1 Nel campionamento stratificato:

a) Può essere adottato se si hanno informazioni suppletive sulla popolazione di riferimento, cioè se è
possibile dividerla in strati, al cui interno le unità sono omogenee secondo un determinato criterio.
b) Garantisce che a ogni elemento della popolazione ha la stessa probabilità di essere selezionato 
FALSO: si tratta del campione casuale semplice
c) Sono vere A e E
d) È un metodo di campionamento non probabilistico  FALSO: probabilistico
e) Prevede che da ogni strato venga estratto, in modo indipendente, un campione casuale

2 La varianza:

a) Varia tra - ∞ e + ∞  FALSO: varia tra 0 e + ∞

b) Ha la stessa unità di misura dei dati originali  FALSO: perché è al quadrato
c) È la media dei quadrati delle differenze fra ciascuna osservazione e la media
d) Sono vere B e C
e) Sono vere A e C

3 Siano X e Y due variabili quantitative continue:

a) Vi è concordanza tra X e Y se a valori elevati dell’una corrispondono valori elevati dell’altra

b) Vi è concordanza tra X e Y se la covarianza è positiva [Cov (X,Y) >0]
c) Vi è concordanza tra X e Y se l’indice di Cramer è vicino a 1  FALSO: Cramer non si usa per le
quantitative
d) Vi è concordanza se tra X e Y l’indice Chi-quadro è positivo  FALSO: Chi quadro si usa per le
qualitative
e) Sono vere A e B

4 La moda

a) Può essere calcolata solo per dati quantitativi  FALSO: può essere calcolata sia per variabili
quantitative che qualitative
b) Esiste sempre  FALSO: non è sempre riscontrabile
c) Può non essere unica
d) Quando esiste è unica:  FALSO: vedi il caso della bimodale (ammette 2 mode)
e) Può essere calcolata solo per dati qualitativi  FALSO: può essere calcolata anche per dati
quantitativi

5 in un modello di Regressione Lineare, il Test F

a) Si usa per valutare la significatività congiunta dei singoli coefficienti

b) Si usa per valutare la significatività dei singoli coefficienti  FALSO: quello è il test t
c) Se si rifiuta l’ipotesi nulla, il modello ha buona capacità esplicativa
d) Se si rifiuta l’ipotesi di coefficiente nullo, il regressore a cui il coefficiente è associato è rilevante per
la spiegazione del fenomeno  FALSO: vale per il test t nel caso in cui rifiutassi H0
e) Sono vere A e C

6 Il campo di variazione

a) Non risente del modo in cui i dati sono distribuiti

b) Non risente della presenza di outliers  FALSO: risente della presenza di outlier (max-min)
c) Risente della presenza di outliers
d) Sono vere A e C
e) Sono vere B e C
7 nei test di ipotesi di probabilità di errore di primo tipo:

a) È sempre <= 0.05  FALSO

b) È sempre <= 0.01  FALSO
c) Rappresenta la probabilità di accettare l’ipotesi nulla quando è falsa  FALSO: Rifiutare H0 quando
è vera
d) Rappresenta la probabilità di rifiutare l’ipotesi nulla quando questa è falsa  FALSO: rifiutare H0
quando è vera
e) Nessuna delle precedenti

8 In un modello di regressione logistica, la statistica Somer’s D:

a) Tanto più si avvicina a 1 tanto più il modello è corretto

b) Tanto più si avvicina a 1 tanto più è forte l’associazione tra valori predetti e osservati
c) Si usa per selezionare i regressori
d) Si usa per la valutazione del modello  FALSO
e) Sono vere A, B e C

9 Nell’ambito dell’analisi fattoriale

a) La % di variazione di ciascuna variabile è legata da tutti i fattori estratti è rappresentata dalle

comunalità
b) Le correlazioni tra variabili e fattori sono sempre negative
c) Ruotando i fattori la % di varianza spiegata complessiva aumenta  FALSO: la % di varianza
spiegata complessiva resta invariata
d) Le correlazioni tra variabili e fattori sono sempre positive
e) Sono vere A e C

10 Quale di queste NON è un’ipotesi del modello di regressione logistica?

a) Il valore stimato di π: (YІX) è compreso tra 0 e 1

b) Il valore stimato di π: Pr (1ІX) è compreso tra 0 e +∞  FALSO: è compreso tra 0 e 1
c) La funzione logit è esprimibile come combinazione lineare delle variabili indipendenti
d) La variabile dipendente ha distribuzione Benoulliana
e) Il valore stimato rappresenta la probabilità di “successo”

11 Nella regressione lineare, il segno dei coefficienti:

a) È sempre negativo e/o è sempre positivo  FALSO: può essere positivo o negativo
b) Se è diverso da quello atteso può indicare interazione tra i regressori (multicollinearità)
c) Indica l’impatto del regressore a cui è associato sulla variabile dipendente
d) Non può essere negativo  FALSO: può essere negativo
e) Sono vere B e C

12 La Varianza:

a) Varia tra -∞ e + ∞  FALSO: varia tra 0 e + ∞

b) Varia tra 0 e 1  FALSO: varia tra 0 e + ∞
c) È la media dei quadrati delle differenze fra ciascuna osservazione e la media
d) È la radice quadrata delle differenze fra ciascuna osservazione e la media
e) Sono vere A e C
13 La moda

a) Può essere calcolata solo per dati quantitativi  FALSO: può essere calcolata anche per dati
qualitativi
b) Può non essere unica
c) Sono vere A e B
d) Sono vere B e E
e) Può essere calcolata solo per dati qualitativi  FALSO: può essere calcolata anche per dati
quantitativi

14 I fattori calcolati tramite il metodo delle componenti principali

a) Sono correlati tra loro  FALSO sono ortogonali

b) Sono combinazioni lineari delle variabili originarie
c) Sono vere A e B
d) Sono ortogonali (non correlati) alle variabili originarie
e) Sono vere B e D

15 Se le distribuzioni subordinate riga e colonna in una tabella a doppia entrata sono uguali tra loro e uguali
alle marginali corrispondenti si può dire che:

a) Le variabili considerate sono statisticamente indipendenti

b) La correlazione lineare è bassa  FALSO
c) Si può escludere l’indipendenza statistica tra le due variabili  FALSO: vi è indipendenza statistica
d) Le medie dei gruppi sono statisticamente diverse  FALSO: non c’entra niente
e) Si può escludere l’indipendenza in media tra le due variabili  FALSO: indipendenza in media si
usa quando si ha una variabile qualitativa e una quantitativa

16 Per una variabile qualitativa nominale è possibile calcolare:

a) La varianza
b) La media
c) la mediana
d) Tutte le misure indicate  FALSO: si può calcolare solo frequenza e moda
e) Nessuna delle misure indicate

17 Nell’ambito dell’analisi fattoriale:

a) Al crescere della correlazione tra le variabili originarie diminuisce il numero di fattori necessari a
rappresentare i dati originari
b) Il primo fattore è quello con la varianza più bassa  FALSO: più alta
c) Al crescere della correlazione tra le variabili originarie aumenta il numero di fattori necessari a
rappresentare i dati originari  FALSO: diminuisce il numero di fattori necessari
d) Nessuna delle risposte è vera
e) Ogni fattore è correlato con tutti gli altri  FALSO: non necessariamente con tutti ma anche solo
con alcuni

18 Il metodo dei minimi quadrati:

a) Permette di stimare l’R-quadro per i modelli di regressione lineare

b) Permette di stimare i parametri di un modello di regressione lineare senza commettere errori
c) Si usa per valutare l’importanza dei regressori di un modello di regressione lineare
d) Fornisce stimatori non distorti e consistenti per i coefficienti di un modello di regressione lineare
e) Sono vere B e D
19 La moda:

a) È una misura di tendenza non centrale  FALSO misura di tendenza centrale

b) È una misura che è possibile calcolare per qualsiasi tipo di variabile
c) È il valore che occorre più frequentemente e non è influenzata dai valori estremi
d) Sono vere B e C
e) È sempre maggiore della mediana  FALSO non è detto

20 X e Y sono due variabili, vale l’indipendenza statistica se:

a) Al variare di X le distribuzioni subordinate (YІX = xi) sono tutte uguali tra loro
b) La frequenza relativa congiunta è pari alla somma delle marginali corrispondenti  FALSO al
prodotto non alla somma delle marginali
c) Al variare di Y le distribuzioni subordinate (XІY= yi) sono tutte uguali tra loro
d) La frequenza relativa congiunta è pari al prodotto delle marginali corrispondenti
e) Sono vere A, C e D

21 Siano X= reddito e Y= età, quale dei seguenti indici permette di verificare l’associazione tra X e Y?

a) Coefficienti di correlazione lineare

b) V di Cramer  FALSO va bene per qualitative
c) Indice chi-quadro  FALSO va bene per qualitative
d) Media
e) Varianza

22 Nell’ambito dei modelli di regressione, la multicollinearità

a) Genera instabilità nelle stime dei coefficienti

b) È la presenza di forte correlazione positiva tra alcuni dei regressori del modello  FALSO non è
detto che sia positiva
c) È la presenza di forte correlazione negativa tra alcuni dei regressori del modello  FALSO non è
detto che sia negativa
d) Può essere verificata tramite i test di significatività dei suoi coefficienti  FALSO si calcola tramite il
VIF o al più l’R2
e) Fa tendere a zero la varianza degli stimatori dei minimi quadrati

23 Le componenti principali:

a) Complessivamente spiegano la variabilità delle variabili originarie

b) Sono elencate in ordine decrescente rispetto alla variabilità spiegata
c) Sono vere A, B e E
d) Hanno varianza pari a 1
e) Sono tra loro ortogonali (non correlate)

24 In ambito di analisi fattoriale, quale dei seguenti non è un criterio da adottare per scelta del numero
ottimale di fattori:

a) Scree plot
b) Comunalità
c) Rapporto tra numero di fattori e numero di variabili originarie
d) Correlazione con la variabile dipendente
e) Percentuale di variazione totale spiegata
25 Considerando un modello di regressione lineare con variabile dipendente “Y= spesa per il prodotto A” in
cui uno dei regressori è “X= consumo del prodotto B”, se il coefficiente associato a X vale – 0.30 significa
che:

a) Se il consumo del prodotto B aumenta di una unità, la spesa per il prodotto A diminuisce del 30%
b) Se il consumo del prodotto B aumenta di una unità, la spesa per il prodotto A aumenta del 30%
c) Il 30% degli intervistati spende per il prodotto A meno della media
d) Il 30% degli intervistati spende per il prodotto A più della media

26 Nell’ambito dell’analisi fattoriale:

a) Al crescere della correlazione tra variabili originarie diminuisce il numero di fattori necessari a
rappresentare i dati originari
b) Il primo fattore è quello con la varianza più bassa  FALSO più alta
c) Al crescere della correlazione tra le variabili originarie aumenta il numero di fattori necessari a
rappresentare i dati originari  FALSO diminuisce il numero
d) Nessuna delle risposte è vera
e) Ogni fattore è correlato con tutti gli altri  FALSO non necessariamente è correlato con tutti

27 Nell’analisi di regressione lineare multipla, il test statistico “t” serve per:

a) Verificare l’ipotesi di indipendenza statistica tra variabile dipendente e variabili indipendenti 

FALSO per l’indipendenza statistica si usa il chi quadro test
b) Verificare l’ipotesi che tutti i coefficienti siano nulli, contro l’ipotesi alternativa che almeno uno sia
diverso da zero  FALSO quello è il test F
c) Verificare l’ipotesi che tutti i coefficienti siano statisticamente indipendenti  FALSO per quello si
usa il test chi quadro
d) Verificare l’ipotesi che il singolo coefficiente sia maggiore di zero  FALSO uguale a zero o diverso
da zero
e) Verificare l’ipotesi che il singolo coefficiente sia nullo, contro l’ipotesi alternativa che sia diverso da
zero

28 Sia X una variabile qualitativa e Y una variabile quantitativa:

a) Per misurare la dipendenza in media si dovrà utilizzare l’indice relativo n 2

b) Se n2=0 si può affermare che c’è indipendenza in media tra le due variabili
c) Il test F permette di verificare l’ipotesi sulla differenza tra medie
d) Per verificare l’associazione tra le due variabili si testa l’ipotesi H 0: le medie sono tutte uguali tra di
loro
e) Tutte le risposte sono vere

29 Nella regressione lineare, il segno dei coefficienti:

a) È sempre positivo  FALSO non è detto può essere negativo

b) Se è diverso da quello atteso può indicare interazione tra i regressori (multicollinearità)
c) Indica l’impatto del regressore a cui è associato sulla variabile dipendente
d) Non può essere negativo OPPURE è sempre negativo  FALSO può essere negativo o positivo
e) Sono vere B e C

30 Nel test di ipotesi l’errore di secondo tipo:

a) È quello che si commette a non rifiutare un’ipotesi nulla falsa

b) È quello di primo tipo si possono verificare contemporaneamente  FALSO non si possono
verificare contemporaneamente
 c) È quello che si commette a rifiutare un’ipotesi nulla vera  FALSO quello è l’errore di primo tipo
d) Sono vere C e B

31 Nell’ambito della regressione lineare l’uso dell’analisi fattoriale è utile al verificarsi di:

a) Presenza di variabili dicotomiche

b) Presenza di molte variabili
c) Presenza di variabili correlate
d) Nessuna delle risposte è vera
e) P-value del test F > 0.05

32 Quali di questi non è un obiettivo dell’analisi fattoriale?

a) L’analisi delle correlazioni esistenti tra variabili quantitative

b) La sintesi dell’informazione disponibile tramite un sottoinsieme ridotto delle variabili di partenza
c) La combinazione di un insieme di variabili al fine di migliorare l’interpretabilità di un fenomeno
d) L’analisi della dipendenza di un fenomeno da un insieme di variabili quantitative
e) La rappresentazione di un insieme di fattori latenti che non possono essere misurati
differentemente

33 Quando il coefficiente di correlazione lineare è uguale a zero significa che:

a) Esiste indipendenza statistica tra le variabili

b) Le variabili non sono legate da alcun tipo di relazione lineare
c) Esiste perfetta dipendenza in media tra le variabili
d) Le variabili sono legate linearmente in modo debole
e) Sono vere A e B

34 Si parla di indipendenza statistica se:

a) La frequenza relativa congiunta è pari al prodotto delle marginali corrispondenti

b) Sono vere A e D
c) Ad ogni valore di X corrisponde un solo valore di Y, ma non è detto che si verifichi il contrario 
FALSO perfetta dipendenza unilaterale
d) Al variare di X le distribuzioni subordinate (XІY = xi), sono tutte uguali tra loro e si può concludere
che la distribuzione del carattere Y dipenda da X  FALSO Y non dipende da X
e) Ad ogni valore di X corrisponde un solo valore di Y e viceversa  FALSO perfetta dipendenza
bilaterale

35 Nell’analisi fattoriale, dopo aver scelto il numero di fattori ed aver effettuato una rotazione ortogonale,
succede che:

a) La % di variazione complessiva spiegata dai fattori ruotati cambia per renderli più facilmente
interpretabili  FALSO la % di variazione complessiva non varia
b) Ogni variabile è correlata solo con un fattore e con-correlata con gli altri
c) Cambia la % di varianza complessiva spiegata dai fattori che non vengono ruotati
d) Nessuna delle risposte è vera OPPURE tutte le risposte sono vere
e) La % di varianza spiegata da ciascun fattore si modifica

Oppure sono vere due delle risposte

36 La valutazione media complessiva dell’esame di stato di 3 scuole è 73,74,76. Quali sono le conclusioni?

a) I tre valori sono tra loro molto vicini. Significa che non ci sono differenze tra le valutazioni medie
delle 3 scuole
b) Occorre fare un test F per poter giungere alla conclusione che le 3 valutazioni medie siano
significativamente diverse tra loro
c) Occorre fare un test sulla presenza di correlazione per poter giungere alla conclusione a livello di
popolazione
d) Occorre effettuare un test chi-quadro per verificare la connessione fra le variabili
e) Sono vere A e B

37 quando il coefficiente di correlazione lineare è uguale a 0.8 significa:

a) Esiste indipendenza statistica tra le variabili  FALSO indipendenza riguarda variabili qualitative
b) Le variabili sono legate linearmente in modo forte
c) Le variabili non sono legate da alcun tipo di relazione lineare  FALSO sono legate in modo forte
d) Esiste perfetta dipendenza in media tra le variabili  FALSO la dipendenza in media riguarda
variabili qualitative/quantitative
e) Sono vere B e D

38 Se le distribuzioni subordinate in una tabella a doppia entrata sono uguali tra loro e uguali alle marginali
si può concludere che

a) Le variabili sono statisticamente indipendenti

b) La correlazione lineare è bassa
c) Le variabili considerate sono statisticamente indipendenti
d) Le medie dei gruppi sono statisticamente differenti
e) Le medie dei gruppi sono statisticamente uguali

39 Sia X una variabile quantitativa continua si può affermare che:

a) Tanto minore è la varianza, tanto più i valori di X sono dispersi

b) Tanto minore è la varianza, tanto più i valori di X sono concentrati attorno al valore medio
c) Se la varianza è negativa i valori di X sono negativi
d) La varianza è uguale a 0 quando tutti i valori sono uguali
e) Sono vere B e D

40 Leverage H:

a) Misura quanto un’osservazione è lontana dal centro dei dati

b) Tende a segnalare troppe osservazioni influenti
c) Le osservazioni per cui Leverage H è maggiore di 1 sono potenzialmente osservazioni influenti
d) Sono vere A e B
e) Misura la varianza del p-value quando un’osservazione viene rimossa

41 Le componenti principali dell’analisi fattoriale:

a) Non sono correlate con le variabili originarie

b) Rappresentano ciascuna una combinazione lineare di tutte le variabili originarie
c) Sono fortemente correlate tra loro
d) Ciascuna rappresenta una combinazione lineare di alcune delle variabili originarie
e) Le risposte A e D sono corrette
42 Nell’ambito della regressione lineare l’uso dell’analisi fattoriale è utile:

a) In Presenza di variabili correlate

b) In Presenza di poche variabili
c) In Presenza di variabili dicotomiche
d) In presenza di variabili qualitative normali
e) Tutte le risposte sono vere

43 Quando il coefficiente di correlazione lineare è uguale a 0 significa:

a) Le variabili sono legate linearmente in modo debole

b) Esiste indipendenza statistica tra le variabili
c) Esiste perfetta dipendenza in media tra le variabili
d) Le variabili non sono legate da alcun tipo di relazione lineare
e) Sono vere A e D

44 La distanza di Cook:

a) Misura la distanza tra la stima dei coefficienti senza l’i-esima osservazione e con l’-esima
osservazione
b) Sono vere A e C
c) Le osservazioni per cui tale distanza è maggiore di 1 sono potenzialmente osservazioni influenti
d) Le osservazioni per cui tale distanza è minore di 1 sono potenzialmente osservazioni influenti
e) Misura la varianza del p-value quando un’osservazione viene rimossa

45 La moda:

a) Può non esserci una moda

b) Sono vere A e C
c) È un indicatore calcolabile per tutte le tipologie di variabili
d) È un indicatore calcolabile solo per le variabili quantitative
e) È influenzata da valori estremi

46 Campionamento stratificato

a) La probabilità di estrarre un’unità statistica è nota e diversa da zero

b) Da ogni strato viene estratto in modo indipendente un campione casuale
c) Sono vere A e B
d) È un metodo non probabilistico
e) Le unità all’interno dei diversi strati eterogenee

47 Il set di osservazioni 2,2,2,3,4,5

a) La moda è minore della media

b) Non esiste la moda
c) La moda è maggiore della media
d) La moda è uguale alla media
e) Le precedenti risposte sono tutte false
48 Il metodo “forward selection”:

a) Sono vere B e C
b) È una procedura di calcolo automatico per selezionare l’insieme dei migliori regressori nella
spiegazione della variabile Y
c) Inserisce nell’equazione una variabile per volta, basandosi sul contributo del regressore inserito alla
spiegazione della variabilità di Y
d) È utilizzato nell’ambito dell’analisi fattoriale
e) Rimuove dall’equazione una variabile per volta, basandosi sulla perdita di capacità esplicativa della
variabilità di Y conseguente all’eliminazione del regressore

49 Le variabili quantitative su scala di intervalli:

a) È possibile affermare che una categoria è maggiore o minore dell’altra

b) Sono vere A e C
c) La spesa di un certo prodotto appartiene a questa categoria di variabili
d) Possiede un 0 fissato
e) Sono vere C e D

50 Il coefficiente di variazione della variabile reddito è pari al 75%, mentre quello della variabile età è pari al
60%

a) La variabile età è più variabile della variabile reddito

b) I due coefficienti non si possono confrontare perché le due variabili hanno unità di misura diverse
c) Il coefficiente di variazione è una misura della variabile relativa
d) La variabile reddito è più variabile della variabile età
e) Sono vere C e D

51 la differenza interquantile

a) È pari al rapporto tra il primo quartile e il terzo

b) È una misura di dispersione
c) Non risolve il problema degli outlier
d) È pari al rapporto tra il terzo quartile ed il primo
e) Sono vere B e D

52 Il test F nell’ambito della regressione lineare

a) Sono vere D e C
b) Il test valuta la significatività di ogni singolo regressore
c) L’ipotesi alternativa indica che tutti i coefficienti del modello sono diversi da 0
d) L’ipotesi alternativa india che almeno uno dei coefficienti del modello è diverso da zero
e) Se il p-value associato al test è minore del livello di significatività accetto l’ipotesi alternativa

53 Nell’ambito della regressione lineare, un coefficiente standardizzato di una variabile è pari a -0.07

a) All’aumentare di un’unità della variabile indipendente, la variabile dipendente diminuisce del 70%
b) Non è possibile che un coefficiente sia negativo
c) All’aumentare di un’unità della variabile indipendente, la variabile dipendente diminuisce del 7%
d) All’aumentare di un’unità della variabile indipendente, la variabile dipendente aumenta del 70%
e) Nessuna delle precedenti
54 nell’analisi fattoriale, la rotazione ortogonale

a) Il metodo varimax massimizza il numero di variabili che hanno correlazioni con un fattore
b) La % di varianza complessiva dei fattori ruotati è differente da quella dei fattori non ruotati
c) La % di varianza di ogni singