5x5, i gradi di libertà corrispondono:
25
(r-1)(c-1)
tabella di contingenza, i gradi di libertà corrispondono:
I
Le variazioni dei livelli della variabile nel tempo con riferimento ad
I numeri indice comparano:
una base
Superiori a 100 se il livello della variabile tende a crescere rispetto
I numeri indice sono:
all’anno base
I simboli e S si riferiscono alla media ed allo scarto quadratico medio
Campione
del:
I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio
Popolazione
del:
I Voti riportati da uno studente in fisica, statistica e matematica sono:
71, 78, 89 (voti in centesimi). I pesi attribuiti alle discipline sono 82
rispettivamente 2, 4, 5. Calcolare la media dei voti:
Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un
Non esiste
paese determinato:
Sulla variabilità, sulla presenza di valori anomale e sulla
Il box plot fornisce informazioni:
simmetria/asimmetria della distribuzione
Il box plot, rappresentato tramite un rettagolo, è diviso al suo interno: Dalla mediana

Caratterizzato dalla selezione di un elemento ogni k elementi
Il campionamento sistematico è:
successivi
Il campo di variazione è dato dalla: Differenza tra valore massimo e minimo della distribuzione
Il carattere età è: Un carattere continuo
Il carattere numero di figli è: Carattere discreto
Il carattere professione è: Un carattere qualitativo sconnesso
Il carattere sesso è: Carattere qualitativo sconnesso
Il carattere stato civile è: Carattere qualitativo sconnesso
Il carattere titolo di studio è: Un carattere qualitativo rettilineo
Il coefficiente angolare b1 è dato: b1= COD. (X,Y)/ DEV(X)
Il coefficiente angolare b1 indica: La pendenza della retta
Il coefficiente angolare bi rappresenta: La pendenza della retta
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y=
”abilità tecniche” è pari a 0,76. Considerando una relazione lineare tra
0.58
X ed Y, dove quest’ultima è la variabile dipendente, il coefficiente di
determinazione sarà pari a:
Statistica 2020

0.58
X ed Y, dove quest’ultima è la variabile dipendente, la varianza
comune sarà pari a:
0.42
residua sarà pari a:
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi
saturi assunte” ed Y= ”speranza di vita” è pari ad -1. Considerando
1
una relazione lineare tra X ed Y, dove X è la variabile dipendente ed Y
quella indipendente, il coefficiente di determinazione sarà pari a:
Il coefficiente di correlazione r di Pearson può essere usato per
Tra variabili misurate su scale a intervalli o a rapporti equivalenti
calcolare la correlazione:
Il coefficiente di correlazione: E' un numero puro
Il coefficiente di curtosi di Pearson è uguale: Momento quarto/quadrato della varianza
Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione
Il coefficiente di determinazione lineare è uguale a 1 se è nulla: La devianza residua
Il coefficiente di determinazione lineare è: Il quadrato del coefficiente di correlazione lineare
Il coefficiente di determinazione lineare varia tra: 0 < R2<1
Il coefficiente di variazione è dato dal rapporto, espresso in termini
Lo scarto quadratico medio e media aritmetica
percentuali, tra:
Il lancio di una monetà è un esempio di: Popolazione infinita
Il max χ2 è uguale: n x [min (r-1; c-1)]
Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al
Il numero di battiti solamente può essere definito variabile
minuto possono entrambi essere definiti:
Quel valore che lascia alla sua destra il 75% delle osservazione e alla
Il primo quartile:
sua sinistra il 25% delle osservazioni
Il rapporto annuo tra tasso di inflazione e deflazione dell'anno x in un
Non esiste
paese determinato:
Il rapporto di correlazione di Pearson varia: Tra 0 e 1
Mediante il rapporto tra la frequenza di una modalità rispetto a quella
Il rapporto statistico di coesistenza si ottiene:
corrispondente di un’altra modalità
Dividendo il valore rilevato in una data circostanza per l’analogo
Il rapporto statistico di composizione si ottiene:
valore rilevato per l’intera popolazione
Mediante il rapporto tra la dimensione globale di un fenomeno e
Il rapporto statistico di densità si ottiene:
quella spaziale a cui esso fa riferimento
dividendo la modalità di un fenomeno per quella corrispondente di un
Il rapporto statistico di derivazione si ottiene: altro che, sul piano logico e/o temporale, ne costituisce causa o
presupposto logico
Il secondo quartile coincide con: La mediana
Afferma che al crescere di n la forma della distribuzione della media
Il teorema del limite centrale:
campionaria si approssima alla forma normale
Il valore atteso dello stimatore B1 è: E(B1)=β1
Il valore atteso E(b+X) è: (b è una costante reale): E(b+X)=b+E(X)
Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali): E(X+Y)= E(X)+E(Y)
Il valore centrale è: La semisomma dei due estremi
Statistica 2020
Il valore dell’anno con numero indice pari a 100 nella serie storica
Il denominatore nel calcolo del numero indice
osservata è:
In base al teorema di Gauss Markov, gli stimatori dei minimi quadrati: Sono i più efficienti
In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo: 0.0124

In una distribuzione statistica, la somma delle frequenze relative: È sempre uguale a 1
In una scuola superiore 70 ragazzi sono iscritti ad un corso di
Informatica specialistico. All’inizio del corso ai 70 alunni viene
somministrato un test attitudinale per l’Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40). Alla fine del corso
si valuta l’apprendimento dell’Informatica per ogni ragazzo con un
3.5
test di profitto (da 0 a 100). Viene utilizzato il punteggio al test
attitudinale per prevedere il livello di apprendimento dell’informatica
raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X:
r2=0,74; se=3,5. Indicare di quanti punti è l’errore medio di
previsione:
test di profitto (da 0 a 100). Viene utilizzato il punteggio al test 3, coefficiente di regressione
r2=0,74; se=3,5. Indicare per ogni risposta corretta al test attitudinale
di quanti punti aumenta il punteggio al test di profitto e come si
chiama questo parametro:
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese
specialistico. All’inizio del corso ai 70 alunni viene somministrato un
test attitudinale per l’Inglese che fornisce punteggi in termini di
risposte corrette (da 1 a 40). Alla fine del corso si valuta
l’apprendimento dell’inglese per ogni ragazzo con un test di profitto Attitudine all’Inglese
(da 0 a 100). Viene utilizzato il punteggio al test attitudinale per
prevedere il livello di apprendimento dell’inglese raggiunto a fine
corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5.
Indicare quale è la variabile indipendente:

l’apprendimento dell’inglese per ogni ragazzo con un test di profitto
10
Indicare quale punteggio dovrebbe ottenere al test di profitto un
ragazzo che sbaglia tutte le domande al test attitudinale:
Statistica 2020

2
Per ogni risposta corretta in più al test attitudinale indicare di
quanti punti aumenta il punteggio al test di profitto:
In una tabella doppia se entrambi le variabili sono qualitative, si parla

Tabella di contingenza
di:
In una tabella doppia se entrambi le variabili sono quantitative, si
Tabella di correlazione
parla di:
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i
3\5
bimestri con temperatura media superiore a 20°:
Indice chi-quadrato è un indice: Simmetrico
L
l rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un
Non esiste
paese determinato:
Dividendo la modalità di un fenomeno per quella corrispondente di un
l rapporto statistico di derivazione si ottiene: altro che, sul piano logico e/o temporale, ne costituisce causa o
presupposto logico
L' ipotesi statistica è semplice: Se si assegna al parametro un valore puntale
L'ampiezza dell'intervallo è tanta più elavata quanto più: n è piccolo
L'ampiezza della classe è: La differenza tra estremo superiore e estremo inferiore della classe
L'anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base
I valori del caratteri sono distributi con frequenze differenti attorno al
L'asimmetria di una distribuzione denota che:
suo valore centrale
L'asimmetria di una distribuzione può essere: Nulla, positiva o negativa
L'indice chi-quadrato di Pearson (χ2) : Dipende dalla dimensione del collettivo
Come differenza tra la media aritmetica e la moda divisa la
L'indice di asimmetria Skewness di Pearson è calcolato:
deviazione standard
L'indice di connessione di Cramer varia: Tra zero e uno
L'indice di contingenza quadratica medio φ2è uguale: χ²/n
L'indipendenza in media: Non è un concetto simmetrico
L'inflazione è: La variazione del potere di acquisto della moneta
I parametri caratteristici di una particolare distribuzione di cui si
L'ipotesi parametrica riguarda:
conosce la forma analitica
Dedurre le caratteristiche dell’intera popolazione a partire da dati
L’Inferenza ha lo scopo di:
raccolti
L’inflazione è: La diminuzione del potere di acquisto dla moneta
L'aumento prolungato del livello medio generale dei prezzi di beni e
L’inflazione è:
servizi in un dato periodo di tempo
La classe è chiusa a sinistra se: Solo l'estremo sinistro è incluso
Statistica 2020
Il grado della relazione tra variabili, e per mezzo di essa si cerca di

La correlazione indica: determinare quanto bene un’equazione lineare o un’altra equazione
qualsiasi descrivano o spieghino tale relazione tra variabili.
A differenza della regressione, non richiede di stabilire quale variabile

La correlazione:
sia antecedente all’altra (in termini di dipendenza)
La covarianza (X,Y): E' una misura simmetrica
La covarianza è negativa quando: Al crescere di X la Y tende a diminuire e viceversa
Il grado di schiacciamento di una distribuzione intorno al suo centro di
La curtosi rappresenta:
gravità e rispetto alla curva normale
Definita da un’equazione particolare che permette di calcolare, data
La curva normale a differenza delle altre curve è:
un’ordinata, porzioni di area sottese alla curva stessa
Essere definita da un’equazione particolare che permette di calcolare,
La curva normale è caratterizzata da:
data un’ordinata, porzioni di area sottese alla curva stessa
La curva normale standardizzata è caratterizzata dal fatto di avere: Media =0 e deviazione standard=1
La curva normale standardizzata è caratterizzata dal fatto di avere: I punteggi sono espressi in punti z
La devianza di regressione misura: Quanta parte della variabilità della Y è spiegata dalla relazione lineare
La devianza è: La somma degli scarti dalla media aritmetica al quadrato

La differenza interquartile è data dalla: Tra terzo e primo quartile
La distibuzione normale è: E' simmetrica rispetto al valor medio
Può essere utilizzata per descrivere casi in cui gli esiti possibili di una
La distribuzione binomiale:
prova sono solo due
La distribuzione della normale standardizzata: Ha media uguale a 0 e varianza uguale 1
La distribuzione di dice leptocurtica se: E' più appuntita rispetto alla normale
La distribuzione di dice platicurtica se: E' più schiacciata rispetto alla normale
E’ una funzione teorica espressa con regole matematiche relative a

La distribuzione di probabilità di z è costruita:
un insieme infinito di dati
La formula per calcolare il numero indice tra l’anno t e t-1 per la
Il segno eguale
variabile X in Excel è preceduta da:
La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è stata osservata
La frequenza relativa è uguale: ni/n
La funzione di densità di probabilità della distribuzione Normale è
Si avvicina all’asse delle ascisse senza mai toccarla
asintotica di X verso -∞ e +∞, cioè:
La funzione di ripartizione di una variabile casuale discreta: E' una funzioni a gradini non decrescente
La funzione che associa a ciascun valore x la probabilità dell‘evento
La funzione di ripartizione di una variabile casuale X a valori reali è:
“la variabile casuale X assume valori minori o uguali ad x”
Esprime la probabilità che la variabile casuale assuma valori inferiori o
La funzione di ripartizione di una variabile casuale:
uguali ad un valore fissato
Statistica 2020
Calcolare il valore stimato al tempo t in relazione ad una funzione di
La funzione TENDENZA in Excel serve per:
regressione y*
La matrice dei dati è costituita da: Il numero di colonne dipende dai caratteri osservati
La media armonica è particolarmente usata: Quando si mediano rapporti di tempo
La media armonica è: Il reciproco della media aritmetica dei reciproci dei termini
La media della distribuzione della media campionaria: Coincide con la media della popolazione
La media geometrica è particolarmente usata: Quando i diversi valori vengono per loro natura moltiplicati
La media geometrica è uguale: Alla radice n-esima del prodotto dei termini
La media mobile è: La somma ponderata dei valori della serie storica
La media: E' sensibile ai valori estremi
La categoria o il punteggio al di sopra e al di sotto del quale cade un
La mediana è:
ugual numero di casi
L'attitudine di un fenomeno qualitativo ad assumere differente
La mutabilità è:
modalità
La popolazione è finita: Quando è determinabile il numero di unità che compongono
La potenza del test è: La probabilità di rigettare l'ipotesi nulla quando è giusto farlo
La probabilità che si verifichi un evento può assumere valori Tra 0 ed 1
La probabilità del verificarsi di due eventi che si escludono a vicenda è
Somma delle probabilità del verificarsi di ciascuno dei due eventi
data dal:
La probabilità dell'unione di due eventi A e B non incompatibili: P(A∪B)= P(A)+P(B)-P(A∩B)
La proporzione di varianza comune a X e Y è espressa da r2xy che è
Coefficiente di determinazione
denominato:
La proporzione di varianza comune a X e Y è espressa da r2xy che
La varianza spiegata
esprime:
E' basata sulla comparazione tra le variabili ed i rispettivi indici di
La proprietà di monotonicità degli indici di tendenza centrale:
posizione
La proprietà lineare degli indici di tendenza centrale: E' diversa da quella moltiplicativa
E' basata sulla relazione di linearità tra le variabili ed i rispettivi indici
La proprietà lineare degli indici di tendenza centrale:
di posizione
La proprietà moltiplicativa degli indici di tendenza centrale: Permette cambiamenti di scala nell'indice
La quantità espressa da 1-r2xy con r2xy che indica la proporzione
Varianza residua
di varianza comune a X e Y è denominata:
La rappresentazione grafica che si sviluppa attraverso una
Diagramma circolare
circonferenza suddivisa in tanti spicchi, viene chiamata:
La rappresentazione grafica di distribuzioni di frequenze che si
Istogramma
sviluppa attraverso una serie di rettangoli contigui viene chiamata:
La seguente ipotesi è nulla: La popolazione da cui il campione è estratto ha media 58
La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe sociale e alcolismo
Le medie dei gruppi A,B,C non differiscono tra loro in modo
La seguente ipotesi è nulla:
significativo
La seguente ipotesi è nulla: Il farmaco C non ha un effetto diverso dal farmaco D
Statistica 2020
La media dei tempi di reazione dei maschi è uguale a quella delle

femmine
C’è una relazione significativa tra reddito delle persone e livello di
istruzione
La seguente ipotesi: “C’è una minore astensione dal lavoro nel
Monodirezionale sinistra
reparto A rispetto al reparto B di una fabbrica” è:
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due
Bidirezionale
gruppi di individui è significativamente diverso” è:
gruppi di individui è significativamente diverso” ha il seguente segno ±
del valore critico:
La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni
dipinti storici impiegato dagli studenti è inferiore a 20 secondi” è:
La seguente ipotesi: “La media della popolazione da cui deriva un
Bidirezionale
certo campione non è 200”
La seguente ipotesi: “La probabilità di ottenere croce lanciando una
Monodirezionale destra
certa moneta è superiore a 0,5” è:
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia
con il numero 4 di un dado, e vince un numero elevato di volte. Monodirezionale destra
Sospettiamo che il dado sia truccato” è:
con il numero 4 di un dado, e vince un numero elevato di volte.
1\6
Sospettiamo che il dado sia truccato”. La probabilità sotto l’ipotesi
nulla, cioè se le vincite sono dovute al caso è:
La somma delle contingenze di ciascuna riga e di ciascuna colonna
Nulle
sono:
La somma delle probabilità di eventi che si escludono a vicenda ed
Uguale ad 1
esaustivi è:
La sommatoria di tutte le frequenze relative di una tabella di
1
frequenza è pari a:
Organizzare, riassumere, analizzare i dati relativi ad un fenomeno,
La statistica ci offre gli strumenti per:
ottenuti attraverso le misurazioni.
Non è opportuno definire la stima del parametro nel campione, ma
La stima del parametro nel campione è:
nella popolazione
La Var (aX+b) è: a e b sono due costanti reali: Var (aX+b)=a²Var (X)
La variabile casuale chi-quadrato: Non può assumere valori negativi
La variabile casuale F di Fisher-Snedecor: Ha valore atteso E(F)= m/(m-2)
Al tendere di n all'infinito la v.c t di student tende alla normale
La variabile casuale t di student:
standardizzata
La variabile casuale uniforme discreta: E' tale che ogni sua realizzazione è equiprobabile
La misura sintetica di quanto le unità differiscono dalla media
La varianza fornisce:
aritmetica
Statistica 2020
La variazione congiunturale riguarda in statistica-economica il

Il mese precedente
confronto con:
La variazione tendenziale riguarda in statistica-economica il confronto
L’anno precedente
con:
La verifica dell'ipotesi di indipendenza mira a verificare: L'indipendenza stocastica
Consiste nel formulare, sulla base di dati campionari, un giudizio che
La verifica delle ipotesi: induca ad accettare o rifiutare l'ipotesi nulla, con un prefissato livello
di significatività
Si ottengono dal rapporto tra la frequenza di una classe e l'ampiezza
Le densità di frequenza di un istogramma:
della classe medesima
Definizione degli obiettivi della ricerca; Rilevazione dei dati;
Le fasi di una indagine statistica si conviene siano le seguenti: Elaborazione metodologica; Presentazione ed interpretazione dei
risultati; Utilizzazione dei risultati raggiunti.
Il rapporto tra ciascuna frequenza ed il totale delle frequenze e
Le frequenze percentuali di una distribuzione si calcolano facendo:
moltiplicando per 100 il risultato
Si tratta due ipotesi alternative complementari e logicamente
Le ipotesi statistiche:
escludentisi
Sintetizzare in un singolo valore numerico l’intera distribuzione di
Le misure di posizione hanno l’obiettivo di: frequenza per effettuare confronti nel tempo, nello spazio o tra
circostanze differenti
Lo scostamento di ogni valore della distribuzione dalla media, preso in
Lo scostamento quadratico medio riguarda:
valore assoluto
Lo scostamento quadratico medio riguarda: La media degli scarti al quadrato tra i dati e la M
Lo scostamento semplice medio riguarda
valore assoluto
Lo stimatore di un parametro: È una variabile casuale
Lo stimatore varianza campionaria corretta: Ha media pari al parametro da stimare
N
Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: Il dato dell’anno t-1
Il numero indice dei prezzi del mese m-1 dell\'anno a ed al
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è:
numeratore il numero indice dei prezzi del mese m dell\'anno a
Il numero indice dei prezzi del mese m dell\'anno a-1 ed al
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è:
Nel campionamento bernoulliano: Ogni unità statistica può entrare a far parte più volte del campione
Nel campionamento bernoulliano: I risultati delle estrazioni sono indipendenti
Nel modello di regressione lineare semplice per verificare l'ipotesi
H0:β1=0 contro H0:β1 ≠ 0 si può utilizzate la quantità F che è una v.c Con 1 e n-2 gradi di libertà
F di Fischer -Snedecor con :
Nel modello di regressione lineare semplice, quali tra le seguenti
Ipotesi sulla variabile esplicativa
ipotesi è definita ipotesi debole:
Ipotesi di normalità
ipotesi è definita ipotesi forte:
Nel prodotto logico con operando A=VERO ed operando B=VERO, il

V
totale sarà:
Nella congiunzione tra insiemi si valuta: Quando i due eventi si realizzano entrambi
Statistica 2020
R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono

Nella correlazione spuria, si rileva che:
legate da un rapporto serio di causalità
Rappresenta la distanza tra il punto zero (origine) dell’asse delle
Nella retta di regressione Y’=aY+bYX il termine ay:
ascisse e il punto in cui la retta taglia l’asse delle ordinate
Nella serie (10,100,200,350,500,600) le medie mobili senza cifre
103, 217, 350, 483
decimali di ordine 3 sono:
Nella serie ordinata secondo il tempo t e con valori
(100,200,350,500,600) le medie mobili di ordine 3 con 2 cifre decimali 216.67; 350.00; 483.33
sono:
Nella serie ordinata secondo il tempo t e con
232 e 350
valori(10,100,200,350,500,600) le medie mobili di ordine 5 sono:
Nella somma logica con operando A=0 ed operando B=0, il totale
0
sarà:
Nella somma logica con operando A=1 ed operando B=1, il totale sarà 1
Nella teoria statistica i termini campione e popolazione sono: Non sono sinonimi
Indicativi del fatto che il campione è un sottoinsieme della
Nella teoria statistica i termini popolazione e campione sono:
popolazione
Non è una scala di misura delle manifestazioni di un carattere
La scala semilogaritmica
statistico:
P
Per 10 bimestri un ricercatore ha rilevato la temperatura media
bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23, 32, 21, Una modalità del carattere
15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24
riportato nella prima riga della tabella rappresenta:
4\10
15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della
media pari a 17 gradi è:
normalmente, è:
Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità,
P(Ω)=1
l'evento certo Ω ha probabilità:
Per la costruzione di un box plot si utilizzano i seguenti valori: Xmin Q1 Med Q3 xmax
Per la determinazione dell'intervallo di confidenza per la media di una
La distribuzione t di student
popolazione normale con varianza non nota (n
La distribuzione normale standardizzata
popolazione normale con varianza nota, si utilizza:
Per rappresentare graficamente la forma della relazione tra due
Il diagramma a dispersione
variabili X ed Y si utilizza:
Per stimare il parametro: MSE*= SSE*/n-2
Statistica 2020
Per trovare l'intervallo di confidenza per la media di una popolazione

normale, si utilizza la t di student, anziché la normale standardizzata La varianza della popolazione non è nota
perché:
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più
alto in corrispondenza di Xi = µ, ciò comporta che media, mediana e Coincidano
moda:
Ponendo ed H1 monodirezionale destra, indicare quando è possibile
rifiutare l’ipotesi nulla; ciò accade nel caso in cui il risultato del test Il 4% dei casi
effettuato lasci alla sua destra:
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -

Coincidono
1, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono:
Prova anche a realizzare in excel i grafici che seguono. Quando rxy =

Coincidono
+1, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono:
Prova anche a realizzare in Excel i grafici che seguono. Quando rxy =

Perpendicolari tra loro
Q
Quale dei seguenti indici indica la variabilità di una serie dei dati: Scarto quadratico medio
Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta
0.05
l’ipotesi nulla avendo scelto un livello di significatività del 5%:
Quali di questi indici è relativo: L'indice di connessione di Cramer
Quando al diminuire dei valori di X corrisponde il diminuire dei valori di

Una relazione positiva
Y si ha:
Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i
Differiscono
valori di Y ed Y’:
Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i
Differiscono
Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed
Coincidono
Y’:
Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed
Coincidono
Y’:
Lo schema di campiomento con ripetizione coincide con lo schema di
Quando la popolazione è infinita:
campiomaento senza ripetizione
Quando parliamo di matrice dei dati, relativamente al numero di
Il numero di colonne dipende dai caratteri osservati
colonne possiamo dire che...
Quando si calcolano le frequenze cumulate percentuali, l'ultimo
100
valore che si ottiene, cioè il più elevato, è:
Quanto dovrebbe essere grande un campione per avere un intervallo
di confidenza al 95% per il contenuto medio di nicotina di una data
marca di sigarette, se il contenuto di nicotina ha una distribuzione n=31
normale con σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6
mg:
R
R deve esprimere correttamente: il legame di interdipendenza

Statistica 2020
S
Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare
Riposta =MEDIA.GEOMETRICA
la media geometrica:
Answer: =MEDIA
la media:
Se due eventi A e B sono indipendenti allora: P(A∩B)= P(A)P(B)
Se il coefficiente di correlazione è uguale a 0 vi è: Assenza di concordanza o discordanza
Se il coefficiente di correlazione r= 0: Non c'e relazione lineare tra X e Y
Se il coefficiente di correlazione r=0: Non c'e correlazione lineare
Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero
98,8
indice in t, con base t-1 sarà:
94,8
Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero
101,2
102,2
101,2
Se la Cod (X,Y)>0: La retta di regressione è crescente
Se la distribuzione è asimmetria negativa si ha: Med-Q1 > Q3-Med
Se la distribuzione è asimmetria positiva si ha: Med-Q1 < Q3-Med
Se la popolazione non è normale per il teorema del limite centrale,
Basato sulla distribuzione normale standardizzata
quando n>30, si può costruire l'intervallo di confidenza:
Se lo stimatore è corretto: EQM=Varianza dello stimatore
Se si effettua una estrazione senza reimmissione la probabilità di
Viene modificata
estrarre un altro elemento:
Se si raddoppia la numerosità campionaria, il valore del chi-quadrato: Raddoppia
Può assumere solo due valori, indipendentemente dalla probabilità di

Se una variabile è dicotomica:
ottenere uno o l’altro dei due valori
Se X è la variabile indipendenre e Y quella dipendente, considerando
Valore predetto
l’equazione di regressione è corretto definire Y’ come:
Se X è la variabile indipendente e Y quella dipendente, considerando
Predittore
l’equazione di regressione è corretto definire X come:
Si chiama contingenza: La differenza tra frequenze osservate e frequenze teoriche
Si commette un errore di seconda specie: Nell' accettare l'ipotesi nulla quando in realtà è falsa
Si commette un errore di seconda specie: 12
Si consideri come successo l’evento “faccia con il numero sei” nel
5\6
lancio di un dado. Calcolare la probabilità di insuccesso in un lancio:
1\6
lancio di un dado. Calcolare la probabilità di successo in un lancio:
Si consideri la popolazione di 20 unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare quale indice di Media aritmetica
posizione appare rappresentativo dell'intera distribuzione:
Si consideri la popolazione di unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale Moda
indice di posizione appare rappresentativo dell'intera distribuzione:
Statistica 2020
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9,

9,10,11,2500}. Indicare quale indice di posizione appare Moda
rappresentativo dell'intera distribuzione:
Si consideri la seguente distribuzione in classi: Calcolare il primo
55.97
quartile:
Si consideri la seguente distribuzione in classi: Calcolare il terzo
69
quartile:
Si consideri la seguente distribuzione in classi: la classe mediana 58-62
Si definisce stima: Il valore assunto dallo stimatore per un dato campione
Si effettuano 60 misurazioni sperimentali da cui si evince una media
campionaria uguale a 33. Costruire un intervallo di confidenza al 90%
IC=[30,723; 35,277]
per la media della popolazione, la quale si distribuisce normalmente
con varianza pari a 115:
Si ha concordanza tra due variabili se: Cod(X,Y)>0
Ai valori più piccoli di una delle due variabili corrispondono
Si ha discordanza tra caratteri se: generalmente i più grandi dell’altra, e se ai valori più grandi
corrispondono in genere i più piccoli;
Si ha discordanza tra due variabili se: Cod(X,Y)<0
Si ha indipendenza correlativa tra due variabili se: Cod (X,Y)=0
Si ha indipendenza in media tra due variabili statistiche se: Le media parziali sono uguali tra di loro ed uguali alla media generale
Si supponga di aver compiuto una rilevazione campionaria su 2000
pazienti e che 1000 siano risultati sensibili ad un determinato
Non si può sapere
farmaco. Indicare quale è la proporzione nella popolazione di persone
sensibili al farmaco:

pazienti e che 500 siano risultati sensibili ad un determinato farmaco.
0,23 e 0,27
Con un grado di fiducia del 95%, stimiamo che la proporzione della
popolazione sensibile al farmaco deve essere compresa tra:

0.75
Indicare quale è la proporzione campionaria di persone non sensibili al
farmaco:
0.25
Indicare quale è la proporzione campionaria di persone sensibili al
farmaco:
Si supponga di avere la seguente distribuzione di 10 individui secondo
la nazionalità: Italiani n.3, Francesi n.4, Spagnoli n.3. La caratteristica Nominale
nazionalità è misurata su scala:
Si vuole conoscere la proporzione di pezzi difettosi prodotti da una
macchina. Determinare la numerosità campionaria necessaria
n=751,67
affinchè la vera proporzione cada in un intervallo al 90%, tollerando
un errore non superiore al 3%:
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di
contingenza 3x3 la cui frequenza totale è n=400. Il valore soglia per la Chi- quadrato con 4 gradi di libertà
statistica test ha distribuzione approssimativamente:
Statistica 2020
Sia data una v.c X, se essa assume valori in corrispondenza di un

Discreta
insieme numerabile allora X è:
Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce
Come una t di Student con n-2 gradi di libertà
come:
Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un
certo intervallo di tempo, sia di 3,42 gr con varianza campionaria
IC=[2,92;3,92]
corretta pari a 0,4624. Costruire un intervallo di confidenza al 99% per
la media della popolazione di peso dei pezzi di metallo:
T
Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle frequenze teoriche
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test

di abilità matematica (numero di risposte corrette in entrambi i casi) si Le persone con punteggi bassi in matematica hanno buone
calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla prestazioni in letteratura inglese
base del risultato ottenuto si può evidenziare che:
di abilità matematica (numero di risposte corrette in entrambi i casi) si Le persone molto brave in matematica risultano molto abili anche in
calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla letteratura
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione
lineare, sapendo che il coefficiente di correlazione è uguale a 0.76, il 0.58
coefficiente di determinazione sarà pari a:
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non
Non è possibile calcolarlo con i dati a disposizione che non sono
lineare, sapendo che il coefficiente di determinazione è uguale a -1, il
corretti
coefficiente di correlazione sarà pari a:
Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12: 6.43
U
Un campione rappresentativo è: Casuale
Un esperimento casuale è: Un'operazione il cui risultato non può essere previsto con certezza
Un intervallo di valori che si ritiene contenga il vero parametro della
Un intervallo di confidenza è:
popolazione con una prestabilita "fiducia"
Un affermazione sulla distribuzione di probabilità di una variabile
Un ipotesi statistica è:
casuale
Un test fornisce punteggi compresi tra 0 e 120. La media del test,
Sicuramente sbagliato
calcolata su un campione, risulta 142,9. Il risultato è:
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La
mediana del test, calcolata da un ricercatore su un campione, risulta 120
142,9. Il punteggio massimo ottenibile è:
Altri fattori variabili, che rappresentano circostanze comuni
Un tipico caso di correlazione non reale comporta che:
,influiscono su quelli presi in considerazione
Una classe è aperta: Se entrambi gli estremi sono esclusi
Una classe è chiusa: Se entrambi gli estremi sono inclusi
Una distribuzione campionaria è: La distribuzione di probabilità di una statistica
L'insieme delle coppie probabilità dei diversi valori possibili della
Una distribuzione di probabilità di una variabile casuale:
variabile casuale
Statistica 2020
Una partita di pistoncini di freni presenta un diametroμ incognito; la

varianza del diametro dei pistoncini è invece nota e pari 0,01 cm. Si
estrae un campione di n=1000 pistoncini, sui quali si osserva un IC=[1,1938;1,2062]
diametro medio pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ
ad un livello di confidenza del 95%:
Una quantità che è funzione delle osservazione e del parametro del

Una quantità pivotale è: quale si vuole costruire l'intervallo di confidenza, con la caratteristica
che la sua distribuzione è nota e non dipende dal parametro in esame
Dalle osservazioni dei dati quantitativi nel tempo, si possono avere
Una serie storica è costituita:
serie mensili, giornaliere, annuali
Una statistica è: Una variabile casuale definita sui campioni
La frequenza assoluta, cioè quante volte una coppia di modalità si
Una tabella a doppia entrata registra:
presenta contemporaneamente per X e per Y
Una variabile casuale continua X: Assume tutti i valori appartenti ad un intervallo
Una variabile casuale: E' una funzione definita sullo spazio dei campioni
Una variabile dicotomica può assumere: Solo due valori
Una variabilità alta in luogo di una variabilità bassa Diminuisce le capacità previsive dei modelli statistici
Una variabilità pari al valore 65 in luogo del valore 80, ottenuta Può aumentare le capacità descrittive e previsive del modello
eliminando i valori outlier: statistico
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta Indica che è stato commesso qualche errore nei calcoli o nel
eliminando i valori outlier: programma
Uno stimatore corretto di σ², con le ipotesi di varianza costante e
dell'indipendenza degli errori è il MSE* = SSE*/n-2, il cui valore atteso E(MSE*)= σ2
è:
Uno stimatore corretto è più efficiente di un altro stimatore corretto
Se presenta varianza inferiore
del parametro"teta"non noto se:
È tale che il suo valore medio coincide con il valore del parametro da
Uno stimatore corretto:
stimare
Al crescere della numerosità campionaria, tende a concentrarsi sul
Uno stimatore si dice consistente:
parametro da stimare
Utilizzando la tavola della curva normale standardizzata si Nella colonna di sinistra con una cifra decimale; la seconda cifra
individueranno i punti z: decimale è situata nella prima riga in alto della stessa tavola
V
Valori estremi, cioè posizionati verso le code di una distribuzione di
Inferiore rispetto ai valori centrali
probabilità, hanno una probabilità di verificarsi per caso:
Vengono prelevate 15 compresse da un lotto di produzione, i valori
sono: 0,485; 0,442; 0,466; 0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0.4415
0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso medio:
STATISTICA DA HTML
aggiornamento 14 aprile 2020
A
A quanto corrisponde l’area sotto la curva normale z= – 0,73 e z=0: 0,2673
A quanto corrisponde l’area sotto la curva normale z= – 0,74 e z=0 0,2703
A quanto corrisponde l’area sotto la curva normale z=0 e z=1,8: 0,4641
A quanto corrisponde l’area sotto la curva normale z=0,80 e z=1,95: 0,1863
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2 0,3849
A quanto corrispondel l’area sotto la curva normale tra z=0 e z=1,9: 0,4713
A quanto corrispondel l’area sotto la curva normale tra z=0 e z=1,91: 0,4719
A quanto corrispondel l’area sotto la curva normale tra z=0 e z=1: 0,4821
Aggiungendo una costante positiva c a tutti i valori di una variabile, la
aumenta di c
media aritmetica:
Assegnati i dati (17,45,38,27,6,48,11,57,34,22) calcolare il campo di

51
variazione:
Assegnati i dati (17,45,38,27,6,48,11,59,34,22) calcolare il campo di

53
variazione
C
(2,2,4,5,3,4,8,7,8,22,22) quante medie mobili di ordine 3 si possono 9
calcolare:
D
Date n variabili casuali normali standardizzate e indipendenti al dalla somma di tali
quadrato, una variabile causale che è data dalla: variabili
Dati due eventi A e B costituiti dai primi 6 numeri estratti da una urna
contenente 90 palline, A=(87,12,23,8,45,90) e B=(8,84,41,12,36,17) AinB = (12,8)
Determinare AinB:
Dati due eventi A e B costituiti dai primi 6 numeri estratti da una urna AuB =
contenente 90 palline, A=(87,12,23,8,45,90) e B=(8,84,41,12,86,17) (87,12,23,8,45,90,84,
Determinare AuB: 41,12,36,17)
Dati i seguenti valori 1, 2, 1, 3, 2, 4, 3, 5, 4, 3, 2, 4, 4, 2, 4, 3, 4, 3, 2, 3

2,72
determinare la media geometrica
Dati i seguenti valori 1,2,1,3,2,4,3,5,2,4,4,2,4,3,3,1,2,3,1,2,3. Determinare

3,0166
la media quadrica:
Dati i seguenti valori 1,2,1,3,2,4,3,5,4,3,2,4,4,2,4,3,3,1,2,3. Determianre

2,53
Dati i seguenti valori 1,2,1,3,2,4,3,5,4,3,2,4,4,2,4,3,3,2,2,3 qual è la
3
moda:
Dati i seguenti valori: 5,5,5,5,10,10,10,2,2. Determina la mediana (Med) Med=5
Dati i seguenti valori: 87, 111, 100, 102, 162, 70, 96, 103, 109 Determina
Med= 102
la mediana (Med):
Dati i seguenti valori: 87, 111, 98, 100, 102, 162, 70, 96, 103, 109
Med=101
Determina la mediana (Med):
Dato un mazzo di 40 carte la probabilità di estrarre un 2 o un 3 è: 8/40
Determinare il campo di variazione dei seguenti numeri

21
(15,12,7,9,5,4,25,17):
Determinare il campo di variazione dei seguenti numeri

21
(15,12,7,9,5,4,25,17):
I
I seguenti dati rappresentano le entrate realizzate da una società negli
ultimi 11 anni (……) quante medie mobili di ordine 5 si possono 7
calcolare:
Il secondo quartile, per definizione, coincide con: la mediana
In un’analisi di regressione, b1 (coefficiente angolare) = 1,09627 e b0 y1= – 57,54 +

(intercetta) = -57,54. La retta interpolante è: 1,09627x
L
L’età media di un gruppo di 10 studenti che hanno appena conseguito un diploma di
laurea breve è di…. Determinare l’intervallo di confidenza al 95% per la media della IC= [17,842;
popolazione degli studenti iscritti al corso di laurea breve, sapendo che tale 26,158]
popolazione è distribuita normalmente con varianza σ2 = 45
dipende dalla
L’indice chi-quadrato di Pearson: dimensione del
collettivo
è il rapporto tra
frequenza e
La densità di frequenza di un istogramma:
ampiezza della
classe
alla radice quadrata

La deviazione strandard è eguale:
della varianza ?
terzo quartile e
La differenza interquartile è data dalla differenza:
primo quartile
ha media uguale a

La distribuzione della normale standardizzata: 0 e varianza uguale
a1
sempre compresa tra

il valore minimo e il
La media aritmetica è:
valore massimo della
distribuzione
La rappresentazione grafica di distribuzione di frequenza che si

istogramma
sviluppa attraverso una serie di rettangoli contigui, si chiama:
La rappresentazione grafica di distribuzioni di frequenza che si

istogramma
sviluppa attraverso una s si chiama:
La somma (algebrica) degli scarti della media aritmetica è sempre pari

0
a:
La varianza di una variabile statistica può diventare negativa: mai
Lanciando un dato la probabilità che esca 5 è: 1/6

Lanciando una moneta la probabilità che esca testa è: 1/2
che risultano da
Le medie di posizione sono quelle: particolari elementi
della distribuzione
P
Per il postulato 2 dell’assiomatizzazione del calcolo delle probabilità
P(Ω)=1
l’evento certo Ω ha probabilità:
Q
Quali tra queste non è una media razionale: la mediana
S
coincide con il
Se la media aritmetica di un gruppo di osservazioni è nulla, allora la
quadrato nella
varianza:
media quadratica
Se la media aritmetica di x è 10 e la varianza di x è 100 allora il

1
coefficiente di variazione è uguale a:
nel rifiutare l’ipotesi

Si commette un errore di prima specie: nulla quando in
realtà è vera
Si supponga di voler verificare l’ipotesi di indipendenza sulla base di

una tabella di contingenza 3x4 la cui frequenza totale è 100. Il valore chi-quadrato con 6
soglia o critico per la statistica test ha distribuzione gradi di libertà
approssimativamente:
Sia data la seguente tabella x (1,2,4,5,7,9,10) y (1,5,6,7,9,11,15).

Determinare, mediante il metodo dei minimi quadrati, l’equazione della yi = 0,795 + 1,275x
retta di regressione di yi
Sia data la seguente tabella x (1,2,4,5,7,9,10) y (1,5,6,7,9,21,25).
Determinare, mediante il metodo dei minimi quadrati, l’equazione della yi = -2,69 + 2,44xi
retta di regressione di yi
Sia dato l’insieme dei numeri: 3,9 4,8 5,0 8,9 9,9. Determinare la
29,22
devianza:
U
Un ragazzo napoletano, per provare la propria automobile appena comprata,
decide di fare una gita a Tivoli. Presa l’autostrada percorre tre tratti di
110,95 km/h
lunghezza diversa: 30 km, 70 km, 100 km a velocità costante rispettivamente a
90 km/h, 100 km/h e 130 km/h, qual è la velocità media:
STATISTICA
1 La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati relativi
ad un fenomeno, ottenuti attraverso le misurazioni.
2 L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera popolazione a partire da
dati raccolti
3 La statistica descrittiva: Organizza e riassume i dati
4 La popolazione è: L’ universo di elementi che forma l’oggetto di uno studio statistico
5 Il campione è: Un sottoinsieme della popolazione
6 Un campione rappresentativo è: Casuale
7 Il campionamento sistematico è: Caratterizzato dalla selezione di un elemento ogni k
elementi successivi
8 Il campionamento stratificato è: Caratterizzato da popolazione divisa in sottogruppi
omogenei
9 Il campionamento a blocchi è: Caratterizzato da cluster
10 La statistica permette di ragionare: Facendo deduzioni ed induzioni
11 Le fasi di una indagine statistica si conviene siano le seguenti: Definizione degli obiettivi
della ricerca; Rilevazione dei dati; Elaborazione metodologica; Presentazione ed
interpretazione dei risultati; Utilizzazione dei risultati raggiunti.
12 L’indagine statistica può essere: Campionaria o di tipo censuario
13 La statistica induttiva: Fa inferenza
14 La mutabile è: Un carattere qualitativo
15 Il numero di lanci di una moneta è una: Variabile discreta
16 Il reddito pro-capite è una : Variabile continua
17 Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi
di interesse nell’Euro Area: x è la variabile indipendente
18 Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed
indica il tipo di relazione:y = 10; la relazione è lineare
19 Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica
il tipo di relazione:y = 100; la relazione è non lineare
20 La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a:1
21 Che cosa è l'unità statistica: L'unita elementare oggetto di osservazione e di studio
22 La popolazione è finita: Quando è determinabile il numero di unità che compongono
23 Il lancio di una moneta è un esempio di: Popolazione infinita
24 Il carattere sesso è: Carattere qualitativo sconnesso
25 Il carattere età è: Un carattere continuo
26 Il carattere titolo di studio è: Un carattere qualitativo rettilineo
27 Il carattere stato civile è: Carattere qualitativo sconnesso
28 Il carattere numero di figli è: Carattere discreto
29 Il carattere professione è: Un carattere qualitativo sconnesso
30 Non è una scala di misura delle manifestazioni di un carattere statistico: La scala
semilogaritmica
31 La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è stata osservata
32 La frequenza relativa è uguale: ni/n
33 In una distribuzione statistica, la somma delle frequenze relative:È sempre uguale a 1
34 Una classe è aperta:Se entrambi gli estremi sono esclusi
35 Una classe è chiusa:Se entrambi gli estremi sono inclusi
36 L'ampiezza della classe è: La differenza tra estremo superiore e estremo inferiore della
classe
37 La classe è chiusa a sinistra se:Solo l'estremo sinistro è incluso
38 Il valore centrale è:La semisomma dei due estremi
39 In una tabella doppia se entrambi le variabili sono qualitative, si parla di:Tabella di
contingenza
40 In una tabella doppia se entrambi le variabili sono quantitative, si parla di:Tabella di
correlazione
41 La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una
serie di rettangoli contigui viene chiamata:Istogramma
42 Le densità di frequenza di un istogramma: Si ottengono dal rapporto tra la frequenza di
una classe e l'ampiezza della classe medesima
43 Come viene classificato l'ortogramma:Sia a nastro sia a colonne
44 Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi:L'istogramma e
box-plot
45 La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in
tanti spicchi, viene chiamata:Diagramma circolare
46 Per la costruzione di un box plot si utilizzano i seguenti valori:Xmin Q1 Med Q3 xmax
47 Il box plot, rappresentato tramite un rettagolo, è diviso al suo interno:Dalla mediana
48 Il box plot fornisce informazioni:Sulla variabilità, sulla presenza di valori anomale e sulla
49 All'interno del rettangolo (box plot) sono contenute:Il 50% delle osservazioni
50 Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi: Ortogramma e
diagramma circolare
51 Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle
frequenze teoriche
52 Si chiama contingenza:La differenza tra frequenze osservate e frequenze teoriche
53 La somma delle contingenze di ciascuna riga e di ciascuna colonna sono: Nulle
54 L'indice chi-quadrato di Pearson (χ2) : Dipende dalla dimensione del collettivo
55 Se si raddoppia la numerosità campionaria, il valore del chi-quadrato: Raddoppia
56 Il max χ2 è uguale: n x [min (r-1; c-1)]
57 L'indice di contingenza quadratica medio φ2è uguale: χ²/n
58 L'indice di connessione di Cramer varia: tra zero e uno
59 Indice chi-quadrato è un indice:Simmetrico
60 Quali di questi indici è relativo L'indice di connessione di Cramer
61 Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442;
0,466; 0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464.
Calcolare il peso medio:0.4415
62 Consideriamo i seguenti dati: classi frequenze 10-20 5 20-30 8 30-40 12 40-50 9
50-60 3 Calcolare la media aritmetica:34.19
63 La media geometrica è uguale:Alla radice n-esima del prodotto dei termini
64 Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12:6.43
65 Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto:
1,103 1,031 0,939 1,097:1.04
66 I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in
centesimi). I pesi attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media
dei voti:82
67 La media armonica è:Il reciproco della media aritmetica dei reciproci dei termini
68 Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da
D a C alla velocità di 20 km/h. Determinare la velocità media dell'intero tragitto:32km/h
69 La media armonica è particolarmente usata:Quando si mediano rapporti di tempo
70 La media geometrica è particolarmente usata:Quando i diversi valori vengono per loro
natura moltiplicati
71 Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28: 22
72 Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7: 0
73 Il secondo quartile coincide con: La mediana
74 Si consideri la seguente distribuzione in classi: pesi frequenze 48-52 7 53-57
31 58-62 25 63-67 22 68-72 20 73-77 11 78-82 4 la classe mediana:58-62
75 Con riferimento alla domanda 4 la mediana:61.52
76 Il primo quartile: Quel valore che lascia alla sua destra il 75% delle osservazioni e alla
31 58-62 25 63-67 22 68-72 20 73-77 11 78-82 4 Calcolare il primo quartile:55.97
31 58-62 25 63-67 22 68-72 20 73-77 11 78-82 4 Calcolare il terzo quartile 69
79 Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si
chiama: Moda
80 Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad assumere
differente modalità
81 Quale dei seguenti indici indica la variabilità di una serie dei dati:Scarto quadratico
medio
82 La devianza è:La somma degli scarti dalla media aritmetica al quadrato
83 Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando:La radice
quadrata del rapporto tra devianza e numerosità del collettivo
84 Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5:23,75
85 Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5:4,87
86 Il coefficiente di variazione è dato dal rapporto, espresso in termini percentuali, tra:Lo
scarto quadratico medio e media aritmetica
87 La differenza interquartile è data dalla:Tra terzo e primo quartile
88 Il campo di variazione è dato dalla:Differenza tra valore massimo e minimo della
distribuzione
89 La mutabilità è:L'attitudine di un fenomeno qualitativo ad assumere differente modalità
90 Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21:Non è simmetrica
91 L'asimmetria di una distribuzione denota che:I valori del caratteri sono distribuiti con
frequenze differenti attorno al suo valore centrale
92 L'asimmetria di una distribuzione può essere:Nulla, positiva o negativa
93 Se la distribuzione è asimmetria positiva si ha:Med-Q1
94 Se la distribuzione è asimmetria negativa si ha:Med-Q1 > Q3-Med
95 L'indice di asimmetria Skewness di Pearson è calcolato:Come differenza tra la media
aritmetica e la moda divisa la deviazione standard
96 La curtosi rappresenta:Il grado di schiacciamento di una distribuzione intorno al suo
centro di gravità e rispetto alla curva normale
97 La distribuzione di dice platicurtica se:E' più schiacciata rispetto alla normale
98 La distribuzione di dice leptocurtica se:E' più appuntita rispetto alla normale
99 Il coefficiente di curtosi di Pearson è uguale:Momento quarto/quadrato della varianza
100 Si ha indipendenza in media tra due variabili statistiche se:Le media parziali sono
uguali tra di loro ed uguali alla media generale
101 L'indipendenza in media:Non è un concetto simmetrico
102 Il rapporto di correlazione di Pearson varia:Tra 0 e 1
103 Si ha concordanza tra due variabili se:Cod(X,Y)>0
104 Si ha discordanza tra due variabili se:Cod(X,Y)
105 Si ha indipendenza correlativa tra due variabili se:Cod (X,Y)=0
106 Due variabili si dicono perfettamente correlate se:Il coefficiente di correlazione è pari
a 1 in valore assoluto
107 Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro):
28.8, 24.2,20,18.2,16. La codevianza (X,Y) è:-577.6
108 La covarianza (X,Y):E' una misura simmetrica
109 Il coefficiente di correlazione:E' un numero puro
110 Il coefficiente angolare bi rappresenta:La pendenza della retta
111 Con il metodo dei minimi quadrati:Si minimizza la somma dei quadrati degli scarti tra
valori osservati e valori teorici
112 Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro):
29.8, 24.2, 20, 18.2, 16,2. Determinare l'equazione della retta:y^= 39,882-0,1857xi
29.8, 24.2, 20, 18.2, 16,2, il coefficiente di determinaziome lineare è:0,9650
114 Il coefficiente di determinazione lineare è uguale a 1 se è nulla:La devianza residua
115 La devianza di regressione misura:Quanta parte della variabilità della Y è spiegata
dalla relazione lineare
116 Se la Cod (X,Y)>0:La retta di regressione è crescente
117 Il coefficiente di determinazione lineare è:Il quadrato del coefficiente di correlazione
lineare
118 Il coefficiente di determinazione lineare è nullo se è nulla:La devianza di regression
119 Se il coefficiente di correlazione r=0:Non c'e correlazione lineare
120 Un esperimento casuale è:Un'operazione il cui risultato non può essere previsto con
certezza
121 Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A?B: A?B={1,2,3,4}
122 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A?B?C: A?B?
C={1,3,5,7,9,10}
123 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B:
A∩B={3,5}
124 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C:
A∩C={1,5}
125 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C:
B∩C={5,9,10}
126 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C:
A∩B∩C={5}
127 Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω
ha probabilità:P(Ω)=1
128 La probabilità dell'unione di due eventi A e B non incompatibili:
P(A?B)= P(A)+P(B)-P(A∩B)
129 Se due eventi A e B sono indipendenti allora:P(A∩B)= P(A)P(B)
130 Una variabile casuale:E' una funzione definita sullo spazio dei campioni
131 La funzione di ripartizione di una variabile casuale:
Esprime la probabilità che la variabile casuale assuma valori inferiori o uguali ad un valore
fissato
132 Una distribuzione di probabilità di una variabile casuale:
L'insieme delle coppie probabilità dei diversi valori possibili della variabile casuale
133 La funzione di ripartizione di una variabile casuale discreta:
E' una funzioni a gradini non decrescente
134 Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile
allora X è: Discreta
135 Una variabile casuale continua X:Assume tutti i valori appartenti ad un intervallo
136 Affinchè una v.c X continua sia ben definità occorre che:
137 Il valore atteso E(b+X) è: (b è una costante reale):E(b+X)=b+E(X)

138 Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali):E(X+Y)= E(X)+E(Y)
139 La Var (aX+b) è: a e b sono due costanti reali:Var (aX+b)=a²Var (X)
140 La variabile casuale uniforme discreta:
E' tale che ogni sua realizzazione è equiprobabile
141 La distribuzione della normale standardizzata:
Ha media uguale a 0 e varianza uguale 1
142 La distribuzione binomiale:
Può essere utilizzata per descrivere casi in cui gli esiti possibili di una prova sono solo due
143 La distibuzione normale è:E' simmetrica rispetto al valor medio
144 A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2:0,3849
146 A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94:0,1828
147 La variabile casuale chi-quadrato:Non può assumere valori negativi
148 La variabile casuale t di student:
Al tendere di n all'infinito la v.c t di student tende alla normale standardizzata
149 La variabile casuale F di Fisher-Snedecor:Ha valore atteso E(F)= m/(m-2)
150 Nel campionamento bernoulliano:
Ogni unità statistica può entrare a far parte più volte del campione
151 Nel campionamento bernoulliano:I risultati delle estrazioni sono indipendenti
152 Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre,
con ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto
da:25 possibili campioni
153 Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con
ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto da:
16 possibi campioni
64 possibili campioni
155 Una statistica è:Una variabile casuale definita sui campioni
156 Una distribuzione campionaria è:La distribuzione di probabilità di una statistica
157 La media della distribuzione della media campionaria:
Coincide con la media della popolazione
158 Quando la popolazione è infinita:Lo schema di campiomento con ripetizione coincide
con lo schema di campiomaento senza ripetizione
159 Il teorema del limite centrale:Afferma che al crescere di n la forma della distribuzione
della media campionaria si approssima alla forma normale
160 Cosa si intende per stima puntuale:La stima attraverso la quale si giunge alla
determinazione di un solo valore numerico per uno o più parametri della popolazione
161 Cosa si intende per stima intervallare: La stima attraverso la quale si giunge alla
determinazione di un intervallo, che include il parametro stimato, con livello di confidenza
1-
162 Lo stimatore di un parametro:È una variabile casuale
163 Si definisce stima:Il valore assunto dallo stimatore per un dato campione
164 Uno stimatore corretto:È tale che il suo valore medio coincide con il valore del
165 Se lo stimatore è corretto:EQM=Varianza dello stimatore
166 Lo stimatore varianza campionaria corretta:Ha media pari al parametro da stimare
167 Uno stimatore si dice consistente:Al crescere della numerosità campionaria, tende a
concentrarsi sul parametro da stimare
168 Uno stimatore corretto è più efficiente di un altro stimatore corretto del
parametro"teta"non noto se:Se presenta varianza inferiore
169 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
170 Un intervallo di confidenza è:Un intervallo di valori che si ritiene contenga il vero
parametro della popolazione con una prestabilita "fiducia"
171 Una quantità pivotale è:
Una quantità che è funzione delle osservazione e del parametro del quale si vuole costruire
l'intervallo di confidenza, con la caratteristica che la sua distribuzione è nota e non dipende
172 L'ampiezza dell'intervallo è tanta più elavata quanto più:n è piccolo
173 Per la determinazione dell'intervallo di confidenza per la media di una popolazione
normale con varianza nota, si utilizza La distribuzione normale standardizzata
normale con varianza non nota (La distribuzione t di student
175 Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si
può costruire l'intervallo di confidenza:
176 Per trovare l'intervallo di confidenza per la media di una popolazione normale, si
utilizza la t di student, anziché la normale standardizzata perché:
La varianza della popolazione non è nota
177 Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria
uguale a 33. Costruire un intervallo di confidenza al 90% per la media della popolazione, la
quale si distribuisce normalmente con varianza pari a 115:IC=[30,723; 35,277]
178 Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di
tempo, sia di 3,42 gr con varianza campionaria corretta pari a 0,4624. Costruire un
intervallo di confidenza al 99% per la media della popolazione di peso dei pezzi di metallo:
IC=[2,92;3,92]
179 Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se
ne sono trovati 20 difettosi. Costruire un intervallo di confidenza al 95% per la proporzione
p dei pezzi difettosi:IC=[0,1216;0,2784]
180 L'ampiezza A dell'intervallo di confidenza per :
181 In riferimento alla domanda 1 la numerosità n è uguale:

182 Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al
95% per il contenuto medio di nicotina di una data marca di sigarette, se il contenuto di
nicotina ha una distribuzione normale con σ=8,5 mg e l'ampiezza dell'intervallo deve
essere di 6 mg n=31
183 Una partita di pistoncini di freni presenta un diametroμ incognito; la varianza del
diametro dei pistoncini è invece nota e pari 0,01 cm. Si estrae un campione di n=1000
pistoncini, sui quali si osserva un diametro medio pari a 1,2 cm. Si calcoli l'intervallo di
confidenza per μ ad un livello di confidenza del 95%:IC=[1,1938;1,2062] ]
184 In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo:0.0124
185 Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze
campionarie è:
186 Nel caso di estrazione con ripetizione la deviazione standard delle frequenze
campionarie è:
187 L'ampiezza dell'intervallo di confidenza per una proporzione è:
188 Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizione si ha

che:
189 Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina.

Determinare la numerosità campionaria necessaria affinchè la vera proporzione cada in un
intervallo al 90%, tollerando un errore non superiore al 3%:
n=751,67
190 Un ipotesi statistica è:Un affermazione sulla distribuzione di probabilità di una
variabile casuale
191 La verifica delle ipotesi:
Consiste nel formulare, sulla base di dati campionari, un giudizio che induca ad accettare o
rifiutare l'ipotesi nulla, con un prefissato livello di significatività
quelle più efficienti
192 L'ipotesi parametrica riguarda:
I parametri caratteristici di una particolare distribuzione di cui si conosce la forma analitica
193 Le ipotesi statistiche:
Si tratta due ipotesi alternative complementari e logicamente escludentisi
194 L' ipotesi statistica è semplice:Se si assegna al parametro un valore puntale
195 Si commette un errore di prima specie:
Nel rifiutare l'ipotesi nulla quando in realtà è vera
196 Si commette un errore di seconda specie:
Nell' accettare l'ipotesi nulla quando in realtà è falsa
197 Cosa indica il livello di significatività:
La probabilità massima con cui accettiamo di rischiare l'errore di prima specie
198 La potenza del test è La probabilità di rigettare l'ipotesi nulla quando è giusto farlo
199 Aumentando il livello di significatività: Aumenta la potenza del test
200 La verifica dell'ipotesi di indipendenza mira a verificare: L'indipendenza stocastica
201 Due variabili sono stocasticamente indipendenti se:
202 Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di

contingenza, i gradi di libertà corrispondono: (r-1)(c-1)
Si accetta l'ipotesi di indipendenza stocastica

contingenza 5x5, i gradi di libertà corrispondono:16
Si rifiuta l'ipotesi di indipendenza stocastica

208 Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3
la cui frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione
approssimativamente:Chi- quadrato con 4 gradi di libertà
210 Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita
ipotesi forte:Ipotesi di normalità
ipotesi debole Ipotesi sulla variabile esplicativa
212 L'ipotesi di indipendenza stabilisce che:
213 Con il metodo dei minimi quadrati:

Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici
214 Il coefficiente angolare b1 indica:La pendenza della retta
215 Il coefficiente angolare b1 è dato:b1= COD. (X,Y)/ DEV(X)
216 Il valore atteso dello stimatore B1 è:E(B1)=β1
217 La varianza dello stimatore B1 è:
218 Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza
degli errori è il MSE* = SSE*/n-2, il cui valore atteso è:E(MSE*)= σ2
219 In base al teorema di Gauss Markov, gli stimatori dei minimi quadrati:
Sono i più efficienti
220 Per stimare il parametro:MSE*= SSE*/n-2
221 Sotto l'ipototesi che sia vera la variabile casuale t si distribuisce come:
222 Nel modello di regressione lineare semplice la devianza residua risulta uguale a:
223 Il coefficiente di determinazione lineare è:

Il quadrato del coefficiente di correlazione lineare
224 Il coefficiente di determinazione lineare varia tra:0 <R2<1
225Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione
226 Se il coefficiente di correlazione r= 0: Non c'e relazione lineare tra X e Y
227 In riferimento alla tabella che mostra la decomposizione della devianza totale, il
rapporto F è uguale:
228 Il E(SSR*) è uguale:
229 Nel modello di regressione lineare semplice per verificare l'ipotesi si può utilizzate la
quantità F che è una v.c F di Fischer -Snedecor con :Con 1 e n-2 gradi di libertà
230 La distribuzione di frequenza è:
Il calcolo delle frequenze per ciascun valore o categoria della variabile
231 Una tabella a doppia entrata registra:
La frequenza assoluta, cioè quante volte una coppia di modalità si presenta
contemporaneamente per X e per Y
232 La frequenza cumulata:Può essere uguale alla relativa
233 Per produrre la distribuzione di frequenza percentuale occorre:
Moltiplicare per 100 le frequenza relative
234 Per calcolare le frequenze cumulate relative occorre dividere:
Le frequenze cumulate per n
235 Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo
dire che...Il numero di colonne dipende dai caratteri osservati
236 Il numero dei caratteri in una matrice:
Non dipende dalla numerosità della popolazione
237 La matrice dei dati è composta:da n vettori
238 L’Istogramma è una:Modalità di rappresentazione della rilevazione statistica
239 Le matrici sono composte da:
N righe e k colonne, con k che può essere eguale o diverso da n
240 Le misure di posizione hanno l’obiettivo di:
Sintetizzare in un singolo valore numerico l’intera distribuzione di frequenza per effettuare
confronti nel tempo, nello spazio o tra circostanze differenti
241 La moda è un:Indice di tendenza centrale
242 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica
è pari a:5,66
243 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è
pari a:8,5
244 Considera il seguente insieme di osservazioni(2; 14; 13; 15; 6; 1) la mediana è pari a:
9,5
245 Considera il seguente insieme di osservazioni 2; 14; 13; 15; 6; 1;1)la moda è pari a:1
246 Considera il seguente insieme di osservazioni(2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari
a:2
247 Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore
centrale è pari a:8
248 Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il
valore massimo è pari a:-1
249 Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media
geometrica:=MEDIA.GEOMETRICA
250 Si consideri la popolazione di 20 unità statistiche:{-
250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare quale indice di posizione appare
rappresentativo dell'intera distribuzione:Media aritmetica
251 Si consideri la popolazione di unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale indice di posizione
appare rappresentativo dell'intera distribuzione: Moda
252 Si consideri la popolazione:{-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}.Indicare
quale indice di posizione appare rappresentativo dell'intera distribuzione Moda
253 La proprietà moltiplicativa degli indici di tendenza centrale
Permette cambiamenti di scala nell'indice
254 La proprietà lineare degli indici di tendenza centrale:
E' diversa da quella moltiplicativa
E' basata sulla relazione di linearità tra le variabili ed i rispettivi indici di posizione
256 La proprietà di monotonicità degli indici di tendenza centrale:
E' basata sulla comparazione tra le variabili ed i rispettivi indici di posizione
257 Una variabilità alta in luogo di una variabilità bassa
Diminuisce le capacità previsive dei modelli statistici
258 La varianza si calcola:Per popolazioni e campioni
259 La varianza del campione è:
Calcolata con i dati del campione rappresentativo della popolazione
260 Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno
nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)29
261 Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni
alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)12
264 Lo scostamento semplice medio riguarda:
Lo scostamento di ogni valore della distribuzione dalla media, preso in valore assoluto
265 Lo scostamento quadratico medio riguarda:
La media degli scarti al quadrato tra i dati e la M
266 Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori
outlier:
Può aumentare le capacità descrittive e previsive del modello statistico
outlier:
Indica che è stato commesso qualche errore nei calcoli o nel programma
268 La varianza fornisce:
La misura sintetica di quanto le unità differiscono dalla media aritmetica
269 Usando la mediana in luogo della media nel calcolo della varianza:
È bene eliminare i valori anomali ed estremi
270 La Statistica è sinonimo di: Scienze statistiche
271 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
272 Il rapporto statistico di coesistenza si ottiene: Mediante il rapporto tra la frequenza di
una modalità rispetto a quella corrispondente di un’altra modalità
273 Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data
circostanza per l’analogo valore rilevato per l’intera popolazione
274 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
275 I numeri indice sono: Rapporti statistici
276 I numeri indice sono: Strumenti matematici
277 Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo
in particolare Capire quale delle due unità presenta un andamento migliore
278 L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base
279 Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è:
280 L’inflazione è: La variazione della ricchezza
281 L’inflazione è: L'aumento prolungato del livello medio generale dei prezzi di beni e
282 La variazione congiunturale riguarda in statistica-economica il confronto con: Il mese
precedente
283 La variazione tendenziale riguarda in statistica-economica il confronto con: L’anno
precedente
284 Nel calcolo del tasso di inflazione congiunturale al denominatore c’è: Il numero indice
dei prezzi del mese m-1 dell'anno a ed al numeratore il numero indice dei prezzi del mese m
dell'anno a
285 Nel calcolo del tasso di inflazione tendenziale al denominatore c’è: Il numero indice dei
prezzi del mese m dell'anno a-1 ed al numeratore il numero indice dei prezzi del mese m
dell'anno a
286 La deflazione si calcola con: I tassi di variazione
287 La deflazione è: Espressa in percentuale
288 Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese
determinato: Non esiste
289 Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: Il dato dell’anno t-1
290 La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa direzione
291 La covarianza è negativa quando: Al crescere di X la Y tende a diminuire e viceversa
292 La covarianza è nulla quando: X e Y sono linearmente indipendenti
293 La covarianza è nulla quando: X e Y non sono correlate
294 La correlazione indica: Il grado della relazione tra variabili, e per mezzo di essa si cerca
di determinare quanto bene un’equazione lineare o un’altra equazione qualsiasi descrivano
o spieghino tale relazione tra variabili.
295 Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile:
Tendono a crescere al decrescere dei valori dell’altra, ma in maniera blanda
298 Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile:
299 Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma le
variabili non sono legate da un rapporto serio di causalità
300 Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due
caratteri quantitativi considerati
301 Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due caratteri
quantitativi considerati
302 Un tipico caso di correlazione non reale comporta che: Uno dei due caratteri
comprende l’altro
303 Un tipico caso di correlazione non reale comporta che: I due caratteri sono influenzati
da circostanze comuni
304 Un tipico caso di correlazione non reale comporta che: Altri fattori variabili influiscono
su quelli presi in considerazione
305 Un tipico caso di correlazione non reale comporta che: Altri fattori variabili, che
rappresentano circostanze comuni, influiscono su quelli presi in considerazione
306 R deve esprimere correttamente: il legame di interdipendenza
307 Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la
quantità della popolazione media dello stesso periodo si ottiene: Coefficiente di natalit
308 Dividendo il numero delle morti in una comunità durante un periodo di tempo e la
quantità della popolazione media dello stesso periodo si ottiene:Coefficiente di mortali
309 Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di
tempo rispettivamente per la quantità della popolazione media dello stesso periodo si può
ottenere: Correlazione spuria se l’andamento della popolazione non è correlato col numero
di nati e morti
310 I numeri indice comparano: Le variazioni dei livelli della variabile nel tempo con
riferimento ad una base
311 I numeri indice sono:
Inferiori a 100 se il livello tende a scendere rispetto all’anno base
Superiori a 100 se il livello della variabile tende a crescere rispetto all’anno base
313 I numeri indice sono: Esplicativi dell’andamento dei livelli della variabile nel tempo
314 La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è
preceduta da: Il segno eguale
315 Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base
t-1 sarà: 101,2
t-1 sarà: 102,2
t-2 sarà: 101,2
318 Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero indice in t, con base
t-1 sarà: 98,8
t-2 sarà: 94,8
320 Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si
utilizza: Il diagramma a dispersione
321 Studiare la relazione tra due variabili X ed Y significa: Studiare la tendenza che X e Y
hanno a variare insieme
322 Il coefficiente di correlazione r di Pearson può essere usato per calcolare la
correlazione: Tra variabili misurate su scale a intervalli o a rapporti equivalenti
323 Quando a valori crescenti di X corrispondono valori crescenti di Y si ha:
324 Quando al diminuire dei valori di X corrisponde il diminuire dei valori di Y si ha:
325 Date coppie di valori X e Y, l’equazione di regressione può essere considerata
326 L’equazione di regressione lineare è l’equazione di una: Retta
327 Date coppie di valori X e Y, la retta di regressione è una: Sola, e ben definita, tra le
infinite rette che si possono tracciare tra i punti di un diagramma a dispersione
328 Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di
regressione è corretto definire X come: Predittore
regressione è corretto definire Y’ come: Valore predetto
330 Una serie storica è costituita: Dai dati osservati a intervalli regolari di tempo
331 Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel tempo, si
possono avere serie mensili, giornaliere, annuali
332 La media mobile è: La somma ponderata dei valori della serie storica
333 La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate su n
periodi contigui.
334 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie
mobili di ordine tre si possono calcolare: 4
mobili di ordine cinque si possono calcolare: 2
336 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie
337 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima
media mobile di ordine tre calcolabile in tempo reale: 11/3
media mobile di ordine cinque calcolabile in tempo reale: 21/5
339 Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante
medie mobili di pesate di ordine tre si possono calcolare: 6
340 I dati informatici sono utilizzabili per: Le analisi statistiche
341 Una fotografia è un dato: Complesso
342 Il tipo di dato elementare 4.5 è: Reale
343 Nella somma logica con operando A=1 ed operando B=1, il totale sarà: 1
345 Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà: 0
346 Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà: F
347 Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà: V
348 La negazione logica dell’operando A=0 è: 1
349 Nella congiunzione tra insiemi si valuta: Quando i due eventi si realizzano entrambi
350 La probabilità che si verifichi un evento può assumere valori Tra 0 ed 1
351 Due eventi sono indipendenti quando:
Il verificarsi dell’uno non modifica la probabilità di verificarsi dell’altro
352 La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal:
353 La somma delle probabilità di eventi che si escludono a vicenda ed esaustivi è:
Uguale ad 1
354 Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità
del verificarsi dell’altro
355 Nella teoria statistica i termini popolazione e campione sono:
Indicativi del fatto che il campione è un sottoinsieme della popolazione
356 Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro
elemento: Viene modificata
357 Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere
un asso: 0,1
una carta di bastoni: 0,25
359 Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una
figura: 12/40
360 Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere
un fante o un re: 8/40
una figura o una carta inferiore a 6: 32/40
362 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: 1/40
reimmissione un re e un asso: 2/100
364 Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado.
Calcolare la probabilità di successo in un lancio: 1/6
Calcolare la probabilità di insuccesso in un lancio: 5/6
366 Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale
(2,7,9,2,1,7,5,4,6,2), estraendo a caso un punteggio quale è la probabilità di ottenere un
numero pari e inferiore a 6: 4/10
(2,7,9,2,1,7,5,4,6,2). Estraendo a caso un punteggio quale è la probabilità di ottenere un
numero pari o inferiore a 6: 0.7
(2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con reimmissione, quale è la
probabilità di ottenere almeno un 7 alla prima estrazione: 0.2
probabilità di ottenere due punteggi la cui somma sia 9: 14/100
370 Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono
entrambi essere definiti:
371 Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità:
Italiani n.3, Francesi n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala:
Nominale
372 Le frequenze percentuali di una distribuzione si calcolano facendo:
Il rapporto tra ciascuna frequenza ed il totale delle frequenze e moltiplicando per 100 il
risultato
373 Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene,
cioè il più elevato, è: 100
374 La mediana è: La categoria o il punteggio al di sopra e al di sotto del quale cade un
375 La deviazione standard può assumere valori: Solo positivi
376 La media: E' sensibile ai valori estremi
377 Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un
campione, risulta 142,9. Il risultato è: Sicuramente sbagliato
378 Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test,
calcolata da un ricercatore su un campione, risulta 142,9. Il punteggio massimo ottenibile
è: 120
379 In una distribuzione di frequenza si può ottenere: Più di una moda
380 Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto
zero (origine) dell’asse delle ascisse e il punto in cui la retta taglia l’asse delle ordinate
381 Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i valori di Y ed Y’:
Differiscono
382 Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i valori di Y ed Y’:
Differiscono
383 Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’: Coincidono
384 Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’: Coincidono
385 Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono: Perpendicolari tra loro
386 Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono: Coincidono
387 Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di
388 Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo
che il coefficiente di correlazione è uguale a 0.76, il coefficiente di determinazione sarà
pari a: 0.58
389 Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare,
sapendo che il coefficiente di determinazione è uguale a -1, il coefficiente di correlazione
sarà pari a: Non è possibile calcolarlo con i dati a disposizione che non sono corretti
390 La media mobile di ordine 5 permette di: Eliminare valori erratici
391 La media mobile di ordine 3 permette di: Eliminare valori anomali
392 La media mobile di ordine 3 permette di: Effettuare lo smoothing delle serie storiche
393 Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie
mobili di ordine 3 con 2 cifre decimali sono: 216.67; 350.00; 483.33
394 Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie
mobili di ordine 5 sono: 232 e 350
395 Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3
sono: 103, 217, 350, 483
396 La funzione TENDENZA in Excel serve per: Calcolare il valore di una funzione stimata
397 La funzione TENDENZA in Excel serve per: Prevedere le serie storiche
398 La funzione TENDENZA in Excel serve per: Prevedere il valore al tempo t in una
funzione stimata y*
399 La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in
relazione ad una funzione di regressione y*
400 La stima del parametro è: Un concetto diverso da quello di stimatore
401 La stima del parametro nella popolazione è: Calcolata attraverso i dati campionari
402 La stima del parametro nel campione è: Non è opportuno definire la stima del
parametro nel campione, ma nella popolazione
403 La stima del parametro nella popolazione è: Relativa ai valori che può assumere lo
stimatore
404 La stima del campione è: Un concetto diverso da quello di stimatore
405 La funzione stimatore del parametro dovrebbe essere: Centrata, consistente, efficiente
406 Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500
siano risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione
campionaria di persone sensibili al farmaco: 0,25
siano risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione nella
popolazione di persone sensibili al farmaco: Non si può sapere
campionaria di persone non sensibili al farmaco: 0,75
siano risultati sensibili ad un determinato farmaco. Con un grado di fiducia del 95%,
stimiamo che la proporzione della popolazione sensibile al farmaco deve essere compresa
tra: 0,23 e 0,27
410 La proporzione di varianza comune a X e Y è espressa da r2xy che è denominato:
411 La proporzione di varianza comune a X e Y è espressa da r2xy che esprime:
412 La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a
X e Y è denominata: Varianza residua
413 Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità
tecniche” è pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è
la variabile dipendente, il coefficiente di determinazione sarà pari a: 0,58
414 Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y=
”speranza di vita” è pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la
variabile dipendente ed Y quella indipendente, il coefficiente di determinazione sarà pari a:
1
la variabile dipendente, la varianza residua sarà pari a: 42%
la variabile dipendente, la varianza comune sarà pari a: 58%
417 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico.
All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che
fornisce punteggi in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta
l’apprendimento dell’inglese per ogni ragazzo con un test di profitto (da 0 a 100). Viene
utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64;
se=2,5. Indicare quale è la variabile indipendente: Attitudine all’Inglese
se=2,5. Indicare quale punteggio dovrebbe ottenere al test di profitto un ragazzo che
sbaglia tutte le domande al test attitudinale: 10
se=2,5. Per ogni risposta corretta in più al test attitudinale indicare di quanti punti
aumenta il punteggio al test di profitto: 2
420 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico.
All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica
che fornisce punteggi in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta
l’apprendimento dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100).
Viene utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento
dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X:
r2=0,74; se=3,5. Indicare di quanti punti è l’errore medio di previsione: 3,5
r2=0,74; se=3,5. Indicare per ogni risposta corretta al test attitudinale di quanti punti
aumenta il punteggio al test di profitto e come si chiama questo parametro: 3, coefficiente
di regressione
422 Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità
matematica (numero di risposte corrette in entrambi i casi) si calcola un coefficiente di
correlazione di Pearson pari a -0,88. Sulla base del risultato ottenuto si può evidenziare
che: Le persone con punteggi bassi in matematica hanno buone prestazioni in letteratura
inglese
che: Le due variabili sono correlate negativamente
424 L’indice r misura relazioni di tipo: Lineare
425 Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili
corrispondono generalmente i più grandi dell’altra, e se ai valori più grandi corrispondono
in genere i più piccoli;
426 La codevianza è una misura: Assoluta di concordanza
427 La correlazione: A differenza della regressione, non richiede di stabilire quale variabile
428 Relazioni di discordanza significative tra variabili implicano: Un coefficiente di
correlazione negativo
429 Se il coefficiente di correlazione è uguale a 0 vi è: Assenza di concordanza o
discordanza
430 La funzione di ripartizione di una variabile casuale X a valori reali è: La funzione che
associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori
minori o uguali ad x”
431 La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso
-∞ e +∞, cioè: Si avvicina all’asse delle ascisse senza mai toccarla
432 I valori attesi nella variabile casuale Normale sono: Media; Varianza;
433 Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa
in gradi centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
valore 24 riportato nella prima riga della tabella rappresenta: Una modalità del carattere
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
valore della funzione di ripartizione empirica in corrispondenza di una temperatura media
pari a 17 gradi è: 4/10
435 1) Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X,
espressa in gradi centigradi) e l’importo pagato per la bolletta elettrica (variabile Y,
espressa in euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45,
55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di una
temperatura media pari a 25 gradi, che ipotizziamo essere una v.c distribuita
436 Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con
temperatura media superiore a 20°: 3/5
437 La funzione f(X) raggiunge il suo punto più alto in corrispondenza di: Xi = media
438 Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in
corrispondenza di Xi = µ, ciò comporta che media, mediana e moda: Coincidano
439 Si ricorre ad una distribuzione normale quando: Una variabile casuale continua è
distribuita normalmente o quasi.
440 Nella teoria statistica i termini campione e popolazione sono: Non sono sinonimi
441 I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio
del:Popolazione
442 I simboli e S si riferiscono alla media ed allo scarto quadratico medio del: Campione
443 La distribuzione di probabilità di z è costruita: E’ una funzione teorica espressa con
regole matematiche relative a un insieme infinito di dati
444 La curva normale a differenza delle altre curve è:Definita da un’equazione particolare
che permette di calcolare, data un’ordinata, porzioni di area sottese alla curva stessa
445 La curva normale è caratterizzata da: Essere definita da un’equazione particolare che
permette di calcolare, data un’ordinata, porzioni di area sottese alla curva stessa
446 La curva normale standardizzata è caratterizzata dal fatto di avere: Media =0 e
deviazione standard=1
447 La curva normale standardizzata è caratterizzata dal fatto di avere: I punteggi sono
espressi in punti z
448 Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno
una probabilità di verificarsi per caso: Inferiore rispetto ai valori centrali
449 Utilizzando la tavola della curva normale standardizzata si individueranno i punti z:
Nella colonna di sinistra con una cifra decimale; la seconda cifra decimale è situata nella
prima riga in alto della stessa tavola
450 Una variabile dicotomica può assumere: Solo due valori
451 Se una variabile è dicotomica: Può assumere solo due valori, indipendentemente dalla
probabilità di ottenere uno o l’altro dei due valori
452 La seguente ipotesi è nulla: La popolazione da cui il campione è estratto ha media 58
453 La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe sociale e alcolismo
454 La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo
significativo
455 La seguente ipotesi è nulla: Questa moneta non è truccata
significativo
457 La seguente ipotesi è nulla: Il farmaco C non ha un effetto diverso dal farmaco D
458 La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale a
quella delle femmine
459 La seguente ipotesi è nulla: C’è una relazione significativa tra reddito delle persone e
livello di istruzione
460 La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al
reparto B di una fabbrica” è: Monodirezionale sinistra
461 La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di
individui è significativamente diverso” è: Bidirezionale
462 La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non
è 200” Bidirezionale
463 La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è
superiore a 0,5” è: Monodirezionale destra
464 La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4
di un dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato” è:
465 La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici
impiegato dagli studenti è inferiore a 20 secondi” è: Monodirezionale sinistra
di un dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato”. La
probabilità sotto l’ipotesi nulla, cioè se le vincite sono dovute al caso è: 1/6
individui è significativamente diverso” ha il seguente segno del valore critico: ±
468 Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla
avendo scelto un livello di significatività del 5%: 5%
469 Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi
nulla; ciò accade nel caso in cui il risultato del test effettuato lasci alla sua destra: Il 4% dei
casi
470 Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi:
La statistica test da utilizzare è:
471 Sia data una popolazione normale con varianza non nota. Volendo verificare l'ipotesi:
472 Si vuole sottoporre a verifica l'ipotesi: usando un livello di

significatività dello 0,05. La regione di rifiuto per il test Z è z>1,645
contro usando un livello di
significatività dello 0,05. La regione di rifiuto per il test Z è: z 1,96

significatività dello 0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t 2,120

significatività dello 0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t > 1,746
476 Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di
significatività dello 0,01. La regione di rifiuto per il test Z è: z

significatività dello 0,01. La regione di rifiuto per il test T con 18 gradi di libertà è: contro: t
478 Si vuole sottoporre a verifica l'ipotesi: , usando un livello di

contro , usando un livello di

lOMoARcPSD|4684147
Statistica, tutti i test - Domande e risposte esatte
Statistica (Università Telematica Pegaso)
StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.

Scaricato da Alessio Gaccione (alessio2503gaccione@gmail.com)
lOMoARcPSD|4684147
Statistica 2020
Domande Risposte
1) Calcola il range delle seguenti osservazioni relative agli errori
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
1) Per 10 bimestri un ricercatore ha rilevato la temperatura media
normalmente, è:
A A
A quanto corrisponde l'area sotto la curva normale tra z=0,81 e
0,1828
z=1,94:
In diversi casi un legame debole tra i due caratteri quantitativi
Ad un valore basso di r corrisponde:
considerati
In diversi casi un effettivo legame tra i due caratteri quantitativi
Ad un valore elevato di r corrisponde:
considerati
Affinchè una v.c X continua sia ben definità occorre che:
C C
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
(2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
Calcolare la media geometria relativa all'andamento dei prezzi di un
1.04
dato prodotto: 1,103 1,031 0,939 1,097:
Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30,
22
28:
Calcolare lo scarto quadratico medio dei seguenti numeri:
4,87
12,6,7,3,15,10,18,5:
valori teorici
valori teorici
Con un coefficiente di correlazione pari a r= -0,5, i valori di una Tendono a crescere al decrescere dei valori dell’altra, ma in maniera
variabile: blanda

lOMoARcPSD|4684147
Statistica 2020

variabile:
variabile:
Con un coefficiente di correlazione pari a r= +0,8, i valori di una
variabile:
Conoscendo la devianza, lo scarto quadratico medio si ricava La radice quadrata del rapporto tra devianza e numerosità del
calcolando: collettivo
Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15;
-1
-6; -1;-1), il valore massimo è pari a:
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la
1
moda è pari a:
8,5
media aritmetica è pari a:
5,6
media geometrica è pari a:
9,5
mediana è pari a:
8
1;1), il valore centrale è pari a:
2
1;1), la moda è pari a:
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che
y = 10; la relazione è lineare
f(x) = -10 ed indica il tipo di relazione:
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che
y = 100; la relazione è non lineare
f(x)=-10 ed indica il tipo di relazione:
Consideriamo i seguenti dati: Calcolare la media aritmetica: 34.19
Consideriamo la relazione y=f(x), dove x è rappresentato
x è la variabile indipendente
dall’inflazione ed y sono i tassi di interesse nell’Euro Area:
(2,2,3,5,3,4,6,7), quante medie mobili di pesate di ordine tre si 6
possono calcolare:
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0),

5

calcola la prima media mobile di ordine cinque calcolabile in tempo 21 / 5
reale:

11 / 3
calcola la prima media mobile di ordine tre calcolabile in tempo reale:

2
quante medie mobili di ordine cinque si possono calcolare:

4
La probabilità massima con cui accettiamo di rischiare l'errore di prima
Cosa indica il livello di significatività:
specie
La stima attraverso la quale si giunge alla determinazione di un

Cosa si intende per stima intervallare:
intervallo, che include il parametro stimato, con livello di confidenza 1-

lOMoARcPSD|4684147
Statistica 2020
La stima attraverso la quale si giunge alla determinazione di un solo

Cosa si intende per stima puntuale:
valore numerico per uno o più parametri della popolazione
E' l'attitudine di un fenomeno quantitativo ad assumere differente
Cosa si intende variabilità:
modalità
Ortogramma e diagramma circolare
qualitativi:
L'istogramma e box-plot
quantitativi:
Costruendo i numeri indice della serie storica del fatturato per due
Capire quale delle due unità presenta un andamento migliore
aziende, vogliamo in particolare:
D D
0,1
probabilità di ottenere un asso:
0,25
probabilità di ottenere una carta di bastoni:
Da un mazzo di carte viene estratta una carta. Calcolare la probabilità
12 / 40
di ottenere una figura:
Da una partita di bulloni metallici è stato estratto un campione di

n=100 elementi e se ne sono trovati 20 difettosi. Costruire un IC=[0,1216;0,2784]
intervallo di confidenza al 95% per la proporzione p dei pezzi difettosi:

voglia estrarre, con ripetizione, un campione casuale di numerosità 2. 16 possibi campioni
Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si
Data una serie di valori numerici, il valore a cui corrisponde la
Moda
massima frequenza si chiama:
Date coppie di valori X e Y, l’equazione di regressione può essere
considerata
Sola, e ben definita, tra le infinite rette che si possono tracciare tra i
Date coppie di valori X e Y, la retta di regressione è una:
punti di un diagramma a dispersione
quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2, il coefficiente di 0,9650
quinta km/litro): 29.8, 24.2, 20, 18.2, 16,2. Determinare l'equazione y^= 39,882-0,1857xi
della retta:
Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in
-577.6
quinta km/litro): 28.8, 24.2,20,18.2,16. La codevianza (X,Y) è:
Se entrambi sono non distorti, il confronto tra i due stimatori in termini

Dati due stimatori T1 e T2 di uno stesso parametro:
di efficienza può essere effettuato solo sulla base della varianza
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B: A∪B={1,2,3,4}

A∪B∪C={1,3,5,7,9,10}
Determinare A ∪ B ∪ C:

lOMoARcPSD|4684147
Statistica 2020

A∩B={3,5}
Determinare A∩B:
A∩B∩C={5}
Determinare A∩B∩C:
A∩C={1,5}
Determinare A∩C:
B∩C={5,9,10}
Determinare B∩C:
estrazioni con reimmissione un re alla prima estrazione e una carta di 1\40
coppe alla seconda:
2\100
estrazioni con reimmissione un re e un asso:
8\40
probabilità di ottenere un fante o un re:
32\40
probabilità di ottenere una figura o una carta inferiore a 6:
0.2
reimmissione, quale è la probabilità di ottenere almeno un 7 alla
prima estrazione:
14\100
reimmissione, quale è la probabilità di ottenere due punteggi la cui
somma sia 9:
spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a caso un punteggio quale è la 0.7
probabilità di ottenere un numero pari o inferiore a 6:
Dividendo il numero delle morti e delle nascite in una comunità
Correlazione spuria se l’andamento della popolazione non è correlato
durante un periodo di tempo rispettivamente per la quantità della
col numero di nati e morti
popolazione media dello stesso periodo si può ottenere:
Dividendo il numero delle morti in una comunità durante un periodo di
tempo e la quantità della popolazione media dello stesso periodo si Coefficiente di mortalità
ottiene:
Dividendo il numero delle nascite in una comunità durante un periodo
di tempo e la quantità della popolazione media dello stesso periodo si Coefficiente di natalità
ottiene:
Due punti C e D, distano 80 km, un corpo si muove da C a D alla

velocità di 80 km/h e da D a C alla velocità di 20 km/h. Determinare 32km/h
la velocità media dell'intero tragitto:
E E
16

lOMoARcPSD|4684147
Statistica 2020

25
(r-1)(c-1)
tabella di contingenza, i gradi di libertà corrispondono:
I I
Le variazioni dei livelli della variabile nel tempo con riferimento ad
I numeri indice comparano:
una base
Superiori a 100 se il livello della variabile tende a crescere rispetto
I numeri indice sono:
all’anno base
I simboli e S si riferiscono alla media ed allo scarto quadratico medio
Campione
del:
I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio
Popolazione
del:
I Voti riportati da uno studente in fisica, statistica e matematica sono:
71, 78, 89 (voti in centesimi). I pesi attribuiti alle discipline sono 82
rispettivamente 2, 4, 5. Calcolare la media dei voti:
Sulla variabilità, sulla presenza di valori anomale e sulla
Il box plot fornisce informazioni:

Caratterizzato dalla selezione di un elemento ogni k elementi
Il campionamento sistematico è:
successivi
0.58
X ed Y, dove quest’ultima è la variabile dipendente, il coefficiente di
0.58
comune sarà pari a:

lOMoARcPSD|4684147
Statistica 2020

0.42
residua sarà pari a:
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi
saturi assunte” ed Y= ”speranza di vita” è pari ad -1. Considerando
1
una relazione lineare tra X ed Y, dove X è la variabile dipendente ed Y
quella indipendente, il coefficiente di determinazione sarà pari a:
Il coefficiente di correlazione r di Pearson può essere usato per
Tra variabili misurate su scale a intervalli o a rapporti equivalenti
calcolare la correlazione:
Il coefficiente di variazione è dato dal rapporto, espresso in termini
Lo scarto quadratico medio e media aritmetica
percentuali, tra:
Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al
minuto possono entrambi essere definiti:
Quel valore che lascia alla sua destra il 75% delle osservazione e alla
Il primo quartile:
Mediante il rapporto tra la frequenza di una modalità rispetto a quella
Il rapporto statistico di coesistenza si ottiene:
corrispondente di un’altra modalità
Dividendo il valore rilevato in una data circostanza per l’analogo
Il rapporto statistico di composizione si ottiene:
Mediante il rapporto tra la dimensione globale di un fenomeno e
Il rapporto statistico di densità si ottiene:
quella spaziale a cui esso fa riferimento
Afferma che al crescere di n la forma della distribuzione della media
Il teorema del limite centrale:
campionaria si approssima alla forma normale
Il valore dell’anno con numero indice pari a 100 nella serie storica
osservata è:


lOMoARcPSD|4684147
Statistica 2020

3.5
test di profitto (da 0 a 100). Viene utilizzato il punteggio al test
r2=0,74; se=3,5. Indicare di quanti punti è l’errore medio di
previsione:
test di profitto (da 0 a 100). Viene utilizzato il punteggio al test 3, coefficiente di regressione
r2=0,74; se=3,5. Indicare per ogni risposta corretta al test attitudinale
di quanti punti aumenta il punteggio al test di profitto e come si
chiama questo parametro:
l’apprendimento dell’inglese per ogni ragazzo con un test di profitto Attitudine all’Inglese
Indicare quale è la variabile indipendente:

10
Indicare quale punteggio dovrebbe ottenere al test di profitto un
ragazzo che sbaglia tutte le domande al test attitudinale:

2
Per ogni risposta corretta in più al test attitudinale indicare di
quanti punti aumenta il punteggio al test di profitto:

lOMoARcPSD|4684147
Statistica 2020
In una tabella doppia se entrambi le variabili sono qualitative, si parla

di:
In una tabella doppia se entrambi le variabili sono quantitative, si
Tabella di correlazione
parla di:
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i
3\5
bimestri con temperatura media superiore a 20°:
L L
l rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un
Non esiste
paese determinato:
Dividendo la modalità di un fenomeno per quella corrispondente di un
l rapporto statistico di derivazione si ottiene: altro che, sul piano logico e/o temporale, ne costituisce causa o
presupposto logico
I valori del caratteri sono distributi con frequenze differenti attorno al
L'asimmetria di una distribuzione denota che:
suo valore centrale
Come differenza tra la media aritmetica e la moda divisa la
L'indice di asimmetria Skewness di Pearson è calcolato:
deviazione standard
I parametri caratteristici di una particolare distribuzione di cui si
L'ipotesi parametrica riguarda:
conosce la forma analitica
Dedurre le caratteristiche dell’intera popolazione a partire da dati
L’Inferenza ha lo scopo di:
raccolti
L'aumento prolungato del livello medio generale dei prezzi di beni e
L’inflazione è:
Il grado della relazione tra variabili, e per mezzo di essa si cerca di

La correlazione indica: determinare quanto bene un’equazione lineare o un’altra equazione
qualsiasi descrivano o spieghino tale relazione tra variabili.
A differenza della regressione, non richiede di stabilire quale variabile

La correlazione:

lOMoARcPSD|4684147
Statistica 2020
Il grado di schiacciamento di una distribuzione intorno al suo centro di

La curtosi rappresenta:
gravità e rispetto alla curva normale
Definita da un’equazione particolare che permette di calcolare, data
La curva normale a differenza delle altre curve è:
Essere definita da un’equazione particolare che permette di calcolare,
La curva normale è caratterizzata da:
data un’ordinata, porzioni di area sottese alla curva stessa

Può essere utilizzata per descrivere casi in cui gli esiti possibili di una
La distribuzione binomiale:
prova sono solo due
E’ una funzione teorica espressa con regole matematiche relative a

La distribuzione di probabilità di z è costruita:
un insieme infinito di dati
La formula per calcolare il numero indice tra l’anno t e t-1 per la
Il segno eguale
variabile X in Excel è preceduta da:
La funzione di densità di probabilità della distribuzione Normale è
Si avvicina all’asse delle ascisse senza mai toccarla
asintotica di X verso -∞ e +∞, cioè:
La funzione che associa a ciascun valore x la probabilità dell‘evento
La funzione di ripartizione di una variabile casuale X a valori reali è:
“la variabile casuale X assume valori minori o uguali ad x”
Esprime la probabilità che la variabile casuale assuma valori inferiori o
La funzione di ripartizione di una variabile casuale:
uguali ad un valore fissato
Calcolare il valore stimato al tempo t in relazione ad una funzione di
La funzione TENDENZA in Excel serve per:
regressione y*

lOMoARcPSD|4684147
Statistica 2020
La categoria o il punteggio al di sopra e al di sotto del quale cade un
La mediana è:
L'attitudine di un fenomeno qualitativo ad assumere differente
La mutabilità è:
modalità
La probabilità che si verifichi un evento può assumere valori Tra 0 ed 1
La probabilità del verificarsi di due eventi che si escludono a vicenda è
data dal:
La probabilità dell'unione di due eventi A e B non incompatibili: P(A∪B)= P(A)+P(B)-P(A∩B)
La proporzione di varianza comune a X e Y è espressa da r2xy che è
denominato:
La proporzione di varianza comune a X e Y è espressa da r2xy che
esprime:
E' basata sulla comparazione tra le variabili ed i rispettivi indici di
La proprietà di monotonicità degli indici di tendenza centrale:
posizione
E' basata sulla relazione di linearità tra le variabili ed i rispettivi indici
La proprietà lineare degli indici di tendenza centrale:
di posizione
La quantità espressa da 1-r2xy con r2xy che indica la proporzione
Varianza residua
di varianza comune a X e Y è denominata:
La rappresentazione grafica che si sviluppa attraverso una
Diagramma circolare
circonferenza suddivisa in tanti spicchi, viene chiamata:
La rappresentazione grafica di distribuzioni di frequenze che si
Istogramma
sviluppa attraverso una serie di rettangoli contigui viene chiamata:
significativo
significativo
La media dei tempi di reazione dei maschi è uguale a quella delle
femmine
C’è una relazione significativa tra reddito delle persone e livello di
istruzione
La seguente ipotesi: “C’è una minore astensione dal lavoro nel
reparto A rispetto al reparto B di una fabbrica” è:
Bidirezionale
gruppi di individui è significativamente diverso” è:

lOMoARcPSD|4684147
Statistica 2020

gruppi di individui è significativamente diverso” ha il seguente segno ±
del valore critico:
La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni
dipinti storici impiegato dagli studenti è inferiore a 20 secondi” è:
La seguente ipotesi: “La media della popolazione da cui deriva un
Bidirezionale
certo campione non è 200”
La seguente ipotesi: “La probabilità di ottenere croce lanciando una
certa moneta è superiore a 0,5” è:
con il numero 4 di un dado, e vince un numero elevato di volte. Monodirezionale destra
Sospettiamo che il dado sia truccato” è:
con il numero 4 di un dado, e vince un numero elevato di volte.
1\6
Sospettiamo che il dado sia truccato”. La probabilità sotto l’ipotesi
La somma delle contingenze di ciascuna riga e di ciascuna colonna
Nulle
sono:
La somma delle probabilità di eventi che si escludono a vicenda ed
Uguale ad 1
esaustivi è:
La sommatoria di tutte le frequenze relative di una tabella di
1
frequenza è pari a:
Organizzare, riassumere, analizzare i dati relativi ad un fenomeno,
La statistica ci offre gli strumenti per:
ottenuti attraverso le misurazioni.
Non è opportuno definire la stima del parametro nel campione, ma
La stima del parametro nel campione è:
nella popolazione
Al tendere di n all'infinito la v.c t di student tende alla normale
La variabile casuale t di student:
standardizzata
La misura sintetica di quanto le unità differiscono dalla media
La varianza fornisce:
aritmetica
La variazione congiunturale riguarda in statistica-economica il
Il mese precedente
confronto con:
La variazione tendenziale riguarda in statistica-economica il confronto
L’anno precedente
con:
Consiste nel formulare, sulla base di dati campionari, un giudizio che
La verifica delle ipotesi: induca ad accettare o rifiutare l'ipotesi nulla, con un prefissato livello
di significatività

lOMoARcPSD|4684147
Statistica 2020
Si ottengono dal rapporto tra la frequenza di una classe e l'ampiezza

Le densità di frequenza di un istogramma:
Definizione degli obiettivi della ricerca; Rilevazione dei dati;
Le fasi di una indagine statistica si conviene siano le seguenti: Elaborazione metodologica; Presentazione ed interpretazione dei
risultati; Utilizzazione dei risultati raggiunti.
Il rapporto tra ciascuna frequenza ed il totale delle frequenze e
Le frequenze percentuali di una distribuzione si calcolano facendo:
moltiplicando per 100 il risultato
Si tratta due ipotesi alternative complementari e logicamente
Le ipotesi statistiche:
escludentisi
Sintetizzare in un singolo valore numerico l’intera distribuzione di
Le misure di posizione hanno l’obiettivo di: frequenza per effettuare confronti nel tempo, nello spazio o tra
circostanze differenti
Lo scostamento quadratico medio riguarda:
valore assoluto
N N
Il numero indice dei prezzi del mese m-1 dell\'anno a ed al
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è:
Il numero indice dei prezzi del mese m dell\'anno a-1 ed al
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è:
Nel modello di regressione lineare semplice per verificare l'ipotesi
H0:β1=0 contro H0:β1 ≠ 0 si può utilizzate la quantità F che è una v.c Con 1 e n-2 gradi di libertà
F di Fischer -Snedecor con :
Ipotesi sulla variabile esplicativa
ipotesi è definita ipotesi debole:
Ipotesi di normalità
ipotesi è definita ipotesi forte:
Nel prodotto logico con operando A=VERO ed operando B=FALSO, il

F
totale sarà:
Nel prodotto logico con operando A=VERO ed operando B=VERO, il
V
totale sarà:
R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono
Nella correlazione spuria, si rileva che:
legate da un rapporto serio di causalità
Rappresenta la distanza tra il punto zero (origine) dell’asse delle
Nella retta di regressione Y’=aY+bYX il termine ay:
ascisse e il punto in cui la retta taglia l’asse delle ordinate
Nella serie (10,100,200,350,500,600) le medie mobili senza cifre
103, 217, 350, 483
decimali di ordine 3 sono:
(100,200,350,500,600) le medie mobili di ordine 3 con 2 cifre decimali 216.67; 350.00; 483.33
sono:
232 e 350
valori(10,100,200,350,500,600) le medie mobili di ordine 5 sono:

lOMoARcPSD|4684147
Statistica 2020
Nella somma logica con operando A=0 ed operando B=0, il totale

0
sarà:
Nella somma logica con operando A=1 ed operando B=1, il totale sarà 1
Indicativi del fatto che il campione è un sottoinsieme della
Nella teoria statistica i termini popolazione e campione sono:
popolazione
Non è una scala di misura delle manifestazioni di un carattere
La scala semilogaritmica
statistico:
P P
bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23, 32, 21, Una modalità del carattere
15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24
riportato nella prima riga della tabella rappresenta:
4\10
15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della
media pari a 17 gradi è:
Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità,
P(Ω)=1
l'evento certo Ω ha probabilità:
La distribuzione t di student
popolazione normale con varianza non nota (n
La distribuzione normale standardizzata
popolazione normale con varianza nota, si utilizza:
Per rappresentare graficamente la forma della relazione tra due
Il diagramma a dispersione
variabili X ed Y si utilizza:
Per trovare l'intervallo di confidenza per la media di una popolazione
normale, si utilizza la t di student, anziché la normale standardizzata La varianza della popolazione non è nota
perché:
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più
alto in corrispondenza di Xi = µ, ciò comporta che media, mediana e Coincidano
moda:
Ponendo ed H1 monodirezionale destra, indicare quando è possibile
rifiutare l’ipotesi nulla; ciò accade nel caso in cui il risultato del test Il 4% dei casi
effettuato lasci alla sua destra:
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -

Coincidono
Prova anche a realizzare in excel i grafici che seguono. Quando rxy =

Coincidono
+1, le due rette di regressione Y’=ay+byX e X’= ax+bxY sono:
Prova anche a realizzare in Excel i grafici che seguono. Quando rxy =

Perpendicolari tra loro

lOMoARcPSD|4684147
Statistica 2020
Q Q
Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta
0.05
l’ipotesi nulla avendo scelto un livello di significatività del 5%:
Quando al diminuire dei valori di X corrisponde il diminuire dei valori di

Y si ha:
Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i
Differiscono
Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i
Differiscono
Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed
Coincidono
Y’:
Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed
Coincidono
Y’:
Lo schema di campiomento con ripetizione coincide con lo schema di
Quando la popolazione è infinita:
Quando parliamo di matrice dei dati, relativamente al numero di
Il numero di colonne dipende dai caratteri osservati
colonne possiamo dire che...
Quando si calcolano le frequenze cumulate percentuali, l'ultimo
100
valore che si ottiene, cioè il più elevato, è:
Quanto dovrebbe essere grande un campione per avere un intervallo
di confidenza al 95% per il contenuto medio di nicotina di una data
marca di sigarette, se il contenuto di nicotina ha una distribuzione n=31
normale con σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6
mg:
R R
S S
Riposta =MEDIA.GEOMETRICA
98,8
94,8
101,2
102,2
101,2

lOMoARcPSD|4684147
Statistica 2020

Se la popolazione non è normale per il teorema del limite centrale,
quando n>30, si può costruire l'intervallo di confidenza:
Se si effettua una estrazione senza reimmissione la probabilità di
Viene modificata
estrarre un altro elemento:
Può assumere solo due valori, indipendentemente dalla probabilità di

Se una variabile è dicotomica:
Se X è la variabile indipendenre e Y quella dipendente, considerando
Valore predetto
l’equazione di regressione è corretto definire Y’ come:
Se X è la variabile indipendente e Y quella dipendente, considerando
Predittore
l’equazione di regressione è corretto definire X come:
Si commette un errore di seconda specie: 12
5\6
lancio di un dado. Calcolare la probabilità di insuccesso in un lancio:
1\6
lancio di un dado. Calcolare la probabilità di successo in un lancio:
Si consideri la popolazione di 20 unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare quale indice di Media aritmetica
Si consideri la popolazione di unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale Moda
indice di posizione appare rappresentativo dell'intera distribuzione:
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9,
9,10,11,2500}. Indicare quale indice di posizione appare Moda
Si consideri la seguente distribuzione in classi: Calcolare il primo
55.97
quartile:
Si consideri la seguente distribuzione in classi: Calcolare il terzo
69
quartile:
Si consideri la seguente distribuzione in classi: la classe mediana 58-62
Si effettuano 60 misurazioni sperimentali da cui si evince una media
campionaria uguale a 33. Costruire un intervallo di confidenza al 90%
IC=[30,723; 35,277]
per la media della popolazione, la quale si distribuisce normalmente
con varianza pari a 115:
Ai valori più piccoli di una delle due variabili corrispondono
Si ha discordanza tra caratteri se: generalmente i più grandi dell’altra, e se ai valori più grandi
corrispondono in genere i più piccoli;
Si ha indipendenza in media tra due variabili statistiche se: Le media parziali sono uguali tra di loro ed uguali alla media generale

lOMoARcPSD|4684147
Statistica 2020

pazienti e che 1000 siano risultati sensibili ad un determinato
Non si può sapere
farmaco. Indicare quale è la proporzione nella popolazione di persone
sensibili al farmaco:

0,23 e 0,27
Con un grado di fiducia del 95%, stimiamo che la proporzione della
popolazione sensibile al farmaco deve essere compresa tra:

0.75
Indicare quale è la proporzione campionaria di persone non sensibili al
farmaco:
0.25
Indicare quale è la proporzione campionaria di persone sensibili al
farmaco:
Si supponga di avere la seguente distribuzione di 10 individui secondo
la nazionalità: Italiani n.3, Francesi n.4, Spagnoli n.3. La caratteristica Nominale
Si vuole conoscere la proporzione di pezzi difettosi prodotti da una
macchina. Determinare la numerosità campionaria necessaria
n=751,67
affinchè la vera proporzione cada in un intervallo al 90%, tollerando
un errore non superiore al 3%:
Sia data una v.c X, se essa assume valori in corrispondenza di un
Discreta
insieme numerabile allora X è:
Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce
come:
Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un
certo intervallo di tempo, sia di 3,42 gr con varianza campionaria
IC=[2,92;3,92]
corretta pari a 0,4624. Costruire un intervallo di confidenza al 99% per
la media della popolazione di peso dei pezzi di metallo:
T T
di abilità matematica (numero di risposte corrette in entrambi i casi) si Le persone con punteggi bassi in matematica hanno buone
calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla prestazioni in letteratura inglese
di abilità matematica (numero di risposte corrette in entrambi i casi) si Le persone molto brave in matematica risultano molto abili anche in
calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla letteratura

lOMoARcPSD|4684147
Statistica 2020
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione

lineare, sapendo che il coefficiente di correlazione è uguale a 0.76, il 0.58
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non
Non è possibile calcolarlo con i dati a disposizione che non sono
lineare, sapendo che il coefficiente di determinazione è uguale a -1, il
corretti
U U
Un intervallo di valori che si ritiene contenga il vero parametro della
Un intervallo di confidenza è:
popolazione con una prestabilita "fiducia"
Un affermazione sulla distribuzione di probabilità di una variabile
Un ipotesi statistica è:
casuale
Un test fornisce punteggi compresi tra 0 e 120. La media del test,
Sicuramente sbagliato
calcolata su un campione, risulta 142,9. Il risultato è:
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La
mediana del test, calcolata da un ricercatore su un campione, risulta 120
142,9. Il punteggio massimo ottenibile è:
Altri fattori variabili, che rappresentano circostanze comuni
Un tipico caso di correlazione non reale comporta che:
,influiscono su quelli presi in considerazione
L'insieme delle coppie probabilità dei diversi valori possibili della
Una distribuzione di probabilità di una variabile casuale:
variabile casuale
Una partita di pistoncini di freni presenta un diametroμ incognito; la
varianza del diametro dei pistoncini è invece nota e pari 0,01 cm. Si
estrae un campione di n=1000 pistoncini, sui quali si osserva un IC=[1,1938;1,2062]
diametro medio pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ
ad un livello di confidenza del 95%:
Una quantità che è funzione delle osservazione e del parametro del

Una quantità pivotale è: quale si vuole costruire l'intervallo di confidenza, con la caratteristica
che la sua distribuzione è nota e non dipende dal parametro in esame
Dalle osservazioni dei dati quantitativi nel tempo, si possono avere
Una serie storica è costituita:
serie mensili, giornaliere, annuali
La frequenza assoluta, cioè quante volte una coppia di modalità si
Una tabella a doppia entrata registra:
presenta contemporaneamente per X e per Y
Una variabilità pari al valore 65 in luogo del valore 80, ottenuta Può aumentare le capacità descrittive e previsive del modello
eliminando i valori outlier: statistico

lOMoARcPSD|4684147
Statistica 2020
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta Indica che è stato commesso qualche errore nei calcoli o nel
eliminando i valori outlier: programma
Uno stimatore corretto di σ², con le ipotesi di varianza costante e
dell'indipendenza degli errori è il MSE* = SSE*/n-2, il cui valore atteso E(MSE*)= σ2
è:
Uno stimatore corretto è più efficiente di un altro stimatore corretto
Se presenta varianza inferiore
del parametro"teta"non noto se:
È tale che il suo valore medio coincide con il valore del parametro da
Uno stimatore corretto:
stimare
Al crescere della numerosità campionaria, tende a concentrarsi sul
Uno stimatore si dice consistente:
Utilizzando la tavola della curva normale standardizzata si Nella colonna di sinistra con una cifra decimale; la seconda cifra
individueranno i punti z: decimale è situata nella prima riga in alto della stessa tavola
V V
Valori estremi, cioè posizionati verso le code di una distribuzione di
Inferiore rispetto ai valori centrali
probabilità, hanno una probabilità di verificarsi per caso:
Vengono prelevate 15 compresse da un lotto di produzione, i valori
sono: 0,485; 0,442; 0,466; 0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0.4415
0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso medio:

lOMoARcPSD|4684147

lOMoARcPSD|4684147

STATISTICA
1. La statistica ci offre gli strumenti per: ORGANIZZARE, RIASSUMERE, ANALIZZARE I DATI RELATIVI
AD UN FENOMENO, OTTENUTI ATTRAVERSO LE MISURAZIONI.
2. L’Inferenza ha lo scopo di: DEDURRE LE CARATTERISTICHE DELL’INTERA POPOLAZIONE A PARTIRE
DA DATI RACCOLTI
3. La statistica descrittiva: ORGANIZZA E RIASSUME I DATI
4. La popolazione è: L’ UNIVERSO DI ELEMENTI CHE FORMA L’ OGGETTO DI UNO STUDIO
STATISTICO
5. Il campione è: UN SOTTOINSIEME DELLA POPOLAZIONE
6. Un campione rappresentativo è: CASUALE
7. Il campionamento sistematico è: CARATTERIZZATO DALLA SELEZIONE DI UN ELEMENTO OGNI K
ELEMENTI SUCCESSIVI
8. Il campionamento stratificato è: CARATTERIZZATO DA POPOLAZIONE DIVISA IN SOTTOGRUPPI
OMOGENEI
9. Il campionamento a blocchi è: CARATTERIZZATO DA CLUSTER
10. La statistica permette di ragionare: FACENDO DEDUZIONI ED INDUZIONI
11. Le fasi di una indagine statistica si conviene siano le seguenti: DEFINIZIONE DEGLI OBIETTIVI
DELLA RICERCA; RILEVAZIONE DEI DATI; ELABORAZIONE METODOLOGICA; PRESENTAZIONE ED
INTERPRETAZIONE DEI RISULTATI; UTILIZZAZIONE DEI RISULTATI RAGGIUNTI.
12. L’indagine statistica può essere: CAMPIONARIA O DI TIPO CENSUARIO
13. La statistica induttiva: FA INFERENZA
14. La mutabile è: UN CARATTERE QUALITATIVO
15. Il numero di lanci di una moneta è una: VARIABILE DISCRETA
16. Il reddito pro-capite è una: VARIABILE CONTINUA
17. Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi di
interesse nell’Euro Area: X È LA VARIABILE INDIPENDENTE
18. Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di
relazione: Y = 10; LA RELAZIONE È LINEARE
19. Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di
relazione: Y = 100; LA RELAZIONE È NON LINEARE
20. La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a: 1
21. Che cosa è l'unità statitistica: L'UNITA ELEMENTARE OGGETTO DI OSSERVAZIONE E DI STUDIO
22. La popolazione è finita: QUANDO È DETERMINABILE IL NUMERO DI UNITÀ CHE COMPONGONO
23. Il lancio di una monetà è un esempio di: POPOLAZIONE INFINITA
24. Il carattere sesso è: CARATTERE QUALITATIVO SCONNESSO
25. Il carattere età è: UN CARATTERE CONTINUO
26. Il carattere titolo di studio è: UN CARATTERE QUALITATIVO RETTILINEO
27. Il carattere stato civile è: CARATTERE QUALITATIVO SCONNESSO
28. Il carattere numero di figli è: CARATTERE DISCRETO
29. Il carattere professione è: UN CARATTERE QUALITATIVO SCONNESSO
30. Non è una scala di misura delle manifestazioni di un carattere statistico: LA SCALA
SEMILOGARITMICA
31. La frequenza assoluta è: IL NUMERO DELLE VOLTE NI IN CUI LA MODALITÀ XI È STATA
OSSERVATA
32. La frequenza relativa è uguale: NI/N
33. In una distribuzione statistica, la somma delle frequenze relative: È SEMPRE UGUALE A 1
34. Una classe è aperta: SE ENTRAMBI GLI ESTREMI SONO ESCLUSI
35. Una classe è chiusa: SE ENTRAMBI GLI ESTREMI SONO INCLUSI
36. L'ampiezza della classe è: LA DIFFERENZA TRA ESTREMO SUPERIORE E ESTREMO INFERIORE
DELLA CLASSE
37. La classe è chiusa a sinistra se: SOLO L'ESTREMO SINISTRO È INCLUSO
38. Il valore centrale è: LA SEMISOMMA DEI DUE ESTREMI
39. In una tabella doppia se entrambi le variabili sono qualitative, si parla di: TABELLA DI
CONTINGENZA
40. In una tabella doppia se entrambi le variabili sono quantitative, si parla di: TABELLA DI
CORRELAZIONE
41. La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una serie di
rettangoli contigui viene chiamata: ISTOGRAMMA
42. Le densità di frequenza di un istogramma: SI OTTENGONO DAL RAPPORTO TRA LA FREQUENZA DI
43. Come viene classificato l'ortogramma: SIA A NASTRO SIA A COLONNE
44. Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi: L'ISTOGRAMMA E BOX-
PLOT
45. La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in tanti spicchi,
viene chiamata: DIAGRAMMA CIRCOLARE
46. Per la costruzione di un box plot si utilizzano i seguenti valori: XMIN Q1 MED Q3 XMAX
47. Il box plot, rappresentato tramite un rettagolo, è diviso al suo interno: DALLA MEDIANA
48. Il box plot fornisce informazioni: SULLA VARIABILITÀ, SULLA PRESENZA DI VALORI ANOMALE E
SULLA SIMMETRIA/ASIMMETRIA DELLA DISTRIBUZIONE
49. All'interno del rettangolo (box plot) sono contenute: IL 50% DELLE OSSERVAZIONI
50. Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi: ORTOGRAMMA E
DIAGRAMMA CIRCOLARE
51. Tra due variabili vi è indipendenza assoluta se: LE FREQUENZE OSSERVATE SONO UGUALI ALLE
FREQUENZE TEORICHE
52. Si chiama contingenza: LA DIFFERENZA TRA FREQUENZE OSSERVATE E FREQUENZE TEORICHE
53. La somma delle contingenze di ciascuna riga e di ciascuna colonna sono: NULLE
54. L'indice chi-quadrato di Pearson (χ2) : DIPENDE DALLA DIMENSIONE DEL COLLETTIVO
55. Se si raddoppia la numerosità campionaria, il valore del chi-quadrato: RADDOPPIA
56. Il max χ2 è uguale: N X [MIN (R-1; C-1)]
57. L'indice di contingenza quadratica medio φ2è uguale: Χ²/N
58. L'indice di connessione di Cramer varia: TRA ZERO E UNO
59. Indice chi-quadrato è un indice: SIMMETRICO
60. Quali di questi indici è relativo: L'INDICE DI CONNESSIONE DI CRAMER
61. Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442; 0,466;
0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso
medio: 0.4415
62. Consideriamo i seguenti dati: classe 10-20 con frequenza 5; classe 20-30 con frequenza 8; classe
㺞-40 con frequenza 12; classe 40-50 con frequenza 9; classe 50-60 con frequenza 3. Calcolare la
media aritmetica: 34.19
63. La media geometrica è uguale: ALLA RADICE N-ESIMA DEL PRODOTTO DEI TERMINI
64. Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12: 6.43
65. Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto: 1,103 1,031
0,939 1,097: 1.04
66. I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in centesimi).
I pesi attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media dei voti: 82
67. La media armonica è: IL RECIPROCO DELLA MEDIA ARITMETICA DEI RECIPROCI DEI TERMINI
68. Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da D a C alla
velocità di 20 km/h. Determinare la velocità media dell'intero tragitto: 32KM/H
69. La media armonica è particolarmente usata: QUANDO SI MEDIANO RAPPORTI DI TEMPO
70. La media geometrica è particolarmente usata: QUANDO I DIVERSI VALORI VENGONO PER LORO
NATURA MOLTIPLICATI
71. Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28: 22
72. Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7: 0
73. Il secondo quartile coincide con: LA MEDIANA
74. Si consideri la seguente distribuzione in classi:
pesi frequenze
75. la classe mediana: 58-62

76. Con riferimento alla domanda 4 la mediana: 61.52
77. Il primo quartile: QUEL VALORE CHE LASCIA ALLA SUA DESTRA IL 75% DELLE OSSERVAZIONE E
ALLA SUA SINISTRA IL 25% DELLE OSSERVAZIONI
pesi frequenze
Calcolare il primo quartile: 55.97

pesi frequenze
Calcolare il terzo quartile: 69
80. Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si chiama:
MODA
81. Cosa si intende variabilità: E' L'ATTITUDINE DI UN FENOMENO QUANTITATIVO AD ASSUMERE
DIFFERENTE MODALITÀ
82. Quale dei seguenti indici indica la variabilità di una serie dei dati: SCARTO QUADRATICO MEDIO
83. La devianza è: LA SOMMA DEGLI SCARTI DALLA MEDIA ARITMETICA AL QUADRATO
84. Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando: LA RADICE QUADRATA
DEL RAPPORTO TRA DEVIANZA E NUMEROSITÀ DEL COLLETTIVO
85. Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5: 23,75
86. Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5: 4,87
87. Il coefficiente di variazione è dato dal rapporto, espresso in termini percentuali, tra: LO SCARTO
QUADRATICO MEDIO E MEDIA ARITMETICA
88. La differenza interquartile è data dalla: TRA TERZO E PRIMO QUARTILE
89. Il campo di variazione è dato dalla: DIFFERENZA TRA VALORE MASSIMO E MINIMO DELLA
DISTRIBUZIONE
90. La mutabilità è: L'ATTITUDINE DI UN FENOMENO QUALITATIVO AD ASSUMERE DIFFERENTE
MODALITÀ
91. Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21: NON È SIMMETRICA
92. L'asimmetria di una distribuzione denota che: I VALORI DEL CARATTERI SONO DISTRIBUTI CON
FREQUENZE DIFFERENTI ATTORNO AL SUO VALORE CENTRALE
93. L'asimmetria di una distribuzione può essere: NULLA, POSITIVA O NEGATIVA
94. Se la distribuzione è asimmetria positiva si ha: MED-Q1 < Q3-MED
95. Se la distribuzione è asimmetria negativa si ha: MED-Q1 > Q3-MED
96. L'indice di asimmetria Skewness di Pearson è calcolato: COME DIFFERENZA TRA LA MEDIA
ARITMETICA E LA MODA DIVISA LA DEVIAZIONE STANDARD
97. La curtosi rappresenta: IL GRADO DI SCHIACCIAMENTO DI UNA DISTRIBUZIONE INTORNO AL SUO
CENTRO DI GRAVITÀ E RISPETTO ALLA CURVA NORMALE
98. La distribuzione si dice platicurtica se: E' PIÙ SCHIACCIATA RISPETTO ALLA NORMALE
99. La distribuzione si dice leptocurtica se: E' PIÙ APPUNTITA RISPETTO ALLA NORMALE
100. Il coefficiente di curtosi di Pearson è uguale: MOMENTO QUARTO/QUADRATO DELLA
VARIANZA
101. Si ha indipendenza in media tra due variabili statistiche se: LE MEDIA PARZIALI SONO
UGUALI TRA DI LORO ED UGUALI ALLA MEDIA GENERALE
102. L'indipendenza in media: NON È UN CONCETTO SIMMETRICO
103. Il rapporto di correlazione di Pearson varia: TRA 0 E 1
104. Si ha concordanza tra due variabili se: COD(X,Y)>0
105. Si ha discordanza tra due variabili se: COD(X,Y)<0
106. Si ha indipendenza correlativa tra due variabili se: COD (X,Y)=0
107. Due variabili si dicono perfettamente correlate se: IL COEFFICIENTE DI CORRELAZIONE È
PARI A 1 IN VALORE ASSOLUTO
108. Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro): 28.8,
24.2,20,18.2,16. La codevianza (X,Y) è: -577.6
109. La covarianza (X,Y): E' UNA MISURA SIMMETRICA
110. Il coefficiente di correlazione: E' UN NUMERO PURO
111. Il coefficiente angolare bi rappresenta: LA PENDENZA DELLA RETTA
112. Con il metodo dei minimi quadrati: SI MINIMIZZA LA SOMMA DEI QUADRATI DEGLI SCARTI
113. Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8,
24.2, 20, 18.2, 16,2. Determinare l'equazione della retta: Y^= 39,882-0,1857XI
114. Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8,
24.2, 20, 18.2, 16,2, il coefficiente di determinaziome lineare è: 0,9650
115. Il coefficiente di determinazione lineare è uguale a 1 se è nulla: LA DEVIANZA RESIDUA
116. La devianza di regressione misura: QUANTA PARTE DELLA VARIABILITÀ DELLA Y È
SPIEGATA DALLA RELAZIONE LINEARE
117. Se la Cod (X,Y)>0: LA RETTA DI REGRESSIONE È CRESCENTE
118. Il coefficiente di determinazione lineare è: IL QUADRATO DEL COEFFICIENTE DI
CORRELAZIONE LINEARE
119. Il coefficiente di determinazione lineare è nullo se è nulla: LA DEVIANZA DI REGRESSIONE
120. Se il coefficiente di correlazione r=0: NON C'E CORRELAZIONE LINEARE
121. Un esperimento casuale è: UN'OPERAZIONE IL CUI RISULTATO NON PUÒ ESSERE PREVISTO
CON CERTEZZA
122. Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B: A∪B={1,2,3,4}
123. Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ∪ B ∪ C:
A∪B∪C={1,3,5,7,9,10}
124. Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B: A∩B={3,5}
125. Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C: A∩C={1,5}
126. Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C:
B∩C={5,9,10}
127. Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C:
A∩B∩C={5}
128. Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω ha
probabilità: P(Ω)=1
129. La probabilità dell'unione di due eventi A e B non incompatibili: P(A∪B)= P(A)+P(B)-P(A∩B)
130. Se due eventi A e B sono indipendenti allora: P(A∩B)= P(A)P(B)
131. Una variabile casuale: E' UNA FUNZIONE DEFINITA SULLO SPAZIO DEI CAMPIONI
132. La funzione di ripartizione di una variabile casuale: ESPRIME LA PROBABILITÀ CHE LA
VARIABILE CASUALE ASSUMA VALORI INFERIORI O UGUALI AD UN VALORE FISSATO
133. Una distribuzione di probabilità di una variabile casuale: L'INSIEME DELLE COPPIE
PROBABILITÀ DEI DIVERSI VALORI POSSIBILI DELLA VARIABILE CASUALE
134. La funzione di ripartizione di una variabile casuale discreta: E' UNA FUNZIONI A GRADINI
NON DECRESCENTE
135. Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile allora
X è: DISCRETA
136. Una variabile casuale continua X: ASSUME TUTTI I VALORI APPARTENTI AD UN
INTERVALLO
137. Affinchè una v.c X continua sia ben definità occorre che:
138. Il valore atteso E(b+X) è: (b è una costante reale): E(B+X)=B+E(X)

139. Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali): E(X+Y)= E(X)+E(Y)
140. La Var (aX+b) è: a e b sono due costanti reali: VAR (AX+B)=A²VAR (X)
141. La variabile casuale uniforme discreta: E' TALE CHE OGNI SUA REALIZZAZIONE È
EQUIPROBABILE
142. La distribuzione della normale standardizzata: HA MEDIA UGUALE A 0 E VARIANZA
UGUALE 1
143. La distribuzione binomiale: PUÒ ESSERE UTILIZZATA PER DESCRIVERE CASI IN CUI GLI ESITI
POSSIBILI DI UNA PROVA SONO SOLO DUE
144. La distribuzione normale è: E' SIMMETRICA RISPETTO AL VALOR MEDIO
145. A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2: 0,3849
146. A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,4: 0,4192
147. A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94: 0,1828
148. La variabile casuale chi-quadrato: NON PUÒ ASSUMERE VALORI NEGATIVI
149. La variabile casuale t di student: AL TENDERE DI N ALL'INFINITO LA V.C T DI STUDENT
150. La variabile casuale F di Fisher-Snedecor: HA VALORE ATTESO E(F)= M/(M-2)
151. Nel campionamento bernoulliano: OGNI UNITÀ STATISTICA PUÒ ENTRARE A FAR PARTE
PIÙ VOLTE DEL CAMPIONE
152. Nel campionamento bernoulliano: I RISULTATI DELLE ESTRAZIONI SONO INDIPENDENTI
153. Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre, con
ripetizione, un campione casuale di numerosità 2. Lo spazio campionario è composto da: 25
POSSIBILI CAMPIONI
154. Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con
POSSIBI CAMPIONI
155. Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con
POSSIBILI CAMPIONI
156. Una statistica è: UNA VARIABILE CASUALE DEFINITA SUI CAMPIONI
157. Una distribuzione campionaria è: LA DISTRIBUZIONE DI PROBABILITÀ DI UNA STATISTICA
158. La media della distribuzione della media campionaria: COINCIDE CON LA MEDIA DELLA
POPOLAZIONE
159. Quando la popolazione è infinita: LO SCHEMA DI CAMPIOMENTO CON RIPETIZIONE
COINCIDE CON LO SCHEMA DI CAMPIOMAENTO SENZA RIPETIZIONE
160. Il teorema del limite centrale: AFFERMA CHE AL CRESCERE DI N LA FORMA DELLA
DISTRIBUZIONE DELLA MEDIA CAMPIONARIA SI APPROSSIMA ALLA FORMA NORMALE
161. Cosa si intende per stima puntuale: LA STIMA ATTRAVERSO LA QUALE SI GIUNGE ALLA
DETERMINAZIONE DI UN SOLO VALORE NUMERICO PER UNO O PIÙ PARAMETRI DELLA
POPOLAZIONE
162. Cosa si intende per stima intervallare: LA STIMA ATTRAVERSO LA QUALE SI GIUNGE ALLA
DETERMINAZIONE DI UN INTERVALLO, CHE INCLUDE IL PARAMETRO STIMATO, CON LIVELLO DI
CONFIDENZA 1-
163. Lo stimatore di un parametro: È UNA VARIABILE CASUALE
164. Si definisce stima: IL VALORE ASSUNTO DALLO STIMATORE PER UN DATO CAMPIONE
165. Uno stimatore corretto: È TALE CHE IL SUO VALORE MEDIO COINCIDE CON IL VALORE DEL
PARAMETRO DA STIMARE
166. Se lo stimatore è corretto: EQM=VARIANZA DELLO STIMATORE
167. Lo stimatore varianza campionaria corretta: HA MEDIA PARI AL PARAMETRO DA STIMARE
168. Uno stimatore si dice consistente: AL CRESCERE DELLA NUMEROSITÀ CAMPIONARIA,
169. Uno stimatore corretto è più efficiente di un altro stimatore corretto del parametro "teta"
non noto se: SE PRESENTA VARIANZA INFERIORE
170. 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
171. Un intervallo di confidenza è: UN INTERVALLO DI VALORI CHE SI RITIENE CONTENGA IL
VERO PARAMETRO DELLA POPOLAZIONE CON UNA PRESTABILITA "FIDUCIA"
172. Una quantità pivotale è: UNA QUANTITÀ CHE È FUNZIONE DELLE OSSERVAZIONE E DEL
PARAMETRO DEL QUALE SI VUOLE COSTRUIRE L'INTERVALLO DI CONFIDENZA, CON LA
CARATTERISTICA CHE LA SUA DISTRIBUZIONE È NOTA E NON DIPENDE DAL PARAMETRO IN
ESAME
173. L'ampiezza dell'intervallo è tanta più elavata quanto più: N È PICCOLO
174. Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale
con varianza nota, si utilizza: LA DISTRIBUZIONE NORMALE STANDARDIZZATA
175. Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale
con varianza non nota (n): LA DISTRIBUZIONE T DI STUDENT
176. Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si può
costruire l'intervallo di confidenza: BASATO SULLA DISTRIBUZIONE NORMALE STANDARDIZZATA
177. Per trovare l'intervallo di confidenza per la media di una popolazione normale, si utilizza la t
di student, anziché la normale standardizzata perché: LA VARIANZA DELLA POPOLAZIONE NON È
NOTA
178. Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria uguale a
33. Costruire un intervallo di confidenza al 90% per la media della popolazione, la quale si
distribuisce normalmente con varianza pari a 115: IC=[30,723; 35,277]
179. Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di
tempo, sia di 3,42 gr con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di
confidenza al 99% per la media della popolazione di peso dei pezzi di metallo: IC=[2,92;3,92]
180. Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se ne
sono trovati 20 difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi
difettosi: IC=[0,1216;0,2784]
181. L'ampiezza A dell'intervallo di confidenza per :
182. In riferimento alla domanda 1 la numerosità n è uguale:

183. Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al 95%
per il contenuto medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una
distribuzione normale con σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6 mg: N=31
184. Una partita di pistoncini di freni presenta un diametroμ incognito; la varianza del diametro
dei pistoncini è invece nota e pari 0,01 cm. Si estrae un campione di n=1000 pistoncini, sui quali si
osserva un diametro medio pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ ad un livello di
confidenza del 95%: IC=[1,1938;1,2062]
185. In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo: 0.0124
186.Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze campionarie è:
187. Nel caso di estrazione con ripetizione la deviazione standard delle frequenze campionarie è:
188. L'ampiezza dell'intervallo di confidenza per una proporzione è:
189.Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizionesi ha che:
190. Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina. Determinare
la numerosità campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%,
tollerando un errore non superiore al 3%: N=751,67
191. Un ipotesi statistica è: UN AFFERMAZIONE SULLA DISTRIBUZIONE DI PROBABILITÀ DI UNA
VARIABILE CASUALE
192. La verifica delle ipotesi: CONSISTE NEL FORMULARE, SULLA BASE DI DATI CAMPIONARI,
UN GIUDIZIO CHE INDUCA AD ACCETTARE O RIFIUTARE L'IPOTESI NULLA, CON UN PREFISSATO
193. L'ipotesi parametrica riguarda: I PARAMETRI CARATTERISTICI DI UNA PARTICOLARE
DISTRIBUZIONE DI CUI SI CONOSCE LA FORMA ANALITICA
194. Le ipotesi statistiche: SI TRATTA DUE IPOTESI ALTERNATIVE COMPLEMENTARI E
LOGICAMENTE ESCLUDENTISI
195. L' ipotesi statistica è semplice: SE SI ASSEGNA AL PARAMETRO UN VALORE PUNTALE
196. Si commette un errore di prima specie: NEL RIFIUTARE L'IPOTESI NULLA QUANDO IN
REALTÀ È VERA
197. Si commette un errore di seconda specie: NELL' ACCETTARE L'IPOTESI NULLA QUANDO IN
REALTÀ È FALSA
198. Cosa indica il livello di significatività: LA PROBABILITÀ MASSIMA CON CUI ACCETTIAMO DI
199. La potenza del test è: LA PROBABILITÀ DI RIGETTARE L'IPOTESI NULLA QUANDO È GIUSTO
FARLO
200. Aumentando il livello di significatività: AUMENTA LA POTENZA DEL TEST
201. Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi: contro . La
statistica test da utilizzare è:
202. Sia data una popolazione normale con varianza non nota. Volendo verificare l'ipotesi:
contro . La statistica test da utilizzare è:
203. Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività dello 0,05.
La regione di rifiuto per il test Z è : Z>1,645
204. Si vuole sottoporre a verifica l'ipotesi: contro usando un livello di significatività dello 0,05.
La regione di rifiuto per il test Z è: Z < -1,96 O Z > 1,96
La regione di rifiuto per il test T con 16 gradi di libertà è: T < -2,120 O T > 2,120
La regione di rifiuto per il test T con 16 gradi di libertà è: T > 1,746
La regione di rifiuto per il test Z è: Z < -2,33
La regione di rifiuto per il test T con 18 gradi di libertà è: contro: T <-2,552
La regione di rifiuto per il test T con 17 gradi di libertà è: T > 2,567
La regione di rifiuto per il test Z è: Z <-1,28
211. La verifica dell'ipotesi di indipendenza mira a verificare: L'INDIPENDENZA STOCASTICA
212. Due variabili sono stocasticamente indipendenti se:
213. Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza, i

gradi di libertà corrispondono: (R-1)(C-1)
214. Se il : SI ACCETTA L'IPOTESI DI INDIPENDENZA STOCASTICA
215. Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza

5x5, i gradi di libertà corrispondono: 16
218. Se il : SI RIFIUTA L'IPOTESI DI INDIPENDENZA STOCASTICA
219. Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3 la cui
frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione
approssimativamente: CHI- QUADRATO CON 4 GRADI DI LIBERTÀ
220. Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 4x3 la cui
approssimativamente: CHI- QUADRATO CON 6 GRADI DI LIBERTÀ
221. Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi
forte: IPOTESI DI NORMALITÀ
222. Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi
debole: IPOTESI SULLA VARIABILE ESPLICATIVA
223. L'ipotesi di indipendenza stabilisce che:
224. Con il metodo dei minimi quadrati: SI MINIMIZZA LA SOMMA DEI QUADRATI DEGLI SCARTI
225. Il coefficiente angolare b1 indica: LA PENDENZA DELLA RETTA
226. Il coefficiente angolare b1 è dato: B1= COD. (X,Y)/ DEV(X)
227. Il valore atteso dello stimatore B1 è: E(B1)=Β1
228. La varianza dello stimatore B1 è:
229. Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza degli
errori è il MSE* = SSE*/n-2, il cui valore atteso è: E(MSE*)= Σ2
230. In base al teorema di Gauss Markov, gli stimatori dei minimi quadrati: Sono i più efficienti
231. Per stimare il parametro: MSE*= SSE*/N-2
232. Nel modello di regressione lineare semplice la devianza residua risulta uguale a:
233. Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce come: COME UNA T DI
STUDENT CON N-2 GRADI DI LIBERTÀ
234. Il coefficiente di determinazione lineare è: IL QUADRATO DEL COEFFICIENTE DI
235. Il coefficiente di determinazione lineare varia tra: 0 < R2<1
236. Il coefficiente di determinazione lineare è nullo se è nulla: LA DEVIANZA DI REGRESSIONE
237. Se il coefficiente di correlazione r= 0: NON C'E RELAZIONE LINEARE TRA X E Y

238. In riferimento alla tabella che mostra la decomposizione della devianza totale, il rapporto F
è uguale:
239. Il E(SSR*) è uguale:
240. Nel modello di regressione lineare semplice per verificare l'ipotesi H0:β1=0 contro H0:β1 ≠
0 si può utilizzate la quantità F che è una v.c F di Fischer -Snedecor con : CON 1 E N-2 GRADI DI
LIBERTÀ
241. La distribuzione di frequenza è: IL CALCOLO DELLE FREQUENZE PER CIASCUN VALORE O
242. Una tabella a doppia entrata registra: LA FREQUENZA ASSOLUTA, CIOÈ QUANTE VOLTE
UNA COPPIA DI MODALITÀ SI PRESENTA CONTEMPORANEAMENTE PER X E PER Y
243. La frequenza cumulata: PUÒ ESSERE UGUALE ALLA RELATIVA
244. Per produrre la distribuzione di frequenza percentuale occorre: MOLTIPLICARE PER 100 LE
FREQUENZA RELATIVE
245. Per calcolare le frequenze cumulate relative occorre dividere: LE FREQUENZE CUMULATE
PER N
246. Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire
che: IL NUMERO DI COLONNE DIPENDE DAI CARATTERI OSSERVATI
247. Il numero dei caratteri in una matrice: NON DIPENDE DALLA NUMEROSITÀ DELLA
POPOLAZIONE
248. La matrice dei dati è composta: DA N VETTORI
249. L’Istogramma è una: MODALITÀ DI RAPPRESENTAZIONE DELLA RILEVAZIONE STATISTICA
250. Le matrici sono composte da: N RIGHE E K COLONNE, CON K CHE PUÒ ESSERE EGUALE O
DIVERSO DA N
251. Le misure di posizione hanno l’obiettivo di: SINTETIZZARE IN UN SINGOLO VALORE
NUMERICO L’INTERA DISTRIBUZIONE DI FREQUENZA PER EFFETTUARE CONFRONTI NEL TEMPO,
NELLO SPAZIO O TRA CIRCOSTANZE DIFFERENTI
252. La moda è un: INDICE DI TENDENZA CENTRALE
253. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è
pari a: 5,66
254. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è pari
a: 8,5
255. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a: 9,5
256. Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la moda è pari a: 1
257. Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a: 2
258. Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è
pari a: 8
259. Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore
massimo è pari a: -1
260. Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media
geometrica: =MEDIA.GEOMETRICA
261. Si consideri la popolazione di 20 unità statistiche: {-
rappresentativo dell'intera distribuzione: MEDIA ARITMETICA
262. Si consideri la popolazione di unità statistiche: {-
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare quale indice di posizione appare
rappresentativo dell'intera distribuzione: MODA
263. Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare
quale indice di posizione appare rappresentativo dell'intera distribuzione: MODA
264. La proprietà moltiplicativa degli indici di tendenza centrale: PERMETTE CAMBIAMENTI DI
SCALA NELL'INDICE
265. La proprietà lineare degli indici di tendenza centrale: E' DIVERSA DA QUELLA
MOLTIPLICATIVA
266. La proprietà lineare degli indici di tendenza centrale: E' BASATA SULLA RELAZIONE DI
LINEARITÀ TRA LE VARIABILI ED I RISPETTIVI INDICI DI POSIZIONE
267. La proprietà di monotonicità degli indici di tendenza centrale: E' BASATA SULLA
COMPARAZIONE TRA LE VARIABILI ED I RISPETTIVI INDICI DI POSIZIONE
268. Una variabilità alta in luogo di una variabilità bassa DIMINUISCE LE CAPACITÀ PREVISIVE
DEI MODELLI STATISTICI
269. La varianza si calcola: PER POPOLAZIONI E CAMPIONI
270. La varianza del campione è: CALCOLATA CON I DATI DEL CAMPIONE RAPPRESENTATIVO
DELLA POPOLAZIONE
271. Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel
test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29) : 29
272. Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni
alunno nel test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29) : 12
273. 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
274. 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
275. Lo scostamento semplice medio riguarda: LO SCOSTAMENTO DI OGNI VALORE DELLA
DISTRIBUZIONE DALLA MEDIA, PRESO IN VALORE ASSOLUTO
276. Lo scostamento quadratico medio riguarda: LA MEDIA DEGLI SCARTI AL QUADRATO TRA I
DATI E LA M
277. Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier:
PUÒ AUMENTARE LE CAPACITÀ DESCRITTIVE E PREVISIVE DEL MODELLO STATISTICO
278. Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier:
INDICA CHE È STATO COMMESSO QUALCHE ERRORE NEI CALCOLI O NEL PROGRAMMA
279. La varianza fornisce: LA MISURA SINTETICA DI QUANTO LE UNITÀ DIFFERISCONO DALLA
MEDIA ARITMETICA
280. Usando la mediana in luogo della media nel calcolo della varianza: È BENE ELIMINARE I
VALORI ANOMALI ED ESTREMI
281. La Statistica è sinonimo di: SCIENZE STATISTICHE
282. 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
283. Il rapporto statistico di coesistenza si ottiene: MEDIANTE IL RAPPORTO TRA LA
FREQUENZA DI UNA MODALITÀ RISPETTO A QUELLA CORRISPONDENTE DI UN’ALTRA MODALITÀ
284. Il rapporto statistico di composizione si ottiene: DIVIDENDO IL VALORE RILEVATO IN UNA
DATA CIRCOSTANZA PER L’ANALOGO VALORE RILEVATO PER L’INTERA POPOLAZIONE
285. 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
286. I numeri indice sono: RAPPORTI STATISTICI
287. I numeri indice sono: STRUMENTI MATEMATICI
288. Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in
particolare: CAPIRE QUALE DELLE DUE UNITÀ PRESENTA UN ANDAMENTO MIGLIORE
289. L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’ANNO BASE
290. Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è: IL
DENOMINATORE NEL CALCOLO DEL NUMERO INDICE
291. L’inflazione è: LA DIMINUZIONE DEL POTERE DI ACQUISTO DLA MONETA
292. L’inflazione è: L'AUMENTO PROLUNGATO DEL LIVELLO MEDIO GENERALE DEI PREZZI DI
BENI E SERVIZI IN UN DATO PERIODO DI TEMPO
293. La variazione congiunturale riguarda in statistica-economica il confronto con: IL MESE
PRECEDENTE
294. La variazione tendenziale riguarda in statistica-economica il confronto con: L’ANNO
PRECEDENTE
295. Nel calcolo del tasso di inflazione congiunturale al denominatore c’è: IL NUMERO INDICE
DEI PREZZI DEL MESE M-1 DELL\'ANNO A ED AL NUMERATORE IL NUMERO INDICE DEI PREZZI
296. Nel calcolo del tasso di inflazione tendenziale al denominatore c’è: IL NUMERO INDICE DEI
PREZZI DEL MESE M DELL\'ANNO A-1 ED AL NUMERATORE IL NUMERO INDICE DEI PREZZI DEL
MESE M DELL\'ANNO A
297. La deflazione si calcola con: I TASSI DI VARIAZIONE
298. La deflazione è: ESPRESSA IN PERCENTUALE
299. Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato:
NON ESISTE
300. Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: IL DATO DELL’ANNO T-1
301. La covarianza è positiva quando: X E Y VARIANO TENDENZIALMENTE NELLA STESSA
DIREZIONE
302. La covarianza è negativa quando: AL CRESCERE DI X LA Y TENDE A DIMINUIRE E VICEVERSA
303. La covarianza è nulla quando: X E Y SONO LINEARMENTE INDIPENDENTI
304. La covarianza è nulla quando: X E Y NON SONO CORRELATE
305. La correlazione indica: IL GRADO DELLA RELAZIONE TRA VARIABILI, E PER MEZZO DI ESSA
SI CERCA DI DETERMINARE QUANTO BENE UN’EQUAZIONE LINEARE O UN’ALTRA EQUAZIONE
QUALSIASI DESCRIVANO O SPIEGHINO TALE RELAZIONE TRA VARIABILI.
306. Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile: CRESCONO AL
DECRESCERE DEI VALORI DELL’ALTRA
307. Con un coefficiente di correlazione pari a r= -0,9, i valori di una variabile: CRESCONO AL
DECRESCERE DEI VALORI DELL’ALTRA
308. Con un coefficiente di correlazione pari a r= -0,5, i valori di una variabile: TENDONO A
CRESCERE AL DECRESCERE DEI VALORI DELL’ALTRA, MA IN MANIERA BLANDA
309. Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile: CRESCONO AL
CRESCERE DEI VALORI DELL’ALTRA
310. Nella correlazione spuria, si rileva che: R VARIA TRA -1 ED 1 E PUÒ ESSERE ELEVATO, MA LE
VARIABILI NON SONO LEGATE DA UN RAPPORTO SERIO DI CAUSALITÀ
311. Ad un valore elevato di r corrisponde: IN DIVERSI CASI UN EFFETTIVO LEGAME TRA I DUE
312. Ad un valore basso di r corrisponde: IN DIVERSI CASI UN LEGAME DEBOLE TRA I DUE
313. Un tipico caso di correlazione non reale comporta che: UNO DEI DUE CARATTERI
COMPRENDE L’ALTRO
314. Un tipico caso di correlazione non reale comporta che: I DUE CARATTERI SONO
INFLUENZATI DA CIRCOSTANZE COMUNI
315. Un tipico caso di correlazione non reale comporta che: ALTRI FATTORI VARIABILI
INFLUISCONO SU QUELLI PRESI IN CONSIDERAZIONE
316. Un tipico caso di correlazione non reale comporta che: ALTRI FATTORI VARIABILI, CHE
RAPPRESENTANO CIRCOSTANZE COMUNI ,INFLUISCONO SU QUELLI PRESI IN CONSIDERAZIONE
317. R deve esprimere correttamente: IL LEGAME DI INTERDIPENDENZA
318. Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la
quantità della popolazione media dello stesso periodo si ottiene: COEFFICIENTE DI NATALITÀ
319. Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità
della popolazione media dello stesso periodo si ottiene: COEFFICIENTE DI MORTALITÀ
320. Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di
ottenere: CORRELAZIONE SPURIA SE L’ANDAMENTO DELLA POPOLAZIONE NON È CORRELATO
COL NUMERO DI NATI E MORTI
321. I numeri indice comparano: LE VARIAZIONI DEI LIVELLI DELLA VARIABILE NEL TEMPO CON
RIFERIMENTO AD UNA BASE
322. I numeri indice sono: INFERIORI A 100 SE IL LIVELLO TENDE A SCENDERE RISPETTO
ALL’ANNO BASE
323. I numeri indice sono: SUPERIORI A 100 SE IL LIVELLO DELLA VARIABILE TENDE A CRESCERE
324. I numeri indice sono: ESPLICATIVI DELL’ANDAMENTO DEI LIVELLI DELLA VARIABILE NEL
TEMPO
325. La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è
preceduta da: IL SEGNO EGUALE
326. Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base t-1
sarà: 101,2
sarà: 102,2
sarà: 101,2
329. Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero indice in t, con base t-1
sarà: 98,8
330. Se il tasso di decremento tra t e t-2 è pari a -5,2%, allora il numero indice in t, con base t-2
sarà: 94,8
331. Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza: IL
DIAGRAMMA A DISPERSIONE
332. Studiare la relazione tra due variabili X ed Y significa: STUDIARE LA TENDENZA CHE X E Y
HANNO A VARIARE INSIEME
333. Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione:
TRA VARIABILI MISURATE SU SCALE A INTERVALLI O A RAPPORTI EQUIVALENTI
334. Quando a valori crescenti di X corrispondono valori crescenti di Y si ha: UNA RELAZIONE
POSITIVA
335. Quando al diminuire dei valori di X corrisponde il diminuire dei valori di Y si ha: UNA
RELAZIONE POSITIVA
336. Date coppie di valori X e Y, l’equazione di regressione può essere considerata: UNA
FORMULA DI PREDIZIONE DI Y
337. L’equazione di regressione lineare è l’equazione di una: RETTA
338. Date coppie di valori X e Y, la retta di regressione è una: SOLA, E BEN DEFINITA, TRA LE
INFINITE RETTE CHE SI POSSONO TRACCIARE TRA I PUNTI DI UN DIAGRAMMA A DISPERSIONE
339. Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di
regressione è corretto definire X come: PREDITTORE
340. Se X è la variabile indipendenre e Y quella dipendente, considerando l’equazione di
regressione è corretto definire Y’ come: VALORE PREDETTO
341. Una serie storica è costituita: DAI DATI OSSERVATI A INTERVALLI REGOLARI DI TEMPO
342. Una serie storica è costituita: DALLE OSSERVAZIONI DEI DATI QUANTITATIVI NEL TEMPO,
SI POSSONO AVERE SERIE MENSILI, GIORNALIERE, ANNUALI
343. La media mobile è: LA SOMMA PONDERATA DEI VALORI DELLA SERIE STORICA
344. La media mobile di ordine n consiste: IN UNA SERIE DI MEDIE ARITMETICHE CALCOLATE SU
N PERIODI CONTIGUI.
345. Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili
di ordine tre si possono calcolare: 4
346. Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili
di ordine cinque si possono calcolare: 2
347. Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie
348. Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
mobile di ordine tre calcolabile in tempo reale: 11/3
349. Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
mobile di ordine cinque calcolabile in tempo reale: 21/5
350. Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie
mobili di pesate di ordine tre si possono calcolare: 6
351. I dati informatici sono utilizzabili per: LE ANALISI STATISTICHE
352. Una fotografia è un dato: COMPLESSO
353. Il tipo di dato elementare 4.5 è: REALE
354. Nella somma logica con operando A=1 ed operando B=1, il totale sarà: 1
355. Nella somma logica con operando A=0 ed operando B=0, il totale sarà: 0
356. Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà: 0
357. Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà: F
358. Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà: V
359. La negazione logica dell’operando A=0 è: 1
360. Nella congiunzione tra insiemi si valuta: QUANDO I DUE EVENTI SI REALIZZANO ENTRAMBI
361. La probabilità che si verifichi un evento può assumere valori: TRA 0 ED 1
362. Due eventi sono indipendenti quando: IL VERIFICARSI DELL’UNO NON MODIFICA LA
363. La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal: SOMMA
DELLE PROBABILITÀ DEL VERIFICARSI DI CIASCUNO DEI DUE EVENTI
364. La somma delle probabilità di eventi che si escludono a vicenda ed esaustivi è: UGUALE AD
1
365. Due eventi non sono indipendenti quando: IL VERIFICARSI DELL’UNO MODIFICA LA
PROBABILITÀ DEL VERIFICARSI DELL’ALTRO
366. Nella teoria statistica i termini popolazione e campione sono: INDICATIVI DEL FATTO CHE IL
CAMPIONE È UN SOTTOINSIEME DELLA POPOLAZIONE
367. Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro
elemento: VIENE MODIFICATA
368. Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un
asso: 0,1
369. Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una
carta di bastoni: 0,25
370. Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una
figura: 12/40
371. Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un
fante o un re: 8/40
372. Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una
figura o una carta inferiore a 6: 32/40
373. Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con
374. Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con
375. Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado.
376. Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado.
377. Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale
(2,7,9,2,1,7,5,4,6,2), estraendo a caso un punteggio quale è la probabilità di ottenere un numero
pari e inferiore a 6: 4/10
(2,7,9,2,1,7,5,4,6,2). Estraendo a caso un punteggio quale è la probabilità di ottenere un numero
pari o inferiore a 6: 0.7
(2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con reimmissione, quale è la probabilità di
ottenere almeno un 7 alla prima estrazione: 0.2
(2,7,9,2,1,7,5,4,6,2). Estraendo a caso due punteggi con reimmissione, quale è la probabilità di
ottenere due punteggi la cui somma sia 9: 14/100
381. Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono
entrambi essere definiti: IL NUMERO DI BATTITI SOLAMENTE PUÒ ESSERE DEFINITO VARIABILE
382. Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani
n.3, Francesi n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala: NOMINALE
383. Le frequenze percentuali di una distribuzione si calcolano facendo: IL RAPPORTO TRA
CIASCUNA FREQUENZA ED IL TOTALE DELLE FREQUENZE E MOLTIPLICANDO PER 100 IL
RISULTATO
384. Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene, cioè il
più elevato, è: 100
385. La mediana è: LA CATEGORIA O IL PUNTEGGIO AL DI SOPRA E AL DI SOTTO DEL QUALE
CADE UN UGUAL NUMERO DI CASI
386. La deviazione standard può assumere valori: SOLO POSITIVI
387. La media: E' SENSIBILE AI VALORI ESTREMI
388. Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione,
risulta 142,9. Il risultato è: SICURAMENTE SBAGLIATO
389. Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata
da un ricercatore su un campione, risulta 142,9. Il punteggio massimo ottenibile è: 120
390. In una distribuzione di frequenza si può ottenere: PIÙ DI UNA MODA
391. Nella retta di regressione Y’=aY+bYX il termine ay: RAPPRESENTA LA DISTANZA TRA IL
PUNTO ZERO (ORIGINE) DELL’ASSE DELLE ASCISSE E IL PUNTO IN CUI LA RETTA TAGLIA L’ASSE
DELLE ORDINATE
392. Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i valori di Y ed Y’:
DIFFERISCONO
393. Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i valori di Y ed Y’:
DIFFERISCONO
394. Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’: COINCIDONO
395. Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’: COINCIDONO
396. Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono: PERPENDICOLARI TRA LORO
397. Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono: COINCIDONO
398. Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono: COINCIDONO
399. Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il
coefficiente di correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a: 0.58
400. Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che
il coefficiente di determinazione è uguale a -1, il coefficiente di correlazione sarà pari a: NON È
POSSIBILE CALCOLARLO CON I DATI A DISPOSIZIONE CHE NON SONO CORRETTI
401. La media mobile di ordine 5 permette di: ELIMINARE VALORI ERRATICI
402. La media mobile di ordine 3 permette di: ELIMINARE VALORI ANOMALI
403. La media mobile di ordine 3 permette di: EFFETTUARE LO SMOOTHING DELLE SERIE
STORICHE
404. Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili
di ordine 3 con 2 cifre decimali sono: 216.67; 350.00; 483.33
405. Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie
mobili di ordine 5 sono: 232 E 350
406. Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono:
103, 217, 350, 483
407. La funzione TENDENZA in Excel serve per: CALCOLARE IL VALORE DI UNA FUNZIONE
STIMATA
408. La funzione TENDENZA in Excel serve per: PREVEDERE LE SERIE STORICHE
409. La funzione TENDENZA in Excel serve per: PREVEDERE IL VALORE AL TEMPO T IN UNA
FUNZIONE STIMATA Y*
410. La funzione TENDENZA in Excel serve per: CALCOLARE IL VALORE STIMATO AL TEMPO T IN
411. La stima del parametro è: UN CONCETTO DIVERSO DA QUELLO DI STIMATORE
412. La stima del parametro nella popolazione è: CALCOLATA ATTRAVERSO I DATI CAMPIONARI
413. La stima del parametro nel campione è: NON È OPPORTUNO DEFINIRE LA STIMA DEL
414. La stima del parametro nella popolazione è: RELATIVA AI VALORI CHE PUÒ ASSUMERE LO
STIMATORE
415. La stima del campione è: UN CONCETTO DIVERSO DA QUELLO DI STIMATORE
416. La funzione stimatore del parametro dovrebbe essere: CENTRATA, CONSISTENTE,
EFFICIENTE
417. Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano
risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione campionaria di
persone sensibili al farmaco: 0,25
418. Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 1000
popolazione di persone sensibili al farmaco: NON SI PUÒ SAPERE
persone non sensibili al farmaco: 0,75
risultati sensibili ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la
proporzione della popolazione sensibile al farmaco deve essere compresa tra: 0,23 E 0,27
421. La proporzione di varianza comune a X e Y è espressa da r2xy che è denominato:
422. La proporzione di varianza comune a X e Y è espressa da r2xy che esprime: LA VARIANZA
SPIEGATA
423. La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e
Y è denominata: VARIANZA RESIDUA
424. Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è
pari a 0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile
dipendente, il coefficiente di determinazione sarà pari a: 0,58
425. Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y=
”speranza di vita” è pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile
dipendente ed Y quella indipendente, il coefficiente di determinazione sarà pari a: 1
dipendente, la varianza residua sarà pari a: 42%
dipendente, la varianza comune sarà pari a: 58%
428. In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio
del corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi
in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese
per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale
per prevedere il livello di apprendimento dell’inglese raggiunto a fine corso, e si ottengono i
seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale è la variabile indipendente:
seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale punteggio dovrebbe ottenere al test di
profitto un ragazzo che sbaglia tutte le domande al test attitudinale: 10
seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni risposta corretta in più al test attitudinale
indicare di quanti punti aumenta il punteggio al test di profitto: 2
431. In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico.
All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che
l’apprendimento dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene
utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento dell’informatica
raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X: r2=0,74; se=3,5. Indicare di
quanti punti è l’errore medio di previsione: 3,5
432. In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico.
All’inizio del corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che
l’apprendimento dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene
utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento dell’informatica
raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+3X: r2=0,74; se=3,5. Indicare per
ogni risposta corretta al test attitudinale di quanti punti aumenta il punteggio al test di profitto e
come si chiama questo parametro: 3, COEFFICIENTE DI REGRESSIONE
433. Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica
(numero di risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson
pari a -0,88. Sulla base del risultato ottenuto si può evidenziare che: LE PERSONE CON PUNTEGGI
BASSI IN MATEMATICA HANNO BUONE PRESTAZIONI IN LETTERATURA INGLESE
434. Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica
pari a -0,88. Sulla base del risultato ottenuto si può evidenziare che: LE DUE VARIABILI SONO
CORRELATE NEGATIVAMENTE
435. L’indice r misura relazioni di tipo: LINEARE
436. Si ha discordanza tra caratteri se: AI VALORI PIÙ PICCOLI DI UNA DELLE DUE VARIABILI
CORRISPONDONO GENERALMENTE I PIÙ GRANDI DELL’ALTRA, E SE AI VALORI PIÙ GRANDI
437. La codevianza è una misura: ASSOLUTA DI CONCORDANZA
438. La correlazione: A DIFFERENZA DELLA REGRESSIONE, NON RICHIEDE DI STABILIRE QUALE
VARIABILE SIA ANTECEDENTE ALL’ALTRA (IN TERMINI DI DIPENDENZA)
439. Relazioni di discordanza significative tra variabili implicano: UN COEFFICIENTE DI
CORRELAZIONE NEGATIVO
440. Se il coefficiente di correlazione è uguale a 0 vi è: ASSENZA DI CONCORDANZA O
DISCORDANZA
441. La funzione di ripartizione di una variabile casuale X a valori reali è: LA FUNZIONE CHE
ASSOCIA A CIASCUN VALORE X LA PROBABILITÀ DELL‘EVENTO “LA VARIABILE CASUALE X
442. La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e
+∞, cioè: SI AVVICINA ALL’ASSE DELLE ASCISSE SENZA MAI TOCCARLA
443. I valori attesi nella variabile casuale Normale sono: MEDIA; VARIANZA;
444. Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in
gradi centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10,
18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella
prima riga della tabella rappresenta: UNA MODALITÀ DEL CARATTERE
18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una temperatura media pari a 17 gradi è: 4/10
18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una temperatura media pari a 25 gradi, che ipotizziamo
essere una v.c distribuita normalmente, è: 0,8
447. Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con
448. La funzione f(X) raggiunge il suo punto più alto in corrispondenza di: Xi = media
449. Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza
di Xi = µ, ciò comporta che media, mediana e moda: COINCIDANO
450. Si ricorre ad una distribuzione normale quando: UNA VARIABILE CASUALE CONTINUA È
DISTRIBUITA NORMALMENTE O QUASI.
451. Nella teoria statistica i termini campione e popolazione sono: NON SONO SINONIMI
452. I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio del: POPOLAZIONE
453. I simboli e S si riferiscono alla media ed allo scarto quadratico medio del: CAMPIONE
454. La distribuzione di probabilità di z è costruita: E’ UNA FUNZIONE TEORICA ESPRESSA CON
REGOLE MATEMATICHE RELATIVE A UN INSIEME FINITO DI DATI
455. La curva normale a differenza delle altre curve è: DEFINITA DA UN’EQUAZIONE
PARTICOLARE CHE PERMETTE DI CALCOLARE, DATA UN’ORDINATA, PORZIONI DI AREA SOTTESE
ALLA CURVA STESSA
456. La curva normale è caratterizzata da: ESSERE DEFINITA DA UN’EQUAZIONE PARTICOLARE
CHE PERMETTE DI CALCOLARE, DATA UN’ORDINATA, PORZIONI DI AREA SOTTESE ALLA CURVA
STESSA
457. La curva normale standardizzata è caratterizzata dal fatto di avere: MEDIA =0 E
DEVIAZIONE STANDARD=1
458. La curva normale standardizzata è caratterizzata dal fatto di avere: I PUNTEGGI SONO
ESPRESSI IN PUNTI Z
459. Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno una
probabilità di verificarsi per caso: INFERIORE RISPETTO AI VALORI CENTRALI
460. Utilizzando la tavola della curva normale standardizzata si individueranno i punti z: NELLA
COLONNA DI SINISTRA CON UNA CIFRA DECIMALE; LA SECONDA CIFRA DECIMALE È SITUATA
461. Una variabile dicotomica può assumere: SOLO DUE VALORI
462. Se una variabile è dicotomica: PUÒ ASSUMERE SOLO DUE VALORI, INDIPENDENTEMENTE
DALLA PROBABILITÀ DI OTTENERE UNO O L’ALTRO DEI DUE VALORI
463. La seguente ipotesi è nulla: LA POPOLAZIONE DA CUI IL CAMPIONE È ESTRATTO HA MEDIA
58
464. La seguente ipotesi è nulla: NON ESISTE NESSUNA RELAZIONE TRA CLASSE SOCIALE E
ALCOLISMO
465. La seguente ipotesi è nulla: LE MEDIE DEI GRUPPI A,B,C NON DIFFERISCONO TRA LORO IN
MODO SIGNIFICATIVO
466. La seguente ipotesi è nulla: QUESTA MONETA NON È TRUCCATA
467. La seguente ipotesi è nulla: Le MEDIE DEI GRUPPI A,B,C NON DIFFERISCONO TRA LORO IN
MODO SIGNIFICATIVO
468. La seguente ipotesi è nulla: IL FARMACO C NON HA UN EFFETTO DIVERSO DAL FARMACO
D
469. La seguente ipotesi è nulla: LA MEDIA DEI TEMPI DI REAZIONE DEI MASCHI È UGUALE A
QUELLA DELLE FEMMINE
470. La seguente ipotesi è nulla: C’È UNA RELAZIONE SIGNIFICATIVA TRA REDDITO DELLE
471. La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al reparto
B di una fabbrica” è: MONODIREZIONALE SINISTRA
472. La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
significativamente diverso” è: BIDIREZIONALE
473. La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non è
200”: BIDIREZIONALE
474. La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è
superiore a 0,5” è: MONODIREZIONALE DESTRA
475. La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un
dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato” è:
476. La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato
dagli studenti è inferiore a 20 secondi” è: MONODIREZIONALE SINISTRA
477. La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un
dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità
sotto l’ipotesi nulla, cioè se le vincite sono dovute al caso è: 1/6
478. La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
significativamente diverso” ha il seguente segno del valore critico: =
479. Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla avendo
scelto un livello di significatività del 5%: 5%
480. Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi nulla;
ciò accade nel caso in cui il risultato del test effettuato lasci alla sua destra: IL 4% DEI CASI
Statistica
La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati

relativi ad un fenomeno, ottenuti attraverso
le misurazioni.
L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera
popolazione a partire da dati raccolti
La popolazione è: L’ universo di elementi che forma l’ oggetto
di uno studio statistico
Il campionamento sistematico è: Caratterizzato dalla selezione di un
elemento ogni k elementi successivi
Il campionamento stratificato è: Caratterizzato da popolazione divisa in
sottogruppi omogenei
il campionamento a blocchi è: caratterizzato da cluster
La statistica permette di ragionare Facendo deduzioni ed induzioni
Le fasi di una indagine statistica si conviene siano Definizione degli obiettivi della ricerca;
le seguenti: Rilevazione dei dati; Elaborazione
metodologica; Presentazione ed
interpretazione dei risultati; Utilizzazione dei
risultati raggiunti.
Consideriamo la relazione y=f(x), dove x è x è la variabile indipendente
rappresentato dall’inflazione ed y sono i tassi di
interesse nell’Euro Area:
Considera la relazione causa-effetto y = -f(x), y = 10; la relazione è lineare
calcola la y sapendo che f(x) = -10 ed indica il tipo
di relazione:
Considera la relazione causa-effetto y=-f(x)2, y = 100; la relazione è non lineare
calcola la y sapendo che f(x)=-10 ed indica il tipo di
relazione:
La sommatoria di tutte le frequenze relative di una 1
tabella di frequenza è pari a:
Che cosa è l'unità statitistica: L'unita elementare oggetto di osservazione
e di studio
La popolazione è finita: Quando è determinabile il numero di unità
che compongono
Il lancio di una moneta è un esempio di: Popolazione infinita
Non è una scala di misura delle manifestazioni di La scala semilogaritmica
un carattere statistico:
La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è
stata osservata
In una distribuzione statistica, la somma delle È sempre uguale a 1
frequenze relative:
L'ampiezza della classe è: La differenza tra estremo superiore e
estremo inferiore della classe
In una tabella doppia se entrambi le variabili sono Tabella di contingenza
qualitative, si parla di:
In una tabella doppia se entrambi le variabili sono Tabella di correlazione
quantitative, si parla di:
Il grado di soddisfazione è un carattere: Un carattere qualitativo rettilineo
Il tenore di vita è un carattere: Un carattere qualitativo rettilineo
I giorni della settimana , le stagioni sono Carattere ciclico
caratteri:
La rappresentazione grafica di distribuzioni di Istogramma
frequenze che si sviluppa attraverso una serie di
rettangoli contigui viene chiamata:
Le densità di frequenza di un istogramma: Si ottengono dal rapporto tra la frequenza di
una classe e l'ampiezza della classe
medesima
Come viene classificato l' ortogramma : Sia a nastro sia a colonne
Costituiscono rappresentazioni grafiche adatte per L'istogramma e box-plot
caratteri quantitativi:
La rappresentazione grafica che si sviluppa Diagramma circolare
attraverso una circonferenza suddivisa in tanti
spicchi, viene chiamata:
Per la costruzione di un box plot si utilizzano i Xmin Q1 Med Q3 xmax
seguenti valori:
Il box plot, rappresentato tramite un rettangolo, è Dalla mediana
diviso al suo interno:
Il box plot fornisce informazioni: Sulla variabilità, sulla presenza di valori
anomale e sulla simmetria/asimmetria della
distribuzione
All'interno del rettangolo (box plot) sono Il 50% delle osservazioni
contenute:
Costituiscono rappresentazioni grafiche adatte per Ortogramma e diagramma circolare
caratteri qualitativi:
Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle
frequenze teoriche
Si chiama contingenza La differenza tra frequenze osservate e
frequenze teoriche
La somma delle contingenze di ciascuna riga e di Nulle
ciascuna colonna sono:
Se si raddoppia la numerosità campionaria, il Raddoppia
valore del chi-quadrato:
L'indice di contingenza quadratica medio φ2è χ²/n
uguale:
Vengono prelevate 15 compresse da un lotto di 0.4415
produzione, i valori sono: 0,485; 0,442; 0,466;
0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410;
0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso
medio:
Consideriamo i seguenti dati: 34.19
classe10-20 con frequenza 5; classe 20-30con

frequenza 8; classe 㺞 -40con frequenza 12; classe
40-50 con frequenza 9; classe 50-60con frequenza 3
Calcolare la media geometria relativa 1.04
all'andamento dei prezzi di un dato prodotto:
1,103 1,031 0,939 1,097:
I Voti riportati da uno studente in fisica, statistica e
matematica sono: 71, 78, 89 (voti in centesimi). I 82
pesi attribuiti alle discipline sono rispettivamente
2, 4, 5. Calcolare la media dei voti:
La media armonica è: Il reciproco della media aritmetica dei
reciproci dei termini
Due punti C e D, distano 80 km, un corpo si muove 32km/h
da C a D alla velocità di 80 km/h e da D a C alla
velocità di 20 km/h. Determinare la velocità media
dell'intero tragitto:
La media geometrica è particolarmente usata: Quando i diversi valori vengono per loro
natura moltiplicati
Calcolare la mediana della seguente serie di voti: 22
19, 20, 22,18, 26, 30, 28:
Calcolare la mediana della seguente serie: -2, -3, - 0
5, 0, 1, 4, 7:
Si consideri la seguente distribuzione in classi: 58-62
pesi frequenze***
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
la classe mediana è
Con riferimento alla domanda 4 la mediana: quella 61.52
sopra
Il primo quartile: Quel valore che lascia alla sua destra il 75%
delle osservazione e alla sua sinistra il 25%
delle osservazioni
Calcolare il primo quartile: a quello sopra 55.97
pesi e frequenze ***
Calcolare il terzo quartile: quello sopra pesi e 69
frequnze ***
Data una serie di valori numerici, il valore a cui Moda
corrisponde la massima frequenza si chiama:
Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad
assumere differente modalità
Quale dei seguenti indici indica la variabilità di Scarto quadratico medio
una serie dei dati:
La devianza è: La somma degli scarti dalla media aritmetica al
quadrato
Conoscendo la devianza, lo scarto quadratico La radice quadrata del rapporto tra devianza e
medio si ricava calcolando: numerosità del collettivo
Calcolare la varianza dei seguenti numeri: 23,75
12,6,7,3,15,10,18,5:
Calcolare lo scarto quadratico medio dei 4,87

seguenti numeri: 12,6,7,3,15,10,18,5:
Il coefficiente di variazione è dato dal rapporto, Lo scarto quadratico medio e media aritmetica
espresso in termini percentuali, tra:
La differenza interquartile è data dalla: Tra terzo e primo quartile (Differenza)

Il campo di variazione è dato dalla: Differenza tra valore massimo e minimo della
distribuzione
La mutabilità è: L'attitudine di un fenomeno qualitativo ad
Dire se la seguente distribuzione è simmetrica: Non è simmetrica
8,14,16,16,16,21,21:
L'asimmetria di una distribuzione denota che: I valori del caratteri sono distributi con frequenze
differenti attorno al suo valore centrale
Nulla, positiva o negativa
L'asimmetria di una distribuzione può essere:
Se la distribuzione è asimmetria negativa si Med-Q1 > Q3-Med
ha:
L'indice di asimmetria Skewness di Pearson è Come differenza tra la media aritmetica e la moda
calcolato: divisa la deviazione standard
La curtosi rappresenta Il grado di schiacciamento di una distribuzione

intorno al suo centro di gravità e rispetto alla curva
normale

Si ha indipendenza in media tra due variabili Le media parziali sono uguali tra di loro ed uguali
statistiche se: alla media generale

Si ha indipendenza correlativa tra due variabili Cod (X,Y)=0
se:
Due variabili si dicono perfettamente correlate Il coefficiente di correlazione è pari a 1 in valore
se: assoluto
Date le variabili: X(Velocità km/h): -577.6
60,80,100,120,130 Y(Consumo in quinta
km/litro): 28.8, 24.2,20,18.2,16. La codevianza
(X,Y) è:
Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra
Date le variabili: X(Velocità km/h): 60, 80, y^= 39,882-0,1857xi
100,120,130 Y(Consumo in quinta km/litro):
29.8, 24.2, 20, 18.2, 16,2. Determinare
l'equazione della retta:
Date le variabili: X(Velocità km/h): 60, 80, 0,9650
100,120,130 Y(Consumo in quinta km/litro):
29.8, 24.2, 20, 18.2, 16,2, il coefficiente di
determinazione lineare è:
Il coefficiente di determinazione lineare è La devianza residua
uguale a 1 se è nulla:
La devianza di regressione misura: Quanta parte della variabilità della Y è spiegata
Il coefficiente di determinazione lineare è nullo La devianza di regressione
se è nulla:
Se il coefficiente di correlazione r=0: Non c'è correlazione lineare
Un esperimento casuale è: Un'operazione il cui risultato non può essere
previsto con certezza
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). A∪B={1,2,3,4}
Determinare A∪B:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∪B∪C={1,3,5,7,9,10}
C(1,5,9,10). Determinare A ∪ B ∪ C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩B={3,5}
C(1,5,9,10). Determinare A∩B:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩C={1,5}
C(1,5,9,10). Determinare A∩C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), B∩C={5,9,10}
C(1,5,9,10). Determinare B∩C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩B∩C={5}
C(1,5,9,10). Determinare A∩B∩C:
Per il postulato 2 dell'assiomatizzazione del P(Ω)=1
calcolo delle probabilità, l'evento certo Ω ha
probabilità:
La probabilità dell'unione di due eventi A e B P(A∪B)= P(A)+P(B)-P(A∩B)
non incompatibili:

La funzione di ripartizione di una variabile Esprime la probabilità che la variabile casuale
casuale: assuma valori inferiori o uguali ad un valore
fissato
Una distribuzione di probabilità di una L'insieme delle coppie probabilità dei diversi valori
variabile casuale: possibili della variabile casuale
La funzione di ripartizione di una variabile E' una funzioni a gradini non decrescente
casuale discreta:
Sia data una v.c X, se essa assume valori in Discreta
corrispondenza di un insieme numerabile
allora X è:
Una variabile casuale continua X: Assume tutti i valori appartenenti ad un intervallo
Affinchè una v.c X continua sia ben definita

occorre che:
Il valore atteso E(b+X) è: (b è una costante E(b+X)=b+E(X)

reale):
Il valore atteso E(X+Y) è: (X e Y sono due E(X+Y)= E(X)+E(Y)
variabili casuali):
Può essere utilizzata per descrivere casi in cui gli
La distribuzione binomiale: esiti possibili di una prova sono solo due
La distribuzione normale è: E' simmetrica rispetto al valor medio

A quanto corrisponde l'area sotto la curva 0,3849
normale tra z=0 e z=1,2:
normale tra z=0 e z=1,4:

normale tra z=0,81 e z=1,94:
La variabile casuale t di student: Al tendere di n all'infinito la v.c t di student tende
alla normale standardizzata
Nel campionamento bernoulliano: Ogni unità statistica può entrare a far parte più
volte del campione
Da una popolazione composta da 5 unità 25 possibili campioni
statistiche ( A, B, C, D, E ) si voglia estrarre,
con ripetizione, un campione casuale di
numerosità 2. Lo spazio campionario è
composto da:
statistiche ( A, B, C, D ) si voglia estrarre, con
ripetizione, un campione casuale di
composto da:
statistiche ( A, B, C, D ) si voglia estrarre, con
ripetizione, un campione casuale di
composto da:

La media della distribuzione della media Coincide con la media della popolazione
campionaria:
Quando la popolazione è infinita: Lo schema di campionamento con ripetizione

coincide con lo schema di campionamento senza
ripetizione
Il teorema del limite centrale: Afferma che al crescere di n la forma della
distribuzione della media campionaria si
approssima alla forma normale
Cosa si intende per stima puntuale: La stima attraverso la quale si giunge alla
determinazione di un solo valore numerico per
uno o più parametri della popolazione
Cosa si intende per stima intervallare: La stima attraverso la quale si giunge alla
determinazione di un intervallo, che include il
parametro stimato, con livello di confidenza 1-
Si definisce stima: Il valore assunto dallo stimatore per un dato
campione
Uno stimatore corretto: È tale che il suo valore medio coincide con il
valore del parametro da stimare
Uno stimatore si dice consistente: Al crescere della numerosità campionaria, tende a
Uno stimatore corretto è più efficiente di un Se presenta varianza inferiore
altro stimatore corretto del parametro" teta "
non noto se:
Dati due stimatori T1 e T2 di uno stesso Se entrambi sono non distorti, il confronto tra i due
parametro: stimatori in termini di efficienza può essere
effettuato solo sulla base della varianza
Un intervallo di confidenza è: Un intervallo di valori che si ritiene contenga il
vero parametro della popolazione con una
prestabilita "fiducia"
Una quantità pivotale è: Una quantità che è funzione delle osservazione e
del parametro del quale si vuole costruire
l'intervallo di confidenza, con la caratteristica che
la sua distribuzione è nota e non dipende dal
parametro in esame
L'ampiezza dell'intervallo è tanta più elevata n è piccolo
quanto più
Per la determinazione dell'intervallo di La distribuzione normale standardizzata
confidenza per la media di una popolazione
normale con varianza nota, si utilizza:
Per la determinazione dell'intervallo di La distribuzione t di student

confidenza per la media di una popolazione
normale con varianza non nota (n
Se la popolazione non è normale per il teorema Basato sulla distribuzione normale standardizzata
del limite centrale, quando n>30, si può
costruire l'intervallo di confidenza:
Per trovare l'intervallo di confidenza per la La varianza della popolazione non è nota
media di una popolazione normale, si utilizza
la t di student, anziché la normale
standardizzata perché:
Si effettuano 60 misurazioni sperimentali da IC=[30,723; 35,277]
cui si evince una media campionaria uguale a
33. Costruire un intervallo di confidenza al 90%
per la media della popolazione, la quale si
distribuisce normalmente con varianza pari a
115:
Supponiamo che la perdita di peso di n=16 IC=[2,92;3,92]

pezzi di metallo, dopo un certo intervallo di
tempo, sia di 3,42 gr con varianza campionaria
corretta pari a 0,4624. Costruire un intervallo di
confidenza al 99% per la media della
popolazione di peso dei pezzi di metallo:
Da una partita di bulloni metallici è stato IC=[0,1216;0,2784]

estratto un campione di n=100 elementi e se
ne sono trovati 20 difettosi. Costruire un
intervallo di confidenza al 95% per la
proporzione p dei pezzi difettosi:
L'ampiezza A dell'intervallo di confidenza per**
:
In riferimento alla domanda 1 (L’ampiezza A

dell’intervallo di confidenza**) la numerosità n
è uguale:
Quanto dovrebbe essere grande un campione n=31
per avere un intervallo di confidenza al 95%
per il contenuto medio di nicotina di una data
marca di sigarette, se il contenuto di nicotina
ha una distribuzione normale con σ=8,5 mg e
l'ampiezza dell'intervallo deve essere di 6 mg:
Una partita di pistoncini di freni presenta un IC=[1,1938;1,2062]
diametro μ incognito; la varianza del diametro
dei pistoncini è invece nota e pari 0,01 cm. Si
estrae un campione di n=1000 pistoncini, sui
quali si osserva un diametro medio pari a 1,2
cm. Si calcoli l'intervallo di confidenza per μ ad
un livello di confidenza del 95%:
In rifermento alla domanda 4(quella sopra: una 0.0124
partita di pistoncini di freni presenta un
diametro.. ) si calcoli l'ampiezza di tale
intervallo:
Nel caso di estrazione senza ripetizione la
deviazione standard delle frequenze
campionarie è:
Nel caso di estrazione con ripetizione la
deviazione standard delle frequenze
campionarie è:
L'ampiezza dell'intervallo di confidenza per

una proporzione è:
Se la popolazione è sufficiente grande, o nel

caso di estrazione con ripetizione si ha che:
Si vuole conoscere la proporzione di pezzi n=751,67

difettosi prodotti da una macchina.
Determinare la numerosità campionaria
necessaria affinchè la vera proporzione cada
in un intervallo al 90%, tollerando un errore
non superiore al 3%:
Un ipotesi statistica è: Un affermazione sulla distribuzione di probabilità
di una variabile casuale
La verifica delle ipotesi: Consiste nel formulare, sulla base di dati
campionari, un giudizio che induca ad accettare o
rifiutare l'ipotesi nulla, con un prefissato livello di
significatività
L'ipotesi parametrica riguarda: I parametri caratteristici di una particolare
distribuzione di cui si conosce la forma analitica
Le ipotesi statistiche: Si tratta due ipotesi alternative complementari e
logicamente escludentisi

Si commette un errore di seconda specie: Nell' accettare l'ipotesi nulla quando in realtà è
falsa
Cosa indica il livello di significatività: La probabilità massima con cui accettiamo di
rischiare l'errore di prima specie
La potenza del test è: la probabilità di rigettare l'ipotesi nulla quando è
giusto farlo
Sia data una popolazione normale con
varianza nota. Volendo verificare l'ipotesi:
contro . La statistica test da
utilizzare è:
Sia data una popolazione normale con
varianza non nota. Volendo verificare
l'ipotesi: contro . La
Si vuole sottoporre a verifica z>1,645
l'ipotesi: contro , usando un
livello di significatività dello 0,05. La regione di
rifiuto per il test Z è :
Si vuole sottoporre a verifica z < -1,96 o z > 1,96
l'ipotesi: contro usando un
rifiuto per il test Z è:
Si vuole sottoporre a verifica t < -2,120 o t > 2,120
rifiuto per il test T con 16 gradi di libertà è:
Si vuole sottoporre a verifica t > 1,746
Si vuole sottoporre a verifica z < -2,33
Si vuole sottoporre a verifica t <-2,552

contro:
Si vuole sottoporre a verifica t > 2,567
Si vuole sottoporre a verifica z <-1,28

La verifica dell'ipotesi di indipendenza mira a L'indipendenza stocastica
verificare:
Due variabili sono stocasticamente
indipendenti se:
Effettuando un test di verifica dell'ipotesi di (r-1)(c-1)

indipendenza su una tabella di contingenza, i
gradi di libertà corrispondono:
Se il
Effettuando un test di verifica dell'ipotesi di 16
indipendenza su una tabella di contingenza
5x5, i gradi di libertà corrispondono:
Se il
Si vuole verificare l'ipotesi di indipendenza Chi- quadrato con 4 gradi di libertà
sulla base di una tabella di contingenza 3x3 la
cui frequenza totale è n=400. Il valore soglia
per la statistica test ha distribuzione
Si vuole verificare l'ipotesi di indipendenza Chi- quadrato con 6 gradi di libertà
sulla base di una tabella di contingenza 4x3 la
cui frequenza totale è n=400. Il valore soglia
per la statistica test ha distribuzione
Nel modello di regressione lineare semplice, Ipotesi di normalità
quali tra le seguenti ipotesi è definita ipotesi
forte:
Nel modello di regressione lineare semplice, Ipotesi sulla variabile esplicativa
quali tra le seguenti ipotesi è definita ipotesi
debole:
L'ipotesi di indipendenza stabilisce che:
La varianza dello stimatore B1 è:
Uno stimatore corretto di σ², con le ipotesi di E(MSE*)= σ2

varianza costante e dell'indipendenza degli
errori è il MSE* = SSE*/n-2, il cui valore atteso
In base al teorema di Gauss Markov, gli Sono i più efficienti
stimatori dei minimi quadrati:
Nel modello di regressione lineare semplice la
devianza residua risulta uguale a:
Sotto l'ipotesi che H0 sia vera la variabile casuale t Come una t di Student con n-2 gradi di
si distribuisce come: libertà
Il coefficiente di determinazione lineare è: Il quadrato del coefficiente di correlazione
lineare
Il coefficiente di determinazione lineare è nullo se è La devianza di regressione
nulla:
In riferimento alla tabella che mostra la
decomposizione della devianza totale, il rapporto F
è uguale:
Il E(SSR*) è uguale:
Nel modello di regressione lineare semplice per Con 1 e n-2 gradi di libertà
verificare l'ipotesi H0:β1=0 contro H0:β1 ≠ 0 si può
utilizzate la quantità F che è una v.c F di Fischer -
Snedecor con :
La distribuzione di frequenza è: Il calcolo delle frequenze per ciascun valore

o categoria della variabile
Una tabella a doppia entrata registra: La frequenza assoluta, cioè quante volte
una coppia di modalità si presenta
Per produrre la distribuzione di frequenza Moltiplicare per 100 le frequenza relative
percentuale occorre:
Per calcolare le frequenze cumulate relative Le frequenze cumulate per n
occorre dividere:
Quando parliamo di matrice dei dati, Il numero di colonne dipende dai caratteri
relativamente al numero di colonne possiamo dire osservati
che...
Il numero dei caratteri in una matrice: Non dipende dalla numerosità della
popolazione
L’Istogramma è una: Modalità di rappresentazione della
rilevazione statistica
Le matrici sono composte da: N righe e k colonne, con k che può essere
eguale o diverso da n
Le misure di posizione hanno l’obiettivo di: Sintetizzare in un singolo valore numerico
l’intera distribuzione di frequenza per
effettuare confronti nel tempo, nello spazio
o tra circostanze differenti
Considera il seguente insieme di osservazioni (2; 5,66
14; 13; 15; 6; 1), la media geometrica è pari a:
14; 13; 15; 6; 1), la media aritmetica è pari a:
14; 13; 15; 6; 1), la mediana è pari a:
Considera il seguente insieme di osservazioni 1
(2; 14; 13; 15; 6; 1;1), la moda è pari a:
(2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a:
(2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è pari
a:
Considera il seguente insieme di osservazioni -1
(-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore massimo
è pari a:
Scrivi la funzione excel ed i simboli da digitare =MEDIA.GEOMETRICA
nella cella per calcolare la media geometrica:
Si consideri la popolazione di 20 unità statistiche: Media aritmetica
{-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}.
Indicare quale indice di posizione appare
Si consideri la popolazione di unità statistiche: { Moda

-250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,
2500}. Indicare quale indice di posizione appare
Si consideri la popolazione: Moda

{-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9,
9,10,11,2500}. Indicare quale indice di
posizione appare rappresentativo dell'intera
distribuzione:
La proprietà moltiplicativa degli indici di tendenza Permette cambiamenti di scala nell'indice

centrale:
La proprietà lineare degli indici di tendenza E' diversa da quella moltiplicativa
centrale:
La proprietà lineare degli indici di tendenza E' basata sulla relazione di linearità tra le
centrale: variabili ed i rispettivi indici di posizione
La proprietà di monotonicità degli indici di E' basata sulla comparazione tra le variabili
tendenza centrale: ed i rispettivi indici di posizione
Una variabilità alta in luogo di una variabilità Diminuisce le capacità previsive dei modelli
bassa statistici
La varianza del campione è: Calcolata con i dati del campione
rappresentativo della popolazione
1) Calcola il range delle seguenti osservazioni 29
relative agli errori compiuti da ogni alunno nel test
con 30 domande:
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range parziale delle seguenti 12

osservazioni relative agli errori compiuti da ogni
alunno nel test con 30 domande:
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range delle seguenti osservazioni 12

con 30 domande:
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)
Calcola il range parziale delle seguenti 7

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)
Lo scostamento semplice medio riguarda: Lo scostamento di ogni valore della

distribuzione dalla media, preso in valore
assoluto
Lo scostamento quadratico medio riguarda: La media degli scarti al quadrato tra i dati e
la M
Una variabilità pari al valore 65 in luogo del valore Può aumentare le capacità descrittive e
80, ottenuta eliminando i valori outlier: previsive del modello statistico
Una variabilità pari al valore 80 in luogo del valore Indica che è stato commesso qualche errore
65, ottenuta eliminando i valori outlier: nei calcoli o nel programma
La varianza fornisce: La misura sintetica di quanto le unità
differiscono dalla media aritmetica
Usando la mediana in luogo della media nel calcolo È bene eliminare i valori anomali ed estremi
della varianza:
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
Il rapporto statistico di coesistenza si ottiene: Mediante il rapporto tra la frequenza di una
modalità rispetto a quella corrispondente di
un’altra modalità
Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data

circostanza per l’analogo valore rilevato per
l’intera popolazione
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
Costruendo i numeri indice della serie storica del Capire quale delle due unità presenta un
fatturato per due aziende, vogliamo in particolare: andamento migliore
L’anno con valore pari a 100 nella serie storica dei L’anno base
numeri indice è:
Il valore dell’anno con numero indice pari a 100 Il denominatore nel calcolo del numero
nella serie storica osservata è indice
L’inflazione è: La diminuzione del potere di acquisto

della moneta
L’inflazione è: L'aumento prolungato del livello medio
generale dei prezzi di beni e servizi in un
dato periodo di tempo
La variazione congiunturale riguarda in statistica- Il mese precedente
economica il confronto con:
La variazione tendenziale riguarda in statistica- L’anno precedente

Nel calcolo del tasso di inflazione congiunturale al Il numero indice dei prezzi del mese m-1
denominatore c’è: dell\'anno a ed al numeratore il numero
indice dei prezzi del mese m dell\'anno a
Nel calcolo del tasso di inflazione tendenziale al Il numero indice dei prezzi del mese
denominatore c’è: m dell\'anno a-1 ed al numeratore il
numero indice dei prezzi del mese m
dell\'anno a
Il rapporto annuo tra tasso di inflazione e Non esiste
deflazione dell’anno x in un paese determinato:
Nel calcolo dei tassi di incremento tra t e t-1 al Il dato dell’anno t-1
denominatore vi è:
Dieci adolescenti hanno ottenuto i 6/10
seguenti in una prova di abilità spaziale
(2,7,9,2,1,7,5,4,6,2), estraendo a caso un
punteggio quale è la probabilità di
ottenere un numero pari e inferiore a 5:
La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa
direzione
La covarianza è negativa quando: Al crescere di X la Y tende a diminuire e

viceversa
La correlazione indica: Il grado della relazione tra variabili, e per

mezzo di essa si cerca di determinare
quanto bene un’equazione lineare o un’altra
equazione qualsiasi descrivano o spieghino
tale relazione tra variabili.
Con un coefficiente di correlazione pari a r= -0,8 , i Crescono al decrescere dei valori dell’altra
valori di una variabile:
Con un coefficiente di correlazione pari a r= -0,9 , i Crescono al decrescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,5 , i Tendono a crescere al decrescere dei valori
valori di una variabile: dell’altra, ma in maniera blanda
Con un coefficiente di correlazione pari a r= +0,8 , i Crescono al crescere dei valori dell’altra
Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma
le variabili non sono legate da un rapporto
serio di causalità
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due
Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due

Un tipico caso di correlazione non reale comporta Uno dei due caratteri comprende l’altro
che:
Un tipico caso di correlazione non reale comporta I due caratteri sono influenzati da
che: circostanze comuni
Un tipico caso di correlazione non reale comporta Altri fattori variabili influiscono su quelli
che: presi in considerazione
Un tipico caso di correlazione non reale comporta Altri fattori variabili, che rappresentano
che: circostanze comuni ,influiscono su quelli
presi in considerazione
Dividendo il numero delle nascite in una comunità
durante un periodo di tempo e la quantità della Coefficiente di natalità
popolazione media dello stesso periodo si ottiene:
Dividendo il numero delle morti in una comunità

durante un periodo di tempo e la quantità della Coefficiente di mortalità
Dividendo il numero delle morti e delle nascite in Correlazione spuria se l’andamento della
una comunità durante un periodo di tempo popolazione non è correlato col numero di
rispettivamente per la quantità della popolazione nati e morti
media dello stesso periodo si può ottenere:
I numeri indice comparano: Le variazioni dei livelli della variabile nel
tempo con riferimento ad una base
I numeri indice sono: Inferiori a 100 se il livello tende a scendere

rispetto all’anno base
I numeri indice sono: Superiori a 100 se il livello della variabile

tende a crescere rispetto all’anno base
I numeri indice sono: Esplicativi dell’andamento dei livelli della

variabile nel tempo
La formula per calcolare il numero indice tra l’anno Il segno eguale

t e t-1 per la variabile X in Excel è preceduta da:
Se il tasso di incremento tra t e t-1 è pari a 1,2%, 101,2
allora il numero indice in t, con base t-1 sarà:


Se il tasso di decremento tra t e t-1 è pari a -1,2%,

allora il numero indice in t, con base t-1 sarà: 98,8
Se il tasso di decremento tra t e t-2 è pari a -5,2%, 94,8

Per rappresentare graficamente la forma della Il diagramma a dispersione

relazione tra due variabili X ed Y si utilizza:
Studiare la relazione tra due variabili X ed Y Studiare la tendenza che X e Y hanno a

significa: variare insieme
Il coefficiente di correlazione r di Pearson può Tra variabili misurate su scale a intervalli o a

essere usato per calcolare la correlazione: rapporti equivalenti
Quando a valori crescenti di X corrispondono valori Una relazione positiva
crescenti di Y si ha:
Quando al diminuire dei valori di X corrisponde il Una relazione positiva

diminuire dei valori di Y si ha:
Date coppie di valori X e Y, l’equazione di Una formula di predizione di Y

regressione può essere considerata
L’equazione di regressione lineare è l’equazione di Retta
una:
Date coppie di valori X e Y, la retta di regressione è Sola, e ben definita, tra le infinite rette che
una: si possono tracciare tra i punti di un
diagramma a dispersione
Se X è la variabile indipendente e Y quella Predittore
dipendente, considerando l’equazione di
regressione è corretto definire X come:
Se X è la variabile indipendente e Y quella
dipendente, considerando l’equazione di Valore predetto
regressione è corretto definire Y’ come:
Una serie storica è costituita: Dai dati osservati a intervalli regolari di
tempo
Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel
tempo, si possono avere serie mensili,
giornaliere, annuali
La media mobile è: La somma ponderata dei valori della serie
storica
La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate
su n periodi contigui.
Consideriamo la seguente serie storica di valori
contigui (3,5,3,4,6,7), quante medie mobili di 4
ordine tre si possono calcolare:

contigui (3,5,3,4,6,7), quante medie mobili di 2
ordine cinque si possono calcolare:

contigui (3,5,3,4,6,7,0), quante medie mobili di 5

contigui (3,5,3,4,6,7), calcola la prima media 11/3
mobile di ordine tre calcolabile in tempo reale:

contigui (3,5,3,4,6,7), calcola la prima media 21/5
mobile di ordine cinque calcolabile in tempo reale:
Consideriamo la seguente serie storica di valori 6

contigui (2,2,3,5,3,4,6,7), quante medie mobili di
pesate di ordine tre si possono calcolare:
Nella somma logica con operando A=1 ed operando 1
B=1, il totale sarà
0
Nella somma logica con operando A=0 ed operando
B=0, il totale sarà:
Nel prodotto logico con operando A=0 ed operando 0
Nel prodotto logico con operando A=VERO ed F
operando B=FALSO, il totale sarà:
Nel prodotto logico con operando A=VERO ed
operando B=VERO, il totale sarà: V
La negazione logica dell’ operando A=0 è 1

La probabilità che si verifichi un evento può Tra 0 ed 1
assumere valori
Due eventi sono indipendenti quando: Il verificarsi dell’uno non modifica la
probabilità di verificarsi dell’altro
La probabilità del verificarsi di due eventi che si Somma delle probabilità del verificarsi di
escludono a vicenda è data dal: ciascuno dei due eventi
La somma delle probabilità di eventi che si Uguale ad 1
escludono a vicenda ed esaustivi è
Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità
Nella teoria statistica i termini popolazione e Indicativi del fatto che il campione è un
campione sono: sottoinsieme della popolazione
Se si effettua una estrazione senza reimmissione la Viene modificata
probabilità di estrarre un altro elemento
Da un mazzo di 40 carte viene estratta una carta.
Calcolare la probabilità di ottenere un asso 0,1
Da un mazzo di 40 carte viene estratta una carta. 0,25

Calcolare la probabilità di ottenere una carta di
bastoni:
Da un mazzo di carte viene estratta una carta. 12/40

Calcolare la probabilità di ottenere una figura
Dato un mazzo di 40 carte viene estratta una carta. 8/40

Calcolare la probabilità di ottenere un fante o un
re:
Dato un mazzo di 40 carte viene estratta una carta.

Calcolare la probabilità di ottenere una figura o 32/40
una carta inferiore a 6:
Dato un mazzo di 40 carte calcolare la probabilità

di ottenere in due estrazioni con reimmissione un 1/40
re alla prima estrazione e una carta di coppe alla
seconda:
Dato un mazzo di 40 carte calcolare la probabilità
di ottenere in due estrazioni con reimmissione un 2/100
re e un asso:
Si consideri come successo l’evento “faccia con il

numero sei” nel lancio di un dado. Calcolare la 1/6
probabilità di successo in un lancio:
Si consideri come successo l’evento “faccia con il

numero sei” nel lancio di un dado. Calcolare la 5/6
probabilità di insuccesso in un lancio:
Dieci adolescenti hanno ottenuto i seguenti in una

prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2),
estraendo a caso un punteggio quale è la 4/10
probabilità di ottenere un numero pari e inferiore
a 6:

prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). 0,7
Estraendo a caso un punteggio quale è la
probabilità di ottenere un numero pari o inferiore
a 6:

prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2).
Estraendo a caso due punteggi con reimmissione, 0,2
quale è la probabilità di ottenere almeno un 7 alla
prima estrazione:

Estraendo a caso due punteggi con reimmissione, 14/100
quale è la probabilità di ottenere due punteggi la
cui somma sia 9:
Il numero di cuori negli esseri viventi ed il numero Il numero di battiti solamente può essere
di battiti cardiaci al minuto possono entrambi definito variabile
essere definiti:
Si supponga di avere la seguente distribuzione di
10 individui secondo la nazionalità: Italiani n.3, Nominale
Francesi n.4, Spagnoli n.3. La caratteristica
Le frequenze percentuali di una distribuzione si Il rapporto tra ciascuna frequenza ed il

calcolano facendo: totale delle frequenze e moltiplicando per
100 il risultato
Quando si calcolano le frequenze cumulate
percentuali, l'ultimo valore che si ottiene, cioè il 100
più elevato, è:
La mediana è: La categoria o il punteggio al di sopra e al di

sotto del quale cade un ugual numero di
casi

Un test fornisce punteggi compresi tra 0 e 120. La
media del test, calcolata su un campione, risulta Sicuramente sbagliato
142,9. Il risultato è:
Un test fornisce sicuramente punteggi compresi tra

0 e 120. La mediana del test, calcolata da un 120
ricercatore su un campione, risulta 142,9. Il
punteggio massimo ottenibile è:
in una distribuzione di frequenza si può ottenere: Più di una moda
Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto zero
(origine) dell’asse delle ascisse e il punto in
cui la retta taglia l’asse delle ordinate
Quando la correlazione tra X ed Y è molto elevata, Differiscono

pari ad rxy=0.92, i valori di Y ed Y’:
Quando la correlazione tra X ed Y è molto bassa, Differiscono

pari ad rxy=0.22, i valori di Y ed Y
Quando la correlazione tra X ed Y è pari ad rxy=+1, Coincidono

i valori di Y ed Y’:
Quando la correlazione tra X ed Y è pari ad rxy=-1, Coincidono
i valori di Y ed Y’:
Prova anche a realizzare in Excel i grafici che Perpendicolari tra loro

seguono. Quando rxy= 0, le due rette di
regressione Y’=ay+byX e X’= ax+bxY son
Prova anche a realizzare in excel i grafici che Coincidono

seguono. Quando rxy= -1, le due rette di regressione
Y’=ay+byX e X’= ax+bxY sono:

seguono. Quando rxy= +1, le due rette di
regressione Y’=ay+byX e X’= ax+bxY sono:
tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi

è una relazione lineare, sapendo che il coefficiente 0.58
di correlazione è uguale a 0.76, il coefficiente di
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi

è una relazione non lineare, sapendo che il Non è possibile calcolarlo con i dati a
coefficiente di determinazione è uguale a -1, il disposizione che non sono corretti

(100,200,350,500,600) le medie mobili di ordine 3 216.67; 350.00; 483.33
con 2 cifre decimali sono:

valori(10,100,200,350,500,600) le medie mobili di 232 e 350
ordine 5 sono:
Nella serie (10,100,200,350,500,600) le medie 103, 217, 350, 483

mobili senza cifre decimali di ordine 3 sono:
La funzione TENDENZA in Excel serve per: Prevedere il valore al tempo t in una

funzione stimata y*
La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in

La stima del parametro nel campione è: Non è opportuno definire la stima del
parametro nel campione, ma nella
popolazione
La stima del parametro nella popolazione è: Relativa ai valori che può assumere lo
stimatore
La funzione stimatore del parametro dovrebbe Centrata, consistente, efficiente

essere:
Si supponga di aver compiuto una rilevazione

campionaria su 2000 pazienti e che 500 siano
risultati sensibili ad un determinato farmaco. 0,25
Indicare quale è la proporzione campionaria di
persone sensibili al farmaco:

risultati sensibili ad un determinato farmaco. Non si può sapere
Indicare quale è la proporzione nella popolazione
di persone sensibili al farmaco:
risultati sensibili ad un determinato farmaco. 0,75
persone non sensibili al farmaco:

risultati sensibili ad un determinato farmaco. Con 0,23 e 0,27
un grado di fiducia del 95%, stimiamo che la
proporzione della popolazione sensibile al farmaco
deve essere compresa tra:
La proporzione di varianza comune a X e Y è Coefficiente di determinazione

espressa da r2xy che è denominato:
La proporzione di varianza comune a X e Y è La varianza spiegata

espressa da r2xy che esprime:
La quantità espressa da 1-r2xy con r2xy che indica

la proporzione di varianza comune a X e Y è Varianza residua
denominata:
Il coefficiente di correlazione di Pearson tra X=

“abilità manuali” ed Y= ”abilità tecniche” è pari a
0,76. Considerando una relazione lineare tra X ed 0,58
Y, dove quest’ultima è la variabile dipendente, il

“quantità di grassi saturi assunte” ed Y= ”speranza
di vita” è pari ad -1. Considerando una relazione 1
lineare tra X ed Y, dove X è la variabile dipendente
ed Y quella indipendente, il coefficiente di

0,76. Considerando una relazione lineare tra X ed 42%
Y, dove quest’ultima è la variabile dipendente, la
varianza residua sarà pari a:

0,76. Considerando una relazione lineare tra X ed 58%
Y, dove quest’ultima è la variabile dipendente, la
varianza comune sarà pari a:
In una scuola superiore 70 ragazzi sono iscritti ad
un corso di Inglese specialistico. All’inizio del corso
ai 70 alunni viene somministrato un test
attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del Attitudine all’Inglese
corso si valuta l’apprendimento dell’inglese per
ogni ragazzo con un test di profitto (da 0 a 100).
Viene utilizzato il punteggio al test attitudinale per
prevedere il livello di apprendimento dell’inglese
raggiunto a fine corso, e si ottengono i seguenti
risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale
è la variabile indipendente:

termini di risposte corrette (da 1 a 40). Alla fine del
risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale
punteggio dovrebbe ottenere al test di profitto un 10
ragazzo che sbaglia tutte le domande al test
attitudinale:

termini di risposte corrette (da 1 a 40). Alla fine del
2
risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni
risposta corretta in più al test attitudinale indicare
di quanti punti aumenta il punteggio al test di
profitto:
un corso di Informatica specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test
attitudinale per l’Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40).
Alla fine del corso si valuta l’apprendimento 3,5
dell’Informatica per ogni ragazzo con un test di
profitto (da 0 a 100). Viene utilizzato il punteggio
al test attitudinale per prevedere il livello di
apprendimento dell’informatica raggiunto a fine
corso, e si ottengono i seguenti risultati: Y’=15+2X:
r2=0,74; se=3,5. Indicare di quanti punti è l’errore
medio di previsione:

un corso di Informatica specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test
attitudinale per l’Informatica che fornisce
punteggi in termini di risposte corrette (da 1 a 40).
Alla fine del corso si valuta l’apprendimento
dell’Informatica per ogni ragazzo con un test di
profitto (da 0 a 100). Viene utilizzato il punteggio
al test attitudinale per prevedere il livello di 3, coefficiente di regressione
apprendimento dell’informatica raggiunto a fine
corso, e si ottengono i seguenti risultati: Y’=15+3X:
r2=0,74; se=3,5. Indicare per ogni risposta corretta
al test attitudinale di quanti punti aumenta il
punteggio al test di profitto e come si chiama
questo parametro:
Tra i punteggi ad un test di letteratura inglese e i

punteggi ad un test di abilità matematica (numero
di risposte corrette in entrambi i casi) si calcola un Le persone con punteggi bassi in
coefficiente di correlazione di Pearson pari a -0,88. matematica hanno buone prestazioni in
Sulla base del risultato ottenuto si può evidenziare letteratura inglese
che:
Tra i punteggi ad un test di letteratura inglese e i

di risposte corrette in entrambi i casi) si calcola un Le due variabili sono correlate
coefficiente di correlazione di Pearson pari a -0,88. negativamente
Sulla base del risultato ottenuto si può evidenziare
che:
Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili
corrispondono generalmente i più grandi
dell’altra, e se ai valori più grandi
corrispondono in genere i più piccoli
La correlazione: A differenza della regressione, non richiede

di stabilire quale variabile sia antecedente
all’altra (in termini di dipendenza)
Relazioni di discordanza significative tra variabili Un coefficiente di correlazione negativo

implicano:
La funzione di ripartizione di una variabile casuale La funzione che associa a ciascun valore x
X a valori reali è: la probabilità dell‘evento “la variabile
casuale X assume valori minori o uguali ad
x”
La funzione di densità di probabilità della Si avvicina all’asse delle ascisse senza mai
distribuzione Normale è asintotica di X verso -∞ e toccarla
+∞, cioè:
I valori attesi nella variabile casuale Normale Media; Varianza;

sono:
Per 10 bimestri un ricercatore ha rilevato la

temperatura media (variabile X, espressa in gradi
centigradi) e l’importo pagato per la bolletta
elettrica (variabile Y, espressa in euro): xi : 10, 18, Una modalità del carattere
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
48, 50, 45, 55, 65 Il valore 24 riportato nella prima
riga della tabella rappresenta:

elettrica (variabile Y, espressa in euro): xi : 10, 18,
4/10
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una
temperatura media pari a 17 gradi è:
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
0,8
temperatura media pari a 25 gradi, che
ipotizziamo essere una v.c distribuita
normalmente, è:
Indicare la percentuale di bollette con importi

inferiori a 60 euro, tra i bimestri con temperatura
media superiore a 20°: 3/5
La funzione f(X) raggiunge il suo punto più alto in Xi = media

corrispondenza di:
Poiché nella v.c. Normale la funzione f(X)

raggiunge il suo punto più alto in corrispondenza Coincidano
di Xi = µ, ciò comporta che media, mediana e moda:
Si ricorre ad una distribuzione normale quando: Una variabile casuale continua è distribuita
normalmente o quasi.
Nella teoria statistica i termini campione e Non sono sinonimi

popolazione sono:
I simboli μ e σ si riferiscono alla media ed allo Popolazione

scarto quadratico medio del:
I simboli e S si riferiscono alla media ed allo scarto Campione

quadratico medio del:
La distribuzione di probabilità di z è costruita: E’ una funzione teorica espressa con regole

matematiche relative a un insieme infinito
di dati
La curva normale a differenza delle altre curve è: Definita da un’equazione particolare che
permette di calcolare, data un’ordinata,
porzioni di area sottese alla curva stessa
La curva normale è caratterizzata da: Essere definita da un’equazione particolare
che permette di calcolare, data un’ordinata,
porzioni di area sottese alla curva stessa
La curva normale standardizzata è caratterizzata

dal fatto di avere: Media =0 e deviazione standard=1
La curva normale standardizzata è caratterizzata

dal fatto di avere: I punteggi sono espressi in punti z
Valori estremi, cioè posizionati verso le code di una

distribuzione di probabilità, hanno una probabilità Inferiore rispetto ai valori centrali
di verificarsi per caso:
Utilizzando la tavola della curva normale Nella colonna di sinistra con una cifra decimale;
standardizzata si individueranno i punti z: la seconda cifra decimale è situata nella prima
riga in alto della stessa tavola
Se una variabile è dicotomica: Può assumere solo due valori,

indipendentemente dalla probabilità di
La seguente ipotesi è nulla: La popolazione da cui il campione è

estratto ha media 58
La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe

sociale e alcolismo
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono

tra loro in modo significativo
La seguente ipotesi è nulla: l farmaco C non ha un effetto diverso dal

farmaco D
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è
uguale a quella delle femmine
La seguente ipotesi è nulla: C’è una relazione significativa tra reddito

delle persone e livello di istruzione
La seguente ipotesi:
“C’è una minore astensione dal lavoro nel reparto Monodirezionale sinistra
A rispetto al reparto B di una fabbrica” è:
La seguente ipotesi: “Il punteggio medio ad un test

di statistica di due gruppi di individui è Bidirezionale
significativamente diverso” è:
La seguente ipotesi: “La media della popolazione

da cui deriva un certo campione non è 200” Bidirezionale
La seguente ipotesi: “La probabilità di ottenere

croce lanciando una certa moneta è superiore a Monodirezionale destra
0,5” è:
La seguente ipotesi: “Un giocatore scommette

sull’uscita della faccia con il numero 4 di un dado, e
vince un numero elevato di volte. Sospettiamo che Monodirezionale destra
il dado sia truccato” è:
La seguente ipotesi: “Il tempo medio di

riconoscimento di alcuni dipinti storici impiegato Monodirezionale sinistra
dagli studenti è inferiore a 20 secondi” è:
La seguente ipotesi: “Un giocatore scommette

sull’uscita della faccia con il numero 4 di un dado, e 1/6
vince un numero elevato di volte. Sospettiamo che
il dado sia truccato”. La probabilità sotto l’ipotesi
La seguente ipotesi: “Il punteggio medio ad un test

di statistica di due gruppi di individui è
significativamente diverso” ha il seguente segno
del valore critico:
±
Quale probabilità si ha di commettere l’errore di I 5%
tipo se si rifiuta l’ipotesi nulla avendo scelto un
livello di significatività del 5%:
Ponendo ed H1 monodirezionale destra, indicare

quando è possibile rifiutare l’ipotesi nulla; ciò Il 4% dei casi
accade nel caso in cui il risultato del test effettuato
lasci alla sua destra:
1 INTRODUZIONE ALLA STATISTICA
1 La statistica ci offre gli strumenti per:
a Organizzare, riassumere, analizzare i dati relativi ad un fenomeno, ottenuti attraverso le misurazioni.
b Organizzare, riassumere, analizzare i dati relativi ad un fenomeno, che sono ottenuti attraverso le
misurazioni compiute per fenomeni diversi da esso
c Organizzare e riassumere i dati relativi ad un fenomeno, che sono ottenuti attraverso le misurazioni
compiute per fenomeni diversi da esso
d Organizzare, riassumere, analizzare gli errori di tipo normativo.
2 L’Inferenza ha lo scopo di:
a Indurre le caratteristiche dall’intera popolazione ai dati raccolti
b Dedurre le caratteristiche dell’intera popolazione a partire da dati raccolti
c Dedurre le caratteristiche del campione
d Inferire gli errori non statistici
3 La statistica descrittiva:
a Fa previsioni
b Testa ipotesi
c Organizza e riassume i dati
d Organizza le previsioni per capire quanto sono forti le relazioni osservate
4 La popolazione è:
a L’ universo di elementi che forma l’ oggetto di uno studio statistico
b Campionaria
c Sempre ipotetica
d Una previsione
5 Il campione è:
a Un sottoinsieme della popolazione
b Un insieme grande quanto la popolazione
c La popolazione
d Sempre grande quanto la popolazione
6 Un campione rappresentativo è:
a Casuale
b Abbastanza piccolo
c Con bassa numerosità
d La popolazione
7 Il campionamento sistematico è:
a A blocchi
b Stratificato
c Con popolazione in sottogruppi
d Caratterizzato dalla selezione di un elemento ogni k elementi successivi
8 Il campionamento stratificato è:
a A blocchi
b Stratificato
c Caratterizzato da popolazione divisa in sottogruppi omogenei
9 Il campionamento a blocchi è:
a Caratterizzato da cluster
b Stratificato
c Caratterizzato da popolazione divisa in sottogruppi disomogenei
10 La statistica permette di ragionare:
a In modo qualitativo
b Dal generale alla popolazione
c Con Induzioni generali
d Facendo deduzioni ed induzioni

2 L'INDAGINE STATISTICA
1 Le fasi di una indagine statistica si conviene siano le seguenti:
a Definizione degli obiettivi della ricerca; Rilevazione dei dati; Elaborazione metodologica; Presentazione
ed interpretazione dei risultati; Utilizzazione dei risultati raggiunti.
b Elaborazione metodologica e definizione degli errori campionari
c Analisi dei dati e definizione dei risultati della ricerca
d Definizione degli obiettivi della ricerca; Rilevazione dei campioni; Elaborazione metodologica;
Presentazione ed interpretazione dei risultati; Utilizzazione dei risultati raggiunti.
2 L’indagine statistica può essere:
a Campionaria o di tipo censuario
b Solo relativa alla popolazione
c Solo relativa al campione
d Sulla popolazione o del tipo censimento
3 La statistica induttiva:
a Fa inferenza
b Trae indicazioni dalla popolazione che siano valide per il campione
c Trae indicazioni precise sull’intera popolazione
d È quella descrittiva
4 La mutabile è:
a Un carattere quantitativo
b Un’unità statistica
c Un carattere qualitativo
d La rilevazione statistica qualitativa
5 Il numero di lanci di una moneta è una:
a Variabile discreta
b Variabile continua
c Variabile reale
d Variabile dipendente
6 Il reddito pro-capite è una:
a Variabile discreta
b Variabile continua
c Variabile reale
d Variabile dipendente
7 Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi di interesse nell’Euro
Area:
a x è la variabile indipendente
b I tassi di interesse sono la variabile indipendente
c Non vi sono variabili causali in questa relazione
d Vi è un rapporto causa-effetto in cui y è la causa
8 Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di relazione:
a y = -10; la relazione è lineare
b y=x
c y = 10; la relazione è lineare
d y = 10; la relazione è non lineare
9 Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di relazione:
a y = -100; la relazione è lineare
b y=x
c y = 100; la relazione è lineare
d y = 100; la relazione è non lineare
10 La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a:
a 1
b 100
c 10
d 0
3 LA STATISTICA: INTRODUZIONE E APPROFONDIMENTI
1 Che cosa è l'unità statitistica:
a L'unita elementare oggetto di osservazione e di studio
b La componente di un gruppo che si occupa dell'elaborazione di un questionario
c La componente di un gruppo che effettua l'indagine statistica
d L'unita di misura dei fenomeni statistici
2 La popolazione è finita:
a Quando non è determinabile il numero di unità che compongono
b Quando è determinabile il numero di unità che compongono
c Quando la successione di unità non ha fine
d Non esiste una popolazione finita
3 Il lancio di una monetà è un esempio di:
a Popolazione finita
b Popolazione finita ma non numerabile
c Popolazione infinita
d Popolazione di stato
4 Il carattere sesso è:
a Un carattere continuo
b Un carattere trasferibile
c Un carattere discreto
d Carattere qualitativo sconnesso
5 Il carattere età è:
c Un carattere qualitativo ciclico

6 Il carattere titolo di studio è:
c Un carattere qualitativo rettilineo
7 Il carattere stato civile è:
8 Il carattere numero di figli è:
a Un carattere qualitativo ciclico
d Carattere discreto
9 Il carattere professione è:
b Un carattere qualitativo sconnesso
d Carattere discreto
10 Non è una scala di misura delle manifestazioni di un carattere statistico:
a La scala nominale
b La scale ordinale
c La scala ad intervalli
d La scala semilogaritmica
4 FREQUENZA E DISTRIBUZIONI STATISTICHE
1 La frequenza assoluta è:
a Il numero delle volte ni in cui la modalità xi è stata osservata
b Un numero che varia tra zero e uno
c La misura di un carattare quantitativo
d Il numero di volte in cui una certa modalità non è stata osservata
2 La frequenza relativa è uguale:
a ni/n
b ni
c Al totale delle frequenze
d Alla somma delle frequenze
3 In una distribuzione statistica, la somma delle frequenze relative:
a Dipende dal carattere statistico esaminato
b È sempre uguale a 1
c È compresa tra frequenza massima e quella minima
d È sempre maggiore di 1
4 Una classe è aperta:
a Se entrambi gli estremi sono inclusi
b Se entrambi gli estremi sono esclusi
c Se solo l'estremo destro è incluso
d Se solo l'estremo sinistro è incluso
5 Una classe è chiusa:
a Se entrambi gli estremi sono inclusi
b Se entrambi gli estremi sono esclusi
c Se solo l'estremo destro è escluso
d Se solo l'estremo sinistro è escluso

6 L'ampiezza della classe è:
a La differenza tra estremo superiore e estremo inferiore della classe
b Il rapporto tra estremo superiore e estremo inferiore della classe
c La somma tra estremo superiore e estremo inferiore della classe
d Non si può calcolare
7 La classe è chiusa a sinistra se:
a Solo l'estremo sinistro è incluso
b Solo l'estremo destro è incluso
c Solo l'estremo destro è escluso
d Solo l'estremo sinistro è escluso
8 Il valore centrale è:
a La semisomma dei due estremi
b Il rapporto tra i due estremi
c Il prodotto tra i due estremi
d È la somma dei due estremi
9 In una tabella doppia se entrambi le variabili sono qualitative, si parla di:
a Tabella di correlazione
b Tabella mista
c Tabella di contingenza
d Le variabili non possono essere entrambe qualitative
10 In una tabella doppia se entrambi le variabili sono quantitative, si parla di:
a Tabella di correlazione
b Tabella mista
c Tabella di contingenza
d Le variabili non possono essere entrambe quantitative
5 RAPPRESENTAZIONI GRAFICHE
1 La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una serie di rettangoli
contigui viene chiamata:
a Istogramma
b Poligono di frequenza
c Ideogramma
d Cartogramma
2 Le densità di frequenza di un istogramma:
a Sono le frequenze relative
b Si ottengono dal rapporto tra la frequenza di una classe e l'ampiezza della classe medesima
c Si ottengono dal rapporto tra ampiezza della classe e frequenza della classe
d Esprimono l'addensamento delle frequenze intorno al valore più alto della classe
3 Come viene classificato l'ortogramma:
a Solo a nastro
b Solo a colonne
c Sia a nastro sia a colonne
d Ne a nastro ne a colonne
4 Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi:
a I diagrammi circolari
b I cartogrammi
c L'istogramma e box-plot
d Diagramma in coordinate polari
5 La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in tanti spicchi, viene
chiamata:
a Diagramma circolare
b Poligono di frequenza
c Cartogramma
d Non esiste una tale rappresentazione grafica

6 Per la costruzione di un box plot si utilizzano i seguenti valori:
a Xmin, xmax
b Q1 e Q2
c Q1 e xmax
d Xmin Q1 Med Q3 xmax
7 Il box plot, rappresentato tramite un rettagolo, è diviso al suo interno:
a Dal primo quartile
b Dal terzo quartili
c Dalla mediana
d Dal valore minimo
8 Il box plot fornisce informazioni:
a Solo sulla variabilità
b Solo sulla presenza di valori anomali
c Solo sulla simmetria/asimmetria della distribuzione
d Sulla variabilità, sulla presenza di valori anomale e sulla simmetria/asimmetria della distribuzione
9 All'interno del rettangolo (box plot) sono contenute:
a Il 25% delle osservazioni
b Il 75% delle osservazioni
c Il 50% delle osservazioni
d Il 100% delle osservazioni
10 Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi:
a Stereogramma ed istogramma
b Ortogramma e diagramma circolare
c Box-plot
d Diagramma in coordinate cartesiane ortogonali
6 LE RELAZIONI STATISTICHE
1 Tra due variabili vi è indipendenza assoluta se:
a Le frequenze osservate sono uguali alle frequenze teoriche
b Frequenze osservate sono diverse da quelle teoriche
c Frequenze osservate sono maggiori delle frequenze teoriche
d Frequenze osservate sono inferiori delle frequenze teoriche
2 Si chiama contingenza:
a La differenza tra frequenze osservate e frequenze teoriche
b La somma tra frequenze osservate e frequenze teoriche
c Il rapporto tra frequenze osservate e frequenze teoriche
d Il quadrato della somma tra frequenze osservate e frequenze teoriche
3 La somma delle contingenze di ciascuna riga e di ciascuna colonna sono:
a Pari a 1
b Nulle
c Maggiore di 1
d Inferiore a 1
4 L'indice chi-quadrato di Pearson (χ2) :
a E' un numero puro
b Dipende dalla dimensione del collettivo
c Si annulla nel caso in cui vi è connessione
d Assume valore 1 se esiste indipendenza tra i caratteri
5 Se si raddoppia la numerosità campionaria, il valore del chi-quadrato:
a Resta invariato
b Diminuisce
c Raddoppia
d Diventa negativo
6 Il max χ2 è uguale:
a n x [(r-1)(c-1)]
b (r-1)(c-1)
c n x [min (r-1; c-1)]
d [min (r-1; c-1)]
7 L'indice di contingenza quadratica medio φ2è uguale:
a χ²/n
b χ²/(n-1)
c χ²/(r-1)(c-1)
d χ²/min(r-1)(c-1)
8 L'indice di connessione di Cramer varia:
a Tra zero e uno
b Tra -1 e 1
c Tra 0 e più infinito
d Tra meno infinito e più infinito
9 Indice chi-quadrato è un indice:
a Asimmetrico
b Negativo
c Simmetrico
d Che misura l'indipendenza in media
10 Quali di questi indici è relativo:
a L'indice del chi-quadrato
b L'indice di connessione di Cramer
c L'indice di contingenza quadratica media
d L'odds ratio
7 LE MEDIE RAZIONALI
1 Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442; 0,466; 0,448; 0,419;
0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso medio:
a 0.4415
b 0.999
c 2.67
d 11.2
2 Consideriamo i seguenti dati:
classe 10-20 con frequenza 5; classe 20-30 con frequenza 8; classe㺞-40 con frequenza 12; classe 40-50
con frequenza 9; classe 50-60 con frequenza 3 Calcolare la media aritmetica:
a Non si può calcolare
b 124
c 201
d 34.19
3 La media geometrica è uguale:
a Alla radice quadrata della somma dei termini
b Alla radice n-esima della somma dei termini
c Alla radice quadrata dei prodotti dei termini
d Alla radice n-esima del prodotto dei termini
4 Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12:
a 12.8
b 6.43
c 0.02
d 10.81
5 Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto: 1,103 1,031 0,939 1,097:
a 5.65
b 1.04
c 3.12
d 2.3
6 I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in centesimi). I pesi
attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media dei voti:
a 30
b 78
c 82
d 90
7 La media armonica è:
a Il reciproco della media aritmetica dei reciproci dei termini
b È il reciproco della media aritmetica dei termini
c La media aritmetica dei reciproci dei termini
d Dal rapporto tra i reciproci dei termini e la media aritmetica
8 Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da D a C alla velocità di
20 km/h. Determinare la velocità media dell'intero tragitto:
a 50Km/h
b 80km/h
c 120km/h
d 32km/h
9 La media armonica è particolarmente usata:
a Quando si mediano rapporti di tempo
b In presenza di tassi di interesse, tassi di crescita, tassi di inflazione
c Se in presenza di valori positivi e negativi, si vogliono elimanare i segni
d In presenza di valori nulli
10 La media geometrica è particolarmente usata:
a Quando i diversi valori vengono per loro natura sommati
b Quando i diversi valori vengono per loro natura sottratti
c Quando i diversi valori vengono per loro natura moltiplicati

d In presenza di valori negativi
8 LE MEDIE
1 Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28:
a 22
b 24
c 23.5
d 24.5
2 Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7:
a 0
b 1
c -2
d 4
3 Il secondo quartile coincide con:
a La media aritmetica
b La mediana
c La moda
d Il terzo quartile
4 Si consideri la seguente distribuzione in classi:
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
la classe mediana:
a 58-62
b 73-77
c 83-87
d 48-52
5 Con riferimento alla domanda 4 la mediana:
a 10.4
b 85.3
c 61.52
6 Il primo quartile:
a Quel valore che lascia alla sua destra il 75% delle osservazione e alla sua sinistra il 25% delle
osservazioni
b Quel valore che lascia alla sua destra il 25% delle osservazione e alla sua sinistra il 75% delle
osservazioni
c La mediana
d Corrisponde al 30°percentile
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
Calcolare il primo quartile:
a 55.97
b 83.21
c 49.55
d 73.54
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
Calcolare il terzo quartile:
a 40
b 69
c 90
d 77
9 Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si chiama:
a Media ponderata
b Valore massimo
c Moda
d Mediana
9 LA VARIABILITÀ
1 Cosa si intende variabilità:
a E' l'attitudine di un fenomeno quantitativo ad assumere differente modalità
b E' l'attidudine di un fenomeno ad assumere differenti modalità qualitative
c Un cambiamento della numerosità campionaria
d La differenza tra valore minimo e massimo di un carattere

2 Quale dei seguenti indici indica la variabilità di una serie dei dati:
a Media ponderata
b Frequenza
c Moda
d Scarto quadratico medio
3 La devianza è:
a La somma degli scarti dalla media aritmetica al quadrato
b E' la media aritmetica del quadrato degli scarti dalla media
c E' la radice quadrata della varianza
d E' un indice di variabilità relativa
4 Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando:
a Il quadrato della devianza
b La radice quadrata della devianza
c Il quadrato del rapporto tra devianza e numerosità del collettivo
d La radice quadrata del rapporto tra devianza e numerosità del collettivo
5 Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5:
a 68,89
b 23,75
c 0,009
d 51,84
6 Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5:
a 8,3
b 4,87
c 0,03
d 7,2
7 Il coefficiente di variazione è dato dal rapporto, espresso in termini percentuali, tra:

a Lo scarto quadratico medio e media aritmetica
b La varianza e media aritmetica
c La devianza e media aritmetica
d Lo scostamento semplice medio e media aritmetica
8 La differenza interquartile è data dalla:
a Differenza tra secondo è terzo quartile
b Tra secondo e primo quartile
c Tra terzo e primo quartile
9 Il campo di variazione è dato dalla:
a Differenza tra valore massimo e minimo della distribuzione
b Dal rapporto tra valore massimo e minimo della distribuzione
c Non si può calcolare
d Dalla differenza tra secondo e il primo quartile
10 La mutabilità è:
a L'attitudine di un fenomeno quantitativo ad assumere differente modalità
b L'attitudine di un fenomeno qualitativo ad assumere differente modalità
c La differenza tra valore minimo e massimo di un carattere
d Un cambiamento della numerosità campionaria
10 INDICI DI FORMA
1 Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21:
a Si, la moda=mediana=media
b Si, la media=mediana
c Non è simmetrica
d Si, la media=moda
2 L'asimmetria di una distribuzione denota che:

a I valori del caratteri sono distributi con frequenze differenti attorno al suo valore centrale
b La sua media aritmetica coincide con la sua mediana
c La sua media aritmetica coincide con la sua moda
d Le frequenze osservate sono sempre al di sotto di una frequenza massima
3 L'asimmetria di una distribuzione può essere:
a Nulla, positiva o negativa
b Solo nulla o positiva
c Positiva o negativa, ma non nulla
d Solo nulla o negativa
4 Se la distribuzione è asimmetria positiva si ha:
a Med-Q1 < Q3-Med
b Med-Q1 > Q3-Med
c Med-Q1=Q3-Med
d Media=mediana
5 Se la distribuzione è asimmetria negativa si ha:
a Med-Q1 < Q3-Med
b Med-Q1 > Q3-Med
c Med-Q1=Q3-Med
d Media=mediana
6 L'indice di asimmetria Skewness di Pearson è calcolato:
a Come differenza tra la media aritmetica e la moda divisa la deviazione standard
b Come rapporto tra la media aritmetica e la deviazione standard
c Come rapporto tra la moda e la deviazione standard
d Come rapporto tra la mediana e la deviazione standard
7 La curtosi rappresenta:
a Le frequenze massime di una distribuzione bimodale

b La media aritmetica di una distribuzione asimmetrica
c Il grado di schiacciamento di una distribuzione intorno al suo centro di gravità e rispetto alla curva
normale
d L'origine di una curva
8 La distribuzione di dice platicurtica se:
a E' più schiacciata rispetto alla normale
b Coincide con la distribuzione normale
c E' più appuntita rispetto alla normale
d Non presenta alcun valore modale
9 La distribuzione di dice leptocurtica se:
a E' più schiacciata rispetto alla normale
b Coincide con la distribuzione normale
c E' più appuntita rispetto alla normale
d Non presenta alcun valore modale
10 Il coefficiente di curtosi di Pearson è uguale:
a Momento quarto/quadrato della varianza
b Momento terzo/quadrato della varianza
c Come rapporto tra la media aritmetica e la deviazione standard
d Come rapporto tra la moda e la deviazione standard
11 LE RELAZIONI STATISTICHE: INDIPENDENZA IN MEDIA
1 Si ha indipendenza in media tra due variabili statistiche se:
a Le media parziali sono uguali tra di loro ed uguali alla media generale
b Le medie parziali sono uguali tra loro ma diverse dalla media generale
c Le medie parziali sono uguali tra loro e superiori alla media generale
d Le medie parziali sono uguali tra loro e inferiori alla media generale
2 L'indipendenza in media:
a E' un concetto simmetrico
b Non è un concetto simmetrico
c Implica l'indipendenza statistica
d E' una misura di associazione
3 Il rapporto di correlazione di Pearson varia:
a Tra -1 e 1
b Tra 0 e 1
c Tra 0 e più infinito
d Può assumere un qualsiasi valore
4 Si ha concordanza tra due variabili se:
a Cod(X,Y)>0
b Cod(X,Y)
c Cod(X,Y)=0
d Cod (X,Y)=Dev (X)
5 Si ha discordanza tra due variabili se:
a Cod(X,Y)>0
b Cod(X,Y)<0
c Cod(X,Y)=0
d Cod (X,Y)=Dev (X)
6 Si ha indipendenza correlativa tra due variabili se:
a Cod(X,Y)
b Cod(X,Y)>0
c Cod(X,Y)=Dev(X)
d Cod (X,Y)=0
7 Due variabili si dicono perfettamente correlate se:
a La loro covarianza è uguale alla loro devianza

b Gli scarti rispettivi dalle medie sono uguali
c Il coefficiente di correlazione è pari a 1 in valore assoluto
d Il prodotto delle medie delle due vraiabili è pari a 1
8 Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro): 28.8, 24.2,20,18.2,16.
La codevianza (X,Y) è:
a -577.6
b 3280
c 38.69
d 1444
9 La covarianza (X,Y):
a E' positiva se prevalgono gli scarti discordi
b E' una misura asimmetrica
c E' una misura simmetrica
d E' utilizzata per variabili qualitative
10 Il coefficiente di correlazione:
a Assume valore 1 se vi è discordanza
b E' un numero puro
c Si annulla nel caso in cui le variabili sono correlate
d Può assumere un qualsiasi valore
12 LA REGRESSIONE LINEARE SEMPLICE
1 Il coefficiente angolare bi rappresenta:
a La pendenza della retta
b Il punto in cui la retta interseca l'asse delle ordinate
c Il grado di adattamento
d Un valore teorico

a Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici
b Si minimizza la devianza di regressione
c Si minimizza la devianza totale
d Si minimizza la somma tra valori osservati e valori teorici
3 Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2,
16,2. Determinare l'equazione della retta:
a y^= 39,882-0,1857xi
b y^= 39,69-0,3xi
c y^= 41,628+0,56xi
d y^= 56,76+0,01xi
4 Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2,
16,2, il coefficiente di determinaziome lineare è:
a 0,2085
b 0,9650
c 0,7123
d 0,6102
5 Il coefficiente di determinazione lineare è uguale a 1 se è nulla:
a La devianza totale
b La varianza
c La devianza residua
d La devianza di regressione
6 La devianza di regressione misura:
a Il grado di dispersione dei punti osservati intorno alla retta di regressione
b Quanta parte della variabilità della Y è spiegata dalla relazione lineare
c La correlazione tra X e Y
d L'interdipendenza
7 Se la Cod (X,Y)>0:
a La retta di regressione è decrescente
b La retta di regressione è crescente
c La retta di regressione è parallela all'asse delle x
d La retta di regressione è parallela all'asse delle y
a Il quadrato della codevianza
b La radice quadrata della codevianza
c Il quadrato del coefficiente di correlazione lineare
d E' il quadrato del prodotto tra la devianza di X e la devianza di Y
9 Il coefficiente di determinazione lineare è nullo se è nulla:
b La varianza
c La devianza di regressione
d La covarianza
10 Se il coefficiente di correlazione r=0:
a C'è discordanza
b Non c'e correlazione lineare
c C'è concordanza
d C'è perfetta correlazione lineare
13 ELEMENTI DI CALCOLO DELLE PROBABILITÀ
1 Un esperimento casuale è:
a Un'operazione il cui risultato può essere previsto con certezza
b Un'operazione il cui risultato non può essere previsto con certezza
c L'individuazione di in insieme di unità statistiche dalla popolazione
d Ciascuno degli elementi di uno spazio campione
2 Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B:

a A∪B={1,2,3,4}
b A∪B={1,2,3}
c A∪B={1,2}
d A∪B={3,4}
3 Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ∪ B ∪ C:
a A∪B∪C={1,3,5}
b A∪B∪C={1,3,5,7,9,10}
c A∪B∪C={1,3,5,7}
d A∪B∪C={1,3,5,7,9}
a A∩B={5,7}
b A∩B={3,5}
c A∩B={5,9}
d A∩B={5,10}
a A∩C={1,5}
b A∩C={3,5}
c A∩C={5,10}
d A∩C={1,3,5,7,9,10}
a B∩C={1,5}
b B∩C={3,5,9,10}
c B∩C={5,9,10}
d B∩C={1,3}
a A∩B∩C={5}
b A∩B∩C={1,3,5,7,9,10}
c A∩B∩C={1,5,9,10}
d A∩B∩C={5,9}
8 Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω ha probabilità:
a P(Ω)
b P(Ω)=1
c P(Ω)=0
d P(Ω)
a P(A∪B)= P(A)+P(B)
b P(A∪B)= 0
c P(A∪B)= P(A)+P(B)-P(A∩B)
d P(A∪B)= P(A)+P(B)-P(A∪B)
10 Se due eventi A e B sono indipendenti allora:
a P(A∩B)= P(A)P(B)
b P(A∩B)= 0
c P(A∩B)= P(A)+P(B|A)
d P(A∩B)= P(A)
14 VARIABILI CASUALI
1 Una variabile casuale:
a E' una funzione definita sullo spazio dei campioni
b E' una funzione definita su eventi
c Può assumere solo valori positivi
d E' una variabile che può assumere prima dell'esperimento casuale un valore noto detto determinazione
della v.c

a E' definità solo per variabili casuali continue
b Non è legata da alcuna relazione con la funzione di densità di probabilità della medesima variabile
casuale
c Esprime la probabilità che la variabile casuale assuma valori inferiori o uguali ad un valore fissato
d Può assumere valori negativi
a L'insieme di tutti i possibili valori della variabile casuale
b Ciascuno dei possibili valori della variabile casuale
c L'insieme delle coppie probabilità dei diversi valori possibili della variabile casuale
d Ciascuna delle probabilità dei diversi valori possibili della variabile casuale
a E' monotona decrescente
b E' una funzioni a gradini non decrescente
5 Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile allora X è:
a Reale
b Discreta
c Continua
d Simmetrica
6 Una variabile casuale continua X:
a Assume tutti i valori appartenti ad un intervallo
b Assume un'infinità numerabile di valori
c Assume sempre un numero finito di valori
d E' ben definita se:

b f(x)>………..= 1
8 Il valore atteso E(b+X) è: (b è una costante reale):
a E(b+X)=E(b)+E(X)
b E(b+X)=b+E(X)
c E(b+X)=bE(X)
d E(b+X)=b(X)
9 Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali):
a E(X+Y)= X+Y
b E(X+Y)= E(XY)
c E(X+Y)= E(X)+E(Y)
d E(X+Y)= X+E(Y)
10 La Var (aX+b) è: a e b sono due costanti reali:
a Var (aX+b)=a²Var (X)
b Var (aX+b)=b²Var (X)
c Var (aX+b)=a Var (X)
d Var (aX+b)=ab Var (X)
15 PRINCIPALI DISTRIBUZIONI DI PROBABILITÀ
a Viene applicata per caretteri dicotomici
b Assume solo i valori 0 e 1
c Presenta media uguale np e varianza np(1-p)

d E' tale che ogni sua realizzazione è equiprobabile
a E' asimmetrica
b Ha media uguale a 0 e varianza uguale 1
c Ha media uguale a 1 e varianza uguale 0
d Ha funzione di densità:
a Non può essere approssimata da una distribuzione normale standardizzata
b E' una distribuzione continua
c Può essere utilizzata per descrivere casi in cui gli esiti possibili di una prova sono solo due
d Rappresenta la distribuzione di probabilità di prove ripetute dipendenti quando i risultati di ciascuna

prova sono solo due
4 La distibuzione normale è:
a Una distribuzione discreta
b E' simmetrica rispetto al valor medio
c E' tale per cui quando più x si allontano dal valor medio tanto più la funzione di densità di probabilità
cresce
d E' tale per cui il valor medio ne caratterizza la forma
5 A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2:
a 0,3849
b 0,6025
c 1
d 1,5
6 A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,4:
a 1
b 0,4192
c 0,3849
d -1
7 A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94:
a 0,4738
b 0,1828
c 0,291
d 0,9049
8 La variabile casuale chi-quadrato:
a Non può assumere valori negativi
b Non ha alcuna relazione con la distribuzione normale standardizzata
c Non dipende dai gradi di libertà
d E' una v.c discreta
a E' asimmetrica
b Deriva dal rapporto di due indipendenti con distribuzione chi-quadrato
c Al tendere di n all'infinito la v.c t di student tende alla normale standardizzata
d Non dipende dai gradi di libertà
10 La variabile casuale F di Fisher-Snedecor:
a Può assumere valori negativi
b E' simmetrica in m e n
c Non dipende dai gradi di libertà
d Ha valore atteso E(F)= m/(m-2)
17 CAMPIONAMENTO E DISTRIBUZIONI CAMPIONARIE
a Ogni unità statistica può entrare a far parte più volte del campione
b Le unità statistiche sono estratte senza ripetizione
c La probabilità di estrazione è variabile

d Tutte le unità statistiche entrano a far parte del campione
a I risultati delle estrazioni sono dipendenti
b I risultati delle estrazioni sono indipendenti
c I risultati delle estrazioni sono gli stessi dello schema di campionamento senza ripetizione
d La probabilità di estrazione è variabile
3 Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre, con ripetizione, un

campione casuale di numerosità 2. Lo spazio campionario è composto da:
a 25 possibili campioni
b 30 possibili campioni
c 15 possibili campioni
d 20 possibili campioni
4 Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione, un

c 16 possibi campioni
5 Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione, un

c 64 possibili campioni
6 Una statistica è:
a Una variabile casuale definita sui campioni
b Un numero
c Un intervallo di valori
d Una funzione non definta sui campioni
7 Una distribuzione campionaria è:
a La distribuzione di probabilità di un campione osservato
b La distribuzione di probabilità di una statistica
c Il valore osservato di un parametro della popolazione
d L'insieme dei campioni estratti da una popolazione con ripetizione
a E' sempre maggiore della media della popolazione
b Dipende dallo schema di campionamento utilizzato
c Coincide con la media della popolazione
d E' sempre inferiore della media della popolazione
9 Quando la popolazione è infinita:
a La quantità (N-n/N-1) tende 0
b La quantità (N-n/N-1) tende ad infinito
c Lo schema di campiomento con ripetizione coincide con lo schema di campiomaento senza ripetizione
d La quantità (N-n/N-1) tende ad meno infinito
10 Il teorema del limite centrale:
a E' valido per un numero sufficientemente grande di variabili casuali dipendenti
b Non è applicabile al caso in cui le variabili casuali, la cui somma è una variabile casuale normale, sono
distribuite normalmente
c Afferma che al crescere di n la forma della distribuzione della media campionaria si approssima alla
forma normale
d Afferma che al decrescere di n la forma della distribuzione della media campionaria si approssima alla
forma normale
18 TEORIA DELLA STIMA STATISTICA
1 Cosa si intende per stima puntuale:

a La stima più attentendibile di un dato parametro della popolazione
b La stima di un parametro in un dato punto dell'universo dei campioni
c La stima attraverso la quale si giunge alla determinazione di un solo valore numerico per uno o più
parametri della popolazione
d Una funziona di variabili casuali
2 Cosa si intende per stima intervallare:
a La stima di un parametro in un dato punto dell'universo dei campioni
b La stima attraverso la quale si giunge alla determinazione di un solo valore numerico per uno o più
parametri della popolazione
c La stima attraverso la quale si giunge alla determinazione di un intervallo, che include il parametro
stimato, con livello di confidenza 1-
d Una variabile casuale
3 Lo stimatore di un parametro:
a Coincide con la stima del parametro
b È una variabile casuale
c È una funzione dei dati di una popolazione
d È unico
4 Si definisce stima:
a Il valore assunto dallo stimatore prima dell'estrazione del campione
b Il valore assunto dallo stimatore per un dato campione
c Una variabile casuale
d Una funzione di variabili casuali
5 Uno stimatore corretto:
a E' tale che il suo valore medio è nullo
b È tale che il suo valore medio coincide con il valore del parametro da stimare
c È tale che l suo valore medio non coincide con il valore del parametro da stimare
d E tale che E(T) = θ 2

6 Se lo stimatore è corretto:
a EQM=Varianza dello stimatore
b EQM=Varianza dello stimatore+ distorsione dello stimatore al quadrato
c EQM= distorsione dello stimatore al quadrato
d EQM=Varianza dello stimatore- distorsione dello stimatore al quadrato
7 Lo stimatore varianza campionaria corretta:
a Ha media inferiore al parametro da stimare
b Ha media pari al parametro da stimare
c Ha media superiore al parametro da stimare
d Nessuna delle precedenti, in quanto si considera lo stimatore varianza campionaria e non lo stimatore
varianza campionaria corretta
8 Uno stimatore si dice consistente:
a Il suo valore medio è il doppio del valore del parametro da stimare
b Il suo valore medio è la metà del valore del parametro da stimare
c Al crescere della numerosità campionaria, tende a concentrarsi sul parametro da stimare
d Il suo EQM è superiore a quello di qualunque altro stimatore
9 Uno stimatore corretto è più efficiente di un altro stimatore corretto del parametro"teta"non noto se:
a Se presenta una varianza maggiore
b Se presenta la stessa varianza
c Se presenta varianza inferiore
d Se presenta EQM maggiore
10 Dati due stimatori T1 e T2 di uno stesso parametro:
a Si ha che EQM(T1)
b Se il primo è distorto lo è anche il secondo
c se T1 è distorto e T2 è non distorto, il primo è migliore del secondo in termini di EQM per ogni valore
del parametro
d Se entrambi sono non distorti, il confronto tra i due stimatori in termini di efficienza può essere
19 TEORIA DELLA STIMA STATISTICA-STIMA PER INTERVALLI
1 Un intervallo di confidenza è:
a Un intervallo di valori all'interno del quale è contenuto il coefficiente di correlazione con una
prestabilita "fiducia"
b Un intervallo di valori che si ritiene contenga il vero parametro della popolazione con una prestabilita
"fiducia"
c L'intervallo di valori assunti dagli indici normalizzati
d Un intervallo di valori all'interno del quale è contenuta la differenza media con ripetizione con una
prestabilita fiducia
a Una quantità che è funzione delle osservazione e del parametro del quale si vuole costruire l'intervallo
di confidenza, con la caratteristica che la sua distribuzione non è nota
b Una quantità che è funzione del solo parametro del quale si vuole costruire l'intervallo di confidenza
c Una quantità che è funzione delle osservazione e del parametro del quale si vuole costruire l'intervallo
di confidenza, con la caratteristica che la sua distribuzione è nota e non dipende dal parametro in esame
d Non esiste la quantità pivotale
3 L'ampiezza dell'intervallo è tanta più elavata quanto più:
a n è grande
b n è piccolo
c σ è piccolo
d Non dipende né da n né da σ
4 Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con varianza
nota, si utilizza:
a La distribuzione t di student
b La distribuzione normale standardizzata
c La distribuzione chi-quadrato
d La distribuzione F di Fisher-Snedecor
5 Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con varianza non
nota (n
a La distribuzione chi-quadrato
b La distribuzione t di student
c Distribuzione normale standardizzata
d La distribuzione F di Fisher-Snedecor
6 Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si può costruire l'intervallo
di confidenza:
a Basato sulla distribuzione chi-quadrato
b Basato sulla distribuzione normale standardizzata
c Basato sulla distribuzione F
d Basato sulla distribuzione chi-quadrato non centrale
7 Per trovare l'intervallo di confidenza per la media di una popolazione normale, si utilizza la t di student,
anziché la normale standardizzata perché:
a La media della popolazione non è nota
b La distribuzione t di student è più efficiente
c La varianza della popolazione non è nota
d La media del campione è nota
8 Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria uguale a 33. Costruire un
intervallo di confidenza al 90% per la media della popolazione, la quale si distribuisce normalmente con
varianza pari a 115:
a IC=[28,727; 36,506]
b IC=[25,235; 40,724]
c IC=[30,723; 35,277]
d IC=[40,722; 45,373]
9 Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di tempo, sia di 3,42 gr
con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di confidenza al 99% per la media della
popolazione di peso dei pezzi di metallo:
a IC=[2,16;4;92]
b IC=[2,32;5,63]
c IC=[2,92;3,92]
d IC=[2,05;7,43]
10 Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se ne sono trovati 20
difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi difettosi:
a IC=[0,1216;0,2784]
b IC=[0,1050;0,3084]
c IC=[0,1150;0,4082]
d IC=[0,1530;0,3910]
20 DETERMINAZIONE DELLA NUMEROSITÀ CAMPIONARIA
a A= 2 o/radice n Za/2
b n=(2 o/a za/2)2
3 Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al 95% per il contenuto
medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una distribuzione normale con
σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6 mg:
a n=40
b n=22
c n=31
d n=23
4 Una partita di pistoncini di freni presenta un diametroμ incognito; la varianza del diametro dei pistoncini è
invece nota e pari 0,01 cm. Si estrae un campione di n=1000 pistoncini, sui quali si osserva un diametro medio
pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ ad un livello di confidenza del 95%:
a IC=[1,1938;1,2062]
b IC=[1,2053;1,2132]
c IC=[1,1805;1,1938]
d IC=[1,1873;1,2153]
5 In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo:
a 0.0175
b 0.0112
c 0.0135
d 0.0124
6 Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze campionarie è:
c op= radice pq N-n/ n N-1 (tutto diviso)
7 Nel caso di estrazione con ripetizione la deviazione standard delle frequenze campionarie è:
b op= radice pq/n
b A=2Za/2op
d
9 Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizionesi ha che:
b n= (Z2a/2pq)/ E2
10 Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina. Determinare la numerosità
campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%, tollerando un errore non
superiore al 3%:
a n=751,67
b n= 900
c n=1354,24
d n= 1454, 27
21 LA VERIFICA DELLE IPOTESI
1 Un ipotesi statistica è:
a Un affermazione sulla distribuzione di probabilità di una variabile casuale
b Un affermazione sulla distribuzione di frequenza di una variabile statistica
c Un affermazione sulla variabilità dei rapporti statistici
d Un affermazione sulla distribuzione congiunta di due caratteri statistici
a Consiste nel calcolare gli scostamenti tra valori osservati e valori teorici della stessa variabile desunti da
un' osservazione campionaria
b Consiste nel formulare, sulla base di dati campionari, un giudizio che induca ad accettare o rifiutare
l'ipotesi nulla, con un prefissato livello di significatività
c Consiste nel formulare, sulla base di considerazioni teoriche, un giudizio che induca ad accettare o a
rifiutare l'ipotesi nulla
d Consiste nel disporre tutte le osservazioni campionarie in modo da conservare quelle più efficienti

a Riguarda l'indipendenza correlativa tra due variabili
b Riguarda l'indipendenza in media tra due variabili
c I parametri caratteristici di una particolare distribuzione di cui si conosce la forma analitica
d Riguarda l'indipendenza stoscastica tra due variabili
a Posso essere vere entrambe
b Si tratta due ipotesi alternative complementari e logicamente escludentisi
c Possono essere false entrambe
d Sono solo ipotesi semplici
5 L' ipotesi statistica è semplice:
a Se si assegna al parametro un valore puntale
b Se si assegna al parametro un insieme più ampio di valori
c Se si afferma che il parametro sia diverso da un particolare valore dello spazio parametrico
d L'ipotesi statistica non è mai semplice
a Nel considerare uno stimatore efficiente quando non lo è
b Nel rifiutare l'ipotesi nulla quando in realtà è vera
c Nell' accettare l'ipotesi nulla quando in realtà è falsa
d Nel considerare uno stimatore corretto quando non lo è
a Nel rifiutare l'ipotesi nulla quando in realtà è vera
b Nell' accettare l'ipotesi nulla quando in realtà è falsa
c Nel considerare uno stimatore efficiente quando non lo è
d Nel considerare uno stimatore corretto quando non lo è
a La probabilità di commettere un errore di seconda specie

b L'errore che si commette nell'accettare l'ipotesi nulla quando essa è falsa
c La probabilità massima con cui accettiamo di rischiare l'errore di prima specie
d La probabilità di accettare l'ipotesi alternativa quando essa è vera
9 La potenza del test è:
a Il grado di attendibilità di un'ipotesi statistica
b Un altro modo per definire la proprietà dell'efficienza dello stimatore
c La probabilità di rigettare l'ipotesi nulla quando è giusto farlo
d La probabilità di ottenere in una sola prova l'evento considerato
10 Aumentando il livello di significatività:
a Diminuisce la probabilità di commettere l'errore di prima specie
b Aumenta la probabilità associata all'errore di seconda specie
c Diminuisce la potenza del test
d Aumenta la potenza del test
22 VERIFICA DI IPOTESI SULLA MEDIA (VARIANZA NOTA E NON NOTA) E VERIFICA DI IPOTESI SULLA
PROPORZIONE
1 Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi: contro . La statistica test da
utilizzare è:
a doppia frazione
2 Sia data una popolazione normale con varianza non nota. Volendo verificare l’ipotesi: contro . La statistica
test da utilizzare è:
a doppia frazione
d
3 Si vuole sottoporre a verifica l’ipotesi: contro , usando un livello di significatività dello 0,05. La regione di
rifiuto per il test Z è :
a z>1,645
b z < -1,645
c -1,96 < z < 1,96
d z < 1,96
4 Si vuole sottoporre a verifica l’ipotesi: contro usando un livello di significatività dello 0,05. La regione di
a z > 1,645
b z < -1,96 o z > 1,96
c -1,96 < z < 1,96
d z > 2,81
a t > 1,645
b t < -2,120 o t > 2,120
c -2,120 < t < 2,120
d t < -1,645
a t > 1,746
b t < -1,746
c t < -2,120 o t > 2,120
d t < -2,120
a z > 1,645
b -1,96 < z < 1,96

c z < -2,33
d z < -1,96
rifiuto per il test T con 18 gradi di libertà è: contro:
a t > 1,746
b t <-1,746
c t > 2,552
d t <-2,552
a t < -2,552
b -2,552 < t < 2,552
c t > 2,567
d t < -2,120 o t > 2,120
a z > 1,28
b z <-1,28
c -1,28 < z <1,28
d -1,96 < z < 1,96
23 VERIFICA DELLE IPOTESI NON PARAMETRICHE
1 La verifica dell'ipotesi di indipendenza mira a verificare:
a L'indipendenza in media
b L'indipendenza correlativa
c L'indipendenza stocastica
d Ipotesi nulla

a
c P(A,B)= P(A)P(B)
3 Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza, i gradi di libertà
corrispondono:
a N[(r-1)(c-1)]
b (r-1)(c-1)
c (r-1)+(c-1)
d Min[(r-1)(c-1)]
4 Se il :
a Si rifiuta l'ipotesi di indipendenza stocastica
b Si rifiuta l'ipotesi di indipendenza in distribuzione
c Righe e colonne non sono indipendenti
d Si accetta l'ipotesi di indipendenza stocastica
5 Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 5x5, i gradi di libertà
corrispondono:
a 5
b 10
c 25
d 16
corrispondono:
a 4
b 5
c 12
d 20
corrispondono:
a 36
b 25
c 12
d 6
8 Se il :
a Si rifiuta l'ipotesi di indipendenza stocastica
b Si accetta l'ipotesi di indipendenza stocastica
c Si accetta l'ipotesi di indipendenza in distribuzione
d Righe e colonne sono indipendenti
9 Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3 la cui frequenza totale
è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente:
a T-student con 399 gradi di libertà
b Chi- quadrato con 4 gradi di libertà
c Chi- quadrato con 3 gradi di libertà
d Chi- quadrato con 9 gradi di libertà
10 Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 4x3 la cui frequenza
totale è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente:
a T-student con 399 gradi di libertà
b Chi- quadrato con 6 gradi di libertà
c Chi- quadrato con 12 gradi di libertà
d Chi- quadrato con 4 gradi di libertà
24 IL MODELLO DI REGRESSIONE LINEARE SEMPLICE
1 Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi forte:
a Ipotesi di indipendenza
b Ipotesi sulla variabile esplicativa

c Ipotesi di normalità
d Ipotesi di varianza costante
2 Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi debole:
a Ipotesi di indipendenza
b Ipotesi sulla variabile esplicativa
c Ipotesi di normalità
d Ipotesi di varianza costante
b cov(Y1,Y2)=cov(e1,e2)=0
a Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori teorici
b Si minimizza la devianza di regressione
c Si minimizza la devianza totale
d Si minimizzano la somma delle differenze al quadrato tra valori teorici della retta ela media di y
5 Il coefficiente angolare b1 indica:
a La pendenza della retta
b Il valore in cui la retta interseca l'asse delle ordinate
c Il grado di adattamento
d Un valore teorico
6 Il coefficiente angolare b1 è dato:
a b1= COD. (X,Y)/ DEV(X)
b b1= DEV. RESIDUA/ DEV(Y)
c b1= DEV. REGRESSIONE/ DEV(Y)

d b1= DEV. BETWEEN / DEV(Y)
7 Il valore atteso dello stimatore B1 è:
a E(B1)=0
b E(B1)≠β1
c E(B1)=β1
d Var(B1)=EQM)
a Var(B1)= o2/5xx
9 Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza degli errori è il MSE* =
SSE*/n-2, il cui valore atteso è:
a E(MSE*)= σ2
b E(MSE*)= 0
c E(MSE*)≠σ2
d E(MSE*)≠(n-2)σ2
a Sono i meno efficienti
b Sono i più efficienti
c Hanno varianza maggiore
d Hanno EQM maggiore
25 IL MODELLO DI REGRESSIONE LINEARE SEMPLICE: ASPETTI INFERENZIALI
1 Per stimare il parametro:
a MSE*= SSE*/n-2
b MSE*= SSE*/n-1
c MSE*= SSE*(n-2)
d MSE*= SSE*(n-1)
b ^tetto su Y quadrato
3 Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce come:
a Come una t di Student con n gradi di libertà
b Come una t di Student con n-2 gradi di libertà
c Come una t di Student con n-1 gradi di libertà
d Come una t di Student con n-3 gradi di libertà
a Il quadrato della codevianza
b La radice quadrata della codevianza
c Il quadrato del coefficiente di correlazione lineare
d Il quadrato del prodotto tra la devianza di X per la devianza di Y
5 Il coefficiente di determinazione lineare varia tra:
a -1 < R2<1
b 0 < R2<1
c 0 < R2+∞
d Può assumere qualsiasi valore
6 Il coefficiente di determinazione lineare è nullo se è nulla:
b La varianza
c La covarianza
d La devianza di regressione
7 Se il coefficiente di correlazione r= 0:
a C'è discordanza
b Non c'e relazione lineare tra X e Y
c C'è concordanza
d C'è perfetta relazione lineare tra X e Y
8 In riferimento alla tabella che mostra la decomposizione della devianza totale, il rapporto F è uguale:
b F=MSR/MSE
a E(SSR)=o2+B2 1Sxx
10 Nel modello di regressione lineare semplice per verificare l'ipotesi H0:β1=0 contro H0:β1 ≠ 0 si può utilizzate
la quantità F che è una v.c F di Fischer -Snedecor con :
a N-2 gradi di liberà
b N-1 gradi di libertà
c Con 1 e n-1 gradi di libertà
d Con 1 e n-2 gradi di libertà
31 DISTRIBUZIONI DI FREQUENZA
a Il calcolo delle frequenze per ciascun valore o categoria della variabile
b Il calcolo delle medie

c La rappresentazione della serie storica
d Il calcolo delle frequenze cumulate
a La frequenza assoluta, cioè quante volte una coppia di modalità si presenta contemporaneamente per
X e per Y
b Le frequenze cumulate della X
c Quante volte una coppia di modalità si presenta contemporaneamente per le variabili dipendenti
d Quante volte una coppia di modalità si presenta contemporaneamente per X
3 La frequenza cumulata:
a È esprimibile solo in livello
b È esprimibile a volte in percentuale
c È sempre uguale alla relativa
d Può essere uguale alla relativa
a Moltiplicare per 10 le frequenza relative
b Moltiplicare per 100 le frequenza relative
c Moltiplicare per 1000 le frequenza relative
d Moltiplicare per 10000 le frequenza relative
a Le frequenze relative per n
b Le frequenze cumulate per n+1
c Le frequenze cumulate per n-1
d Le frequenze cumulate per n
6 Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire che...
a è costituita da 2 colonne
b è costituita da 3 colonne
c è costituita da 4 colonne
d Il numero di colonne dipende dai caratteri osservati
a È uguale alla numerosità delle unità osservate
b È minore della numerosità delle unità osservate
c È maggiore delle unità osservate
d Non dipende dalla numerosità della popolazione
8 La matrice dei dati è composta:
a Da un solo vettore
b Da due vettori
c Da n vettori
d Solo da caratteri qualitativi
9 L’Istogramma è una:
a Serie storica
b Serie territoriale
c Matrice dei dati
d Modalità di rappresentazione della rilevazione statistica
a Righe
b Colonne
c N righe ed n colonne
d N righe e k colonne, con k che può essere eguale o diverso da n
32 LE PRINCIPALI STATISTICHE DESCRITTIVE
a Sintetizzare in un singolo valore numerico l’intera distribuzione di frequenza per effettuare confronti
nel tempo, nello spazio o tra circostanze differenti
b Sintetizzare in un singolo valore numerico solo una parte della distribuzione di frequenza per effettuare
c Sintetizzare in un singolo valore numerico l’intera distribuzione di frequenza per effettuare confronti
nel tempo, nello spazio o tra circostanze eguali
d Sintetizzare in un singolo valore non numerico l’intera distribuzione di frequenza per effettuare
2 La moda è un:
a Indice di variabilità
b Indice di tendenza centrale
c Numero indice
d Tasso di incremento
3 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è pari a:
a 13
b 15,56
c 6,66
d 5,66
4 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media aritmetica è pari a:
a 14
b 2
c 8,5
d 6
5 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a:
a 2
b 1
c 6
d 9,5
6 Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la moda è pari a:
a 2
b 1
c 6
d 9,5
7 Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a:
a 2
b 1
c 6
d 9
8 Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è pari a:
a 8
b 1
c 6
d 9
9 Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore massimo è pari a:
a 8
b -1
c -6
d -15
10 Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media geometrica:
a MEDIA.GEOMETRIC
b =MEDIA.GEOMETRICA
c =M.G.
d MEDIA.GEOM
33 DALLE TENDENZE CENTRALI ALLA VARIABILITÀ

1 Si consideri la popolazione di 20 unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare
quale indice di posizione appare rappresentativo dell'intera distribuzione:
a Minimo
b Massimo
c Moda
d Media aritmetica
2 Si consideri la popolazione di unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare

quale indice di posizione appare rappresentativo dell'intera distribuzione:
a Minimo
b Massimo
c Moda
d Campo di variazione
3 Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare quale indice di

a Minimo
b Massimo
c Moda
d Varianza
4 La proprietà moltiplicativa degli indici di tendenza centrale:
a E' identica a quella lineare
b Permette cambiamenti di scala nell'indice
c Non consente la monotonicità degli indici di posizione
d Consente solo relazioni di tipo quadratico tra le variabili
a E' identica a quella moltiplicativa
b Permette cambiamenti di scala nell'indice

d E' diversa da quella moltiplicativa
b E' basata sulla relazione di linearità tra le variabili ed i rispettivi indici di posizione
d E' basata sulla relazione di linearità tra le variabili ma non tra i rispettivi indici di posizione
b E' basata sulla comparazione tra le variabili ed i rispettivi indici di posizione
d Consente solo relazioni di tipo non quadratico tra le variabili
a Aumenta le capacità previsive dei modelli statistici
b Diminuisce le capacità previsive dei modelli statistici
c Non aumenta le capacità previsive dei modelli statistici
d Non offre indicazioni sulle capacità previsive dei modelli statistici
9 La varianza si calcola:
a Per problemi non basati sui campioni
b Per problemi basati solo su campioni
c Per problemi basati sulla popolazione
d Per popolazioni e campioni
a Calcolata con i dati dell'intera popolazione
b Calcolata con i dati del campione rappresentativo della popolazione
c Calcolata con dati estratti sempre casualmente dalla popolazione non stratificata
d Sempre maggiore di quella della popolazione

34 MISURE DI VARIABILITÀ E INDICI DI DISPERSIONE
1 1) Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30
domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
a 2
b 3
c 4
d 29
2 Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30
domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
a 2
b 12
c 4
d 29
3 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)
a 12
b 13
c 4
d 29
4 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)
a 2
b 12
c 4
d 7
a La varianza
b La deviazione standard
c Il quartile
d Lo scostamento di ogni valore della distribuzione dalla media, preso in valore assoluto
a La media degli scarti al quadrato tra i dati e la M
b La deviazione standard
c Il quartile
d Lo scostamento di ogni valore della distribuzione dalla media
7 Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier:
a Può aumentare le capacità descrittive e previsive del modello statistico
b Diminuisce le capacità descrittive del modello statistico
c Non aumenta le capacità previsive del modello statistico
d Non offre indicazioni sulle capacità previsive del modello statistico
8 Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier:
a Può aumentare le capacità descrittive e previsive del modello statistico
b Diminuisce le capacità descrittive del modello statistico
c Non aumenta le capacità previsive del modello statistico
d Indica che è stato commesso qualche errore nei calcoli o nel programma
a La misura sintetica di quanto le unità differiscono dalla media aritmetica
b La misura sintetica di quanto le unità differiscono dalla media geometrica
c La misura sintetica di quanto le unità differiscono dalla mediana
d La misura sintetica di quanto le unità differiscono dal quartile
a È bene eliminare i valori anomali ed estremi
b E’ bene eliminare i valori massimi
c E’ bene mantenere tutti gli outlier

d E’ bene mantenere i valori anomali
35 NUMERI INDICE
1 La Statistica è sinonimo di:
a Grafici
b Medie
c Indici
d Scienze statistiche
a Dividendo la modalità di un fenomeno per quella corrispondente di un\'altra distribuzione che, sul
piano logico e/o temporale, è correlata in maniera spuria
b 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
c Mediante il rapporto tra la frequenza di una modalità rispetto a quella corrispondente di un’altra
modalità
d Mediante il rapporto tra la dimensione globale di un fenomeno e quella spaziale a cui esso fa
riferimento
3 Il rapporto statistico di coesistenza si ottiene:
a Dividendo il valore rilevato in una data circostanza per l’analogo valore rilevato per l’intera popolazione
modalità
d Mediante il rapporto tra la frequenza di una modalità rispetto a quella corrispondente di un’altra
statistica
4 Il rapporto statistico di composizione si ottiene:
modalità
riferimento
5 Il rapporto statistico di densità si ottiene:
modalità
riferimento
a Strumenti non matematici
b Medie
c Indici di dispersione
d Rapporti statistici
a Strumenti matematici
b Medie
c Indici di dispersione
d Rapporti non statistici
8 Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in particolare:
a Confrontare i livelli del fatturato
b Confrontare e comparare ogni anno i livelli del fatturato
c Capire quale delle due unità presenta un andamento migliore
d Aggregare i risultati ottenuti
9 L’anno con valore pari a 100 nella serie storica dei numeri indice è:
a L’anno col valore più basso della variabile oggetto di studio
b L’anno col valore più alto della variabile oggetto di studio

c L’anno base
d L’anno in cui i valori del fatturato per le due aziende coincidono
a Il valore più alto della variabile oggetto di studio
b Il denominatore nel calcolo del numero indice
c Il numeratore nel calcolo del numero indice
d Il numero indice minimo nella serie storica
36 TASSI DI INCREMENTO
1 L’inflazione è:
a L’aumento del potere di acquisto della moneta
b La diminuzione del potere di acquisto dla moneta
c La variazione del potere di acquisto della moneta
d La variazione della ricchezza
2 L’inflazione è:
a L'aumento prolungato del livello medio generale dei prezzi di beni e servizi in un dato periodo di tempo
b La diminuzione della ricchezza prodotta
c La variazione del potere di acquisto della moneta
d La diminuzione dei prezzi
3 La variazione congiunturale riguarda in statistica-economica il confronto con:
a L’anno precedente
b Il mese precedente
c Il decennio precedente
d L’anno base
4 La variazione tendenziale riguarda in statistica-economica il confronto con:
a L’anno precedente
b Il mese precedente
c Il decennio precedente
d L’anno base
5 Nel calcolo del tasso di inflazione congiunturale al denominatore c’è:
a Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
mese m dell\'anno a
b Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
mese m dell\'anno a-1
c Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
d Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
6 Nel calcolo del tasso di inflazione tendenziale al denominatore c’è:
a Il numero indice dei prezzi del mese m dell\'anno a-1 ed al numeratore il numero indice dei prezzi del
mese m dell\'anno a
b Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
c Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
d Il numero indice dei prezzi del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del
7 La deflazione si calcola con:
a I tassi di variazione
b Le medie
c Le tendenze centrali
d L’inflazione
8 La deflazione è:
a Espressa in percentuale
b Sempre
c Sempre >0
d Sempre >0
9 Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato:
a Non esiste
b Concerne l’andamento dell’economia
c È sempre
d E’ calcolabile solo con i numeri indice
10 Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è:
a Il dato dell’anno t-1
b Il dato dell’anno t-2
c Il dato dell’anno t-5
d Il dato dell’anno t
37 IL COEFFICIENTE DI CORRELAZIONE E LA COVARIANZA
1 La covarianza è positiva quando:
a X e Y variano tendenzialmente nella stessa proporzione
b X e Y variano tendenzialmente nella stessa direzione
c X e Y sono positive
d X e Y sono proporzionali a Z che è combinazione lineare di X e Y
2 La covarianza è negativa quando:
a Al crescere di X la Y tende a diminuire ma non viceversa
c Al crescere di X la Y tende a diminuire e viceversa
d X e Y sono proporzionali a Z che è combinazione lineare di X e Y
3 La covarianza è nulla quando:
a X e Y sono linearmente indipendenti

d X e Y sono linearmente dipendenti
4 La covarianza è nulla quando:
a X e Y sono dipendenti
d X e Y non sono correlate
5 La correlazione indica:
a Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare quanto bene
un’equazione lineare o un’altra equazione qualsiasi descrivano o spieghino tale relazione tra variabili.
b Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare quanto bene
un’equazione non lineare descrive tale relazione tra variabili
c Il tipo di relazione tra variabili, e per mezzo di essa si cerca di determinare quanto bene un’equazione
lineare o un’altra equazione qualsiasi descrivano o spieghino tale concordanza tra variabili
d Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare quanto bene
un’equazione spieghi tale relazione non lineare tra variabili
a Crescono al decrescere dei valori dell’altra
b Decrescono al decrescere dei valori dell’altra
c Crescono al crescere dei valori dell’altra
d Non vi è correlazione
a Tendono a crescere al decrescere dei valori dell’altra, ma in maniera blanda

10 Nella correlazione spuria, si rileva che:
a R=0
b R varia tra -1 ed 1 ed è spesso elevato, e le variabili sono legate da un rapporto serio di causalità
c R=1
d R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono legate da un rapporto serio di causalità
38 CORRELAZIONE ILLUSORIA E SPURIA
1 Ad un valore elevato di r corrisponde:
a Un effettivo legame tra i due caratteri quantitativi considerati
b Un effettivo legame tra i due caratteri qualitativi considerati
c Un falso legame tra i due caratteri quantitativi considerati.
d In diversi casi un effettivo legame tra i due caratteri quantitativi considerati
2 Ad un valore basso di r corrisponde:
a Un effettivo legame tra i due caratteri quantitativi considerati
b Un effettivo legame tra i due caratteri qualitativi considerati
c Un falso legame tra i due caratteri quantitativi considerati.
d In diversi casi un legame debole tra i due caratteri quantitativi considerati
3 Un tipico caso di correlazione non reale comporta che:
a R è basso
b R è alto
c R=0
d Uno dei due caratteri comprende l’altro
a R è basso
b R è alto
c I due caratteri sono influenzati da circostanze comuni
d Il solo metodo utilizzabile per analizzare la correlazione reale è la regressione
a R è basso
b Altri fattori variabili influiscono su quelli presi in considerazione
c I due caratteri non sono influenzati da circostanze comuni
d Uno dei due non caratteri comprende l’altro
a R è basso
b Altri fattori variabili, che rappresentano circostanze comuni ,influiscono su quelli presi in
considerazione
c I due caratteri non sono influenzati da circostanze comuni
d Uno dei due non caratteri comprende l’altro
7 R deve esprimere correttamente:
a il legame di interdipendenza
b Il legame di dipendenza
c L’assenza di legame tra caratteri qualitativi
d L’assenza di legame tra caratteri quantitativi
8 Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la quantità della
a Coefficiente della popolazione
b Coefficiente di mortalità
c Caso di correlazione spuria
d Coefficiente di natalità
9 Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità della popolazione
media dello stesso periodo si ottiene:
a Coefficiente della popolazione
b Coefficiente di mortalità
c Caso di correlazione spuria
d Coefficiente di natalità
10 Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di tempo
rispettivamente per la quantità della popolazione media dello stesso periodo si può ottenere:
a Correlazione spuria
b Correlazione spuria se l’andamento della popolazione non è correlato col numero di nati e morti
c R=0 oppure r prossimo a 0
d R=1 o prossimo ad 1
39 ESERCITAZIONE 1 - NUMERI INDICE
1 I numeri indice comparano:
a I livelli della variabile oggetto di studio per soggetti diversi
b L’andamento dei livelli della variabile nel tempo senza un a base
c Le variazioni dei livelli della variabile nel tempo con riferimento ad una base
d Le variabili
b L’andamento dei livelli della variabile nel tempo senza una base
c Pari a 100
d Inferiori a 100 se il livello tende a scendere rispetto all’anno base

b L’andamento dei livelli della variabile nel tempo senza una base
c Pari a 100
d Superiori a 100 se il livello della variabile tende a crescere rispetto all’anno base
b Esplicativi dell’andamento dei livelli della variabile nel tempo
c Pari a 100
d Superiori a 100 se il livello della variabile nell’anno x tende a crescere rispetto all’anno precedente
5 La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è preceduta da:
a Il segno eguale
b Il segno –
c Nessun segno
d T
6 Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base t-1 sarà:
a 100
b 80
c 70
d 101,2
a 102,2
b 70
c 101,2
d 90
a 101
b 80
c 70
d 101,2
9 Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero indice in t, con base t-1 sarà:
a 98,8
b 99
c 97,8
d 101,2
10 Se il tasso di decremento tra t e t-2 è pari a -5,2%, allora il numero indice in t, con base t-2 sarà:
a 94,8
b 80
c 100
d 101,2
40 LA REGRESSIONE LINEARE
1 Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza:
a L’istogramma
b Il diagramma a dispersione
c L’ogiva
d Il poligono delle frequenze
2 Studiare la relazione tra due variabili X ed Y significa:
a Studiare la tendenza che X e Y hanno a variare insieme
b Studiare X e Y
c Studiare la tendenza di X e Y
d Studiare la tendenza che Y
3 Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione:
a Tra variabili misurate su scale dicotomiche

b Tra variabili misurate su scale categoriche
c Tra variabili misurate su scale ordinali
d Tra variabili misurate su scale a intervalli o a rapporti equivalenti
a Una relazione negativa
b Una non relazione
c Una relazione positiva
d Una relazione spuria
a Una relazione negativa
b Una non relazione
c Una relazione positiva
d Una relazione spuria
a Una formula di predizione di X
b Una formula di predizione di Y
c Una formula non matematica
d La varianza
7 L’equazione di regressione lineare è l’equazione di una:
a Polinomiale
b Parabola
c Retta
d Nuvola dei punti
8 Date coppie di valori X e Y, la retta di regressione è una:
a Qualsiasi delle infinite rette che si possono tracciare tra i punti del diagramma di dispersione generato
dalle coppie X,Y
b Qualsiasi delle infinite rette che si possono tracciare tra i punti del diagramma di dispersione generato
dalle coppie Z,Y
c Sola, e ben definita, tra le infinite rette che si possono tracciare tra i punti di un diagramma a
dispersione
d È quella retta che massimizza la somma delle distanze, elevata al quadrato, tra le Y osservate e le Y
stimate o previste
9 Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è corretto

definire X come:
a Predittore
b Valore osservato
c Valore predetto
d Intercetta
10 Se X è la variabile indipendenre e Y quella dipendente, considerando l’equazione di regressione è corretto

definire Y’ come:
a Predittore
b Valore osservato
c Valore predetto
d intercetta
41 SERIE STORICHE E MEDIE MOBILI
1 Una serie storica è costituita:
a Dal tempo
b Dai dati osservati a intervalli regolari di tempo
c Dai dati non osservati a intervalli regolari di tempo
d dai dati osservati casualmente
2 Una serie storica è costituita:
a Dai dati di Y osservati a intervalli regolari secondo la variabile dipendente tempo
b Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili, giornaliere, annuali
c Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili o giornaliere
d Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili, giornaliere, annuali
solo per caratteri qualitativi
3 La media mobile è:
a Il prodotto ponderato dei valori della serie storica
b La somma ponderata dei valori della serie storica
c La somma non ponderata dei valori della serie storica
d Il prodotto non ponderato die valori della serie storica
4 La media mobile di ordine n consiste:
a In una serie di medie aritmetiche calcolate su n periodi contigui.
b In una serie di medie aritmetiche calcolate su n+2 periodi contigui.
c In una serie di medie aritmetiche calcolate su n+1 periodi non contigui.
d In una serie di medie aritmetiche calcolate su n+k periodi contigui.
5 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine tre si
possono calcolare:
a 3
b 2
c 0
d 4
6 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine cinque si
possono calcolare:
a 3
b 2
c 0
d 4
7 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie mobili di ordine tre si
possono calcolare:
a 5
b 2
c 0
d 4
8 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine
tre calcolabile in tempo reale:
a 1/2
b 0
c 17/3
d 11/3
9 Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine
cinque calcolabile in tempo reale:
a 21/5
b 20/5
c 17/5
d 1/2
10 Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie mobili di pesate di
a 6
b 2
c 0
d 4
42 PRINCIPALI STRUTTURE DEI DATI IN INFORMATICA E STATISTICA
1 I dati informatici sono utilizzabili per:
a Le analisi statistiche
b Analisi statistiche se strutturati
c Analisi non statistiche se sono semplici
d Analisi quantitative solo con dati complessi

2 Una fotografia è un dato:
a Semplice
b Strutturato
c Complesso
d Quantitativo
3 Il tipo di dato elementare 4.5 è:
a Intero
b Reale
c Booleano
d Complesso
4 Nella somma logica con operando A=1 ed operando B=1, il totale sarà
a 2
b 1
c 0
d 0,1
5 Nella somma logica con operando A=0 ed operando B=0, il totale sarà:
a 2
b 1
c 0
d 0,1
6 Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà:
a 2
b 1
c 0
d 0,1
7 Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà:
a F
b V
c 0
d 0,1
8 Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà:
a 1
b F,V
c V
d F
9 La negazione logica dell’operando A=0 è:
a 0
b V
c F
d 1
10 Nella congiunzione tra insiemi si valuta:
a Quando gli insiemi si verificano separati
b Quando i due eventi si realizzano entrambi
c Quando i due eventi non si realizzano
d Quando i due eventi sono negativi
43 LA PROBABILITÀ
1 La probabilità che si verifichi un evento può assumere valori
a Tra 0 ed 1
b Tra 2 e 3
c Minori di 2
d Minori di 3

a Si escludono a vicenda
b Il verificarsi dell’uno non modifica la probabilità di verificarsi dell’altro
c Il verificarsi dell’uno modifica la probabilità di verificarsi dell’altro
d Il verificarsi dell’uno rende impossibile il verificarsi dell’altro
a Prodotto della probabilità dell’uno per la probabilità dell’altro
b Somma delle probabilità del verificarsi di ciascuno dei due eventi
c Somma delle probabilità del non verificarsi di ciascuno dei due eventi
d Prodotto delle probabilità del non verificarsi di ciascuno dei due eventi
a Uguale ad 1
b Minore di 1
c Maggiore di 1
d 0
5 Due eventi non sono indipendenti quando:
a Possono verificarsi contemporaneamente
b Sono rari
c Il verificarsi dell’uno modifica la probabilità del verificarsi dell’altro
d Il verificarsi dell’uno non modifica la probabilità del verificarsi dell’altro
a Sinonimi
b Complementari
c Sinonimo di sottoinsiemi
d Indicativi del fatto che il campione è un sottoinsieme della popolazione
7 Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro elemento:
a Viene modificata
b Non viene modificata
c È pari a 0
d È pari ad 1
8 Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un asso:
a 0,2
b 0,3
c 0,5
d 0,1
9 Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una carta di bastoni:
a 0,2
b 0,3
c 0,5
d 0,25
10 Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura:
a 10/40
b 11/40
c 13/40
d 12/40
44 LA PROBABILITÀ (SECONDA PARTE)
1 Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un fante o un re:
a 8/40
b 4/40
c 2/40
d 1/40
2 Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una figura o una carta
inferiore a 6:
a 12/40
b 20/40
c 32/40
d 10/40
3 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:
a 1/10
b 1/40
c 1/4
d 0,20
4 Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione un re e un
asso:
a 1/10
b 2/10
c 2/100
d 1/100
5 Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità di
successo in un lancio:
a 1/6
b 2/6
c 6/6
d 5/6
6 Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità di
insuccesso in un lancio:
a 1/6
b 2/6
c 6/6
d 5/6
7 Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2), estraendo a
caso un punteggio quale è la probabilità di ottenere un numero pari e inferiore a 6:
a 3/10
b 4/10
c 5/10
d 1
8 Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a
caso un punteggio quale è la probabilità di ottenere un numero pari o inferiore a 6:
a 3/10
b 0.7
c 5/10
d 0.8
caso due punteggi con reimmissione, quale è la probabilità di ottenere almeno un 7 alla prima estrazione:
a 0.2
b 0.3
c 0.4
d 0.5
caso due punteggi con reimmissione, quale è la probabilità di ottenere due punteggi la cui somma sia 9:
a 10/100
b 15/100
c 30/100
d 14/100
45 ESERCITAZIONE 2 – PROPORZIONI
1 Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono entrambi essere
definiti:
a Soggetti
b Variabili
c Caratteristiche
d Il numero di battiti solamente può essere definito variabile
2 Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani n.3, Francesi n.4,
Spagnoli n.3. La caratteristica nazionalità è misurata su scala:
a Nominale
b Ordinale
c A intervalli equivalenti
d Non nominale
a Il rapporto tra ciascuna frequenza ed il totale delle frequenze e moltiplicando per 100 il risultato
b Il rapporto tra ciascuna frequenza ed il totale delle frequenze
c Il rapporto tra ciascuna frequenza ed il totale delle frequenze e moltiplicando per 1000 il risultato
d Il rapporto il totale delle frequenze e ciascuna frequenza e moltiplicando per 100 il risultato
4 Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene, cioè il più elevato, è:
a 1000
b 100
c N
d N-1
5 La mediana è:
a La frequenza cumulata al di sopra e al di sotto della quale cade un ugual numero di casi
b La frequenza relativa (per scale nominali e rapporti) al di sopra e al di sotto della quale cade un ugual
numero di casi
c La frequenza cumulata (per scale nominali e ordinali) al di sotto della quale cade un ugual numero di
casi
d La categoria o il punteggio al di sopra e al di sotto del quale cade un ugual numero di casi
6 La deviazione standard può assumere valori:

a Solo positivi
b Solo negativi
c Negativi e positivi
d Solo Nulli
7 La media:
a E' sensibile ai valori estremi
b Non è sensibile ai valori estremi
c Non è sensibile agli outlier
d E' sensibile alla Mediana
8 Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione, risulta 142,9. Il
risultato è:
a Corretto
b Probabilmente sbagliato
c Sicuramente sbagliato
d Il valore massimo
9 Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata da un ricercatore
su un campione, risulta 142,9. Il punteggio massimo ottenibile è:
a 120
b 142,9
c 0
d Non calcolabile
10 In una distribuzione di frequenza si può ottenere:
a Solo una moda
b Più di una varianza
c Più di una moda
d Più di una mediana
46 ESERCITAZIONE 3 - REGRESSIONE LINEARE

1 Nella retta di regressione Y’=aY+bYX il termine ay:
a Rappresenta la distanza tra il punto zero (origine) dell’asse delle ascisse e il punto in cui la retta taglia
l’asse delle ordinate
b Rappresenta la distanza tra il punto zero (origine) dell’asse delle ordinate e il punto in cui la retta taglia
l’asse delle ascisse
c Rappresenta la distanza tra il punto zero (origine) dell’asse delle ordinate e il punto in cui la retta taglia
d Rappresenta la distanza tra il punto 1 (origine) dell’asse delle ascisse e il punto in cui la retta taglia
a Differiscono
b Coincidono
c Possono coincidere
d Sono pari ad 1
a Differiscono
b Coincidono
d Sono pari ad 1
4 Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’:
a Differiscono
b Coincidono
d Sono pari ad 1
5 Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’:
a Differiscono
b Coincidono
d Sono l’uno l’opposto dell’altro
6 Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di regressione Y’=ay+byX e
X’= ax+bxY sono:
a Perpendicolari tra loro
b Parallele
c Coincidono
d Sono polinomiali
7 Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di regressione Y’=ay+byX
e X’= ax+bxY sono:
b Parallele
c Coincidono
d Sono polinomiali
8 Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di regressione Y’=ay+byX
e X’= ax+bxY sono:
b Parallele
c Coincidono
d Sono polinomiali
9 Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il coefficiente di
correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a:
a 0.53
b 0.43
c 0.33
d 0.58
10 Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che il coefficiente di
determinazione è uguale a -1, il coefficiente di correlazione sarà pari a:
a 1
b -1
c Non è possibile calcolarlo con i dati a disposizione che non sono corretti
d Non è possibile calcolarlo con i dati a disposizione che sono corretti
47 ESERCITAZIONE 4 - TENDENZA E MEDIA MOBILE
1 La media mobile di ordine 5 permette di:
a Calcolare le serie storiche
b Calcolare le varianze
c Eliminare valori erratici
d Eliminare valori negativi
a Calcolare le serie storiche
b Calcolare le varianze
c Eliminare valori anomali
d Eliminare valori positivi e negativi
a Effettuare lo smoothing delle serie storiche
b Calcolare le serie storiche
c Calcolare le varianze
d Eliminare valori ridondanti
4 Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili di ordine 3 con 2
cifre decimali sono:
a 100.50 e 200.00
b 200.30; 400.00; 500.50
c 300.50; 400.50; 600.00; 650.00
d 216.67; 350.00; 483.33
5 Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie mobili di ordine 5
sono:
a 100 e 202
b 200, 400, 500, 550
c 300, 400, 600, 650
d 232 e 350
6 Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono:
a 100, 20, 483
b 200, 400, 350, 483
c 300, 400, 600, 650
d 103, 217, 350, 483
7 La funzione TENDENZA in Excel serve per:
a Calcolare una varianza
b Rappresentare graficamente una funzione stimata
c Calcolare il valore di una funzione stimata
d Calcolare le frequenze
a Prevedere le serie storiche
b Calcolare la varianza di una funzione stimata
c Calcolare il valore di una funzione stimata di tipo esponenziale
d Calcolare le frequenze
a Prevedere una varianza
b Prevedere una funzione y*
c Prevedere il valore al tempo t in una funzione stimata y*
d Calcolare le frequenze previste
a Calcolare una varianza al tempo t

b Calcolare il valore di una funzione stimata y* di tipo polinomiale al tempo t
c Calcolare il valore stimato al tempo t in relazione ad una funzione di regressione y*
d Calcolare le frequenze stimate al tempo t
48 L'INFERENZA ED IL CAMPIONAMENTO
1 La stima del parametro è:
a Corretta
b Efficiente
c Consistente
d Un concetto diverso da quello di stimatore
2 La stima del parametro nella popolazione è:
a Corretta
b Efficiente
c Calcolata attraverso i dati campionari
d Calcolata con metodi non inferenziali
3 La stima del parametro nel campione è:
a Convergente in probabilità
b Efficiente
c Consistente
d Non è opportuno definire la stima del parametro nel campione, ma nella popolazione
4 La stima del parametro nella popolazione è:
a Un concetto eguale a quello di stimatore del parametro nella popolazione
b Un concetto eguale a quello di stimatore del campione
c Convergente
d Relativa ai valori che può assumere lo stimatore
5 La stima del campione è:
a Un concetto eguale a quello di stimatore del parametro nella popolazione

b Un concetto eguale a quello di stimatore del campione
c Convergente
d Un concetto diverso da quello di stimatore
6 La funzione stimatore del parametro dovrebbe essere:
a Centrata, consistente, efficiente
b Minima
c Variabile
d Convergente, non centrata, efficiente, corretta
7 Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano risultati sensibili
ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone sensibili al farmaco:
a 0,25
b 0,30
c 0,50
d 0,2
ad un determinato farmaco. Indicare quale è la proporzione nella popolazione di persone sensibili al farmaco:
a Non si può sapere
b 0,35
c 0,50
d 0,2
ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone non sensibili al farmaco:
a 0,25
b 0,30
c 0,75
d 0,2
ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la proporzione della popolazione
sensibile al farmaco deve essere compresa tra:
a 0,24 e 0,28
b 0,23 e 0,29
c 0,50 e 0,90
d 0,23 e 0,27
49 ANALISI DELLA DIPENDENZA
a Varianza
b Devianza
c Devianza
d Coefficiente di determinazione
a La varianza spiegata
b La varianza residua
c Il Coefficiente di correlazione
d Il Coefficiente di regressione
3 La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e Y è denominata:
a Varianza
b Devianza
c Varianza residua
d Varianza spiegata
4 Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76.
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, il coefficiente di
a 0,78
b 0,58
c 0,38
d 0,28
5 Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y= ”speranza di vita” è
pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile dipendente ed Y quella
indipendente, il coefficiente di determinazione sarà pari a:
a 1
b 0,58
c 0,38
d 0,28
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza residua
sarà pari a:
a 78%
b 42%
c 58%
d 28%
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza comune
sarà pari a:
a 58%
b 78%
c 38%
d 28%
8 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del corso ai 70
alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in termini di risposte
corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese per ogni ragazzo con un test di
profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale
è la variabile indipendente:
a Livello di apprendimento dell’inglese

b Punteggi al test di profitto
c Attitudine all’Inglese
d Non c’è alcuna variabile indipendente
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale
punteggio dovrebbe ottenere al test di profitto un ragazzo che sbaglia tutte le domande al test attitudinale:
a 20
b 30
c 40
d 10
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni
risposta corretta in più al test attitudinale indicare di quanti punti aumenta il punteggio al test di profitto:
a 2
b 3
c 4
d 1
50 ANALISI DELL'INTERDIPENDENZA
1 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del corso ai
70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce punteggi in termini di risposte
corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’Informatica per ogni ragazzo con un test
di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello di
apprendimento dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X: r2=0,74;
se=3,5. Indicare di quanti punti è l’errore medio di previsione:
a 3,8
b 4,0
c 3,5
d 3,1
2 In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del corso ai
di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello di
apprendimento dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+3X: r2=0,74;
se=3,5. Indicare per ogni risposta corretta al test attitudinale di quanti punti aumenta il punteggio al test di
profitto e come si chiama questo parametro:
a 15, intercetta
b 3, coefficiente di regressione
c 3, intercetta
d 3.5; errore medio di previsione
3 Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero di
risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla base
del risultato ottenuto si può evidenziare che:
a La correlazione tra le due variabili è debole
b Le due variabili sono correlate positivamente
c Le persone molto brave in letteratura inglese risultano molto abili anche in matematica
d Le persone con punteggi bassi in matematica hanno buone prestazioni in letteratura inglese
4 Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero di
risposte corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla base
del risultato ottenuto si può evidenziare che:
a Le persone molto brave in matematica risultano molto abili anche in letteratura
b Le due variabili sono correlate positivamente
c Le persone molto brave in letteratura inglese risultano molto abili anche in matematica
d Le due variabili sono correlate negativamente
5 L’indice r misura relazioni di tipo:
a Esponenziale
b Polinomiale
c Lineare
d Non lineare
6 Si ha discordanza tra caratteri se:
a Ai valori più piccoli di una delle due variabili corrispondono generalmente i più piccoli dell’altra, e se ai
valori più grandi corrispondono in genere i più grandi;
b Ai valori più piccoli di una delle due variabili corrispondono generalmente i più grandi dell’altra, e se ai
valori più grandi corrispondono in genere i più piccoli;
c Vi è dipendenza tra caratteri
d Vi è differenza tra i caratteri
7 La codevianza è una misura:
a Assoluta di concordanza
b Relativa di concordanza che permette di fare confronti
c Relativa di discordanza che permette di fare confronti
d Relativa di discordanza che non permette di fare confronti
8 La correlazione:
a A differenza della regressione, non richiede di stabilire quale variabile sia antecedente all’altra (in
termini di dipendenza)
b Richiede di stabilire quale variabile sia antecedente all’altra (in termini di dipendenza)
c Non richiede di stabilire quale variabile sia antecedente all’altra (in termini di interdipendenza)
d A differenza della regressione, non richiede di stabilire quale frequenza sia antecedente all’altra (in
9 Relazioni di discordanza significative tra variabili implicano:
a Un coefficiente di correlazione negativo
b Rapporti causa-effetto
c Dipendenza
d Dipendenza
10 Se il coefficiente di correlazione è uguale a 0 vi è:
a Indipendenza
b Dipendenza
c Casualità
d Assenza di concordanza o discordanza
51 LA DISTRIBUZIONE NORMALE
1 La funzione di ripartizione di una variabile casuale X a valori reali è:
a La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori
maggiori di x”
b La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori
c La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori
minori di x”
d La funzione che associa a ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori
uguali ad x”
2 La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e +∞, cioè:
a Si avvicina all’asse delle Y
b Si avvicina all’asse delle ascisse
c Si avvicina all’asse delle ascisse senza mai toccarla
d Si avvicina all’asse delle ordinate senza mai toccarlo
3 I valori attesi nella variabile casuale Normale sono:
a Media; mediana
b Moda; Varianza;
c Media; Varianza;
d Media; Forma campanulare
4 Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella prima riga della tabella rappresenta:
a Una frequenza
b Una modalità del carattere

c L’unità statistica di riferimento
d Il posto d’ordine
5 Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di una
a 3/9
b 2/10
c 4/10
d 5/10
6 1) Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di una
temperatura media pari a 25 gradi, che ipotizziamo essere una v.c distribuita normalmente, è:
a 0,7
b 0,8
c 0,9
d 0,1
7 Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con temperatura media
superiore a 20°:
a 2/5
b 1/5
c 3/5
d 4/5
8 La funzione f(X) raggiunge il suo punto più alto in corrispondenza di:
a Xi = media
b Xi = 1
c Xi = varianza
d Xi = deviazione standard
9 Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza di Xi = µ, ciò
comporta che media, mediana e moda:
a Siano diverse
b Media
c Moda>Media>Mediana
d Coincidano
10 Si ricorre ad una distribuzione normale quando:
a Una variabile casuale continua è distribuita normalmente o quasi.
b Una variabile casuale continua è distribuita non normalmente.
c Una variabile non casuale è distribuita normalmente
d Una variabile casuale continua è distribuita solo normalmente.
52 LA DISTRIBUZIONE NORMALE STANDARDIZZATA
1 Nella teoria statistica i termini campione e popolazione sono:
a Sinonimi
b Indifferenti
c Non sono sinonimi
d Convergenti
2 I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio del:
a Campione
b Popolazione
c Sottoinsieme
d Campione a valanga
3 I simboli e S si riferiscono alla media ed allo scarto quadratico medio del:
a Campione
b Popolazione
c Sottoinsieme
d Campione a valanga
4 La distribuzione di probabilità di z è costruita:
a Empiricamente estraendo ripetuti campioni da una popolazione
b Empiricamente estraendo ripetute popolazioni da un campione
c E’ una funzione teorica espressa con regole matematiche relative a un insieme infinito di dati
d E’ una funzione teorica espressa con regole matematiche relative a un insieme finito di dati
5 La curva normale a differenza delle altre curve è:
a Simmetrica e unimodale
b Definita da un’equazione particolare che permette di calcolare, data un’ordinata, porzioni di area
sottese alla curva stessa
c Simmetrica e bimodale
d Bimodale
6 La curva normale è caratterizzata da:
a Media= 0
b Deviazione standard= 1
c Media =0 e deviazione standard=1
d Essere definita da un’equazione particolare che permette di calcolare, data un’ordinata, porzioni di
area sottese alla curva stessa
7 La curva normale standardizzata è caratterizzata dal fatto di avere:
a Media= 0 e deviazione standard=0.,5
c Media =0 e deviazione standard=1
d Caratteristiche bimodali
8 La curva normale standardizzata è caratterizzata dal fatto di avere:
a Media= 0 e deviazione standard=0.,5
c I punteggi sono espressi in punti z

d Caratteristiche bimodali
9 Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno una probabilità di
verificarsi per caso:
a Superiore rispetto ai valori centrali
b Nulla
c Inferiore rispetto ai valori centrali
d Uguale ai valori centrali
a Nella colonna di sinistra con una cifra decimale; la seconda cifra decimale è situata nella prima riga in
alto della stessa tavola
b Nella colonna di sinistra con una cifra decimale; la terza cifra decimale è situata nella prima riga in alto
della stessa tavola
c Nella colonna destra con una cifra decimale; la seconda cifra decimale è situata nella prima riga in alto
della stessa tavola
d Nella colonna centrale con una cifra decimale; la seconda cifra decimale è situata nella prima riga in
53 INTRODUZIONE ALLA VERIFICA DELLE IPOTESI E MODELLO LOGISTICO
1 Una variabile dicotomica può assumere:
a Due o più valori
b Al massimo due valori
c Solo due valori
d Tre valori
2 Se una variabile è dicotomica:
a La probabilità che si verifichi l’evento favorevole è uguale alla probabilità che non si verifichi l’evento
sfavorevole
b La probabilità che si verifichi l’evento favorevole è uguale alla probabilità che non si verifichi l’evento
favorevole
c Può assumere solo due valori, indipendentemente dalla probabilità di ottenere uno o l’altro dei due
valori
d Può assumere solo una probabilità=0 od 1
3 La seguente ipotesi è nulla:
a La popolazione da cui il campione è estratto ha media 58
b C’è un diverso numero di cattolici tra uomini e donne
c La probabilità di incontrare a caso un bambino con problemi di apprendimento tra le classi sociali
svantaggiate è superiore al 30%
d La media dei tempi di reazione dei maschi è inferiore a quella delle femmine
a Non esiste nessuna relazione tra classe sociale e alcolismo
b C’è un diverso numero di cattolici tra uomini e donne
c La probabilità di incontrare a caso un bambino con problemi di apprendimento tra le classi sociali
d La media dei tempi di reazione dei maschi è inferiore a quella delle femmine
a C’è un diverso numero di cattolici tra uomini e donne
b La probabilità di incontrare a caso un bambino con problemi di apprendimento tra le classi sociali
c La media dei tempi di reazione dei maschi è inferiore a quella delle femmine
d Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
a Questa moneta non è truccata
d Le medie dei gruppi A,B,C differiscono tra loro in modo significativo
a Il farmaco C ha un effetto diverso dal farmaco D

d Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
a Il farmaco C non ha un effetto diverso dal farmaco D
a Il farmaco C ha un effetto diverso dal farmaco D
c La media dei tempi di reazione dei maschi è uguale a quella delle femmine
a C’è una relazione significativa tra reddito delle persone e livello di istruzione
svantaggiate è inferiore al 50%
d Le medie dei gruppi A,B,T differiscono tra loro in modo significativo
54 TEORIA CAMPIONARIA E VERIFICA DELLE IPOTESI
1 La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al reparto B di una fabbrica”
è:
a Nulla
b Monodirezionale sinistra
c Monodirezionale destra
d Bidirezionale
2 La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente
diverso” è:
a Nulla
d Bidirezionale
3 La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non è 200”
a Nulla
d Bidirezionale
4 La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è superiore a 0,5” è:
a Nulla
d Bidirezionale
5 La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un
numero elevato di volte. Sospettiamo che il dado sia truccato” è:
a Nulla
d Bidirezionale
6 La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato dagli studenti è
inferiore a 20 secondi” è:
a Nulla
d Bidirezionale
7 La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un
numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità sotto l’ipotesi nulla, cioè se le
vincite sono dovute al caso è:
a 2/6
b 3/6
c 1/6
d 0
8 La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente
diverso” ha il seguente segno del valore critico:
a +
b –
c -, -
d ±
9 Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla avendo scelto un livello di
significatività del 5%:
a 1%
b 10%
c 5%
d 2%
10 Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi nulla; ciò accade nel
caso in cui il risultato del test effettuato lasci alla sua destra:
a Il 4% dei casi
b Il 5,5% dei casi
c Il 7% dei casi
d Il 8% dei casi
STATISTICA
dati raccolti
elementi successivi
omogenei
semilogaritmica
classe
contingenza
correlazione
box-plot
diagramma circolare
frequenze teoriche
0,466; 0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464.
1,103 1,031 0,939 1,097:1.04
dei voti:82
natura moltiplicati
chiama: Moda
medio
distribuzione
lineare
certezza
C={1,3,5,7,9,10}
A∩B={3,5}
A∩C={1,5}
B∩C={5,9,10}
A∩B∩C={5}
fissato

16 possibi campioni
1-
della varianza
IC=[2,92;3,92]

essere di 6 mg n=31
campionarie è:
campionarie è:

che:

n=751,67
variabile casuale





è pari a:5,66
pari a:8,5
9,5
a:2
outlier:
outlier:
precedente
precedente
dell'anno a
dell'anno a
comprende l’altro
di nati e morti
t-1 sarà: 101,2
t-1 sarà: 102,2
t-2 sarà: 101,2
t-1 sarà: 98,8
t-2 sarà: 94,8
periodi contigui.
Uguale ad 1
un asso: 0,1
figura: 12/40
Nominale
risultato
è: 120
Differiscono
Differiscono
pari a: 0.58
sono: 103, 217, 350, 483
funzione stimata y*
stimatore
tra: 0,23 e 0,27
1
di regressione
inglese
discordanza
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
del:Popolazione
espressi in punti z
significativo
significativo
casi






STATISTICA
Domanda Risposta
A
0,3849
TRA Z=0 E Z=1,2:
0,4192
TRA Z=0 E Z=1,4:
0,1828
TRA Z=0,81 E Z=1,94:
CHE:
CONTENUTE:
B
C
DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)

DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)

CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)

CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
1,103
1,04
1,031
0,939
1,097:
22
20, 22,18, 26, 30, 28:
0
1, 4, 7:
23,75
12,6,7,3,15,10,18,5:
4,87
NUMERI: 12,6,7,3,15,10,18,5:
STUDIO
8,5
5,66
9,5
1
8

-1
2
14; 13; 15; 6; 1;1), LA MODA È PARI A:

CLASSI FREQUENZE
10-20 5
20-30 8
34,19
30-40 12
40-50 9
50-60 3




D
0,1
BASTONI:
12/40

IC=[0,1216;0,2784]

16 POSSIBI CAMPIONI



MODA
UNA:
DISPERSIONE
AᴜB={1,2,3,4}
AᴜB:
AᴜBᴜC={1,3,5,7,9,10}
A∩B={3,5}
DETERMINARE A∩B:
A∩B∩C={5}
A∩C={1,5}
DETERMINARE A∩C:
B∩C={5,9,10}
DETERMINARE B∩C:
1/40
SECONDA:
UN ASSO:
8/40
4/10

ESTRAZIONE:

9:

0.7
NON È SIMMETRICA
8,14,16,16,16,21,21:
NATI E MORTI


32KM/H
TRAGITTO:
VALORE ASSOLUTO
E
F
G
H
I
VARIABILE NEL TEMPO
CAMPIONE
POPOLAZIONE
82
DISTRIBUZIONE
DALLA MEDIANA
DISTRIBUZIONE


1
PARI A:
NULLA:
LA DEVIANZA RESIDUA
SE È NULLA:
LINEARE
POPOLAZIONE
DEFINITO VARIABILE
DEFINITI:
DELLE OSSERVAZIONI
NON ESISTE
RIFERIMENTO
E(X+Y)= E(X)+E(Y)
CASUALI):
MINIMI QUADRATI:

UGUALE:

UGUALE:
0,0124
TALE INTERVALLO:
FREQUENZE RELATIVE:
PREVISIONE:


INDIPENDENTE:


J
K
L
L’ANNO BASE
NUMERI INDICE È:
RETTA
UNA:
L’INFLAZIONE È:
MONETA
PERIODO DI TEMPO
STATISTICA
TRA VARIABILI.
DIREZIONE
CURVA NORMALE
DAL FATTO DI AVERE:
DAL FATTO DI AVERE:
LA DEVIANZA È:
QUADRATO

DATI
IL SEGNO EGUALE
STATA OSSERVATA
TOCCARLA
CIOÈ:
DISCRETA:
VALORI REALI È:
FISSATO
XI = MEDIA
CORRISPONDENZA DI:
ESSERE:
STIMATA Y*
OSSERVATI
DEI TERMINI
NATURA MOLTIPLICATI
PERIODI CONTIGUI.
LA MEDIA MOBILE È:
STORICA
LA MEDIANA È:
LA MUTABILITÀ È:
COMPONGONO
LA POPOLAZIONE È:
TRA 0 ED 1
VALORI
INCOMPATIBILI:


CENTRALE:
VARIANZA RESIDUA
MEDIA 58
ALCOLISMO
FARMACO D
FABBRICA” È:
±
VALORE CRITICO:

BIDIREZIONALE

NULLE
UGUALE AD 1
1
MISURAZIONI.

STIMATORE
EQUIPROBABILE
IL MESE PRECEDENTE
L’ANNO PRECEDENTE
VERIFICARE:


A = 2zα/2ơp
PROPORZIONE È:

N È PICCOLO
PIÙ:
CENTRALE
SEGUENTI:
CALCOLANO FACENDO:
RISULTATO
O DIVERSO DA N
ANALITICA
M
ASSOLUTO
M
N
DENOMINATORE VI È:
VOLTE DEL CAMPIONE





0
F
V

DI CAUSALITÀ
103, 217, 350, 483
5 SONO:
0
1
NON SONO SINONIMI
POPOLAZIONE SONO:
O
P
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55, 0,8
NORMALMENTE, È:

32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,

4/10
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,
GRADI È:
OCCORRE DIVIDERE:
P(Ω)=1
XMIN Q1 MED Q3 XMAX
SEGUENTI VALORI:

IL 4% DEI CASI
Q
SERIE DEI DATI:
DIFFERISCONO
DIFFERISCONO
COINCIDONO
COINCIDONO
RIPETIZIONE
ELEVATO, È:
N=31
R
IMPLICANO:
S
.= MEDIA.GEOMETRICA
.=MEDIA
98,8

94,8

101,2

102,2

101,2

STANDARDIZZATA
VIENE MODIFICATA
RADDOPPIA
DEL CHI-QUADRATO:
DEFINIRE Y’ COME:
DEFINIRE X COME:
FREQUENZE TEORICHE
VERA
È FALSA


250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. INDICARE
MEDIA ARITMETICA

250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. INDICARE
MODA
,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. INDICARE
MODA
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
55,97
63-67 22
68-72 20
73-77 11
78-82 4

PESI FREQUENZE
48-52 7
53-57 31
58-62 25
69
63-67 22
68-72 20
73-77 11
78-82 4
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
58-62
63-67 22
68-72 20
73-77 11
78-82 4
LA CLASSE MEDIANA:
SI DEFINISCE STIMA:
CAMPIONE
AL FARMACO:

0,23 E 0,27
COMPRESA TRA:

AL FARMACO:
FARMACO:
NOMINALE
MISURATA SU SCALA:

Z>1,645

Z < -1,96 O Z > 1,96

Z < -2,33

Z < -1,28






DISCRETA
DISTRIBUISCE COME:
INSIEME
IC=[2,92;3,92]
T
FREQUENZE TEORICHE
CHE:
CHE:
0.58

U
120
CHE:
CHE: COMUNI
CHE:
IN CONSIDERAZIONE

IC=[1,1938;1,2062]

INTERVALLO
CAMPIONI
STATISTICI


DELLA VARIANZA:
V
0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,4415
0,440; 0,464.
W
X
Y
Z
A QUANTO CORRISPONDE L'AREA SOTTO LA CURVA
NORMALE TRA Z=0 E Z=1,2: 0,3849

NORMALE TRA Z=0 E Z =1,3: 0,4032


NORMALE TRA Z=0 E Z=1,6:0,4452

NORMALE TRA Z=0 E Z=1,1 :0,3643


NORMALE TRA Z=0 E Z=1,8 : 0,4641

NORMALE TRA Z=0,66 E Z=0 :0,2454

NORMALE TRA Z=0,67 E Z=0 :2486

NORMALE TRA Z=0,68 E Z=0 : 0,2517
NORMALE TRA Z=0,81 E Z=1,94: 0,1828
AD UN CAMPIONE DI 400 CASALINGHE VIENE

SOMMINISTRATO UN QUESTIONARIO, ALLO SCOPO DI
VERIFICARE SE SIANO POCO, MEDIAMENTE O MOLTO
SODDISFATTE DEL LORO RUOLO IN AMBITO FAMILIARE. SI
OTTENGONO I SEGUENTI RISULTATI: - POCO SODDISFATTE
180 - MEDIAMENTE SODDISFATTE 142 - MOLTO
SODDISFATTE 78. ESTRAENDO A CASO UN QUESTIONARIO,
QUALE È LA PROBABILITÀ CHE LA DONNA CHE LO HA
COMPILATO SIA MOLTO O POCO SODDISFATTA? 0,645
AD UN CAMPIONE DI 400 CASALINGHE VIENE
SOMMINISTRATO UN QUESTIONARIO, ALLO SCOPO DI
VERIFICARE SE SIANO POCO, MEDIAMENTE O MOLTO
SODDISFATTE DEL RUOLO IN AMBITO FAMILIARE. SI
OTTENGONO I SEGUENTI RISULTATI: – POCO SODDISFATTE
180 – MEDIAMENTE SODDISFATTE 142 – MOLTO
SODDISFATTE 78. ESTRAENDO TRE QUESTIONI
CONTEMPORANEAMENTE, QUAL'È LA PROBABILITÀ CHE LE
DONNE CHE LO HANNO COMPILATO SIANO TUTTE E TRE
MOLTO SODDISFATTE? 0,7%
AD UN CAMPIONE DI CASALINGHE VIENE SOMMINISTRATO
UN QUESTIONARIO ALLO SCOPO DI VERIFICARE SE SIANO
POCO, MEDIAMENTE O MOLTO SODDISFATTE DEL LORO
RUOLO IN AMBITO FAMILIARE. SI OTTENGONO I SEGUENTI
RISULTATI: POCO SODDISFATTE 180 - MEDIAMENTE
SODDISFATTE 142 - MOLTO SODDISFATTE 98. ESTRAENDO
A CASO UN QUESIONARIO, QUALE È LA PROBABILITÀ CHE
LA DONNA CHE LO HA COMPILATO SIA MOLTO
SODDISFATTA? 0,233
AD UN CAMPIONE DI CASALINGHE VIENE SOMMINISTRATO
UN QUESTIONARIO ALLO SCOPO DI VERIFICARE SE SIANO
POCO, MEDIAMENTE O MOLTO SODDISFATTE DEL LORO
RUOLO IN AMBITO FAMILIARE. SI OTTENGONO I SEGUENTI
RISULTATI: POCO SODDISFATTE 180 - MEDIAMENTE
SODDISFATTE 142 - MOLTO SODDISFATTE 70. ESTRAENDO
TRE QUESTIONARI CONTEMPORANEAMENTE, QUALE È LA
PROBABILITÀ CHE LE DONNE CHE LO HANNO COMPILATO
SIANO TUTTE E TRE MOLTO SODDISFATTE? 0,56%
AD UN VALORE BASSO DI R CORRISPONDE: IN DIVERSI
CASI UN LEGAME DEBOLE TRA I DUE CARATTERI
QUANTITATIVI CONSIDERATI
AD UN VALORE ELEVATO DI R CORRISPONDE: IN DIVERSI
CASI UN EFFETTIVO LEGAME TRA I DUE CARATTERI
AGGIUNGENDO UNA COSTANTE POSITIVA C A TUTTI I

VALORI DI UNA VARIABILE LA MEDIA ARITMETICA:
AUMENTA DI C
ASSEGNATI I DATI (17,45,38,27,6,48,11,57,34,22) CALCOLARE

IL CAMPO DI VARIAZIONE: 51
ATTRAVERSO L’EQUAZIONE DI BILANCIO SI ANALIZZANO:

LE PRODUZIONI DELLE VARIE BRANCHE SECONDO I
RISPETTIVI IMPIEGHI
AUMENTANDO IL LIVELLO DI SIGNIFICATIVITÀ: AUMENTA LA

POTENZA DEL TEST
CALCOLA IL PUNTO Z DEL VALORE MINORE PER I

SEGUENTI DATI: 1.0 3.0 3.0 3.0 4.0 4.0 5.1 7.0 7.3 9.0: 1,5
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
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) 12
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

12,6,7,3,15,10,18,5: 23,75
CALCOLARE LO SCARTO QUADRATICO MEDIO DEI
SEGUENTI NUMERI: 12,6,7,3,15,10,18,5: 4,87
COL TERMINE CLASSIFICAZIONE: SI INTENDE IL MASSIMO

DETTAGLIO CON CUI LA VARIABILE VIENE ESPRESSA.
COL TEST Z DELLE DIFFERENZE TRA MEDIE POSSIAMO:

STANDARDIZZARE LA REGIONE DI RIFIUTO
CON IL METODO DEI MINIMI QUADRATI: SI MINIMIZZA LA

SOMMA DEI QUADRATI DEGLI SCARTI TRA VALORI
OSSERVATI E VALORI TEORICI
CON IL P-VALUE: SPECIFICHIAMO UN LIVELLO DI

SIGNIFICATIVITÀ MA ANCHE UN VALORE DI PROBABILITÀ

VALORI DI UNA VARIABILE: NON VI E’ CORRELAZIONE

VALORI DI UNA VARIABILE:TENDONO A CRESCERE AL
DECRESCERE DEI VALORI DELL’ALTRA, MA IN MANIERA
BLANDA

VALORI DI UNA VARIABILE: CRESCONO AL DECRESCERE
DEI VALORI DELL’ALTRA

VALORI DI UNA VARIABILE: CRESCONO AL DECRESCERE
CON UN LIVELLO DI SIGNIFICATIVITÀ DELLO 0,05 LA

PROBABILITÀ DI COMMETTERE L’ERRORE DI PRIMO TIPO
(Α) È: L' 5%
CON UN LIVELLO DI SIGNIFICATIVITÀ DELL’1% SI
CONSIDERA Α EGUALE A: 0,01
CONOSCENDO LA DEVIANZA, LO SCARTO QUADRATICO

MEDIO SI RICAVA CALCOLANDO: LA RADICE QUADRATA
DEL RAPPORTO TRA DEVIANZA E NUMEROSITÀ DEL
COLLETTIVO
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14;

13; 15; 6; 1; 1), LA MEDIA È PARI A: 7,43

13; 15; 6; 1;1), LA MODA È PARI A: 1

2; 14; 13; 15; 6; 1;1), LA MODA È PARI A: 2

13; 15; 6; 1), LA MEDIA GEOMETRICA È PARI A: 5,66

13; 15; 6; 1;1), LA MEDIA GEOMETRICA È PARI A: 4,42

13; 15; 6; 1), LA MEDIA ARITMETICA È PARI A: 8,5

13; 15; 6; 1), LA MEDIANA È PARI A: 9,5

13; 15; 6; 1), LA MEDIANA È PARI A: 6
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22;
14; 13; 15; 6; 1;1; -12), LA MEDIANA È PARI A: 3,5
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22;

14; 13; 15; 6; 1; 1; -12), LA DEVIAZIONE STANDARD
CAMPIONARIA È: 13,22
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-22,

14. 13; 15; 6; 1; 1; -12), LA VARIANZA CAMPIONARIA È PARI A
(CONSIDERARE NEL CALCOLO DEL DENOMINATORE UNA
NUMEROSITÀ TOTALE PARI A N-1): 174,90
CONSIDERA IL (2; 2; 2; 14; 13; 15; 6; 1;1), IL VALORE

CENTRALE È PARI A: 8
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-2; -2;

-2; -14; -13; -15; -6; -1;-1), IL VALORE MASSIMO È PARI A: -1
CONSIDERA LA RELAZIONE CAUSA EFFETTO Y=F(X)+6,5.

CALCOLA LA Y SAPENDO CHE -F(X)=10 ED INDICA IL TIPO DI
RELAZIONE: Y=-3,5
DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ

STATISTICHE ( A, B, C, D ) SI VOGLIA ESTRARRE, CON
RIPETIZIONE, UN CAMPIONE CASUALE DI NUMEROSITÀ 2.
LO SPAZIO CAMPIONARIO È COMPOSTO DA: 16 POSSIBILI
CAMPIONI
RELAZIONE: Y=-3,5

RELAZIONE: Y=-5,5
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y = -F(X),

CALCOLA LA Y SAPENDO CHE F(X) = -10 ED INDICA IL TIPO
DI RELAZIONE: Y = 10; LA RELAZIONE È LINEARE
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y=-F(X)2,
CALCOLA LA Y SAPENDO CHE F(X)=-10 ED INDICA IL TIPO DI
RELAZIONE: Y = 100; LA RELAZIONE È NON LINEARE

RAPPRESENTATO DALL’INFLAZIONE ED Y SONO I TASSI DI
INTERESSE NELL’EURO AREA: X È LA VARIABILE
INDIPENDENTE

RAPPRESENTATO DALL’INFLAZIONE ED Y SONO I TASSI DI
INTERESSE NELL’EURO AREA: X È LA VARIABILE
INDIPENDENTE

CONTIGUI (2,2,3,5,3,4,6,7), QUANTE MEDIE MOBILI DI
PESATE DI ORDINE TRE SI POSSONO CALCOLARE: 6
CONSIDERANDO LA SEGUENTE SERIE STORICA DI VALORI

CONTIGUI ( 2,2,4,5,3,4,6,7,0,11,12), QUANTE MEDIE …TRE SI
POSSONO CALCOLARE: 9

CONTIGUI (3,5,3,4,6,7), QUANTE MEDIE MOBILI DI ORDINE
TRE SI POSSONO CALCOLARE: 4

CONTIGUI (3,5,3,4,6,7), QUANTE MEDIE MOBILI DI ORDINE
CINQUE SI POSSONO CALCOLARE: 2

CONTIGUI (3,5,3,4,6,7,0), QUANTE MEDIE MOBILI DI ORDINE
TRE SI POSSONO CALCOLARE: 5

CONTIGUI (3,5,3,4,6,7), CALCOLA LA PRIMA MEDIA MOBILE DI
ORDINE TRE CALCOLABILE IN TEMPO REALE: 11/3

CONTIGUI (3,5,3,4,6,7), CALCOLA LA PRIMA MEDIA MOBILE DI
ORDINE CINQUE CALCOLABILE IN TEMPO REALE: 21/5
CONTIGUI (144,5,3,4,6,7,0,11,12), QUANTE MEDIE MOBILI DI
ORDINE TRE SI POSSONO CALCOLARE: 7
COS'È LA POTENZA DEL TEST: LA PROBABILITÀ DI

RIGETTARE L'IPOTESI NULLA QUANDO È FALSA
COSA INDICA IL LIVELLO DI SIGNIFICATIVITÀ: LA

PROBABILITÀ MASSIMA CON CUI ACCETTIAMO DI
COSA SI INTENDE VARIABILITÀ: È L'ATTITUDINE DI UN

FENOMENO QUANTITATIVO AD ASSUMERE DIFFERENTE
MODALITÀ
COSA SI INTENDE PER STIMA PUNTUALE: LA STIMA

ATTRAVERSO LA QUALE SI GIUNGE ALLA
DETERMINAZIONE DI UN SOLO VALORE NUMERICO PER
COSA SI INTENDE PER STIMA INTERVALLARE: LA STIMA

ATTRAVERSO LA QUALE SI GIUNGE ALLA
DETERMINAZIONE DI UN INTERVALLO, CHE INCLUDE IL
COSTRUENDO I NUMERI INDICE DELLA SERIE STORICA DEL

FATTURATO PER DUE AZIENDE, VOGLIAMO IN
PARTICOLARE: CAPIRE QUALE DELLE DUE UNITÀ
PRESENTA UN ANDAMENTO MIGLIORE
DAI SEGUENTI NUMERI CALCOLARE LA PROBABILITÀ DI

ESTRARRE UN NUMERO DI DUE CIFRE O UN NUMERO PARI:
2 12 131 126 17 28 257 890 21 654 33 428: 0,33
DATA LA SEGUENTE DISTRIBUZIONE DEL CARATTERE X

213132022210 INDICARE NATURA VARIABILE DETERMINARE
NUMERO UNITÀ E MODALITÀ’: CARATTERE QUANTITATIVO
DISCRETO /UNITÀ’ 12 MODALITÀ 4
DATA LA SEGUENTE SERIE DI VOTI RIPORTATI DA ALCUNI

STUDENTI AD UN ESAME: 18,19,21,22,23,26,28,30. LA
MEDIANA È: 22,5
DATE COPPIE DI VALORI X E Y, L’EQUAZIONE DI
REGRESSIONE PUÒ ESSERE CONSIDERATE UNA FORMULA
DI PREDIZIONE DI Y
DATE COPPIE DI VALORI X E Y, LA RETTA DI REGRESSIONE

È UNA: SOLA, E BEN DEFINITA, TRA LE INFINITE RETTE CHE
SI POSSONO TRACCIARE TRA I PUNTI DI UN DIAGRAMMA A
DISPERSIONE

Y(CONSUMO IN QUINTA KM/LITRO): 29.8, 24.2, 20, 18.2, 16,2.
DETERMINARE L'EQUAZIONE DELLA RETTA: Y^= 39,882-
0,1857XI

Y(CONSUMO IN QUINTA KM/LITRO): 29.8, 24.2, 20, 18.2, 16,2,
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È: 0,9650

Y(CONSUMO IN QUINTA KM/LITRO): 29.8, 24.2,20,18.2,16,2. LA
CODEVIANZA (X,Y) È: 577,6
DATE Z VARIABILI CASUALI STANDARDIZZATE E

INDIPENDENTI AL QUADRATO, UNA VARIABILE CHI-
QUADRATO È DATA: DALLA SOMMA DI TALI VARIABILI
DATE N VARIABILI CASUALI NORMALI STANDARDIZZATE E

INDIPENDENTI AL QUADRATO, UNA VARIABILE CASUALE…
DATA DALLA: RADICE QUADRATA DI TALI VARIABILI
DATI DUE EVENTI A E B COSTITUITI DAI PRIMI 6 NUMERI

ESTRATTI DA UNA URNA CONTENENTE 90 PALLINE
NUMERATE A= (87,12,23,8,45,90) E B=(8,84,41,12,36,17).
DETERMINARE AU B. AU B=(87,12,23,8,45,90,84,41,36,17)
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
DATI I SEGUENTI NUMERI CALCOLARE LA PROBABILITA’ DI

11 12 131 126 17 28 257 890 21 654 33 428: 0.33
DATI I SEGUENTI NUMERI CALCOLARE LA PROBABILITÀ DI
21 12 131 126 17 28 257 890 21 654 33 428: 0,83

ESTRARE UN NUMERO PARI TRA I NUMERI DI DUE CIFRE: 11
12 131 126 17 28 257 890 21 654 33 428: 1/3
DATI I SEGUENTI NUMERI CALCOLARE LA PROBABILILTA’ DI

ESTRARRE UN NUMEO PARI TRA I NUMERI DI DUE CIFRE: 11
12 131 126 17 28 257 890 21 654 33 428: 1/4

11 12 131 126 17 28 257 890 21 654 33 428: 0,83

ESTRARRE UN NUMERO PARI SUL TOTALE: 11 12 131 126 17
28 257 890 21 654 33 428: 1/2 - 50%

21 12 131 126 17 28 257 890 21 654 33 428: 0,83

AᴜB: AᴜB={1,2,3,4}
DATI I SEGUENTI EVENTI: A=(1,3,5,7), B=(3,5,9,10),

C(1,5,9,10). DETERMINARE A ᴜ B ᴜ C: AᴜBᴜC={1,3,5,7,9,10}

C(1,5,9,10). DETERMINARE A∩B: A∩B={3,5}

C(1,5,9,10). DETERMINARE A∩C: A∩C={1,5}
C(1,5,9,10). DETERMINARE B∩C: B∩C={5,9,10}

C(1,5,9,10). DETERMINARE A∩B∩C: A∩B∩C={5}

CALCOLARE LA PROBABILITÀ DI OTTENERE UN ASSO: 0,1

CALCOLARE LA PROBABILITÀ DI OTTENERE UNA CARTA DI
BASTONI: 0,25

12/40
DA UNA PARTITA DI BULLONI METALLICI È STATO

ESTRATTO UN CAMPIONE DI N=100 ELEMENTI E SE NE
SONO TROVATI 20 DIFETTOSI. COSTRUIRE UN INTERVALLO
DI CONFIDENZA AL 95% PER LA PROPORZIONE P DEI PEZZI
DIFETTOSI: IC=[0,1216;0,2784]
STATISTICHE ( A, B, C, D ) SI VOGLIA ESTRARRE, CON
CAMPIONI
STATISTICHE ( A, B, C, D, E ) SI VOGLIA ESTRARRE, CON
CAMPIONI
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’
DI ESTRARRE UN CAVALLO : 1/10
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITA’

DI ESTRARRE UN CINQUE O UNA CARTA DI COPPE :13/4
DATO UN MAZZO DI 40 CARTE LA PROBABILITÀ DI
ESTRARRE UN DUE O UN TRE È: 8/40
DATO UN MAZZO DI 40 CARTE VIENE ESTRATTA UNA

CARTA. CALCOLARE LA PROBABILITÀ DI OTTENERE UNA
FIGURA O UNA CARTA INFERIORE A 6: 32/40
DATO UN MAZZO DI 40 CARTE CALCOLARE LA PROBABILITÀ

DI OTTENERE IN UN'UNICA ESTRAZIONE IL RE DI SPADE :
1/40

DI OTTENERE IN DUE ESTRAZIONI CON REIMMISSIONE UN
RE E UN ASSO: 2/100 OPPURE 0.02 OPPURE 1/50
DATO UN MAZZO DI 40 CARTE LA PROBABILITÀ DI

ESTRARRE DUE ASSI CON REIMMISSIONE È: 16/1600

DI OTTENERE IN DUE ESTRAZIONI CON REIMMISSIONE DI
UN RE ALLA PRIMA ESTRAZIONE E UNA CARTA DI COPPE
ALLA SECONDA : 0.025 OPPURE 1/40

DI OTTENERE IN 3 ESTRAZIONI CON REIMMISSIONE UN 4,
UN 3 E UN 5 NELL’ORDINE INDICATO : 0.001

DI OTTENERE IN TRE ESTRAZIONI CON REIMMISSIONE DUE
FANTI E UN CAVALLO NELL'ORDINE INDICATO: : 0,001

DI OTTENERE IN 3 ESTRAZIONI SENZA REIMMISSIONE
ESATTAMENTE DUE RE : 0,02

DI OTTENERE IN 3 ESTRAZIONI SENZA REIMMISSIONE UN 4,
UN 3 E UN 5 NELL’ORDINE INDICATO : 0,001
DI OTTENERE IN 3 ESTRAZIONI SENZA REIMMISSIONE DUE
FANTI ED UN CAVALLO : 0,0008

RILEVAZIONE DEI DATI; ELABORAZIONE METODOLOGICA;
PRESENTAZIONE ED INTERPRETAZIONE DEI RISULTATI;
UTILIZZAZIONE DEI RISULTATI RAGGIUNTI.
DETERMINARE L'AREA SOTTO LA CURVA NORMALE TRA

Z=0 E Z=1,2: 0,3849

Z=0 E Z=1,3 : 0,4032

Z=0 E Z=1,4: 0,4192

Z=0 E Z=1,6:0,4452

Z=0 E Z=1,1 :0,3643

Z=0 E Z=1,5: 0,4332

Z=0 E Z=1,8 : 0,4641
DETERMINARE L'AREA L'AREA SOTTO LA CURVA NORMALE

TRA Z=0,66 E Z=0 :0,2454
TRA Z=0,67 E Z=0 : 0,2486

TRA Z=0,68 E Z=0 : 0,2517

TRA Z=0,81 E Z=1,94: 0,1828

PROVA DI ABILITÀ SPAZIALE (2,7,9,2,1,7,5,4,6,2).
ESTRAENDO A CASO UN PUNTEGGIO QUALE È LA
PROBABILITÀ DI OTTENERE UN NUMERO PARI O INFERIORE
A 6: 0.7
PROVA DI ABILITÀ SPAZIALE (2,7,9,2,1,7,5,4,6,2),
PROBABILITÀ DI OTTENERE UN NUMERO PARI E INFERIORE
A 6: 4/10
ESTRAENDO A CASO DUE PUNTEGGI CON REIMMISSIONE,
QUALE È LA PROBABILITÀ DI OTTENERE ALMENO UN 7 ALLA
PRIMA ESTRAZIONE: 0.2
QUALE È LA PROBABILITÀ DI OTTENERE DUE PUNTEGGI LA
CUI SOMMA SIA 9: 14/100
8,14,16,16,16,21,21: NON È SIMMETRICA
DIVIDENDO IL NUMERO DELLE MORTI E DELLE NASCITE IN

UNA COMUNITÀ DURANTE UN PERIODO DI TEMPO
MEDIA DELLO STESSO PERIODO SI PUÒ OTTENERE: R=1 O
PROSSIMO AD 1 OPPURE CORRELAZIONE SPURIA SE
L'ANDAMENTO DELLA POPOLAZIONE NON È CORRELATO
COL NUMERO DI NATI E MORTI
DURANTE UN PERIODO DI TEMPO E LA QUANTITÀ DELLA
COEFFICIENTE DI MORTALITÀ
DUE EVENTI NON SONO INDIPENDENTI QUANDO: IL

VERIFICARSI DELL’UNO MODIFICA LA PROBABILITÀ DEL
VERIFICARSI DELL’ALTRO
DUE EVENTI SONO INDIPENDENTI QUANDO: IL VERIFICARSI

DELL’UNO NON MODIFICA LA PROBABILITÀ DI VERIFICARSI
DELL’ALTRO
DUE VARIABILI SI DICONO PERFETTAMENTE CORRELATE

SE: IL COEFFICIENTE DI CORRELAZIONE È PARI A 1 IN
VALORE ASSOLUTO
DUE VARIABILI SONO STOCASTICAMENTE INDIPENDENTI
SE:
E’ NULLA LA SEGUENTE IPOTESI: LA PROBABILITÀ DI

INCONTRARE A CASO UN BAMBINO CON PROBLEMI DI
APPRENDIMENTO TRA LE CLASSI SOCIALI SVANTAGGIATE
È SUPERIORE AL 30%

INDIPENDENZA SU UNA TABELLA DI CONTINGENZA, I GRADI
DI LIBERTÀ CORRISPONDONO: (R-1)(C-1)

INDIPENDENZA SU UNA TABELLA DI CONTINGENZA 5X5, I
GRADI DI LIBERTÀ CORRISPONDONO: 16


QUALE È LA PROBABILITÀ DI OTTENERE ALMENO UN 7 ALLA
PRIMA ESTRAZIONE: 0.2

PROBABILITÀ DI OTTENERE UN NUMERO PARI E INFERIORE
A 6: 4/10.

PROBABILITÀ DI OTTENERE UN NUMERO PARI O INFERIORE
A 6: 0.7
ESTRAENDO UNA CARTA DA UN MAZZO DI 40, LA

PROBABILITÀ CHE SIA UNA FIGURA È: 12/40
GLI AGGREGATI CHE SI DETERMINANO IN UNA STADIO DEL

PROCESSO ECONOMICO FIGURANO: IN UNO O PIÙ CONTI O
EQUAZIONI CONTABILI CHE DESCRIVONO QUELLO STADIO
GLI INDICI RELATIVI DI VARIABILITÀ: SONO INDIPENDENTI

DALL'UNITÀ DI MISURA
GLI INVESTIMENTI LORDI – DA PARTE DEI PRODUTTORI DI

BENI DESTINATI A GENERARE REDDITO – SONO
COSTITUITI: DALLE ACQUISIZIONI, AL NETTO DELLE
CESSIONI
GLI OBIETTIVI DEL SISTAN SONO: RIDURRE DUPLICAZIONI E

INCONGRUENZE E RAZIONALIZZARE LE STATISTICHE
GLI STRUMENTI DI INDAGINE NELLO STUDIO DELLE
FLUTTUAZIONI SONO: I METODI DI ANALISI DELLE SERIE
ECONOMICHE TEMPORALI
H0 ED H1 SONO DUE IPOTESI: MUTUAMENTE ESCLUDENTE

SI O NESSUNA DELLE PRECEDENTI
I CARATTERI STATISTICI SI DIVIDONO IN: QUANTITATIVI E

QUALITATIVI
I CICLI ECONOMICI SONO CARATTERIZZATI DA: UNA FASE

DI ESPANSIONE SEGUITA DA UNA FASE DI CONTRAZIONE
I COEFFICIENTI SI DICONO “TECNICI” SE: LE GRANDEZZE

SONO ESPRESSE IN UNITÀ FISICHE
I DATI INFORMATICI SONO UTILIZZABILI PER: LE ANALISI

STATISTICHE
I DAZI DOGANALI ED I COSTI DI TRASPORTO INFLUENZANO:

I PREZZI INTERNI ALL’INGROSSO ED AL CONSUMO
I FLUSSI CHE FORMANO GLI AGGREGATI DELLA

CONTABILITÀ NAZIONALE VENGONO IN GENERE VALUTATI:
AI PREZZI DI MERCATO
I FLUSSI DI REDDITO CHE COMPAIONO NEI CONTI DELLA

DISTRIBUZIONE PRIMARIA DEL REDDITO SONO DETTI:
REDDITI PRIMARI
I METODI PIÙ NOTI PER CALCOLARE LA PARITÀ DI POTERE
D’ACQUISTO SONO: IL METODO PROPOSTO DA GEARY E
KHAMIS E IL METODO PROPOSTO DA GERARDI
I MODELLI DI TIPO ADDITIVO, MOLTIPLICATIVO O MISTO

SERVONO A: INDIVIDUARE LE RELAZIONI TRA LE SINGOLE
COMPONENTI DI UNA SERIE STORICA
I NUMERI INDICE COMPARANO: LE VARIAZIONI DEI LIVELLI

DELLA VARIABILE NEL TEMPO CON RIFERIMENTO AD UNA
BASE
I NUMERI INDICE CHE METTONO A CONFRONTO

L’INTENSITÀ DI UNO STESSO FENOMENO IN DUE O PIÙ
SITUAZIONI DIVERSE SONO: I NUMERI INDICI SEMPLICI
I NUMERI INDICI DELLE PRODUZIONI E DEI PREZZI SONO

UTILIZZABILI PER: CONFRONTATE NEL TEMPO AGGREGATI
ESPRESSI IN MONETA CORRENTE
I NUMERI INDICI RAPPRESENTANO: UNO STRUMENTO PER

LO STUDIO NEL BREVE PERIODO DELLE FLUTTUAZIONI DEI
PREZZI E DELLE PRODUZIONI
I NUMERI INDICI SI CLASSIFICANO IN: SEMPLICI,

COMPLESSI, SINTETICI, COMPOSITI
I NUMERI INDICE SONO : INFERIORI A 100 SE IL LIVELLO

TENDE A SCENDERE RISPETTO ALL’ANNO BASE OPPURE
A CRESCERE RISPETTO ALL’ANNO BASE OPPURE
RAPPORTI STATISTICI OPPURE ESPLICATIVI
DELL’ANDAMENTO DEI LIVELLI DELLA VARIABILE NEL
TEMPO OPPURE STRUMENTI MATEMATICI
I PREZZI DÉPART-USINE O EX FABRIXA SONO
COMPRENSIVI ANCHE: DELLE IMPOSTE INDIRETTE SULLA
PRODUZIONE O SUL PRIMO SCAMBIO
I PRINCIPI SANCITI DALL’ART. 285 DEL TRATTATO DI

AMSTERDAM: IMPARZIALITÀ, AFFIDABILITÀ, OBIETTIVITÀ,
INDIPENDENZA SCIENTIFICA, EFFICACIA E RISERVATEZZA
I REDDITI DA LAVORO DIPENDENTE SONO: COMPOSTI
DALLE RETRIBUZIONI LORDE E DAI CONTRIBUTI SOCIALI
EFFETTIVI E FIGURATIVI
I SACCHETTI DI PLASTICA UTILIZZATI PER CONTENERE

GENERI ALIMENTARI SONO PRODOTTI IN MODO CHE IL
CARICO DI RESISTENZA DEL SACCHETTO SEGUA UNA
DISTRIBUZIONE NORMALE DI MEDIA 3,2 KG E SQUARTO
QUADRATICO MEDIO 0,5 KG. DETERMINARE LA
PERCENTUALE DI SACCHETTI PRODOTTI CHE HA UN
CARICO DI RESISTENZA COMPRESO TRA I 2,8 E I 3,4 KG :
56,42%
I SIMBOLI Μ E Σ SI RIFERISCONO ALLA MEDIA ED ALLO
SCARTO QUADRATICO MEDIO DEL: POPOLAZIONE
I SIMBOLI Μ E Σ SI RIFERISCONO ALLA MEDIA ED ALLO

SCARTO QUADRATICO MEDIO DEL: CAMPIONE
I TRASFERIMENTI IN CONTO CAPITALE SONO: FLUSSI

UNILATERALI (IN DENARO O IN NATURA)
PREVALENTEMENTE EROGATI O PRELEVATI DALLE PA
NELL’AMBITO DEI PROCESSI DI ACCUMULAZIONE
I TRE STADI FONDAMENTALI DEL PROCESSO ECONOMICO

DESCRITTI DALLA CONTABILITÀ NAZIONALE SONO: LA
FORMAZIONE E L’IMPIEGO DELLE RISORSE, LA
DISTRIBUZIONE E REDISTRIBUZIONE DEL REDDITO, LA
FORMAZIONE DEL CAPITALE
I VALORI ATTESI NELLA VARIABILE CASUALE NORMALE
SONO: MEDIA; VARIANZA;
I VOTI DI UNO STUDENTE IN SEI ESAMI SONO STATI

84,91,72,68,87,78. DETERMINARE LA MEDIANA DEI VOTI
STESSI: 81
IL CALCOLO DEGLI INDICI DI INTEGRAZIONE SETTORIALE

CONSENTE DI: DEFINIRE GLI AMBITI ENTRO CUI SI
PROPAGANO GLI IMPULSI ATTIVATI DAI SINGOLI SETTORI
IL CALCOLO DEI COEFFICIENTI DI SPESA È UTILE PERCHÉ
CONSENTE DI: COLLEGARE ALL DOMANDA FINALE GLI
INPUT INTERMEDI E GLI INPUT PRIMARI

OPPURE PIÙ PICCOLO DELLA POPOLAZIONE DI
RIFERIMENTO
IL CAMPIONAMENTO A BLOCCHI È: CARATTERIZZATO DA

CLUSTER
IL CAMPIONAMENTO SISTEMATICO È: CASUALE OPPURE

IL CAMPIONAMENTO STRATIFICATO È: CARATTERIZZATO

DA POPOLAZIONE DIVISA IN SOTTOGRUPPI OMOGENE
IL CAMPO DI VARIAZIONE È DATO DALLA: DIFFERENZA TRA

VALORE MASSIMO E MINIMO DELLA DISTRIBUZIONE
IL CAPITALE LORDO SI CONVERTE IN CAPITALE NETTO

MEDIANTE: LA DETRAZIONE DEL CUMULO DEGLI
AMMORTAMENTI DI TUTTO IL PERIODO DI VITA DECORSO
IL COEFFICIENTE ANGOLARE BI RAPPRESENTA: LA

PENDENZA DELLA RETTA
IL COEFFICIENTE ANGOLARE B1 INDICA: LA PENDENZA

DELLA RETTA
IL COEFFICIENTE ANGOLARE B1 È DATO:

B1= COD. (X,Y)/ DEV(X)
IL COEFFICIENTE DI CORRELAZIONE LINEARE R DI

BRAVALS-PEARSON VARIA: TRA -1 E + 1

CONSIDERANDO UNA RELAZIONE LINEARE TRA X ED Y,
DOVE QUEST’ULTIMA È LA VARIABILE DIPENDENTE, IL
COEFFICIENTE DI DETERMINAZIONE SARÀ PARI A: 0,58
DOVE QUEST’ULTIMA È LA VARIABILE DIPENDENTE, LA
VARIANZA RESIDUA SARÀ PARI A: 42% 0,42
DOVE QUEST’ULTIMA È LA VARIABILE DIPENDENTE, LA
VARIANZA COMUNE SARÀ PARI A: 58% - 0,58
“QUANTITÀ DI GRASSI SATURI ASSUNTE” ED Y= ”SPERANZA
DI VITA” È PARI AD -1. CONSIDERANDO UNA RELAZIONE
LINEARE TRA X ED Y, DOVE X È LA VARIABILE DIPENDENTE
ED Y QUELLA INDIPENDENTE, IL COEFFICIENTE DI
DETERMINAZIONE SARÀ PARI A: 1
IL COEFFICIENTE DI CORRELAZIONE R DI PEARSON PUÒ
ESSERE USATO PER CALCOLARE LA CORRELAZIONE: TRA
VARIABILI MISURATE SU SCALE A INTERVALLI O A
RAPPORTI EQUIVALENTI
IL COEFFICIENTE DI DETERMINAZIONE LINEARE R2 VARIA:

TRA 0 E +1
IL COEFFICIENTE DI CURTOSI DI PEARSON È UGUALE:

MOMENTO QUARTO/QUADRATO DELLA VARIANZA
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È NULLO

SE È NULLA: LA DEVIANZA DI REGRESSIONE
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È UGUALE
A 1 SE È NULLA: LA DEVIANZA RESIDUA
IL COEFFICIENTE DI DETERMINAZIONE LINEARE È: IL

QUADRATO DEL COEFFICIENTE DI CORRELAZIONE
LINEARE
IL COEFFICIENTE DI DETERMINAZIONE LINEARE VARIA TRA:

0 <R2<1
IL COEFFICIENTE DI SPESA INDICA: QUANTE UNITÀ

MONETARIE RELATIVE ALLO STESSO BENE SONO
NECESSARIE PER PRODURRE UNA UNITÀ MONETARIA
DELLA BRANCA J

ESPRESSO IN TERMINI PERCENTUALI, TRA: LO SCARTO
QUADRATICO MEDIO E MEDIA ARITMETICA
IL COEFFICIENTE R2 È DEFINIBILE COME SEGUE: ESS/TSS
IL CONCETTO DI CAPACITÀ PRODUTTIVA INDICA LA

MASSIMA PRODUZIONE: OTTENIBILE NELL’UNITÀ DI TEMPO
DA UNO STOCK DI CAPITALE UTILIZZATO A LIVELLO
NORMALE
IL CONTO CORRENTE DELLA BILANCIA DEI PAGAMENTI DI

UN PAESE INCLUDE: LE ESPORTAZIONI E LE IMPORTAZIONI
IL CONTO FINANZIARIO DELLA BILANCIA DEI PAGAMENTI DI

UN PAESE, MISURA: LA DIFFERENZA TRA LE VENDITE DI
ATTIVITÀ FINANZIARIE AGLI STRANIERI E GLI ACQUISTI DI
ATTIVITÀ FINANZIARIE EMESSE ALL’ESTERO
IL CONTROLLO DELLA QUALITÀ È: LA METODOLOGIA IN

BASE ALLA QUALE GLI ERRORI VENGONO CORRETTI
IL CRITERIO DELLA DOPPIA DEFLAZIONE CONSISTE NEL:
ESPRIMERE IN TERMINI REALI GLI AGGREGATI CHE
COSTITUISCONO IL SALDO
IL CRITERIO DELLA DOPPIA DEFLAZIONE CONSISTE NEL:

ESPRIMERE IN TERMINI REALI GLI AGGREGATI CHE
COSTITUISCONO IL SALDO
IL DEPOSITO IN BANCA DI UN CAPIT C HA FATTURATO I

SEGUENTI RENDIMENTI IL 4% PRIMI 2 ANNI / 5%
SUCCESSIVI 5 / 6% ANNO SUCCESSIVO. DETERMINARE
TMEDIO RENDIMENTO CONSIDERANDO LE SEGUENTI
SOLUZIONI : RITIRO I FINE OGNI ANNO /RITIRO UNICA
SOLUZ MONTANTE FINE PERIODO CON CAPITALIZZAZIONE
ANNUA DEGLI INTERESSI : 4,875% - 4,8733%
IL GRADO DI UTILIZZAZIONE DEGLI IMPIANTI PRODUTTIVI È
DATO DEL RAPPORTO TRA: LA PRODUZIONE EFFETTIVA E
LA PRODUZIONE POTENZIALE
IL LIVELLO DI SIGNIFICATIVITÀ O ALFA: DETERMINA LA

REGIONE DELLE MEDIE CAMPIONARIE IN CUI RIFIUTIAMO
L'IPOTESI NULLA
IL MERCATO DEI FATTORI PRODUTTIVI PRIMARI E QUELLO

DEI BENI FINALI POSSONO ESSERE RAPPRESENTATI: DAL
CLASSICO SCHEMA CHE NE DESCRIVE DUE CIRCUITI, UNO
REALE E UNO MONETARIO
IL METODO DEGLI SCENARI PUNTA AD INDIVIDUARE: UN

INSIEME DI FUTURI PLAUSIBILI DETERMINATI
DALL’EVOLVERSI DELLE VARIABILI CHIAVE
IL METODO DEL RAPPORTO CAPITALE/PRODOTTO SI BASA:

SULLA RELAZIONE TECNICA CHE LEGA LO STOCK DI
CAPITALE AL PRODOTTO OTTENIBILE
IL METODO DELL’INVENTARIO PERMANENTE SI BASA
SULL’IDEA CHE LO STOCK DI CAPITALE IN UN DATO
ISTANTE DI TEMPO CORRISPONDE: ALLA SOMMA DEGLI
INVESTIMENTI DEGLI ANNI PRECEDENTI, AL NETTO DEGLI
AMMORTAMENTI
IL METODO DELLA BANCA D’INGHILTERRA FORNISCE: UNA
MISURA DEL GRADO DI UTILIZZAZIONE DEL CAPITALE
IL METODO DELLA WHARTON SCHOOL CONSISTE NEL

CALCOLO DI: UN INDICE CHE MISURA LA CAPACITÀ
PRODUTTIVA DI TUTTI I FATTORI
IL METODO DELPHI CONSISTE NEL: SOTTOPORRE

INDIVIDUALMENTE AI COMPONENTI DI UN GRUPPO DI
ESPERTI I QUESITI OGGETTO DI VALUTAZIONE
IL METODO DI CORREZIONE PROBABILISTICO RICHIEDE: LA

SOSTITUZIONE CON DELLE INFORMAZIONI VALIDE
IL METODO ESTRAPOLATIVO: SI BASA SULL’INVARIANZA

DELL’ANDAMENTO DELLE VARIABILI DEL MODELLO NEL
CORSO DEL TEMPO
IL NUMERO DEI CARATTERI IN UNA MATRICE: NON DIPENDE

DALLA NUMEROSITÀ DELLA POPOLAZIONE
IL NUMERO DI CUORI NEGLI ESSERI VIVENTI ED IL NUMERO

DI BATTITI CARDIACI AL MINUTO POSSONO ENTRAMBI
ESSERE DEFINITI: IL NUMERO DI BATTITI SOLAMENTE PUO’
ESSERE DEFINITO VARIABILE
IL NUMERO DI LANCI DI UNA MONETA È UNA: VARIABILE

DISCRETA
IL PIANO DI RILEVAZIONE DEVE STABILIRE: PERCHÉ, COSA

(O CHI), DOVE, COME E QUANDO
IL PIANO DI SPOGLIO È: IL PROGRAMMA DELLE PRIME
OPERAZIONI
IL PROBLEMA DEI CONFRONTI INTERNAZIONALI, TRAE

ORIGINE DAI LIMITI E DALLE DISTORSIONI DERIVANTI
DALL’IMPIEGO DI: TASSI DI CAMBIO UFFICIALI DELLE
MONETE
IL PROCESSO STOCASTICO DEVE ESSERE: STAZIONARIO,

GAUSSIANO, ERGODICO ED INVERTIBILE
IL PROCESSO STOCASTICO IDENTIFICA: UNA FAMIGLIA DI

VARIABILI CASUALI ORDINATE SECONDO IL TEMPO
IL PRODOTTO LORDO, REDDITO NAZIONALE, REDDITO

DISPONIBILE, RISPARMIO SVOLGONO: UNA FUNZIONE DI
COLLEGAMENTO TRA LE DIVERSE EQUAZIONI CONTABILI
IL PROGRAMMA STATISTICO NAZIONALE (PSN) È:

TRIENNALE
IL PROGRAMMA STATISTICO NAZIONALE (PSN): DELINEA LE

ATTIVITÀ DI INTERESSE PUBBLICO DA REALIZZARE
IL QUESTIONARIO SERVE A: A FACILITARE L’INTERAZIONE

TRA RICERCATORE, RILEVATORE E RISPONDENTE

NON ESISTE
IL RAPPORTO DI CORRELAZIONE DI PEARSON VARIA: TRA 0

E1
IL RAPPORTO STATISTICO DI COESISTENZA SI OTTIENE:
MODALITÀ RISPETTO A QUELLA CORRISPONDENTE DI
UNALTRA MODALITÀIL RAPPORTO STATISTICO DI
COESISTENZA SI OTTIENE: MEDIANTE IL RAPPORTO TRA
LA FREQUENZA DI UNA MODALITÀ RISPETTO A QUELLA
CORRISPONDENTE DI UN’ALTRA MODALITÀ
IL RAPPORTO STATISTICO DI COMPOSIZIONE SI OTTIENE:
CIRCOSTANZA PER L’ANALOGO VALORE RILEVATO PER
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

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
IL RISULTATO DI GESTIONE E I REDDITI MISTI ESPRIMONO:

IL REDDITO DA CAPITALE-IMPRESA DELLE SOCIETÀ E I
REDDITI MISTI DEI LAVORATORI IN PROPRIO E DELLE
MICRO-IMPRESE FAMILIARI
IL RISULTATO NETTO DI GESTIONE, È COMPOSTO DA: UN

INSIEME DI REDDITI DA CAPITALE E D’IMPRESA RICEVUTI
IN CAMBIO DELL’IMPIEGO DI TALI ATTIVITÀ E FATTORI NEL
PROCESSO PRODUTTIVO
IL SALDO AGGREGATO DEI REDDITI PRIMARI DELLE UNITÀ

RESIDENTI COSTITUISCE: IL REDDITO NAZIONALE
IL SEC 95 – IL SISTEMA EUROPEO DEI CONTI NAZIONALI E

REGIONALI – PERMETTE: UNA DESCRIZIONE
QUANTITATIVA COMPLETA E COMPARABILE
DELL’ECONOMIA DEI PAESI MEMBRI DELL’ATTUALE
UNIONE EUROPEA
IL SEC STABILISCE CHE L’ATTIVITÀ DI PRODUZIONE È: UN
FLUSSO DI BENI O SERVIZI ATTO A SODDISFARE BISOGNI
IL SEC95 PREVEDE CHE LA DISTRIBUZIONE PRIMARIA DEL

REDDITO VENGA DESCRITTA ATTRAVERSO DUE CONTI:
CONTO DELLA GENERAZIONE DEL REDDITO E QUELLO
DELLA ATTRIBUZIONE DEI REDDITI PRIMARI
IL SECONDO QUARTILE PER DEFINIZIONE, COINCIDE CON:

LA MEDIANA
IL SETTORE, DENOMINATO DAL SEC95 ISTITUZIONI SOCIALI

PRIVATE (ISP), COMPRENDE: TUTTI GLI ORGANISMI SENZA
SCOPO DI LUCRO DOTATI DI PERSONALITÀ GIURIDICA CHE
PRODUCONO SERVIZI
IL SISTEMA DI INFORMAZIONI STATISTICHE DELLA

CONTABILITÀ NAZIONALE DESCRIVE: IN TERMINI
QUANTITATIVI L’ATTIVITÀ ECONOMICA DI UN PAESE
IL SISTEMA DI LEONTIEF PUÒ ESSERE IMMAGINATO COME

SOLUZIONE DI UN PROBLEMA DI: MASSIMIZZAZIONE
DELL’OUTPUT E MINIMIZZAZIONE DEI COSTI DEI FATTORI
IL SISTEMA EUROPEO DEI CONTI SEC95 DEFINISCE GLI

OPERATORI ECONOMICI COME: UNITÀ ISTITUZIONALI
IL TASSO DI INTERRUZIONE DEFINITIVO SI CALCOLA:

NUMERO DI INTERVISTE INTERROTTE DEFINITIVAMENTE
SUL TOTALE DELLE INTERVISTE
IL TEOREMA DEL LIMITE CENTRALE: AFFERMA CHE AL

CRESCERE DI N LA FORMA DELLA DISTRIBUZIONE DELLA
MEDIA CAMPIONARIA SI APPROSSIMA ALLA FORMA
NORMALE
IL TERRITORIO ECONOMICO DOVE SONO COMPIUTE LE

OPERAZIONI RILEVANTI PER LA CONTABILITÀ NAZIONALE DI
UN PAESE È PER LO PIÙ COSTITUITO: DAL TERRITORIO
GEOGRAFICO
IL VALORE AGGIUNTO AI PREZZI DI MERCATO PMYJ È PARI

ALLA: SOMMA DEL COSTO DEI FATTORI, IMPOSTE
INDIRETTE AL NETTO DEI CONTRIBUTI ALLA PRODUZIONE
IL VALORE AGGIUNTO AL COSTO DEI FATTORI CFYJ È PARI:

ALLA SOMMA DI SALARI, ONERI SOCIALI, ALTRI REDDITI
ED AMMORTAMENTI
IL VALORE ATTESO E(B+X) È: (B È UNA COSTANTE REALE):

E(B+X)=B+E(X)

CASUALI): E(X+Y)= E(X)+E(Y)
IL VALORE CENTRALE DI UNA CLASSE È DATO: DALLA

SEMISOMMA DEI DUE ESTREMI
IL VALORE DEI CONSUMI INTERMEDI È DATO: DALLA

SOMMA DI TUTTI GLI ACQUISTI DI BENI E SERVIZI
INTERMEDI DA PARTE DELLE MEDESIME IMPRESE

NELLA SERIE STORICA OSSERVATA È: IL DENOMINATORE
NEL CALCOLO DEL NUMERO INDICE
IL VALORE DELL’ ANNO CON NUMERO INDICE PARI A NELLA

SERIE STORICA OSSERVATA È: IL DENOMINATORE NEL
CALCOLO DEL NUMERO INDICE
IL VALORE DELLA PRODUZIONE FINALE, CHE PER
DEFINIZIONE È DATO DALLA SOMMA DEI COSTI SOSTENUTI
PER REALIZZARLA, COINCIDE CON: LE REMUNERAZIONI DEI
FATTORI PRODUTTIVI
IN BASE AL TEOREMA DI GAUSS MARKOV, GLI STIMATORI

DEI MINIMI QUADRATI: SONO I PIÙ EFFICIENTI
IN BASE AL TIPO DI APPROCCIO I METODI DI PREVISIONE SI

DISTINGUONO IN: ESTRAPOLATIVO, PROIETTIVO E
NORMATIVO
IN CASO DI TRIANGOLARIZZAZIONE PERFETTA IL

PROCESSO PRODUTTIVO È: PERFETTAMENTE LINEARE
IN ECONOMIA CHIUSA, IL RISPARMIO, PER ASSICURARE UN

CONSUMO FUTURO, DOVRÀ: ESSERE DESTINATO
ALL’ACQUISTO DI BENI DI INVESTIMENTO
IN ITALIA I CONTI NAZIONALI SONO COSTRUITI

ANNUALMENTE DA: DALL’ISTITUTO NAZIONALE DI
STATISTICA (ISTAT)
UGUALE:
IN RIFERMENTO ALLA DOMANDA 4 SI CALCOLI L'AMPIEZZA

DI TALE INTERVALLO: 0.0124
IN UN ANALISI DI REGRESSIONE, IL COEFFICIENTE

ANGOLARE B1 È DATO: B1=COD(X,Y)/DEV(X)
IN UNA DISTRIBUZIONE STATISTICA LA SOMMA DELLE

FREQUENZE RELATIVE: È SEMPRE UGUALE A 1
IN UNA DISTRIBUZIONE DI FREQUENZA SI PUO’ OTTENERE:
PIU’ DI UNA MODA
IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD

UN CORSO DI INFORMATICA SPECIALISTICO. ALL’INIZIO DEL
CORSO AI 70 ALUNNI VIENE SOMMINISTRATO UN TEST
ATTITUDINALE PER L’INFORMATICA CHE FORNISCE
PUNTEGGI IN TERMINI DI RISPOSTE CORRETTE (DA 1 A 40).
ALLA FINE DEL CORSO SI VALUTA L’APPRENDIMENTO
DELL’INFORMATICA PER OGNI RAGAZZO CON UN TEST DI
PROFITTO (DA 0 A 100). VIENE UTILIZZATO IL PUNTEGGIO
AL TEST ATTITUDINALE PER PREVEDERE IL LIVELLO DI
APPRENDIMENTO DELL’INFORMATICA RAGGIUNTO A FINE
R2=0,74; SE=3,5. INDICARE DI QUANTI PUNTI È L’ERRORE
MEDIO DI PREVISIONE: 3,5
IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN CORSO DI
INFORMATICA SPECIALISTICO. ALL’INIZIO DEL CORSO AI 70 ALUNNI VIENE
SOMMINISTRATO UN TEST ATTITUDINALE PER L’INFORMATICA CHE FORNISCE
PUNTEGGI IN TERMINI DI RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE DEL
CORSO SI VALUTA L’APPRENDIMENTO DELL’INFORMATICA PER OGNI RAGAZZO
CON UN TEST DI PROFITTO (DA 0 A 100). VIENE UTILIZZATO IL PUNTEGGIO AL
TEST ATTITUDINALE PER PREVEDERE IL LIVELLO DI APPRENDIMENTO
DELL’INFORMATICA RAGGIUNTO A FINE CORSO, E SI OTTENGONO I SEGUENTI
RISULTATI: Y’=15+3X: R2=0,74; SE=3,5. INDICARE PER OGNI RISPOSTA
CORRETTA AL TEST ATTITUDINALE DI QUANTI PUNTI AUMENTA IL PUNTEGGIO
AL TEST DI PROFITTO E COME SI CHIAMA QUESTO PARAMETRO: 3,
COEFFICIENTE DI REGRESSIONE
IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN CORSO
DI INGLESE SPECIALISTICO. ALL’INIZIO DEL CORSO AI 70 ALUNNI VIENE
SOMMINISTRATO UN TEST ATTITUDINALE PER L’INGLESE CHE
FORNISCE PUNTEGGI IN TERMINI DI RISPOSTE CORRETTE (DA 1 A 40).
ALLA FINE DEL CORSO SI VALUTA L’APPRENDIMENTO DELL’INGLESE…
…PER OGNI RAGAZZO CON UN TEST DI PROFITTO (DA 0 A 100). VIENE
UTILIZZATO IL PUNTEGGIO AL TEST ATTITUDINALE PER PREVEDERE IL
LIVELLO DI APPRENDIMENTO DELL’INGLESE RAGGIUNTO A FINE
CORSO, E SI OTTENGONO I SEGUENTI RISULTATI: Y’=10+2X: R2=0,64;
SE=2,5. INDICARE QUALE È LA VARIABILE INDIPENDENTE: ATTITUDINE
ALL’INGLESE
UN CORSO DI INGLESE SPECIALISTICO. ALL’INIZIO DEL
ATTITUDINALE PER L’INGLESE CHE FORNISCE PUNTEGGI IN
TERMINI DI RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE
DEL CORSO SI VALUTA L’APPRENDIMENTO DELL’INGLESE
PER OGNI RAGAZZO CON UN TEST DI PROFITTO (DA 0 A
100). VIENE UTILIZZATO IL PUNTEGGIO AL TEST
ATTITUDINALE PER PREVEDERE IL LIVELLO DI
APPRENDIMENTO DELL’INGLESE RAGGIUNTO A FINE
OTTENERE AL TEST DI PROFITTO UN RAGAZZO CHE
SBAGLIA TUTTE LE DOMANDE AL TEST ATTITUDINALE: 10
UN CORSO DI INGLESE SPECIALISTICO. ALL’INIZIO DEL
ATTITUDINALE PER L’INGLESE CHE FORNISCE PUNTEGGI IN
TERMINI DI RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE
DEL CORSO SI VALUTA L’APPRENDIMENTO DELL’INGLESE
PER OGNI RAGAZZO CON UN TEST DI PROFITTO (DA 0 A
100). VIENE UTILIZZATO IL PUNTEGGIO AL TEST
ATTITUDINALE PER PREVEDERE IL LIVELLO DI
APPRENDIMENTO DELL’INGLESE RAGGIUNTO A FINE
TEST ATTITUDINALE INDICARE DI QUANTI PUNTI AUMENTA
IL PUNTEGGIO AL TEST DI PROFITTO: 2
UN CORSODI STATISTICA. ALL'INIZIO DEL CORSO AGLI 80
ALUNNI VIENE SOMMINISTRATO UN TEST ATTITUDINALE
PER L'INFORMATICA CHE FORNISCE PUNTEGGI IN TERMINI
DI RISPOSTE CORRETTE (DA 1 A 40). ALLA FINE SI VALUTA
L'APPRENDIMENTO PER OGNI RAGAZZO CON UN TEST (DA
0 A 100). SI OTTENGONO I SEGUENTI RISULTATI:
Y'=15+2,5X;R2=0,74; SE=3,5. QUANTO AUMENTA E COME SI
CHIAMA? 2.5; COEFFICIENTE DI REGRESSIONE
IN UN POLLAIO CON 10 GALLINE E UN GALLO, LA
PROBABILITÀ PER UNA GALLINA DI ESSERE FECONDATA È
PARI A 0,3. DETERMINARE LA PROBABILITÀ CHE
ESATTAMENTE 3 LO SIANO: 0,7987
IN UNA SERIE DI NUMERI INDICI SE LE VARIAZIONI SONO

CALCOLATE RISPETTO ALLO STESSO DENOMINATORE
ABBIAMO: NUMERI INDICI A BASE FISSA
IN UNA SERIE TEMPORALE VI È AUTOCORRELAZIONE

GLOBALE QUANDO I VALORI: AL TEMPO T DELLA
VARIABILE CONSIDERATA RISULTANO CORRELATI
POSITIVAMENTE O NEGATIVAMENTE CON I VALORI AL
TEMPO T+1
INDICARE COSA S’INTENDE PER CONSUMI INTERMEDI: IL
VALORE DEI BENI E DEI SERVIZI CONSUMATI QUALI INPUT
IN UN PROCESSO DI PRODUZIONE
INDICARE IN COSA CONSISTE LA RILEVAZIONE INDIRETTA:

NELL’UTILIZZO DI ARCHIVI AMMINISTRATIVI
INFERIORI A 60 EURO, TRA I BIMESTRI CON TEMPERATURA
MEDIA SUPERIORE A 20°: 3/5
INDICARE SE ESISTE L'IPOTESI NULLA TRA LE SEGUENTI:

INFERIORE A QUELLA DELLE FEMMINE
INDICARE SE ESISTE L'IPOTESI NULLA TRA LE SEGUENTI:

NON VI È HP NULLA
INDICARE QUALE AFFERMAZIONE SULLA RILEVAZIONE DEI

DATI È VERA: È L’OPERAZIONE DI ACCERTAMENTO DELLA
PRESENZA DEL CARATTERE O FENOMENO
INDICARE QUALE DELLE SEGUENTI AFFERMAZIONI È VERA:

L’INDICE DI LASPEYRES È UN INDICE A BASE FISSA
MENTRE QUELLO DI PAASCHE È A PONDERAZIONE
VARIABILE
INDICARE QUALE DELLE SEGUENTI AFFERMAZIONI È VERA:

SECONDO L’APPROCCIO ECONOMICO IL SOGGETTO
REAGISCE ALLE VARIAZIONI DEI PREZZI DEI BENI
MODIFICANDO LE QUANTITÀ DI BENI ACQUISTATI
INDICARE QUALE DELLE SEGUENTI AFFERMAZIONI NON

RAPPRESENTA UN OBIETTIVO DELLA RILEVAZIONE: LA
CLASSIFICAZIONE DEI DATI PER FORMULARE IPOTESI E
TEORIE
INDICARE QUALE DELLE SEGUENTI AFFERMAZIONI

RELATIVAMENTE AGLI INDICI A CATENA È VERO: L’INDICE
INCORPORA TUTTE LE VARIAZIONI ECONOMICHE
VERIFICATESI NEL PERIODO IN ESAME
INDICARE QUALE DELLE SEGUENTI AFFERMAZIONI,

RIGUARDO L’INFORMAZIONE STATISTICA, È VERA: LE
PRINCIPALI DIMENSIONI DELL’INFORMAZIONE STATISTICA
SONO ACCURATEZZA, TEMPESTIVITÀ, REGOLARITÀ,
ACCESSIBILITÀ, CHIAREZZA, COMPARABILITÀ
INDICARE QUALE DI QUESTE AFFERMAZIONI SUL PIANO DI
CODIFICA È VERA: DEFINISCE UNA CORRISPONDENZA TRA
I CODICI DELLE MODALITÀ DELLE VARIABILI E LE RISPOSE
OTTENUTE
INDICARE QUALE DI QUESTE AFFERMAZIONI SULLA
MEMORIZZAZIONE DEI DATI È VERA: È LA FASE DI
REGISTRAZIONE DEI DATI
INDICARE QUALE DI QUESTE AFFERMAZIONI SULLE

RILEVAZIONI PRELIMINARI È VERA: SONO SVOLTE PRIMA DI
QUELLE PRINCIPALI
INDICARE QUALI SONO I PRINCIPALI INDICATORI

STATISTICI: TASSO DI RIFIUTO E TASSO DI RISPOSTA
I SEGUENTI DATI DI RAPPRESENTANO LE ENTRATE

REALIZZATE DA UNA SOCIETÀ NEGLI 11 ANNI COMPRESI
FRA IL 1988 ED IL 1998.
4.0,5.0,7.0,6.0,8.0,9.0,5.0,2.0,3.5,5.5,6.5.QUANTE MEDIE
MOBILI DI ORDINE CINQUE SI POSSONO CALCOLARE: 7
L’AGGREGATO CONSUMI FINALI RAPPRESENTA: LA SPESA
SOSTENUTA PER SODDISFARE I BISOGNI
L’AGGREGATO VALORE AGGIUNTO (O PRODOTTO LORDO)

È COME DIFFERENZA TRA ALTRI AGGREGATI: IL VALORE
DELLA PRODUZIONE E IL VALORE DEI CONSUMI
INTERMEDI
L'AMPIEZZA DELL'INTERVALLO È TANTA PIÙ ELAVATA

QUANTO PIÙ: N È PICCOLO

PROPORZIONE È: A = 2zα/2ơp
NUMERI INDICE È: L’ANNO BASE
L’ ANNO CON VALORE PARI A NELLA SERIE STORICA DEI

NUMERI INDICE È: L’ANNO BASE
L’APPROCCIO CLASSICO MUOVE DAL PRESUPPOSTO CHE:

LE SINGOLE OSSERVAZIONI SIANO LE RISULTATI
DELL’AZIONE COMBINATA DI MOVIMENTI NON
DIRETTAMENTE OSSERVABILI
L’APPROCCIO PROIETTIVO PUNTA A PREFIGURARE:

RISULTATI AL VERIFICARSI DI DETERMINATI EVENTI
L'ASIMMETRIA DI UNA DISTRIBUZIONE DENOTA CHE: I

VALORI DEL CARATTERI SONO DISTRIBUTI CON
FREQUENZE DIFFERENTI ATTORNO AL SUO VALORE
CENTRALE
L'ASIMMETRIA DI UNA DISTRIBUZIONE PUÒ ESSERE:

NULLA, POSITIVA E NEGATIVA
L’ATTIVITÀ STATISTICA PUÒ CONSIDERARSI COME:

L’APPLICAZIONE DI TECNICHE AVENTI PER FINE LA
CONOSCENZA QUANTITATIVA DEI FENOMENI COLLETTIVI
L’ELABORAZIONE DI STIME TRIMESTRALI DI CONTABILITÀ

NAZIONALE PUÒ ESSERE EFFETTUATA IN BASE A
MOLTEPLICI METODOLOGIE: APPROCCIO DIRETTO ED
APPROCCIO INDIRETTO
L’ELABORAZIONE STATISTICA: È UTILE PER PREDISPORRE

NUOVE INDAGINI

UNA: RETTAL’EQUAZIONE DI REGRESSIONE LINEARE È
L’EQUAZIONE DI UNA: RETTA
L’ERRORE Β DIMINUISCE: ALL'AUMENTARE DI Α
L’IMPOSTAZIONE MATRICIALE DELLA TAVOLA DI INPUT-

OUTPUT RENDE POSSIBILE LA REGISTRAZIONE DEI FLUSSI:
OPERANDO INDIFFERENTEMENTE PER RIGA O PER
COLONNA
L’INDAGINE STATISTICA PUÒ ESSERE: CAMPIONARIA O DI

TIPO CENSUARIO OPPURE TOTALE E CAMPIONARIA
L’INDICE CHI-QUADRATO DI PEARSON : DIPENDE DALLA

DIMENSIONE DEL COLLETTIVO
L'INDICE DI ASIMMETRIA SKEWNESS DI PEARSON È

CALCOLATO: COME DIFFERENZA TRA LA MEDIA
ARITMETICA E LA MODA DIVISA LA DEVIAZIONE
STANDARD
L'INDICE DI CONNESSIONE DI CRAMER VARIA: TRA ZERO E

UNO
L'INDICE DI CONTINGENZA QUADRATICA MEDIO Φ2È

UGUALE: Χ²/N
L’INDICE WI CONSENTE DI ESPRIMERE L’INTENSITÀ DEI

COLLEGAMENTI: A VALLE DI CIASCUNA BRANCA
L'INDIPENDENZA IN MEDIA: NON È UN CONCETTO

SIMMETRICO
L’INFERENZA HA LO SCOPO DI : DEDURRE LE
CARATTERISTICHE DELLINTERA POPOLAZIONE A PARTIRE
DA DATI RACCOLTI
L’INFLAZIONE È: L’ AUMENTO DEI PREZZI / LA DIMINUZIONE

DEL POTERE DI ACQUISTO DELLA MONETA
L’INSIEME DI TRANSAZIONI DELLO STESSO TIPO IN UN

DETERMINATO PERIODO CONTABILE DEFINISCE: FLUSSO
AGGREGATO DI TRANSAZIONI
L'IPOTESI PARAMETRICA RIGUARDA: I PARAMETRI

CARATTERISTICI DI UNA PARTICOLARE DISTRIBUZIONE DI
CUI SI CONOSCE LA FORMA ANALITICA
L' IPOTESI STATISTICA È SEMPLICE: SE SI ASSEGNA AL

PARAMETRO UN VALORE PUNTALE
L’ISTOGRAMMA È UNA: MODALITÀ DI RAPPRESENTAZIONE

DELLA RILEVAZIONE STATISTICA
L’ORDINE DELLE FASI NECESSARIE PER PROGETTARE

UN’INDAGINE È: DEFINIZIONE DEGLI OBIETTIVI, ANALISI “A
PRIORI” DELLE FONTI, INDIVIDUAZIONE DEL CAMPO DI
OSSERVAZIONE, SELEZIONE DELLE VARIABILI, ANALISI
STATISTICA DELLE UNITÀ E DELLE VARIABILI
LA BILANCIA DEI PAGAMENTI DI UN PAESE REGISTRA: SIA
GLI ESBORSI EFFETTUATI, SIA GLI INTROITI PERCEPITI
LA CAPACITÀ PRODUTTIVA IN SENSO TECNICO SI

RIFERISCE A: PARAMETRI TECNICI CHE ESPRIMONO
L’UTILIZZAZIONE MASSIMA TEORICA DI UN IMPIANTO
LA CLASSIFICAZIONE DEI BENI CAPITALI AVVIENE
SECONDO: LA DURATA MEDIA DELLA LORO VITA UTILE
LA CLASSIFICAZIONE È L’INSIEME DELLE CATEGORIE

ASSUNTE DA UNA VARIABILE: QUALITATIVA SCONNESSA O
ORDINALE
LA CODEVIANZA È UNA MISURA: ASSOLUTA DI

CONCORDANZA
LA CONTABILITÀ NAZIONALE È REALIZZATA SECONDO

SCHEMI CHE: GARANTISCONO LA CONFRONTABILITÀ
DELLE GRANDEZZE ECONOMICHE MISURATE
LA CONTABILITÀ NAZIONALE È UN SISTEMA INTEGRATO DI

EQUAZIONI CONTABILI, OGNUNA DELLE QUALI DESCRIVE:
UNO STADIO DEL PROCESSO ECONOMICO ED È
COLLEGATA ALLA SUCCESSIVA
LA CONTABILITÀ NAZIONALE, ATTRAVERSO I COSIDDETTI

CONTI PATRIMONIALI, DESCRIVE: GLI STOCK DELLE
ATTIVITÀ REALI E FINANZIARIE E DELLE PASSIVITÀ
FINANZIARIE DETENUTE DAGLI OPERATORI ALLA FINE (E
ALL’INIZIO) DEL PERIODO CONTABILE
LA CORRELAZIONE: A DIFFERENZA DELLA REGRESSIONE,
NON RICHIEDE DI STABILIRE QUALE VARIABILE SIA
ANTECEDENTE ALL’ALTRA (IN TERMINI DI DIPENDENZA)
LA CORRELAZIONE INDICA: IL GRADO DELLA RELAZIONE

TRA VARIABILI, E PER MEZZO DI ESSA SI CERCA DI
DETERMINARE QUANTO BENE UN’EQUAZIONE LINEARE O
UN’ALTRA EQUAZIONE QUALSIASI DESCRIVANO O
SPIEGHINO TALE RELAZIONE TRA VARIABILI
LA COSTRUZIONE DEI DEFLATORI RISPONDE ALL’ESIGENZA
DI: DETERMINARE I TASSI DI EQUIVALENZA DEL POTERE DI
ACQUISTO O PARITÀ DI POTERE DI ACQUISTO (PPA)

LA COVARIANZA È NEGATIVA QUANDO: AL CRESCERE DI X
LA Y TENDE A DIMINUIRE E VICEVERSA OPPURE X E Y
VARIANO TENDENZIALMENTE NELLA STESSA DIREZIONE
LA COVARIANZA È NULLA QUANDO: X E Y NON SONO

CORRELATE PPURE X E Y SONO LINEARMENTE
INDIPENDENTI
LA COVARIANZA È POSITIVA QUANDO: X E Y VARIANO

TENDENZIALMENTE NELLA STESSA DIREZIONE
LA CURTOSI RAPPRESENTA: IL GRADO DI

SCHIACCIAMENTO DI UNA DISTRIBUZIONE INTORNO AL
SUO CENTRO DI GRAVITÀ E RISPETTO ALLA CURVA
NORMALE
LA DISTRIBUZIONE DI DICE PLATICURTICA SE: E' PIÙ
SCHIACCIATA RISPETTO ALLA NORMALE
LA CURVA NORMALE A DIFFERENZA DELLE ALTRE CURVE
È: DEFINITA DA UN’EQUAZIONE PARTICOLARE CHE
PERMETTE DI CALCOLARE, DATA UN’ORDINATA, PORZIONI
DI AREA SOTTESE ALLA CURVA STESSA
LA CURVA NORMALE È CARATTERIZZATA DA: ESSERE

PERMETTE DI CALCOLARE, DATA UN’ORDINATA, PORZIONI
DI AREA SOTTESE ALLA CURVA STESSA

DAL FATTO DI AVERE: I PUNTEGGI SONO ESPRESSI IN
PUNTI Z OPPURE MEDIA =0 E DEVIAZIONE STANDARD=1
LA DEFLAZIONE CONSISTE NEL: DEPURARE GLI

AGGREGATI MONETARI CORRENTI, RIFERITI A TEMPI
DIVERSI, DAGLI EFFETTI DERIVANTI DALLE VARIAZIONI DEI
PREZZI
LA DEFLAZIONE DIRETTA CONSISTE NEL: RICALCOLARE

ANNO PER ANNO GLI AGGREGATI MOLTIPLICANDO I
PREZZI UNITARI DELL’ANNO BASE PER LE QUANTITÀ DEI
SINGOLI ANNI CONSIDERATI
LA DEFLAZIONE PUÒ ESSERE: DIRETTA, INDIRETTA E
DOPPIA
LA DENSITÀ DI FREQUENZA DI UN ISTOGRAMMA: È IL

RAPPORTO TRA FREQUENZE E L’AMPIEZZA DELLA
CLASSE.
LA DESTAGIONALIZZAZIONE CONSISTE NEL: DEPURARE LE

SERIE RILEVATE DALLE DISTORSIONI DOVUTE AD
ELEMENTI STAGIONALI
LA DEVIANZA DI REGRESSIONE MISURA: QUANTA PARTE

DELLA VARIABILITÀ DELLA Y È SPIEGATA DALLA
RELAZIONE LINEARE
LA DEVIANZA È: LA SOMMA DEGLI SCARTI DALLA MEDIA

ARITMETICA AL QUADRATO
LA DEVIAZIONE STANDARD È UGUALE: ALLA RADICE

QUADRATA DELLA VARIANZA
LA DEVIAZIONE STANDARD PUO’ ASSUMERE VALORI: SOLO

POSITIVI
LA DIFFERENZA INTERQUARTILE È DATA DALLA: TRA

TERZO E PRIMO QUARTILE
LA DISTRIBUZIONE BINOMIALE: PUÒ ESSERE UTILIZZATA

PER DESCRIVERE CASI IN CUI GLI ESITI POSSIBILI DI UNA
PROVA SONO SOLO DUE
LA DISTRIBUZIONE DELLA NORMALE STANDARDIZZATA: HA
MEDIA UGUALE A 0 E VARIANZA UGUALE 1
LA DISTRIBUZIONE DI DICE LEPTOCURTICA SE: E' PIÙ

APPUNTITA RISPETTO ALLA NORMALE
LA DISTRIBUZIONE DI FREQUENZA È: IL CALCOLO DELLE

FREQUENZE PER CIASCUN VALORE O CATEGORIA DELLA
VARIABILE
LA DISTRIBUZIONE DI PROBABILITÀ T DI STUDENT È:

INFINITA OPPURE SIMMETRICA E CENTRATA IN ZERO
LA DISTRIBUZIONE DI PROBABILITÀ DI Z È COSTRUITA:

MATEMATICHE RELATIVE A UN INSIEME INFINITO DI DATI
LA DISTIBUZIONE NORMALE È: E' SIMMETRICA RISPETTO

AL VALOR MEDIO
LA DISTRIBUZIONE SECONDARIA DEL REDDITO

RAPPRESENTA: L’INSIEME DEI TRASFERIMENTI
OBBLIGATORI O VOLONTARI TRA LE UNITÀ ISTITUZIONALI,
NON DIPENDENTI DALL’IMPIEGO DI FATTORI PRODUTTIVI
LA FORMULA PER CALCOLARE IL NUMERO INDICE TRA

L’ANNO T E T-1 PER LA VARIABILE X IN EXCEL È
PRECEDUTA DA: IL SEGNO EGUALE
LA FREQUENZA CUMULATA: PUÒ ESSERE UGUALE ALLA

RELATIVA OPPURE PUO’ ESSERE ANCHE RELATIVA

DISTRIBUZIONE NORMALE È ASINTOTICA DI X VERSO -∞ E
+∞, CIOÈ: SI AVVICINA ALL’ASSE DELLE ASCISSE SENZA
MAI TOCCARLA
DISCRETA: E' UNA FUNZIONI A GRADINI NON
DECRESCENTE

X A VALORI REALI È: LA FUNZIONE CHE ASSOCIA A
CIASCUN VALORE X LA PROBABILITÀ DELL‘EVENTO “LA
VARIABILE CASUALE X ASSUME VALORI MINORI O UGUALI
AD X”
LA FUNZIONE DI RIPARTIZIONE DI UNA VARIABILE CASUALE:

ASSUMA VALORI INFERIORI O UGUALI AD UN VALORE
FISSATO

CORRISPONDENZA DI: XI = MEDIA

ESSERE: CENTRATA, CONSISTENTE, EFFICIENTE

CALCOLARE IL VALORE DI UNA FUNZIONE STIMATA


STIMATA Y*

PREVEDERE LE SERIE STORICHE
LA LETTURA DELLA TAVOLA DI INPUT-OUTPUT NEL SENSO
DELLE RIGHE PERMETTE DI ANALIZZARE: LA PRODUZIONE
DELLE VARIE BRANCHE SECONDO LA LORO
DESTINAZIONE
LA MANCATA RISPOSTA CONSISTE: NELL’ASSENZA DI

RISPOSTA AD UNA DOMANDA
LA MATRICE DEI DATI È COSTITUITA DA: IL NUMERO DI

COLONNE DIPENDE DAI CARATTERI OSSERVATI
LA MEDIA: E’SENSIBILE AI VALORI ESTREMI
LA MEDIA GEOMETRICA È PARTICOLARMENTE USATA

QUANDO: I DIVERSI VALORI VENGONO PER LORO NATURA
MOLTIPLICATI
LA MEDIA MOBILE È: LA SOMMA PONDERATA DEI VALORI

DELLA SERIE STORICA
LA MEDIA MOBILE DI ORDINE N CONSISTE: IN UNA SERIE DI

MEDIE ARITMETICHE CALCOLATE SU N PERIODI CONTIGUI
LA MEDIA DELLA DISTRIBUZIONE DELLA MEDIA

CAMPIONARIA: COINCIDE CON LA MEDIA DELLA
POPOLAZIONE
LA MEDIA MOBILE DI ORDINE 3 PERMETTE DI: EFFETTUARE

LO SMOOTHING DELLE SERIE STORICHE OPPURE
ELIMINARE VALORI ANOMALI
LA MEDIA MOBILE DI ORDINE 5 PERMETTE DI: ELIMINARE
VALORI ERRATICI
LA MEDIANA E’: LA CATEGORIA (PER SCALE NOMINALI E

ORDINALI) O IL PUNTEGGIO (PER SCALE A INTERVALLI E
RAPPORTI) CHE SI PRESENTA CON MAGGIORE
FREQUENZA
LA MISURA DELLA CAPACITÀ PRODUTTIVA AVVIENE SULLA

BASE DI: INDAGINI DIRETTE ED ELABORAZIONI DI
VARIABILE ECONOMICHE
LA MUTABILE È: UN CARATTERE QUALITATIVO OPPURE

LA MUTABILITÀ È: L'ATTITUDINE DI UN FENOMENO

QUALITATIVO AD ASSUMERE DIFFERENTE MODALITÀ
LA POPOLAZIONE È: L’ UNIVERSO DI ELEMENTI CHE FORMA

L’ OGGETTO DI UNO STUDIO STATISTICO
LA POTENZA DEL TEST È: LA PROBABILITÀ DI RIGETTARE

L'IPOTESI NULLA QUANDO È GIUSTO FARLO
LA PRINCIPALE FONTE STATISTICA PER L’ANALISI DEL

MERCATO DEL LAVORO È: LA RILEVAZIONE DELLE FORZE
DI LAVORO
LA PROBABILITÀ CHE SI VERIFICHI UN EVENTO PUÒ
ASSUMERE VALORI: TRA 0 ED 1
LA PROBABILITÀ DEL VERIFICARSI DI DUE EVENTI CHE SI

ESCLUDONO A VICENDA È DATA DAL: SOMMA DELLE
PROBABILITÀ DEL VERIFICARSI DI CIASCUNO DEI DUE
EVENTI

INCOMPATIBILI: P(AᴜB)= P(A)+P(B)-P(A∩B)
LA PROCEDURA DI BOX E JENKINS PREVEDE: ANALISI

PRELIMINARE, IDENTIFICAZIONE, STIMA E VERIFICA
LA PRODUZIONE E IL VALORE AGGIUNTO A LIVELLO DI

IMPRESA, SONO DATI: DAL VALORE DEI BENI
LA PROPORZIONE DI VARIANZA COMUNE A X E Y È

ESPRESSA DA R2XY CHE È DENOMINATO: COEFFICIENTE DI
DETERMINAZIONE

ESPRESSA DA R2XY CHE ESPRIME: LA VARIANZA
SPIEGATA
LA PROPRIETÀ DI MONOTONICITÀ DEGLI INDICI DI

TENDENZA CENTRALE: E ‘BASATA SULLA COMPARAZIONE
TRA LE VARIABILI ED I RISPETTIVI INDICI DI POSIZIONE
LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA

CENTRALE: E BASATA SULLA RELAZIONE DI LINEARITÀ
TRA LE VARIABILI ED I RISPETTIVI INDICI DI POSIZIONE
OPPURE PERMETTE CAMBIAMENTI DI SCALA NELL’INDICE

CENTRALE: PERMETTE CAMBIAMENTI DI SCALA
NELL’INDICE
LA QUANTITÀ ESPRESSA DA 1-R2XY CON R2XY CHE INDICA
DENOMINATA: VARIANZA RESIDUA

FREQUENZA CHE SI SVILUPPA ATTRAVERSO UNA SERIE DI
RETTANGOLI CONTIGUI, SI CHIAMA: ISTOGRAMMA
LA RELAZIONE SULLA SITUAZIONE ECONOMICA DEL PAESE

CONTIENE: I CONTI ECONOMICI NAZIONALI RELATIVI
ALL’ANNO PRECEDENTE
LA REVISIONE DEI DATI È: UN RIESAME ATTENTO E

APPROFONDITO DEL MATERIALE RACCOLTO
LA RICCHEZZA NAZIONALE ESPRIME: IL VALORE DI TUTTE

LE ATTIVITÀ REALI E FINANZIARIE, AL NETTO DELLE
PASSIVITÀ, POSSEDUTE DAI SOGGETTI ECONOMICI DEL
PAESE IN UN DETERMINATO MOMENTO
LA RILEVAZIONE DEI CONSUMI INTERMEDI RICHIEDE

INFORMAZIONI DETTAGLIATE PER CONSENTIRE: LA
RIPARTIZIONE DEI COSTI DI PRODUZIONE PER BRANCA DI
ORIGINE
LA RILEVAZIONE STATISTICA È UN PROCESSO:

FINALIZZATO ALLA PRODUZIONE DI INFORMAZIONI
STATISTICHE
LA RISPOSTA LIBERA PREVEDE: UNA RISPOSTA DEL TUTTO

PERSONALE DA PARTE DEL RISPONDENTE
LA SEGUENTE IPOTESI È NULLA: LA POPOLAZIONE DA CUI

IL CAMPIONE È ESTRATTO HA MEDIA 58 OPPURE NON
ESISTE NESSUNA RELAZIONE TRA CLASSE SOCIALE E
ALCOLISMO OPPURE QUESTA MONETA NON È TRUCCATA
OPPURE IL FARMACO C NON HA UN EFFETTO DIVERSO
DAL FARMACO D OPPURE C’È UNA RELAZIONE
SIGNIFICATIVA TRA REDDITO DELLE PERSONE E LIVELLO
DI ISTRUZIONE OPPURE LE MEDIE DEI GRUPPI A,B,C NON
DIFFERISCONO TRA LORO IN MODO SIGNIFICATIVO
OPPURE LA MEDIA DEI TEMPI DI REAZIONE DEI MASCHI È
UGUALE A QUELLA DELLE FEMMINE OPPURE C’È UNA
RELAZIONE SIGNIFICATIVA TRA REDDITO DELLE PERSONE
E LIVELLO DI ISTRUZIONE
LA SEGUENTE IPOTESI, È SICURAMENTE NULLA: LE MEDIE
DI FATTURATO DEGLI AGGREGATI SETTORIALI A,B,C, NON
DIFFERISCONO TRA LORO IN MODO SIGNIFICATIVO

LAVORO NEL REPARTO A RISPETTO AL REPARTO B DI UNA
FABBRICA” È: MONODIREZIONALE SINISTRA
LA SEGUENTE IPOTESI: “IL PUNTEGGIO MEDIO AD UN TEST

DI STATISTICA DI DUE GRUPPI DI INDIVIDUI È
SIGNIFICATIVAMENTE DIVERSO” È: BIDIREZIONALE
LA SEGUENTE IPOTESI: “IL PUNTEGGIO MEDIO AD UN TEST

DI STATISTICA DI DUE GRUPPI DI INDIVIDUI È
SIGNIFICATIVAMENTE DIVERSO” HA IL SEGUENTE SEGNO
DEL VALORE CRITICO: ± BIODIREZIONALE

RICONOSCIMENTO DI ALCUNI DIPINTI STORICI IMPIEGATO
MONODIREZIONALE SINISTRA

CUI DERIVA UN CERTO CAMPIONE NON È 200”:
BIDIREZIONALE
LA SEGUENTE IPOTESI: “LA PROBABILITÀ DI OTTENERE

CROCE LANCIANDO UNA CERTA MONETA È SUPERIORE A
0,5” È: MONODIREZIONALE DESTRA

SULL’USCITA DELLA FACCIA CON IL NUMERO 4 DI UN DADO,
E VINCE UN NUMERO ELEVATO DI VOLTE. SOSPETTIAMO
CHE IL DADO SIA TRUCCATO” È: MONODIREZIONALE
DESTRA
CHE IL DADO SIA TRUCCATO”. LA PROBABILITÀ SOTTO
L’IPOTESI NULLA, CIOÈ SE LE VINCITE SONO DOVUTE AL
CASO È: 1/6
CHE IL DADO SIA TRUCCATO” È: MONODIREZIONALE
DESTRA
CIASCUNA COLONNA SONO: NULLE
LA SOMMA DELLE PROBABILITÀ DI EVENTI CHE SI

ESCLUDONO A VICENDA ED ESAUSTIVI È: UGUALE AD 1
LA SOMMATORIA DI TUTTE LE FREQUENZE RELATIVE DI

UNA TABELLA DI FREQUENZA È PARI A: 1
LA SPESA (IN EURO) SOSTENUTA DA 12 RAGAZZI DI 20 ANNI

DURANTE UN FINE SETTIMANA DI PALERMO È: 50; 20; 32; 10;
8; 15; 55; 18; 12; 15; 20; 24. CALCOLARE LA MEDIA
ARITMETICA: 23,25
LA SPESA (IN EURO) SOSTENUTA DA 12 RAGAZZI DI 20 ANNI

DURANTE UN FINE SETTIMANA DI PALERMO È: 50; 20; 32; 10;
8; 15; 55; 18; 12; 15; 20; 24. CALCOLARE LA MEDIANA: 19
LA STATISTICA CI OFFRE GLI STRUMENTI PER:

ORGANIZZARE, RIASSUMERE, ANALIZZARE I DATI RELATIVI
AD UN FENOMENO, OTTENUTI ATTRAVERSO LE
MISURAZIONI.
LA STATISTICA DESCRITTIVA: ORGANIZZA E RIASSUME I

DATI OPPURE RAPPRESENTA L’INSIEME DELLE
METODOLOGIE DI ANALISI CHE SI PREFIGGONO LA
DESCRIZIONE DI DETERMINATI FENOMENI OPPURE
RAPPRESENTA L’INSIEME DELLE METODOLOGIE DI
ANALISI CHE SI PREFIGGONO LA DESCRIZIONE DI
DETERMINATI FENOMENI
LA STATISTICA ECONOMICA È: LA SCIENZA CHE STUDIA I

FENOMENI ECONOMICI CON L’AUSILIO DEGLI STRUMENTI
STATISTICI
LA STATISTICA ECONOMICA È IMPEGNATA: NELLA

RICERCA DI METODOLOGIE E MODELLI DI RIFERIMENTO E
NELL’ELABORAZIONE E GESTIONE DI SISTEMI DI DATI E DI
INDICATORI
LA STATISTICA INFERENZIALE: TESTA IPOTESI OPPURE

COMPORTA PROCESSI DI INFERENZA IN PROBABILITÀ PER
L’INTERPRETAZIONE DEI RISULTATI DELL’ANALISI
LA STATISTICA INFERENZIALE HA COME SCOPO

PRINCIPALE QUELLO DI: DEDURRE LE CARATTERISTICHE
DELL'INTERA POPOLAZIONE A PARTIRE DA DATI
RACCOLTI
LA STATISTICA PERMETTE DI RAGIONARE: FACENDO

DEDUZIONI ED INDUZIONI
LA STATISTICA SI PROPONE DI: DESCRIVERE, ILLUSTRARE,

PROPORRE, RACCOGLIERE, SINTETIZZARE,
INTERPRETARE
LA STIMA DEL CAMPIONE È: UN CONCETTO DIVERSO DA

QUELLO DI STIMATORE
LA STIMA DEL PARAMETRO È: UN CONCETTO DIVERSO DA

QUELLO DI STIMATORE
LA STIMA DEL PARAMETRO NEL CAMPIONE È: NON È

OPPORTUNO DEFINIRE LA STIMA DEL PARAMETRO NEL
CAMPIONE, MA NELLA POPOLAZIONE

CALCOLATA ATTRAVERSO I DATI CAMPIONARI OPPURE
STIMATORENELL’INDICE
LA QUANTITÀ ESPRESSA DA 1-R2XY CON R2XY CHE INDICA

DENOMINATA: VARIANZA RESIDUA
LA TAVOLA INPUT-OUTPUT SI DIVIDE NELLE SEGUENTI
SEZIONI: BRANCHE PRODUTTIVE, RISORSE PRIMARIE E
IMPIEGHI FINALI
LA TRIANGOLARIZZAZIONE CONSISTE NELLO: SPOSTARE

RIGHE E COLONNE IN MODO CHE I VALORI PROSSIMO
ALLO ZERO SIANO AL DI SPORA DELLA DIAGONALE
PRINCIPALE
LA VAR (AX+B) È: A E B SONO DUE COSTANTI REALI: VAR

(AX+B)=A²VAR (X)
LA VARIABILE CASUALE CHI-QUADRATO: NON PUÒ

ASSUMERE VALORI NEGATIVI
LA VARIABILE CASUALE F DI FISHER-SNEDECOR: HA

VALORE ATTESO E(F)= M/(M-2)
LA VARIABILE CASUALE T DI STUDENT: AL TENDERE DI N

ALL'INFINITO LA V.C T DI STUDENT TENDE ALLA NORMALE
STANDARDIZZATA
LA VARIABILE CASUALE UNIFORME DISCRETA: E' TALE CHE

OGNI SUA REALIZZAZIONE È EQUIPROBABILE
LA VARIANZA DEL CAMPIONE È: CALCOLATA CON I DATI

DEL CAMPIONE RAPPRESENTATIVO DELLA POPOLAZIONE
LA VARIANZA FORNISCE: LA MISURA SINTETICA DI QUANTO

LE UNITÀ DIFFERISCONO DALLA MEDIA ARITMETICA
LA VARIAZIONE CONGIUNTURALE RIGUARDA IN

STATISTICA-ECONOMICA IL CONFRONTO CON: IL MESE
PRECEDENTE

ECONOMICA IL CONFRONTO CON: L’ANNO PRECEDENTE
LA VERIFICA DELLE IPOTESI: CONSISTE NEL FORMULARE,

SULLA BASE DI DATI CAMPIONARI, UN GIUDIZIO CHE
INDUCA AD ACCETTARE O RIFIUTARE L'IPOTESI NULLA,
CON UN PREFISSATO LIVELLO DI SIGNIFICATIVITÀ

VERIFICARE: L'INDIPENDENZA STOCASTICA
LE ATTIVITÀ INFORMALI ESPLICITATE DAL SEC95 E QUINDI

COMPRESE NELLE ATTIVITÀ DI PRODUZIONE SONO:
QUELLE CHE RIGUARDANO UNITÀ ISTITUZIONALI
CARATTERIZZATE DA RELAZIONI DI LAVORO BASATE SU
VINCOLI DI PARENTELA O RELAZIONI PERSONALI
LE ATTIVITÀ RIENTRANTI NEL COSIDDETTO SOMMERSO
ECONOMICO RIENTRANO: QUELLE ORIGINATE DALLA
VOLONTÀ DI UNA PARTE DELLE IMPRESE DI EVADERE IL
FISCO O I CONTRIBUTI SOCIALI
LE AZIONI PREVISTE DA UN SISTEMA DI CONTROLLO DI

QUALITÀ SI DIVIDONO IN: PREVENTIVE, DI CONTROLLO IN
CORSO D’OPERA E DI VALUTAZIONE
LE CATEGORIE DI SOGGETTI (O OPERATORI CHE

AGISCONO NEL SISTEMA ECONOMICO), OSSERVATI DALLA
CONTABILITÀ NAZIONALE, SONO: IMPRESE, FAMIGLIE,
PUBBLICHE AMMINISTRAZIONI E RESTO DEL MONDO
LE FASI DELLA DISTRIBUZIONE E RIDISTRIBUZIONE DEL

REDDITO RIGUARDANO: LE OPERAZIONI MEDIANTE LE
QUALI IL RISULTATO DELLA ATTIVITÀ PRODUTTIVA VIENE
RIPARTITO TRA I SOGGETTI TITOLARE DEI FATTORI
PRODUTTIVI
LE FASI DI COSTRUZIONE DEI NUMERI INDICI SONO:
SCELTA DELLE GRANDEZZE, DELLA BASE, DEL CRITERIO
DI AGGREGAZIONE, DEL SISTEMA DI PONDERAZIONE
LE FASI DI UNA INDAGINE STATISTICA SI CONVIENE SIANO

LE SEGUENTI: DEFINIZIONE DEGLI OBIETTIVI DELLA
RICERCA; RILEVAZIONE DEI DATI; ELABORAZIONE
METODOLOGICA; PRESENTAZIONE ED INTERPRETAZIONE
DEI RISULTATI; UTILIZZAZIONE DEI RISULTATI RAGGIUNTI
OPPURE PROGETTAZIONE INDAGINE; RILEVAZIONE;
REGISTRAZIONE DEI DATI SU SUPPORTO INFORMATICO;
REVISIONE E CODIFICA CENTRALIZZATE DEL MATERIALE
GREZZO; ELABORAZIONE DEI DATI; VALIDAZIONE DEI
RISULTATI; DIFFUSIONE.
LE FASI PER IL COMPUTO DELLA TAVOLA DI INPUT-OUTPUT
SONO: CINQUE
LE FASI RELATIVE ALLA PROGETTAZIONE DELL’INDAGINE:

ANALISI FENOMENO E PRECISAZIONE OBIETTIVI;
INDIVIDUAZIONE CAMPO DI OSSERVAZIONE E UNITÀ DI
ANALISI ELEMENTARE, DI TIPO AGGREGATO DI
RILEVAZIONE
LE FORME DELLE INTERVISTE E DEI QUESTIONARI
POSSONO ESSERE: STANDARDIZZATE O LIBERE
LE FORMULE DI LASPERYRES, PAASCHE E FISHER SONO:

FORMULE UTILIZZATE NELLA COSTRUZIONE DEI NUMERI
INDICI DEI PREZZI E DELLE QUANTITÀ
LE FORZE DI LAVORO SONO COSTITUITE DA: LE PERSONE

RESIDENTI CHE LAVORANO O COMUNQUE ESPRIMONO LA
VOLONTÀ DI LAVORARE

CALCOLANO FACENDO: IL RAPPORTO TRA CIASCUNA
FREQUENZA ED IL TOTALE DELLE FREQUENZE E
MOLTIPLICANDO PER 100 IL RISULTATO
LE IMPORTAZIONI E LE ESPORTAZIONI DI BENI

COMPRENDONO: GLI SCAMBI DI MERCI A TITOLO
ONEROSO O GRATUITO TRA RESIDENTI E NON RESIDENTI
LE IPOTESI STATISTICHE: SI TRATTA DUE IPOTESI
ALTERNATIVE COMPLEMENTARI E LOGICAMENTE
ESCLUDENTISI
LE MATRICI SONO COMPOSTE DA: N RIGHE E K COLONNE,

CON K CHE PUÒ ESSERE EGUALE O DIVERSO DA N

LE MUTABILI SI DISTINGUONO COME: SCONNESSE E
ORDINALI
LE OPERAZIONI ECONOMICHE SONO CLASSIFICATE IN TRE

CLASSI FONDAMENTALI: LE OPERAZIONI SU BENI E
SERVIZI, QUELLE DI DISTRIBUZIONE E REDISTRIBUZIONE
DEL REDDITO E DELLA RICCHEZZA E QUELLE SU
STRUMENTI FINANZIARI
LE OPERAZIONI SU BENI E SERVIZI O SU STRUMENTI
FINANZIARI SONO SEMPRE: BILATERALI
LE PERSONE IN CERCA DI OCCUPAZIONE SONO: LE

PERSONE NON OCCUPATE CHE SONO ALLA RICERCA
“ATTIVA” DI UNA OCCUPAZIONE E SONO
IMMEDIATAMENTE DISPONIBILI A LAVORARE
LE PRINCIPALI TIPOLOGIE DI ERRORE SONO: ERRORI

NELL’ASSUNZIONE O NELLO SPOGLIO DEI DATI
LE PUBBLICHE AMMINISTRAZIONI (IN SIGLA PA)

PRODUCONO: SERVIZI NON DESTINABILI ALLA VENDITA
LE RISPOSTE STRUTTURARE CONSISTONO: IN RISPOSTE

PREDEFINITE TRA LE QUALI SCEGLIERE
LE SCALE DI VALUTAZIONE POSSONO ESSERE:
NUMERICHE O VERBALI
LE SERIE STORICHE SONO: SEQUENZE DI OSSERVAZIONI

EFFETTUATE NELLA SUCCESSIONE DEI PERIODI DI TEMPO
LE TAVOLE INTERSETTORIALI RAPPRESENTANO UNO

STRUMENTO ESSENZIALE PER: ASSICURARE LA
COERENZA DELLE STIME DI CONTABILITÀ NAZIONALE
LE TRANSAZIONI ECONOMICHE, OVVERO LO SCAMBIO DI

BENI, SERVIZI O ATTIVITÀ FINANZIARIE A TITOLO ONEROSO
O NON ONEROSO HANNO CARATTERE: BILATERALE E SI
REALIZZA ATTRAVERSO SCAMBI TRA OPERATORI SUL
MERCATO
LE TRANSAZIONI INTERNAZIONALI CHE VENGONO
REGISTRATE NELLA BILANCIA DEI PAGAMENTI SONO: LE
ESPORTAZIONI ED IMPORTAZIONI DI BENI E SERVIZI, I
TRASFERIMENTI DI RICCHEZZA TRA PAESI E GLI ACQUISTI
O VENDITE DI ATTIVITÀ FINANZIARIE
LE VARIABILI SI DISTINGUONO COME: DISCRETE E
CONTINUE
LO SCOSTAMENTO SEMPLICE MEDIO RIGUARDA : LO

SCOSTAMENTO DI OGNI VALORE DELLA DISTRIBUZIONE
DALLA MEDIA, PRESO IN VALORE ASSOLUTO
LO SCOSTAMENTO QUADRATICO MEDIO RIGUARDA: LA

MEDIA DEGLI SCARTI AL QUADRATO TRA I DATI E LA M
LO STIMATORE DI UN PARAMETRO: È UNA VARIABILE

CASUALE
LO STIMATORE VARIANZA CAMPIONARIA CORRETTA: HA

MEDIA PARI AL PARAMETRO DA STIMARE
LO STOCK DI CAPITALE NETTO MISURA: IL VALORE DEI
BENI DUREVOLI IMPIEGATI NEL PROCESSO PRODUTTIVO
AL NETTO DELLA PERDITA DI VALORE DA ESSI SUBITA
CON IL TEMPO A SEGUITO DELLA OBSOLESCENZA
ECONOMICA, PERDITA DI VALORE MISURATA DAGLI
AMMORTAMENTI
DENOMINATORE VI È: IL DATO DELL’ANNO T-1
NEL CALCOLO DEL TASSO DI INFLAZIONE CONGIUNTURALE

AL DENOMINATORE C’È: IL NUMERO INDICE DEI PREZZI DEL
MESE M-1 DELL\'ANNO A ED AL NUMERATORE IL NUMERO
INDICE DEI PREZZI DEL MESE M DELL\'ANNO A

DENOMINATORE C’È: IL NUMERO INDICE DEI PREZZI DEL
MESE M DELL\'ANNO A-1 ED AL NUMERATORE IL NUMERO
INDICE DEI PREZZI DEL MESE M DELL\'ANNO A
NEL CAMPIONAMENTO BERNOULLIANO: I RISULTATI DELLE

ESTRAZIONI SONO INDIPENDENTI
NEL CAMPIONAMENTO BERNOULLIANO: OGNI UNITÀ

STATISTICA PUÒ ENTRARE A FAR PARTE PIÙ VOLTE DEL
CAMPIONE
NEL CASO DI ESTRAZIONE SENZA RIPETIZIONE LA

DEVIAZIONE STANDARD DELLE FREQUENZE CAMPIONARIE
È:
NEL CASO DI ESTRAZIONE CON RIPETIZIONE LA
DEVIAZIONE STANDARD DELLE FREQUENZE CAMPIONARIE
È:
VERIFICARE L'IPOTESI SI PUÒ UTILIZZATE LA QUANTITÀ F
CHE È UNA V.C F DI FISCHER -SNEDECOR CON : CON 1 E N-
2 GRADI DI LIBERTÀ
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, QUALI

TRA LE SEGUENTI IPOTESI È DEFINITA IPOTESI FORTE:
NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, QUALI
TRA LE SEGUENTI IPOTESI È DEFINITA IPOTESI DEBOLE:
NEL PRODOTTO LOGICO CON OPERANDO A=0 ED

OPERANDO B=1, IL TOTALE SARÀ: 0

OPERANDO B=FALSO, IL TOTALE SARÀ: F

OPERANDO B=VERO, IL TOTALE SARÀ: V
NEL SISTEMA STATISTICO NAZIONALE (SISTAN)

RIENTRANO: TUTTI GLI UFFICI DI STATISTICA DI REGIONI,
AMMINISTRAZIONI DELLO STATO, COMUNI, ASL E CAMERE
DI COMMERCIO
NELLA CONGIUNZIONE TRA INSIEMI SI VALUTA: QUANDO I

DUE EVENTI SI REALIZZANO ENTRAMBI
NELLA CORRELAZIONE SPURIA, SI RILEVA CHE: R VARIA

TRA -1 ED 1 E PUÒ ESSERE ELEVATO, MA LE VARIABILI
NON SONO LEGATE DA UN RAPPORTO SERIO DI
CAUSALITÀ
NELLA FASE DI ANALISI DEL FENOMENO: PRECEDENTI

ESPERIENZE NAZIONALI ED INTERNAZIONALI;
DOCUMENTAZIONE BIBLIOGRAFICA; DOCUMENTAZIONE
STATISTICA; SONDAGGI PRESSO UTENTI ED OPERATORI
DEL SETTORE.
NELLA FORMAZIONE DELLA SERIE È FONDAMENTALE:
INDIVIDUARE PERIODI CARATTERIZZATI DA UNA
SITUAZIONE AMBIENTALE QUANTO PIÙ POSSIBILE
UNIFORME E OMOGENEA
NELLA MATRICE DEI COEFFICIENTI DI FABBISOGNO

DIRETTO DEGLI INPUT DI PRODUZIONE INTERNA OGNI SUA
COLONNA INDICA: INDICA L’AMMONTARE DELLE MERCI DI
ORIGINE INTERNA RICHIESTO DIRETTAMENTE DALLA
PRODUZIONE UNITARIA DELLA BRANCA
NELLA RETTA DI REGRESSIONE Y’=AY+BYX IL TERMINE AY:
(ORIGINE) DELL’ASSE DELLE ASCISSE E IL PUNTO IN CUI

SENZA CIFRE DECIMALI DI ORDINE 3 SONO: 103, 217, 350,
483

SENZA CIFRE DECIMALI DI ORDINE 3 SONO: 117,217,350,483

VALORI(10,100,200,350,500,600) LE MEDIE MOBILI DI ORDINE
5 SONO: 232 E 350

VALORI (100,200,350,500,600) LE MEDIE MOBILI DI ORDINE 3
CON 2 CIFRE DECIMALI SONO: 216.67; 350.00; 483.33
NELLA SOMMA LOGICA CON OPERANDO A=0 ED

NELLA SOMMA LOGICA CON OPERANDO A=1 ED


POPOLAZIONE SONO: NON SONO SINONIMI OPPURE
INDICATIVI DEL FATTO CHE IL CAMPIONE È UN
SOTTOINSIEME DELLA POPOLAZIONE
OGNI COLONNA DELLA MATRICE DEI COEFFICIENTI DI

FABBISOGNO DIRETTO DEGLI INPUT PRIMARI ESPRIME: GLI
INPUT PRIMARI PER UNITÀ DI PRODOTTO IMPIEGATI IN
CIASCUNA ATTIVITÀ DI

ELETTRICA (VARIABILE Y, ESPRESSA IN EURO): XI : 10, 18,
23, 32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45,
55, 65 IL VALORE DELLA FUNZIONE DI RIPARTIZIONE
EMPIRICA IN CORRISPONDENZA DI UNA TEMPERATURA
MEDIA PARI A 25 GRADI, CHE IPOTIZZIAMO ESSERE UNA
V.C DISTRIBUITA NORMALMENTE, È: 0,8

23, 32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45,
55, 65 IL VALORE 24 RIPORTATO NELLA PRIMA RIGA DELLA
TABELLA RAPPRESENTA: UNA MODALITÀ DEL CARATTERE
23, 32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45,
55, 65 IL VALORE DELLA FUNZIONE DI RIPARTIZIONE
EMPIRICA IN CORRISPONDENZA DI UNA TEMPERATURA
MEDIA PARI A 17 GRADI È: 4/10
OCCORRE DIVIDERE: LE FREQUENZE CUMULATE PER N
PER CAMPIONE S’INTENDE: UN QUALSIASI SOTTOINSIEME

DERIVATO DA UNA POPOLAZIONE FINALIZZATO AD UNO
STUDIO STATISTICO
PER LA DETERMINAZIONE DELL'INTERVALLO DI

CONFIDENZA PER LA MEDIA DI UNA POPOLAZIONE
NORMALE CON VARIANZA NOTA, SI UTILIZZA: LA
DISTRIBUZIONE NORMALE STANDARDIZZATA

NORMALE CON VARIANZA NON NOTA (N < 30), SI UTILIZZA:
LA DISTRIBUZIONE T DI STUDENT
PER ESTENDERE I RISULTATI A TUTTA LA POPOLAZIONE È

NECESSARIO CHE IL CAMPIONE SIA DI TIPO:
PROBABILISTICO
PER GLI AGGREGATI DI CONTABILITÀ NAZIONALE DEI PAESI

EUROPEI, SONO STATI FISSATI UNA SERIE DI NORME E
DEFINIZIONE ATTI A GARANTIRE: LA CONFRONTABILITÀ
PER I PAESI EUROPEI IL SISTEMA DI CONTABILITÀ
NAZIONALE UTILIZZATO A PARTIRE DAL 1999 È: IL SISTEMA
EUROPEO DEI CONTI SEC95
PER IL POSTULATO 2 DELL'ASSIOMATIZZAZIONE DEL

CALCOLO DELLE PROBABILITÀ, L'EVENTO CERTO Ω HA
PROBABILITÀ: P(Ω)=1

NORMALE CON VARIANZA NON NOTA (N < 30), SI UTILIZZA:
LA DISTRIBUZIONE T DI STUDENT OPPURE LA
PERCENTUALE OCCORRE: MOLTIPLICARE PER 100 LE
FREQUENZA RELATIVE
PER TROVARE L'INTERVALLO DI CONFIDENZA PER LA

MEDIA DI UNA POPOLAZIONE NORMALE, SI UTILIZZA LA T DI
STUDENT, ANZICHÉ LA NORMALE STANDARDIZZATA
PERCHÉ: LA VARIANZA DELLA POPOLAZIONE NON È NOTA
PER OPERARE LA DEFLAZIONE È NECESSARIO

DISTINGUERE I CASI DI: GRANDEZZE MONETARIE, FLUSSI
FINANZIARI E SALDI CONTABILI
PER POPOLAZIONE O COLLETTIVO STATISTICO S’INTENDE:

L’INSIEME DELLE UNITÀ STATISTICHE SULLE QUALI SI
EFFETTUA LA RILEVAZIONE DI UNO O PIÙ CARATTERI
PER POSIZIONI LAVORATIVE SI DEFINISCONO: IL

CONTRATTO DI LAVORO, ESPLICITO O IMPLICITO, TRA UNA
PERSONA E UNA UNITÀ PRODUTTIVA RESIDENTE,
FINALIZZATO ALLO SVOLGIMENTO DI UNA ATTIVITÀ
PRODUTTIVA RETRIBUITA
PERCENTUALE OCCORRE: LE FREQUENZE CUMULATE PER
N OPPURE MOLTIPLICARE PER 100 LE FREQUENZA
RELATIVE

RELAZIONE TRA DUE VARIABILI X ED Y SI UTILIZZA: IL
DIAGRAMMA A DISPERSIONE
PER TROVARE L'INTERVALLO DI CONFIDENZA PER LA

MEDIA DI UNA POPOLAZIONE NORMALE, SI UTILIZZA LA T DI
STUDENT, ANZICHÉ LA NORMALE STANDARDIZZATA
PERCHÉ: LA VARIANZA DELLA POPOLAZIONE NON È NOTA
PER UN OPERATORE APPARTENENTE AL SISTEMA

ECONOMICO DI UN PAESE EUROPEO, PER CENTRO DI
INTERESSE ECONOMICO S’INTENDE: IL LUOGO DOVE
SVOLGE UN’ATTIVITÀ ECONOMICA SIGNIFICATIVA A
TEMPO INDETERMINATO
PER UNITÀ DI ATTIVITÀ ECONOMICA A LIVELLO LOCALE
(UAELL) S’INTENDE: LA CELLULA OPERATIVA DI TIPO
FUNZIONALE CARATTERIZZATA DA UN’UNICA ATTIVITÀ E
UN PROCESSO DI PRODUZIONE E UN OUTPUT OMOGENEO
POICHÉ NELLA V.C. NORMALE LA FUNZIONE F(X)

RAGGIUNGE IL SUO PUNTO PIÙ ALTO IN CORRISPONDENZA
DI XI = µ, CIÒ COMPORTA CHE MEDIA, MEDIANA E MODA:
COINCIDANO

ACCADE NEL CASO IN CUI IL RISULTATO DEL TEST
EFFETTUATO LASCI ALLA SUA DESTRA: IL 4% DEI CASI
POSTO CHE GLI OPERATORI ECONOMICI SONO CENTRI

ELEMENTARI DI DECISIONE ECONOMICA, QUESTI SONO
CARATTERIZZATI: DA AUTONOMIA DI DECISIONE IN CAMPO
ECONOMICO E FINANZIARIO
PRODOTTO FINALE DI UNA INDAGINE STATISTICA: I

MICRODATI, I MACRODATI,I METADATI

SEGUONO. QUANDO RXY = 0, LE DUE RETTE DI
REGRESSIONE Y’=AY+BYX E X’= AX+BXY SONO:
PERPENDICOLARI TRA LORO

SEGUONO. QUANDO RXY = -1, LE DUE RETTE DI
REGRESSIONE Y’=AY+BYX E X’= AX+BXY SONO:
COINCIDONO
SEGUONO. QUANDO RXY = +1, LE DUE RETTE DI
REGRESSIONE Y'=AY+BYX E X’= AX+BXY SONO:
COINCIDONO
QUALE AFFERMAZIONE, CHE INDICA LE PRINCIPALI

MODALITÀ DI TRATTAMENTO DELL’INFORMAZIONI
STATISTICHE, È VERA: IN QUALUNQUE PROBLEMA DI
ANALISI STATISTICA SARÀ NECESSARIO ELENCARE,
MISURARE E SINTETIZZARE, CORRELARE, PRESENTARE
SERIE DEI DATI: SCARTO QUADRATICO MEDIO

DELL'INTERA DISTRIBUZIONE? MEDIA ARITMETICA O MODA

TIPO SE SI RIFIUTA L’IPOTESI NULLA AVENDO SCELTO UN
LIVELLO DI SIGNIFICATIVITÀ DEL 5%: 5%
QUALI DI QUESTI INDICI È RELATIVO: L'INDICE DI

CONNESSIONE DI CRAMER
QUALI FASI PREVEDE LA COSTRUZIONE DI UN

QUESTIONARIO: INDIVIDUAZIONE DELLE INFORMAZIONI,
SCELTA, PRIMA TRACCIA, REVISIONE, PROVA E STESURA
DEL QUESTIONARIO
QUALI TRA QUESTE NON È UNA MEDIA RAZIONALE:

MEDIANA
QUANDO A VALORI CRESCENTI DI X CORRISPONDONO

VALORI CRESCENTI DI Y SI HA: UNA RELAZIONE POSITIVA

DIMINUIRE DEI VALORI DI Y SI HA: UNA RELAZIONE
POSITIVA
QUANDO IL CAMPIONE È MAGGIORE DI 30 UNITÀ È
DEFINIBILE: GRANDE E NON SI PUÒ USARE IL TEST Z MA
DEVI MA DEVI USARE IL TEST T: IL CAMPIONE PUÒ
CONSIDERARSI ESTRATTO DA UNA POPOLAZIONE
NORMALE
QUANDO LA CORRELAZIONE TRA X ED Y È MOLTO BASSA,
PARI AD RXY=0.22, I VALORI DI Y ED Y’: DIFFERISCONO
QUANDO LA CORRELAZIONE TRA X ED Y È MOLTO

ELEVATA, PARI AD RXY=0.92, I VALORI DI Y ED Y’:
DIFFERISCONO
QUANDO LA CORRELAZIONE TRA X ED Y È PARI AD RXY=+1,

I VALORI DI Y ED Y': COINCIDONO
QUANDO LA CORRELAZIONE TRA X ED Y È PARI AD RXY=-1,

I VALORI DI Y ED Y’: COINCIDONO
QUANDO LA POPOLAZIONE È INFINITA: LO SCHEMA DI

CAMPIOMENTO CON RIPETIZIONE COINCIDE CON LO
SCHEMA DI CAMPIOMAENTO SENZA RIPETIZIONE
QUANDO PARLIAMO DI MATRICE DEI DATI, RELATIVAMENTE

AL NUMERO DI COLONNE POSSIAMO DIRE CHE.. IL
NUMERO DI COLONNE DIPENDE DAI CARATTERI
OSSERVATI

PERCENTUALI, L’ULTIMO VALORE CHE SI OTTIENE, CIOE’ IL
PIU’ ELEVATO, E’: 100

DISTRIBUZIONE NORMALE CON : N=31
R DEVE ESPRIMERE CORRETTAMENTE: IL LEGAME DI
INTERDIPENDENZA
IMPLICANO: UN COEFFICIENTE DI CORRELAZIONE
NEGATIVO
SCRIVI LA FUNZIONE EXCEL ED I SIMBOLI DA DIGITARE

NELLA CELLA PER CALCOLARE LA MEDIA: = MEDIA
SCRIVI LA FUNZIONE EXCEL ED I SIMBOLI DA DIGITARE

NELLA CELLA PER CALCOLARE LA MEDIA GEOMETRICA:
=MEDIA.GEOMETRICA
SE DUE EVENTI A E B SONO INDIPENDENTI ALLORA:

P(A∩B)= P(A)P(B)
SE LA POPOLAZIONE È SUFFICIENTE GRANDE, O NEL CASO

DI ESTRAZIONE CON RIPETIZIONE SI HA CHE:
SE DUE EVENTI A E B SONO INDIPENDENTI ALLORA:

P(A∩B)= P(A)P(B)
SE IL COEFFICIENTE DI CORRELAZIONE È UGUALE A 0 VI È:

CASUALITÀ
SE IL COEFFICIENTE DI CORRELAZIONE È UGUALE A 0 VI È:

ASSENZA DI CONCORDANZA O DISCORDANZA
SE IL COEFFICIENTE DI CORRELAZIONE R=0: NON C'E


ALLORA IL NUMERO INDICE IN T, CON BASE T-1 SARÀ: 98,8



ALLORA IL NUMERO INDICE IN T, CON BASE T-2 SARÀ 101,2
SE IL : SI ACCETTA L'IPOTESI
DI INDIPENDENZA STOCASTICA
SE IL : SI RIFIUTA L'IPOTESI DI
INDIPENDENZA STOCASTICA
SE LA COD (X,Y)>0: LA RETTA DI REGRESSIONE È

CRESCENTE
SE LA DISTRIBUZIONE È ASIMMETRIA NEGATIVA SI HA:

MED-Q1 > Q3-MED
SE LA DISTRIBUZIONE È ASIMMETRIA POSITIVA SI HA: MED-

Q1 < Q3-MED
SE LA POPOLAZIONE NON È NORMALE PER IL TEOREMA

DEL LIMITE CENTRALE, QUANDO N>30, SI PUÒ COSTRUIRE
L'INTERVALLO DI CONFIDENZA: BASATO SULLA
SE LE COMPONENTI DI UN NUMERO INDICE SONO TUTTE
DELLA STESSA SPECIE DEFINIAMO: I NUMERI INDICI
SINTETICI
SE LO STIMATORE È CORRETTO: EQM=VARIANZA DELLO

STIMATORE
SE SI EFFETTUA UNA ESTRAZIONE SENZA REIMMISSIONE

LA PROBABILITÀ DI ESTRARRE UN ALTRO ELEMENTO:
VIENE MODIFICATA
SE SI RADDOPPIA LA NUMEROSITÀ CAMPIONARIA, IL

VALORE DEL CHI-QUADRATO: RADDOPPIA
SE UNA VARIABILE È DICOTOMICA: PUÒ ASSUMERE SOLO

DUE VALORI, INDIPENDENTEMENTE DALLA PROBABILITÀ
DI OTTENERE UNO O L’ALTRO DEI DUE VALORI
SE X È LA VARIABILE INDIPENDENRE E Y QUELLA

DIPENDENTE, CONSIDERANDO L’EQUAZIONE DI
REGRESSIONE È CORRETTO DEFINIRE Y’ COME: VALORE
PREDETTO
SE X È LA VARIABILE INDIPENDENTE E Y QUELLA

DIPENDENTE, CONSIDERANDO L’EQUAZIONE DI
REGRESSIONE È CORRETTO DEFINIRE X COME:
PREDITTORE
SECONDO L’APPROCCIO TRADIZIONALE LE GRANDEZZE

OSSERVATE SONO SCOMPONIBILI IN: UNA COMPONENTE
SISTEMATICA ED UNA COMPONENTE IRREGOLARE O
ALEATORIA
SI CHIAMA CONTINGENZA: LA DIFFERENZA TRA

FREQUENZE OSSERVATE E FREQUENZE TEORICHE
SI COMMETTE UN ERRORE DI PRIMA SPECIE: NEL

RIFIUTARE L'IPOTESI NULLA QUANDO IN REALTÀ È VERA
SI COMMETTE UN ERRORE DI SECONDA SPECIE: NELL'
ACCETTARE L'IPOTESI NULLA QUANDO IN REALTÀ È
FALSA

NUMERO SEI” NEL LANCIO DI UN DADO. CALCOLARE LA
PROBABILITÀ DI SUCCESSO IN UN LANCIO: 1/6

NUMERO SEI” NEL LANCIO DI UN DADO. CALCOLARE LA
PROBABILITÀ DI INSUCCESSO IN UN LANCIO: 5/6
SI CONSIDERI I 540 RAGAZZI DELLA SCUOLA MEDIA

STATALE “FRANCESCO GIOSUÈ” E SI CONSIDERI CHE IN
UNA SETTIMANA CI SONO STATI I SEGUENTI ASSENTI: 66 30
15 50 21 37. CALCOLARE LA DEVIANZA STANDARD: 17,31
SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE:

{250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. INDICARE QUALE
INDICE DI POSIZIONE APPARE RAPPRESENTATIVO
DELL’INTERA DISTRIBUZIONE: MEDIA ARITMETICA
SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE:

{250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. INDICARE
DELL’INTERA DISTRIBUZIONE: MODA
SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE: (-

290,2,2,2,2,3,3,3,3,3,3,3,3,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,290)
DELL'INTERA DISTRIBUZIONE? MODA
SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE (-

350; 2; 2; 2; 2; 2; 2; 4; 6; 6; 7; 7; 7; 8; 9; 9; 9; 10; 14; 350) QUALE
INDICE DI POSIZIONE APPARE RAPPRESENTATIVO
DELL'INTERA DISTRIBUZIONE? MEDIA ARITMETICA
SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE:

(-450,2,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,14,510). QUALE INDICE
DI POSIZIONE APPARE RAPPRESENTATIVO DELL'INTERA
DISTRIBUZIONE? MODA
,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. INDICARE
DELL’INTERA DISTRIBUZIONE: MODA
SI CONSIDERI LA POPOLAZIONE: { ,,,,,,8,8,9,9,9,9,9, 9,,,}.
DELLINTERA DISTRIBUZIONE : MODA
SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE:

{,,,,8,8,9,9,9,,,}. QUALE INDICE DI POSIZIONE APPARE
RAPPRESENTATIVO DELLINTERA DISTRIBUZIONE: MEDIA
ARITMETICA SE NON C’E’ E MODA
SI DEFINISCE STIMA: IL VALORE ASSUNTO DALLO

STIMATORE PER UN DATO CAMPIONE

EVINCE UNA MEDIA CAMPIONARIA UGUALE A 33.
COSTRUIRE UN INTERVALLO DI CONFIDENZA AL 90% PER
LA MEDIA DELLA POPOLAZIONE, LA QUALE SI DISTRIBUISCE
NORMALMENTE CON VARIANZA PARI A 115: IC=[30,723;
35,277]
SI HA DISCORDANZA TRA CARATTERI SE: AI VALORI PIÙ

PICCOLI DI UNA DELLE DUE VARIABILI CORRISPONDONO
GENERALMENTE I PIÙ GRANDI DELL’ALTRA, E SE AI
VALORI PIÙ GRANDI CORRISPONDONO IN GENERE I PIÙ
PICCOLI
SI HA INDIPENDENZA CORRELATIVA TRA DUE VARIABILI SE:

COD (X,Y)=0
SI HA INDIPENDENZA IN MEDIA TRA DUE VARIABILI

STATISTICHE SE: LE MEDIA PARZIALI SONO UGUALI TRA DI
LORO ED UGUALI ALLA MEDIA GENERALE
SI INDICHI QUALI TRA QUESTI SVANTAGGI DELLE TECNICHE

DI INDAGINE CATI È VERO: MAGGIORE ADDESTRAMENTO
DEI RILEVATORI

CAMPIONARIA SU 2000 PAZIENTI E CHE 500 SIANO
RISULTATI SENSIBILI AD UN DETERMINATO FARMACO.
INDICARE QUALE È LA PROPORZIONE CAMPIONARIA DI
PERSONE SENSIBILI AL FARMACO: 0,25
INDICARE QUALE È LA PROPORZIONE NELLA POPOLAZIONE
DI PERSONE SENSIBILI AL FARMACO: NON SI PUÒ SAPERE
INDICARE QUALE È LA PROPORZIONE CAMPIONARIA DI
PERSONE NON SENSIBILI AL FARMACO: 0,75
RISULTATI SENSIBILI AD UN DETERMINATO FARMACO. CON
UN GRADO DI FIDUCIA DEL 95%, STIMIAMO CHE LA
PROPORZIONE DELLA POPOLAZIONE SENSIBILE AL
FARMACO DEVE ESSERE COMPRESA TRA: 0,23 E 0,27
SI SUPPONGA DI AVERE LA SEGUENTE DISTRIBUZIONE DI
10 INDIVIDUI SECONDO LA NAZIONALITÀ: ITALIANI N.3,
FRANCESI N.4, SPAGNOLI N.3. LA CARATTERISTICA
NAZIONALITÀ È MISURATA SU SCALA: NOMINALE
SI SUPPONGA DI VOLER VERIFICARE L’IPOTESI DI
INDIPENDENZA SULLA BASE DI UNA TABELLA DI
CONTINGENZA … FREQUENZA TOTALE È 100. IL VALORE
SOGLIA O CRITICO PER LA STATISTICA TEST HA
DISTRIBUZIONE APPROSSIMATIVA…: T-STUDENTE CON 99
GRADI DI LIBERTÀ
SI VUOLE CONOSCERE LA PROPORZIONE DI PEZZI
DIFETTOSI PRODOTTI DA UNA MACCHINA. DETERMINARE
LA NUMEROSITÀ CAMPIONARIA NECESSARIA AFFINCHÈ LA
VERA PROPORZIONE CADA IN UN INTERVALLO AL 90%,
TOLLERANDO UN ERRORE NON SUPERIORE AL 3%.:
N=751,67
SI VUOLE VERIFICARE L'IPOTESI DI INDIPENDENZA SULLA
BASE DI UNA TABELLA DI CONTINGENZA 3X3 LA CUI
FREQUENZA TOTALE È N=400. IL VALORE SOGLIA PER LA
STATISTICA TEST HA DISTRIBUZIONE
APPROSSIMATIVAMENTE: CHI- QUADRATO CON 4 GRADI DI
LIBERTÀ
SI VUOLE VERIFICARE L'IPOTESI DI INDIPENDENZA SULLA
BASE DI UNA TABELLA DI CONTINGENZA 4X3 LA CUI
FREQUENZA TOTALE È N=400. IL VALORE SOGLIA PER LA
STATISTICA TEST HA DISTRIBUZIONE
APPROSSIMATIVAMENTE: CHI- QUADRATO CON 6 GRADI DI
LIBERTÀ
SI VUOLE SOTTOPORRE A VERIFICA L'IPOTESI: CONTRO ,
USANDO UN LIVELLO DI SIGNIFICATIVITÀ DELLO 0,05. LA
REGIONE DI RIFIUTO PER IL TEST Z È : Z>1,645
SI VUOLE SOTTOPORRE A VERIFICA

L'IPOTESI: CONTRO USANDO UN LIVELLO DI
SIGNIFICATIVITÀ DELLO 0,05. LA REGIONE DI RIFIUTO PER
IL TEST Z È: Z < -1,96 O Z > 1,96 B

IL TEST Z È: Z < -1,96 O Z > 1,96 B
SI VUOLE SOTTOPORRE A VERIFICA L'IPOTESI: CONTRO

REGIONE DI RIFIUTO PER IL TEST T CON 16 GRADI DI
LIBERTÀ È: T < -1,746

REGIONE DI RIFIUTO PER IL TEST Z È: T > 1,746

IL TEST T CON 18 GRADI DI LIBERTÀ È: CONTRO: T < -2,552

REGIONE DI RIFIUTO PER IL TEST T CON 17 GRADI DI
LIBERTÀ È: T > 2,567

REGIONE DI RIFIUTO PER IL TEST Z È: Z < -1,28

CORRISPONDENZA DI UN INSIEME NUMERABILE ALLORA X
È: DISCRETA
SIA DATA UNA POPOLAZIONE NORMALE CON VARIANZA
NOTA. VOLENDO VERIFICARE L'IPOTESI: CONTRO . LA
STATISTICA TEST DA UTILIZZARE È:

SIA DATA UNA POPOLAZIONE NORMALE CON VARIANZA
NON NOTA. VOLENDO VERIFICARE L'IPOTESI: CONTRO .
LA STATISTICA TEST DA UTILIZZARE È:
SONO FONTI DELLA STATISTICA ECONOMICA: LA TEORIA

DEI NUMERI INDICI E DELLE SERIE STORICHE SONO FONTI
DELLA STATISTICA ECONOMICA: LA TEORIA DEI NUMERI
INDICI E DELLE SERIE STORICHE
SOTTO L'IPOTOTESI CHE SIA VERA LA VARIABILE CASUALE

T SI DISTRIBUISCE COME: COME UNA T DI STUDENT CON N-
2 GRADI DI LIBERTÀ
STUDIARE LA RELAZIONE TRA DUE VARIABILI X ED Y

SIGNIFICA: STUDIARE LA TENDENZA CHE X E Y HANNO A
VARIARE INSIEME
SULL’IMPARZIALITÀ E COMPLETEZZA DELL’INDAGINI

SVOLTE DALL’ISTAT: VIGILA LA PRESIDENZA DEL
CONSIGLIO DEI MINISTRI
SULLA BASE DEI DATI GREZZI ALCUNE INFORMAZIONI

IMMEDIATE SULL’ANDAMENTO DEL TREND-CICLO SI
POSSONO OTTENERE: CONFRONTANDO FRA LORO IL
DATO CORRENTE E QUELLO DELLO STESSO PERIODO
DELL’ANNO PRECEDENTE
0,4624. COSTRUIRE UN INTERVALLO DI CONFIDENZA AL
99% PER LA MEDIA DELLA POPOLAZIONE DI PESO DEI
PEZZI DI METALLO: IC=[2,92;3,92]
TRA DUE VARIABILI VI È INDIPENDENZA ASSOLUTA SE: LE
FREQUENZE OSSERVATE SONO UGUALI ALLE FREQUENZE
TEORICHE
TRA I COMPITI DELL’ISTAT RIENTRANO: TUTTE LE VOCI

PRECEDENTI (CENSIMENTI, INDAGINE PREVISTA DAL
PROGRAMMA STATISTICO NAZIONALE, COORDINAMENTO
DEL SISTEMA STATISTICO NAZIONALE
PUNTEGGI AD UN TEST DI ABILITÀ MATEMATICA (NUMERO
DI RISPOSTE CORRETTE IN ENTRAMBI I CASI) SI CALCOLA
UN COEFFICIENTE DI CORRELAZIONE DI PEARSON PARI A -
0,88. SULLA BASE DEL RISULTATO OTTENUTO SI PUÒ
EVIDENZIARE CHE: LE PERSONE CON PUNTEGGI BASSI IN
MATEMATICA HANNO BUONE PRESTAZIONI IN
LETTERATURA INGLESE
PUNTEGGI AD UN TEST DI ABILITÀ MATEMATICA (NUMERO
DI RISPOSTE CORRETTE IN ENTRAMBI I CASI) SI CALCOLA
UN COEFFICIENTE DI CORRELAZIONE DI PEARSON PARI A -
0,88. SULLA BASE DEL RISULTATO OTTENUTO SI PUÒ
EVIDENZIARE CHE: LE DUE VARIABILI SONO CORRELATE
NEGATIVAMENTE
TRA LE FONTI DI DOCUMENTAZIONE DELLA STATISTICA
ECONOMICA TROVIAMO: I CENSIMENTI, LE INDAGINI E LE
RILEVAZIONI VARIE
TRA LE SEGUENTI, QUALE, IPOTESI È NULLA: LE MEDIE DEI

GRUPPI A.B.C. DIFFERISCONO TRA LORO IN MODO
SIGNIFICATIVO

UNA RELAZIONE LINEARE, SAPENDO CHE IL COEFFICIENTE
DI CORRELAZIONE È UGUALE A 0.76, IL COEFFICIENTE DI
DETERMINAZIONE SARÀ PARI A: 0.58

UNA RELAZIONE NON LINEARE, SAPENDO CHE IL
COEFFICIENTE DI DETERMINAZIONE È UGUALE A -1, IL
COEFFICIENTE DI CORRELAZIONE SARÀ PARI A: NON È
POSSIBILE CALCOLARLO CON I DATI A DISPOSIZIONE CHE
NON SONO CORRETTI
UN AUTOMOBILISTA PERCORRE 5KM VELOCITA 50KM/ORA ,
4KM ALLA VELOCITA’80KM/ORAE 20 ALLA 100KM/ORA :
CALCOLARE VELOCOTA’ MEDIA PERCORSO? 82,85714
UN CAMPIONE CASUALE DI DIMENSIONE 20 DI UNA

POPOLAZIONE NORMALE HA MEDIA X=180 E VARIANZA S° =
81. DETERMINARE L'INTERVALLO DI CONFIDENZA
BILATERALE AL 95% PER LA MEDIA DELLA POPOLAZIONE:
IC=(175,788;184,212)
UN ESPERIMENTO CASUALE È: UN'OPERAZIONE IL CUI
RISULTATO NON PUÒ ESSERE PREVISTO CON CERTEZZA
UN’INDAGINE STATISTICA È UN: PROCESSO PRODUTTIVO,

DOVE IL PRODOTTO FINALE CONSISTE IN
UN’INFORMAZIONE STATISTICA CORRETTA
UN INTERVALLO DI CONFIDENZA È: UN INTERVALLO DI

VALORI CHE SI RITIENE CONTENGA IL VERO PARAMETRO
DELLA POPOLAZIONE CON UNA PRESTABILITA "FIDUCIA"
UN IPOTESI STATISTICA È: UN AFFERMAZIONE SULLA

DISTRIBUZIONE DI PROBABILITÀ DI UNA VARIABILE
CASUALE
UN PRODOTTO DI LARGO CONSUMO HA SUBITO NEGLI

ANNI DIVERSI AUMENTI INDICATI IN TABELLA: 2007—2%,
2008—2,5%; 2009—2,6%; 2010—2,7%. INDICARE IL TASSO DI
AUMENTO MEDIO ANNUO: 2,450%
UN PRODOTTO DI LARGO CONSUMO HA SUBITO NEGLI

ANNI DIVERSI AUMENTI INDICATI IN TABELLA: 2007 -2%,
2008 -3%, 2009 -2,5%, 2010 - 2,8%. DETERMINARE IL TASSO
SI AUMENTO MEDIO ANNUO: 2,574

MEDIA DEL TEST, CALCOLATA SU UN CAMPIONE, RISULTA
142,9. IL RISULTATO : SICURAMENTE SBAGLIATO
UN TEST FORNISCE SICURAMENTE PUNTEGGI COMPRESI

TRA 0 E 120. LA MEDIANA DEL TEST, CALCOLATA DA UN
PUNTEGGIO MASSIMO OTTENIBILE È: 120
UN TIPICO CASO DI CORRELAZIONE NON REALE

COMPORTA CHE: ALTRI FATTORI VARIABILI INFLUISCONO
SU QUELLI PRESI IN CONSIDERAZIONE OPPURE : I DUE
CARATTERI SONO INFLUENZATI DA CIRCOSTANZE COMUNI
OPPURE : UNO DEI DUE CARATTERI COMPRENDE L’ALTRO
UNA CLASSE È CHIUSA A DESTRA E APERTA A SINISTRA
SE: SOLO L'ESTREMO DESTRO È INCLUSO
UNA DISTRIBUZIONE CAMPIONARIA È: LA DISTRIBUZIONE
DI PROBABILITÀ DI UNA STATISTICA
UNA DISTRIBUZIONE DI PROBABILITÀ DI UNA VARIABILE

CASUALE: L'INSIEME DELLE COPPIE PROBABILITÀ DEI
DIVERSI VALORI POSSIBILI DELLA VARIABILE CASUALE

DIAMETRO INCOGNITO; LA VARIANZA DEL DIAMETRO DEI
CAMPIONE DI N=1000 PISTONCINI, SUI QUALI SI OSSERVA
UN DIAMETRO MEDIO PARI A 1,2 CM. SI CALCOLI
L'INTERVALLO DI CONFIDENZA PER Μ AD UN LIVELLO DI
CONFIDENZA DEL 95%:: IC=[1,1938;1,2062]
UNA PERSONA HA IMPIEGATO, IN CINQUE SEDUTE
CONSECUTIVE ALLA BORSA DI MILANO, LA STESSA QUOTA
PER LO STESSO TITOLO, CHE HA AVUTO LE SEGUENTI
QUOTAZIONI: 31,00:29,80;29,85:29,00;29,83. CALCOLARE IL
COSTO MEDIO PER AZIONE:29,90
UNA QUANTITÀ PIVOTALE È: UNA QUANTITÀ CHE È
FUNZIONE DELLE OSSERVAZIONE E DEL PARAMETRO DEL
QUALE SI VUOLE COSTRUIRE L'INTERVALLO DI
CONFIDENZA, CON LA CARATTERISTICA CHE LA SUA
DISTRIBUZIONE È NOTA E NON DIPENDE DAL PARAMETRO
IN ESAME
UNA SERIE STORICA È COSTITUITA: DAI DATI OSSERVATI A
INTERVALLI REGOLARI DI TEMPO OPPURE DALLE
OSSERVAZIONI DEI DATI QUANTITATIVI NEL TEMPO, SI
POSSONO AVERE SERIE MENSILI, GIORNALIERE, ANNUALI
UNA STATISTICA È: UNA VARIABILE CASUALE DEFINITA SUI

CAMPIONI
UNA TABELLA A DOPPIA ENTRATA REGISTRA: LA

FREQUENZA ASSOLUTA, CIOÈ QUANTE VOLTE UNA
COPPIA DI MODALITÀ SI PRESENTA
CONTEMPORANEAMENTE PER X E PER Y OPPURE QUANTE
VOLTE UNA COPPIA DI MODALITÀ SI PRESENTA
UNA VARIABILE CASUALE CONTINUA X: ASSUME TUTTI I
VALORI APPARTENTI AD UN INTERVALLO
UNA VARIABILE CASUALE: E' UNA FUNZIONE DEFINITA

SULLO SPAZIO DEI CAMPIONI
UNA VARIABILE DICOTOMICA PUÒ ASSUMERE: SOLO DUE

VALORI
UNA VARIABILITÀ ALTA IN LUOGO DI UNA VARIABILITÀ

BASSA : DIMINUISCE LE CAPACITÀ PREVISIVE DEI MODELLI
STATISTICI
UNA VARIABILITÀ PARI AL VALORE 65 IN LUOGO DEL

VALORE 80, OTTENUTA ELIMINANDO I VALORI OUTLIER :
PUÒ AUMENTARE LE CAPACITÀ DESCRITTIVE E PREVISIVE
DEL MODELLO STATISTIC
UNA VARIABILITÀ PARI AL VALORE 80 IN LUOGO DEL

VALORE 65, OTTENUTA ELIMINANDO I VALORI OUTLIER
INDICA CHE È STATO COMMESSO QUALCHE ERRORE NEI
CALCOLI O NEL PROGRAMMA
UNO STIMATORE SI DICE CONSISTENTE: AL CRESCERE

DELLA NUMEROSITÀ CAMPIONARIA, TENDE A
CONCENTRARSI SUL PARAMETRO DA STIMARE
UNO STIMATORE CORRETTO È PIÙ EFFICIENTE DI UN

ALTRO STIMATORE CORRETTO DEL
PARAMETRO"TETA"NON NOTO SE: SE PRESENTA
VARIANZA INFERIORE

VARIANZA COSTANTE E DELL'INDIPENDENZA DEGLI
ERRORI È IL MSE* = SSE*/N-2, IL CUI VALORE ATTESO È:
E(MSE*)= Σ2
UNO STIMATORE CORRETTO: È TALE CHE IL SUO VALORE

MEDIO COINCIDE CON IL VALORE DEL PARAMETRO DA
STIMARE
USANDO LA MEDIANA IN LUOGO DELLA MEDIA NEL
CALCOLO DELLA VARIANZA È BENE ELIMINARE I VALORI
ANOMALI ED ESTREMI

STANDARDIZZATA SI INDIVIDUERANNO I PUNTI Z: NELLA
COLONNA DI SINISTRA CON UNA CIFRA DECIMALE; LA
SECONDA CIFRA DECIMALE È SITUATA NELLA PRIMA RIGA
IN ALTO DELLA STESSA TAVOLA
VALORI ESTREMI, CIOÈ POSIZIONATI VERSO LE CODE DI
UNA DISTRIBUZIONE DI PROBABILITÀ, HANNO UNA
PROBABILITÀ DI VERIFICARSI PER CASO: INFERIORE
RISPETTO AI VALORI CENTRALI X È LA VARIABILE
INDIPENDENTE
VENGONO INTERVISTATI 36 FIORENTINI A CUI VIENE
CHIESTO IL UMERO DI VANIPRESENTI NELLA PROPRIA
ABITAZIONE LE 36 RISPOSTE SONO LE SEGUENTI :
134…2242 FORNIRE LE FREQUENZE RELATIVE CUMULATE E
DETERMINARE MEDIA MODA MEDIANA : 3 2 3
I SACCHETTI DI PLASTICA UTILIZZATI PER CONTENERE
GENERI ALIMENTARI SONO PRODOTTI IN MODO CHE IL
CARICO DI RESISTENZA DEL SACCHETTO SEGUA UNA
DISTRIBUZIONE NORMALE DI MEDIA 3,2 KG E SQUARTO
QUADRATICO MEDIO 0,5 KG. DETERMINARE LA
PERCENTUALE DI SACCHETTI PRODOTTI CHE HA UN
CARICO DI RESISTENZA COMPRESO TRA I 2,8 E I 3,4 KG :
56,42%
LA SOMMA ALGEBRICA DEGLI SCARTI DELLA MEDIA
ARITMETICA È SEMPRE PARI A : 0
IL SECONDO QUARTILE PER DEFINIZIONE COINCIDE CON :

LA MEDIANA
LA STATISTICA CI OFFRE GLI STRUMENTI PER: ORGANIZZARE, RIASSUMERE,

ANALIZZARE I DATI RELATIVI
AD UN FENOMENO,
OTTENUTI ATTRAVERSO LE
MISURAZIONI.
L’INFERENZA HA LO SCOPO DI: DEDURRE LE
CARATTERISTICHE
DELL’INTERA POPOLAZIONE
A PARTIRE DA DATI
RACCOLTI
LA STATISTICA DESCRITTIVA: ORGANIZZA E RIASSUME I
DATI
LA POPOLAZIONE È: L’ UNIVERSO DI ELEMENTI

CHE FORMA L’ OGGETTO DI
IL CAMPIONE È: UN SOTTOINSIEME DELLA

POPOLAZIONE
IL CAMPIONAMENTO SISTEMATICO È: CARATTERIZZATO DALLA

SELEZIONE DI UN ELEMENTO
OGNI K ELEMENTI
SUCCESSIVI
IL CAMPIONAMENTO STRATIFICATO È: CARATTERIZZATO DA

POPOLAZIONE DIVISA IN
IL CAMPIONAMENTO A BLOCCHI È: CARATTERIZZATO DA

CLUSTER
LA STATISTICA PERMETTE DI RAGIONARE: FACENDO DEDUZIONI ED

INDUZIONI
MODULO 2
LE FASI DI UNA INDAGINE STATISTICA SI CONVIENE SIANO LE SEGUENTI: DEFINIZIONE DEGLI

OBIETTIVI DELLA RICERCA;
RILEVAZIONE DEI DATI;
ELABORAZIONE
METODOLOGICA;
PRESENTAZIONE ED
INTERPRETAZIONE DEI
RISULTATI; UTILIZZAZIONE
DEI RISULTATI RAGGIUNTI
L’INDAGINE STATISTICA PUÒ ESSERE: CAMPIONARIA O DI TIPO

CENSUARIO
LA MUTABILE È: UN CARATTERE
QUALITATIVO
CONSIDERIAMO LA RELAZIONE Y=F(X), DOVE X È RAPPRESENTATO DALL’INFLAZIONE ED X È LA VARIABILE

Y SONO I TASSI DI INTERESSE NELL’EURO AREA: INDIPENDENTE
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y = -F(X), CALCOLA LA Y SAPENDO CHE F(X) Y = 10; LA RELAZIONE È
= -10 ED INDICA IL TIPO DI RELAZIONE: LINEARE
CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y=-F(X)2, CALCOLA LA Y SAPENDO CHE Y = 100; LA RELAZIONE È

F(X)=-10 ED INDICA IL TIPO DI RELAZIONE: NON LINEARE
LA SOMMATORIA DI TUTTE LE FREQUENZE RELATIVE DI UNA TABELLA DI FREQUENZA È 1

PARI A:
MODULO 3
LA DISTRIBUZIONE DI FREQUENZA È: IL CALCOLO DELLE

FREQUENZE PER CIASCUN
VALORE O CATEGORIA DELLA
VARIABILE
UNA TABELLA A DOPPIA ENTRATA REGISTRA: LA FREQUENZA ASSOLUTA,

CIOÈ QUANTE VOLTE UNA
COPPIA DI MODALITÀ SI
PRESENTA
CONTEMPORANEAMENTE
PER X E PER Y
LA FREQUENZA CUMULATA: PUÒ ESSERE UGUALE ALLA
RELATIVA
PER PRODURRE LA DISTRIBUZIONE DI FREQUENZA PERCENTUALE OCCORRE: MOLTIPLICARE PER 100 LE

FREQUENZA RELATIVE
PER CALCOLARE LE FREQUENZE CUMULATE RELATIVE OCCORRE DIVIDERE: LE FREQUENZE CUMULATE

PER N
QUANDO PARLIAMO DI MATRICE DEI DATI, RELATIVAMENTE AL NUMERO DI COLONNE IL NUMERO DI COLONNE
POSSIAMO DIRE CHE... DIPENDE DAI CARATTERI
OSSERVATI
IL NUMERO DEI CARATTERI IN UNA MATRICE: NON DIPENDE DALLA

NUMEROSITÀ DELLA
POPOLAZIONE
L’ISTOGRAMMA È UNA: MODALITÀ DI

RAPPRESENTAZIONE DELLA
RILEVAZIONE STATISTICA
LE MATRICI SONO COMPOSTE DA: N RIGHE E K COLONNE, CON

K CHE PUÒ ESSERE EGUALE O
DIVERSO DA N
MODULO 4
LE MISURE DI POSIZIONE HANNO L’OBIETTIVO DI: SINTETIZZARE IN UN

SINGOLO VALORE
NUMERICO L’INTERA
DISTRIBUZIONE DI
FREQUENZA PER
EFFETTUARE CONFRONTI NEL
TEMPO, NELLO SPAZIO O
TRA CIRCOSTANZE
DIFFERENTI
LA MODA È UN: INDICE DI TENDENZA
CENTRALE
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1), LA MEDIA 5,66
GEOMETRICA È PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1), LA MEDIA 8,5
ARITMETICA È PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1), LA MEDIANA È 9,5
PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 14; 13; 15; 6; 1;1), LA MODA È 1
PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 2; 2; 14; 13; 15; 6; 1;1), LA 2

MODA È PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (2; 2; 2; 14; 13; 15; 6; 1;1), IL 8
VALORE CENTRALE È PARI A:
CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-2; -2; -2; -14; -13; -15; -6; -1;-1), -1
IL VALORE MASSIMO È PARI A:
SCRIVI LA FUNZIONE EXCEL ED I SIMBOLI DA DIGITARE NELLA CELLA PER CALCOLARE LA (=)MEDIA.GEOMETRICA
MEDIA GEOMETRICA:
MODULO 5
SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE: {- MEDIA ARITMETICA

250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. INDICARE QUALE INDICE DI POSIZIONE
APPARE RAPPRESENTATIVO DELL’INTERA DISTRIBUZIONE:
SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE: {- MODA

250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. INDICARE QUALE INDICE DI
POSIZIONE APPARE RAPPRESENTATIVO DELL’INTERA DISTRIBUZIONE:
SI CONSIDERI LA POPOLAZIONE: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. MODA

INDICARE QUALE INDICE DI POSIZIONE APPARE RAPPRESENTATIVO DELL’INTERA
DISTRIBUZIONE:
LA PROPRIETÀ MOLTIPLICATIVA DEGLI INDICI DI TENDENZA CENTRALE: PERMETTE CAMBIAMENTI DI

SCALA NELL’INDICE
LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA CENTRALE: PERMETTE CAMBIAMENTI DI

SCALA NELL’INDICE
LA PROPRIETÀ LINEARE DEGLI INDICI DI TENDENZA CENTRALE: E’ BASATA SULLA RELAZIONE
DI LINEARITÀ TRA LE
VARIABILI ED I RISPETTIVI
INDICI DI POSIZIONE
LA PROPRIETÀ DI MONOTONICITÀ DEGLI INDICI DI TENDENZA CENTRALE: È BASATA SULLA

COMPARAZIONE TRA LE
VARIABILI ED I RISPETTIVI
INDICI DI POSIZIONE
UNA VARIABILITÀ ALTA IN LUOGO DI UNA VARIABILITÀ BASSA DIMINUISCE LE CAPACITÀ

PREVISIVE DEI MODELLI
STATISTICI
LA VARIANZA SI CALCOLA: PER POPOLAZIONI E

CAMPIONI
LA VARIANZA DEL CAMPIONE È: CALCOLATA CON I DATI DEL

CAMPIONE
RAPPRESENTATIVO DELLA
POPOLAZIONE
MODULO 6
CALCOLA IL RANGE DELLE SEGUENTI OSSERVAZIONI RELATIVE AGLI ERRORI COMPIUTI 29

DA OGNI ALUNNO NEL TEST CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
CALCOLA IL RANGE PARZIALE DELLE SEGUENTI OSSERVAZIONI RELATIVE AGLI ERRORI 12

COMPIUTI DA OGNI ALUNNO NEL TEST CON 30 DOMANDE:
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)CALCOLA IL RANGE PARZIALE DELLE SEGUENTI
OSSERVAZIONI RELATIVE AGLI ERRORI COMPIUTI DA OGNI ALUNNO NEL TEST CON 30
DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
CALCOLA IL RANGE DELLE SEGUENTI OSSERVAZIONI RELATIVE AGLI ERRORI COMPIUTI 12
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)
CALCOLA IL RANGE PARZIALE DELLE SEGUENTI OSSERVAZIONI RELATIVE AGLI ERRORI 7

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)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)
LO SCOSTAMENTO SEMPLICE MEDIO RIGUARDA: LO SCOSTAMENTO DI OGNI
VALORE DELLA
DISTRIBUZIONE DALLA
MEDIA, PRESO IN VALORE
ASSOLUTO
LO SCOSTAMENTO QUADRATICO MEDIO RIGUARDA: LA MEDIA DEGLI SCARTI AL
QUADRATO TRA I DATI E LA
M
UNA VARIABILITÀ PARI AL VALORE 65 IN LUOGO DEL VALORE 80, OTTENUTA PUÒ AUMENTARE LE
ELIMINANDO I VALORI OUTLIER: CAPACITÀ DESCRITTIVE E
PREVISIVE DEL MODELLO
STATISTICO
UNA VARIABILITÀ PARI AL VALORE 80 IN LUOGO DEL VALORE 65, OTTENUTA INDICA CHE È STATO
ELIMINANDO I VALORI OUTLIER: COMMESSO QUALCHE
ERRORE NEI CALCOLI O NEL
PROGRAMMA
LA VARIANZA FORNISCE: LA MISURA SINTETICA DI

QUANTO LE UNITÀ
DIFFERISCONO DALLA MEDIA
ARITMETICA
USANDO LA MEDIANA IN LUOGO DELLA MEDIA NEL CALCOLO DELLA VARIANZA: È BENE ELIMINARE I VALORI
ANOMALI ED ESTREMI
MODULO 7
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
IL RAPPORTO STATISTICO DI COESISTENZA SI OTTIENE: MEDIANTE IL RAPPORTO TRA
LA FREQUENZA DI UNA
MODALITÀ RISPETTO A
QUELLA CORRISPONDENTE
DI UN’ALTRA MODALITÀ
IL RAPPORTO STATISTICO DI COMPOSIZIONE SI OTTIENE: DIVIDENDO IL VALORE
RILEVATO IN UNA DATA
CIRCOSTANZA PER
L’ANALOGO VALORE
RILEVATO PER L’INTERA
POPOLAZIONE
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
COSTRUENDO I NUMERI INDICE DELLA SERIE STORICA DEL FATTURATO PER DUE CAPIRE QUALE DELLE DUE
AZIENDE, VOGLIAMO IN PARTICOLARE: UNITÀ PRESENTA UN
ANDAMENTO MIGLIORE
L’ANNO CON VALORE PARI A 100 NELLA SERIE STORICA DEI NUMERI INDICE È: L’ANNO BASE
IL VALORE DELL’ANNO CON NUMERO INDICE PARI A 100 NELLA SERIE STORICA IL DENOMINATORE NEL
OSSERVATA È: CALCOLO DEL NUMERO
INDICE
MODULO 8
L’INFLAZIONE È: LA DIMINUZIONE DEL

POTERE DI ACQUISTO DELLA
MONETA
L’INFLAZIONE È: L’ AUMENTO DEI PREZZI
LA VARIAZIONE CONGIUNTURALE RIGUARDA IN STATISTICA-ECONOMICA IL IL MESE PRECEDENTE

CONFRONTO CON:
LA VARIAZIONE TENDENZIALE RIGUARDA IN STATISTICA-ECONOMICA IL CONFRONTO L’ANNO PRECEDENTE

CON:
NEL CALCOLO DEL TASSO DI INFLAZIONE CONGIUNTURALE AL DENOMINATORE C’È: L NUMERO INDICE DEI
PREZZI DEL MESE M-1
DELL\'ANNO A ED AL
NUMERATORE IL NUMERO
INDICE DEI PREZZI DEL MESE
M DELL\'ANNO A
NEL CALCOLO DEL TASSO DI INFLAZIONE TENDENZIALE AL DENOMINATORE C’È: IL NUMERO INDICE DEI
PREZZI DEL MESE M
DELL\'ANNO A-1 ED AL
NUMERATORE IL NUMERO
INDICE DEI PREZZI DEL MESE
M DELL\'ANNO A
IL RAPPORTO ANNUO TRA TASSO DI INFLAZIONE E DEFLAZIONE DELL’ANNO X IN UN NON ESISTE

PAESE DETERMINATO:
NEL CALCOLO DEI TASSI DI INCREMENTO TRA T E T-1 AL DENOMINATORE VI È: IL DATO DELL’ANNO T-1
MODULO 9
LA COVARIANZA È POSITIVA QUANDO: X E Y VARIANO
TENDENZIALMENTE NELLA
STESSA DIREZIONE
LA COVARIANZA È NEGATIVA QUANDO: AL CRESCERE DI X LA Y

TENDE A DIMINUIRE MA
NON VICEVERSA
LA COVARIANZA È NULLA QUANDO: X E Y SONO LINEARMENTE

INDIPENDENTI
LA CORRELAZIONE INDICA: IL GRADO DELLA RELAZIONE

TRA VARIABILI, E PER MEZZO
DI ESSA SI CERCA DI
DETERMINARE QUANTO
BENE UN’EQUAZIONE
LINEARE O UN’ALTRA
EQUAZIONE QUALSIASI
DESCRIVANO O SPIEGHINO
TALE RELAZIONE TRA
VARIABILI.
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,8, I VALORI DI UNA VARIABILE: CRESCONO AL DECRESCERE
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,9, I VALORI DI UNA VARIABILE: CRESCONO AL DECRESCERE
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= -0,5, I VALORI DI UNA VARIABILE: TENDONO A CRESCERE AL
DECRESCERE DEI VALORI
DELL’ALTRA, MA IN
MANIERA BLANDA
CON UN COEFFICIENTE DI CORRELAZIONE PARI A R= +0,8, I VALORI DI UNA VARIABILE NON VI È CORRELAZIONE
NELLA CORRELAZIONE SPURIA, SI RILEVA CHE: R VARIA TRA -1 ED 1 E PUÒ

ESSERE ELEVATO, MA LE
VARIABILI NON SONO
LEGATE DA UN RAPPORTO
SERIO DI CAUSALITÀ
MODULO 10
AD UN VALORE ELEVATO DI R CORRISPONDE: IN DIVERSI CASI UN

EFFETTIVO LEGAME TRA I
DUE CARATTERI
AD UN VALORE BASSO DI R CORRISPONDE: IN DIVERSI CASI UN LEGAME

DEBOLE TRA I DUE
CARATTERI QUANTITATIVI
CONSIDERATI
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: UNO DEI DUE CARATTERI
COMPRENDE L’ALTRO
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: I DUE CARATTERI SONO
INFLUENZATI DA
CIRCOSTANZE COMUNI
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: ALTRI FATTORI VARIABILI
INFLUISCONO SU QUELLI
PRESI IN CONSIDERAZIONE
UN TIPICO CASO DI CORRELAZIONE NON REALE COMPORTA CHE: ALTRI FATTORI VARIABILI,
CHE RAPPRESENTANO
CIRCOSTANZE COMUNI
,INFLUISCONO SU QUELLI
PRESI IN CONSIDERAZIONE
R DEVE ESPRIMERE CORRETTAMENTE: IL LEGAME DI
INTERDIPENDENZA
DIVIDENDO IL NUMERO DELLE NASCITE IN UNA COMUNITÀ DURANTE UN PERIODO DI COEFFICIENTE DI NATALITÀ
TEMPO E LA QUANTITÀ DELLA POPOLAZIONE MEDIA DELLO STESSO PERIODO SI
OTTIENE:
DIVIDENDO IL NUMERO DELLE MORTI IN UNA COMUNITÀ DURANTE UN PERIODO DI COEFFICIENTE DI MORTALITÀ
TEMPO E LA QUANTITÀ DELLA POPOLAZIONE MEDIA DELLO STESSO PERIODO SI
OTTIENE:
DIVIDENDO IL NUMERO DELLE MORTI E DELLE NASCITE IN UNA COMUNITÀ DURANTE CORRELAZIONE SPURIA SE
UN PERIODO DI TEMPO RISPETTIVAMENTE PER LA QUANTITÀ DELLA POPOLAZIONE L’ANDAMENTO DELLA
MEDIA DELLO STESSO PERIODO SI PUÒ OTTENERE: POPOLAZIONE NON È
CORRELATO COL NUMERO DI
NATI E MORTI
 LE MEDIE DI POSIZIONE SONO QUELLE:CHE RISULTANO DA

PARTICOLARI ELEMENTI DELLA DISTRIBUZIONE.
 UN RAGAZZO NAPOLETANO,PER PROVARE..TIVOLI.PRESA L’AUTOSTRADA
PERCORRE TRE TRATTI DI LUNGHEZZA DIVERSA:30 KM,70KM,100KM A
VELOCITÀ COSTANTE DI 90KM/H,100 KM/H,130KM/H,QUAL È LA VELOCITÀ
MEDIA?:110,95KM/H.
 A QUANTO CORRISPONDEL L’AREA SOTTO LA CURVA NORMALE TRA Z=0 E
Z=2,1 : 0,4821.
 A QUANTO CORRISPONDE L’AREA SOTTO LA CURVA NORMALE Z=0,80 E
Z=1,95 : 0,1863.
 A QUANTO CORRISPONDE L’AREA SOTTO LA CURVA NORMALE Z=-0,75 E Z=0 :
0,2734.
 A QUANTO CORRISPONDEL L’AREA SOTTO LA CURVA NORMALE TRA Z=0,76
E Z=0 : 0,2764
 A QUANTO CORRISPONDEL L’AREA SOTTO LA CURVA NORMALE TRA Z=0,74
E Z=0 : 0,2704

 DATI DUE EVENTI A E B COSTITUITI DAI PRIMI SEI NUMERI ESTRATTI
DETERMINARE INTERSEZIONE DI A E B: 12;8
 LA VARIANZA DI UNA VARIABILE STATISTICA PUÒ DIVENTARE NEGATIVA?:
MAI.

 LANCIANDO UNA MONETA LA PROBABILITÀ CHE ESCA TESTA È:1/2.

 SE LA MEDIA ARITMETICA DI UN GRUPPO DI OSSERVAZIONI È
NULLA,ALLORA LA VARIANZA: COINCIDE CON IL QUADRATO DELLA
MEDIA QUADRATICA.
 CONSIDERANDO LA SEGUENTE SERIA STORICA (…) QUANTE MEDIE MOBILE
DI VALORE 3 CI SONO:9.
 DATI I SEGUENTI VALORI (…….) DETERMINARE LA MEDIA QUADRATICA:
2,53.
 LANCIANDO UN DADO LA PROBABILITÀ CHE ESCA 5 È:1/6.
 SE LA MEDIA ARITMETICA DI X È UGUALE A 10 E LA VARIANZA DI X È 100,
ALLORA IL COEFFICIENTE DI VARIAZIONE È: 1.
 DATO UN MAZZO DI CARTE LA PROBABILITÀ DI ESTRARRE UN DUE O UN TRE
È UGUALE A: 8/40.
 LA MEDIA ARITMETICA È: SEMPRE COMPRESA TRA IL VALORE MINIMO E
MASSIMO DELLA DISTRIBUZIONE.
 A QUANTO CORRISPONDEL L’AREA SOTTO LA CURVA NORMALE TRA Z=0 E
Z=1,91 : 0,4719
 ASSEGNATI I DATI(17,45,38,27,6,48,11,57,34,22) CALCOLARE IL CAMPO DI
VARIAZIONE: 51.
 PER IL POSTULATO 2 DELLA ASSIOMATIZZAZIONE DEL CALCOLO DELLE
PROBABILITÀ, L’EVENTO CERTO HA PROBABILITÀ: 1.
 .
 LA DIFFERENZA INTERQUARTILE È DATA DALLA DIFFERENZA: TRA TERZO
QUARTILE E PRIMO QUARTILE
 IN UN’ANALISI DI REGRESSIONE, B1 (COEFFICIENTE ANGOLARE)= 1,09627 E B0
(INTERCETTA) = -57,54. LA RETTA INTERPOLANTE È: Y= -57,54 + 1,09627X
 DATI DUE EVENTI A E B COSTITUITI DAI PRIMI 6 NUMERI ESTRATTI DA UNA
URNA CONTENENTE 90 PALLINE NUMERATE A= (87,12,23,8,45,90) E
B=(8,84,41,12,36,17). DETERMINARE A ∩ B. A∩B=(12,8)
 DATI I SEGUENTI VALORI: 87,111,98,100,102,162,70,96,103,109. DETERMINARE
LA MEDIANA (MED) : MED=101
 DETERMINARE MEDIANTE IL METODO DEI MINIMI QUADRATI L’EQUAZIONE
DELLA RETTA DI REGRESSIONE DI Y SU X : Y= -2,69 + 2,44 X
 DATI I SEGUENTI VALORI 1,2,1,3,2,4,3,5,4,3,2,4,4,2,4,3,4,3,2,3. DETERMINARE
LA MEDIA GEOMETRICA: 2,72
 DETERMINARE IL CAMPO DI VARIAZIONE DEL SEGUENTE INSIEME DI
NUMERI: 15,12,7,9,5,4,25,17 : 21
 L’ETÀ MEDIA DI UN GRUPPO DI 10 STUDENTI CHE HANNO APPENA
CONSEGUITO UN DIPLOMA DI…DETERMINARE L’INTERVALLO DI
CONFIDENZA AL 95% PER LA MEDIA DELLA POPOLAZIONE DEGLI
STUDENTI…SAPENDO CHE TALE POPOLAZIONE È DISTRIBUITA
NORMALMENTE CON VARIANZA…: IC= 17,842,26,158
STATISTICA
dati raccolti
elementi successivi
omogenei
semilogaritmica
classe
contingenza
correlazione
box-plot
diagramma circolare
frequenze teoriche
0,466; 0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464.
1,103 1,031 0,939 1,097:1.04
dei voti:82
natura moltiplicati
chiama: Moda
medio
distribuzione
lineare
certezza
C={1,3,5,7,9,10}
A∩B={3,5}
A∩C={1,5}
B∩C={5,9,10}
A∩B∩C={5}
fissato

16 possibi campioni
1-
della varianza
IC=[2,92;3,92]

essere di 6 mg n=31
campionarie è:
campionarie è:

che:

n=751,67
variabile casuale





è pari a:5,66
pari a:8,5
9,5
a:2
outlier:
outlier:
precedente
precedente
dell'anno a
dell'anno a
comprende l’altro
di nati e morti
t-1 sarà: 101,2
t-1 sarà: 102,2
t-2 sarà: 101,2
t-1 sarà: 98,8
t-2 sarà: 94,8
periodi contigui.
Uguale ad 1
un asso: 0,1
figura: 12/40
Nominale
risultato
è: 120
Differiscono
Differiscono
pari a: 0.58
sono: 103, 217, 350, 483
funzione stimata y*
stimatore
tra: 0,23 e 0,27
1
di regressione
inglese
discordanza
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
euro): xi : 10, 18, 23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il
del:Popolazione
espressi in punti z
significativo
significativo
casi






STATISTICA
pari a N-1): 13,22
1/3
media aritmetica
Moda
174,90
13,22
IC=[0,1216;0,2784]
estrazione: 0,2
sia 9: 14/100
INFERIORE A 6: 0.7


comparabilità
delle variabili
variabili.
LE personali


finanziarie
della branca j

Q Presentare

farmaco: 0,75
farmaco: 0,25
stessa tavola
STATISTICA
Domanda Risposta
A
0,3849
TRA Z=0 E Z=1,2:
0,4192
TRA Z=0 E Z=1,4:
0,1828
TRA Z=0,81 E Z=1,94:
CHE:
CONTENUTE:
B
C
DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,2)

DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)

CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)

CON 30 DOMANDE: (2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
1,103
1,04
1,031
0,939
1,097:
22
20, 22,18, 26, 30, 28:
0
1, 4, 7:
23,75
12,6,7,3,15,10,18,5:
4,87
NUMERI: 12,6,7,3,15,10,18,5:
STUDIO
8,5
5,66
9,5
1
8

-1
2
14; 13; 15; 6; 1;1), LA MODA È PARI A:

CLASSI FREQUENZE
10-20 5
20-30 8
34,19
30-40 12
40-50 9
50-60 3




D
0,1
BASTONI:
12/40

IC=[0,1216;0,2784]

16 POSSIBI CAMPIONI



MODA
UNA:
DISPERSIONE
AᴜB={1,2,3,4}
AᴜB:
AᴜBᴜC={1,3,5,7,9,10}
A∩B={3,5}
DETERMINARE A∩B:
A∩B∩C={5}
A∩C={1,5}
DETERMINARE A∩C:
B∩C={5,9,10}
DETERMINARE B∩C:
1/40
SECONDA:
UN ASSO:
8/40
4/10

ESTRAZIONE:

9:

0.7
NON È SIMMETRICA
8,14,16,16,16,21,21:
NATI E MORTI


32KM/H
TRAGITTO:
VALORE ASSOLUTO
E
F
G
H
I
VARIABILE NEL TEMPO
CAMPIONE
POPOLAZIONE
82
DISTRIBUZIONE
DALLA MEDIANA
DISTRIBUZIONE


1
PARI A:
NULLA:
LA DEVIANZA RESIDUA
SE È NULLA:
LINEARE
POPOLAZIONE
DEFINITO VARIABILE
DEFINITI:
DELLE OSSERVAZIONI
NON ESISTE
RIFERIMENTO
E(X+Y)= E(X)+E(Y)
CASUALI):
MINIMI QUADRATI:

UGUALE:

UGUALE:
0,0124
TALE INTERVALLO:
FREQUENZE RELATIVE:
PREVISIONE:


INDIPENDENTE:


J
K
L
L’ANNO BASE
NUMERI INDICE È:
RETTA
UNA:
L’INFLAZIONE È:
MONETA
PERIODO DI TEMPO
STATISTICA
TRA VARIABILI.
DIREZIONE
CURVA NORMALE
DAL FATTO DI AVERE:
DAL FATTO DI AVERE:
LA DEVIANZA È:
QUADRATO

DATI
IL SEGNO EGUALE
STATA OSSERVATA
TOCCARLA
CIOÈ:
DISCRETA:
VALORI REALI È:
FISSATO
XI = MEDIA
CORRISPONDENZA DI:
ESSERE:
STIMATA Y*
OSSERVATI
DEI TERMINI
NATURA MOLTIPLICATI
PERIODI CONTIGUI.
LA MEDIA MOBILE È:
STORICA
LA MEDIANA È:
LA MUTABILITÀ È:
COMPONGONO
LA POPOLAZIONE È:
TRA 0 ED 1
VALORI
INCOMPATIBILI:


CENTRALE:
VARIANZA RESIDUA
MEDIA 58
ALCOLISMO
FARMACO D
FABBRICA” È:
±
VALORE CRITICO:

BIDIREZIONALE

NULLE
UGUALE AD 1
1
MISURAZIONI.

STIMATORE
EQUIPROBABILE
IL MESE PRECEDENTE
L’ANNO PRECEDENTE
VERIFICARE:


A = 2zα/2ơp
PROPORZIONE È:

N È PICCOLO
PIÙ:
CENTRALE
SEGUENTI:
CALCOLANO FACENDO:
RISULTATO
O DIVERSO DA N
ANALITICA
M
ASSOLUTO
M
N
DENOMINATORE VI È:
VOLTE DEL CAMPIONE





0
F
V

DI CAUSALITÀ
103, 217, 350, 483
5 SONO:
0
1
NON SONO SINONIMI
POPOLAZIONE SONO:
O
P
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55, 0,8
NORMALMENTE, È:

32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,

4/10
32, 21, 15, 12, 16, 24, 27 YI : 50, 48, 45, 60, 40, 48, 50, 45, 55,
GRADI È:
OCCORRE DIVIDERE:
P(Ω)=1
XMIN Q1 MED Q3 XMAX
SEGUENTI VALORI:

IL 4% DEI CASI
Q
SERIE DEI DATI:
DIFFERISCONO
DIFFERISCONO
COINCIDONO
COINCIDONO
RIPETIZIONE
ELEVATO, È:
N=31
R
IMPLICANO:
S
.= MEDIA.GEOMETRICA
.=MEDIA
98,8

94,8

101,2

102,2

101,2

STANDARDIZZATA
VIENE MODIFICATA
RADDOPPIA
DEL CHI-QUADRATO:
DEFINIRE Y’ COME:
DEFINIRE X COME:
FREQUENZE TEORICHE
VERA
È FALSA


250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. INDICARE
MEDIA ARITMETICA

250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. INDICARE
MODA
,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. INDICARE
MODA
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
55,97
63-67 22
68-72 20
73-77 11
78-82 4

PESI FREQUENZE
48-52 7
53-57 31
58-62 25
69
63-67 22
68-72 20
73-77 11
78-82 4
PESI FREQUENZE
48-52 7
53-57 31
58-62 25
58-62
63-67 22
68-72 20
73-77 11
78-82 4
LA CLASSE MEDIANA:
SI DEFINISCE STIMA:
CAMPIONE
AL FARMACO:

0,23 E 0,27
COMPRESA TRA:

AL FARMACO:
FARMACO:
NOMINALE
MISURATA SU SCALA:

Z>1,645

Z < -1,96 O Z > 1,96

Z < -2,33

Z < -1,28






DISCRETA
DISTRIBUISCE COME:
INSIEME
IC=[2,92;3,92]
T
FREQUENZE TEORICHE
CHE:
CHE:
0.58

U
120
CHE:
CHE: COMUNI
CHE:
IN CONSIDERAZIONE

IC=[1,1938;1,2062]

INTERVALLO
CAMPIONI
STATISTICI


DELLA VARIANZA:
V
0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,4415
0,440; 0,464.
W
X
Y
Z
La statistica è una disciplina scientifica che trae i suoi risultati dalla raccolta, elaborazione e analisi dei dati.
Essa cerca di arrivare alle leggi generali a partire dalla conoscenza aggregata di tanti casi accomunati da regole e
definizioni, ci offre gli strumenti per organizzare, riassumere e analizzare i dati ottenuti attraverso le nostre
misurazioni.
Si divide in due grandi aree:
1. Statistica descrittiva o deduttiva: cerca di descrivere e analizzare un dato gruppo senza trarre conclusioni
circa un gruppo più grande;
2. Statistica induttiva o inferenziale: se un campione è rappresentativo di una popolazione spesso si possono

inferire dall’analisi del campione importanti conclusioni circa la popolazione.
L’inferenza ha lo scopo di dedurre le caratteristiche dell’intera popolazione a partire dai dati raccolti.
Per ottenere un campione rappresentativo si utilizzano alcuni metodi:

 Campione abbastanza ampio per avere dei risultati generalizzabili;
 Utilizzare una selezione casuale, ossia tutti i substrati della popolazione devono avere la stessa probabilità di
essere selezionati per far parte del campione.
Il campionamento può essere:

1. Stratificato, ossia si divide la popolazione in sottogruppi omogenei e da ciascuno si estrae un campione
casuale;
2. Campionamento a blocchi (cluster), ossia si raggruppa la popolazione in blocchi e si fa un campionamento.
3. Campionamento sistematico, ossia si selezionano un elemento ogni k elementi successivi.
2 L’INDAGINE STATISTICA e 3 LA STATISTICA
Le fasi di un’indagine statistica sono cinque:

1. Piano della rilevazione: riguarda il problema da analizzare;
2. Rilevazione dei dati: si fissa il piano per la raccolta dei dati;
3. Spoglio o classificazione: attraverso tabelle, grafici e disegni;
4. Elaborazione dei dati: mediante operazioni matematiche che sintetizzano i dati;
5. Interpretazione dei risultati: si effettua un’analisi sui risultati e si formula un giudizio.
La rilevazione statistica è il complesso di operazioni rivolte ad acquisire una o più informazioni su un insieme di
elementi oggetto di studio e con riferimento al collettivo da analizzare essi si dividono in globali (censimenti) e parziali
(rilevazioni campionarie).
L’unità statistica è l’unità elementare oggetto di osservazione e di studio e possono essere:

 Unità semplici: persone singole, il lancio di una moneta, il prezzo di un bene;
 Unità composte: gruppi di unità semplici simili (famiglie, aziende, scuole);
 Unità multiple: gruppi di unità semplici diversi ma legate da un vincolo (marito e mogli, altezza e peso di una
persona).
Un insieme di unità statistiche omogenee rispetto ad uno o più caratteri costituisce una popolazione o un collettivo
statistico.
La popolazione può essere:
1. Finita: quando è determinabile il numero di unità;
2. Finita ma non è numerabile: se è composta da un numero così elevato di unità che non possono essere
contati;
3. Infinita: quando la successione delle unità non ha fine (lancio di una moneta).
Per ridurre i costi e i tempi di realizzazione di un’indagine si rileva un campione di dimensione n della popolazione
mediante un opportuno procedimento di scelta (teoria del campionamento).
Un campione può ritenersi rappresentativo se presenta le stesse caratteristiche della popolazione di origine. I caratteri
sono gli aspetti delle unità statistiche (fenomeno oggetto di studio), per ogni carattere c’è bisogno di distinguere le
modalità che è il numero o l’attributo che l’unità statistica manifesta.
Statistica Pagina 1
I caratteri possono essere:
 Quantitativi (variabile) se le modalità sono espresse attraverso una grandezza misurabile o numerabile; La
variabile è la caratteristica che varia tra i partecipanti
 Qualitativi (mutabile) se le modalità sono espresse mediate espressione verbali o attributi.
Le variabili (carattere) possono essere:

 Continue (altezza, temperatura, età, peso) ossia sono quelle capaci di assumere qualsiasi valore contenuto in
un intervallo reale predefinito;
 Discrete quello che ha per modalità i numeri naturali (1,2 etc., lanci di un dado,numeri di figli);
 Trasferibile sono caratteri che si può pensare di cedere tutto o parte dell’ammontare di un’unità statistica ad
un’altra (reddito);
 Non trasferibile sono propri dell’unità e da questa non cedibili ad altre (età, peso, altezza).
Il carattere qualitativo o mutabile può essere:

 Carattere sconnesso quello le cui modalità non presentano un ordine naturale o logico di successione (sesso,
professioni, stato civile);
 Carattere rettilineo quello le cui modalità possiedono un ordinamento sequenziale con una modalità iniziale ed
una finale (titolo di studio,tenore di vita, grado di soddisfazione);
 Carattere ciclico quello le cui modalità presentano un ordine naturale di successione (i giorni della settimana,
le stagioni).
Un procedimento di misurazione di un determinato fenomeno consiste in un insieme di operazioni che assegnano dei
numeri a concetti e variabili su una prefissata scala.
Esistono quattro scale:
1. Scala nominale, le cui modalità sono semplicemente un aggettivo o un nome assegnato individualmente e
non esiste la possibilità di ordinare le modalità (sesso, professione);
2. Scala ordinale le modalità sono ordinabili e la distanza tra le modalità non ha alcun significato (titolo di studio);
3. Scala di intervalli, le modalità costituiscono un insieme numerico ordinato ed ha senso solo effettuare
confronto per differenza tra le modalità. Esse sono quelle scale che assumono uno zero arbitrario
(temperatura, la misurazione può essere effettuata sia in celsius che kelvin),
4. Scala di rapporti, dove esiste uno zero assoluto e si possono definire sia i rapporti che i prodotti.
Si definisce frequenza il numero di volte che una data modalità si presenta nel collettivo di riferimento.
Esistono due tipi di frequenze: frequenza assoluta e relativa.
 Frequenza Assoluta il numero delle volte ni in cui la modalità xi è stata osservata ed è sempre un numero
intero;
 Frequenza Relativa: è il rapporto tra la frequenza assoluta ni ed il totale delle n frequenze. La frequenza
relativa è compresa sempre tra 0 e 1.
fi= ni/n 0≤ fi ≤1
Le frequenze cumulate corrispondenti al valore di xi è la somma delle frequenze assolute o relative dalla prima
modalità fino a comprendere quella di xi.
Frequenze assolute cumulative: Frequenze relative cumulative:
C1= n1 F1=f1
C2= n1 + n2 F2= f1 + f2
E così via E così via
Ck= n1 + n2 +…+ nk Fk= f1 + f2 +…+ fk = 1
La classificazione delle unità statistiche secondo le modalità di uno più caratteri e la conseguente tabellazione dei
risultati, da luogo alle distribuzioni statistiche. Essi possono essere:
1. Distribuzioni di unità: un’elencazione degli attributi con la quale ciascun carattere si presenta;
2. Distribuzione di quantità: se esprime l’intensità di un carattere;
3. Distribuzione di frequenza se esprimono il numero di volte in cui una modalità di un carattere si presenta.
Statistica Pagina 2
Se la variabile statistica presenta numerose modalità è conveniente un accorpamento delle stesse, quindi quando i
dati sono numerosi conviene procedere ad una suddivisione in classi del carattere.
x0 = è la modalità più piccola = xmin xi-1= estremo inferiore della classe xi = estremo superiore della classe
xk = è la modalità più grande = Xmax
La classe è aperta se entrambi gli estremi sono esclusi (-);

La classe è chiusa a sinistra se solo l’estremo sinistro è incluso (I-);
La classe è chiusa a destra se solo l’estremo destro è incluso (-l);
La classe è chiusa se entrambi gli estremi sono inclusi (I-I);
L’ampiezza delle classi è differenza tra estremo inferiore e superiore hi = xi - xi-1
La densità di frequenza è il rapporto tra la frequenza e l’ampiezza della classe di = ni/ hi
Il valore centrale è la semisomma dei due estremi: VCi = (xi+xi-1)/2
La stima dell’ammontare di una classe è il prodotto del valore centrale della classe e della sua frequenza VCi * ni
statura Frequenza ni Ampiezza hi Densità di VC ammontare
Meno di 155 8 5 1.6 152.5 1220
155 I- 160 12 5 2.4 157.5 1890
160 I- 165 26 5 5.2 162.5 4225
165 I- 170 32 5 6.4 167.5 5360
170 I- 175 48 5 9.6 172.5 8280
175 I- 185 7 5 1.4 177.5 1242.5
Oltre 180 6 5 1.2 182.5 1095
139
Per il calcolo del numero minimo di classi si può utilizzare la formula di Sturges
S = 1+ 10/3 log n
n è il numero di frequenze totali
( )
L’ampiezza della classe si calcola considerando il seguente rapporto: w=
5 RAPPRESENTANZE GRAFICHE
Le rappresentazioni grafiche hanno lo scopo di visualizzare le caratteristiche distributive, dinamiche e strutturali delle
distribuzioni, con lo scopo di rendere più intuitive le differenze che esistono tra le modalità.
I dati qualitativi vengono rappresentati graficamente nell’ortogramma o nel diagramma circolare;
I dati quantitativi vengono rappresentati graficamente negli istogrammi o nei Box Plot;
L’ortogramma può essere di due tipi:

 A nastri. Su una retta orizzontale si fissano l’origine e l’unità di misura e sull’asse verticale si pongono tanti
rettangoli (detti nastri) equidistanti e sovrapposti quante sono le modalità del carattere oggetto di studio;
 A colonne. Si invertono gli assi;
I diagrammi circolari (a torta) si utilizza una circonferenza suddivisa in tanti spicchi (settori circolari) con angoli al
centro uguali o proporzionali: alle frequenze assolute o relative; alle quantità;
Per ottenere l’ampiezza in gradi ci dell’angolo al centro di ogni settore circolare, bisogna fare la seguente proporzione:
Statistica Pagina 3
360 : N = ci : ni ci = (ni/N)*360
Dove: N è il totale delle frequenze assolute ni sono le frequenze assolute
Esempio: n1 = 19.7 n2 = 12.4 n3 = 106.7 n4 = 73.8 n5 = 183.4
N = n1+ n2+ n3+ n4 +n5=19.7+12.4+106.7+73.8+183.4=396
c1 =(19.7/396)*360=17.9°
L’istogramma è una rappresentazione grafica di distribuzioni di frequenze le cui modalità sono divise in classi, essi
sono costituiti da una serie di rettangoli contigui posto lungo l’asse delle ascisse.
Bisogna suddividere due casi:

1. Le classi hanno la stessa ampiezza, avremo tanti rettangoli contigui con base uguale e altezza differenti a
seconda della frequenza;
2. Le classi non hanno la stessa ampiezza, avremo tanti rettangoli contigui aventi diversa base uguale
all’ampiezza della classe e altezza uguale alla densità della frequenza.
Box-Plot fornisce informazioni su:

 Scala di misura della variabile statistica;
 Sulla variabilità;
 Simmetria/asimmetria;
 Lunghezza delle code della distribuzione;
 Valori anomali.
Per la costruzione del Box-Plot si utilizzano i seguenti parametri: xmin Q1 Med Q3 xmax
Per il grafico si utilizzano:

 Un rettangolo le cui basi sono parallele ad una scala di misura e uguali a Q 3-Q1 e all’interno del rettangolo
sono contenute il 50% delle osservazioni;
 Una linea posta all’interno del rettangolo che indica la posizione della mediana;
 Due segmenti che partono dai quartili e i cui estremi sono dati dai valori estremi della distribuzione x min e xmax
purché non ci siano valori anomali.
Si ha indipendenza assoluta tra due variabili statistiche se le frequenze osservate sono uguali alle frequenze teoriche.
Lo studio delle relazioni esistenti tra due variabili parte dal concetto di indipendenza. Esistono tre concetti
d’indipendenza: indipendenza assoluta, indipendenza in media e indipendenza correlativa.
Si ha indipendenza se le distribuzioni relative condizionate delle variabili “X” sono invarianti al variare della modalità di
“Y” e viceversa.
° °
Le variabili si dicono connesse se c’è dipendenza e si avrà che le frequenze osservate sono diverse da quelle
teoriche.
° °
𝑛 ≠
La frequenza teorica è il prodotto ciascun totale di righe per il totale di colonne diviso n.
° °
𝑛∗ = frequenza teorica
Si chiamano contingenze la differenza tra le frequenze osservate e quelle teoriche. 𝑐 = 𝑛 − 𝑛∗

La somma delle contingenze di ciascuna riga e di ciascuna colonna sono nulle.
Statistica Pagina 4
Un indice assoluto di connessione è il chi-quadro di Pearson che è un indice simmetrico. Esso si annulla nel caso di
connessione nulla, ossia quando le variabili sono indipendenti. Tale indice rappresenta l’allontanamento dei dati
dall’ipotesi d’indipendenza ma ha un limite poiché dipende da n, quindi se raddoppia n l’indice raddoppia.
Per questo motivo Pearson ha proposto un indice di contingenza quadratico medio, che ci indica la connessione tra i
caratteri.
∅ = indice di contingenza quadratico medio
Max (∅ ) = n∙ [min (r − 1; c − 1)]

∅
Un altro indice relativo di connessione è l’indice di Cramer che varia tra 0 e 1. 𝜑 =
( ; )
2
L’indipendenza assoluta è valutata dal chi-quadrato di Pearson (X ) e possiamo applicarle per: le tabelle di
contingenza (due variabili qualitative), tabelle miste e tabelle di correlazioni (due variabili quantitative).
Esempio: Indice chi-quadrato Frequenze teoriche
X X1 X2 X3 tot 13*22/75=3.813 4.853 4.333 13
Y1 2 4 7 13 25*22/75=7.333 9.333 8.333 25
y Y2 5 14 6 25 37*22/75=10.853 13.813 12.333 37
Y3 15 10 12 37 22 28 25 75
tot 22 28 25 75
2-3.813=-1.813 -0.853 2.667 0
2.333 4.667 -2.333 0

Dalla tabella di contingenza
si evince che la somma
4.147 -3.813 -0.333 0 algebrica delle contingenze
di una riga o di una colonna
0 0 0
Le medie sono misure sintetiche introdotte per valutare aspetti complessi e globali di una distribuzione di un
fenomeno x mediante un solo numero reale costruito in modo da disperdere al minimo le informazioni sui dati originali.
Le medie si dividono:
 Medie razionale sono quelle che risultano dal concorso di tutti valori assunti dalla variabile mediante
un’espressione algebrica e sono definite medie di potenza: media aritmetica, geometrica, armonica e media
quadratica;
 Medie di posizioni risultano da particolari elementi della distribuzione: moda, mediana, quartili.
La media aritmetica è quel valore che se sostituito ai valori osservati x lascia invariata la somma, ed è il rapporto tra
l’ammontare del carattere e il totale delle unità.
∑ 𝑥
𝑥̅ =
𝑛
Le proprietà sono:
1. Internalità: considerata una distribuzione ordinata in senso non decrescente la media è compresa tra il valore
massimo e quello minimo della distribuzione,
2. Traslativa: addizionando o sottraendo una quantità costante per tutti i termini anche la media risulta
addizionata o sottratta;
3. Omogeneità: moltiplicando ogni termine per una costante la media risulta moltiplicata per la costante;
Statistica Pagina 5
4. Associativa: la media generale è uguale alla media ponderata delle medie parziali.
Esempio: Gruppo 1 : 22,23,24 M=23 Gruppo 2 : 26,27,28,29,30 M=28
M = (22+23+24+26+27+28+29+30)/8=26.1 M = (23*3+28*5)/8=26.1
5. La somma algebrica degli scarti dei termini della distribuzione dalla media è uguale a 0.
Per esempio: [9,12,30] Media = 17 scarti della media: 9-17= -8 ; 12-17= -5 ; 30-17= 13
Somma scarti = 13-8-5=0
6. La somma dei quadrati degli scarti dei termini della distribuzione dalla media è un minimo rispetto alla somma
dei quadrati degli scarti dei termini da un qualsiasi valore.
La media geometrica è la radice n-esima del prodotto dei termini (viene usata normalmente quando i diversi valori
vengono per loro natura moltiplicati, esempio tassi di interesse)
𝑀 = 𝑥 ∗𝑥 ∗…∗𝑥 media semplice
La media armonica è il reciproco della media aritmetica dei reciproci termini (è particolarmente usata quando si
mediano i rapporti di tempo).
𝑛
𝑀 =
1
∑
𝑥
Esempio: tre giri di auto ognuno da 20 km, primo giro a 40km/h, secondo giro 20km/h e terzo giro 60km/h
Km totali = 20+20+20=60 (n)
Tempo impiegato=20 + 20 + 20 =++= = =1.83 (∑ )
Velocità media (Mh) = 60/1.83 = 32.78

La media quadratica è data dalla radice quadrata della media aritmetica dei quadrati degli n termini ( è
particolarmente usata se in presenza di valori positivi e negativi e si vogliono eliminare i segni.
∑ 𝑥
𝑀 =
𝑛
Tra le medie sussiste la seguente relazione: x min ≤Mh≤Mg≤ 𝑥̅ ≤Mq≤xmax
8 LE MEDIE DI POSIZIONE
Medie di posizioni: moda, mediana, quartili.

La mediana è quel valore che suddivide la distribuzione, ordinata in senso non decrescente, in due parti, lasciando un
numero uguale di termini a destra e a sinistra del valore mediano. È possibile calcolarla per carattere quantitativi e per
i caratteri qualitativi rettilinei.
La distribuzione per unità se il numero è pari, la mediana coincide con il valore: Med = (Posn/2+Pos(n/2)+1 )/2
Esempio:
( )
Med= = = pos(n)
1 2 3 4 5 6 7 8 9 10 11 12
=23
voto 18 18 20 21 23 23 23 24 25 26 28 30
Statistica Pagina 6
La distribuzione per unità se il numero è dispari, la mediana coincide con il valore che si trova nella posizione:
Med= 𝑃𝑜𝑠
 Le distribuzioni di frequenza si calcolano le frequenze relative cumulate, la mediana corrisponderà al valore
xi associato alla prima frequenza relativa cumulata che comprende 0.5.
Esempio: La mediana è 25.

voto ni fi Fi
18 10 0.1 0.1
20 15 0.15 0.25
23 20 0.2 0.45
25 30 0.3 0.75
26 15 0.15 0.9
27 7 0.07 0.97
30 3 0.03 1
100
 Le distribuzioni in classi individuazione della classe mediana associata alla frequenza relativa cumulata che
comprende il valore 0.5
( )( . )
Med=xi-1+ per individuare la mediana in una classe
Xi-1= limite inferiore classe mediana; Xi - Xi-1 = ampiezza classe mediana
Fi-1= frequenza relativa cumulata prima della classe mediana Fi = frequenza rel. cumulata classe
mediana
Esempio:
statura ni fi Fi
Meno di 155 20 0.244 0.244

La classe mediana è 155 I- 165 poiché la frequenza cumulata che
155 I- 165 30 0.365 0.609 comprende 0.5 è questa
165 I- 177 12 0.146 0.756 Ora si calcola la mediana e si va ad inserire nella formula i valori:
177 I- 180 15 0.183 0.939 ( )( . ) ( )( . . )
Med=xi-1+ =155+ =162.01
. .
Oltre 180 5 0.061 1
82
Quartili
Il primo quartile corrisponde a quel valore che lascia alla sua sinistra il 25% delle osservazioni, mentre lascia alla sua
destra il 75% delle osservazioni.
Il secondo quartile corrisponde alla mediana.
Il terzo quartile corrisponde a quel valore che lascia alla sua sinistra il 75% delle osservazioni, mentre lascia alla sua
Statistica Pagina 7
Anche in questo caso distinguiamo tre casi: distribuzioni di unità, distribuzione di frequenza e distribuzioni in classi.
La formula per calcolare i quartili è la seguente: Q 1= Q3=
La moda è la modalità a cui corrisponde la massima frequenza. Quindi può essere calcolata quando si ha una
distribuzione di frequenze. Poiché non richiede calcoli si può parlare di moda per qualunque tipo di carattere. Se la
variabile statistica è divisa in classi e le classi hanno diversa ampiezza, è necessario calcolare la densità di frequenza.
L’intervallo corrispondente alla più grande densità di frequenza è quello dentro il quale cade la moda.
Voto ni
statistica
18 3
20 2
La moda è 23.
23 4
25 1
26 2
28 2
30 1
15
Se invece vogliamo trovare la moda in una classe, bisogna calcolare la densità della classe, la classe con la densità
maggiore è la classe modale, la moda invece corrisponderà al valore centrale della classe.
9 LA VARIABILITA’
La variabilità è l’attitudine di un fenomeno quantitativo ad assumere differenti modalità. Si distinguono due aspetti
della variabilità:
 La dispersione che caratterizza il maggiore o minore addensamento delle osservazioni rispetto ad un valore
che dovrebbe essere compreso tra il valore più piccolo e più grande della distribuzione e potrebbe coincidere
con un termine della distribuzione;
 La disuguaglianza si ha quando la variabilità si riferisce alle differenze tra le modalità.
Le proprietà degli indici di variabilità sono:

 Uguali a zero se tutti i termini della  Aumentare quanto maggiore è il grado di
distribuzione sono uguali; diversità;
 Positivi se vi è variabilità;
 Non modificarsi nel caso in cui tutte le modalità vengono aumentate o diminuite per una costante (invarianza
per trasformazione).
Gli indici di variabilità assoluta sono espressi nella stessa unità di misura delle unità statistiche e si dividono in:
 Indici di dispersione: devianza, varianza, scarto quadratico medio;
 Intervalli di variazione: campo di variazione e differenza interquartile.
La devianza è una misura di variabilità di una distribuzione. È data dalla somma degli scarti della media aritmetica al
quadrato, ossia scarto di una media al quadrato per il numero di frequenze + scarto di una nuova media al quadrato,
etc. Esso è il numeratore della varianza.
Dev (x)=∑ (𝑥 − 𝑥̅ )2
Statistica Pagina 8
La varianza è definita come la media aritmetica del quadrato degli scarti della media diviso n, esso ci fornisce la
misura sintetica di quanto le unità differiscono dalla media.
∑ ( ̅)
𝝈2= oppure può essere calcolata come la differenza di due medie al quadrato 𝝈2=𝑴𝟐𝒒 − 𝒙𝟐
𝒏
Lo scarto quadratico medio o deviazione standard è il più utilizzato tra gli indici di variabilità e non è altro che la
∑ ( ̅)
radice quadrata della varianza. 𝝈=
𝒏
2
Voto(xi) ni Xi*ni Xi-media(𝑥̅ ) (xi-media) x n1
18 10 180 -5.59 312.481 x=2359/100=23.59 Media
20 15 300 -3.59 193.3215

Dev(x)=∑ (x − x)2=864.19
23 20 460 -0.59 6.962
σ2=864.19/100=8.6419 (varianza)
25 30 750 1.41 59.643
σ = √8.6419=2.9397 scarto
26 315 390 2.41 87.1215
quadratico medio o deviazione
27 7 189 3.41 81.3967 standard
30 3 90 6.41 123.2643
100 2359 864.19
Intervalli di variazione
Il campo di variazione è la differenza tra il valore massimo e quello minimo della distribuzione. La sua utilizzazione è
molto limitata poiché è influenzata dai valori anomali.
ω =xmax - xmin
Differenza interquartile è data dalla differenza tra il terzo e il primo quartile. Q=Q3-Q1
Il Box-Plot consente con un colpo d’occhio di valutare:
 Il valore della tendenza centrale;
 La dispersione che dipende dall’ampiezza del rettangolo;
 La simmetria se i dati sono simmetrici;
 L’asimmetria nelle distribuzioni asimmetriche positive e negative
Indici di variabilità relativa sono indipendenti dall’unità di misura e permettono di fare confronti.
Il coefficiente di variazione CV = ||
è espresso generalmente in termini percentuali, e consente di effettuare
confronti fra diverse distribuzioni per fenomeni omogenei.
Anche per i caratteri qualitativi esiste un concetto simile alla variabilità ossia la mutabilità.
La mutabilità è l’attitudine di un fenomeno qualitativo ad assumere diverse modalità. Esempi di indici di mutabilità
sono: indici che misurano l’omogeneità e per negazione l’eterogeneità.
Un insieme si dice omogeneo rispetto ad un carattere se tutte le unità presentano la stessa modalità, per contro se le
unità statistiche tendono a distribuirsi in maniera uniforme si parlerà di insieme eterogeneo.
Un indice di eterogeneità assai facile da calcolare è l’indice del Gini.
Statistica Pagina 9
IE=1-∑ ( )2 Ossia 1 meno le sommatorie delle frequenze relative al quadrato
Si annulla quando il collettivo è omogeneo
a a …. a …. a a
1 2 i j k
0 0 …. n … 0 0
IE=0 min(IE)=1-( )2=0 Quando l’indice è compreso tra 0 e 1 il collettivo è eterogeneo.
max (IE)=
Un indice normalizzato compreso tra 0 e 1, utile per il confronto tra due distribuzioni si ottiene raddoppiando IE con il
suo massimo
∑ ( )
IEk =
Esempio: si considera un collettivo di 100 addetti secondo l’attività di lavoro e il titolo di studio
2
ni fi Fi
chimico 40 0.4 0.16 IE=1-∑ ( )2 IE=1-0.36=0.64
meccanico 40 0.4 0.16 . .

IE = = =0.964
trasporto 20 0.2 0.04
100 1 0.36
ni fi F i2
L.elem 10 0.1 0.01

IE=1-0.34=0.66
L.med 20 0.2 0.04
. .
IE = = =0.88
diploma 50 0.5 0.25
Quindi il carattere lavoro è più eterogeneo del titolo di studio. laurea 20 0.2 0.04
100 1 0.34
10 INDICI DI FORMA
Per sintetizzare una distribuzione si possono utilizzare anche gli indici di forma. Essi sono indici descrittivi che
mettono in evidenza ulteriori aspetti della variabilità di un fenomeno, ossia: l’asimmetria e la curtosi.
L’asimmetria:
Una frequenza si dice simmetrica se le modalità equidistanti dalla mediana presentano la stessa frequenza (assoluta
o relativa), cioè se x’ e x” sono tali che: I x’- Med I = I x”- Med I
E le loro frequenze sono n’= n”
Statistica Pagina 10
Esempio:
xi ni
1 8 La mediana è 3 e le frequenze delle

modalità equidistanti dalla mediana sono
uguali.
2 12
3 10
4 12
5 8
50
Nel caso di una distribuzione simmetrica, il suo grafico è simmetrico rispetto alla mediana. Se una distribuzione
unimodale è simmetrica la moda, la media e la mediana coincidono.
Tenuto conto che la mediana (centro di simmetria) è un valore interno alla moda e alla media, si ha che se una
distribuzione non è simmetrica si possono avere diverse situazioni:
Asimmetria positiva: Mo< Med < 𝑥̅ Vi è un maggiore addensamento dei dati in corrispondenza dei dati osservati in
corrispondenza dei valori più bassi: ramo destro della curva
Asimmetria negativa se: 𝑥̅ < Med < Mo
Distribuzione simmetrica: Med-Q1=Q3-Med
Distribuzione asimmetrica positiva: Med-Q1<Q3-Med
Distribuzione asimmetrica negativa: Med-Q1>Q3-Med
𝑄 𝑄 −2𝑀𝑒𝑑
Per calcolare l’indice di asimmetria si fa: AS = 1+ 3
𝑄3−𝑄1
Si ha In ]0,1] in caso di simmetria positiva Si ha In [−1,0[ in caso di simmetria negativa
AS=0 simmetria
Esempio: calcola AS
Peso ni fi Fi La classe modale è 65 I- 70
55 I- 60 12 0.12 0.12 ( )( . ) ( )( . . )
Med = 𝑥 + = Med = 65 + . .
=
60 I- 65 14 0.14 0.26
∗ . ∗ .
65 + =65+ . =65+4=69
.
65 I- 70 30 0.3 0.56 Il primo quartile ha classe 60 I- 65 perché ha il valore 0.25
Il terzo quartile ha classe 70 I- 75 perché ha il valore 0.75
70 I- 75 24 0.24 0.80
( )( . ) ( )( . . )
Q1= 𝑥 + = 60 + =64.64
75 I- 80 10 0.1 0.90 . .
( )( . ) ( )( . . )
80 I- 85 9 0.09 0.99 Q3= 𝑥 + = 70 + =73.96
. .
85 I- 90 1 0.01 1 . .
AS = =
.
=0.0644
100 1
Uno degli indici di asimmetria più noto è il Skewness del Pearson, che esprime i il grado di simmetria di una
distribuzione unimodale come differenza tra la media aritmetica e la moda, tutto diviso la deviazione standard
γ=
Se 𝛾 > 0 la distribuzione è asimmetrica positiva.
Se 𝛾 < 0 la distribuzione è asimmetrica negativa.
Un altro indice è il momento centrale di ordine r rispetto alla media aritmetica.
∑ ( ̅)
𝜇̅ =
Altro indice è il coefficiente di Fischer - Pearson
La curtosi
Data una distribuzione unimodale simmetrica si vuole valutare il suo scostamento rispetto ad un modello teorico di
riferimento normale o Gauss.
La forma della distribuzione è campanulare.

Non tutte le distribuzioni simmetriche a forma di campana sono normali ma possono verificarsi due scostamenti:
 Ipernormale (leptocurtica) la forma della distribuzione è più allungata.
 Iponormale (platicurtica) la forma della distribuzione è più appiattita.
Per misurare il grado di disnormalità di una distribuzione viene impiegato il coefficiente di curtosi di Pearson.
𝛾 = 𝜇̅ 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 4° 𝜎 𝑞𝑢𝑎𝑑𝑟𝑎𝑡𝑜 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛
𝛾 = 3 𝑐𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝛾 < 3 𝑖𝑝𝑜𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝛾 > 3 𝑖𝑝𝑒𝑟𝑛𝑜𝑟𝑚𝑎𝑙𝑒

La curtosi quindi rappresenta lo schiacciamento della campana della distribuzione.
L’indipendenza in media la possiamo verificare:

 Per una tabella mista (1 variabile quantitativa e 1 qualitativa);
 Tabella di correlazione (entrambe le variabile quantitative).
L’indice che useremo per verificare l’indipendenza in media è il rapporto di correlazione.
Si supponga di avere una distribuzione doppia di una variabile Y quantitativa e di una variabile X che può essere sia
quantitativa che qualitativa. Esiste indipendenza in media tra due variabili se e solo se si verifica la seguente
condizione:
Medie parziali uguali tra loro = Media generale
Indipendenza in media di Y da X. Indipendenza in media di X da Y.
𝑦1=𝑦2=….=𝑦r=𝑦 𝑥̅ 1=𝑥̅ 2=….=𝑥̅ r=𝑥̅
L’indice relativo di dipendenza in media è il rapporto di correlazione di Pearson. Esso è uguale al rapporto della
devianza Between e la devianza di Y:
( ) ∑ ( ) ∗
∑ ̅ ∗
𝑛 = = ∑
𝑛 = ∑ ( )
( ) ∗ ∗
Proprietà
0≤ 𝑛 ≤1
𝑛 = 0 𝑖𝑛𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑧𝑎 𝑖𝑛 𝑚𝑒𝑑𝑖𝑎
𝑛 = 1 𝑝𝑒𝑟𝑓𝑒𝑡𝑡𝑎 𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑧𝑎 𝑖𝑛 𝑚𝑒𝑑𝑖𝑎
𝑛 ≠𝑛 non è una misura simmetrica
Esempio:
reddito
13 21 31 43
∗ ∗ ∗ ∗
𝑦1= =23.5
titolo 10-16 17-25 26-36 37-49
∗ ∗ ∗ ∗
𝑦2= =31.33
Diploma 4 6 5 1 16
∗ ∗ ∗ ∗
𝑦3= =16.09
Laurea 0 2 5 2 12
∗ ∗ ∗ ∗
Altro 16 4 2 0 22 𝑦= =22.12
20 12 15 3 50
yj n*j (yj-𝑦)2*n*j
𝑦i ni* (𝑦i-𝑦)2*ni*
13 20 1663.49
23.5 16 30.47
21 12 15.05 𝑛 =
( )
=
∑ ( ) ∗
=
.
=0.44
31.3 12 1011.27 ( ) ∑ ∗ .
31 15 1182.82 Si ha una debole ma non trascurabile dipendenza

16.09 22 799.94 in media tra le due variabili
43 3 1307.92
1841.68
4169.28
L’indipendenza correlativa va analizzata attraverso una tabella di correlazione (entrambe le variabili quantitative) e
l’indice che useremo è il coefficiente di correlazione.
Si ha concordanza tra due variabili se a valori più piccoli di X corrispondono in media valori più piccoli di Y e a valori
più grandi di x corrispondono in media valori più grandi di y. Nel caso contrario si ha discordanza.
La codevianza e la covarianza sono misure di concordanza tra x e y.
La codevianza è la somma dei prodotti degli scarti dei due caratteri x e y ossia:
Cod (X,Y)= ∑ (𝑥 − 𝑥̅ ) (𝑦 − 𝑦) 𝑜𝑝𝑝𝑢𝑟𝑒 ∑ 𝑥 𝑦 − 𝑛𝑥𝑦
La covarianza è la codevianza diviso n: In caso di distribuzione doppie la covarianza è:
( , )
Cov (X, Y)= ∑ 𝑥 𝑦 − 𝑛𝑥𝑦 Cov (X, Y)=
Le proprietà della covarianza e la codevianza sono:

 Positive se prevalgono i prodotti degli scarti concordi;
 Negative se prevalgono i prodotti degli scarti discordi;
 Misure simmetriche;
 La loro unità di misura è data dal prodotto dell’unita di misura di x e y.
Per misurare la concordanza o la discordanza tra le due variabili si utilizza il coefficiente di correlazione lineare di
Bravis Pearson che fornisce una misura del grado di correlazione lineare reciproca che esiste tra le due variabili x e y.
( , )
r= Il coefficiente è un numero puro che varia tra –1 e 1 ed ha il segno algebrico della
( ) ( )
codevianza.
Esempio: calcolare il coefficiente di correlazione:
X Y Si calcolano gli scarti delle medie
63 55 X-M Y-M
70 54 Media X=60 3 2.2

Media Y=52.8
52 46 10 1.2
65 60 -8 -6.8
50 49 5 7.2
totale 300 264 -10 -3.8
La somma dei quadrati degli scarti risultano la devianza

di x e y, mentre il prodotto degli scarti risulta la
Si calcolano le devianze la codevianza codevianza.
2 2
(X-MEDIA) (Y-MEDIA) (X-MEDIA)*(Y-MEDIA)
DEV (X)=298
9 4.84 6.6 DEV (Y)=118.8
COD (X,Y)=147
100 1.44 12 L’indice di correlazione quindi sarà:
64 46.24 54.4 ( , )
r= ( )
= = 0.78
( ) √ ∗ .
25 51.84 36
100 14.44 38
298 118.8 147
E’ possibile stabilire quindi la seguente gerarchia tra i tre concetti d’indipendenza:
Indipendenza statistica►indipendenza in media►indipendenza correlativa
La regressione ha lo scopo della di ricerca di un modello atto a descrivere la relazione esistente tra una variabile
indipendente X e una dipendente Y. Si sceglie come variabile indipendente la variabile antecedente rispetto all’altra.
In un modello di regressione le variabili esplicative spiegano, prevedono, simulano, controllano la variabile

dipendente.
La regressione è rappresentata attraverso una retta di regressione nella seguente espressione analitica:
𝑦 =bo+b1xi (bo e b1 sono coefficienti di regressione; b0 l’intercetta della retta sull’asse y ; b1 coefficiente angolare)
Mediante il metodo dei minimi quadrati si trova la retta migliore, ossia quella che rende quanto più piccola i residui.
( , ) ∑ ( ̅ )( )
b1= ( )
= ∑ ( ̅)
b0=𝑦 − 𝑏 𝑥̅ 𝑦 = 𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚𝑒𝑡𝑖𝑐𝑎 𝑑𝑖 𝑦

La codevianza determina il segno del coefficiente di regressione:
se la codevianza è positiva la retta di regressione è crescente Cod(X,Y)>0 b1>0
se la codevianza è negativa la retta di regressione è decrescente Cod(X,Y)<0 b1<0
se la codevianza è 0 la retta è parallela all’asse x Cod(X,Y)=0 b1=0
Le proprietà della retta sono:

 È l’unica retta che minimizza la somma dei quadrati dei residui.
 La retta passa per la media di x e la media di y come centro di gravità.
 La somma dei residui è 0.
 La somma dei valori osservati e i valori teorici presentano la stessa media.
 Il coefficiente angolare indica la variazione di y in corrispondenza di una variazione unitaria di x.
Una volta calcolata la retta di regressione bisogna determinare il grado di adattamento che esiste tra i valori osservati
e i teorici.
La devianza della variabile di Y sarà uguale alla somma della devianza di residua + la devianza di regressione.
Dev (Y)= ∑ (𝑦 − 𝑦)2
Dev (Y)= ∑ (𝑦 − 𝑦)2+∑ (𝑦 − 𝑦)2

La devianza di residua misura il grado di dispersione dei punti osservati intorno alla retta di regressione. È nulla
quando non c’è dispersione e tutta la variabilità y è attribuibile alla dipendenza lineare della X.
La devianza di regressione è quella parte della variabilità di Y che viene spiegata dalla relazione lineare. È nulla se i
valori teorici coincidono con la media della Y.
Il grado di adattamento è definito dal coefficiente di determinazione lineare ed è dato dal rapporto tra la devianza di
regressione e la devianza totale. Esso misura quanta parte della variabilità totale è spiegata dalla regressione e
assume valori compresi tra 0 e 1.
( ) ∑ ( ) ∑ ( )
R2= =∑ oppure R2=1 - ∑
( ) ( ) ( )
0≤𝑅 ≤1
2
R =0 la devianza regressione è nulla, i valori teorici sono tutti costanti e pari al valore medio della Y.
2
R =1 la devianza residua è nulla, per cui la variabilità di Y è spiegata totalmente dalla variabile X.
Due variabili sono interdipendenti quando non si può individuare un carattere antecedente all’altro.
La correlazione misura il grado di concordanza e discordanza tra due variabili attraverso il coefficiente di correlazione
lineare di Bravis - Pearson.
( , )
r= ( ) ( )
Il coefficiente che è un numero puro che varia tra -1 e 1 ed ha il segno algebrico della codevianza.
r = -1 vi è perfetta correlazione lineare, vi è discordanza le due rette di regressione coincidono.

-1 < r <0 discordanza
r = 0 non vi è correlazione lineare,le rette sono parallele agli assi.
0 < r <1 concordanza
r = 1 vi è concordanza, vi è perfetta correlazione lineare, le due rette di regressione coincidono.
La correlazione non è equivalente di dipendenza.

La correlazione è molto sensibile agli outliers.
13 ELEMENTI DI CALCOLO DELLE PROBABILITA’
Un esperimento casuale (E) può essere considerato come una operazione il cui risultato non può essere previsto con
certezza. L’insieme di tutti i possibili risultati connessi all’esperimento è detto spazio campionario e viene indicato con
Ω.Lo spazio degli eventi è definito dalla classe di tutti i sottoinsiemi dello spazio campionario.
Concetti degli insiemi
 Unione: dati due eventi A e B si indica con A ∪ B l’insieme degli elementi che stanno in A o in B o in
entrambi.
 Intersezione: dati due eventi A e B si indica con A ∩ B l’insieme degli elementi che stanno in A o in B.
Esempio: A ={1,2,3} B={2,3,4} A ∩ B = {2,3}
 Negazione di eventi: l’insieme degli elementi non inclusi in A è denominato complemento o negazione di A e
si indica con 𝐴̅. La negazione dell’evento a riguarda tutti gli eventi di una prova escluso l’evento A.
 Eventi disgiunti (incompatibili o mutualmente esclusici):due elementi si dicono disgiunti se non contengono
elementi comuni (non possono verificarsi contemporaneamente) A ∩ B = ∅ insieme vuoto.
 Partizione: si definisce partizione di un insieme D quell’insieme costituito dalle parti non vuote, disgiunte la cui
unione è l’insieme D. A1 ∪ A2 ∪ A3 = D
Nella storia sono state proposte diversi impostazioni di pensiero sul concetto di probabilità: classica, frequentista,
soggettivista e assiomatica di Kolmogorov.
1. Classica (Laplace, 1750)
P (A) =
Questa definizione parte dal presupposto che tutti gli eventi abbiano la stessa probabilità di verificarsi. Può essere
applicabili solo a prove con numero finito di casi possibili.
2. Frequentista (Von Mises, 1934)
Prende le mosse dal fatto che ripetendo numerose volte un esperimento nelle stesse condizioni, la frequenza relativa
di ciascun risultato tende a stabilizzarsi intorno ad un valore centrale al crescere delle prove (postulato empirico del
caso).
P (A) = lim → = lim → 𝑓 fa = frequenza relativa
Si osservi che:
𝑓 = frequenza relativa dell’evento a verificatosi k volte su n prove.
0≤ 𝑓 ≤ 1
𝑓 = 1 𝑠𝑒 𝑒 𝑠𝑜𝑙𝑜 𝑠𝑒 𝐴 𝑠𝑖 è 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑜 𝑠𝑒𝑚𝑝𝑟𝑒; 𝑓 = 0 𝑠𝑒 𝑒 𝑠𝑜𝑙𝑜 𝑠𝑒 𝐴 𝑛𝑜𝑛 𝑠𝑖 è 𝑚𝑎𝑖 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑜

3. Assiomatica (Kolmogorov, 1933)
Kolmogorov definì tre assiomi:

 Ad ogni evento A corrisponde una probabilità P(A), che soddisfa la seguente disuguaglianza: 0 ≤ 𝑃(𝐴) ≤ 1
Positività.
 La probabilità dell’evento certo Ω =1 Certezza.
 P (⋃ 𝐴 )=∑ (𝐴 )
Probabilità totale
Più eventi A, B e C si dicono incompatibili quando il verificarsi di uno esclude il verificarsi degli altri.
Dati A e B due eventi incompatibili di probabilità P (A) e P (B), la probabilità di realizzazione di uno o dell’altro evento
è uguale alla somma delle due probabilità dei due eventi.
P (A ∪ B) = P(A) + P (B) Principio delle probabilità totali
Se gli eventi A e B non sono mutualmente escludendosi, la probabilità che il verificarsi l’uno o l’altro evento è:
P (A ∪ B) = P(A) + P(B) − P(A ∩ B)
Probabilità condizionata
Dato uno spazio Ω e due eventi A e B compatibili fra loro, si suppone che il secondo evento (B) sia quello
condizionante e si vuole conoscere la probabilità del verificarsi di A.
( ∩ )
P (A I B) = ( )
𝑐𝑜𝑛 𝑃(𝐵) > 𝑂
Analogamente, la probabilità condizionata di B dato che si è verificato A è:
( ∩ )
P (B I A) = ( )
𝑐𝑜𝑛 𝑃(𝐴) > 𝑂
Probabilità composta
Dalla probabilità condizionata si deduce che, dati due eventi A e B, la probabilità del contemporaneo verificarsi di A e
B è pari a:
P(A ∩ B) = P (A I B) 𝑃(𝐵) = P(B I A) 𝑃(𝐴) dalle formule inverse della probabilità condizionata.
Nel caso in cui esista indipendenza, ossia il verificarsi di un evento non altera la probabilità del verificarsi dell’altro si
ha:
P (A I B) = 𝑃(𝐴) P (B I A) = 𝑃(𝐵)
Quindi l’espressione che esprime la probabilità del contemporaneo verificarsi di due eventi è:
P(A ∩ B) = 𝑃(𝐴) • 𝑃(𝐵)
Teorema della probabilità assoluta
Siano H1,..,Hn eventi mutualmente incompatibili che costituiscono una partizione di Ω. Per ogni A∈ Ω si ha:
P (A)=∑ 𝑃(𝐻 )𝑃(𝐴 | 𝐻 )

Si considera un esperimento casuale E con uno spazio campionario Ω e sia Y lo spazio degli eventi.
Sia X una funzione che assegni un numero reale X (A) ad ogni evento, allora X(.) è chiamata variabile casuale (v.c.).
I valori di una variabile casuale sono incerti e di conseguenza v.c. X è sempre accompagnata dalla sua funzione di
probabilità P(X) che esprime la probabilità con la quale v.c. X può assumere i suoi diversi valori.
Le variabili casuali possono essere:
 Discrete: se la v.c. assume un numero finito o un’infinità numerabile di valori;
 Continue: è una variabile che può assumere tutti i valori appartenenti ad un intervallo (a,b).
Le v.c. sono indicate con lettere maiuscole(X) ed i valori assunti da X con lettere minuscole (x).
Una variabile casuale discreta è definita dal seguente prospetto:

𝑥 ,….𝑥 …., 𝑥
𝑝 , … 𝑝 , … , 𝑝 valori di X e probabilità
P (X = xi) = pi ∑ 𝑝 =1
L’insieme delle coppie (xi e pi) con i = 1, …. , n è detta distribuzione di probabilità di X. La funzione p i definisce la
funzione di probabilità della v.c. X.
Essa soddisfa le seguenti condizioni:
1. pi ≥0 per ogni i=1,…,n positività
2. ∑ 𝑝 = 1 certezza
Esempio: si lancino 2 dadi e si definisca la v.c. X come somma dei punti ottenuti dai 2 dadi.
eventi v.c. X pi
1 1 2 0.03 pi =
1 2
3 0.06
2 1
In questo caso il numero di combinazioni totali è 36
1 3
2 2 4 0.08
Graficamente sarà rappresentato attraverso un
3 1 istogramma dove sulle x avremo la v.c. e sulle
ordinate la pi
1 4
2 3
5 0.11
3 2
4 1
Così via fino a 12
Totale 1
In alcuni casi può essere utile trovare la probabilità che una v.c. X assuma valori uguali o inferiori a xi e si utilizza la
seguente formula:
P (X ≤ xi)=∑ 𝑝 indicata con F(x)
F (x) è definita funzione di ripartizione o funzione di distribuzione cumulata. E gode delle seguenti proprietà:
1. 𝑙𝑖𝑚 → 𝐹(𝑥) = 0
2. 𝑙𝑖𝑚 → 𝐹(𝑥) = 1
3. P (X = xi) = F (xi) – F (xi-1) = p1
4. È una funzione a gradini non decrescente
Una variabile casuale continua
Lo spazio campionario Ω associato ad un esperimento casuale è infinito o finito non cumulabile.
Una v.c. continua che assume valori in un certo intervallo R esteso anche a tutto l’asse reale R, è definita se esiste
una funzione f(x) tale che per ogni (a,b) ∈ R si abbia:
P (a ≤ X ≤ b) = ∫ 𝑓(𝑥)𝑑𝑥 per ogni (a,b) ∈ R
La funzione f (x) viene chiamata densità di probabilità della v.c. X (f.d.p) se e solo se:
1) f (x) ≥ 0 positività 2) ∫ 𝑓(𝑥)𝑑𝑥 = 1 certezza
inoltre P (X = x0) = ∫ 𝑓(𝑥)𝑑𝑥 =0
Il valore atteso del caso discreto è il seguente: E (X) = μ = ∑ 𝑥𝑝
Il valore atteso del caso continuo è il seguente: E(X)=∫ 𝑥 ⋅ 𝑓(𝑥)𝑑𝑥
Le proprietà del valore atteso:

 Se a è una costante reale E (aX) = aE (X)
 Se a è una costante reale E (a+X) = a + E (X)
 Se X e Y sono due v.c. E (X+Y) = E (X)+ E (Y)
 Se a e b sono costanti reale E (aX + bY) = aE (X) + bE (Y)
2 2 2
 Se a è una costante reale E ((aX) ) = a E (X )
La varianza del caso discreto: Var(X)=ρ2=∑ 𝑥 ∙ 𝑝 − [𝐸(𝑋)]2
La varianza del caso continuo: Var(X)= ∫ [𝑥 − 𝐸(𝑋)] 𝑓(𝑥)𝑑𝑥
Le proprietà della varianza
Se X è una v.c. a e b sono due costanti reali allora :
Var (aX + b) = a2Var (X)

Se X e Y sono due v.c. ed a e b sono due numeri reali allora:
Var (aX ± bY) = a2Var (X)+b2Var (Y)± 2ab∙Cov (X, Y)

Dove :
Cov (X, Y) = {[𝑋 − 𝐸(𝑋)][𝑌 − 𝐸(𝑌)]}

15 PRINCIPALI DISRIBUZIONI DI PROBABILITA’
Distribuzioni di probabilità discrete
1.Distribuzione uniforme discreta: una v.c. X assume valori in un insieme formato dai primi n numeri interi segue una
distribuzione uniforme discreta se la sua funzione di probabilità è data:
P (X = xi) = i = 1,….,n
X assume un numero finito di valori, tutti gli eventi hanno uguale probabilità di verificarsi, la v.c. uniforme non presenta
moda ed è simmetrica intorno alla media. Inoltre valgono le seguenti condizioni:
P (X = xi) = ≥0 ∑ 𝑃 (𝑋 = 𝑥 )𝑛 ⋅ = 1 Inoltre: Il valore atteso E (X) = Var (X) =
2.Distribuzione di Bernoulli: una v.c. X ha distribuzione di Bernoulli con parametro p ( compreso nell’intervallo
chiuso 0,1) se e soltanto se la sua distribuzione di probabilità è data:
x 1-x
P (X = x) = p (1-p) x=0,1 0≤𝑝 ≤ 1 X≈B(1,p) Inoltre: E (X) = p Var (X) = pq
Bernoulli è associato ad un esperimento casuale i cui risultati sono classificati in due categorie ( esempio: vero e
falso) assegnando valori 1 e 0 rispettivamente con probabilità p e q (q=1-p)
3.Distribuzione Binomiale: una v.c. ha una distribuzione binomiale con parametri n (numero intero positivo)
e p (compreso nell’intervallo 0 , 1 ) se e soltanto se la sua distribuzione di probabilità è data da:
n-x
P (X = x)= 𝑝 (1-p) x = 1,2,…., n X ≈ B(n,p)
Inoltre.
E (X) = np Var (X) = npq la distribuzione binomiale è la somma di n v.c. indipendenti di bernoulli.
Il suo coefficiente binomiale sarà:
!
𝐶 = =( )! !
numero di casi in cui si presentano x successi in n prove
Esempio: un ragazzo partecipa ad un concorso la cui prova è un test a risposta multipla. Vengono presentate 10
domande con 3 risposte. Si determina: 1) Quante risposte giuste si attende dal ragazzo; 2) Si determini la probabilità
che risponda esattamente a più di 6 domande.
! ⋅ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ⋅ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙
Esempio: n=10 x=6 𝐶 =( )! !
= ( )! !
= =210
∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙
n=10 p = = 0.33 E(x)=p*n=0.33*10=3.3 risposte giuste attese
n-x
P (X = x)= 𝑝 ( 1 - p)
Dalla formula della probabilità binomiale sostituire alla x i casi che risponda a più di sei domande (x=7; x=8;x=9;x=10)
10-7 10-9
P (X=7) = 0.33 ( 1 - 0.33) =0.0154 P(X=9)= 0.33 (1-0.33) =0.0003
10-8 10-10
P (X=8) = 0.33 ( 1 - 0.33) =0.0028 P(X=10)= 0.33 (1-0.33) =0.000015
P (X = 7,8,9,10) = 0.0154 + 0.028 + 0.0003 + 0.000015=0.0185
Distribuzioni di probabilità continue
Distribuzione Normale o di Gauss: Una v.c. X ha distribuzione normale con parametri μ e σ2 se e soltanto se la sua
funzione di densità è data da:
( )
f (x)= 𝑒 -∞≤x≤+∞ X ≈(μ;σ2) E(X)= 𝜇 Var(X)= σ2
√
Caratteristiche:
 Essa ha una forma campanulare simmetrica rispetto al punto X = 𝜇;
 Esistono tante curve normali quanto sono le coppie di 𝜇 e di σ2;
 Al variare 𝜇 cambia la posizione della curva sull’asse delle x;
 Al variare di σ2 cambia la forma della curva (all’aumentare si appiattisce, al diminuire si allunga);
 La densità della normale si presenta come una curva simmetrica con forma a campana;
 I valori della X sono raggruppati attorno alla media.
Le proprietà sono:
 È unimodale;
 È simmetrica rispetto ad una retta parallela all’asse delle ordinate condotta per il punto di ascissa 𝑥 = 𝜇;
 In corrispondenza del punto x = 𝜇 la funzione assume il suo valore massimo.
 Ha due punti di flesso in corrispondenza di 𝜇 ± ∞;
 Tende asintoticamente a 0 per x che tende a ±∞;
 Data una v.c. normale X, ogni trasformazione lineare di X sarà anche essa una normale:
2 2 2
X ≈ N (𝜇; 𝜎 ) allora aX+b≈N(aμ+b;a σ ) dove a e b sono costanti reali.
 Date n v.c. normali indipendenti X1,X2,….,Xn dove Xi ≈ N(μi;σi2) si può dimostrare (proprietà riproduttiva) che:
Y = (a1X1+a2X2+….+anXn)→ Y ≈ N (∑ 𝑎 𝜇 ;∑ 𝑎 𝜎 ) dove ai sono costanti.
Distribuzione Normale Standardizzata

La curva normale dipende da due parametri e per poter calcolare l’area e, dunque la probabilità tra due punti di
scissa, ci vorrebbero tante tavole quanto sono le coppie dei valori 𝜇 e di σ2 oppure calcolare l’integrale della funziona
densità. Per ovviare a questo problema si procede alla standardizzazione:
Z= Funzione densità f (z)= 𝑒 dove z è compreso tra + ∞ e -∞

√
La standardizzazione consiste nella traslazione degli assi ortogonali di riferimento dal valore x=μ al valore z=0, e al
cambiamento dell’unità di misura della variabile X. La nuova variabile Z viene espressa in unita di σ
Z ≈ N(0,1) E(Z)=0 Var(Z)=1
Distribuzione Chi-Quadrato
Siano X1, X2,….,Xn n v.c. normali indipendenti con parametri μi e 𝜎 i2
Sia Zi = allora Y=∑ 𝑍 ≈𝑋 La v.c. chi quadrato è una v.c. continua generata dalla somma di n v.c. normali
standardizzate e indipendenti al quadrato. Dove n sono i gradi di Libertà.
Il grado di libertà è il numero di osservazioni diminuito del numero dei vincoli che entrano nel calcolo del parametro
considerato.
E (Y) = n Var (Y) = 2n
La forma della distribuzione sono:
 La v.c. chi quadrato è non negativa e varia tra 0 e + ∞;

 Dipende da un solo parametro dato dai gradi di libertà n;
 Per n < 2 è monotona e decrescente;
 Per n > 2 è asimmetrica a destra;
 Tende alla simmetria quando il numero dei gradi di libertà aumenta;
 Essa si approssima alla normale quando il numero di dei gradi di libertà è superiore a 30.
Distribuzione t di student
2
Se X ≈ N(0,1) e Y≈Xn e se le due v.c. X e Y sono indipendenti allora la v.c.:
tn = Ha una forma simmetrica che dipende dai gradi di libertà. Si distingue dalla normale per avere una
forma meno snella e le code più ingrossate e per essere più appiattita.
Al tendere di n all’infinito la v.c. t di Student tende alla normale standardizzata. Questo già per n >30
Distribuzione F di Fisher-Snedecor
2
Se X≈Xn e Y≈Xm2 e se le due v.c. X e Y sono indipendenti allora la v.c.:
F= per m>2 E(F)=
( )
per m > 4 V(F)= ( ) ( )
la distribuzione della F non è simmetrica in n e m.
L’operazione di estrazione di un campione può essere effettuato in due modi:

1) Con ripetizione (Bernoulliano), l’unità estratta è reinserita nella popolazione e può comparire più volte. Ogni
unità ha le stesse probabilità si essere selezionata. I risultati di questa estrazione sono indipendenti;
2) Senza ripetizione, l’unità estratta non viene più reinserita, per cui la probabilità di selezione di un’unità varia
ad ogni estrazione. I risultati di questa estrazione non sono indipendenti.
Se da una popolazione X si estraggono tutti i possibili campioni di ampiezza n e per ogni campione si calcola la
statistica di interesse (media, mediana, varianza) si ottiene un insieme di valori ognuno dei quali è deputato ad essere
una stima del parametro incognito della popolazione.
Il modo in cui la statistica varierà da un campione ad un altro determina la distribuzione di probabilità della statistica
(distribuzione campionaria della statistica).
Sia X1, X2,… Xn un campione casuale di n osservazioni estratto dalla popolazione X. Esso è formato da n v.c.
2
indipendenti ed identicamente distribuite con media μ e varianza σ . Si ha allora:
E (𝑋 ) = μ V(𝑋) = campionamento con ripetizione 𝑉(𝑋) = 𝑒𝑟𝑟𝑜𝑟𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑑𝑒𝑙𝑙𝑎 𝑚𝑒𝑑𝑖𝑎

√
Rappresenta una misura di variabilità delle medie campionarie attorno alla media della popolazione.
Considerando tutte le medie campionarie ed associando ad ogni media distinta la sua probabilità, si ottiene la
distribuzione della probabilità della media campionaria.
La distribuzione campionaria rappresenta la probabilità che la media calcolata su un campione assume valore 𝑥̅ .
Se X1,X2,… Xn è un campione casuale generato da X ≈ N (μ, 𝜎2) si ha che 𝑋 ≈ (𝜇, ) Z= ≈ N (0,1)

√
Se si considera una popolazione finita in cui viene estratto un campione senza ripetizione allora:
( )
E (𝑋 ) = 𝜇 Var (𝑥̅ ) = ( )
𝑓𝑎𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑐𝑜𝑟𝑟𝑒𝑧𝑖𝑜𝑛𝑒 𝑝𝑒𝑟 𝑝𝑜𝑝𝑜𝑙𝑎𝑧𝑖𝑜𝑛𝑖 𝑓𝑖𝑛𝑖𝑡𝑒
Per n = N Var(𝑋 ) = 0 𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑖𝑙 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑒 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒 𝑐𝑜𝑛 𝑙𝑎 𝑝𝑜𝑝𝑜𝑙𝑎𝑧𝑖𝑜𝑛𝑒
Se n < N e quindi 𝑠𝑖 ℎ𝑎 𝑐ℎ𝑒 𝑙𝑎 𝑉𝑎𝑟 (𝑋 ) 𝑖𝑛 𝑢𝑛𝑜 𝑠𝑐ℎ𝑒𝑚𝑎 𝑑𝑖 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑚𝑒𝑛𝑡𝑜 𝑠𝑒𝑛𝑧𝑎 𝑟𝑖𝑝𝑒𝑡𝑖𝑧𝑖𝑜𝑛𝑒 è
𝑝𝑖ù 𝑝𝑖𝑐𝑐𝑜𝑙𝑎 𝑑𝑖 𝑞𝑢𝑒𝑙𝑙𝑎 𝑐ℎ𝑒 𝑠𝑖 𝑎𝑣𝑟𝑒𝑏𝑏𝑒 𝑖𝑛 𝑢𝑛 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑚𝑒𝑛𝑡𝑜 𝑐𝑜𝑛 𝑟𝑖𝑝𝑒𝑡𝑖𝑧𝑖𝑜𝑛𝑒
Facendo tendere N all’infinito la quantità tende ad assumere valore 1: quindi quando la popolazione è infinita i
due schemi di campionamento coincidono.
Esempio: data una v.c. X che assume valori: 6,8,10,12 ognuno con probabilità ¼ (distribuzione uniforme discreta). La
media di X è pari a 9 mentre la varianza è uguale a 5. Si estraggono da X campioni X1 e X2 di ampiezza 2 con re
immissione.
campioni Media campionaria Media campionaria valori distinti Funzione di probabilità
X1 X2
6 6 6 6 1/16
6 8 7 7 2/16
6 10 8 8 3/16
6 12 9 9 4/16
8 6 7 10 3/16
8 8 8 11 2/16
8 10 9 12 1/16
8 12 10
10 6 8
10 8 9
10 10 10
10 12 11
12 6 9
12 8 10
12 10 11
12 12 12
E (𝑋) = 𝜇 (𝑚𝑒𝑑𝑖𝑎 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑟𝑖𝑎) = 9 𝑉𝑎𝑟(𝑋 ) = 5/2
Teorema limite centrale

2
Date n v.c. X1,…..,Xn estratte da una popolazione X con media 𝜇 e varianza σ indipendenti e identicamente distribuite
e tali che:
E (Xi)=μ Var(Xi) = σ2 i = 1,….,n

( )
E sia: Zn = = 𝑥̅ =∑
( )
√
Allora la distribuzione di Zn converge alla normale standardizzata per n→∞
Il teorema del limite centrale che al crescere di n la forma della distribuzione della media campionaria si approssima
alla forma normale. In pratica si ritiene che l’approssimazione sia accettabile per n > 30.
Teorema di De Moivre - Laplace (applicazione del teorema del limite centrale)
Date n v.c. X1,…..,Xn indipendenti generate da X ≈ B (1, p) la variabile (numeri di successi in n prove indipendenti)
Sn =∑ 𝑋 segue una distribuzione binomiale con E(Sn) = np Var(Sn) = npq
Se si pone:
( )
Yn = = al tendere di n all’infinito la distribuzione Yn tende alla distribuzione normale
√ √
standardizzata
La rapidità con la quale la distribuzione binomiale tende a quella normale dipende dal valore di p, nel senso che la
migliore condiziona di convergenza si ha quando la distribuzione è simmetrica cioè quando p = q = 0.5
Agli effetti pratici l’approssimazione è ritenuta accettabile se np e nq sono entrambi maggiori o uguali a 5.
Esempio: Una moneta viene lanciata 500 volte. Trovare la probabilità che il numero di teste sia compreso tra 220 e
280.
μ = np = 500*1/2=250 σ = 𝑛𝑝𝑞 = 500 ∗ ∗ 1/2 = 11.18
Considerando i dati continui tra 219.5 e 280.5
. .
Z219.5= = .
= −2.73 Z280.5= = .
=2.73
Probabilità richiesta = doppio dell’area compresa tra z=0 e z = -2,73)=2 (0.4968) = 0.9936
L’inferenza statistica è un procedimento di generalizzazione dei risultati campionari che consente di effettuare stime o
verifiche di ipotesi sui parametri di una popolazione descritta da una variabile casuale. La teoria della stima statistica
propone di fornire dei criteri o delle procedure per la stima di uno o più parametri della popolazione. Successivamente
si passa alla verifica delle ipotesi che consiste nel sottoporre a verifica una certa affermazione fatta sui parametri della
popolazione. La popolazione è descritta da una v.c. X ≈ f(x;θ) dove θ è il parametro incognito da stimare.
La statistica inferenziale vuole:
 Stimare il parametro incognito sulla base delle osservazioni campionarie;
 Proprietà stimatori;
 Intervallo di confidenza;
 Verifica delle ipotesi.
La stima puntuale: si giunge alla determinazione di un solo valore numerico per uno o più parametri della popolazione
sulla base dei dati di un campione esatto.
La stima intervallare: nella quale si costruisce un intervallo casuale (intervallo di confidenza), che include il parametro
stimato con livello di confidenza 1- ∝
Stima puntuale e stimatore
Sia: X1,…,Xn un campione casuale estratto da X≈f(x;θ) dove θ è il parametro incognito da stimare.
Si definisce stimatore T del parametro incognito una statistica, generica nota della v.c.
T = t (X1,…,Xn ) T = stimatore t(X1,…,Xn )= funzione v.c.
Si definisce stima:
t = t (X1,…,Xn ) il valore assunto dallo stimatore per un dato campione n
Esempio:
T=𝑋 =∑ stimatore media campionaria T=𝑥 =∑ stima della media
Lo stimatore bisogna considerarla come un’operazione matematica effettuata sul nostro campione prima di estrarlo,
quindi non è altro che l’insieme di tutte le stime. Quindi esistono infiniti stimatori, il nostro compito è trovare quello che
soddisfi le seguenti proprietà: correttezza, efficienza, sufficienza e consistenza.
La stima invece è l’operazione matematica effettuata sul nostro campione estratto, quindi è un numero fisso.
1. Correttezza
Sia X1, …, Xn un campione casuale estratto da X ≈ f (x;θ) uno stimatore T = t (X1,…,Xn ) è detto corretto (non
distorto) rispetto a θ se e solo se:
𝐸 (𝑇) = 𝐸[𝑡 (X1, … , Xn)]=0
Altrimenti lo stimatore risulta distorto e 𝐸(𝑇) −0 rappresenta la distorsione dello stimatore
Esempio: la media campionaria è uno stimatore corretto della media della popolazione E [𝑋 ]= μ
2
Mentre la varianza campionaria è uno stimatore distorto del parametro σ :
∑ ( )
E[𝑆 ]≠σ2 S2 =
Si considera la seguente popolazione fittizia: 4,6,8,10 μ =7 σ2=5

Si estraggono tutti i possibili campioni di ampiezza 2 quindi: (X 1,X2)
2
X1 X2 S 𝑆
4 4 0 0
4 6 ∑ ( )
1 2 S 2=
4 8 4 8
4 10 9 18
6 4 ∑ ( )
1 2 𝑆 2= stimatore corretto del parametro σ
2
6 6 0 0
6 8 1 2 2
6 10 4 8 E[𝑆 ]=1/16 (0+1+4+…+1+0)=2.5 E[𝑆 ]≠σ
8 4 4 8 2 2
8 6 1 2 E 𝑆 =1/16 (0+2+8+…+2+0)=5 E 𝑆 =σ tuttavia E 𝑆 ≠σ
8 8 0 0
8 10 1 2
10 4 9 18
10 6 4 8
10 8 1 2
10 10 0 0
La correttezza indica solo che uno stimatore tende ad assumere in media il valore del parametro, tuttavia non dice
nulla sulla dispersione delle stime campionarie intorno al parametro, quindi s’introduce una misura della precisione
dello stimatore che è EQM (errore quadratico medio).
EQM = Var (T) + E[𝜃 − 𝐸(𝑇)]2
EQM è dato dalla somma di 2 quantità: varianza dello stimatore T e distorsione dello stimatore al quadrato
Se lo stimatore è corretto EQM = Var (T)
2. Efficienza
Nella classe degli stimatori corretti, la scelta deve ricadere tra quelli che presentano la dispersione più piccola.
La varianza di uno stimatore corretto rappresenta una dispersione dello stimatore rispetto al parametro
incognito della popolazione.
Sia X1, …,Xn un campione casuale estratto da X ≈ f (x;C) lo stimatore T* di θ è detto efficiente se:
Var (T*) ≤ Var (T)
( ∗)
Efficienza relativa =
( )
Eff. Rel > 1 Stimatore al numeratore meno efficiente del denominatore.
Eff. Rel < 1 Stimatore al denominatore meno efficiente del numeratore.
Eff. Rel = 1 Stimatori equivalenti.
3. Sufficienza
Uno stimatore T = t (X1,…,Xn ) è una v.c. che condensa le n variabili casuali in una sola. Quindi si vuole
verificare se questa condensazione di valori ha comportato una perdita di valori. Sono detti sufficienti quei
stimatori che non disperdono informazioni sul parametro da stimare.
4. Consistenza
Se facciamo variare la dimensione del campione e lo stimatore migliora per il parametro di C lo stimatore è
detto consistente.
Consistenza in media quadratica: una successione di stimatori di θ gode della consistenza quadratica se e
solo se:
lim 𝐸𝑄𝑀(𝑇 ) = lim 𝐸(𝑇 − 𝜃)
→ →
Consistenza in probabilità: una successione di stimatori di θ viene definita consistente di θ se:
lim 𝑃(𝜃 − 𝜀 < 𝑇 < 𝜃 + 𝜀) = 1 ∀𝜀 > 0

→
Correttezza asintotica: Uno stimatore Tn è asintoticamente non distorto per θ se il valore atteso della sua
distribuzione limite è uguale a θ ovvero:
lim 𝐸(𝑇 ) = 𝜃
→
Questa proprietà stabilisce che al crescere di n, se uno stimatore è distorto, la distorsione tende a 0.
19 TEORIA DELLA STIMA STATISTICA - STIMA PER INTERVALLI
Sia X1, …,Xn un campione casuale estratto da X≈f(x;θ) e date le due statistiche T1 e T2 con T1 < T2 e per le quali
P (T1 ≤ θ ≤ T2) = 1-∝
L’intervallo casuale (T1 e T2) è chiamato intervallo di confidenza per θ di probabilità 1-∝.
Il parametro θ è una costante incognita, mentre T1 e T2 sono v.c. che variano al variare del campione ed è per questo
che si è parlato di intervallo casuale.
Dopo aver estratto il campione si sostituiscono le osservazioni campionarie nella funzione dello stimatore ottenendo le
realizzazione delle v.c. estremi dell’intervallo t1 e t2 .
Dopo l’estrazione non si potrà esprimere tale intervallo in termini probabilistici per questo motivo si parla d’intervallo di
confidenza per il parametro θ con coefficiente di confidenza 1-∝.
Per la costruzione di un intervallo di confidenza siamo interessati a una quantità pivot, la cui distribuzione non dipende
dal parametro θ.
Intervalli di confidenza per la media di una popolazione normale con varianza nota.
2
Sia, X1,…,Xn un campione casuale di ampiezza n estratto da X ≈ N(μ,σ ) è noto:
𝑋 ≈ 𝑁(𝜇, ) dunque Z = ≈ 𝑁(0,1)
√
Un intervallo simmetrico è dato da:
P (−𝑧 ≤𝑍= ≤𝑧 )=1−𝛼 P(𝑋−𝑧 ≤𝜇 ≤𝑋+𝑧 )= 1−𝛼
√ √
√
 L’ampiezza dell’intervallo è tanto più elevata quanto n è più piccolo, l’ampiezza dell’intervallo aumenta
all’aumentare di σ e cresce in misura diretta all’aumentare di 1-∝.
 Se la popolazione non è normale per il teorema del limite centrale quando n > 30 si potrà costruire l’intervallo
di confidenza basato sulla normale standardizzata.
Intervalli di confidenza per la media di una popolazione normale con varianza nota con n < 30
2
L’intervallo di confidenza P (𝑋 − 𝑧 ≤𝜇 ≤𝑋+𝑧 ) = 1 − 𝛼 è utilizzabile solo se si conosce σ quando non si
√ √
dispone di questa quantità si risolve considerando lo stimatore corretto della varianza campionaria:
∑ ( )
𝑆 2=
2 2
Sia X1,…,Xn un campione casuale di ampiezza n estratto da X≈N(μ,σ ) con σ incognito allora:
t= ≈𝑡 Distribuzione t di Student con n-1 g.l.
√
quindi l’intervallo sarà: P(𝑋 − 𝑡 ,
≤𝜇 ≤𝑋+𝑡 ,
)=1−𝛼
√ √
Intervalli di confidenza per la proporzione quando n è sufficientemente grande

Data una popolazione caratterizzata da una proporzione p di unità statistiche, determiniamo l’intervallo di confidenza
per p sulla stima campionaria di 𝑓 in un campione di dimensione n.
( ) ( )
f = stimatore di p P (𝑓 − 𝑧∝ ≤ 𝑝 ≤ 𝑓 + 𝑧∝ ) = 1 −∝
20 DETERMINAZIONE DELLA NUMEROSITA’ CAMPIONARIA
I principali fattori da considerare nell’individuazione della numerosità del campione sono: la varianza, intervallo di
confidenza desiderato e il costo del campionamento.
La varianza è una misura del grado di variazioni o oscillazioni presenti relativamente al parametro che vogliamo
stimare nella popolazione. Quindi quando si ha una popolazione con alta varianza bisogna usare dei grandi campioni.
L’intervallo di confidenza rappresenta una misura della bontà di una stima. Un intervallo piccolo suggerisce che siamo
sicuri del punto in cui si trova il vero valore della popolazione e quindi in questo caso la stima sarà più precisa.
Costo di campionamento. Un campionamento può costare molto e durare molto tempo quindi si devono conservare
solo i dati realmente necessari.
Il calcolo della numerosità campionaria

2
Sia A l’ampiezza dell’intervallo di confidenza per μ e σ nota, la numerosità sarà data:
n =(2 𝑧 ) 95%= 𝑧 = 1.965 90%=𝑧 = 1.645
2
Quindi se σ = 4 e se vogliamo che l’ampiezza IC a livello di confidenza (1-∝) = 0.95 sia uguale a 2 dobbiamo estrarre
un campione di numerosità pari a 16.
∝ è denominato livello di significativa ed indica il rischio di errore prefissato che si è disposti ad accettare.
Dimensione campionaria per la stima di una proporzione

Sia p la frequenza relativa incognita che la variabile X assume nella popolazione di numerosità N e 𝑓 = sia la
frequenza relativa del campione di numerosità n. Nel caso di estrazione senza ripetizione la deviazione standard sarà:
𝜎 =
Nel caso di estrazione con ripetizione la deviazione standard sarà:

𝑝𝑞
𝜎 =
𝑛
∝
La dimensione campionaria sarà: n=( ) ∝
Tra i diversi valori di p e q si sceglie quello il cui prodotto è massimo, ossia p = q = 0.5 e ponendo 1-∝ = 95%.
ossia z∝/2 = 1.96
.
max n = ( )
in caso di popolazione grande o estrazione con ripetizione si ha:
.
.
n=
∝
max n =
Ipotesi statistica: è un’affermazione che specifica parzialmente o completamente la legge di distribuzione di una
variabile casuale. L’affermazione può riguardare sia la forma funzionale della legge di distribuzione, sia i parametri
caratteristici, o ai soli parametri caratteristici quando si assume nota la forma analitica della distribuzione stessa.
Ipotesi parametrica: l’ipotesi riguarda i parametri caratteristici di una particolare distribuzione di cui si conosce la forma
analitica.
Ipotesi non parametrica: ossia l’ipotesi statistica che non presuppone nota tale forma.
Ipotesi statistiche e test statistici.
Il test parametrico passa per tre fasi: definizione delle ipotesi statistiche; Statistica test; Regola di decisione.
Definizione delle ipotesi statistiche

Sono due le ipotesi che vengono formulate:
1. La prima quella da verificare, si chiama ipotesi nulla e si indica con H0;
2. La seconda si chiama ipotesi alternativa e si indica con H1;
L’ipotesi nulla rappresenta lo status quo ed è pre-esistente all’osservazione dei dati campionari. Essa è rifiutata se i
risultati campionari mostrano la sua falsità.
La formulazione dell’ipotesi nulla e alternativa conduce una partizione dello spazio parametrico θ in due sottoinsiemi
disgiunti θ0 indotto dalla H0 e θ1 indotto dalla H1.
 L’ipotesi statistica è detta semplice se consiste nell’assegnare a un parametro un valore puntuale θ = θ*;
 L’ipotesi statistica è detta composta quando si afferma che il parametro appartiene a un insieme più ampio di
valori.
 L’ipotesi composta bidirezionale, quando si afferma che il parametro sia diverso da un particolare valore dello
spazio parametrico θ≠ θ*;
 L’ipotesi composta unidirezionale, quando si afferma che il parametro sia maggiore o minore di un dato valore
numerico θ > θ* θ < θ*
Statistica test
È una funzione che fa corrispondere a ogni campione casuale un valore numerico che può classificarsi coerente o
meno con l’ipotesi specificata della H0.
Il test statistico conduce a una partizione dell’universo dei campioni in due sottoinsiemi complementari:
 Regione di accettazione, campioni per i quali la statistica assume valori compatibili con H 0;
 Regione di rifiuto, per la quale la statistica assume valori compatibili con H 1;
Regola di decisione
Procedimento che ci permette di decidere se accettare o rifiutare un’ipotesi o di determinare se i campioni osservati
differiscono significativamente dai risultati attesi.
Vera situazione
H0 H1
Decisione H0 Decisione giusta P (H0/H0)= 1-∝ Errore II specie P (H0/H1) = β
H1 Errore I specie P (H1/H0) = ∝ Decisione giusta P (H1/H2)=1-β
Se rifiutiamo l’ipotesi H0 quando in realtà è vera commettiamo un errore di prima specie.

Se accettiamo l’ipotesi H0 quando in realtà è rifiutata commettiamo un errore di seconda specie.
L’unico modo per ridurre i tipi di errori è di aumentare l’ampiezza del campione.
La probabilità massima con cui accettiamo di rischiare l’errore di prima specie è detta livello di significatività del test ∝,
generalmente si usano livelli di significatività dello 0.01/0.05, ciò significa che se scegliamo il livello di significatività
dello 0.05 abbiamo il 5% di probabilità di rifiutare l’ipotesi quando dovrebbe essere accettata.
Test più potente (Lemma di Neyman e Pearson)

Esso consente di scegliere il test per cui fissata la probabilità ∝ dell’errore del primo tipo, risulta minima la probabilità
β di commettere l’errore del secondo tipo.
Si costruisce il test uniformemente più potente qualora si fissi un’ipotesi alternativa composta unidirezionale. In tal
caso, in corrispondenza di un valore prefissato di significatività ∝ non si avrà un solo valore che esprime la potenza
del test ma si avranno tanti valori quanti sono i valori alternativi del parametro θ, definendo così la funzione potenza
del test: [1 − 𝛽(𝜃)]
1-β è la possibilità di rigettare l’ipotesi nulla, quindi indica la capacità di un test di individuare l’ipotesi alternativa
quando è vera:
β minimo→ (1-β)= massimo
Quindi se si utilizza un livello di significatività ∝ maggiore aumenta la probabilità di commettere un errore di primo tipo.
La potenza del test inoltre è influenzata dalla dimensione del campione, più il campione è grande più il test è potente.
22 VERIFICA DI IPOTESI SULLA MEDIA E VERIFICA DI IPOTESI SULLA PROPORZIONE
Test parametrici:
 Test sulla media con varianza nota;
 Test sulla media con varianza non nota;
 Test sulla proporzione.
I. Test sulla media con varianza nota

Data una v.c. X distribuita normalmente con media incognita e varianza nota si vuole sottoporre a verifica l’ipotesi
H0:μ= μ0. Si considerano 3 casi:
1. H0:μ= μ0 contro H1:μ > μ0 unilaterale dx
2. H0:μ= μ0 contro H1:μ < μ0 unilaterale sx
3. H0:μ= μ0 contro H1:μ ≠ μ0 bilaterale
Si sceglie lo stimatore media campionaria la cui standardizzata è : Z=

√
Esempio: la resistenza alla rottura delle funi prodotte è pari a 1800N ed uno scarto quadratico di 100N. Immettendo
un nuovo processo si pensa che la resistenza sia migliorata, e per provare ciò si estrae un campione di 50 funi e si
trova che la resistenza media è di 1850. Possiamo affermare che ci sia stato un miglioramento al livello di
significatività dello 0.01.
L’effetto del nuovo processo è produttivo se si traduce in un aumento della resistenza media, bisogna decidere tra le
due ipotesi:
H0:μ = 1800 non c’è miglioramento H1:μ > 1800 c’è miglioramento
Si pone
∝=0.01 𝑥̅ =1850 z0.01 = 2.33 dalla tabella
Quindi:
z= = 3.55 quindi 3.55 > 2.33 rifiutiamo H0 ed accettiamo il miglioramento del processo
√
II. Test sulla media con varianza non nota In questo caso usiamo la distribuzione t di Student
∑ ( )
𝑆 2= stimatore varianza campionaria
Si sottopone a verifica l’ipotesi

1. H0:μ= μ0 contro H1:μ>μ0 unilaterale dx
2. H0:μ= μ0 contro H1:μ<μ0 unilaterale sx
3. H0:μ= μ0 contro H1:μ≠μ0 bilaterale
t=
√
Esempio:
L’età media dei disturbi in un campione di 17 donne è 48.59 mentre la varianza corretta è 244.55. Verificare se la
media della popolazione è significativamente diversa da 48 ad un livello ∝ = 0.05
Bisogna decidere tra le due ipotesi: H0:μ= 48 H1:μ≠48

Si tratta di un test a 2 code quindi ∝/2 = 0.025 e quindi vedendo sulla tabella t Student il valore 1-∝ = 0.975
t0.025-16= 2.120
quindi: se t sarà: -2.120 < t < 2.120 accettiamo H 0 se t < -2.120 o t > 2.120 rifiutiamo H0
.
t= = .
= 0.155 quindi non si rifiuta l’ipotesi
√
III. Test sulla proporzione
Lo stimatore di p segue una distribuzione normale:
f ≈ N (p; )
Z=
Si vuole sottoporre a verifica le seguenti ipotesi:

Si rifiuta l’ipotesi se:

1) z ≥ z∝ 3) z ≥ z∝/2
2) z ≤- z∝ 4) z ≤- z∝/2
Esempio:
Una casa automobilistica afferma che il 90% dei suoi automobilisti usa la cintura, analizzando un campione si evince
che solo 400 su 500 utilizzano la cintura. Verificare ad un livello di significatività dello 0.01 la legittimità della casa.
H0:p = 0.9 H1:p < 0.9
𝑓= = 0.8
∝ = 0.01 z0.01 = -2.33 dalla tabella

. .
Z= = . ∙ .
=-7.45
Poiché -7.45 è minore di -2.33 si rifiuta l’ipotesi H0 quindi l’affermazione della casa non è legittima
Ipotesi non parametrica:

 Attinente alla funzione che descrive la distribuzione di probabilità della popolazione (ipotesi funzionale);
 Attinente all’indipendenza stocastica tra due variabili.
Opereremo sulle frequenze invece di fare il confronto tra parametri ipotizzati sotto H 0 e H1 e funzioni dei parametri
stimati sul campione.
L’ipotesi che si formula è quella dell’indipendenza delle righe e colonne che si traduce in:
P (Ai, Bj)= P (Ai) P (Bj) le due variabili sono stocasticamente indipendenti
L’ipotesi nulla da verificare è: H0 : pij=pi∙p∙j per ogni coppia i,j
Ipotesi alternativa
H1: pij≠pi∙p∙j per almeno una coppia i,j
L’analisi di regressione consiste nello sviluppo di un modello statistico che possa essere adottato per analizzare i
valori della variabile dipendente (Y) sulla base dei valori di almeno una variabile esplicativa (X) o indipendente.
Gli impieghi della regressione lineare sono: descrivere un’associazione lineare casuale o non casuale; predire il valore
medio della variabile dipendente; valutare se una relazione appartenente tra le due variabili è significativa.
Ipotesi di linearità: il modello è lineare nei parametri
E (Yi/xi)=β0+ β1x1
Yi = β0+ β1xi+εi E(εi)=0
Linearità dei parametri: una funzione è lineare se β1 è pari a 1
Linearità delle variabili: si ha linearità nelle variabili se X appare come indice 1 e non è moltiplicato o diviso per
un’altra variabile.
Ipotesi di varianza costante: Omoschedasticità

La varianza della v.c. Yi rimane costante al variare di xi quindi non dipende da xi.
Ipotesi di normalità (ipotesi forte): gli errori hanno una distribuzione normale, la variabile Y ha una distribuzione
normale.
Ipotesi di indipendenza: questa condizione stabilisce che ogni dato statistico non è influenzato dall’altro.
Ipotesi sulla variabile esplicativa (ipotesi debole): la variabile Y è considerata una v.c., mentre le modalità distinte della
variabile X sono di natura deterministica, cioè fissate dal ricercatore.
Con l’analisi di regressione si vogliono stimare i coefficienti di regressione sulla base di n osservazioni campionarie.
Estratto un campione casuale si considera il modello lineare:
yi = b0+ b1xi+ei=𝑦 +𝑒
L’obiettivo dell’analisi di regressione lineare è di trovare la retta che meglio si adatta ai dati disponibili. Una tecnica
matematica per individuare tale retta è il metodo dei minimi quadrati, ossia si minimizza la somma dei quadrati degli
scarti tra i valori osservati e quelli teorici.
( , ) ∑ ( ̅ )( )
b0=𝑦 − 𝑏 𝑥̅ b1 = ( )
= ∑ ( ̅)
 È l’unica retta che minimizza la somma dei quadrati dei residui;
 La retta passa per il punto media di x e media di y come centro di gravità;
 La somma dei residui è uguale a 0;
 La somma dei valori osservati è uguale alla somma dei valori teorici;
Al variare di b0 b1 descrivono due v.c. che possono essere considerati come stimatori naturali.
Le caratteristiche di questi stimatori sono: E(B1)=𝛽 1 E(B0)=𝛽 0
La somma dei quadrati dei residui è indicato con SSE.

* 2
Al variare del campione SSE varia e descrive una v.c. SSE il cui valore atteso è: E (SSE*) = (n-2)σ
2 ∗
Uno stimatore corretto di σ è: MSE*= E (MSE*)= σ2
31 DISTRIBUZIONI DI FREQUENZE
La distribuzione di frequenze è il calcolo delle frequenze per ciascun valore o categoria della variabile.
Per rappresentare i dati di un’indagine statistica si possono utilizzare le seguenti tipologie:
 Le distribuzioni di frequenze;  Le serie territoriali;
 Le serie storiche;  Le matrici dei dati.
L’obiettivo di una misura di posizione è quello di sintetizzare in un singolo valore numerico l’intera distribuzione di
frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti. Essi ci forniscono informazioni
sulla centralità del nostro insieme di dati, ossia ci indicano il centro della distribuzione.
Gli indici di posizione sono: la media, la mediana, la moda, il valore centrale.
 La media aritmetica è influenzata dai valori estremi anomali e può non coincidere con nessuno dei valori
oggetto di analisi;
 La media geometrica si utilizza nei casi in cui la variabile si modifica tramite proporzioni ed è utilizzata nel
calcolo del tasso di rendimento medio di un capitale in funzione del tempo;
 La mediana è la modalità dell’unità statistica che occupa il posto centrale nella distribuzione ordinate delle
osservazioni.
 La moda è la modalità a cui corrisponde la massima frequenza assoluta o relativa ed è quindi un indice per
governare, cioè per minimizzare gli scontenti.
33 DALLE TENDENZE CENTRALI ALLE VARIABILI
Le proprietà degli indici di posizione sono:

 Proprietà moltiplicativa: qualora una variabile statistica x presenti un cambiamento di “scala” anche l’indice di
posizione comporta un uguale cambiamento;
 Proprietà di monotonicità: se una variabile statistica y presenta valori corrispondenti maggiori o uguali a quelli
una variabile statistica x allora l’indice di posizione di y non è inferiore a quello di x;
 Proprietà di linearità: se una variabile statistica z è legata ad altre variabili da una relazione lineare, allora
l’indice di posizione gode della proprietà di linearità.
Un aspetto importante della mediana è la sua capacità di essere resistenti alla presenza di valori atipici, eccezionali,
errati. Esso è un indice per decisioni che implicano costi da minimizzare, infatti minimizza la somma degli scarti
assoluti.
La media è un indice di equilibrio generale, e minimizza i rischi complessivi minimizzando i quadrati degli scarti ,
attribuendo particolarmente rilievo agli estremi rispetto ai valori centrali.
Per un analisi esaustiva di una distribuzione bisogna calcolare tuttavia la variabilità del fenomeno, come il campo di
variazione e la varianza. Questi indici descrivono la variabilità con unico valore che ne sintetizza le caratteristiche e ci
dicono in che modo essi sono disposti intorno all’indice di tendenza centrale.
35 NUMERI INDICE
I rapporti statistici:
 Il rapporto statistico di composizione si ottiene dividendo il valore rilevato in una data circostanza per
l’analogo valore rilevato per l’intera popolazione;
 I rapporti statistici di derivazione si ottengono dividendo la modalità di un fenomeno per quella corrispondente
di un altro valore che sul piano logico e/o temporale ne costituisce causa o presupposto logico (esempio i nati
e i morti sono influenzati dalla popolazione residente);
 I rapporti di coesistenza concernono il rapporto tra la frequenza di una modalità rispetto a quella
corrispondente di un’altra modalità (esempio l’indice di vecchiaia definito come il rapporto tra gli over 65 ed
under 15);
 I rapporti di densità concernono il rapporto tra la dimensione globale di un fenomeno e quella spaziale a cui
esso fa riferimento (esempio la densità di una sostanza inquinante nell’aria).
I rapporti statistici sono misure statistiche elementari finalizzate al confronto tra i dati stessi.
I numeri indici sono rapporti statistici che misurano la variazione di un fenomeno rilevato in tempi e circostanze
diverse.
In sintesi la statistica insegna a individuare i modi in cui un fenomeno si manifesta e varia nel tempo, a descriverlo
sinteticamente e a trarne da esso conclusioni più generali di fenomeni più ampi.
L’inflazione al consumo è un processo di aumento del livello generale dei prezzi dell’insieme dei beni e servizi
destinati al consumo della famiglia, esso è un indice che viene misurato dall’ISTAT.
L’Istat produce tre diversi indici dei prezzi al consumo: per l’intera collettività aziendale (NIC), per le famiglie di operai
e impiegati (FOI) e l’indice armonizzato europeo (IPCA).
Il NIC rappresenta per lo Stato il parametro di riferimento per la realizzazione delle politiche economiche (esempio i
rinnovi dei contratti collettivi).
Il FOI è l’indice usato per adeguare periodicamente i valori monetari (esempio gli affitti o gli assegni dovuti al coniuge
separato).
L’IPCA è assunto come indicatore per verificare la convergenza delle economie dei paesi membri dell’unione
Europea, ai fini dell’accesso e della permanenza in esso.
:
Se compariamo i tassi d’inflazione rispetto all’anno precedente si parla di comparazioni tendenziali. ( − 1)100
:
:
Se li compariamo rispetto al mese precedente si parla di comparazioni congiunturali.( − 1)100
:
La deflazione è una diminuzione del livello generale dei prezzi.
Non sempre un valore elevato di r corrisponde un effettivo legame tra i due caratteri quantitativi considerati.
1. Una correlazione non reale si ha quando uno dei caratteri comprende l’altro (esempio mortalità infantile e
mortalità generale).
2. Una correlazione “mal posta” si ha quando altri fattori variabili influiscono più o meno fortemente su quelli
presi in considerazione ( per esempio in caso della correlazione positiva nel tempo di varie coppie di prodotti
agricoli che può essere dovuta all’influenza delle condizioni meteorologiche).
3. Altra correlazione è quella illusoria o priva di senso.
Una serie storica è costituita dai dati osservati a intervalli regolari di tempo (esempio: il prezzo di chiusura giornaliero
di un’azione).
Una serie storica o temporale è un insieme di dati costituiti da una sequenza di osservazioni su un fenomeno
d’interesse X, effettuati in istanti diversi o intervalli di tempo consecutivi.
Per un’analisi semplificata delle serie storiche si cerca di individuare la componente tendenziale di fondo del
fenomeno, il trend ciclo, utilizzando l’analisi di regressione o le medie mobili. L’obiettivo principale è quello di eliminare
i valori anomali, componente erratiche e stagionali.
La media mobile di ordine n consiste in una serie di medie aritmetiche calcolate su n periodi contigui. La media mobile
ha un’azione smoothing perché tende a ridurre le irregolarità di tipo casuale presenti in una serie storica, riducendo la
variabilità ed incrementando le capacità previsive del modello.
LE APPLICAZIONI STATISTICHE IN EXCEL:

 Min (intervallo), e max (intervallo) restituiscono il valore più piccolo e più grande trovati nell’intervallo
specificato;
 Media (intervallo) e media.geometrica (intervallo) calcolano la media aritmetica o geometrica per tutte le celle
comprese nell’intervallo.
 Mediana (intervallo) e moda (intervallo) calcolano la media e la moda per le celle comprese nell’intervallo.
 DEV.ST (intervallo) scarto quadratico medio, VAR (intervallo) varianza.
2
 RQ (<Y<;<X>) calcola l’indice di determinazione R .
 Pendenza (<X>;<Y>).
 Intercetta (<X>;<Y>).
 Tendenza (<X>;<Y>;<X nuova>).
1. Una tabella a doppia entrata registra quante volte una coppia di modalità si presenta contemporaneamente
per x e y.
2. L’obiettivo di una misura di tendenza centrale è quello di sintetizzare in un singolo valore numerico l’intera
distribuzione di frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti.
3. La correlazione non è equivalente alla dipendenza.
4. Dati semplici o elementari: numeri o caratteri dell’alfabeto.
5. Dati aggregati: dati costituiti da più dati elementari.
6. Dati strutturati: dati costituiti da dati elementari aventi una struttura o uno schema di aggregazione.
7. Complesse: costituiti da dati complesse come le fotografie.
8. Dato boleano 0 1.
STATISTICA
pari a N-1): 13,22
1/3
media aritmetica
Moda
174,90
13,22
IC=[0,1216;0,2784]
estrazione: 0,2
sia 9: 14/100
INFERIORE A 6: 0.7


comparabilità
delle variabili
variabili.
LE personali


finanziarie
della branca j

Q Presentare

farmaco: 0,75
farmaco: 0,25
stessa tavola
lOMoARcPSD|2894970
Statistica riassunti
Statistica (Università Telematica Pegaso)
StuDocu is not sponsored or endorsed by any college or university

Scaricato da Luca Baldereschi (lucabalde97@hotmail.it)
lOMoARcPSD|2894970
La statistica è una disciplina scientifica che trae i suoi risultati dalla raccolta, elaborazione e analisi dei dati.
Essa cerca di arrivare alle leggi generali a partire dalla conoscenza aggregata di tanti casi accomunati da regole e
definizioni, ci offre gli strumenti per organizzare, riassumere e analizzare i dati ottenuti attraverso le nostre
misurazioni.
Si divide in due grandi aree:
1. Statistica descrittiva o deduttiva: cerca di descrivere e analizzare un dato gruppo senza trarre conclusioni
circa un gruppo più grande;
2. Statistica induttiva o inferenziale: se un campione è rappresentativo di una popolazione spesso si possono

inferire dall’analisi del campione importanti conclusioni circa la popolazione.
L’inferenza ha lo scopo di dedurre le caratteristiche dell’intera popolazione a partire dai dati raccolti.
Per ottenere un campione rappresentativo si utilizzano alcuni metodi:

 Campione abbastanza ampio per avere dei risultati generalizzabili;
 Utilizzare una selezione casuale, ossia tutti i substrati della popolazione devono avere la stessa probabilità di
essere selezionati per far parte del campione.
Il campionamento può essere:

1. Stratificato, ossia si divide la popolazione in sottogruppi omogenei e da ciascuno si estrae un campione
casuale;
2. Campionamento a blocchi (cluster), ossia si raggruppa la popolazione in blocchi e si fa un campionamento.
3. Campionamento sistematico, ossia si selezionano un elemento ogni k elementi successivi.
2 L’INDAGINE STATISTICA e 3 LA STATISTICA
Le fasi di un’indagine statistica sono cinque:

1. Piano della rilevazione: riguarda il problema da analizzare;
2. Rilevazione dei dati: si fissa il piano per la raccolta dei dati;
3. Spoglio o classificazione: attraverso tabelle, grafici e disegni;
4. Elaborazione dei dati: mediante operazioni matematiche che sintetizzano i dati;
5. Interpretazione dei risultati: si effettua un’analisi sui risultati e si formula un giudizio.
La rilevazione statistica è il complesso di operazioni rivolte ad acquisire una o più informazioni su un insieme di
elementi oggetto di studio e con riferimento al collettivo da analizzare essi si dividono in globali (censimenti) e parziali
(rilevazioni campionarie).
L’unità statistica è l’unità elementare oggetto di osservazione e di studio e possono essere:

 Unità semplici: persone singole, il lancio di una moneta, il prezzo di un bene;
 Unità composte: gruppi di unità semplici simili (famiglie, aziende, scuole);
 Unità multiple: gruppi di unità semplici diversi ma legate da un vincolo (marito e mogli, altezza e peso di una
persona).
Un insieme di unità statistiche omogenee rispetto ad uno o più caratteri costituisce una popolazione o un collettivo
statistico.
La popolazione può essere:
1. Finita: quando è determinabile il numero di unità;
2. Finita ma non è numerabile: se è composta da un numero così elevato di unità che non possono essere
contati;
3. Infinita: quando la successione delle unità non ha fine (lancio di una moneta).
Per ridurre i costi e i tempi di realizzazione di un’indagine si rileva un campione di dimensione n della popolazione
mediante un opportuno procedimento di scelta (teoria del campionamento).
Un campione può ritenersi rappresentativo se presenta le stesse caratteristiche della popolazione di origine. I caratteri
sono gli aspetti delle unità statistiche (fenomeno oggetto di studio), per ogni carattere c’è bisogno di distinguere le
modalità che è il numero o l’attributo che l’unità statistica manifesta.
Statistica Pagina 1

lOMoARcPSD|2894970
I caratteri possono essere:

 Quantitativi (variabile) se le modalità sono espresse attraverso una grandezza misurabile o numerabile; La
variabile è la caratteristica che varia tra i partecipanti
 Qualitativi (mutabile) se le modalità sono espresse mediate espressione verbali o attributi.
Le variabili (carattere) possono essere:

 Continue (altezza, temperatura, età, peso) ossia sono quelle capaci di assumere qualsiasi valore contenuto in
un intervallo reale predefinito;
 Discrete quello che ha per modalità i numeri naturali (1,2 etc., lanci di un dado,numeri di figli);
 Trasferibile sono caratteri che si può pensare di cedere tutto o parte dell’ammontare di un’unità statistica ad
un’altra (reddito);
 Non trasferibile sono propri dell’unità e da questa non cedibili ad altre (età, peso, altezza).
Il carattere qualitativo o mutabile può essere:

 Carattere sconnesso quello le cui modalità non presentano un ordine naturale o logico di successione (sesso,
professioni, stato civile);
 Carattere rettilineo quello le cui modalità possiedono un ordinamento sequenziale con una modalità iniziale ed
una finale (titolo di studio,tenore di vita, grado di soddisfazione);
 Carattere ciclico quello le cui modalità presentano un ordine naturale di successione (i giorni della settimana,
le stagioni).
Un procedimento di misurazione di un determinato fenomeno consiste in un insieme di operazioni che assegnano dei
numeri a concetti e variabili su una prefissata scala.
Esistono quattro scale:
1. Scala nominale, le cui modalità sono semplicemente un aggettivo o un nome assegnato individualmente e
non esiste la possibilità di ordinare le modalità (sesso, professione);
2. Scala ordinale le modalità sono ordinabili e la distanza tra le modalità non ha alcun significato (titolo di studio);
3. Scala di intervalli, le modalità costituiscono un insieme numerico ordinato ed ha senso solo effettuare
confronto per differenza tra le modalità. Esse sono quelle scale che assumono uno zero arbitrario
(temperatura, la misurazione può essere effettuata sia in celsius che kelvin),
4. Scala di rapporti, dove esiste uno zero assoluto e si possono definire sia i rapporti che i prodotti.
Si definisce frequenza il numero di volte che una data modalità si presenta nel collettivo di riferimento.
Esistono due tipi di frequenze: frequenza assoluta e relativa.
 Frequenza Assoluta il numero delle volte ni in cui la modalità xi è stata osservata ed è sempre un numero
intero;
 Frequenza Relativa: è il rapporto tra la frequenza assoluta ni ed il totale delle n frequenze. La frequenza
relativa è compresa sempre tra 0 e 1.
fi= ni/n 0≤ fi ≤1
Le frequenze cumulate corrispondenti al valore di xi è la somma delle frequenze assolute o relative dalla prima
modalità fino a comprendere quella di xi.
Frequenze assolute cumulative: Frequenze relative cumulative:
C1= n1 F1=f1
C2= n1 + n2 F2= f1 + f2
E così via E così via
Ck= n1 + n2 +…+ nk Fk= f1 + f2 +…+ fk = 1
La classificazione delle unità statistiche secondo le modalità di uno più caratteri e la conseguente tabellazione dei
risultati, da luogo alle distribuzioni statistiche. Essi possono essere:
1. Distribuzioni di unità: un’elencazione degli attributi con la quale ciascun carattere si presenta;
2. Distribuzione di quantità: se esprime l’intensità di un carattere;
3. Distribuzione di frequenza se esprimono il numero di volte in cui una modalità di un carattere si presenta.
Statistica Pagina 2

lOMoARcPSD|2894970
Se la variabile statistica presenta numerose modalità è conveniente un accorpamento delle stesse, quindi quando i
dati sono numerosi conviene procedere ad una suddivisione in classi del carattere.
x0 = è la modalità più piccola = xmin xi-1= estremo inferiore della classe xi = estremo superiore della classe
xk = è la modalità più grande = Xmax
La classe è aperta se entrambi gli estremi sono esclusi (-);

La classe è chiusa a sinistra se solo l’estremo sinistro è incluso (I-);
La classe è chiusa a destra se solo l’estremo destro è incluso (-l);
La classe è chiusa se entrambi gli estremi sono inclusi (I-I);
L’ampiezza delle classi è differenza tra estremo inferiore e superiore hi = xi - xi-1
La densità di frequenza è il rapporto tra la frequenza e l’ampiezza della classe di = ni/ hi
Il valore centrale è la semisomma dei due estremi: VCi = (xi+xi-1)/2
La stima dell’ammontare di una classe è il prodotto del valore centrale della classe e della sua frequenza VCi * ni
statura Frequenza ni Ampiezza hi Densità di VC ammontare
Meno di 155 8 5 1.6 152.5 1220
155 I- 160 12 5 2.4 157.5 1890
160 I- 165 26 5 5.2 162.5 4225
165 I- 170 32 5 6.4 167.5 5360
170 I- 175 48 5 9.6 172.5 8280
175 I- 185 7 5 1.4 177.5 1242.5
Oltre 180 6 5 1.2 182.5 1095
139
Per il calcolo del numero minimo di classi si può utilizzare la formula di Sturges
S = 1+ 10/3 log n
n è il numero di frequenze totali
( )
L’ampiezza della classe si calcola considerando il seguente rapporto: w=
5 RAPPRESENTANZE GRAFICHE
Le rappresentazioni grafiche hanno lo scopo di visualizzare le caratteristiche distributive, dinamiche e strutturali delle
distribuzioni, con lo scopo di rendere più intuitive le differenze che esistono tra le modalità.
I dati qualitativi vengono rappresentati graficamente nell’ortogramma o nel diagramma circolare;
I dati quantitativi vengono rappresentati graficamente negli istogrammi o nei Box Plot;
L’ortogramma può essere di due tipi:

 A nastri. Su una retta orizzontale si fissano l’origine e l’unità di misura e sull’asse verticale si pongono tanti
rettangoli (detti nastri) equidistanti e sovrapposti quante sono le modalità del carattere oggetto di studio;
 A colonne. Si invertono gli assi;
I diagrammi circolari (a torta) si utilizza una circonferenza suddivisa in tanti spicchi (settori circolari) con angoli al
centro uguali o proporzionali: alle frequenze assolute o relative; alle quantità;
Per ottenere l’ampiezza in gradi ci dell’angolo al centro di ogni settore circolare, bisogna fare la seguente proporzione:
Statistica Pagina 3
lOMoARcPSD|2894970
360 : N = ci : ni ci = (ni/N)*360
Dove: N è il totale delle frequenze assolute ni sono le frequenze assolute
Esempio: n1 = 19.7 n2 = 12.4 n3 = 106.7 n4 = 73.8 n5 = 183.4
N = n1+ n2+ n3+ n4 +n5=19.7+12.4+106.7+73.8+183.4=396
c1 =(19.7/396)*360=17.9°
L’istogramma è una rappresentazione grafica di distribuzioni di frequenze le cui modalità sono divise in classi, essi
sono costituiti da una serie di rettangoli contigui posto lungo l’asse delle ascisse.
Bisogna suddividere due casi:

1. Le classi hanno la stessa ampiezza, avremo tanti rettangoli contigui con base uguale e altezza differenti a
seconda della frequenza;
2. Le classi non hanno la stessa ampiezza, avremo tanti rettangoli contigui aventi diversa base uguale
all’ampiezza della classe e altezza uguale alla densità della frequenza.
Box-Plot fornisce informazioni su:

 Scala di misura della variabile statistica;
 Sulla variabilità;
 Simmetria/asimmetria;
 Lunghezza delle code della distribuzione;
 Valori anomali.
Per la costruzione del Box-Plot si utilizzano i seguenti parametri: xmin Q1 Med Q3 xmax
Per il grafico si utilizzano:

 Un rettangolo le cui basi sono parallele ad una scala di misura e uguali a Q 3-Q1 e all’interno del rettangolo
sono contenute il 50% delle osservazioni;
 Una linea posta all’interno del rettangolo che indica la posizione della mediana;
 Due segmenti che partono dai quartili e i cui estremi sono dati dai valori estremi della distribuzione x min e xmax
purché non ci siano valori anomali.
Si ha indipendenza assoluta tra due variabili statistiche se le frequenze osservate sono uguali alle frequenze teoriche.
Lo studio delle relazioni esistenti tra due variabili parte dal concetto di indipendenza. Esistono tre concetti
d’indipendenza: indipendenza assoluta, indipendenza in media e indipendenza correlativa.
Si ha indipendenza se le distribuzioni relative condizionate delle variabili “X” sono invarianti al variare della modalità di
“Y” e viceversa.
° °
Le variabili si dicono connesse se c’è dipendenza e si avrà che le frequenze osservate sono diverse da quelle
teoriche.
° °
𝑛 ≠
La frequenza teorica è il prodotto ciascun totale di righe per il totale di colonne diviso n.
𝑛∗ =
° °
frequenza teorica
Si chiamano contingenze la differenza tra le frequenze osservate e quelle teoriche. 𝑐 = 𝑛 − 𝑛∗

La somma delle contingenze di ciascuna riga e di ciascuna colonna sono nulle.
Statistica Pagina 4
lOMoARcPSD|2894970
Un indice assoluto di connessione è il chi-quadro di Pearson che è un indice simmetrico. Esso si annulla nel caso di
connessione nulla, ossia quando le variabili sono indipendenti. Tale indice rappresenta l’allontanamento dei dati
dall’ipotesi d’indipendenza ma ha un limite poiché dipende da n, quindi se raddoppia n l’indice raddoppia.
Per questo motivo Pearson ha proposto un indice di contingenza quadratico medio, che ci indica la connessione tra i
caratteri.
∅ = indice di contingenza quadratico medio
Max (∅ ) = n∙ [min (r − 1; c − 1)]

∅
Un altro indice relativo di connessione è l’indice di Cramer che varia tra 0 e 1. 𝜑 =
( ; )
2
L’indipendenza assoluta è valutata dal chi-quadrato di Pearson (X ) e possiamo applicarle per: le tabelle di
contingenza (due variabili qualitative), tabelle miste e tabelle di correlazioni (due variabili quantitative).
Esempio: Indice chi-quadrato Frequenze teoriche
X X1 X2 X3 tot 13*22/75=3.813 4.853 4.333 13
Y1 2 4 7 13 25*22/75=7.333 9.333 8.333 25
y Y2 5 14 6 25 37*22/75=10.853 13.813 12.333 37
Y3 15 10 12 37 22 28 25 75
tot 22 28 25 75
2-3.813=-1.813 -0.853 2.667 0
2.333 4.667 -2.333 0

Dalla tabella di contingenza
si evince che la somma
4.147 -3.813 -0.333 0 algebrica delle contingenze
di una riga o di una colonna
0 0 0
Le medie sono misure sintetiche introdotte per valutare aspetti complessi e globali di una distribuzione di un
fenomeno x mediante un solo numero reale costruito in modo da disperdere al minimo le informazioni sui dati originali.
Le medie si dividono:
 Medie razionale sono quelle che risultano dal concorso di tutti valori assunti dalla variabile mediante
un’espressione algebrica e sono definite medie di potenza: media aritmetica, geometrica, armonica e media
quadratica;
 Medie di posizioni risultano da particolari elementi della distribuzione: moda, mediana, quartili.
La media aritmetica è quel valore che se sostituito ai valori osservati x lascia invariata la somma, ed è il rapporto tra
l’ammontare del carattere e il totale delle unità.
∑ 𝑥
𝑥̅ =
𝑛
Le proprietà sono:
1. Internalità: considerata una distribuzione ordinata in senso non decrescente la media è compresa tra il valore
massimo e quello minimo della distribuzione,
2. Traslativa: addizionando o sottraendo una quantità costante per tutti i termini anche la media risulta
addizionata o sottratta;
3. Omogeneità: moltiplicando ogni termine per una costante la media risulta moltiplicata per la costante;
Statistica Pagina 5
lOMoARcPSD|2894970
4. Associativa: la media generale è uguale alla media ponderata delle medie parziali.
Esempio: Gruppo 1 : 22,23,24 M=23 Gruppo 2 : 26,27,28,29,30 M=28
M = (22+23+24+26+27+28+29+30)/8=26.1 M = (23*3+28*5)/8=26.1
5. La somma algebrica degli scarti dei termini della distribuzione dalla media è uguale a 0.
Per esempio: [9,12,30] Media = 17 scarti della media: 9-17= -8 ; 12-17= -5 ; 30-17= 13
Somma scarti = 13-8-5=0
6. La somma dei quadrati degli scarti dei termini della distribuzione dalla media è un minimo rispetto alla somma
dei quadrati degli scarti dei termini da un qualsiasi valore.
La media geometrica è la radice n-esima del prodotto dei termini (viene usata normalmente quando i diversi valori
vengono per loro natura moltiplicati, esempio tassi di interesse)
𝑀 = 𝑥 ∗𝑥 ∗…∗𝑥 media semplice
La media armonica è il reciproco della media aritmetica dei reciproci termini (è particolarmente usata quando si
mediano i rapporti di tempo).
𝑛
𝑀 =
1
∑
𝑥
Esempio: tre giri di auto ognuno da 20 km, primo giro a 40km/h, secondo giro 20km/h e terzo giro 60km/h
Km totali = 20+20+20=60 (n)
Tempo impiegato=20 + 20 + 20 =++= = =1.83 (∑ )
Velocità media (Mh) = 60/1.83 = 32.78

La media quadratica è data dalla radice quadrata della media aritmetica dei quadrati degli n termini ( è
particolarmente usata se in presenza di valori positivi e negativi e si vogliono eliminare i segni.
∑ 𝑥
𝑀 =
𝑛
Tra le medie sussiste la seguente relazione: x min ≤Mh≤Mg≤ 𝑥̅ ≤Mq≤xmax
8 LE MEDIE DI POSIZIONE
Medie di posizioni: moda, mediana, quartili.

La mediana è quel valore che suddivide la distribuzione, ordinata in senso non decrescente, in due parti, lasciando un
numero uguale di termini a destra e a sinistra del valore mediano. È possibile calcolarla per carattere quantitativi e per
i caratteri qualitativi rettilinei.
La distribuzione per unità se il numero è pari, la mediana coincide con il valore: Med = (Posn/2+Pos(n/2)+1 )/2
Esempio:
( )
Med= = = pos(n)
1 2 3 4 5 6 7 8 9 10 11 12
=23
voto 18 18 20 21 23 23 23 24 25 26 28 30
Statistica Pagina 6

lOMoARcPSD|2894970
La distribuzione per unità se il numero è dispari, la mediana coincide con il valore che si trova nella posizione:
Med= 𝑃𝑜𝑠
 Le distribuzioni di frequenza si calcolano le frequenze relative cumulate, la mediana corrisponderà al valore
xi associato alla prima frequenza relativa cumulata che comprende 0.5.
Esempio: La mediana è 25.

voto ni fi Fi
18 10 0.1 0.1
20 15 0.15 0.25
23 20 0.2 0.45
25 30 0.3 0.75
26 15 0.15 0.9
27 7 0.07 0.97
30 3 0.03 1
100
 Le distribuzioni in classi individuazione della classe mediana associata alla frequenza relativa cumulata che
comprende il valore 0.5
( )( . )
Med=xi-1+ per individuare la mediana in una classe
Xi-1= limite inferiore classe mediana; Xi - Xi-1 = ampiezza classe mediana
Fi-1= frequenza relativa cumulata prima della classe mediana Fi = frequenza rel. cumulata classe
mediana
Esempio:
statura ni fi Fi
Meno di 155 20 0.244 0.244

La classe mediana è 155 I- 165 poiché la frequenza cumulata che
155 I- 165 30 0.365 0.609 comprende 0.5 è questa
165 I- 177 12 0.146 0.756 Ora si calcola la mediana e si va ad inserire nella formula i valori:
177 I- 180 15 0.183 0.939 ( )( . ) ( )( . . )
Med=xi-1+ =155+ =162.01
. .
Oltre 180 5 0.061 1
82
Quartili
Il primo quartile corrisponde a quel valore che lascia alla sua sinistra il 25% delle osservazioni, mentre lascia alla sua
Il secondo quartile corrisponde alla mediana.
Il terzo quartile corrisponde a quel valore che lascia alla sua sinistra il 75% delle osservazioni, mentre lascia alla sua
Statistica Pagina 7

lOMoARcPSD|2894970
Anche in questo caso distinguiamo tre casi: distribuzioni di unità, distribuzione di frequenza e distribuzioni in classi.
La formula per calcolare i quartili è la seguente: Q1 = Q3=
La moda è la modalità a cui corrisponde la massima frequenza. Quindi può essere calcolata quando si ha una
distribuzione di frequenze. Poiché non richiede calcoli si può parlare di moda per qualunque tipo di carattere. Se la
variabile statistica è divisa in classi e le classi hanno diversa ampiezza, è necessario calcolare la densità di frequenza.
L’intervallo corrispondente alla più grande densità di frequenza è quello dentro il quale cade la moda.
Voto ni
statistica
18 3
20 2
La moda è 23.
23 4
25 1
26 2
28 2
30 1
15
Se invece vogliamo trovare la moda in una classe, bisogna calcolare la densità della classe, la classe con la densità
maggiore è la classe modale, la moda invece corrisponderà al valore centrale della classe.
9 LA VARIABILITA’
La variabilità è l’attitudine di un fenomeno quantitativo ad assumere differenti modalità. Si distinguono due aspetti
della variabilità:
 La dispersione che caratterizza il maggiore o minore addensamento delle osservazioni rispetto ad un valore
che dovrebbe essere compreso tra il valore più piccolo e più grande della distribuzione e potrebbe coincidere
con un termine della distribuzione;
 La disuguaglianza si ha quando la variabilità si riferisce alle differenze tra le modalità.
Le proprietà degli indici di variabilità sono:

 Uguali a zero se tutti i termini della  Aumentare quanto maggiore è il grado di
distribuzione sono uguali; diversità;
 Positivi se vi è variabilità;
 Non modificarsi nel caso in cui tutte le modalità vengono aumentate o diminuite per una costante (invarianza
per trasformazione).
Gli indici di variabilità assoluta sono espressi nella stessa unità di misura delle unità statistiche e si dividono in:
 Indici di dispersione: devianza, varianza, scarto quadratico medio;
 Intervalli di variazione: campo di variazione e differenza interquartile.
La devianza è una misura di variabilità di una distribuzione. È data dalla somma degli scarti della media aritmetica al
quadrato, ossia scarto di una media al quadrato per il numero di frequenze + scarto di una nuova media al quadrato,
etc. Esso è il numeratore della varianza.
Dev (x)=∑ (𝑥 − 𝑥̅ )2
Statistica Pagina 8
lOMoARcPSD|2894970
La varianza è definita come la media aritmetica del quadrato degli scarti della media diviso n, esso ci fornisce la
misura sintetica di quanto le unità differiscono dalla media.
∑ ( ̅)
𝝈2= oppure può essere calcolata come la differenza di due medie al quadrato 𝝈2=𝑴𝟐𝒒 − 𝒙𝟐
𝒏
Lo scarto quadratico medio o deviazione standard è il più utilizzato tra gli indici di variabilità e non è altro che la
∑ ( ̅)
radice quadrata della varianza. 𝝈=
𝒏
2
Voto(xi) ni Xi*ni Xi-media(𝑥̅ ) (xi-media) x n1
18 10 180 -5.59 312.481 x=2359/100=23.59 Media
20 15 300 -3.59 193.3215

Dev(x)=∑ (x − x)2=864.19
23 20 460 -0.59 6.962
σ2=864.19/100=8.6419 (varianza)
25 30 750 1.41 59.643
σ = √8.6419=2.9397 scarto
26 315 390 2.41 87.1215
quadratico medio o deviazione
27 7 189 3.41 81.3967 standard
30 3 90 6.41 123.2643
100 2359 864.19
Intervalli di variazione
Il campo di variazione è la differenza tra il valore massimo e quello minimo della distribuzione. La sua utilizzazione è
molto limitata poiché è influenzata dai valori anomali.
ω =xmax - xmin
Differenza interquartile è data dalla differenza tra il terzo e il primo quartile. Q=Q3-Q1
Il Box-Plot consente con un colpo d’occhio di valutare:
 Il valore della tendenza centrale;
 La dispersione che dipende dall’ampiezza del rettangolo;
 La simmetria se i dati sono simmetrici;
 L’asimmetria nelle distribuzioni asimmetriche positive e negative
Indici di variabilità relativa sono indipendenti dall’unità di misura e permettono di fare confronti.
Il coefficiente di variazione CV = ||
è espresso generalmente in termini percentuali, e consente di effettuare
confronti fra diverse distribuzioni per fenomeni omogenei.
Anche per i caratteri qualitativi esiste un concetto simile alla variabilità ossia la mutabilità.
La mutabilità è l’attitudine di un fenomeno qualitativo ad assumere diverse modalità. Esempi di indici di mutabilità
sono: indici che misurano l’omogeneità e per negazione l’eterogeneità.
Un insieme si dice omogeneo rispetto ad un carattere se tutte le unità presentano la stessa modalità, per contro se le
unità statistiche tendono a distribuirsi in maniera uniforme si parlerà di insieme eterogeneo.
Un indice di eterogeneità assai facile da calcolare è l’indice del Gini.
Statistica Pagina 9

lOMoARcPSD|2894970
IE=1-∑ ( )2 Ossia 1 meno le sommatorie delle frequenze relative al quadrato
Si annulla quando il collettivo è omogeneo
a a …. a …. a a
1 2 i j k
0 0 …. n … 0 0
IE=0 min(IE)=1-( )2=0 Quando l’indice è compreso tra 0 e 1 il collettivo è eterogeneo.
max (IE)=
Un indice normalizzato compreso tra 0 e 1, utile per il confronto tra due distribuzioni si ottiene raddoppiando IE con il
suo massimo
∑ ( )
IEk =
Esempio: si considera un collettivo di 100 addetti secondo l’attività di lavoro e il titolo di studio
2
ni fi Fi
chimico 40 0.4 0.16 IE=1-∑ ( )2 IE=1-0.36=0.64
meccanico 40 0.4 0.16 . .

IE = = =0.964
trasporto 20 0.2 0.04
100 1 0.36
ni fi F i2
L.elem 10 0.1 0.01

IE=1-0.34=0.66
L.med 20 0.2 0.04
. .
IE = = =0.88
diploma 50 0.5 0.25
Quindi il carattere lavoro è più eterogeneo del titolo di studio. laurea 20 0.2 0.04
100 1 0.34
10 INDICI DI FORMA
Per sintetizzare una distribuzione si possono utilizzare anche gli indici di forma. Essi sono indici descrittivi che
mettono in evidenza ulteriori aspetti della variabilità di un fenomeno, ossia: l’asimmetria e la curtosi.
L’asimmetria:
Una frequenza si dice simmetrica se le modalità equidistanti dalla mediana presentano la stessa frequenza (assoluta
o relativa), cioè se x’ e x” sono tali che: I x’- Med I = I x”- Med I
E le loro frequenze sono n’= n”

lOMoARcPSD|2894970
Esempio:
xi ni
1 8 La mediana è 3 e le frequenze delle

modalità equidistanti dalla mediana sono
uguali.
2 12
3 10
4 12
5 8
50
Nel caso di una distribuzione simmetrica, il suo grafico è simmetrico rispetto alla mediana. Se una distribuzione
unimodale è simmetrica la moda, la media e la mediana coincidono.
Tenuto conto che la mediana (centro di simmetria) è un valore interno alla moda e alla media, si ha che se una
distribuzione non è simmetrica si possono avere diverse situazioni:
Asimmetria positiva: Mo< Med < 𝑥̅ Vi è un maggiore addensamento dei dati in corrispondenza dei dati osservati in
corrispondenza dei valori più bassi: ramo destro della curva
Asimmetria negativa se: 𝑥̅ < Med < Mo
Distribuzione simmetrica: Med-Q1=Q3-Med
Distribuzione asimmetrica positiva: Med-Q1<Q3-Med
Distribuzione asimmetrica negativa: Med-Q1>Q3-Med
𝑄 𝑄 −2𝑀𝑒𝑑
Per calcolare l’indice di asimmetria si fa: AS = 1+ 3
𝑄3−𝑄1
Si ha In ]0,1] in caso di simmetria positiva Si ha In [−1,0[ in caso di simmetria negativa
AS=0 simmetria
Esempio: calcola AS
Peso ni fi Fi La classe modale è 65 I- 70
55 I- 60 12 0.12 0.12 ( )( . ) ( )( . . )
Med = 𝑥 + = Med = 65 + . .
=
60 I- 65 14 0.14 0.26
∗ . ∗ .
65 + =65+ . =65+4=69
.
65 I- 70 30 0.3 0.56 Il primo quartile ha classe 60 I- 65 perché ha il valore 0.25
Il terzo quartile ha classe 70 I- 75 perché ha il valore 0.75
70 I- 75 24 0.24 0.80
( )( . ) ( )( . . )
Q1= 𝑥 + = 60 + =64.64
75 I- 80 10 0.1 0.90 . .
( )( . ) ( )( . . )
80 I- 85 9 0.09 0.99 Q3= 𝑥 + = 70 + =73.96
. .
85 I- 90 1 0.01 1 . .
AS = =
.
=0.0644
100 1

lOMoARcPSD|2894970
Uno degli indici di asimmetria più noto è il Skewness del Pearson, che esprime i il grado di simmetria di una
distribuzione unimodale come differenza tra la media aritmetica e la moda, tutto diviso la deviazione standard
γ=
Se 𝛾 > 0 la distribuzione è asimmetrica positiva.
Se 𝛾 < 0 la distribuzione è asimmetrica negativa.
Un altro indice è il momento centrale di ordine r rispetto alla media aritmetica.
∑ ( ̅)
𝜇̅ =
Altro indice è il coefficiente di Fischer - Pearson
La curtosi
Data una distribuzione unimodale simmetrica si vuole valutare il suo scostamento rispetto ad un modello teorico di
riferimento normale o Gauss.
La forma della distribuzione è campanulare.

Non tutte le distribuzioni simmetriche a forma di campana sono normali ma possono verificarsi due scostamenti:
 Ipernormale (leptocurtica) la forma della distribuzione è più allungata.
 Iponormale (platicurtica) la forma della distribuzione è più appiattita.
Per misurare il grado di disnormalità di una distribuzione viene impiegato il coefficiente di curtosi di Pearson.
𝛾 = 𝜇̅ 𝑚𝑜𝑚𝑒𝑛𝑡𝑜 4° 𝜎 𝑞𝑢𝑎𝑑𝑟𝑎𝑡𝑜 𝑑𝑒𝑙𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛
𝛾 = 3 𝑐𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝛾 < 3 𝑖𝑝𝑜𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝛾 > 3 𝑖𝑝𝑒𝑟𝑛𝑜𝑟𝑚𝑎𝑙𝑒

La curtosi quindi rappresenta lo schiacciamento della campana della distribuzione.
L’indipendenza in media la possiamo verificare:

 Per una tabella mista (1 variabile quantitativa e 1 qualitativa);
 Tabella di correlazione (entrambe le variabile quantitative).
L’indice che useremo per verificare l’indipendenza in media è il rapporto di correlazione.
Si supponga di avere una distribuzione doppia di una variabile Y quantitativa e di una variabile X che può essere sia
quantitativa che qualitativa. Esiste indipendenza in media tra due variabili se e solo se si verifica la seguente
condizione:
Medie parziali uguali tra loro = Media generale
Indipendenza in media di Y da X. Indipendenza in media di X da Y.
𝑦1=𝑦2=….=𝑦r=𝑦 𝑥̅ 1=𝑥̅ 2=….=𝑥̅ r=𝑥̅

lOMoARcPSD|2894970
L’indice relativo di dipendenza in media è il rapporto di correlazione di Pearson. Esso è uguale al rapporto della
devianza Between e la devianza di Y:
( ) ∑ ( ) ∗
∑ ̅ ∗
𝑛 = = ∑
𝑛 = ∑ ( )
( ) ∗ ∗
Proprietà
0≤ 𝑛 ≤1
𝑛 = 0 𝑖𝑛𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑧𝑎 𝑖𝑛 𝑚𝑒𝑑𝑖𝑎
𝑛 = 1 𝑝𝑒𝑟𝑓𝑒𝑡𝑡𝑎 𝑑𝑖𝑝𝑒𝑛𝑑𝑒𝑛𝑧𝑎 𝑖𝑛 𝑚𝑒𝑑𝑖𝑎
𝑛 ≠𝑛 non è una misura simmetrica
Esempio:
reddito
13 21 31 43
∗ ∗ ∗ ∗
𝑦1= =23.5
titolo 10-16 17-25 26-36 37-49
∗ ∗ ∗ ∗
𝑦2= =31.33
Diploma 4 6 5 1 16
∗ ∗ ∗ ∗
𝑦3= =16.09
Laurea 0 2 5 2 12
∗ ∗ ∗ ∗
Altro 16 4 2 0 22 𝑦= =22.12
20 12 15 3 50
yj n*j (yj-𝑦)2*n*j
𝑦i ni* (𝑦i-𝑦)2*ni*
13 20 1663.49
23.5 16 30.47
21 12 15.05 𝑛 =
( )
=
∑ ( ) ∗
=
.
=0.44
31.3 12 1011.27 ( ) ∑ ∗ .
31 15 1182.82 Si ha una debole ma non trascurabile dipendenza

16.09 22 799.94 in media tra le due variabili
43 3 1307.92
1841.68
4169.28
L’indipendenza correlativa va analizzata attraverso una tabella di correlazione (entrambe le variabili quantitative) e
l’indice che useremo è il coefficiente di correlazione.
Si ha concordanza tra due variabili se a valori più piccoli di X corrispondono in media valori più piccoli di Y e a valori
più grandi di x corrispondono in media valori più grandi di y. Nel caso contrario si ha discordanza.
La codevianza e la covarianza sono misure di concordanza tra x e y.

lOMoARcPSD|2894970
La codevianza è la somma dei prodotti degli scarti dei due caratteri x e y ossia:
Cod (X,Y)= ∑ (𝑥 − 𝑥̅ ) (𝑦 − 𝑦) 𝑜𝑝𝑝𝑢𝑟𝑒 ∑ 𝑥 𝑦 − 𝑛𝑥𝑦
La covarianza è la codevianza diviso n: In caso di distribuzione doppie la covarianza è:
( , )
Cov (X, Y)= ∑ 𝑥 𝑦 − 𝑛𝑥𝑦 Cov (X, Y)=
Le proprietà della covarianza e la codevianza sono:

 Positive se prevalgono i prodotti degli scarti concordi;
 Negative se prevalgono i prodotti degli scarti discordi;
 Misure simmetriche;
 La loro unità di misura è data dal prodotto dell’unita di misura di x e y.
Per misurare la concordanza o la discordanza tra le due variabili si utilizza il coefficiente di correlazione lineare di
Bravis Pearson che fornisce una misura del grado di correlazione lineare reciproca che esiste tra le due variabili x e y.
( , )
r= Il coefficiente è un numero puro che varia tra –1 e 1 ed ha il segno algebrico della
( ) ( )
codevianza.
Esempio: calcolare il coefficiente di correlazione:
X Y Si calcolano gli scarti delle medie
63 55 X-M Y-M
70 54 Media X=60 3 2.2

Media Y=52.8
52 46 10 1.2
65 60 -8 -6.8
50 49 5 7.2
totale 300 264 -10 -3.8
La somma dei quadrati degli scarti risultano la devianza

di x e y, mentre il prodotto degli scarti risulta la
Si calcolano le devianze la codevianza codevianza.
2 2
(X-MEDIA) (Y-MEDIA) (X-MEDIA)*(Y-MEDIA)
DEV (X)=298
9 4.84 6.6 DEV (Y)=118.8
COD (X,Y)=147
100 1.44 12 L’indice di correlazione quindi sarà:
64 46.24 54.4 ( , )
r= ( )
= = 0.78
( ) √ ∗ .
25 51.84 36
100 14.44 38
298 118.8 147

lOMoARcPSD|2894970
E’ possibile stabilire quindi la seguente gerarchia tra i tre concetti d’indipendenza:
Indipendenza statistica►indipendenza in media►indipendenza correlativa
La regressione ha lo scopo della di ricerca di un modello atto a descrivere la relazione esistente tra una variabile
indipendente X e una dipendente Y. Si sceglie come variabile indipendente la variabile antecedente rispetto all’altra.
In un modello di regressione le variabili esplicative spiegano, prevedono, simulano, controllano la variabile

dipendente.
La regressione è rappresentata attraverso una retta di regressione nella seguente espressione analitica:
𝑦 =bo+b1xi (bo e b1 sono coefficienti di regressione; b0 l’intercetta della retta sull’asse y ; b1 coefficiente angolare)
Mediante il metodo dei minimi quadrati si trova la retta migliore, ossia quella che rende quanto più piccola i residui.
( , ) ∑ ( ̅ )( )
b1= ( )
= ∑ ( ̅)
b0=𝑦 − 𝑏 𝑥̅ 𝑦 = 𝑚𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚𝑒𝑡𝑖𝑐𝑎 𝑑𝑖 𝑦

La codevianza determina il segno del coefficiente di regressione:
se la codevianza è positiva la retta di regressione è crescente Cod(X,Y)>0 b1>0
se la codevianza è negativa la retta di regressione è decrescente Cod(X,Y)<0 b1<0
se la codevianza è 0 la retta è parallela all’asse x Cod(X,Y)=0 b1=0

 È l’unica retta che minimizza la somma dei quadrati dei residui.
 La retta passa per la media di x e la media di y come centro di gravità.
 La somma dei residui è 0.
 La somma dei valori osservati e i valori teorici presentano la stessa media.
Una volta calcolata la retta di regressione bisogna determinare il grado di adattamento che esiste tra i valori osservati
e i teorici.
La devianza della variabile di Y sarà uguale alla somma della devianza di residua + la devianza di regressione.
Dev (Y)= ∑ (𝑦 − 𝑦)2
Dev (Y)= ∑ (𝑦 − 𝑦)2+∑ (𝑦 − 𝑦)2

La devianza di residua misura il grado di dispersione dei punti osservati intorno alla retta di regressione. È nulla
quando non c’è dispersione e tutta la variabilità y è attribuibile alla dipendenza lineare della X.
La devianza di regressione è quella parte della variabilità di Y che viene spiegata dalla relazione lineare. È nulla se i
valori teorici coincidono con la media della Y.
Il grado di adattamento è definito dal coefficiente di determinazione lineare ed è dato dal rapporto tra la devianza di
regressione e la devianza totale. Esso misura quanta parte della variabilità totale è spiegata dalla regressione e
assume valori compresi tra 0 e 1.
( ) ∑ ( ) ∑ ( )
R2= =∑ oppure R2=1 - ∑
( ) ( ) ( )
lOMoARcPSD|2894970
0≤𝑅 ≤1
2
R =0 la devianza regressione è nulla, i valori teorici sono tutti costanti e pari al valore medio della Y.
2
R =1 la devianza residua è nulla, per cui la variabilità di Y è spiegata totalmente dalla variabile X.
Due variabili sono interdipendenti quando non si può individuare un carattere antecedente all’altro.
La correlazione misura il grado di concordanza e discordanza tra due variabili attraverso il coefficiente di correlazione
lineare di Bravis - Pearson.
( , )
r= ( ) ( )
Il coefficiente che è un numero puro che varia tra -1 e 1 ed ha il segno algebrico della codevianza.
r = -1 vi è perfetta correlazione lineare, vi è discordanza le due rette di regressione coincidono.

-1 < r <0 discordanza
r = 0 non vi è correlazione lineare,le rette sono parallele agli assi.
0 < r <1 concordanza
r = 1 vi è concordanza, vi è perfetta correlazione lineare, le due rette di regressione coincidono.
La correlazione non è equivalente di dipendenza.

La correlazione è molto sensibile agli outliers.
13 ELEMENTI DI CALCOLO DELLE PROBABILITA’
Un esperimento casuale (E) può essere considerato come una operazione il cui risultato non può essere previsto con
certezza. L’insieme di tutti i possibili risultati connessi all’esperimento è detto spazio campionario e viene indicato con
Ω.Lo spazio degli eventi è definito dalla classe di tutti i sottoinsiemi dello spazio campionario.
Concetti degli insiemi
 Unione: dati due eventi A e B si indica con A ∪ B l’insieme degli elementi che stanno in A o in B o in
entrambi.
 Intersezione: dati due eventi A e B si indica con A ∩ B l’insieme degli elementi che stanno in A o in B.
Esempio: A ={1,2,3} B={2,3,4} A ∩ B = {2,3}
 Negazione di eventi: l’insieme degli elementi non inclusi in A è denominato complemento o negazione di A e
si indica con 𝐴̅. La negazione dell’evento a riguarda tutti gli eventi di una prova escluso l’evento A.
 Eventi disgiunti (incompatibili o mutualmente esclusici):due elementi si dicono disgiunti se non contengono
elementi comuni (non possono verificarsi contemporaneamente) A ∩ B = ∅ insieme vuoto.
 Partizione: si definisce partizione di un insieme D quell’insieme costituito dalle parti non vuote, disgiunte la cui
unione è l’insieme D. A1 ∪ A2 ∪ A3 = D
Nella storia sono state proposte diversi impostazioni di pensiero sul concetto di probabilità: classica, frequentista,
soggettivista e assiomatica di Kolmogorov.
1. Classica (Laplace, 1750)
P (A) =
Questa definizione parte dal presupposto che tutti gli eventi abbiano la stessa probabilità di verificarsi. Può essere
applicabili solo a prove con numero finito di casi possibili.
2. Frequentista (Von Mises, 1934)
Prende le mosse dal fatto che ripetendo numerose volte un esperimento nelle stesse condizioni, la frequenza relativa
di ciascun risultato tende a stabilizzarsi intorno ad un valore centrale al crescere delle prove (postulato empirico del
caso).
lOMoARcPSD|2894970
P (A) = lim → = lim → 𝑓 fa = frequenza relativa
Si osservi che:
𝑓 = frequenza relativa dell’evento a verificatosi k volte su n prove.
0≤ 𝑓 ≤ 1
𝑓 = 1 𝑠𝑒 𝑒 𝑠𝑜𝑙𝑜 𝑠𝑒 𝐴 𝑠𝑖 è 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑜 𝑠𝑒𝑚𝑝𝑟𝑒; 𝑓 = 0 𝑠𝑒 𝑒 𝑠𝑜𝑙𝑜 𝑠𝑒 𝐴 𝑛𝑜𝑛 𝑠𝑖 è 𝑚𝑎𝑖 𝑣𝑒𝑟𝑖𝑓𝑖𝑐𝑎𝑡𝑜

3. Assiomatica (Kolmogorov, 1933)
Kolmogorov definì tre assiomi:

 Ad ogni evento A corrisponde una probabilità P(A), che soddisfa la seguente disuguaglianza: 0 ≤ 𝑃(𝐴) ≤ 1
Positività.
 La probabilità dell’evento certo Ω =1 Certezza.
 P (⋃ 𝐴 )=∑ (𝐴 )
Probabilità totale
Più eventi A, B e C si dicono incompatibili quando il verificarsi di uno esclude il verificarsi degli altri.
Dati A e B due eventi incompatibili di probabilità P (A) e P (B), la probabilità di realizzazione di uno o dell’altro evento
è uguale alla somma delle due probabilità dei due eventi.
P (A ∪ B) = P(A) + P (B) Principio delle probabilità totali
Se gli eventi A e B non sono mutualmente escludendosi, la probabilità che il verificarsi l’uno o l’altro evento è:
P (A ∪ B) = P(A) + P(B) − P(A ∩ B)
Probabilità condizionata
Dato uno spazio Ω e due eventi A e B compatibili fra loro, si suppone che il secondo evento (B) sia quello
condizionante e si vuole conoscere la probabilità del verificarsi di A.
( ∩ )
P (A I B) = ( )
𝑐𝑜𝑛 𝑃(𝐵) > 𝑂
Analogamente, la probabilità condizionata di B dato che si è verificato A è:
( ∩ )
P (B I A) = ( )
𝑐𝑜𝑛 𝑃(𝐴) > 𝑂
Probabilità composta
Dalla probabilità condizionata si deduce che, dati due eventi A e B, la probabilità del contemporaneo verificarsi di A e
B è pari a:
P(A ∩ B) = P (A I B) 𝑃(𝐵) = P(B I A) 𝑃(𝐴) dalle formule inverse della probabilità condizionata.
Nel caso in cui esista indipendenza, ossia il verificarsi di un evento non altera la probabilità del verificarsi dell’altro si
ha:
P (A I B) = 𝑃(𝐴) P (B I A) = 𝑃(𝐵)
Quindi l’espressione che esprime la probabilità del contemporaneo verificarsi di due eventi è:
P(A ∩ B) = 𝑃(𝐴) • 𝑃(𝐵)
lOMoARcPSD|2894970
Teorema della probabilità assoluta
Siano H1,..,Hn eventi mutualmente incompatibili che costituiscono una partizione di Ω. Per ogni A∈ Ω si ha:
P (A)=∑ 𝑃(𝐻 )𝑃(𝐴 | 𝐻 )

Si considera un esperimento casuale E con uno spazio campionario Ω e sia Y lo spazio degli eventi.
Sia X una funzione che assegni un numero reale X (A) ad ogni evento, allora X(.) è chiamata variabile casuale (v.c.).
I valori di una variabile casuale sono incerti e di conseguenza v.c. X è sempre accompagnata dalla sua funzione di
probabilità P(X) che esprime la probabilità con la quale v.c. X può assumere i suoi diversi valori.
Le variabili casuali possono essere:
 Discrete: se la v.c. assume un numero finito o un’infinità numerabile di valori;
 Continue: è una variabile che può assumere tutti i valori appartenenti ad un intervallo (a,b).
Le v.c. sono indicate con lettere maiuscole(X) ed i valori assunti da X con lettere minuscole (x).
Una variabile casuale discreta è definita dal seguente prospetto:

𝑥 ,….𝑥 …., 𝑥
𝑝 , … 𝑝 , … , 𝑝 valori di X e probabilità
P (X = xi) = pi ∑ 𝑝 =1
L’insieme delle coppie (xi e pi) con i = 1, …. , n è detta distribuzione di probabilità di X. La funzione p i definisce la
funzione di probabilità della v.c. X.
Essa soddisfa le seguenti condizioni:
1. pi ≥0 per ogni i=1,…,n positività
2. ∑ 𝑝 = 1 certezza
Esempio: si lancino 2 dadi e si definisca la v.c. X come somma dei punti ottenuti dai 2 dadi.
eventi v.c. X pi
1 1 2 0.03 pi =
1 2
3 0.06
2 1
In questo caso il numero di combinazioni totali è 36
1 3
2 2 4 0.08
Graficamente sarà rappresentato attraverso un
3 1 istogramma dove sulle x avremo la v.c. e sulle
ordinate la pi
1 4
2 3
5 0.11
3 2
4 1
Così via fino a 12
Totale 1
In alcuni casi può essere utile trovare la probabilità che una v.c. X assuma valori uguali o inferiori a xi e si utilizza la
seguente formula:
lOMoARcPSD|2894970
P (X ≤ xi)=∑ 𝑝 indicata con F(x)

F (x) è definita funzione di ripartizione o funzione di distribuzione cumulata. E gode delle seguenti proprietà:
1. 𝑙𝑖𝑚 → 𝐹(𝑥) = 0
2. 𝑙𝑖𝑚 → 𝐹(𝑥) = 1
3. P (X = xi) = F (xi) – F (xi-1) = p1
4. È una funzione a gradini non decrescente
Una variabile casuale continua
Lo spazio campionario Ω associato ad un esperimento casuale è infinito o finito non cumulabile.
Una v.c. continua che assume valori in un certo intervallo R esteso anche a tutto l’asse reale R, è definita se esiste
una funzione f(x) tale che per ogni (a,b) ∈ R si abbia:
P (a ≤ X ≤ b) = ∫ 𝑓(𝑥)𝑑𝑥 per ogni (a,b) ∈ R
La funzione f (x) viene chiamata densità di probabilità della v.c. X (f.d.p) se e solo se:
1) f (x) ≥ 0 positività 2) ∫ 𝑓(𝑥)𝑑𝑥 = 1 certezza
inoltre P (X = x0) = ∫ 𝑓(𝑥)𝑑𝑥 =0
Il valore atteso del caso discreto è il seguente: E (X) = μ = ∑ 𝑥𝑝
Il valore atteso del caso continuo è il seguente: E(X)=∫ 𝑥 ⋅ 𝑓(𝑥)𝑑𝑥
Le proprietà del valore atteso:

 Se a è una costante reale E (aX) = aE (X)
 Se a è una costante reale E (a+X) = a + E (X)
 Se X e Y sono due v.c. E (X+Y) = E (X)+ E (Y)
 Se a e b sono costanti reale E (aX + bY) = aE (X) + bE (Y)
2 2 2
 Se a è una costante reale E ((aX) ) = a E (X )
La varianza del caso discreto: Var(X)=ρ2=∑ 𝑥 ∙ 𝑝 − [𝐸(𝑋)]2
La varianza del caso continuo: Var(X)= ∫ [𝑥 − 𝐸(𝑋)] 𝑓(𝑥)𝑑𝑥
Le proprietà della varianza
Se X è una v.c. a e b sono due costanti reali allora :
Var (aX + b) = a2Var (X)

Se X e Y sono due v.c. ed a e b sono due numeri reali allora:
Var (aX ± bY) = a2Var (X)+b2Var (Y)± 2ab∙Cov (X, Y)

Dove :
Cov (X, Y) = {[𝑋 − 𝐸(𝑋)][𝑌 − 𝐸(𝑌)]}

15 PRINCIPALI DISRIBUZIONI DI PROBABILITA’
Distribuzioni di probabilità discrete
1.Distribuzione uniforme discreta: una v.c. X assume valori in un insieme formato dai primi n numeri interi segue una
distribuzione uniforme discreta se la sua funzione di probabilità è data:
lOMoARcPSD|2894970
P (X = xi) = i = 1,….,n
X assume un numero finito di valori, tutti gli eventi hanno uguale probabilità di verificarsi, la v.c. uniforme non presenta
moda ed è simmetrica intorno alla media. Inoltre valgono le seguenti condizioni:
P (X = xi) = ≥0 ∑ 𝑃 (𝑋 = 𝑥 )𝑛 ⋅ = 1 Inoltre: Il valore atteso E (X) = Var (X) =
2.Distribuzione di Bernoulli: una v.c. X ha distribuzione di Bernoulli con parametro p ( compreso nell’intervallo
chiuso 0,1) se e soltanto se la sua distribuzione di probabilità è data:
X≈B(1,p) E (X) = p Var (X) = pq

x 1-x
P (X = x) = p (1-p) x=0,1 0≤𝑝 ≤ 1 Inoltre:
Bernoulli è associato ad un esperimento casuale i cui risultati sono classificati in due categorie ( esempio: vero e
falso) assegnando valori 1 e 0 rispettivamente con probabilità p e q (q=1-p)
3.Distribuzione Binomiale: una v.c. ha una distribuzione binomiale con parametri n (numero intero positivo)
e p (compreso nell’intervallo 0 , 1 ) se e soltanto se la sua distribuzione di probabilità è data da:
X ≈ B(n,p)
n-x
P (X = x)= 𝑝 (1-p) x = 1,2,…., n
Inoltre.
E (X) = np Var (X) = npq la distribuzione binomiale è la somma di n v.c. indipendenti di bernoulli.
Il suo coefficiente binomiale sarà:
!
𝐶 = =( )! !
numero di casi in cui si presentano x successi in n prove
Esempio: un ragazzo partecipa ad un concorso la cui prova è un test a risposta multipla. Vengono presentate 10
domande con 3 risposte. Si determina: 1) Quante risposte giuste si attende dal ragazzo; 2) Si determini la probabilità
che risponda esattamente a più di 6 domande.
! ⋅ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ⋅ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙
Esempio: n=10 x=6 𝐶 =( )! !
= ( )! !
= =210
∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙ ∙
n=10 p = = 0.33 E(x)=p*n=0.33*10=3.3 risposte giuste attese
n-x
P (X = x)= 𝑝 ( 1 - p)
Dalla formula della probabilità binomiale sostituire alla x i casi che risponda a più di sei domande (x=7; x=8;x=9;x=10)
10-7 10-9
P (X=7) = 0.33 ( 1 - 0.33) =0.0154 P(X=9)= 0.33 (1-0.33) =0.0003
10-8 10-10
P (X=8) = 0.33 ( 1 - 0.33) =0.0028 P(X=10)= 0.33 (1-0.33) =0.000015
P (X = 7,8,9,10) = 0.0154 + 0.028 + 0.0003 + 0.000015=0.0185
Distribuzioni di probabilità continue
Distribuzione Normale o di Gauss: Una v.c. X ha distribuzione normale con parametri μ e σ2 se e soltanto se la sua
funzione di densità è data da:
( )
f (x)= 𝑒 -∞≤x≤+∞ X ≈(μ;σ2) E(X)= 𝜇 Var(X)= σ2
√
Caratteristiche:
 Essa ha una forma campanulare simmetrica rispetto al punto X = 𝜇;
 Esistono tante curve normali quanto sono le coppie di 𝜇 e di σ2;
lOMoARcPSD|2894970
 Al variare 𝜇 cambia la posizione della curva sull’asse delle x;

 Al variare di σ2 cambia la forma della curva (all’aumentare si appiattisce, al diminuire si allunga);
 La densità della normale si presenta come una curva simmetrica con forma a campana;
 I valori della X sono raggruppati attorno alla media.
Le proprietà sono:
 È unimodale;
 È simmetrica rispetto ad una retta parallela all’asse delle ordinate condotta per il punto di ascissa 𝑥 = 𝜇;
 In corrispondenza del punto x = 𝜇 la funzione assume il suo valore massimo.
 Ha due punti di flesso in corrispondenza di 𝜇 ± ∞;
 Tende asintoticamente a 0 per x che tende a ±∞;
 Data una v.c. normale X, ogni trasformazione lineare di X sarà anche essa una normale:
2
X ≈ N (𝜇; 𝜎 ) allora aX+b≈N(aμ+b;a σ ) dove a e b sono costanti reali.
2 2
 Date n v.c. normali indipendenti X1,X2,….,Xn dove Xi ≈ N(μi;σi2) si può dimostrare (proprietà riproduttiva) che:
Y = (a1X1+a2X2+….+anXn)→ Y ≈ N (∑ 𝑎 𝜇 ;∑ 𝑎 𝜎 ) dove ai sono costanti.
Distribuzione Normale Standardizzata

La curva normale dipende da due parametri e per poter calcolare l’area e, dunque la probabilità tra due punti di
scissa, ci vorrebbero tante tavole quanto sono le coppie dei valori 𝜇 e di σ2 oppure calcolare l’integrale della funziona
densità. Per ovviare a questo problema si procede alla standardizzazione:
Z= Funzione densità f (z)= 𝑒 dove z è compreso tra + ∞ e -∞

√
La standardizzazione consiste nella traslazione degli assi ortogonali di riferimento dal valore x=μ al valore z=0, e al
cambiamento dell’unità di misura della variabile X. La nuova variabile Z viene espressa in unita di σ
Z ≈ N(0,1) E(Z)=0 Var(Z)=1
Distribuzione Chi-Quadrato
Siano X1, X2,….,Xn n v.c. normali indipendenti con parametri μi e 𝜎 i2
Sia Zi = allora Y=∑ 𝑍 ≈𝑋 La v.c. chi quadrato è una v.c. continua generata dalla somma di n v.c. normali
standardizzate e indipendenti al quadrato. Dove n sono i gradi di Libertà.
Il grado di libertà è il numero di osservazioni diminuito del numero dei vincoli che entrano nel calcolo del parametro
considerato.
E (Y) = n Var (Y) = 2n
La forma della distribuzione sono:
 La v.c. chi quadrato è non negativa e varia tra 0 e + ∞;

 Dipende da un solo parametro dato dai gradi di libertà n;
 Per n < 2 è monotona e decrescente;
 Per n > 2 è asimmetrica a destra;
 Tende alla simmetria quando il numero dei gradi di libertà aumenta;
 Essa si approssima alla normale quando il numero di dei gradi di libertà è superiore a 30.
Distribuzione t di student
2
Se X ≈ N(0,1) e Y≈Xn e se le due v.c. X e Y sono indipendenti allora la v.c.:
tn = Ha una forma simmetrica che dipende dai gradi di libertà. Si distingue dalla normale per avere una
forma meno snella e le code più ingrossate e per essere più appiattita.
Al tendere di n all’infinito la v.c. t di Student tende alla normale standardizzata. Questo già per n >30
lOMoARcPSD|2894970
Distribuzione F di Fisher-Snedecor
2
Se X≈Xn e Y≈Xm2 e se le due v.c. X e Y sono indipendenti allora la v.c.:
F= per m>2 E(F)=
( )
per m > 4 V(F)= ( ) ( )
la distribuzione della F non è simmetrica in n e m.
L’operazione di estrazione di un campione può essere effettuato in due modi:

1) Con ripetizione (Bernoulliano), l’unità estratta è reinserita nella popolazione e può comparire più volte. Ogni
unità ha le stesse probabilità si essere selezionata. I risultati di questa estrazione sono indipendenti;
2) Senza ripetizione, l’unità estratta non viene più reinserita, per cui la probabilità di selezione di un’unità varia
ad ogni estrazione. I risultati di questa estrazione non sono indipendenti.
Se da una popolazione X si estraggono tutti i possibili campioni di ampiezza n e per ogni campione si calcola la
statistica di interesse (media, mediana, varianza) si ottiene un insieme di valori ognuno dei quali è deputato ad essere
una stima del parametro incognito della popolazione.
Il modo in cui la statistica varierà da un campione ad un altro determina la distribuzione di probabilità della statistica
(distribuzione campionaria della statistica).
Sia X1, X2,… Xn un campione casuale di n osservazioni estratto dalla popolazione X. Esso è formato da n v.c.
2
indipendenti ed identicamente distribuite con media μ e varianza σ . Si ha allora:
E (𝑋 ) = μ V(𝑋) = campionamento con ripetizione 𝑉(𝑋) = 𝑒𝑟𝑟𝑜𝑟𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑑𝑒𝑙𝑙𝑎 𝑚𝑒𝑑𝑖𝑎

√
Rappresenta una misura di variabilità delle medie campionarie attorno alla media della popolazione.
Considerando tutte le medie campionarie ed associando ad ogni media distinta la sua probabilità, si ottiene la
distribuzione della probabilità della media campionaria.
La distribuzione campionaria rappresenta la probabilità che la media calcolata su un campione assume valore 𝑥̅ .
Se X1,X2,… Xn è un campione casuale generato da X ≈ N (μ, 𝜎2) si ha che 𝑋 ≈ (𝜇, ) Z= ≈ N (0,1)

√
Se si considera una popolazione finita in cui viene estratto un campione senza ripetizione allora:
( )
E (𝑋 ) = 𝜇 Var (𝑥̅ ) = ( )
𝑓𝑎𝑡𝑡𝑜𝑟𝑒 𝑑𝑖 𝑐𝑜𝑟𝑟𝑒𝑧𝑖𝑜𝑛𝑒 𝑝𝑒𝑟 𝑝𝑜𝑝𝑜𝑙𝑎𝑧𝑖𝑜𝑛𝑖 𝑓𝑖𝑛𝑖𝑡𝑒
Per n = N Var(𝑋 ) = 0 𝑖𝑛 𝑡𝑎𝑙 𝑐𝑎𝑠𝑜 𝑖𝑙 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑒 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒 𝑐𝑜𝑛 𝑙𝑎 𝑝𝑜𝑝𝑜𝑙𝑎𝑧𝑖𝑜𝑛𝑒
Se n < N e quindi 𝑠𝑖 ℎ𝑎 𝑐ℎ𝑒 𝑙𝑎 𝑉𝑎𝑟 (𝑋 ) 𝑖𝑛 𝑢𝑛𝑜 𝑠𝑐ℎ𝑒𝑚𝑎 𝑑𝑖 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑚𝑒𝑛𝑡𝑜 𝑠𝑒𝑛𝑧𝑎 𝑟𝑖𝑝𝑒𝑡𝑖𝑧𝑖𝑜𝑛𝑒 è
𝑝𝑖ù 𝑝𝑖𝑐𝑐𝑜𝑙𝑎 𝑑𝑖 𝑞𝑢𝑒𝑙𝑙𝑎 𝑐ℎ𝑒 𝑠𝑖 𝑎𝑣𝑟𝑒𝑏𝑏𝑒 𝑖𝑛 𝑢𝑛 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑚𝑒𝑛𝑡𝑜 𝑐𝑜𝑛 𝑟𝑖𝑝𝑒𝑡𝑖𝑧𝑖𝑜𝑛𝑒
Facendo tendere N all’infinito la quantità tende ad assumere valore 1: quindi quando la popolazione è infinita i
due schemi di campionamento coincidono.
lOMoARcPSD|2894970
Esempio: data una v.c. X che assume valori: 6,8,10,12 ognuno con probabilità ¼ (distribuzione uniforme discreta). La
media di X è pari a 9 mentre la varianza è uguale a 5. Si estraggono da X campioni X1 e X2 di ampiezza 2 con re
immissione.
campioni Media campionaria Media campionaria valori distinti Funzione di probabilità
X1 X2
6 6 6 6 1/16
6 8 7 7 2/16
6 10 8 8 3/16
6 12 9 9 4/16
8 6 7 10 3/16
8 8 8 11 2/16
8 10 9 12 1/16
8 12 10
10 6 8
10 8 9
10 10 10
10 12 11
12 6 9
12 8 10
12 10 11
12 12 12
E (𝑋) = 𝜇 (𝑚𝑒𝑑𝑖𝑎 𝑐𝑎𝑚𝑝𝑖𝑜𝑛𝑎𝑟𝑖𝑎) = 9 𝑉𝑎𝑟(𝑋 ) = 5/2
Teorema limite centrale

2
Date n v.c. X1,…..,Xn estratte da una popolazione X con media 𝜇 e varianza σ indipendenti e identicamente distribuite
e tali che:
E (Xi)=μ Var(Xi) = σ2 i = 1,….,n

( )
E sia: Zn = = 𝑥̅ =∑
( )
√
Allora la distribuzione di Zn converge alla normale standardizzata per n→∞
Il teorema del limite centrale che al crescere di n la forma della distribuzione della media campionaria si approssima
alla forma normale. In pratica si ritiene che l’approssimazione sia accettabile per n > 30.
lOMoARcPSD|2894970
Teorema di De Moivre - Laplace (applicazione del teorema del limite centrale)
Date n v.c. X1,…..,Xn indipendenti generate da X ≈ B (1, p) la variabile (numeri di successi in n prove indipendenti)
Sn =∑ 𝑋 segue una distribuzione binomiale con E(Sn) = np Var(Sn) = npq
Se si pone:
( )
Yn = = al tendere di n all’infinito la distribuzione Yn tende alla distribuzione normale
√ √
standardizzata
La rapidità con la quale la distribuzione binomiale tende a quella normale dipende dal valore di p, nel senso che la
migliore condiziona di convergenza si ha quando la distribuzione è simmetrica cioè quando p = q = 0.5
Agli effetti pratici l’approssimazione è ritenuta accettabile se np e nq sono entrambi maggiori o uguali a 5.
Esempio: Una moneta viene lanciata 500 volte. Trovare la probabilità che il numero di teste sia compreso tra 220 e
280.
μ = np = 500*1/2=250 σ = 𝑛𝑝𝑞 = 500 ∗ ∗ 1/2 = 11.18
Considerando i dati continui tra 219.5 e 280.5
. .
Z219.5= = .
= −2.73 Z280.5= = .
=2.73
Probabilità richiesta = doppio dell’area compresa tra z=0 e z = -2,73)=2 (0.4968) = 0.9936
L’inferenza statistica è un procedimento di generalizzazione dei risultati campionari che consente di effettuare stime o
verifiche di ipotesi sui parametri di una popolazione descritta da una variabile casuale. La teoria della stima statistica
propone di fornire dei criteri o delle procedure per la stima di uno o più parametri della popolazione. Successivamente
si passa alla verifica delle ipotesi che consiste nel sottoporre a verifica una certa affermazione fatta sui parametri della
popolazione. La popolazione è descritta da una v.c. X ≈ f(x;θ) dove θ è il parametro incognito da stimare.
La statistica inferenziale vuole:
 Stimare il parametro incognito sulla base delle osservazioni campionarie;
 Proprietà stimatori;
 Intervallo di confidenza;
 Verifica delle ipotesi.
La stima puntuale: si giunge alla determinazione di un solo valore numerico per uno o più parametri della popolazione
sulla base dei dati di un campione esatto.
La stima intervallare: nella quale si costruisce un intervallo casuale (intervallo di confidenza), che include il parametro
stimato con livello di confidenza 1- ∝
Stima puntuale e stimatore
Sia: X1,…,Xn un campione casuale estratto da X≈f(x;θ) dove θ è il parametro incognito da stimare.
Si definisce stimatore T del parametro incognito una statistica, generica nota della v.c.
T = t (X1,…,Xn ) T = stimatore t(X1,…,Xn )= funzione v.c.
Si definisce stima:
t = t (X1,…,Xn ) il valore assunto dallo stimatore per un dato campione n
Esempio:
T=𝑋 =∑ stimatore media campionaria T=𝑥 =∑ stima della media
lOMoARcPSD|2894970
Lo stimatore bisogna considerarla come un’operazione matematica effettuata sul nostro campione prima di estrarlo,
quindi non è altro che l’insieme di tutte le stime. Quindi esistono infiniti stimatori, il nostro compito è trovare quello che
soddisfi le seguenti proprietà: correttezza, efficienza, sufficienza e consistenza.
La stima invece è l’operazione matematica effettuata sul nostro campione estratto, quindi è un numero fisso.
1. Correttezza
Sia X1, …, Xn un campione casuale estratto da X ≈ f (x;θ) uno stimatore T = t (X1,…,Xn ) è detto corretto (non
distorto) rispetto a θ se e solo se:
𝐸 (𝑇) = 𝐸[𝑡 (X1, … , Xn)]=0
Altrimenti lo stimatore risulta distorto e 𝐸(𝑇) −0 rappresenta la distorsione dello stimatore
Esempio: la media campionaria è uno stimatore corretto della media della popolazione E [𝑋 ]= μ
2
Mentre la varianza campionaria è uno stimatore distorto del parametro σ :
∑ ( )
E[𝑆 ]≠σ2 S2 =
Si considera la seguente popolazione fittizia: 4,6,8,10 μ =7 σ2=5

Si estraggono tutti i possibili campioni di ampiezza 2 quindi: (X1,X2)
2
X1 X2 S 𝑆
4 4 0 0
4 6 ∑ ( )
1 2 S 2=
4 8 4 8
4 10 9 18
6 4 1 2 ∑ ( )
𝑆 2= stimatore corretto del parametro σ
2
6 6 0 0
6 8 1 2 2
6 10 4 8 E[𝑆 ]=1/16 (0+1+4+…+1+0)=2.5 E[𝑆 ]≠σ
8 4 4 8 2 2
8 6 1 2 E 𝑆 =1/16 (0+2+8+…+2+0)=5 E 𝑆 =σ tuttavia E 𝑆 ≠σ
8 8 0 0
8 10 1 2
10 4 9 18
10 6 4 8
10 8 1 2
10 10 0 0
La correttezza indica solo che uno stimatore tende ad assumere in media il valore del parametro, tuttavia non dice
nulla sulla dispersione delle stime campionarie intorno al parametro, quindi s’introduce una misura della precisione
dello stimatore che è EQM (errore quadratico medio).
EQM = Var (T) + E[𝜃 − 𝐸(𝑇)]2
EQM è dato dalla somma di 2 quantità: varianza dello stimatore T e distorsione dello stimatore al quadrato
Se lo stimatore è corretto EQM = Var (T)
2. Efficienza
Nella classe degli stimatori corretti, la scelta deve ricadere tra quelli che presentano la dispersione più piccola.
La varianza di uno stimatore corretto rappresenta una dispersione dello stimatore rispetto al parametro
incognito della popolazione.
Sia X1, …,Xn un campione casuale estratto da X ≈ f (x;C) lo stimatore T* di θ è detto efficiente se:
Var (T*) ≤ Var (T)
( ∗)
Efficienza relativa =
( )
Eff. Rel > 1 Stimatore al numeratore meno efficiente del denominatore.

lOMoARcPSD|2894970
Eff. Rel < 1 Stimatore al denominatore meno efficiente del numeratore.

Eff. Rel = 1 Stimatori equivalenti.
3. Sufficienza
Uno stimatore T = t (X1,…,Xn ) è una v.c. che condensa le n variabili casuali in una sola. Quindi si vuole
verificare se questa condensazione di valori ha comportato una perdita di valori. Sono detti sufficienti quei
stimatori che non disperdono informazioni sul parametro da stimare.
4. Consistenza
Se facciamo variare la dimensione del campione e lo stimatore migliora per il parametro di C lo stimatore è
detto consistente.
Consistenza in media quadratica: una successione di stimatori di θ gode della consistenza quadratica se e
solo se:
lim 𝐸𝑄𝑀(𝑇 ) = lim 𝐸(𝑇 − 𝜃)
→ →
Consistenza in probabilità: una successione di stimatori di θ viene definita consistente di θ se:
lim 𝑃(𝜃 − 𝜀 < 𝑇 < 𝜃 + 𝜀) = 1 ∀𝜀 > 0

→
Correttezza asintotica: Uno stimatore Tn è asintoticamente non distorto per θ se il valore atteso della sua
distribuzione limite è uguale a θ ovvero:
lim 𝐸(𝑇 ) = 𝜃
→
Questa proprietà stabilisce che al crescere di n, se uno stimatore è distorto, la distorsione tende a 0.
19 TEORIA DELLA STIMA STATISTICA - STIMA PER INTERVALLI
Sia X1, …,Xn un campione casuale estratto da X≈f(x;θ) e date le due statistiche T1 e T2 con T1 < T2 e per le quali
P (T1 ≤ θ ≤ T2) = 1-∝
L’intervallo casuale (T1 e T2) è chiamato intervallo di confidenza per θ di probabilità 1-∝.
Il parametro θ è una costante incognita, mentre T1 e T2 sono v.c. che variano al variare del campione ed è per questo
che si è parlato di intervallo casuale.
Dopo aver estratto il campione si sostituiscono le osservazioni campionarie nella funzione dello stimatore ottenendo le
realizzazione delle v.c. estremi dell’intervallo t1 e t2 .
Dopo l’estrazione non si potrà esprimere tale intervallo in termini probabilistici per questo motivo si parla d’intervallo di
confidenza per il parametro θ con coefficiente di confidenza 1-∝.
Per la costruzione di un intervallo di confidenza siamo interessati a una quantità pivot, la cui distribuzione non dipende
dal parametro θ.
Intervalli di confidenza per la media di una popolazione normale con varianza nota.
2
Sia, X1,…,Xn un campione casuale di ampiezza n estratto da X ≈ N(μ,σ ) è noto:
𝑋 ≈ 𝑁(𝜇, ) dunque Z = ≈ 𝑁(0,1)
√
Un intervallo simmetrico è dato da:
P (−𝑧 ≤𝑍= ≤𝑧 )=1−𝛼 P(𝑋−𝑧 ≤𝜇 ≤𝑋+𝑧 )= 1−𝛼
√ √
√
 L’ampiezza dell’intervallo è tanto più elevata quanto n è più piccolo, l’ampiezza dell’intervallo aumenta
all’aumentare di σ e cresce in misura diretta all’aumentare di 1-∝.
 Se la popolazione non è normale per il teorema del limite centrale quando n > 30 si potrà costruire l’intervallo
di confidenza basato sulla normale standardizzata.
Intervalli di confidenza per la media di una popolazione normale con varianza nota con n < 30
2
L’intervallo di confidenza P (𝑋 − 𝑧 ≤𝜇 ≤𝑋+𝑧 ) = 1 − 𝛼 è utilizzabile solo se si conosce σ quando non si
√ √
dispone di questa quantità si risolve considerando lo stimatore corretto della varianza campionaria:
∑ ( )
𝑆 2=
2 2
Sia X1,…,Xn un campione casuale di ampiezza n estratto da X≈N(μ,σ ) con σ incognito allora:

lOMoARcPSD|2894970
t= ≈𝑡 Distribuzione t di Student con n-1 g.l.

√
quindi l’intervallo sarà: P(𝑋 − 𝑡 ,
≤𝜇 ≤𝑋+𝑡 ,
)=1−𝛼
√ √
Intervalli di confidenza per la proporzione quando n è sufficientemente grande

Data una popolazione caratterizzata da una proporzione p di unità statistiche, determiniamo l’intervallo di confidenza
per p sulla stima campionaria di 𝑓 in un campione di dimensione n.
( ) ( )
f = stimatore di p P (𝑓 − 𝑧∝ ≤ 𝑝 ≤ 𝑓 + 𝑧∝ ) = 1 −∝
20 DETERMINAZIONE DELLA NUMEROSITA’ CAMPIONARIA
I principali fattori da considerare nell’individuazione della numerosità del campione sono: la varianza, intervallo di
confidenza desiderato e il costo del campionamento.
La varianza è una misura del grado di variazioni o oscillazioni presenti relativamente al parametro che vogliamo
stimare nella popolazione. Quindi quando si ha una popolazione con alta varianza bisogna usare dei grandi campioni.
L’intervallo di confidenza rappresenta una misura della bontà di una stima. Un intervallo piccolo suggerisce che siamo
sicuri del punto in cui si trova il vero valore della popolazione e quindi in questo caso la stima sarà più precisa.
Costo di campionamento. Un campionamento può costare molto e durare molto tempo quindi si devono conservare
solo i dati realmente necessari.
Il calcolo della numerosità campionaria

2
Sia A l’ampiezza dell’intervallo di confidenza per μ e σ nota, la numerosità sarà data:
n =(2 𝑧 ) 95%= 𝑧 = 1.965 90%=𝑧 = 1.645
2
Quindi se σ = 4 e se vogliamo che l’ampiezza IC a livello di confidenza (1-∝) = 0.95 sia uguale a 2 dobbiamo estrarre
un campione di numerosità pari a 16.
∝ è denominato livello di significativa ed indica il rischio di errore prefissato che si è disposti ad accettare.
Dimensione campionaria per la stima di una proporzione

Sia p la frequenza relativa incognita che la variabile X assume nella popolazione di numerosità N e 𝑓 = sia la
frequenza relativa del campione di numerosità n. Nel caso di estrazione senza ripetizione la deviazione standard sarà:
𝜎 =
Nel caso di estrazione con ripetizione la deviazione standard sarà:

𝑝𝑞
𝜎 =
𝑛
∝
La dimensione campionaria sarà: n=( ) ∝
Tra i diversi valori di p e q si sceglie quello il cui prodotto è massimo, ossia p = q = 0.5 e ponendo 1-∝ = 95%.
ossia z∝/2 = 1.96
.
max n = ( )
in caso di popolazione grande o estrazione con ripetizione si ha:
.
.
n=
∝
max n =
Ipotesi statistica: è un’affermazione che specifica parzialmente o completamente la legge di distribuzione di una
variabile casuale. L’affermazione può riguardare sia la forma funzionale della legge di distribuzione, sia i parametri
caratteristici, o ai soli parametri caratteristici quando si assume nota la forma analitica della distribuzione stessa.

lOMoARcPSD|2894970
Ipotesi parametrica: l’ipotesi riguarda i parametri caratteristici di una particolare distribuzione di cui si conosce la forma
analitica.
Ipotesi non parametrica: ossia l’ipotesi statistica che non presuppone nota tale forma.
Ipotesi statistiche e test statistici.
Il test parametrico passa per tre fasi: definizione delle ipotesi statistiche; Statistica test; Regola di decisione.
Definizione delle ipotesi statistiche

Sono due le ipotesi che vengono formulate:
1. La prima quella da verificare, si chiama ipotesi nulla e si indica con H0;
2. La seconda si chiama ipotesi alternativa e si indica con H1;
L’ipotesi nulla rappresenta lo status quo ed è pre-esistente all’osservazione dei dati campionari. Essa è rifiutata se i
risultati campionari mostrano la sua falsità.
La formulazione dell’ipotesi nulla e alternativa conduce una partizione dello spazio parametrico θ in due sottoinsiemi
disgiunti θ0 indotto dalla H0 e θ1 indotto dalla H1.
 L’ipotesi statistica è detta semplice se consiste nell’assegnare a un parametro un valore puntuale θ = θ*;
 L’ipotesi statistica è detta composta quando si afferma che il parametro appartiene a un insieme più ampio di
valori.
 L’ipotesi composta bidirezionale, quando si afferma che il parametro sia diverso da un particolare valore dello
spazio parametrico θ≠ θ*;
 L’ipotesi composta unidirezionale, quando si afferma che il parametro sia maggiore o minore di un dato valore
numerico θ > θ* θ < θ*
Statistica test
È una funzione che fa corrispondere a ogni campione casuale un valore numerico che può classificarsi coerente o
meno con l’ipotesi specificata della H0.
Il test statistico conduce a una partizione dell’universo dei campioni in due sottoinsiemi complementari:
 Regione di accettazione, campioni per i quali la statistica assume valori compatibili con H 0;
 Regione di rifiuto, per la quale la statistica assume valori compatibili con H 1;
Regola di decisione
Procedimento che ci permette di decidere se accettare o rifiutare un’ipotesi o di determinare se i campioni osservati
differiscono significativamente dai risultati attesi.
Vera situazione
H0 H1
Decisione H0 Decisione giusta P (H0/H0)= 1-∝ Errore II specie P (H0/H1) = β
H1 Errore I specie P (H1/H0) = ∝ Decisione giusta P (H1/H2)=1-β
Se rifiutiamo l’ipotesi H0 quando in realtà è vera commettiamo un errore di prima specie.

Se accettiamo l’ipotesi H0 quando in realtà è rifiutata commettiamo un errore di seconda specie.
L’unico modo per ridurre i tipi di errori è di aumentare l’ampiezza del campione.
La probabilità massima con cui accettiamo di rischiare l’errore di prima specie è detta livello di significatività del test ∝,
generalmente si usano livelli di significatività dello 0.01/0.05, ciò significa che se scegliamo il livello di significatività
dello 0.05 abbiamo il 5% di probabilità di rifiutare l’ipotesi quando dovrebbe essere accettata.
Test più potente (Lemma di Neyman e Pearson)

Esso consente di scegliere il test per cui fissata la probabilità ∝ dell’errore del primo tipo, risulta minima la probabilità
β di commettere l’errore del secondo tipo.
Si costruisce il test uniformemente più potente qualora si fissi un’ipotesi alternativa composta unidirezionale. In tal
caso, in corrispondenza di un valore prefissato di significatività ∝ non si avrà un solo valore che esprime la potenza
del test ma si avranno tanti valori quanti sono i valori alternativi del parametro θ, definendo così la funzione potenza
del test: [1 − 𝛽(𝜃)]
1-β è la possibilità di rigettare l’ipotesi nulla, quindi indica la capacità di un test di individuare l’ipotesi alternativa
quando è vera:
β minimo→ (1-β)= massimo
Quindi se si utilizza un livello di significatività ∝ maggiore aumenta la probabilità di commettere un errore di primo tipo.
La potenza del test inoltre è influenzata dalla dimensione del campione, più il campione è grande più il test è potente.
lOMoARcPSD|2894970
22 VERIFICA DI IPOTESI SULLA MEDIA E VERIFICA DI IPOTESI SULLA PROPORZIONE
Test parametrici:
 Test sulla media con varianza nota;
 Test sulla media con varianza non nota;
 Test sulla proporzione.
I. Test sulla media con varianza nota

Data una v.c. X distribuita normalmente con media incognita e varianza nota si vuole sottoporre a verifica l’ipotesi
H0:μ= μ0. Si considerano 3 casi:
1. H0:μ= μ0 contro H1:μ > μ0 unilaterale dx
2. H0:μ= μ0 contro H1:μ < μ0 unilaterale sx
3. H0:μ= μ0 contro H1:μ ≠ μ0 bilaterale
Si sceglie lo stimatore media campionaria la cui standardizzata è : Z=

√
Esempio: la resistenza alla rottura delle funi prodotte è pari a 1800N ed uno scarto quadratico di 100N. Immettendo
un nuovo processo si pensa che la resistenza sia migliorata, e per provare ciò si estrae un campione di 50 funi e si
trova che la resistenza media è di 1850. Possiamo affermare che ci sia stato un miglioramento al livello di
significatività dello 0.01.
L’effetto del nuovo processo è produttivo se si traduce in un aumento della resistenza media, bisogna decidere tra le
due ipotesi:
H0:μ = 1800 non c’è miglioramento H1:μ > 1800 c’è miglioramento
Si pone
∝=0.01 𝑥̅ =1850 z0.01 = 2.33 dalla tabella
Quindi:
z= = 3.55 quindi 3.55 > 2.33 rifiutiamo H0 ed accettiamo il miglioramento del processo
√
II. Test sulla media con varianza non nota In questo caso usiamo la distribuzione t di Student
∑ ( )
𝑆 2= stimatore varianza campionaria
Si sottopone a verifica l’ipotesi

t=
√
Esempio:
L’età media dei disturbi in un campione di 17 donne è 48.59 mentre la varianza corretta è 244.55. Verificare se la
media della popolazione è significativamente diversa da 48 ad un livello ∝ = 0.05
Bisogna decidere tra le due ipotesi: H0:μ= 48 H1:μ≠48

Si tratta di un test a 2 code quindi ∝/2 = 0.025 e quindi vedendo sulla tabella t Student il valore 1-∝ = 0.975
t0.025-16= 2.120
quindi: se t sarà: -2.120 < t < 2.120 accettiamo H 0 se t < -2.120 o t > 2.120 rifiutiamo H0
.
t= = .
= 0.155 quindi non si rifiuta l’ipotesi
√
lOMoARcPSD|2894970
III. Test sulla proporzione

Lo stimatore di p segue una distribuzione normale:
f ≈ N (p; )
Z=
Si vuole sottoporre a verifica le seguenti ipotesi:

Si rifiuta l’ipotesi se:

1) z ≥ z∝ 3) z ≥ z∝/2
2) z ≤- z∝ 4) z ≤- z∝/2
Esempio:
Una casa automobilistica afferma che il 90% dei suoi automobilisti usa la cintura, analizzando un campione si evince
che solo 400 su 500 utilizzano la cintura. Verificare ad un livello di significatività dello 0.01 la legittimità della casa.
H0:p = 0.9 H1:p < 0.9
𝑓= = 0.8
∝ = 0.01 z0.01 = -2.33 dalla tabella

. .
Z= = . ∙ .
=-7.45
Poiché -7.45 è minore di -2.33 si rifiuta l’ipotesi H0 quindi l’affermazione della casa non è legittima
Ipotesi non parametrica:

 Attinente alla funzione che descrive la distribuzione di probabilità della popolazione (ipotesi funzionale);
 Attinente all’indipendenza stocastica tra due variabili.
Opereremo sulle frequenze invece di fare il confronto tra parametri ipotizzati sotto H 0 e H1 e funzioni dei parametri
stimati sul campione.
L’ipotesi che si formula è quella dell’indipendenza delle righe e colonne che si traduce in:
P (Ai, Bj)= P (Ai) P (Bj) le due variabili sono stocasticamente indipendenti
L’ipotesi nulla da verificare è: H0 : pij=pi∙p∙j per ogni coppia i,j
Ipotesi alternativa
H1: pij≠pi∙p∙j per almeno una coppia i,j
L’analisi di regressione consiste nello sviluppo di un modello statistico che possa essere adottato per analizzare i
valori della variabile dipendente (Y) sulla base dei valori di almeno una variabile esplicativa (X) o indipendente.
Gli impieghi della regressione lineare sono: descrivere un’associazione lineare casuale o non casuale; predire il valore
medio della variabile dipendente; valutare se una relazione appartenente tra le due variabili è significativa.
Ipotesi di linearità: il modello è lineare nei parametri
E (Yi/xi)=β0+ β1x1
lOMoARcPSD|2894970
Yi = β0+ β1xi+εi E(εi)=0
Linearità dei parametri: una funzione è lineare se β1 è pari a 1
Linearità delle variabili: si ha linearità nelle variabili se X appare come indice 1 e non è moltiplicato o diviso per
un’altra variabile.
Ipotesi di varianza costante: Omoschedasticità

La varianza della v.c. Yi rimane costante al variare di xi quindi non dipende da xi.
Ipotesi di normalità (ipotesi forte): gli errori hanno una distribuzione normale, la variabile Y ha una distribuzione
normale.
Ipotesi di indipendenza: questa condizione stabilisce che ogni dato statistico non è influenzato dall’altro.
Ipotesi sulla variabile esplicativa (ipotesi debole): la variabile Y è considerata una v.c., mentre le modalità distinte della
variabile X sono di natura deterministica, cioè fissate dal ricercatore.
Con l’analisi di regressione si vogliono stimare i coefficienti di regressione sulla base di n osservazioni campionarie.
Estratto un campione casuale si considera il modello lineare:
yi = b0+ b1xi+ei=𝑦 +𝑒
L’obiettivo dell’analisi di regressione lineare è di trovare la retta che meglio si adatta ai dati disponibili. Una tecnica
matematica per individuare tale retta è il metodo dei minimi quadrati, ossia si minimizza la somma dei quadrati degli
scarti tra i valori osservati e quelli teorici.
( , ) ∑ ( ̅ )( )
b0=𝑦 − 𝑏 𝑥̅ b1 = ( )
= ∑ ( ̅)
 È l’unica retta che minimizza la somma dei quadrati dei residui;
 La retta passa per il punto media di x e media di y come centro di gravità;
 La somma dei residui è uguale a 0;
 La somma dei valori osservati è uguale alla somma dei valori teorici;
Al variare di b0 b1 descrivono due v.c. che possono essere considerati come stimatori naturali.
Le caratteristiche di questi stimatori sono: E(B1)=𝛽 1 E(B0)=𝛽 0
La somma dei quadrati dei residui è indicato con SSE.

* 2
Al variare del campione SSE varia e descrive una v.c. SSE il cui valore atteso è: E (SSE*) = (n-2)σ
2 ∗
Uno stimatore corretto di σ è: MSE*= E (MSE*)= σ2
31 DISTRIBUZIONI DI FREQUENZE
La distribuzione di frequenze è il calcolo delle frequenze per ciascun valore o categoria della variabile.
Per rappresentare i dati di un’indagine statistica si possono utilizzare le seguenti tipologie:
 Le distribuzioni di frequenze;  Le serie territoriali;
 Le serie storiche;  Le matrici dei dati.
L’obiettivo di una misura di posizione è quello di sintetizzare in un singolo valore numerico l’intera distribuzione di
frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti. Essi ci forniscono informazioni
sulla centralità del nostro insieme di dati, ossia ci indicano il centro della distribuzione.
Gli indici di posizione sono: la media, la mediana, la moda, il valore centrale.
 La media aritmetica è influenzata dai valori estremi anomali e può non coincidere con nessuno dei valori
oggetto di analisi;
 La media geometrica si utilizza nei casi in cui la variabile si modifica tramite proporzioni ed è utilizzata nel
calcolo del tasso di rendimento medio di un capitale in funzione del tempo;
lOMoARcPSD|2894970
 La mediana è la modalità dell’unità statistica che occupa il posto centrale nella distribuzione ordinate delle
osservazioni.
 La moda è la modalità a cui corrisponde la massima frequenza assoluta o relativa ed è quindi un indice per
governare, cioè per minimizzare gli scontenti.
33 DALLE TENDENZE CENTRALI ALLE VARIABILI
Le proprietà degli indici di posizione sono:

 Proprietà moltiplicativa: qualora una variabile statistica x presenti un cambiamento di “scala” anche l’indice di
posizione comporta un uguale cambiamento;
 Proprietà di monotonicità: se una variabile statistica y presenta valori corrispondenti maggiori o uguali a quelli
una variabile statistica x allora l’indice di posizione di y non è inferiore a quello di x;
 Proprietà di linearità: se una variabile statistica z è legata ad altre variabili da una relazione lineare, allora
l’indice di posizione gode della proprietà di linearità.
Un aspetto importante della mediana è la sua capacità di essere resistenti alla presenza di valori atipici, eccezionali,
errati. Esso è un indice per decisioni che implicano costi da minimizzare, infatti minimizza la somma degli scarti
assoluti.
La media è un indice di equilibrio generale, e minimizza i rischi complessivi minimizzando i quadrati degli scarti ,
attribuendo particolarmente rilievo agli estremi rispetto ai valori centrali.
Per un analisi esaustiva di una distribuzione bisogna calcolare tuttavia la variabilità del fenomeno, come il campo di
variazione e la varianza. Questi indici descrivono la variabilità con unico valore che ne sintetizza le caratteristiche e ci
dicono in che modo essi sono disposti intorno all’indice di tendenza centrale.
35 NUMERI INDICE
I rapporti statistici:
 Il rapporto statistico di composizione si ottiene dividendo il valore rilevato in una data circostanza per
l’analogo valore rilevato per l’intera popolazione;
 I rapporti statistici di derivazione si ottengono dividendo la modalità di un fenomeno per quella corrispondente
di un altro valore che sul piano logico e/o temporale ne costituisce causa o presupposto logico (esempio i nati
e i morti sono influenzati dalla popolazione residente);
 I rapporti di coesistenza concernono il rapporto tra la frequenza di una modalità rispetto a quella
corrispondente di un’altra modalità (esempio l’indice di vecchiaia definito come il rapporto tra gli over 65 ed
under 15);
 I rapporti di densità concernono il rapporto tra la dimensione globale di un fenomeno e quella spaziale a cui
esso fa riferimento (esempio la densità di una sostanza inquinante nell’aria).
I rapporti statistici sono misure statistiche elementari finalizzate al confronto tra i dati stessi.
I numeri indici sono rapporti statistici che misurano la variazione di un fenomeno rilevato in tempi e circostanze
diverse.
In sintesi la statistica insegna a individuare i modi in cui un fenomeno si manifesta e varia nel tempo, a descriverlo
sinteticamente e a trarne da esso conclusioni più generali di fenomeni più ampi.
L’inflazione al consumo è un processo di aumento del livello generale dei prezzi dell’insieme dei beni e servizi
destinati al consumo della famiglia, esso è un indice che viene misurato dall’ISTAT.
L’Istat produce tre diversi indici dei prezzi al consumo: per l’intera collettività aziendale (NIC), per le famiglie di operai
e impiegati (FOI) e l’indice armonizzato europeo (IPCA).
Il NIC rappresenta per lo Stato il parametro di riferimento per la realizzazione delle politiche economiche (esempio i
rinnovi dei contratti collettivi).
Il FOI è l’indice usato per adeguare periodicamente i valori monetari (esempio gli affitti o gli assegni dovuti al coniuge
separato).
L’IPCA è assunto come indicatore per verificare la convergenza delle economie dei paesi membri dell’unione
Europea, ai fini dell’accesso e della permanenza in esso.
:
Se compariamo i tassi d’inflazione rispetto all’anno precedente si parla di comparazioni tendenziali. ( − 1)100
:
Se li compariamo rispetto al mese precedente si parla di comparazioni congiunturali.(

:
− 1)100
:
La deflazione è una diminuzione del livello generale dei prezzi.
lOMoARcPSD|2894970
Non sempre un valore elevato di r corrisponde un effettivo legame tra i due caratteri quantitativi considerati.
1. Una correlazione non reale si ha quando uno dei caratteri comprende l’altro (esempio mortalità infantile e
mortalità generale).
2. Una correlazione “mal posta” si ha quando altri fattori variabili influiscono più o meno fortemente su quelli
presi in considerazione ( per esempio in caso della correlazione positiva nel tempo di varie coppie di prodotti
agricoli che può essere dovuta all’influenza delle condizioni meteorologiche).
3. Altra correlazione è quella illusoria o priva di senso.
Una serie storica è costituita dai dati osservati a intervalli regolari di tempo (esempio: il prezzo di chiusura giornaliero
di un’azione).
Una serie storica o temporale è un insieme di dati costituiti da una sequenza di osservazioni su un fenomeno
d’interesse X, effettuati in istanti diversi o intervalli di tempo consecutivi.
Per un’analisi semplificata delle serie storiche si cerca di individuare la componente tendenziale di fondo del
fenomeno, il trend ciclo, utilizzando l’analisi di regressione o le medie mobili. L’obiettivo principale è quello di eliminare
i valori anomali, componente erratiche e stagionali.
La media mobile di ordine n consiste in una serie di medie aritmetiche calcolate su n periodi contigui. La media mobile
ha un’azione smoothing perché tende a ridurre le irregolarità di tipo casuale presenti in una serie storica, riducendo la
variabilità ed incrementando le capacità previsive del modello.
LE APPLICAZIONI STATISTICHE IN EXCEL:

 Min (intervallo), e max (intervallo) restituiscono il valore più piccolo e più grande trovati nell’intervallo
specificato;
 Media (intervallo) e media.geometrica (intervallo) calcolano la media aritmetica o geometrica per tutte le celle
comprese nell’intervallo.
 Mediana (intervallo) e moda (intervallo) calcolano la media e la moda per le celle comprese nell’intervallo.
 DEV.ST (intervallo) scarto quadratico medio, VAR (intervallo) varianza.
2
 RQ (<Y<;<X>) calcola l’indice di determinazione R .
 Pendenza (<X>;<Y>).
 Intercetta (<X>;<Y>).
 Tendenza (<X>;<Y>;<X nuova>).
1. Una tabella a doppia entrata registra quante volte una coppia di modalità si presenta contemporaneamente
per x e y.
2. L’obiettivo di una misura di tendenza centrale è quello di sintetizzare in un singolo valore numerico l’intera
distribuzione di frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti.
3. La correlazione non è equivalente alla dipendenza.
4. Dati semplici o elementari: numeri o caratteri dell’alfabeto.
5. Dati aggregati: dati costituiti da più dati elementari.
6. Dati strutturati: dati costituiti da dati elementari aventi una struttura o uno schema di aggregazione.
7. Complesse: costituiti da dati complesse come le fotografie.
8. Dato boleano 0 1.
A quando risale la prima emissione di biglietti di
Al XVII secolo
banca pagabili a vista:
A quanto corrisponde l'area sotto la curva normale 0,3849
tra z=0 e z=1,2:
tra z=0 e z=1,4:
tra z=0,81 e z=1,94:
Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due caratteri
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due caratteri
Affinchè una v.c X continua sia ben definità occorre
che:
AGLI INIZI DEGLI ANNI CINQUANTA SI AVVIÒ: Il Processo di integrazione europeo
Alcune delle seguenti nazioni ebbero un elevata
Gran Bretagna e Stati Uniti
autonomia locale:
ALLA BASE DEL MERCANTILISMO C’È: Un insieme di precetti pratici
ALLA BASE DI UN NUOVO CICLO ECONOMICO PER Grappoli o sciami di innovazioni
SCHUMPETER C’È:
ALLA SUA NASCITA, IL CAPITALISMO INDUSTRIALE SI Dell’espansione dell’economia di mercato
AVVALSE:
All'interno del rettangolo (box plot) sono Il 50% delle osservazioni
contenute:
Calcola il range delle seguenti osservazioni relative 29
agli errori compiuti da ogni alunno nel test con 30
domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range delle seguenti osservazioni relative 12
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)
Calcola il range parziale delle seguenti osservazioni 12
con 30 domande:
(2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29)
Calcola il range parziale delle seguenti osservazioni 7
con 30 domande:
(2,3,4,2,5,4,6,7,7,2,21,0,0,0,0,1,29)
Calcolare la media geometria relativa all'andamento 1.04
dei prezzi di un dato prodotto:
1,103
1,031
0,939
1,097:
Calcolare la mediana della seguente serie: -2, -3, -5, 0
0, 1, 4, 7:
Calcolare la mediana della seguente serie di voti: 22
19, 20, 22,18, 26, 30, 28:
Calcolare la varianza dei seguenti numeri: 23,75
12,6,7,3,15,10,18,5:
Calcolare lo scarto quadratico medio dei seguenti 4,87
numeri: 12,6,7,3,15,10,18,5:
Che cosa è l'unità statitistica: L'unita elementare oggetto di osservazione e di
studio
Che durata hanno i cicli Kondratev: circa 50 anni
Che effetti determinò la CECA sul mercato europeo: Aumento della produttività e riduzione dei prezzi
Che incarico rivestiva Schuman al tempo della
Ministro degli esteri Francese
fondazione della CECA:
Chi fu il Presidente americano che inaugurò il New
Roosvelt
Deal:
Chi fu il primo Presidente dell’IRI: Alberto Beneduce
Chi fu il principale fautore della pianificazione
Ezio Vanoni
flessibile in Italia:
Come conseguenza della rivoluzione dovuta alle ICT
(Information And Communication Technologies), il All'integrazione e interdipendenza dei mercati che
processo di globalizzazione registra sfruttano le nuove tecnologie
un'accelerazione, dovuta soratutto
Come è più comunemente conosciuto l’European
Piano Marshall
Recovery Program:
Come erano composte le quote di partecipazione al
in dollari e oro al 25% e in divisa nazionale al 75%
Fondo Monetario Internazionale:
Come si chiamavano gli operatori di borsa che
ebbero un ruolo determinante nella speculazione bill brokers
del 1929:
COMPRENDIAMO IL SUCCEDERSI DEI SISTEMI il processo storico
ECONOMICI, ATTRAVERSO:
Con un coefficiente di correlazione pari a r= +0,8, i Crescono al crescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,5, i Tendono a crescere al decrescere dei valori
valori di una variabile: dell’altra, ma in maniera blanda
Con un coefficiente di correlazione pari a r= -0,8, i Crescono al decrescere dei valori dell’altra
Con un coefficiente di correlazione pari a r= -0,9, i Crescono al decrescere dei valori dell’altra
Conoscendo la devianza, lo scarto quadratico medio La radice quadrata del rapporto tra devianza e
si ricava calcolando: numerosità del collettivo
Considera il seguente insieme di osservazioni (2; 14; 5,66
13; 15; 6; 1), la media geometrica è pari a:
13; 15; 6; 1), la media aritmetica è pari a:
13; 15; 6; 1), la mediana è pari a:
Considera il seguente insieme di osservazioni (2; 14; 1
13; 15; 6; 1;1), la moda è pari a:
Considera il seguente insieme di osservazioni (-2; -2; -1
-2; -14; -13; -15; -6; -1;-1), il valore massimo è pari
a:
2; 14; 13; 15; 6; 1;1), la moda è pari a:
2; 14; 13; 15; 6; 1;1), il valore centrale è pari a:
Considera la relazione causa-effetto y = -f(x), calcola y = 10; la relazione è lineare
la y sapendo che f(x) = -10 ed indica il tipo di
relazione:
Considera la relazione causa-effetto y=-f(x)2, calcola y = 100; la relazione è non lineare
la y sapendo che f(x)=-10 ed indica il tipo di
relazione:
Consideriamo i seguenti dati: classi frequenze 34.19
10-20 5
20-30 8
30-40 12
40-50 9
50-60 3
Calcolare la media aritmetica:
Consideriamo la relazione y=f(x), dove x è x è la variabile indipendente
rappresentato dall’inflazione ed y sono i tassi di
interesse nell’Euro Area:
contigui (2,2,3,5,3,4,6,7), quante medie mobili di
pesate di ordine tre si possono calcolare:
contigui (3,5,3,4,6,7), quante medie mobili di ordine
tre si possono calcolare:
contigui (3,5,3,4,6,7), quante medie mobili di ordine
cinque si possono calcolare
contigui (3,5,3,4,6,7,0), quante medie mobili di
Consideriamo la seguente serie storica di valori 11/3
contigui (3,5,3,4,6,7), calcola la prima media mobile
di ordine tre calcolabile in tempo reale:
Consideriamo la seguente serie storica di valori 21/5
contigui (3,5,3,4,6,7), calcola la prima media mobile
di ordine cinque calcolabile in tempo reale:
Cosa indica il livello di significatività: La probabilità massima con cui accettiamo di
rischiare l'errore di prima specie
Cosa si intende per stima intervallare: La stima attraverso la quale si giunge alla
determinazione di un intervallo, che include il
parametro stimato, con livello di confidenza 1-
Cosa si intende per stima puntuale: La stima attraverso la quale si giunge alla
determinazione di un solo valore numerico per uno
o più parametri della popolazione
Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad
Costituiscono rappresentazioni grafiche adatte per Ortogramma e diagramma circolare
caratteri qualitativi:
Costituiscono rappresentazioni grafiche adatte per L'istogramma e box-plot
caratteri quantitativi:
Costruendo i numeri indice della serie storica del Capire quale delle due unità presenta un
fatturato per due aziende, vogliamo in particolare: andamento migliore
Calcolare la probabilità di ottenere un asso:
Calcolare la probabilità di ottenere una carta di
bastoni:
Da un mazzo di carte viene estratta una carta. 12/40
Calcolare la probabilità di ottenere una figura:
Da una partita di bulloni metallici è stato estratto un IC=[0,1216;0,2784]
campione di n=100 elementi e se ne sono trovati 20
difettosi. Costruire un intervallo di confidenza al
95% per la proporzione p dei pezzi difettosi:
Da una popolazione composta da 4 unità statistiche 16 possibi campioni
( A, B, C, D ) si voglia estrarre, con ripetizione, un
campione casuale di numerosità 2. Lo spazio
campionario è composto da:
Da una popolazione composta da 4 unità statistiche 64 possibili campioni
( A, B, C, D ) si voglia estrarre, con ripetizione, un
Da una popolazione composta da 5 unità statistiche 25 possibili campioni
( A, B, C, D, E ) si voglia estrarre, con ripetizione, un
Data una serie di valori numerici, il valore a cui Moda
corrisponde la massima frequenza si chiama:
Date coppie di valori X e Y, l’equazione di Una formula di predizione di Y
regressione può essere considerata
Date coppie di valori X e Y, la retta di regressione è Sola, e ben definita, tra le infinite rette che si
una: possono tracciare tra i punti di un diagramma a
dispersione
Date le variabili: X(Velocità km/h): 60, 80, y^= 39,882-0,1857xi
100,120,130 Y(Consumo in quinta km/litro): 29.8,
24.2, 20, 18.2, 16,2. Determinare l'equazione della
retta:
Date le variabili: X(Velocità km/h): 60, 80, 0,9650
100,120,130 Y(Consumo in quinta km/litro): 29.8,
24.2, 20, 18.2, 16,2, il coefficiente di
Date le variabili: X(Velocità km/h): 577,6
60,80,100,120,130 Y(Consumo in quinta km/litro):
29.8, 24.2,20,18.2,16,2. La codevianza (X,Y) è:
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
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). AᴜB={1,2,3,4}
Determinare AᴜB:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), AᴜBᴜC={1,3,5,7,9,10}
C(1,5,9,10). Determinare A ᴜ B ᴜ C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩B={3,5}
C(1,5,9,10). Determinare A∩B:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩C={1,5}
C(1,5,9,10). Determinare A∩C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), B∩C={5,9,10}
C(1,5,9,10). Determinare B∩C:
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), A∩B∩C={5}
C(1,5,9,10). Determinare A∩B∩C:
Dato un mazzo di 40 carte calcolare la probabilità di 1/40
ottenere in due estrazioni con reimmissione un re
alla prima estrazione e una carta di coppe alla
seconda:
Dato un mazzo di 40 carte calcolare la probabilità di 2/100
ottenere in due estrazioni con reimmissione un re e
un asso:
Calcolare la probabilità di ottenere un fante o un re:
Calcolare la probabilità di ottenere una figura o una
carta inferiore a 6:
Dieci adolescenti hanno ottenuto i seguenti in una 4/10
prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2),
estraendo a caso un punteggio quale è la
probabilità di ottenere un numero pari e inferiore a
6:
Dieci adolescenti hanno ottenuto i seguenti in una 0.7
Estraendo a caso un punteggio quale è la
probabilità di ottenere un numero pari o inferiore a
6:
Dieci adolescenti hanno ottenuto i seguenti in una 0.2
Estraendo a caso due punteggi con reimmissione,
quale è la probabilità di ottenere almeno un 7 alla
prima estrazione:
Dieci adolescenti hanno ottenuto i seguenti in una 14/100
Estraendo a caso due punteggi con reimmissione,
quale è la probabilità di ottenere due punteggi la
cui somma sia 9:
Dire se la seguente distribuzione è simmetrica: Non è simmetrica
8,14,16,16,16,21,21:
Dividendo il numero delle morti e delle nascite in Correlazione spuria se l’andamento della
una comunità durante un periodo di tempo popolazione non è correlato col numero di nati e
rispettivamente per la quantità della popolazione morti
media dello stesso periodo si può ottenere:
Dividendo il numero delle morti in una comunità Coefficiente di mortalità
durante un periodo di tempo e la quantità della
Dividendo il numero delle nascite in una comunità Coefficiente di natalità
durante un periodo di tempo e la quantità della
Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità del
verificarsi dell’altro
Due eventi sono indipendenti quando: Il verificarsi dell’uno non modifica la probabilità di
verificarsi dell’altro
Due punti C e D, distano 80 km, un corpo si muove 32km/h
da C a D alla velocità di 80 km/h e da D a C alla
velocità di 20 km/h. Determinare la velocità media
dell'intero tragitto:
Due variabili si dicono perfettamente correlate se: Il coefficiente di correlazione è pari a 1 in valore
assoluto
Due variabili sono stocasticamente indipendenti se:
Effettuando un test di verifica dell'ipotesi di (r-1)(c-1)

indipendenza su una tabella di contingenza, i gradi
di libertà corrispondono:
indipendenza su una tabella di contingenza 5x5, i
Fino al 1941 quale formula di pagamento
adottavano gli Stati Uniti per le forniture agli stati Cash and carry
belligeranti:
FRA VARI ELEMENTI ALLA BASE DEL CAPITALISMO, La formazione e l’impiego del capitale
TROVIAMO:
FRA L’OTTOCENTO E IL NOVECENTO UN NUOVO La diffusione su larga scala dei viaggi
TIPO DI ESPERIENZA CAMBIÒ IL RAPPORTO CON LE transcontinentali
DISTANZE SPAZIALI, ESSA FU RESA POSSIBILE
GRAZIE A:
GENERALMENTE LA FASE CHE PRECEDE LA PRIMA Una fase di espansione della globalizzazione a cui
GUERRA MONDIALE È CONSIDERATA: segue una di de-globalizzazione
Gli estremi cronologici della guerra di indipendenza
1775-1783
americana sono:
Gli Istituti di credito speciale nati durante il Furono organizzati con snellezza amministrativa e
ventennio fascista: criteri di produttività ed efficienza
I ceti meno colpiti dalla deflazione del Seicento
I ceti economicamente più deboli
furono:
I fondatori del Crédit mobilier furono: I fratelli Pereire
I grandi Stati nazionali nacquero: Per far fronte all’incremento delle spese
Un sistema fiscale troppo oneroso e un eccessivo
I limiti del colbertismo furono:
protezionismo
I numeri indice comparano: Le variazioni dei livelli della variabile nel tempo con
I numeri indice sono: Inferiori a 100 se il livello tende a scendere rispetto
all’anno base
I numeri indice sono: Superiori a 100 se il livello della variabile tende a
crescere rispetto all’anno base
I numeri indice sono: Esplicativi dell’andamento dei livelli della variabile
nel tempo
I polders si trovavano in: Olanda
I simboli e S si riferiscono alla media ed allo scarto Campione
I simboli μ e σ si riferiscono alla media ed allo scarto Popolazione
I Voti riportati da uno studente in fisica, statistica e 82
matematica sono: 71, 78, 89 (voti in centesimi). I
pesi attribuiti alle discipline sono rispettivamente 2,
4, 5. Calcolare la media dei voti:
Il box plot fornisce informazioni: Sulla variabilità, sulla presenza di valori anomale e
sulla simmetria/asimmetria della distribuzione
Il box plot, rappresentato tramite un rettagolo, è Dalla mediana
diviso al suo interno:
IL GOLD STANDARD SI BASAVA SUL RUOLO Della sterlina
CENTRALE:
Il numero di cuori negli esseri viventi ed il “numero Il numero di battiti solamente può essere definito
di battiti cardiaci al minuto” possono entrambi variabile
essere definiti:
Il calo dei prezzi nel XVII secolo mise in difficoltà: I piccoli proprietari, affittuari e mezzadri
Il campionamento sistematico è: Caratterizzato dalla selezione di un elemento ogni k
elementi successivi
Il campionamento stratificato è: Caratterizzato da popolazione divisa in sottogruppi
omogenei
Il campo di variazione è dato dalla: Differenza tra valore massimo e minimo della
distribuzione
Il coefficiente di correlazione di Pearson tra X= 0,58
0,76. Considerando una relazione lineare tra X ed Y,
dove quest’ultima è la variabile dipendente, il
Il coefficiente di correlazione di Pearson tra X= 42%
dove quest’ultima è la variabile dipendente, la
varianza residua sarà pari a:
Il coefficiente di correlazione di Pearson tra X= 58%
dove quest’ultima è la variabile dipendente, la
varianza comune sarà pari a:
Il coefficiente di correlazione di Pearson tra X= 1
“quantità di grassi saturi assunte” ed Y= ”speranza
di vita” è pari ad -1. Considerando una relazione
lineare tra X ed Y, dove X è la variabile dipendente
ed Y quella indipendente, il coefficiente di
Il coefficiente di correlazione r di Pearson può Tra variabili misurate su scale a intervalli o a
essere usato per calcolare la correlazione: rapporti equivalenti
nulla:
nulla:
Il coefficiente di determinazione lineare è uguale a La devianza residua
1 se è nulla:
Il coefficiente di determinazione lineare varia tra: 0 <R2<1
Il coefficiente di variazione è dato dal rapporto, Lo scarto quadratico medio e media aritmetica
espresso in termini percentuali, tra:
Il E(SSR*) è uguale:

Il numero di cuori negli esseri viventi ed il numero di Il numero di battiti solamente può essere definito
battiti cardiaci al minutopossono entrambi essere variabile
definiti:
Il primo quartile: Quel valore che lascia alla sua destra il 75% delle
osservazione e alla sua sinistra il 25% delle
osservazioni
Il rapporto annuo tra tasso di inflazione e deflazione Non esiste
dell’anno x in un paese determinato:
modalità rispetto a quella corrispondente di
un’altra modalità
Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data circostanza
per l’analogo valore rilevato per l’intera
popolazione
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
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
Il teorema del limite centrale: Afferma che al crescere di n la forma della
distribuzione della media campionaria si
approssima alla forma normale
Il valore atteso E(X+Y) è: (X e Y sono due varibili E(X+Y)= E(X)+E(Y)
casuali):
Il valore dell’anno con numero indice pari a 100 Il denominatore nel calcolo del numero indice
nella serie storica osservata è:
In base al teorema di Gauss Markov, gli stimatori Sono i più efficienti
dei minimi quadrati:
In riferimento alla domanda 1 la numerosità n è
uguale:
In riferimento alla tabella che mostra la

decomposizione della devianza totale, il rapporto F
è uguale:
In rifermento alla domanda 4 si calcoli l'ampiezza di 0.0124
tale intervallo:
In una distribuzione statistica, la somma delle È sempre uguale a 1
frequenze relative:
In una scuola superiore 70 ragazzi sono iscritti ad un Attitudine all’Inglese
corso di Inglese specialistico. All’inizio del corso ai
70 alunni viene somministrato un test attitudinale
per l’Inglese che fornisce punteggi in termini di
risposte corrette (da 1 a 40). Alla fine del corso si
valuta l’apprendimento dell’inglese per ogni ragazzo
con un test di profitto (da 0 a 100). Viene utilizzato
il punteggio al test attitudinale per prevedere il
livello di apprendimento dell’inglese raggiunto a
fine corso, e si ottengono i seguenti risultati:
Y’=10+2X: r2=0,64; se=2,5. Indicare quale è la
variabile indipendente:
In una scuola superiore 70 ragazzi sono iscritti ad un 10
Y’=10+2X: r2=0,64; se=2,5. Indicare quale punteggio
dovrebbe ottenere al test di profitto un ragazzo che
sbaglia tutte le domande al test attitudinale:
In una scuola superiore 70 ragazzi sono iscritti ad un 2
Y’=10+2X: r2=0,64; se=2,5. Per ogni risposta corretta
in più al test attitudinale indicare di quanti punti
aumenta il punteggio al test di profitto:
In una scuola superiore 70 ragazzi sono iscritti ad un 3,5
corso di Informatica specialistico. All’inizio del corso
attitudinale per l’Informatica che fornisce punteggi
in termini di risposte corrette (da 1 a 40). Alla fine
del corso si valuta l’apprendimento dell’Informatica
per ogni ragazzo con un test di profitto (da 0 a 100).
prevedere il livello di apprendimento
dell’informatica raggiunto a fine corso, e si
ottengono i seguenti risultati: Y’=15+2X: r2=0,74;
se=3,5. Indicare di quanti punti è l’errore medio di
previsione:
In una scuola superiore 70 ragazzi sono iscritti ad un 3, coefficiente di regressione

corso di Informatica specialistico. All’inizio del corso
attitudinale per l’Informatica che fornisce punteggi
in termini di risposte corrette (da 1 a 40). Alla fine
del corso si valuta l’apprendimento dell’Informatica
per ogni ragazzo con un test di profitto (da 0 a 100).
prevedere il livello di apprendimento
dell’informatica raggiunto a fine corso, e si
ottengono i seguenti risultati: Y’=15+3X: r2=0,74;
se=3,5. Indicare per ogni risposta corretta al test
attitudinale di quanti punti aumenta il punteggio al
test di profitto e come si chiama questo parametro:
In una tabella doppia se entrambi le variabili sono Tabella di contingenza
qualitative, si parla di:
In una tabella doppia se entrambi le variabili sono Tabella di correlazione
quantitative, si parla di:
Indicare la percentuale di bollette con importi 3/5
inferiori a 60 euro, tra i bimestri con temperatura
media superiore a 20°:
INDIPENDENTEMENTE DALL’ARRESTO La Globalizzazione era un processo irreversibile
DELL’INTERDIPENDENZA ECONOMICA CAUSATA
DALLA PRIMA GUERRA MONDIALE, RISULTA ORMAI
CHIARO CHE:
Indipendentemente dall'arresto La Globalizzazione era un procezzo irreversibile
dell'interdipendenza economica causata dalla
<prima guerra mondiale, risultò chiaro che ormai
J. B. Colbert fu ministro delle finanze durante il
Luigi XIV
Regnodi:
JOHN KENNETH GALBRAITH SOSTIENE CHE: la teoria e l’insegnamento dell’economia, sono
ovunque molto lontani dalla realtà
KEYNES NELLA SUA CRITICA AI MECCANISMI DI Malthus
AUTOREGOLAMENTAZIONE DEL MERCATO HA UN
ANTICIPATORE IN:
L'ampiezza A dell'intervallo di confidenza per :
L'ampiezza della classe è: La differenza tra estremo superiore e estremo

inferiore della classe
Un’indagine di conoscenza sulle condizioni della
L’ enquéte voluta da J. B. Colbert fu:
Francia (sistema fiscale, trasporti,…)
L’anno con valore pari a 100 nella serie storica dei L’anno base
numeri indice è:
Era basata sull’intervento pubblico e del capitale
L’economia russa ad inizio Novecento:
straniero
L’economia statunitense degli anni Venti fu Discriminazione di reddito tra un poco numeroso
contraddistinta da: ceto di benestanti e la numerosa classe media
L’emigrazione italiana esplose: A fine Ottocento
L’equazione di regressione lineare è l’equazione di Retta
una:
L’espansione dell’industria della birra avvenne: In Inghilterra
L’ESPANSIONE E L’INTERRELAZIONE DEI MERCATI Crisi economiche progressivamente più grandi
PORTANO ANCHE:
L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera popolazione a
partire da dati raccolti
L’Inghilterra cercò di ridurre le importazioni: Dall’India
L’Istogramma è una: Modalità di rappresentazione della rilevazione
statistica
La correlazione indica: Il grado della relazione tra variabili, e per mezzo di
essa si cerca di determinare quanto bene
un’equazione lineare o un’altra equazione qualsiasi
descrivano o spieghino tale relazione tra variabili.
La correlazione: A differenza della regressione, non richiede di
stabilire quale variabile sia antecedente all’altra (in
La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa
direzione
La curtosi rappresenta: Il grado di schiacciamento di una distribuzione
intorno al suo centro di gravità e rispetto alla curva
normale
La curva normale a differenza delle altre curve è: Definita da un’equazione particolare che permette
di calcolare, data un’ordinata, porzioni di area
sottese alla curva stessa
La curva normale è caratterizzata da: Essere definita da un’equazione particolare che
permette di calcolare, data un’ordinata, porzioni di
area sottese alla curva stessa
La curva normale standardizzata è caratterizzata dal Media =0 e deviazione standard=1
fatto di avere:
La curva normale standardizzata è caratterizzata dal I punteggi sono espressi in punti z
fatto di avere:
La devianza di regressione misura: Quanta parte della variabilità della Y è spiegata
La devianza è: La somma degli scarti dalla media aritmetica al
quadrato
La distribuzione binomiale: Può essere utilizzata per descrivere casi in cui gli
esiti possibili di una prova sono solo due
La distribuzione di frequenza è: Il calcolo delle frequenze per ciascun valore o
categoria della variabile
matematiche relative a un insieme infinito di dati
La distribuzione normale è: E' simmetrica rispetto al valor medio
La formula per calcolare il numero indice tra l’anno Il segno eguale
t e t-1 per la variabile X in Excel è preceduta da:
La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è stata
osservata
La funzione di densità di probabilità della Si avvicina all’asse delle ascisse senza mai toccarla
distribuzione Normale è asintotica di X verso -∞ e
+∞, cioè:
La funzione di ripartizione di una variabile casuale E' una funzioni a gradini non decrescente
discreta:
La funzione di ripartizione di una variabile casuale X La funzione che associa a ciascun valore x la
a valori reali è: probabilità dell‘evento “la variabile casuale X
assume valori minori o uguali ad x”
La funzione di ripartizione di una variabile casuale: Esprime la probabilità che la variabile casuale
assuma valori inferiori o uguali ad un valore fissato
La funzione f(X) raggiunge il suo punto più alto in Xi = media
corrispondenza di:
La funzione stimatore del parametro dovrebbe Centrata, consistente, efficiente
essere:
La funzione TENDENZA in Excel serve per: Prevedere il valore al tempo t in una funzione
stimata y*
La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in relazione ad
una funzione di regressione y*
La media armonica è: Il reciproco della media aritmetica dei reciproci dei
termini
La media della distribuzione della media Coincide con la media della popolazione
campionaria:
La media geometrica è particolarmente usata: Quando i diversi valori vengono per loro natura
moltiplicati
La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate su n
periodi contigui.
La mediana è: La categoria (per scale nominali e ordinali) o il
punteggio (per scale a intervalli e rapporti) che si
presenta con maggiore frequenza
La mediana è: La categoria o il punteggio al di sopra e al di sotto
del quale cade un ugual numero di casi
La mutabilità è: L'attitudine di un fenomeno qualitativo ad
La popolazione è: L’ universo di elementi che forma l’ oggetto di uno
studio statistico
La popolazione è finita: Quando è determinabile il numero di unità che
compongono
La potenza del test è: La probabilità di rigettare l'ipotesi nulla quando è
giusto farlo
La probabilità che si verifichi un evento può Tra 0 ed 1
assumere valori
La probabilità del verificarsi di due eventi che si Somma delle probabilità del verificarsi di ciascuno
escludono a vicenda è data dal: dei due eventi
La probabilità dell'unione di due eventi A e B non P(AᴜB)= P(A)+P(B)-P(A∩B)
incompatibili:
La proporzione di varianza comune a X e Y è Coefficiente di determinazione
espressa da r2xy che è denominato:
La proporzione di varianza comune a X e Y è La varianza spiegata
espressa da r2xy che esprime:
La proprietà di monotonicità degli indici di tendenza È basata sulla comparazione tra le variabili ed i
centrale: rispettivi indici di posizione
La proprietà lineare degli indici di tendenza Permette cambiamenti di scala nell’indice
centrale:
La proprietà lineare degli indici di tendenza E’ basata sulla relazione di linearità tra le variabili
centrale: ed i rispettivi indici di posizione
La proprietà moltiplicativa degli indici di tendenza Permette cambiamenti di scala nell’indice
centrale:
La quantità espressa da 1-r2xy con r2xy che indica la Varianza residua
proporzione di varianza comune a X e Y è
denominata:
La rappresentazione grafica che si sviluppa Diagramma circolare
attraverso una circonferenza suddivisa in tanti
spicchi, viene chiamata:
La rappresentazione grafica di distribuzioni di Istogramma
frequenze che si sviluppa attraverso una serie di
rettangoli contigui viene chiamata:
La seguente ipotesi è nulla: La popolazione da cui il campione è estratto ha
media 58
La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe sociale e
alcolismo
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro
in modo significativo
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro
in modo significativo
La seguente ipotesi è nulla: Il farmaco C non ha un effetto diverso dal farmaco
D
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale
a quella delle femmine
La seguente ipotesi è nulla: C’è una relazione significativa tra reddito delle
persone e livello di istruzione
La seguente ipotesi: “C’è una minore astensione dal Monodirezionale sinistra
lavoro nel reparto A rispetto al reparto B di una
fabbrica” è:
La seguente ipotesi: “Il punteggio medio ad un test Bidirezionale
significativamente diverso” è:
La seguente ipotesi: “Il punteggio medio ad un test ±
significativamente diverso” ha il seguente segno del
valore critico:
La seguente ipotesi: “Il tempo medio di Monodirezionale sinistra
riconoscimento di alcuni dipinti storici impiegato
dagli studenti è inferiore a 20 secondi” è:
La seguente ipotesi: “La media della popolazione da Bidirezionale
cui deriva un certo campione non è 200”
La seguente ipotesi: “La probabilità di ottenere Monodirezionale destra
croce lanciando una certa moneta è superiore a
0,5” è:
La seguente ipotesi: “Un giocatore scommette onodirezionale destra
il dado sia truccato” è:
La seguente ipotesi: “Un giocatore scommette 1/6
il dado sia truccato”. La probabilità sotto l’ipotesi
La somma delle contingenze di ciascuna riga e di Nulle
ciascuna colonna sono:
La somma delle probabilità di eventi che si Uguale a 1
escludono a vicenda ed esaustivi è:
La sommatoria di tutte le frequenze relative di una 1
tabella di frequenza è pari a:
La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati relativi ad
un fenomeno, ottenuti attraverso le misurazioni.
La stima del parametro nel campione è: Non è opportuno definire la stima del parametro
nel campione, ma nella popolazione
La variabile casuale t di student: Al tendere di n all'infinito la v.c t di student tende
alla normale standardizzata
La varianza del campione è: Calcolata con i dati del campione rappresentativo
della popolazione
La varianza dello stimatore B1 è:
La varianza fornisce: La misura sintetica di quanto le unità differiscono

dalla media aritmetica
La variazione congiunturale riguarda in statistica- Il mese precedente
La variazione tendenziale riguarda in statistica- L’anno precedente
La verifica delle ipotesi: Consiste nel formulare, sulla base di dati
campionari, un giudizio che induca ad accettare o
rifiutare l'ipotesi nulla, con un prefissato livello di
significatività
La verifica dell'ipotesi di indipendenza mira a L'indipendenza stocastica
verificare:
L'ampiezza A dell'intervallo di confidenza per :
L'ampiezza dell'intervallo di confidenza per una

proporzione è:
L'ampiezza dell'intervallo è tanta più elavata quanto n è piccolo
più:
L'asimmetria di una distribuzione denota che: I valori del caratteri sono distributi con frequenze
differenti attorno al suo valore centrale
L'asimmetria di una distribuzione può essere: Nulla, positiva e negativa
Le densità di frequenza di un istogramma: Si ottengono dal rapporto tra la frequenza di una
classe e l'ampiezza della classe medesima
Le fasi di una indagine statistica si conviene siano le Definizione degli obiettivi della ricerca; Rilevazione
seguenti: dei dati; Elaborazione metodologica; Presentazione
ed interpretazione dei risultati; Utilizzazione dei
risultati raggiunti.
Le frequenze percentuali di una distribuzione si Il rapporto tra ciascuna frequenza ed il totale delle
calcolano facendo: frequenze e moltiplicando per 100 il risultato
Le ipotesi statistiche: Si tratta due ipotesi alternative complementari e
logicamente escludentisi
Le matrici sono : Composte da n righe e k colonne, con k che può
essere eguale o diverso da n
Le matrici sono composte da: N righe e k colonne, con k che può essere eguale o
diverso da n
Le misure di posizione hanno l’obiettivo di: Sintetizzare in un singolo valore numerico l’intera
distribuzione di frequenza per effettuare confronti
nel tempo, nello spazio o tra circostanze differenti
L'indice di asimmetria Skewness di Pearson è Come differenza tra la media aritmetica e la moda
calcolato: divisa la deviazione standard
L'indice di contingenza quadratica medio φ2è χ²/n
uguale:
L’inflazione è: L'aumento prolungato del livello medio generale dei
prezzi di beni e servizi in un dato periodo di tempo
L'ipotesi di indipendenza stabilisce che:
L'ipotesi parametrica riguarda: I parametri caratteristici di una particolare
distribuzione di cui si conosce la forma analitica
Lo scostamento semplice medio riguarda: Lo scostamento di ogni valore della distribuzione
dalla media, preso in valore assoluto
Nel calcolo dei tassi di incremento tra t e t-1 al Il dato dell’anno t-1
denominatore vi è:
Nel calcolo del tasso di inflazione congiunturale al Il numero indice dei prezzi del mese m-1 dell\'anno
denominatore c’è: a ed al numeratore il numero indice dei prezzi del
mese m dell\'anno a
Nel calcolo del tasso di inflazione tendenziale al Il numero indice dei prezzi del mese m dell\'anno a-
denominatore c’è: 1 ed al numeratore il numero indice dei prezzi del
mese m dell\'anno a
Nel campionamento bernoulliano: Ogni unità statistica può entrare a far parte più
volte del campione
Nel caso di estrazione con ripetizione la deviazione
standard delle frequenze campionarie è:
Nel caso di estrazione senza ripetizione la

deviazione standard delle frequenze campionarie è:
Nel modello di regressione lineare semplice la

devianza residua risulta uguale a:
Nel modello di regressione lineare semplice per Con 1 e n-2 gradi di libertà
verificare l'ipotesi si può utilizzate la quantità F che
è una v.c F di Fischer -Snedecor con :
Nel modello di regressione lineare semplice, quali Ipotesi di normalità
tra le seguenti ipotesi è definita ipotesi forte:
Nel modello di regressione lineare semplice, quali Ipotesi sulla variabile esplicativa
tra le seguenti ipotesi è definita ipotesi debole:
Nel prodotto logico con operando A=0 ed operando 0
Nel prodotto logico con operando A=VERO ed F
operando B=FALSO, il totale sarà:
Nel prodotto logico con operando A=VERO ed V
operando B=VERO, il totale sarà:
Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma le
variabili non sono legate da un rapporto serio di
causalità
Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto zero (origine)
dell’asse delle ascisse e il punto in cui la retta taglia
Nella serie (10,100,200,350,500,600) le medie 103, 217, 350, 483
mobili senza cifre decimali di ordine 3 sono:
Nella serie ordinata secondo il tempo t e con valori 216.67; 350.00; 483.33
(100,200,350,500,600) le medie mobili di ordine 3
con 2 cifre decimali sono:
Nella serie ordinata secondo il tempo t e con 232 e 350
valori(10,100,200,350,500,600) le medie mobili di
ordine 5 sono:
B=1, il totale sarà
Nella teoria statistica i termini campione e Non sono sinonimi
popolazione sono:
Nella teoria statistica i termini popolazione e Indicativi del fatto che il campione è un
campione sono: sottoinsieme della popolazione
Non è una scala di misura delle manifestazioni di La scala semilogaritmica
un carattere statistico:
Per 10 bimestri un ricercatore ha rilevato la Una modalità del carattere
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
48, 50, 45, 55, 65 Il valore 24 riportato nella prima
riga della tabella rappresenta:
Per 10 bimestri un ricercatore ha rilevato la 4/10
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
Per 10 bimestri un ricercatore ha rilevato la 0,8
23, 32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40,
temperatura media pari a 25 gradi, che ipotizziamo
essere una v.c distribuita normalmente, è:
Per calcolare le frequenze cumulate relative occorre Le frequenze cumulate per n
dividere:
Per il postulato 2 dell'assiomatizzazione del calcolo P(Ω)=1
delle probabilità, l'evento certo Ω ha probabilità:
Per la costruzione di un box plot si utilizzano i Xmin Q1 Med Q3 xmax
seguenti valori:
Per la determinazione dell'intervallo di confidenza La distribuzione normale standardizzata
per la media di una popolazione normale con
varianza nota, si utilizza:
Per la determinazione dell'intervallo di confidenza La distribuzione t di student
per la media di una popolazione normale con
varianza non nota (n < 30), si utilizza:
Per produrre la distribuzione di frequenza Moltiplicare per 100 le frequenza relative
percentuale occorre:
Per rappresentare graficamente la forma della Il diagramma a dispersione
relazione tra due variabili X ed Y si utilizza:
Per trovare l'intervallo di confidenza per la media di La varianza della popolazione non è nota
una popolazione normale, si utilizza la t di student,
anziché la normale standardizzata perché:
Poiché nella v.c. Normale la funzione f(X) raggiunge Coincidano
il suo punto più alto in corrispondenza di Xi = µ, ciò
comporta che media, mediana e moda:
Ponendo ed H1 monodirezionale destra, indicare Il 4% dei casi
quando è possibile rifiutare l’ipotesi nulla; ciò
accade nel caso in cui il risultato del test effettuato
lasci alla sua destra:
Prova anche a realizzare in Excel i grafici che Perpendicolari tra loro
seguono. Quando rxy = 0, le due rette di
seguono. Quando rxy = -1, le due rette di
seguono. Quando rxy = +1, le due rette di
Quale dei seguenti indici indica la variabilità di una Scarto quadratico medio
serie dei dati:
Quale probabilità si ha di commettere l’errore di I 5%
tipo se si rifiuta l’ipotesi nulla avendo scelto un
livello di significatività del 5%:
Quando a valori crescenti di X corrispondono valori Una relazione positiva
crescenti di Y si ha:
Quando al diminuire dei valori di X corrisponde il Una relazione positiva
diminuire dei valori di Y si ha:
Quando la correlazione tra X ed Y è molto bassa, Differiscono
Quando la correlazione tra X ed Y è molto elevata, Differiscono
Quando la correlazione tra X ed Y è pari ad rxy=+1, i Coincidono
Quando la correlazione tra X ed Y è pari ad rxy=-1, i Coincidono
Quando la popolazione è infinita: Lo schema di campiomento con ripetizione coincide
Quando parliamo di matrice dei dati, relativamente Il numero di colonne dipende dai caratteri osservati
al numero di colonne possiamo dire che...
Quando si calcolano le frequenze cumulate 100
percentuali, l’ultimo valore che si ottiene, cioè il più
elevato, è:
Quanto dovrebbe essere grande un campione per N=31
avere un intervallo di confidenza al 95% per il
contenuto medio di nicotina di una data marca di
sigarette, se il contenuto di nicotina ha una
distribuzione normale con :
Relazioni di discordanza significative tra variabili Un coefficiente di correlazione negativo
implicano:
Scrivi la funzione excel ed i simboli da digitare nella =MEDIA
cella per calcolare la media:
Scrivi la funzione excel ed i simboli da digitare nella =MEDIA.GEOMETRICA
cella per calcolare la media geometrica:
Se il
Se il :
Se la popolazione è sufficiente grande, o nel caso di
estrazione con ripetizionesi ha che:
Se la popolazione non è normale per il teorema del Basato sulla distribuzione normale standardizzata
limite centrale, quando n>30, si può costruire
l'intervallo di confidenza:
Se si effettua una estrazione senza reimmissione la Viene modificata
probabilità di estrarre un altro elemento:
Se si raddoppia la numerosità campionaria, il valore Raddoppia
del chi-quadrato:
Se una variabile è dicotomica: Può assumere solo due valori, indipendentemente
dalla probabilità di ottenere uno o l’altro dei due
valori
Se X è la variabile indipendenre e Y quella Valore predetto
regressione è corretto definire Y’ come:
Se X è la variabile indipendente e Y quella Predittore
regressione è corretto definire X come:
Si chiama contingenza: La differenza tra frequenze osservate e frequenze
teoriche
Si consideri come successo l’evento “faccia con il 1/6
numero sei” nel lancio di un dado. Calcolare la
probabilità di successo in un lancio:
Si consideri come successo l’evento “faccia con il 5/6
numero sei” nel lancio di un dado. Calcolare la
probabilità di insuccesso in un lancio:
Si consideri la popolazione di 20 unità statistiche: {- Media aritmetica
250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}.
rappresentativo dell’intera distribuzione:
Si consideri la popolazione di unità statistiche: {- Moda
250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}.
Si consideri la popolazione: {- Moda
,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}.
Si consideri la seguente distribuzione in classi: 58-62
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
la classe mediana:
Si consideri la seguente distribuzione in classi: 55.97
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
Calcolare il primo quartile:
Si consideri la seguente distribuzione in classi: 69
pesi frequenze
48-52 7
53-57 31
58-62 25
63-67 22
68-72 20
73-77 11
78-82 4
Calcolare il terzo quartile:
Si definisce stima: Il valore assunto dallo stimatore per un dato
campione
Si effettuano 60 misurazioni sperimentali da cui si IC=[30,723; 35,277]
evince una media campionaria uguale a 33.
Costruire un intervallo di confidenza al 90% per la
media della popolazione, la quale si distribuisce
normalmente con varianza pari a 115:
Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili
corrispondono generalmente i più grandi dell’altra,
e se ai valori più grandi corrispondono in genere i
più piccoli;
Si ha indipendenza in media tra due variabili Le media parziali sono uguali tra di loro ed uguali
statistiche se: alla media generale
normalmente o quasi.
Si supponga di aver compiuto una rilevazione 0,25
risultati sensibili ad un determinato farmaco.
Si supponga di aver compiuto una rilevazione Non si può sapere
Indicare quale è la proporzione nella popolazione di
Si supponga di aver compiuto una rilevazione 0,75
persone non sensibili al farmaco:
Si supponga di aver compiuto una rilevazione 0,23 e 0,27
risultati sensibili ad un determinato farmaco. Con
un grado di fiducia del 95%, stimiamo che la
proporzione della popolazione sensibile al farmaco
deve essere compresa tra:
Si supponga di avere la seguente distribuzione di 10 Nominale
individui secondo la nazionalità: Italiani n.3,
Francesi n.4, Spagnoli n.3. La caratteristica
Si vuole conoscere la proporzione di pezzi difettosi N=751,67
prodotti da una macchina. Determinare la
numerosità campionaria necessaria affinchè la vera
proporzione cada in un intervallo al 90%, tollerando
un errore non superiore al 3%.:
Si vuole sottoporre a verifica l'ipotesi: contro , t < -2,552
usando un livello di significatività dello 0,01. La
regione di rifiuto per il test T con 18 gradi di libertà
è: contro:
Si vuole sottoporre a verifica l'ipotesi: contro z < -1,96 o z > 1,96
regione di rifiuto per il test Z è:
Si vuole sottoporre a verifica l'ipotesi: contro t < -2,120 o t > 2,120
è:
Si vuole sottoporre a verifica l'ipotesi: contro t > 1,746
è:
Si vuole sottoporre a verifica l'ipotesi: contro , z>1,645
regione di rifiuto per il test Z è :
Si vuole sottoporre a verifica l'ipotesi: contro , z < -2,33
regione di rifiuto per il test Z è:
Si vuole sottoporre a verifica l'ipotesi: contro , t > 2,567
è:
Si vuole sottoporre a verifica l'ipotesi: t > 1,746
contro , usando un livello di significatività
dello 0,05. La regione di rifiuto per il test Z è :
Si vuole sottoporre a verifica l'ipotesi: z < -1,28
contro , usando un livello di significatività
dello 0,10. La regione di rifiuto per il test Z è:
Si vuole verificare l'ipotesi di indipendenza sulla Chi- quadrato con 4 gradi di libertà
base di una tabella di contingenza 3x3 la cui
frequenza totale è n=400. Il valore soglia per la
statistica test ha distribuzione
Si vuole verificare l'ipotesi di indipendenza sulla Chi- quadrato con 6 gradi di libertà
base di una tabella di contingenza 4x3 la cui
frequenza totale è n=400. Il valore soglia per la
statistica test ha distribuzione
Sia data una popolazione normale con varianza non
nota. Volendo verificare l'ipotesi: contro . La
Sia data una popolazione normale con varianza
nota. Volendo verificare l'ipotesi: contro . La
Sia data una v.c X, se essa assume valori in Discreta
corrispondenza di un insieme numerabile allora X è:
Sotto l'ipototesi che sia vera la variabile casuale t si Come una t di Student con n-2 gradi di libertà
distribuisce come:
Studiare la relazione tra due variabili X ed Y Studiare la tendenza che X e Y hanno a variare
significa: insieme
Supponiamo che la perdita di peso di n=16 pezzi di IC=[2,92;3,92]
metallo, dopo un certo intervallo di tempo, sia di
3,42 gr con varianza campionaria corretta pari a
0,4624. Costruire un intervallo di confidenza al 99%
per la media della popolazione di peso dei pezzi di
metallo:
Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle frequenze
teoriche
Tra i punteggi ad un test di letteratura inglese e i Le persone con punteggi bassi in matematica hanno
punteggi ad un test di abilità matematica (numero buone prestazioni in letteratura inglese
di risposte corrette in entrambi i casi) si calcola un
coefficiente di correlazione di Pearson pari a -0,88.
che:
Tra i punteggi ad un test di letteratura inglese e i Le due variabili sono correlate negativamente
di risposte corrette in entrambi i casi) si calcola un
coefficiente di correlazione di Pearson pari a -0,88.
che:
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è 0.58
una relazione lineare, sapendo che il coefficiente di
correlazione è uguale a 0.76, il coefficiente di
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è Non è possibile calcolarlo con i dati a disposizione
una relazione non lineare, sapendo che il che non sono corretti
coefficiente di determinazione è uguale a -1, il
Un esperimento casuale è: Un'operazione il cui risultato non può essere
previsto con certezza
Un intervallo di confidenza è: Un intervallo di valori che si ritiene contenga il vero
parametro della popolazione con una prestabilita
"fiducia"
Un’ipotesi statistica è: Un affermazione sulla distribuzione di probabilità di
una variabile casuale
Un test fornisce punteggi compresi tra 0 e 120. La Sicuramente sbagliato
media del test, calcolata su un campione, risulta
142,9. Il risultato è:
Un test fornisce sicuramente punteggi compresi tra 120
0 e 120. La mediana del test, calcolata da un
ricercatore su un campione, risulta 142,9. Il
punteggio massimo ottenibile è:
Un tipico caso di correlazione non reale comporta Uno dei due caratteri comprende l’altro
che:
Un tipico caso di correlazione non reale comporta I due caratteri sono influenzati da circostanze
che: comuni
Un tipico caso di correlazione non reale comporta Altri fattori variabili influiscono su quelli presi in
che: considerazione
Un tipico caso di correlazione non reale comporta Altri fattori variabili, che rappresentano circostanze
che: comuni ,influiscono su quelli presi in considerazione
Un’ipotesi statistica è: Un’affermazione sulla distribuzione di probabilità di
una variabile casuale
Una distribuzione di probabilità di una variabile L'insieme delle coppie probabilità dei diversi valori
casuale: possibili della variabile casuale
Una partita di pistoncini di freni presenta un IC=[1,1938;1,2062]
diametro:
Una quantità pivotale è: Una quantità che è funzione delle osservazione e
del parametro del quale si vuole costruire
l'intervallo di confidenza, con la caratteristica che la
sua distribuzione è nota e non dipende dal
parametro in esame
Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel tempo, si
Una tabella a doppia entrata registra: La frequenza assoluta, cioè quante volte una coppia
di modalità si presenta contemporaneamente per X
e per Y
Una variabilità pari al valore 65 in luogo del valore Può aumentare le capacità descrittive e previsive
80, ottenuta eliminando i valori outlier: del modello statistico
Una variabilità pari al valore 80 in luogo del valore Indica che è stato commesso qualche errore nei
65, ottenuta eliminando i valori outlier: calcoli o nel programma
Uno stimatore corretto di σ², con le ipotesi di E(MSE*)= σ2
varianza costante e dell'indipendenza degli errori è
il MSE* = SSE*/n-2, il cui valore atteso è:
Uno stimatore corretto è più efficiente di un altro Se presenta varianza inferiore
stimatore corretto del parametro"teta"non noto se:
Uno stimatore corretto: È tale che il suo valore medio coincide con il valore
del parametro da stimare
Uno stimatore si dice consistente: Al crescere della numerosità campionaria, tende a
Usando la mediana in luogo della media nel calcolo È bene eliminare i valori anomali ed estremi
della varianza:
Utilizzando la tavola della curva normale Nella colonna di sinistra con una cifra decimale; la
standardizzata si individueranno i punti z: seconda cifra decimale è situata nella prima riga in
Valori estremi, cioè posizionati verso le code di una Inferiore rispetto ai valori centrali
distribuzione di probabilità, hanno una probabilità
di verificarsi per caso:
Vengono prelevate 15 compresse da un lotto di 0.4415
produzione, i valori sono:
0,485; 0,442; 0,466; 0,448; 0,419; 0,415; 0,450;
0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440;
0,464.
Calcolare il peso medio:
1) Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di
una temperatura media pari a 25 gradi, che ipotizziamo essere una v.c distribuita normalmente, è: 0,8
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due caratteri quantitativi
considerati
Affinchè una v.c X continua sia ben definità occorre che: f(x)maggiore0; f(x)dx=1
Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30
domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29) 29
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
Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con 30
domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29) 12
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
Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto: 1,103 1,031 0,939
1,097: 1.04
Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28: 22
Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5: 4,87

Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori
teorici
Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori osservati e valori
teorici
Con riferimento alla domanda 4 la mediana: 61.52(Domanda)
Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile: Crescono al crescere dei valori
dell’altra
Con un coefficiente di correlazione pari a r= -0,5, i valori di una variabile: Tendono a crescere al decrescere dei
valori dell’altra, ma in maniera blanda
Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile: Crescono al decrescere dei valori
dell’altra
Con un coefficiente di correlazione pari a r= -0,9, i valori di una variabile: Crescono al decrescere dei valori
dell’altra
Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando: La radice quadrata del rapporto tra
devianza e numerosità del collettivo.
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di relazione: y
= 10; la relazione è lineare
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di relazioney =
100; la relazione è non lineare
Consideriamo i seguenti dati: classi frequenze 10-20 5 20-30 8 30-40 12 40-50 9 50-60 3
Calcolare la media aritmetica: 34.19
Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi di interesse nell’Euro
Area: x è la variabile indipendente
Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie mobili di pesate di
ordine tre si possono calcolare: 6
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine tre si
possono calcolare: 4
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di ordine cinque si
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie mobili di ordine tre si
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine
tre calcolabile in tempo reale: 11/3
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media mobile di ordine
cinque calcolabile in tempo reale: 21/5
Cosa indica il livello di significatività: La probabilità massima con cui accettiamo di rischiare l'errore di prima
specie
Cosa si intende per stima intervallare: La stima attraverso la quale si giunge alla determinazione di un intervallo,
che include il parametro stimato, con livello di confidenza 1-
Cosa si intende per stima puntuale: La stima attraverso la quale si giunge alla determinazione di un solo valore
numerico per uno o più parametri della popolazione
Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad assumere differente modalità
Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi: Ortogramma e diagramma circolare
Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi: L'istogramma e box-plot

Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in particolare: Capire
quale delle due unità presenta un andamento migliore
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un asso: 0,1
Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura: 12/40
Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se ne sono trovati 20
difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi difettosi:
IC=[0,1216;0,2784]
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione, un

campione casuale di numerosità 2. Lo spazio campionario è composto da: 16 possibi campioni
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione, un

campione casuale di numerosità 3. Lo spazio campionario è composto da: 64 possibili campioni
Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre, con ripetizione, un

campione casuale di numerosità 2. Lo spazio campionario è composto da: 25 possibili campioni
Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si chiama: Moda
Date coppie di valori X e Y, la retta di regressione è una: Sola, e ben definita, tra le infinite rette che si possono
tracciare tra i punti di un diagramma a dispersione
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2,
16,2. Determinare l'equazione della retta: y^= 39,882-0,1857xi
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2, 20, 18.2,
16,2, il coefficiente di determinaziome lineare è: 0,9650
Date le variabili: X(Velocità km/h): 60,80,100,120,130 Y(Consumo in quinta km/litro): 28.8, 24.2,20,18.2,16.
La codevianza (X,Y) è: -577.6
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
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A?B: A?B={1,2,3,4}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ? B ? C: A?B?C={1,3,5,7,9,10}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B: A∩B={3,5}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C: A∩C={1,5}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C: B∩C={5,9,10}
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C: A∩B∩C={5}
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: 1/40
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione un re e un
asso: 2/100
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un fante o un re: 8/40
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una figura o una carta
inferiore a 6: 32/40
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2), estraendo a
caso un punteggio quale è la probabilità di ottenere un numero pari e inferiore a 6: 4/10
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2). Estraendo a
caso un punteggio quale è la probabilità di ottenere un numero pari o inferiore a 6: 0.7
caso due punteggi con reimmissione, quale è la probabilità di ottenere almeno un 7 alla prima estrazione: 0.2
caso due punteggi con reimmissione, quale è la probabilità di ottenere due punteggi la cui somma sia 9: 14/100
Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di tempo rispettivamente
per la quantità della popolazione media dello stesso periodo si può ottenere: Correlazione spuria se l’andamento
della popolazione non è correlato col numero di nati e morti
Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità della popolazione
media dello stesso periodo si ottiene: Coefficiente di mortalità
Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la quantità della popolazione
media dello stesso periodo si ottiene: Coefficiente di natalità
Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da D a C alla velocità di
20 km/h. Determinare la velocità media dell'intero tragitto: 32km/h
Due variabili sono stocasticamente indipendenti se: P(Ai,Bj)=P(Ai)-P(Bj)
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza, i gradi di libertà
corrispondono: (r-1)(c-1)
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 5x5, i gradi di libertà
corrispondono: 16
corrispondono: 12
corrispondono: 25
I simboli e S si riferiscono alla media ed allo scarto quadratico medio del: Campione
I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio del: Popolazione
I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in centesimi). I pesi
attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media dei voti: 82
Il box plot fornisce informazioni: Sulla variabilità, sulla presenza di valori anomale e sulla simmetria/asimmetria
della distribuzione




Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a 0,76.
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, il coefficiente di
determinazione sarà pari a: 0,58
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza residua
sarà pari a: 42%
Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la varianza
comune sarà pari a: 58%
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y= ”speranza di vita” è
pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile dipendente ed Y quella
indipendente, il coefficiente di determinazione sarà pari a: 1
Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione: Tra variabili misurate
su scale a intervalli o a rapporti equivalenti

Il coefficiente di determinazione lineare varia tra: 02>1
Il coefficiente di variazione è dato dal rapporto, espresso in termini percentuali, tra: Lo scarto quadratico medio
e media aritmetica
Il E(SSR*) è uguale: E(SSR*)=o2+B2 1 Sxx
Il lancio di una monetà è un esempio di: Popolazione infinita.

Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono entrambi essere
definiti: Il numero di battiti solamente può essere definito variabile

Il primo quartile: Quel valore che lascia alla sua destra il 75% delle osservazione e alla sua sinistra il 25% delle
osservazioni
Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato: Non esiste

Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data circostanza per l’analogo
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
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

Il teorema del limite centrale: Afferma che al crescere di n la forma della distribuzione della media campionaria
si approssima alla forma normale


Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è: Il denominatore nel calcolo del
numero indice
Il rapporto statistico di coesistenza si ottiene: Mediante il rapporto tra la frequenza di una modalità rispetto a
quella corrispondente di un’altra modalità
In riferimento alla domanda 1 la numerosità n è uguale: n=(2 o-a za/2)2
In riferimento alla tabella che mostra la decomposizione della devianza totale, il rapporto F è uguale: F= MSR
su MSE
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del corso ai 70
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare
quale è la variabile indipendente: Attitudine all’Inglese
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare
quale punteggio dovrebbe ottenere al test di profitto un ragazzo che sbaglia tutte le domande al test
attitudinale: 10
dell’inglese raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni
risposta corretta in più al test attitudinale indicare di quanti punti aumenta il punteggio al test di profitto: 2
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del corso ai
di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento
dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+2X: r2=0,74; se=3,5. Indicare
di quanti punti è l’errore medio di previsione: 3,5
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del corso ai
di profitto (da 0 a 100). Viene utilizzato il punteggio al test attitudinale per prevedere il livello di apprendimento
dell’informatica raggiunto a fine corso, e si ottengono i seguenti risultati: Y’=15+3X: r2=0,74; se=3,5. Indicare
per ogni risposta corretta al test attitudinale di quanti punti aumenta il punteggio al test di profitto e come si
chiama questo parametro: 3, coefficiente di regressione
In una tabella doppia se entrambi le variabili sono qualitative, si parla di: Tabella di contingenza
In una tabella doppia se entrambi le variabili sono quantitative, si parla di: Tabella di correlazione
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con temperatura media
superiore a 20°:3/5
L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base.

L’inflazione è: L'aumento prolungato del livello medio generale dei prezzi di beni e servizi in un dato periodo di
tempo

La correlazione indica: Il grado della relazione tra variabili, e per mezzo di essa si cerca di determinare quanto
bene un’equazione lineare o un’altra equazione qualsiasi descrivano o spieghino tale relazione tra variabili.
La correlazione: A differenza della regressione, non richiede di stabilire quale variabile sia antecedente all’altra
(in termini di dipendenza)
La curtosi rappresenta: Il grado di schiacciamento di una distribuzione intorno al suo centro di gravità e rispetto
alla curva normale
La curva normale a differenza delle altre curve è: Definita da un’equazione particolare che permette di
calcolare, data un’ordinata, porzioni di area sottese alla curva stessa
La curva normale è caratterizzata da: Essere definita da un’equazione particolare che permette di calcolare, data
La distribuzione binomiale: Può essere utilizzata per descrivere casi in cui gli esiti possibili di una prova sono
solo due
La distribuzione di probabilità di z è costruita: E’ una funzione teorica espressa con regole matematiche relative
a un insieme infinito di dati
La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è preceduta da: Il segno
eguale

La frequenza relativa è uguale: ni/n.

La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e +∞, cioè: Si
avvicina all’asse delle ascisse senza mai toccarla
La funzione di ripartizione di una variabile casuale X a valori reali è: La funzione che associa a ciascun valore
x la probabilità dell‘evento “la variabile casuale X assume valori minori o uguali ad x”
La funzione di ripartizione di una variabile casuale: Esprime la probabilità che la variabile casuale assuma
valori inferiori o uguali ad un valore fissato
La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in relazione ad una funzione
di regressione y*
La mediana è: La categoria o il punteggio al di sopra e al di sotto del quale cade un ugual numero di casi

La mutabilità è: L'attitudine di un fenomeno qualitativo ad assumere differente modalità


La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal: Somma delle probabilità del
verificarsi di ciascuno dei due eventi
La probabilità dell'unione di due eventi A e B non incompatibili: P(A?B)= P(A)+P(B)-P(A∩B)
La proporzione di varianza comune a X e Y è espressa da r2xy che è denominato: Coefficiente di determinazione
La proporzione di varianza comune a X e Y è espressa da r2xy che esprime: La varianza spiegata
La proprietà di monotonicità degli indici di tendenza centrale: E' basata sulla comparazione tra le variabili ed i
rispettivi indici di posizione
La proprietà lineare degli indici di tendenza centrale: E' basata sulla relazione di linearità tra le variabili ed i
rispettivi indici di posizione
La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e Y è denominata:
Varianza residua
La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in tanti spicchi, viene
chiamata: Diagramma circolare
La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una serie di rettangoli
contigui viene chiamata: Istogramma
La seguente ipotesi è nulla: C’è una relazione significativa tra reddito delle persone e livello di istruzione
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale a quella delle femmine
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo significativo

La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al reparto B di una
fabbrica” è: Monodirezionale sinistra
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente
diverso” è: Bidirezionale
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è significativamente
diverso” ha il seguente segno del valore critico: ±
La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato dagli studenti è
inferiore a 20 secondi” è: Monodirezionale sinistra
La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non è 200” Bidirezionale
La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è superiore a 0,5” è:
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un
numero elevato di volte. Sospettiamo che il dado sia truccato” è: Monodirezionale destra
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e vince un
numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità sotto l’ipotesi nulla, cioè se le
vincite sono dovute al caso è: 1/6
La somma delle contingenze di ciascuna riga e di ciascuna colonna sono: Nulle

La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a: 1.

La statistica ci offre gli strumenti per: Organizzare, riassumere, analizzare i dati relativi ad un fenomeno, ottenuti
attraverso le misurazioni.

La statistica induttiva: Fa inferenza.

La stima del parametro nel campione è: Non è opportuno definire la stima del parametro nel campione, ma nella
popolazione

La variabile casuale t di student: Al tendere di n all'infinito la v.c t di student tende alla normale standardizzata
La varianza dello stimatore B1 è :Var(B1)=02 su Sxx

La verifica delle ipotesi: Consiste nel formulare, sulla base di dati campionari, un giudizio che induca ad accettare
o rifiutare l'ipotesi nulla, con un prefissato livello di significatività
L'ampiezza A dell'intervallo di confidenza per : A=2 o radice di n za/2
L'ampiezza dell'intervallo di confidenza per una proporzione è: a=2za/2op
L'asimmetria di una distribuzione denota che: I valori del caratteri sono distributi con frequenze differenti
attorno al suo valore centrale
Le densità di frequenza di un istogramma: Si ottengono dal rapporto tra la frequenza di una classe e l'ampiezza
Le fasi di una indagine statistica si conviene siano le seguenti: Definizione degli obiettivi della ricerca;
Rilevazione dei dati; Elaborazione metodologica; Presentazione ed interpretazione dei risultati; Utilizzazione dei
risultati raggiunti
Le frequenze percentuali di una distribuzione si calcolano facendo: Il rapporto tra ciascuna frequenza ed il
totale delle frequenze e moltiplicando per 100 il risultato
Le ipotesi statistiche: Si tratta due ipotesi alternative complementari e logicamente escludentisi
Le misure di posizione hanno l’obiettivo di: Sintetizzare in un singolo valore numerico l’intera distribuzione di
frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze differenti
L'indice di asimmetria Skewness di Pearson è calcolato: Come differenza tra la media aritmetica e la moda
divisa la deviazione standard

L'ipotesi di indipendenza stabilisce che: Cov(Yi,Yj)=Cov(Ei,Ej)=0
L'ipotesi parametrica riguarda: I parametri caratteristici di una particolare distribuzione di cui si conosce la
forma analitica
Lo scostamento semplice medio riguarda: Lo scostamento di ogni valore della distribuzione dalla media, preso
in valore assoluto
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è: Il numero indice dei prezzi del mese m-1
dell\'anno a ed al numeratore il numero indice dei prezzi del mese m dell\'anno a
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è: Il numero indice dei prezzi del mese m
dell\'anno a-1 ed al numeratore il numero indice dei prezzi del mese m dell\'anno a
Nel caso di estrazione con ripetizione la deviazione standard delle frequenze campionarie è: 0p=radice
quadrata di pq su n
Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze campionarie è: 0p=radice
quadrata di pq su n con n-n su n-1
Nel modello di regressione lineare semplice la devianza residua risulta uguale a: SSE=Eni=1(Yi-Yi)2
Nel modello di regressione lineare semplice per verificare l'ipotesi si può utilizzate la quantità F che è una v.c
F di Fischer -Snedecor con : Con 1 e n-2 gradi di libertà
Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi forte: Ipotesi di
normalità
Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi debole: Ipotesi sulla
variabile esplicativa
Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma le variabili non sono legate
da un rapporto serio di causalità
Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto zero (origine) dell’asse
delle ascisse e il punto in cui la retta taglia l’asse delle ordinate
Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili di ordine 3 con 2
cifre decimali sono: 216.67; 350.00; 483.33
Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie mobili di ordine 5 sono:
232 e 350
Nella teoria statistica i termini popolazione e campione sono: Indicativi del fatto che il campione è un
sottoinsieme della popolazione
Non è una scala di misura delle manifestazioni di un carattere statistico: La scala semilogaritmica
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella prima riga della tabella rappresenta: Una
modalità del carattere
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi centigradi) e
yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di ripartizione empirica in corrispondenza di
una temperatura media pari a 17 gradi è: 4/10
Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω ha probabilità: P(Ω)=1
Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con varianza
nota, si utilizza: La distribuzione normale standardizzata
Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con varianza non
nota (n: La distribuzione t di student
Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza: Il diagramma a
dispersione
Per trovare l'intervallo di confidenza per la media di una popolazione normale, si utilizza la t di student,
anziché la normale standardizzata perché: La varianza della popolazione non è nota
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza di Xi = µ, ciò
comporta che media, mediana e moda: Coincidano
Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi nulla; ciò accade nel
caso in cui il risultato del test effettuato lasci alla sua destra: Il 4% dei casi
Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di regressione Y’=ay+byX e
X’= ax+bxY sono: Perpendicolari tra loro
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di regressione Y’=ay+byX e
X’= ax+bxY sono: Coincidono
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di regressione Y’=ay+byX e
X’= ax+bxY sono: Coincidono
Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla avendo scelto un livello di
significatività del 5%: 5%
Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i valori di Y ed Y’: Differiscono
Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i valori di Y ed Y’: Differiscono
Quando la popolazione è infinita: Lo schema di campiomento con ripetizione coincide con lo schema di
Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire che... Il numero di
colonne dipende dai caratteri osservati
Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene, cioè il più elevato, è: 100
Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al 95% per il contenuto
medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una distribuzione normale con
σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6 mg: n=31
Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media geometrica:
=MEDIA.GEOMETRICA
Se il x2>x2a,(r-1)(c-1) : Si rifiuta l'ipotesi di indipendenza stocastica

Se il x2<x2a,(r-1)(c-1): Si accetta l'ipotesi di indipendenza stocastica
Se la distribuzione è asimmetria positiva si ha: Med-Q1
Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizionesi ha che: : n=z2a/2pq su E2
Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si può costruire l'intervallo di
confidenza: Basato sulla distribuzione normale standardizzata
Se una variabile è dicotomica: Può assumere solo due valori, indipendentemente dalla probabilità di ottenere uno
o l’altro dei due valori
Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è corretto
definire X come: Predittore
Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è corretto

definire Y’ come: Valore predetto

Si commette un errore di prima specie: Nel rifiutare l'ipotesi nulla quando in realtà è vera.
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità
di successo in un lancio: 1/6
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la probabilità
di insuccesso in un lancio: 5/6
Si consideri la popolazione di 20 unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}. Indicare

quale indice di posizione appare rappresentativo dell'intera distribuzione: Media aritmetica
Si consideri la popolazione di unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}. Indicare

quale indice di posizione appare rappresentativo dell'intera distribuzione: Moda
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare quale indice di

posizione appare rappresentativo dell'intera distribuzione: Moda
Si consideri la seguente distribuzione in classi: pesi frequenze 48-52 7 53-57 31 58-62 25

63-67 22 68-72 20 73-77 11 78-82 4 la classe mediana: 58-62 (Domanda 4)
Si consideri la seguente distribuzione in classi: pesi frequenze 48-52 7 53-57 31 58-

62 25 63-67 22 68-72 20 73-77 11 78-82 4 Calcolare il primo quartile: 55.97
Si consideri la seguente distribuzione in classi: pesi frequenze 48-52 7 53-57 31 58-62 25

63-67 22 68-72 20 73-77 11 78-82 4 Calcolare il terzo quartile: 69
Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria uguale a 33. Costruire un
intervallo di confidenza al 90% per la media della popolazione, la quale si distribuisce normalmente con
varianza pari a 115: IC=[30,723; 35,277]

Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili corrispondono generalmente i
più grandi dell’altra, e se ai valori più grandi corrispondono in genere i più piccoli;
Si ha discordanza tra due variabili se: Cod(X,Y)

Si ha indipendenza in media tra due variabili statistiche se: Le media parziali sono uguali tra di loro ed uguali
alla media generale
Si ricorre ad una distribuzione normale quando: Una variabile casuale continua è distribuita normalmente o
quasi
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano risultati sensibili
ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone sensibili al farmaco: 0,25
ad un determinato farmaco. Indicare quale è la proporzione nella popolazione di persone sensibili al farmaco:
Non si può sapere
ad un determinato farmaco. Indicare quale è la proporzione campionaria di persone non sensibili al farmaco:
0,75
ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la proporzione della popolazione
sensibile al farmaco deve essere compresa tra: 0,23 e 0,27
Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani n.3, Francesi
n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala: Nominale
Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina. Determinare la numerosità
campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%, tollerando un errore non
superiore al 3%: n=751,67
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U<U0 , usando un livello di significatività dello
0,10. La regione di rifiuto per il test Z è: z
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U>U0 , usando un livello di significatività dello
0,01. La regione di rifiuto per il test T con 17 gradi di libertà è: t > 2,567
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U=U0 usando un livello di significatività dello 0,05.
La regione di rifiuto per il test Z è: z 1,96
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U=U0 usando un livello di significatività dello
0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t 2,120
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U>U0, usando un livello di significatività dello
0,05. La regione di rifiuto per il test Z è : z>1,645
Si vuole sottoporre a verifica l'ipotesi: H0:U=U0 contro H1:U>U0 usando un livello di significatività dello
0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t > 1,746
0,01. La regione di rifiuto per il test T con 18 gradi di libertà è: contro: t
0,01. La regione di rifiuto per il test Z è: z
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3 la cui frequenza totale
è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente: Chi- quadrato con 4 gradi di
libertà
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 4x3 la cui frequenza totale
è n=400. Il valore soglia per la statistica test ha distribuzione approssimativamente: Chi- quadrato con 6 gradi di
libertà
Sia data una popolazione normale con varianza non nota. Volendo verificare
l'ipotesi: H0:U=U0 contro H1:U=U0 . La statistica test da utilizzare è: x-uo su s su radice quadrata di n
Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi:H0:U=U0 contro H1:U=U0
La statistica test da utilizzare è: x-uo su o su radice quadrata di n
Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile allora X è: Discreta
Sotto l'ipototesi che sia vera la variabile casuale t si distribuisce come: Come una t di Student con n-2 gradi di
libertà
Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di tempo, sia di 3,42 gr
con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di confidenza al 99% per la media
della popolazione di peso dei pezzi di metallo: IC=[2,92;3,92]
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero di risposte
corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla base del
risultato ottenuto si può evidenziare che: Le persone con punteggi bassi in matematica hanno buone prestazioni
in letteratura inglese
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica (numero di risposte
corrette in entrambi i casi) si calcola un coefficiente di correlazione di Pearson pari a -0,88. Sulla base del
risultato ottenuto si può evidenziare che: Le due variabili sono correlate negativamente
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il coefficiente di
correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a: 0.58
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che il coefficiente di
determinazione è uguale a -1, il coefficiente di correlazione sarà pari a: Non è possibile calcolarlo con i dati a
disposizione che non sono corretti

Un intervallo di confidenza è: Un intervallo di valori che si ritiene contenga il vero parametro della popolazione
con una prestabilita "fiducia"
Un ipotesi statistica è: Un affermazione sulla distribuzione di probabilità di una variabile casuale

Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione, risulta 142,9. Il
risultato è: Sicuramente sbagliato
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata da un ricercatore su
un campione, risulta 142,9. Il punteggio massimo ottenibile è: 120
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili influiscono su quelli presi in
considerazione
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili, che rappresentano circostanze
comuni ,influiscono su quelli presi in considerazione

Una distribuzione di probabilità di una variabile casuale: L'insieme delle coppie probabilità dei diversi valori
possibili della variabile casuale
Una partita di pistoncini di freni presenta un diametroμ incognito; la varianza del diametro dei pistoncini è
invece nota e pari 0,01 cm. Si estrae un campione di n=1000 pistoncini, sui quali si osserva un diametro medio
pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ ad un livello di confidenza del
95%: IC=[1,1938;1,2062]
Una quantità pivotale è: Una quantità che è funzione delle osservazione e del parametro del quale si vuole
costruire l'intervallo di confidenza, con la caratteristica che la sua distribuzione è nota e non dipende dal
parametro in esame
Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel tempo, si possono avere serie mensili,
giornaliere, annuali
Una tabella a doppia entrata registra: La frequenza assoluta, cioè quante volte una coppia di modalità si presenta

Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier: Può aumentare le
capacità descrittive e previsive del modello statistico
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier: Indica che è stato
commesso qualche errore nei calcoli o nel programma
Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza degli errori è il MSE* =
SSE*/n-2, il cui valore atteso è: E(MSE*)= σ2
Uno stimatore corretto è più efficiente di un altro stimatore corretto del parametro"teta"non noto se: Se
presenta varianza inferiore
Uno stimatore corretto: È tale che il suo valore medio coincide con il valore del parametro da stimare
Uno stimatore si dice consistente: Al crescere della numerosità campionaria, tende a concentrarsi sul parametro
da stimare
Utilizzando la tavola della curva normale standardizzata si individueranno i punti z: Nella colonna di sinistra
con una cifra decimale; la seconda cifra decimale è situata nella prima riga in alto della stessa tavola
Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno una probabilità di
verificarsi per caso: Inferiore rispetto ai valori centrali
Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442; 0,466; 0,448; 0,419;
0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso medio: 0.4415
Statistica decimi
1
La statistica ci offre gli strumenti per Organizzare, riassumere, analizzare i dati relativi ad un
fenomeno, ottenuti attraverso le misurazioni. A
L’Inferenza ha lo scopo di: Dedurre le caratteristiche dell’intera popolazione a partire da dati

raccolti. B
La statistica descrittiva: Organizza e riassume i dati. C
La popolazione è: L’ universo di elementi che forma l’ oggetto di uno studio statistico. A
Il campione è: Un sottoinsieme della popolazione . A
Un campione rappresentativo è: Casuale A
Il campionamento sistematico è Caratterizzato dalla selezione di un elemento ogni k elementi

successivi. D
Il campionamento stratificato è:Caratterizzato da popolazione divisa in sottogruppi omogenei.C
Il campionamento a blocchi è: Caratterizzato da cluster A
La statistica permette di ragionare: Facendo deduzioni ed induzioni. D
2
Le fasi di una indagine statistica si conviene siano le seguenti Definizione degli obiettivi della
ricerca; Rilevazione dei dati; Elaborazione metodologica; Presentazione ed interpretazione dei
risultati; Utilizzazione dei risultati raggiunti. A
L’indagine statistica può essere: Campionaria o di tipo censuario. A
La statistica induttiva: Fa inferenza. A
La mutabile è: Un carattere qualitativo. C
Il numero di lanci di una moneta è una: Variabile discreta. A
Il reddito pro-capite è una Variabile continua. B
Consideriamo la relazione y=f(x), dove x è rappresentato dall’inflazione ed y sono i tassi di

interesse nell’Euro Area: x è la variabile indipendente. A
Considera la relazione causa-effetto y = -f(x), calcola la y sapendo che f(x) = -10 ed indica il tipo di
relazione: y = 10; la relazione è lineare. C
Considera la relazione causa-effetto y=-f(x)2, calcola la y sapendo che f(x)=-10 ed indica il tipo di
relazione: y = 100; la relazione è non lineare. D
La sommatoria di tutte le frequenze relative di una tabella di frequenza è pari a 1. A
3
Che cosa è l'unità statistica: L'unita elementare oggetto di osservazione e di studio. A
La popolazione è finita: Quando è determinabile il numero di unità che compongono. B
Il lancio di una moneta è un esempio di: Popolazione infinita C
Il carattere sesso è: Carattere qualitativo sconnesso. D

Il carattere età è: Un carattere continuo. A
Il carattere titolo di studio è: Un carattere qualitativo rettilineo. C
Il carattere stato civile è: Carattere qualitativo sconnesso . D
Il carattere numero di figli è: Carattere discreto D
Il carattere professione è: Un carattere qualitativo sconnesso B
Non è una scala di misura delle manifestazioni di un carattere statistico: La scala semilogaritmica D
4
La frequenza assoluta è: Il numero delle volte ni in cui la modalità xi è stata osservata A
La frequenza relativa è uguale: ni/n A
In una distribuzione statistica, la somma delle frequenze relative È sempre uguale a 1 B
Una classe è aperta: Se entrambi gli estremi sono esclusi B
Una classe è chiusa: Se entrambi gli estremi sono inclusi A
L'ampiezza della classe è: La differenza tra estremo superiore e estremo inferiore della classe A
La classe è chiusa a sinistra se: Solo l'estremo sinistro è incluso A
Il valore centrale è: La semisomma dei due estremi A

In una tabella doppia se entrambi le variabili sono qualitative, si parla di: Tabella di contingenza C
In una tabella doppia se entrambi le variabili sono quantitative, si parla di: Tabella di correlazioneA
5
La rappresentazione grafica di distribuzioni di frequenze che si sviluppa attraverso una serie di
rettangoli contigui viene chiamata: Istogramma A
Le densità di frequenza di un istogramma: Si ottengono dal rapporto tra la frequenza di una classe
e l'ampiezza della classe medesima B
Come viene classificato l'ortogramma: Sia a nastro sia a colonne C
Costituiscono rappresentazioni grafiche adatte per caratteri quantitativi: L'istogramma e box-plot

C
La rappresentazione grafica che si sviluppa attraverso una circonferenza suddivisa in tanti spicchi,
viene chiamata: Diagramma circolare A
Per la costruzione di un box plot si utilizzano i seguenti valori: Xmin Q1 Med Q3 xmax D
Il box plot, rappresentato tramite un rettangolo, è diviso al suo interno: Dalla mediana C
Il box plot fornisce informazioni: Sulla variabilità, sulla presenza di valori anomale e sulla
simmetria/asimmetria della distribuzione D
All'interno del rettangolo (box plot) sono contenute: Il 50% delle osservazioni C
Costituiscono rappresentazioni grafiche adatte per caratteri qualitativi: Ortogramma e diagramma

circolare B
6
Tra due variabili vi è indipendenza assoluta se: Le frequenze osservate sono uguali alle frequenze
teoriche A
Si chiama contingenza: La differenza tra frequenze osservate e frequenze teoriche A
La somma delle contingenze di ciascuna riga e di ciascuna colonna sono: Nulle B
L'indice chi-quadrato di Pearson (χ2) : Dipende dalla dimensione del collettivo B
Se si raddoppia la numerosità campionaria, il valore del chi-quadrato: Raddoppia C
Il max χ2 è uguale: n x [min (r-1; c-1)] C
L'indice di contingenza quadratica medio φ2è uguale: χ²/n A
L'indice di connessione di Cramer varia: Tra zero e uno A
Indice chi-quadrato è un indice: Simmetrico C
Quali di questi indici è relativo: L'indice di connessione di Cramer. B
7
Vengono prelevate 15 compresse da un lotto di produzione, i valori sono: 0,485; 0,442; 0,466;
0,448; 0,419; 0,415; 0,450; 0,435; 0,443; 0,410; 0,434; 0,450; 0,422; 0,440; 0,464. Calcolare il peso
medio: 0.4415 A
Consideriamo i seguenti dati: classe 10-20 con frequenza 5; classe 20-30 con frequenza 8; classe
30 - 40 con frequenza 12; classe 40 - 50 con frequenza 9; classe 50-60 con frequenza 3 Calcolare la
media aritmetica: 34.19D
La media geometrica è uguale: Alla radice n-esima del prodotto dei termini D
Trovare la media geometrica: 3, 5, 6, 6, 7, 10, 12: 6.43 B
Calcolare la media geometria relativa all'andamento dei prezzi di un dato prodotto: 1,103 1,031
0,939 1,097: 1.04 B
I Voti riportati da uno studente in fisica, statistica e matematica sono: 71, 78, 89 (voti in
centesimi). I pesi attribuiti alle discipline sono rispettivamente 2, 4, 5. Calcolare la media dei voti:
82 C
La media armonica è: Il reciproco della media aritmetica dei reciproci dei termini A
Due punti C e D, distano 80 km, un corpo si muove da C a D alla velocità di 80 km/h e da D a C alla
velocità di 20 km/h. Determinare la velocità media dell'intero tragitto: 32km/h D
La media armonica è particolarmente usata: Quando si mediano rapporti di tempo A
La media geometrica è particolarmente usata: Quando i diversi valori vengono per loro natura
moltiplicati C
8
Calcolare la mediana della seguente serie di voti: 19, 20, 22,18, 26, 30, 28: 22 A
Calcolare la mediana della seguente serie: -2, -3, -5, 0, 1, 4, 7: 0 A
Il secondo quartile coincide con: la mediana B
Si consideri la seguente distribuzione in classi: La classe mediana: 58-62 A

Con riferimento alla domanda 4 la mediana: 61.52 C
Il primo quartile: Quel valore che lascia alla sua destra il 75% delle osservazione e alla sua
sinistra il 25% delle osservazioni A
Si consideri la seguente distribuzione in classi: Calcolare il primo quartile: 55.97 A
Calcolare il terzo 69 B
pesi frequenze
Data una serie di valori numerici, il valore a cui corrisponde la massima frequenza si chiama: Moda
C
9
Cosa si intende variabilità: E' l'attitudine di un fenomeno quantitativo ad assumere differente
modalità A
Quale dei seguenti indici indica la variabilità di una serie dei dati: scarto quadratico medio D
La devianza è: La somma degli scarti dalla media aritmetica al quadrato A
Conoscendo la devianza, lo scarto quadratico medio si ricava calcolando: La radice quadrata del
rapporto tra devianza e numerosità del collettivo D
Calcolare la varianza dei seguenti numeri: 12,6,7,3,15,10,18,5: 23.75 B
Calcolare lo scarto quadratico medio dei seguenti numeri: 12,6,7,3,15,10,18,5: 4,87 B
Il coefficiente di variazione è dato dal rapporto, espresso in termini percentuali, tra: Lo scarto
quadratico medio e media aritmetica A
La differenza interquartile è data dalla: Tra terzo e primo quartile C
Il campo di variazione è dato dalla: Differenza tra valore massimo e minimo della distribuzione A
La mutabilità è: L'attitudine di un fenomeno qualitativo ad assumere differente modalità B
10
Dire se la seguente distribuzione è simmetrica: 8,14,16,16,16,21,21: non è simmetrica C
L'asimmetria di una distribuzione denota che: I valori del caratteri sono distribuiti con frequenze
differenti attorno al suo valore centrale A
L'asimmetria di una distribuzione può essere: Nulla, positiva o negativa A
Se la distribuzione è asimmetria positiva si ha: Med-Q1 < Q3-Med A
Se la distribuzione è asimmetria negativa si ha: Med-Q1 > Q3-Med B
L'indice di asimmetria Skewness di Pearson è calcolato: Come differenza tra la media aritmetica e
la moda divisa la deviazione standard A
La curtosi rappresenta: Il grado di schiacciamento di una distribuzione intorno al suo centro di
gravità e rispetto alla curva normale C
La distribuzione di dice platicurtica se: E' più schiacciata rispetto alla normale A
La distribuzione di dice leptocurtica se: è più appuntita rispetto alla normale C
Il coefficiente di curtosi di Pearson è uguale: Momento quarto/quadrato della varianza A
11
Si ha indipendenza in media se: le medie parziali sono uguali tra loro ed uguali alle medie generali
A
L’indipendenza in media: Non è un concetto simmetrico B
Il rapporto di correlazione di Pearson varia: tra 0 e 1 B
Si ha concordanza tra due variabili se: Cod (X,Y) >0 A
Si ha discordanza tra due variabili se : Cod (X,Y) <0 B
Si ha indipendenza correlativa tra due variabili se : Cod (X,Y) =0 D

Due variabili si dicono perfettamente correlate se: il coefficiente di correlazioni è pari a 1 in valore
assoluto. C
Date le variabili : X( velocità km/h): 60, 80, 100, 120, 130 Y ( Consumo in quinta km/litro) : 28.8,
24.2, 20, 18.2, 16. La codevianza (X,Y) è : -577.6 A
La covarianza (X,Y) : è una misura simmetrica C
Il coefficiente di correlazione: è un numero puro B
12
Il coefficiente angolare bi rappresenta: La pendenza della retta A
Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori
osservati e valori teorici A
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2,
20, 18.2, 16,2. Determinare l'equazione della retta: y^= 39,882-0,1857xi A
Date le variabili: X(Velocità km/h): 60, 80, 100,120,130 Y(Consumo in quinta km/litro): 29.8, 24.2,
20, 18.2, 16,2, il coefficiente di determinazione lineare è: 0,9650 B
Il coefficiente di determinazione lineare è uguale a 1 se è nulla: La devianza residua C
La devianza di regressione misura: Quanta parte della variabilità della Y è spiegata dalla relazione
lineare B
Se la Cod (X,Y)>0: la fretta di regressione è crescente B
Il coefficiente di determinazione lineare è: Il quadrato del coefficiente di correlazione lineare C

Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione C
Se il coefficiente di correlazione r=0: Non c'è correlazione lineare B
13
Un esperimento casuale è: Un'operazione il cui risultato non può essere previsto con certezza B
Dati i seguenti eventi: A=(1,2,3), B=(2,3,4). Determinare A∪B: A∪B={1,2,3,4} A

Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A ∪ B ∪ C:
A∪B∪C={1,3,5,7,9,10} B
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B: A∩B={3,5} B
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩C: A∩C={1,5} A
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare B∩C: B∩C={5,9,10} C
Dati i seguenti eventi: A=(1,3,5,7), B=(3,5,9,10), C(1,5,9,10). Determinare A∩B∩C: A∩B∩C={5} A
Per il postulato 2 dell'assiomatizzazione del calcolo delle probabilità, l'evento certo Ω ha

probabilità: P(Ω)=1 B
La probabilità dell'unione di due eventi A e B non incompatibili: P(A∪B)= P(A)+P(B)-P(A∩B) C
Se due eventi A e B sono indipendenti allora: P(A∩B)= P(A)P(B) A
14
Una variabile casuale: E' una funzione definita sullo spazio dei campioni A
La funzione di ripartizione di una variabile casuale: Esprime la probabilità che la variabile casuale
assuma valori inferiori o uguali ad un valore fissato C
Una distribuzione di probabilità di una variabile casuale: L'insieme delle coppie probabilità dei
diversi valori possibili della variabile casuale C
La funzione di ripartizione di una variabile casuale discreta: E' una funzioni a gradini non
decrescente B
Sia data una v.c X, se essa assume valori in corrispondenza di un insieme numerabile allora X è:
Discreta B
Una variabile casuale continua X: Assume tutti i valori appartenti ad un intervallo A

Affinchè una v.c X continua sia ben definità occorre che: B
Il valore atteso E(b+X) è: (b è una costante reale): E(b+X)=b+E(X) B

Il valore atteso E(X+Y) è: (X e Y sono due varibili casuali): E(X+Y) = E(X)+E(Y) C
La Var (aX+b) è: a e b sono due costanti reali: Var (aX+b)=a²Var (X) A
15
La variabile casuale uniforme discreta: E' tale che ogni sua realizzazione è equiprobabile D
La distribuzione della normale standardizzata: Ha media uguale a 0 e varianza uguale 1 B

La distribuzione binomiale: Può essere utilizzata per descrivere casi in cui gli esiti possibili di una
prova sono solo due C
La distibuzione normale è: E' simmetrica rispetto al valor medio B
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,2: 0,3849 A
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,4: 0,4192 B
A quanto corrisponde l'area sotto la curva normale tra z=0,81 e z=1,94: 0,1828 B
La variabile casuale chi-quadrato: Non può assumere valori negativi A

La variabile casuale t di student: Al tendere di n all'infinito la v.c t di student tende alla normale
standardizzata C
La variabile casuale F di Fisher-Snedecor: Ha valore atteso E(F)= m/(m-2) D
16 no
17
Nel campionamento bernoulliano: Ogni unità statistica può entrare a far parte più volte del
campione A
Nel campionamento bernoulliano: I risultati delle estrazioni sono indipendenti B
Da una popolazione composta da 5 unità statistiche ( A, B, C, D, E ) si voglia estrarre, con

possibili campioni A
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione,
un campione casuale di numerosità 2. Lo spazio campionario è composto da: 16 possibili campioni
C
Da una popolazione composta da 4 unità statistiche ( A, B, C, D ) si voglia estrarre, con ripetizione,
un campione casuale di numerosità 3. Lo spazio campionario è composto da: 64 possibili campioni
C
Una statistica è: Una variabile casuale definita sui campioni A
Una distribuzione campionaria è: La distribuzione di probabilità di una statistica B
La media della distribuzione della media campionaria: Coincide con la media della popolazione C
Quando la popolazione è infinita: Lo schema di campionamento con ripetizione coincide con lo
schema di campionamento senza ripetizione C
Il teorema del limite centrale: Afferma che al crescere di n la forma della distribuzione della media
campionaria si approssima alla forma normale C
18
Cosa si intende per stima puntuale: La stima attraverso la quale si giunge alla determinazione di un
solo valore numerico per uno o più parametri della popolazione C
Cosa si intende per stima intervallare: La stima attraverso la quale si giunge alla determinazione di
un intervallo, che include il parametro stimato, con livello di confidenza 1-alfa C
Lo stimatore di un parametro: È una variabile casuale B
Si definisce stima: Il valore assunto dallo stimatore per un dato campione B
Uno stimatore corretto: È tale che il suo valore medio coincide con il valore del parametro da
stimare B
Se lo stimatore è corretto: EQM=Varianza dello stimatore A

Lo stimatore varianza campionaria corretta: Ha media pari al parametro da stimare B
Uno stimatore si dice consistente: Al crescere della numerosità campionaria, tende a concentrarsi
sul parametro da stimare C
Uno stimatore corretto è più efficiente di un altro stimatore corretto del parametro "teta" non
noto se: Se presenta varianza inferiore C
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 D
19
Un intervallo di confidenza è: Un intervallo di valori che si ritiene contenga il vero parametro della
popolazione con una prestabilita "fiducia" B
Una quantità pivotale è: Una quantità che è funzione delle osservazione e del parametro del quale
si vuole costruire l'intervallo di confidenza, con la caratteristica che la sua distribuzione è nota e
non dipende dal parametro in esame C
L'ampiezza dell'intervallo è tanta più elevata quanto più: n è piccolo B
Per la determinazione dell'intervallo di confidenza per la media di una popolazione
normale con varianza nota, si utilizza: La distribuzione normale standardizzata B
Per la determinazione dell'intervallo di confidenza per la media di una popolazione normale con
varianza non nota (n ) si utilizza: La distribuzione t di student B
Se la popolazione non è normale per il teorema del limite centrale, quando n>30, si può costruire
l'intervallo di confidenza Basato sulla distribuzione normale standardizzata B
Per trovare l'intervallo di confidenza per la media di una popolazione normale, si utilizza la t di
student, anziché la normale standardizzata perché: La varianza della popolazione non è nota C
Si effettuano 60 misurazioni sperimentali da cui si evince una media campionaria uguale a 33.
Costruire un intervallo di confidenza al 90% per la media della popolazione, la quale si distribuisce
normalmente con varianza pari a 115: IC=[30.723; 35.277] C
Supponiamo che la perdita di peso di n=16 pezzi di metallo, dopo un certo intervallo di tempo, sia
di 3,42 gr con varianza campionaria corretta pari a 0,4624. Costruire un intervallo di confidenza al
99% per la media della popolazione di peso dei pezzi di metallo: IC=[2,92;3,92] C
Da una partita di bulloni metallici è stato estratto un campione di n=100 elementi e se ne sono
trovati 20 difettosi. Costruire un intervallo di confidenza al 95% per la proporzione p dei pezzi
difettosi: IC=[0,1216;0,2784 A
20
L'ampiezza A dell'intervallo di confidenza per : A
In riferimento alla domanda 1 la numerosità n è uguale: B

Quanto dovrebbe essere grande un campione per avere un intervallo di confidenza al 95% per il
contenuto medio di nicotina di una data marca di sigarette, se il contenuto di nicotina ha una
distribuzione normale con σ=8,5 mg e l'ampiezza dell'intervallo deve essere di 6 mg: n=31 C
Una partita di pistoncini di freni presenta un diametro μ incognito; la varianza del diametro dei
pistoncini è invece nota e pari 0,01 cm. Si estrae un campione di n=1000 pistoncini, sui quali si
osserva un diametro medio pari a 1,2 cm. Si calcoli l'intervallo di confidenza per μ ad un livello di
confidenza del 95%: IC=[1,1938;1,2062] A
In rifermento alla domanda 4 si calcoli l'ampiezza di tale intervallo: 0.0124 D
Nel caso di estrazione senza ripetizione la deviazione standard delle frequenze campionarie è:
C
Nel caso di estrazione con ripetizione la deviazione standard delle frequenze campionarie è:
B
L'ampiezza dell'intervallo di confidenza per una proporzione è: B
Se la popolazione è sufficiente grande, o nel caso di estrazione con ripetizione si ha che:
B
Si vuole conoscere la proporzione di pezzi difettosi prodotti da una macchina. Determinare la
numerosità campionaria necessaria affinchè la vera proporzione cada in un intervallo al 90%,
tollerando un errore non superiore al 3%: n=751,67 A
21
Un ipotesi statistica è: Un affermazione sulla distribuzione di probabilità di una variabile casuale A
La verifica delle ipotesi: Consiste nel formulare, sulla base di dati campionari, un giudizio che
induca ad accettare o rifiutare l'ipotesi nulla, con un prefissato livello di significatività B
L'ipotesi parametrica riguarda: I parametri caratteristici di una particolare distribuzione di cui si
conosce la forma analitica C
Le ipotesi statistiche: Si tratta due ipotesi alternative complementari e logicamente escludentisi B
L' ipotesi statistica è semplice: Se si assegna al parametro un valore puntale A

Si commette un errore di prima specie: Nel rifiutare l'ipotesi nulla quando in realtà è vera B
Si commette un errore di seconda specie: Nell' accettare l'ipotesi nulla quando in realtà è falsa B
Cosa indica il livello di significatività: La probabilità massima con cui accettiamo di rischiare l'errore
di prima specie C
La potenza del test è: La probabilità di rigettare l'ipotesi nulla quando è giusto farlo C
Aumentando il livello di significatività: Aumenta la potenza del test D
22
Sia data una popolazione normale con varianza nota. Volendo verificare l'ipotesi: contro
. La statistica test da utilizzare è: A
Sia data una popolazione normale con varianza non nota. Volendo verificare l'ipotesi:
contro . La statistica test da utilizzare è: A
Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di significatività

dello 0,05. La regione di rifiuto per il test Z è : z>1,645 A
Si vuole sottoporre a verifica l'ipotesi: contro usando un livello di significatività
dello 0,05. La regione di rifiuto per il test Z è: z < -1,96 o z > 1,96 B

dello 0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t < -2,120 o t > 2,120 B

dello 0,05. La regione di rifiuto per il test T con 16 gradi di libertà è: t > 1,746 A
Si vuole sottoporre a verifica l'ipotesi: contro , usando un livello di

significatività dello 0,01. La regione di rifiuto per il test Z è: z < -2,33 C

dello 0,01. La regione di rifiuto per il test T con 18 gradi di libertà è: contro: t <-2,552 D

dello 0,01. La regione di rifiuto per il test T con 17 gradi di libertà è: t > 2,567 C

dello 0,10. La regione di rifiuto per il test Z è: z <-1,28 B
23
La verifica dell'ipotesi di indipendenza mira a verificare: L'indipendenza stocastica C
Due variabili sono stocasticamente indipendenti se: C

Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza, i gradi di
libertà corrispondono: (r-1)(c-1) B
Se il : : Si accetta l'ipotesi di indipendenza stocastica D
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 5x5, i gradi
di libertà corrispondono: 16 D
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza
5x4, i gradi di libertà corrispondono: 12 C
Effettuando un test di verifica dell'ipotesi di indipendenza su una tabella di contingenza 6x6, i gradi
di libertà corrispondono: 25 B
Se il : si rifiuta l'ipotesi di indipendenza stocastica A

Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 3x3 la cui
approssimativamente: Chi- quadrato con 4 gradi di libertà B
Si vuole verificare l'ipotesi di indipendenza sulla base di una tabella di contingenza 4x3 la
cui frequenza totale è n=400. Il valore soglia per la statistica test ha distribuzione
approssimativamente: Chi- quadrato con 6 gradi di libertà B
24
Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi forte:
Ipotesi di normalità C
Nel modello di regressione lineare semplice, quali tra le seguenti ipotesi è definita ipotesi
debole: Ipotesi sulla variabile esplicativa B
L'ipotesi di indipendenza stabilisce che: B
Con il metodo dei minimi quadrati: Si minimizza la somma dei quadrati degli scarti tra valori
osservati e valori teorici A
Il coefficiente angolare b1 indica: La pendenza della retta A
Il coefficiente angolare b1 è dato: b1= COD. (X,Y)/ DEV(X) A
Il valore atteso dello stimatore B1 è: E(B1)=β1 C
La varianza dello stimatore B1 è: A

Uno stimatore corretto di σ², con le ipotesi di varianza costante e dell'indipendenza degli errori è il
MSE* = SSE*/n-2, il cui valore atteso è: E(MSE*)= σ2 A
In base al teorema di Gauss Markov, gli stimatori dei minimi quadrati: Sono i più efficienti B
25
Per stimare il parametro: MSE*= SSE*/n-2 A
Nel modello di regressione lineare semplice la devianza residua risulta uguale B

Sotto l'ipototesi che H0 sia vera la variabile casuale t si distribuisce come: Come una t di Student
con n-2 gradi di libertà B
Il coefficiente di determinazione lineare è: Il quadrato del coefficiente di correlazione lineare C
Il coefficiente di determinazione lineare varia tra: 0 < R2<1 B

Il coefficiente di determinazione lineare è nullo se è nulla: La devianza di regressione D
Se il coefficiente di correlazione r= 0: Non c'e relazione lineare tra X e Y B
In riferimento alla tabella che mostra la decomposizione della devianza totale, il rapporto F è
uguale: B
Il E(SSR*) è uguale: A
Nel modello di regressione lineare semplice per verificare l'ipotesi H0:β1=0 contro H0:β1 ≠ 0 si può
utilizzate la quantità F che è una v.c F di Fischer -Snedecor con : Con 1 e n-2 gradi di libertà D
31
La distribuzione di frequenza è: Il calcolo delle frequenze per ciascun valore o categoria della
variabile A
Una tabella a doppia entrata registra: La frequenza assoluta, cioè quante volte una coppia di
modalità si presenta contemporaneamente per X e per Y. A
La frequenza cumulata: Può essere uguale alla relativa D
Per produrre la distribuzione di frequenza percentuale occorre: Moltiplicare per 100 le frequenza
relative B
Per calcolare le frequenze cumulate relative occorre dividere: Le frequenze cumulate per n. D
Quando parliamo di matrice dei dati, relativamente al numero di colonne possiamo dire che... Il
numero di colonne dipende dai caratteri osservati D
Il numero dei caratteri in una matrice: Non dipende dalla numerosità della popolazione D
La matrice dei dati è composta: Da n vettori C
L’Istogramma è una: Modalità di rappresentazione della rilevazione statistica D
Le matrici sono composte da: N righe e k colonne, con k che può essere eguale o diverso da n D
32
Le misure di posizione hanno l’obiettivo di: Sintetizzare in un singolo valore numerico l’intera
distribuzione di frequenza per effettuare confronti nel tempo, nello spazio o tra circostanze
differenti A
La moda è un: Indice di tendenza centrale B
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la media geometrica è pari a:
5,66 D
C
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1), la mediana è pari a: 9,5 D
Considera il seguente insieme di osservazioni (2; 14; 13; 15; 6; 1;1), la moda è pari a: 1 B
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), la moda è pari a: 2 A
Considera il seguente insieme di osservazioni (2; 2; 2; 14; 13; 15; 6; 1;1), il valore centrale è
pari a: 8 A
Considera il seguente insieme di osservazioni (-2; -2; -2; -14; -13; -15; -6; -1;-1), il valore massimo è
pari a: -1 B
Scrivi la funzione excel ed i simboli da digitare nella cella per calcolare la media geometrica:
=MEDIA.GEOMETRICA B
33
Si consideri la popolazione di 20 unità statistiche: {-250,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,10,11,250}.
Indicare quale indice di posizione appare rappresentativo dell'intera distribuzione: Media
aritmetica D
Si consideri la popolazione di unitàstatistiche:{250,2,2,2,2,3,4,6,6,7,7,7,7,7,7,8,8,9,9,9,10,11,2500}.
Indicare quale indice di posizione appare rappresentativo dell'intera distribuzione: Moda C
Si consideri la popolazione: {-,2,2,2,2,3,4,6,6,7,7,7,8,8,9,9,9,9,9, 9,10,11,2500}. Indicare quale
indice di posizione appare rappresentativo dell'intera distribuzione: Moda C
La proprietà moltiplicativa degli indici di tendenza centrale: Permette cambiamenti di scala
nell'indice B
La proprietà lineare degli indici di tendenza centrale:E’ diversa da quella moltiplicativa D

La proprietà lineare degli indici di tendenza centrale:E' basata sulla relazione di linearità tra le
variabili ed i rispettivi indici di posizione B
La proprietà di monotonicità degli indici di tendenza central:E' basata sulla comparazione tra le
variabili ed i rispettivi indici di posizione B
Una variabilità alta in luogo di una variabilità bassa Diminuisce le capacità previsive dei modelli
statistici B
La varianza si calcola:Per popolazioni e campioni D
La varianza del campione è:Calcolata con i dati del campione rappresentativo della popolazione B
34
Calcola il range delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel test con
30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29): 29 D
Calcola il range parziale delle seguenti osservazioni relative agli errori compiuti da ogni alunno nel
test con 30 domande: (2,3,4,2,5,4,6,7,7,2,12,0,0,0,0,1,29): 12 B
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 A
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 D
Lo scostamento semplice medio riguarda: Lo scostamento di ogni valore della distribuzione dalla
media, preso in valore assoluto D
Lo scostamento quadratico medio riguarda: La media degli scarti al quadrato tra i dati e la M D
Una variabilità pari al valore 65 in luogo del valore 80, ottenuta eliminando i valori outlier: Può
aumentare le capacità descrittive e previsive del modello statistico A
Una variabilità pari al valore 80 in luogo del valore 65, ottenuta eliminando i valori outlier: Indica
che è stato commesso qualche errore nei calcoli o nel programma D
La varianza fornisce: La misura sintetica di quanto le unità differiscono dalla media aritmetica A
Usando la mediana in luogo della media nel calcolo della varianza: È bene eliminare i valori
anomali ed estremi A
35
La Statistica è sinonimo di: Scienze statistiche D
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 B
modalità rispetto a quella corrispondente di un’altra modalità C
Il rapporto statistico di composizione si ottiene: Dividendo il valore rilevato in una data circostanza
per l’analogo valore rilevato per l’intera popolazione A
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 D
I numeri indice sono: Rapporti statistici D
I numeri indice sono: Strumenti matematici A
Costruendo i numeri indice della serie storica del fatturato per due aziende, vogliamo in
particolare: Capire quale delle due unità presenta un andamento migliore C
L’anno con valore pari a 100 nella serie storica dei numeri indice è: L’anno base C
Il valore dell’anno con numero indice pari a 100 nella serie storica osservata è: Il denominatore nel
calcolo del numero indice B
36
L’inflazione è: La diminuzione del potere di acquisto dla moneta B
L’inflazione è: L'aumento prolungato del livello medio generale dei prezzi di beni e servizi in un
dato periodo di tempo A
La variazione congiunturale riguarda in statistica-economica il confronto con: Il mese precedente B
La variazione tendenziale riguarda in statistica-economica il confronto con: L’anno precedente A
Nel calcolo del tasso di inflazione congiunturale al denominatore c’è: Il numero indice dei prezzi
del mese m-1 dell\'anno a ed al numeratore il numero indice dei prezzi del mese m dell\'anno a A
Nel calcolo del tasso di inflazione tendenziale al denominatore c’è: Il numero indice dei prezzi del
mese m dell\'anno a-1 ed al numeratore il numero indice dei prezzi del mese m dell\'anno a A
La deflazione si calcola con: I tassi di variazione A
La deflazione è: Espressa in percentuale A

Il rapporto annuo tra tasso di inflazione e deflazione dell’anno x in un paese determinato: Non
esiste A
Nel calcolo dei tassi di incremento tra t e t-1 al denominatore vi è: Il dato dell’anno t-1 A
37
La covarianza è positiva quando: X e Y variano tendenzialmente nella stessa direzione B
La covarianza è negativa quando: Al crescere di X la Y tende a diminuire e viceversa C
La covarianza è nulla quando: X e Y sono linearmente indipendenti A

La covarianza è nulla quando: X e Y non sono correlate D
La correlazione indica: Il grado della relazione tra variabili, e per mezzo di essa si cerca di
determinare quanto bene un’equazione lineare o un’altra equazione qualsiasi descrivano o
spieghino tale relazione tra variabili. A
Con un coefficiente di correlazione pari a r= -0,8, i valori di una variabile: Crescono al decrescere
dei valori dell’altra A
Con un coefficiente di correlazione pari a r= -0,9, i valori di una variabile: Crescono al decrescere
dei valori dell’altra A
Con un coefficiente di correlazione pari a r= -0,5, i valori di una variabile: Tendono a crescere al
decrescere dei valori dell’altra, ma in maniera blanda A
Con un coefficiente di correlazione pari a r= +0,8, i valori di una variabile: Crescono al crescere dei
valori dell’altra C
Nella correlazione spuria, si rileva che: R varia tra -1 ed 1 e può essere elevato, ma le variabili non
sono legate da un rapporto serio di causalità D
38
Ad un valore elevato di r corrisponde: In diversi casi un effettivo legame tra i due caratteri
quantitativi considerati D
Ad un valore basso di r corrisponde: In diversi casi un legame debole tra i due caratteri quantitativi
considerati D
Un tipico caso di correlazione non reale comporta che: Uno dei due caratteri comprende l’altro D
Un tipico caso di correlazione non reale comporta che: I due caratteri sono influenzati da
circostanze comuni C
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili influiscono su quelli
presi in considerazione B
Un tipico caso di correlazione non reale comporta che: Altri fattori variabili, che rappresentano
circostanze comuni ,influiscono su quelli presi in considerazione B
R deve esprimere correttamente: il legame di interdipendenza A
Dividendo il numero delle nascite in una comunità durante un periodo di tempo e la quantità della
popolazione media dello stesso periodo si ottiene: Coefficiente di natalità D
Dividendo il numero delle morti in una comunità durante un periodo di tempo e la quantità della
popolazione media dello stesso periodo si ottiene: Coefficiente di mortalità B
Dividendo il numero delle morti e delle nascite in una comunità durante un periodo di tempo
rispettivamente per la quantità della popolazione media dello stesso periodo si può ottenere:
Correlazione spuria se l’andamento della popolazione non è correlato col numero di nati e morti B
39
I numeri indice comparano: Le variazioni dei livelli della variabile nel tempo con riferimento ad una
base C
I numeri indice sono: Inferiori a 100 se il livello tende a scendere rispetto all’anno base D
I numeri indice sono: Superiori a 100 se il livello della variabile tende a crescere rispetto all’anno
base D
I numeri indice sono: Esplicativi dell’andamento dei livelli della variabile nel tempo B
La formula per calcolare il numero indice tra l’anno t e t-1 per la variabile X in Excel è preceduta
da: Il segno eguale A
Se il tasso di incremento tra t e t-1 è pari a 1,2%, allora il numero indice in t, con base t-1 sarà:
101,2 D
102,2 A
101,2 D
Se il tasso di decremento tra t e t-1 è pari a -1,2%, allora il numero indice in t, con base t-1 sarà:
98,8 A
Se il tasso di decremento tra t e t-2 è pari a -5,2%, allora il numero indice in t, con base t-2 sarà:
94,8 A
40
Per rappresentare graficamente la forma della relazione tra due variabili X ed Y si utilizza: Il
diagramma a dispersione B
Studiare la relazione tra due variabili X ed Y significa: Studiare la tendenza che X e Y hanno a
variare insieme A
Il coefficiente di correlazione r di Pearson può essere usato per calcolare la correlazione: Tra
variabili misurate su scale a intervalli o a rapporti equivalenti D
Quando a valori crescenti di X corrispondono valori crescenti di Y si ha: Una relazione positiva C
Quando al diminuire dei valori di X corrisponde il diminuire dei valori di Y si ha: Una relazione
positiva C
Date coppie di valori X e Y, l’equazione di regressione può essere considerata: Sola, e ben definita,
tra le infinite rette che si possono tracciare tra i punti di un diagramma a dispersione C
L’equazione di regressione lineare è l’equazione di una: Retta C
Date coppie di valori X e Y, la retta di regressione è una: Una formula di predizione di Y B
Se X è la variabile indipendente e Y quella dipendente, considerando l’equazione di regressione è
corretto definire X come: Predittore A
Se X è la variabile indipendenre e Y quella dipendente, considerando l’equazione di regressione è
corretto definire Y’ come: Valore predetto C
41
Una serie storica è costituita: Dai dati osservati a intervalli regolari di tempo B
Una serie storica è costituita: Dalle osservazioni dei dati quantitativi nel tempo, si possono avere
serie mensili, giornaliere, annuali B
La media mobile è: La somma ponderata dei valori della serie storica B

La media mobile di ordine n consiste: In una serie di medie aritmetiche calcolate su n periodi
contigui. A
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di
ordine tre si possono calcolare: 4 D
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), quante medie mobili di
ordine cinque si possono calcolare: 2
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7,0), quante medie mobili di
ordine tre si possono calcolare: 5 A
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
mobile di ordine tre calcolabile in tempo reale: 11/3 D
Consideriamo la seguente serie storica di valori contigui (3,5,3,4,6,7), calcola la prima media
mobile di ordine cinque calcolabile in tempo reale: 21/5 A
Consideriamo la seguente serie storica di valori contigui (2,2,3,5,3,4,6,7), quante medie mobili di
pesate di ordine tre si possono calcolare: 6 A
42
I dati informatici sono utilizzabili per: Le analisi statistiche A
Una fotografia è un dato: Complesso C

Il tipo di dato elementare 4.5 è: Reale B
Nella somma logica con operando A=1 ed operando B=1, il totale sarà: 1 B
Nella somma logica con operando A=0 ed operando B=0, il totale sarà: 0 C
Nel prodotto logico con operando A=0 ed operando B=1, il totale sarà: 0 C
Nel prodotto logico con operando A=VERO ed operando B=FALSO, il totale sarà: F A
Nel prodotto logico con operando A=VERO ed operando B=VERO, il totale sarà: V C
La negazione logica dell’operando A=0 è: 1 D
Nella congiunzione tra insiemi si valuta: Quando i due eventi si realizzano entrambi B
43
La probabilità che si verifichi un evento può assumere valori :Tra 0 ed 1 A
Due eventi sono indipendenti quando: Il verificarsi dell’uno non modifica la probabilità di
verificarsi dell’altro B
La probabilità del verificarsi di due eventi che si escludono a vicenda è data dal: Somma delle
probabilità del verificarsi di ciascuno dei due eventi B
La somma delle probabilità di eventi che si escludono a vicenda ed esaustivi è: Uguale ad 1 A
Due eventi non sono indipendenti quando: Il verificarsi dell’uno modifica la probabilità del
verificarsi dell’altro C
Nella teoria statistica i termini popolazione e campione sono: Indicativi del fatto che il campione è
un sottoinsieme della popolazione D
Se si effettua una estrazione senza reimmissione la probabilità di estrarre un altro elemento: Viene
modificata A
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un asso: 0,1 D
Da un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una carta di
bastoni: 0,25 D
Da un mazzo di carte viene estratta una carta. Calcolare la probabilità di ottenere una figura:
12/40 D
44
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere un fante o
un re: 8/40 A
Dato un mazzo di 40 carte viene estratta una carta. Calcolare la probabilità di ottenere una figura
o una carta inferiore a 6: 32/40 C
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: 1/40 B
Dato un mazzo di 40 carte calcolare la probabilità di ottenere in due estrazioni con reimmissione
un re e un asso: 2/100 C
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la
probabilità di successo in un lancio: 1/6 A
Si consideri come successo l’evento “faccia con il numero sei” nel lancio di un dado. Calcolare la
probabilità di insuccesso in un lancio: 5/6 D
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2),
estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari e inferiore a 6:
4/10 B
Dieci adolescenti hanno ottenuto i seguenti in una prova di abilità spaziale (2,7,9,2,1,7,5,4,6,2).
Estraendo a caso un punteggio quale è la probabilità di ottenere un numero pari o inferiore a 6:
0,7 B
Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere almeno un 7
alla prima estrazione: 0,2 A
Estraendo a caso due punteggi con reimmissione, quale è la probabilità di ottenere due punteggi
la cui somma sia 9: 14/100 C
45
Il numero di cuori negli esseri viventi ed il numero di battiti cardiaci al minuto possono entrambi
essere definiti: Il numero di battiti solamente può essere definito variabile D
Si supponga di avere la seguente distribuzione di 10 individui secondo la nazionalità: Italiani n.3,

Francesi n.4, Spagnoli n.3. La caratteristica nazionalità è misurata su scala: Nominale A
Le frequenze percentuali di una distribuzione si calcolano facendo: Il rapporto tra ciascuna

frequenza ed il totale delle frequenze e moltiplicando per 100 il risultato A
Quando si calcolano le frequenze cumulate percentuali, l'ultimo valore che si ottiene, cioè il più
elevato, è: 100 B
La mediana è: La categoria o il punteggio al di sopra e al di sotto del quale cade un ugual numero
di casi D
La deviazione standard può assumere valori: Solo positivi A
La media: E' sensibile ai valori estremi A
Un test fornisce punteggi compresi tra 0 e 120. La media del test, calcolata su un campione, risulta
142,9. Il risultato è: Sicuramente sbagliato C
Un test fornisce sicuramente punteggi compresi tra 0 e 120. La mediana del test, calcolata da un
ricercatore su un campione, risulta 142,9. Il punteggio massimo ottenibile è: 120 A
In una distribuzione di frequenza si può ottenere: Più di una moda C
46
Nella retta di regressione Y’=aY+bYX il termine ay: Rappresenta la distanza tra il punto zero
(origine) dell’asse delle ascisse e il punto in cui la retta taglia l’asse delle ordinate A
Quando la correlazione tra X ed Y è molto elevata, pari ad rxy=0.92, i valori di Y ed Y’:DifferisconoA
Quando la correlazione tra X ed Y è molto bassa, pari ad rxy=0.22, i valori di Y ed Y’: Differiscono B
Quando la correlazione tra X ed Y è pari ad rxy=+1, i valori di Y ed Y’: Coincidono B

Quando la correlazione tra X ed Y è pari ad rxy=-1, i valori di Y ed Y’: Coincidono B
Prova anche a realizzare in Excel i grafici che seguono. Quando rxy = 0, le due rette di regressione
Y’=ay+byX e X’= ax+bxY sono: Perpendicolari tra loro A
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = -1, le due rette di regressione
Y’=ay+byX e X’= ax+bxY sono: Coincidono C
Prova anche a realizzare in excel i grafici che seguono. Quando rxy = +1, le due rette di regressione
Y’=ay+byX e X’= ax+bxY sono: Coincidono C
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione lineare, sapendo che il
coefficiente di correlazione è uguale a 0.76, il coefficiente di determinazione sarà pari a: 0.58 D
Tra X= ”abilità manuali” ed Y= ”abilità tecniche” vi è una relazione non lineare, sapendo che il
coefficiente di determinazione è uguale a -1, il coefficiente di correlazione sarà pari a: Non è
possibile calcolarlo con i dati a disposizione che non sono corretti C
47
La media mobile di ordine 5 permette di: Eliminare valori erratici C
La media mobile di ordine 3 permette di: Eliminare valori anomali C
La media mobile di ordine 3 permette di: Effettuare lo smoothing delle serie storiche A
Nella serie ordinata secondo il tempo t e con valori (100,200,350,500,600) le medie mobili di
ordine 3 con 2 cifre decimali sono: 216.67; 350.00; 483.33 D
Nella serie ordinata secondo il tempo t e con valori(10,100,200,350,500,600) le medie mobili di
ordine 5 sono: 232 e 350 D
Nella serie (10,100,200,350,500,600) le medie mobili senza cifre decimali di ordine 3 sono: 103,
217, 350, 483 D
La funzione TENDENZA in Excel serve per: Calcolare il valore di una funzione stimata C
La funzione TENDENZA in Excel serve per: Prevedere le serie storiche A

C
La funzione TENDENZA in Excel serve per: Calcolare il valore stimato al tempo t in relazione ad una
funzione di regressione y* C
48
La stima del parametro è: Un concetto diverso da quello di stimatore D
La stima del parametro nella popolazione è: Calcolata attraverso i dati campionari C
La stima del parametro nel campione è: Non è opportuno definire la stima del parametro nel
campione, ma nella popolazione D
La stima del parametro nella popolazione è: Relativa ai valori che può assumere lo stimatore D
La stima del campione è: Un concetto diverso da quello di stimatore D
La funzione stimatore del parametro dovrebbe essere: Centrata, consistente, efficiente A
Si supponga di aver compiuto una rilevazione campionaria su 2000 pazienti e che 500 siano
persone sensibili al farmaco: 0,25 A
risultati sensibili ad un determinato farmaco. Indicare quale è la proporzione nella popolazione di
persone sensibili al farmaco: Non si può sapere A
persone non sensibili al farmaco: 0,75 C
risultati sensibili ad un determinato farmaco. Con un grado di fiducia del 95%, stimiamo che la
proporzione della popolazione sensibile al farmaco deve essere compresa tra: 0,23 e 0,27 D
49
La proporzione di varianza comune a X e Y è espressa da r2xy che è denominato: Coefficiente di
determinazione D
La proporzione di varianza comune a X e Y è espressa da r2xy che esprime: La varianza spiegata A
La quantità espressa da 1-r2xy con r2xy che indica la proporzione di varianza comune a X e Y è
denominata: Varianza residua C
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a

0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, il
coefficiente di determinazione sarà pari a: 0,58 B
Il coefficiente di correlazione di Pearson tra X= “quantità di grassi saturi assunte” ed Y= ”speranza
di vita” è pari ad -1. Considerando una relazione lineare tra X ed Y, dove X è la variabile dipendente
ed Y quella indipendente, il coefficiente di determinazione sarà pari a: 1 A
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è
dipendente, la varianza residua sarà pari a: 42 % B
Il coefficiente di correlazione di Pearson tra X= “abilità manuali” ed Y= ”abilità tecniche” è pari a
0,76. Considerando una relazione lineare tra X ed Y, dove quest’ultima è la variabile dipendente, la
varianza comune sarà pari a: 58% A
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio
per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al test
attitudinale per prevedere il livello di apprendimento dell’inglese raggiunto a fine corso, e si
ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale è la variabile
indipendente: Attitudine all’inglese C
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese
ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Indicare quale punteggio dovrebbe
ottenere al test di profitto un ragazzo che sbaglia tutte le domande al test attitudinale: 10 D
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Inglese specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Inglese che fornisce punteggi in
termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento dell’inglese
ottengono i seguenti risultati: Y’=10+2X: r2=0,64; se=2,5. Per ogni risposta corretta in più al test
attitudinale indicare di quanti punti aumenta il punteggio al test di profitto: 2 A
50
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce punteggi
in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento
dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al
test attitudinale per prevedere il livello di apprendimento dell’informatica raggiunto a fine corso, e
si ottengono i seguenti risultati: Y’=15+2X: r2=0,74; se=3,5. Indicare di quanti punti è l’errore
medio di previsione: 3,5 C
In una scuola superiore 70 ragazzi sono iscritti ad un corso di Informatica specialistico. All’inizio del
corso ai 70 alunni viene somministrato un test attitudinale per l’Informatica che fornisce punteggi
in termini di risposte corrette (da 1 a 40). Alla fine del corso si valuta l’apprendimento
dell’Informatica per ogni ragazzo con un test di profitto (da 0 a 100). Viene utilizzato il punteggio al
test attitudinale per prevedere il livello di apprendimento dell’informatica raggiunto a fine corso, e
si ottengono i seguenti risultati: Y’=15+3X: r2=0,74; se=3,5. Indicare per ogni risposta corretta al
test attitudinale di quanti punti aumenta il punteggio al test di profitto e come si chiama questo
parametro: 3, coefficiente di regressione B
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica
pari a -0,88. Sulla base del risultato ottenuto si può evidenziare che: Le persone con punteggi bassi
in matematica hanno buone prestazioni in letteratura inglese D
Tra i punteggi ad un test di letteratura inglese e i punteggi ad un test di abilità matematica
pari a -0,88. Sulla base del risultato ottenuto si può evidenziare che: Le due variabili sono
correlate negativamente D
L’indice r misura relazioni di tipo: Lineare C

Si ha discordanza tra caratteri se: Ai valori più piccoli di una delle due variabili corrispondono
generalmente i più grandi dell’altra, e se ai valori più grandi corrispondono in genere i più piccoli;
B
La codevianza è una misura: Assoluta di concordanza A
La correlazione: A differenza della regressione, non richiede di stabilire quale variabile sia
antecedente all’altra (in termini di dipendenza) A
Relazioni di discordanza significative tra variabili implicano: Un coefficiente di correlazione
negativo A
Se il coefficiente di correlazione è uguale a 0 vi è: Assenza di concordanza o discordanza D
51
La funzione di ripartizione di una variabile casuale X a valori reali è: La funzione che associa a
ciascun valore x la probabilità dell‘evento “la variabile casuale X assume valori minori o uguali ad
x” B
La funzione di densità di probabilità della distribuzione Normale è asintotica di X verso -∞ e +∞,
cioè: Si avvicina all’asse delle ascisse senza mai toccarla C
I valori attesi nella variabile casuale Normale sono: Media; Varianza; C
Per 10 bimestri un ricercatore ha rilevato la temperatura media (variabile X, espressa in gradi
centigradi) e l’importo pagato per la bolletta elettrica (variabile Y, espressa in euro): xi : 10, 18, 23,
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore 24 riportato nella prima
riga della tabella rappresenta: Una modalità del carattere B
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una temperatura media pari a 17 gradi è: 4/10 C
32, 21, 15, 12, 16, 24, 27 yi : 50, 48, 45, 60, 40, 48, 50, 45, 55, 65 Il valore della funzione di
ripartizione empirica in corrispondenza di una temperatura media pari a 25 gradi, che ipotizziamo
essere una v.c distribuita normalmente, è: 0,8 B
Indicare la percentuale di bollette con importi inferiori a 60 euro, tra i bimestri con temperatura
media superiore a 20°: 3/5 C
La funzione f(X) raggiunge il suo punto più alto in corrispondenza di: Xi = media A
Poiché nella v.c. Normale la funzione f(X) raggiunge il suo punto più alto in corrispondenza di Xi =
µ, ciò comporta che media, mediana e moda: Coincidono D
normalmente o quasi. A
52
Nella teoria statistica i termini campione e popolazione sono: Non sono sinonimi C
I simboli μ e σ si riferiscono alla media ed allo scarto quadratico medio del: Popolazione B
I simboli e S si riferiscono alla media ed allo scarto quadratico medio del: Campione A
matematiche relative a un insieme infinito di dati C
La curva normale a differenza delle altre curve è: Definita da un’equazione particolare che
permette di calcolare, data un’ordinata, porzioni di area sottese alla curva stessa B
La curva normale è caratterizzata da: Essere definita da un’equazione particolare che permette di
calcolare, data un’ordinata, porzioni di area sottese alla curva stessa D
La curva normale standardizzata è caratterizzata dal fatto di avere: Media =0 e deviazione
standard=1 C
La curva normale standardizzata è caratterizzata dal fatto di avere: I punteggi sono espressi in
punti z C
Valori estremi, cioè posizionati verso le code di una distribuzione di probabilità, hanno una
probabilità di verificarsi per caso: Inferiore rispetto ai valori centrali C
Utilizzando la tavola della curva normale standardizzata si individueranno i punti z: Nella colonna
di sinistra con una cifra decimale; la seconda cifra decimale è situata nella prima riga in alto della
stessa tavola A
53
Una variabile dicotomica può assumere: Solo due valori C
Se una variabile è dicotomica: Può assumere solo due valori, indipendentemente dalla probabilità
di ottenere uno o l’altro dei due valori C
La seguente ipotesi è nulla: La popolazione da cui il campione è estratto ha media 58 A
La seguente ipotesi è nulla: Non esiste nessuna relazione tra classe sociale e alcolismo A
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo
significativo D
La seguente ipotesi è nulla:Questa moneta non è truccata A
La seguente ipotesi è nulla: Le medie dei gruppi A,B,C non differiscono tra loro in modo
significativo D
La seguente ipotesi è nulla: Il farmaco C non ha un effetto diverso dal farmaco D A
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale a quella
delle femmine C
La seguente ipotesi è nulla: C’è una relazione significativa tra reddito delle persone e
livello di istruzione A
54
La seguente ipotesi: “C’è una minore astensione dal lavoro nel reparto A rispetto al reparto
B di una fabbrica” è: Monodirezionale sinistra B
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
significativamente diverso” è: Bidirezionale D
La seguente ipotesi: “La media della popolazione da cui deriva un certo campione non è 200”
Bidirezionale D
La seguente ipotesi: “La probabilità di ottenere croce lanciando una certa moneta è superiore a
0,5” è: Monodirezionale destra C
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un
dado, e vince un numero elevato di volte. Sospettiamo che il dado sia truccato” è:
Monodirezionale destra C
La seguente ipotesi: “Il tempo medio di riconoscimento di alcuni dipinti storici impiegato
dagli studenti è inferiore a 20 secondi” è: Monodirezionale sinistra B
La seguente ipotesi: “Un giocatore scommette sull’uscita della faccia con il numero 4 di un dado, e
vince un numero elevato di volte. Sospettiamo che il dado sia truccato”. La probabilità sotto
l’ipotesi nulla, cioè se le vincite sono dovute al caso è: 1/6 C
La seguente ipotesi: “Il punteggio medio ad un test di statistica di due gruppi di individui è
significativamente diverso” ha il seguente segno del valore critico: ± D
Quale probabilità si ha di commettere l’errore di I tipo se si rifiuta l’ipotesi nulla avendo scelto un
livello di significatività del 5%: 5% C
Ponendo ed H1 monodirezionale destra, indicare quando è possibile rifiutare l’ipotesi nulla; ciò
accade nel caso in cui il risultato del test effettuato lasci alla sua destra: Il 4% dei casi A
60 ( possibili domande a detta del professore)
Qual è la rappresentazione grafica che si basa sulle frequenze cumulate: logiva

Calcolare indici tendenza centrale o variabilità
Calcolare la z , del valore minore o massimo
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,6:0,4452
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,1 :0,3643
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,8 : 0,4641
A quanto corrisponde l'area sotto la curva normale tra z=0 e z=1,9 : 0,47193
A quanto corrisponde l'area sotto la curva normale tra z=0,66 e z=0 :0,2454
A quanto corrisponde l'area sotto la curva normale tra z=0,67 e z=0 :2486
A quanto corrisponde l'area sotto la curva normale tra z=0,68 e z=0 : 0,2517
A quanto corrisponde l'area sotto la curva normale tra z= -0,75 e z=0:0,2734
Aggiungendo una costante positiva c a tutti i valori di una variabile la media aritmetica:
Aumenta di c
Assegnati i dati (17,45,38,27,6,48,11,57,34,22) calcolare il campo di variazione:51
Calcolare la media geometrica di una serie di numeri: (prodotto degli elementi della serie
storica sotto radice avente come esponente il numero totale degli elementi) Esempio: 2, 9,
12= 216 radice cubica di 216 =6
Considera il seguente insieme di osservazioni ( 2;14;13;15;6;1;1), la media è pari a : 7,43
Consideriamo la seguente serie storica di valori contigui ( 2,2,4,5,3,4,6,7,0,11,12), quante
medie mobili di ordine tre si possono calcolare: 9
Con un livello di significatività dello 0,05 la probabilità di commettere l’errore di primo tipo
(α) è: L’5%
Con un livello di significatività dell’1% si considera α eguale a: 0,01
Cosa si intende per variabilità: è l'attitudine di un fenomeno quantitativo ad assumere
Cos’è la potenza dei test: La probabilità di rigettare l’ipotesi nulla quando è falsa
Data la seguente serie di voti riportati da alcuni studenti ad un esame:
18,19,21,22,23,26,28,30. La mediana è: 22,5
Date n variabili casuali normali standardizzate e indipendenti al quadrato, una variabile

casuale CHI QUADRATO è data dalla: radice quadrata di tali variabili
Dati due eventi A e B costituiti dai primi 6 numeri estratti da una urna contenente 90 palline
numerate A= (87,12,23,8,45,90) e B=(8,84,41,12,36,17). Determinare AUB:
Au B=(87,12,23,8,45,90,84,41,36,17)
Dati due eventi A e B costituiti dai primi 6 numeri estratti da una urna contenente 90 palline
numerate A= (87,12,23,8,45,90) e B=(8,84,41,12,36,17). Determinare A∩B= (12,8)
Dati i seguenti valori:1,2,1,3,2,4,3,5,4,3,2,4,4,2,4,3,3,1,2,3,. Determinare la media
quadratica: 3,0166
Dati i seguenti valori:1,2,1,3,2,4,3,5,4,3,2,4,4,2,4,3,3,1,2,3. Determinare la moda: 3
Dato un mazzo di 40 carte la probabilità di estrarre un due o un re alla prima estrazione: 1/5
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 coppie alla seconda: 0,025
Estraendo una carta da un mazzo di 40, la probabilità che sia una figura è: 12/40
Gli indici relativi di variabilità: sono indipendenti dall’unità di misura
H0 e H1 sono due ipotesi: Mutuamente escludentesi
I sacchetti di plastica utilizzati per contenere generi alimentari sono prodotti in modo che il
carico di resistenza del sacchetto segua una distribuzione normale di media 3,2 kg e squarto
quadratico medio 0,5 kg. Determinare la percentuale di sacchetti prodotti che ha un carico
di resistenza compreso tra i 2,8 e i 3,4 kg : 56,42%
I seguenti dati di rappresentano le entrate realizzate da una società negli 11 anni compresi
fra il 1988 ed il 1998.
4.0,5.0,7.0,6.0,8.0,9.0,5.0,2.0,3.5,5.5,6.5. Quante medie mobili di ordine cinque si possono
calcolare: 7
I voti di uno studente in sei esami sono stati 84,91,72,68,87,78. Determinare la mediana dei
voti stessi. 81
Il coefficiente di correlazione lineare r di Bravals-Pearson è sempre: compreso tra -1 e +1
Il secondo quartile per definizione, coincide con: la mediana
In un’analisi di regressione, b1 (coefficiente angolare) = 1.09627 e b0 (intercetta) = - 58.54,
determinare la retta interpolante: y=1,09627-58,54x
In un pollaio con 10 galline e un gallo, la probabilità per una gallina di essere fecondata è
pari a 0,3. Determinare la probabilità che esattamente 3 lo siano: 0,7987
La densità di frequenza di un istogramma: Esprimono l’addensamento delle frequenze
intorno al valore più piccolo della classe
La deviazione standard è uguale: Alla radice quadrata della varianza
La differenza interquartile è data dalla differenza: terzo quartile e primo quartile
la distribuzione della normale standardizzata ha: media 0 e varianza 1

La frequenza cumulata: Può essere anche relativa
La media aritmetica è: sempre compresa tra il valore minimo e massimo della distribuzione
Lanciando un dado la probabilità che esca un 5 è: 1/6
Lanciando una moneta la probabilità che esca testa è: 1/2
La rappresentazione grafica di distribuzione di frequenza che si sviluppa attraverso una
serie di rettangoli contigui, si chiama: Istogramma
La seguente ipotesi è nulla: La media dei tempi di reazione dei maschi è uguale a quella
delle femmine
La somma degli scarti della media aritmetica è sempre pari a: 0
La varianza di una variabile statistica può diventare negativa: mai
L’errore β diminuisce: All’aumentare di α

L’indice chi-quadrato di Pearson: dipende dalla dimensione del collettivo
Le densità di frequenza di un istogramma: esprimono l’addensamento delle frequenze
intorno al valore più piccolo della classe
Le medie di posizione sono quelle: che risultano da particolari elementi della distribuzione
Nel modello di regressione lineare semplice quali delle seguenti ipotesi è definita “ipotesi
forte”: Ipotesi di normalità
Per il postulato 2 dell’assiomatizzazione del calcolo delle probabilità, l’evento certo Ω ha
probabilità: P(Ω)=1
Quali tra queste non è una media razionale: Mediana
Se due eventi A e B sono indipendenti allora: P [𝐴 ∩ 𝐵 ] = 𝑃 (𝐴)P(B)
Se la media aritmetica di x è 10 e la varianza è 100 allora il coefficiente di variazione è
uguale a: 1
Se la media aritmetica di un gruppo di osservazioni è nulla, allora la varianza è: coincide
con il quadrato della media
Si commette l’errore di prima specie: nel rifiutare l’ipotesi nulla quando in realtà è vera
Si consideri i 540 ragazzi della scuola media Statale “Francesco Giosuè” e si consideri che
in una settimana ci sono stati i seguenti assenti: 66 30 15 50 21 37.
Calcolare la devianza standard: 17,31
Si supponga di voler verificare l’ipotesi di indipendenza sulla base di una tabella di

contingenza 3x4 la cui frequenza totale è 100. Il valore soglia o critico per la statistica test
ha distribuzione approssimativamente: t-student con 99 gradi di libertà
Un campione casuale di dimensione 20 di una popolazione normale ha media 𝑥 1 =180 e
varianza corretta 𝑠 2 =n81. Determinare l’intervallo di confidenza bilaterale al 95% per la
media della popolazione: IC=[175,788; 184,212]
Una persona ha impiegato, in cinque sedute consecutive alla Borsa di Milano, la stessa
quota per lo stesso titolo, che ha avuto le seguenti quotazioni:
31,00:29,80;29,85:29,00;29,83. Calcolare il costo medio per azione:29,90
Una tabella a doppia entrata registra: Quante volte una coppia di modalità si presenta
contemporaneamente per x e per y
un prodotto di largo consumo ha subito negli anni diversi aumenti indicati in tabella:
anni aumento
2007 2%
2008 3%
2009 2,5%
2010 2,8%
Determinare il tasso di aumento medio annuo: 2,574%
Un ragazzo napoletano, per provare la propria automobile appena comprata, decide di fare
una gita a Tivoli. Presa l’autostrada percorre tre tratti di lunghezza diversa: 30km, 70 km.
100 km a velocità costante rispettivamente di 90 km/h, 100 km/h e 130 km/h, qual è la
velocità media? 110,95 km/h

STATISTICA - Risposte Test

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

STATISTICA - Risposte Test

Caricato da

Copyright:

Formati disponibili

I valori attesi nella variabile casuale Normale sono: Media; Varianza;

Il reddito pro-capite è una: Variabile continua

Le mutabili si distinguono come: sconnesse e ordinali

Le operazioni su beni e servizi o su strumenti finanziari sono sempre: bilaterali

PER PRODURRE LA DISTRIBUZIONE DI FREQUENZA PERCENTUALE OCCORRE: Le frequenze cumulate per n

SI HA DISCORDANZA TRA DUE VARIABILI SE: Cod(X,Y)<0

CALCOLA IL RANGE DELLE SEGUENTI OSSERVAZIONI RELATIVE

CALCOLA IL RANGE PARZIALE DELLE SEGUENTI OSSERVAZIONI

CALCOLA IL RANGE PARZIALE DELLE SEGUENTI OSSERVAZIONI

CONSIDERA IL SEGUENTE INSIEME DI OSSERVAZIONI (-2; -2; -2;

CONSIDERA LA RELAZIONE CAUSA-EFFETTO Y=-F(X)2, CALCOLA

CONSIDERIAMO LA SEGUENTE SERIE STORICA DI VALORI

CONSIDERIAMO LA SEGUENTE SERIE STORICA DI VALORI

LA STIMA ATTRAVERSO LA QUALE SI GIUNGE ALLA

E' L'ATTITUDINE DI UN FENOMENO QUANTITATIVO AD

DA UNA PARTITA DI BULLONI METALLICI È STATO ESTRATTO

DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ STATISTICHE (

DA UNA POPOLAZIONE COMPOSTA DA 4 UNITÀ STATISTICHE (

DA UNA POPOLAZIONE COMPOSTA DA 5 UNITÀ STATISTICHE (

DATA UNA SERIE DI VALORI NUMERICI, IL VALORE A CUI

DIECI ADOLESCENTI HANNO OTTENUTO I SEGUENTI IN UNA

DIECI ADOLESCENTI HANNO OTTENUTO I SEGUENTI IN UNA

DIECI ADOLESCENTI HANNO OTTENUTO I SEGUENTI IN UNA

DIVIDENDO IL NUMERO DELLE MORTI IN UNA COMUNITÀ

DIVIDENDO IL NUMERO DELLE NASCITE IN UNA COMUNITÀ

IL COEFFICIENTE DI CORRELAZIONE DI PEARSON TRA X=

IL COEFFICIENTE DI CORRELAZIONE DI PEARSON TRA X=

IN RIFERIMENTO ALLA DOMANDA 1 LA NUMEROSITÀ N È

IN RIFERIMENTO ALLA TABELLA CHE MOSTRA LA

IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN

IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN

IN UNA SCUOLA SUPERIORE 70 RAGAZZI SONO ISCRITTI AD UN

IN UNA TABELLA DOPPIA SE ENTRAMBI LE VARIABILI SONO

LA DISTRIBUZIONE DELLA NORMALE STANDARDIZZATA: HA MEDIA UGUALE A 0 E VARIANZA UGUALE 1

E' BASATA SULLA RELAZIONE DI LINEARITÀ TRA LE

E BASATA SULLA RELAZIONE DI LINEARITÀ TRA LE

LA SEGUENTE IPOTESI: “LA MEDIA DELLA POPOLAZIONE DA

LA SEGUENTE IPOTESI: “LA PROBABILITÀ DI OTTENERE CROCE

LA STIMA DEL PARAMETRO È: UN CONCETTO DIVERSO DA QUELLO DI STIMATORE

NON È OPPORTUNO DEFINIRE LA STIMA DEL

L'AMPIEZZA A DELL'INTERVALLO DI CONFIDENZA PER :

LA DIFFERENZA TRA ESTREMO SUPERIORE E ESTREMO

L'AMPIEZZA DELL'INTERVALLO DI CONFIDENZA PER UNA

L'AMPIEZZA DELL'INTERVALLO È TANTA PIÙ ELAVATA QUANTO

NEL CASO DI ESTRAZIONE CON RIPETIZIONE LA DEVIAZIONE

NEL CASO DI ESTRAZIONE SENZA RIPETIZIONE LA DEVIAZIONE

NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE PER

NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, QUALI TRA

NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE, QUALI TRA

R VARIA TRA -1 ED 1 E PUÒ ESSERE ELEVATO, MA LE

PER 10 BIMESTRI UN RICERCATORE HA RILEVATO LA

PER 10 BIMESTRI UN RICERCATORE HA RILEVATO LA

POICHÉ NELLA V.C. NORMALE LA FUNZIONE F(X) RAGGIUNGE

SE IL TASSO DI DECREMENTO TRA T E T-2 È PARI A -5,2%,

SE IL TASSO DI INCREMENTO TRA T E T-1 È PARI A 1,2%,

SE IL TASSO DI INCREMENTO TRA T E T-1 È PARI A 2,2%,

SE IL TASSO DI INCREMENTO TRA T E T-2 È PARI A 1,2%,

SE IL : SI RIFIUTA L'IPOTESI DI INDIPENDENZA STOCASTICA

SE IL : SI ACCETTA L'IPOTESI DI INDIPENDENZA STOCASTICA

SI CONSIDERI COME SUCCESSO L’EVENTO “FACCIA CON IL

SI CONSIDERI LA POPOLAZIONE DI 20 UNITÀ STATISTICHE: {-

SI CONSIDERI LA POPOLAZIONE DI UNITÀ STATISTICHE: {-

SI CONSIDERI LA SEGUENTE DISTRIBUZIONE IN CLASSI: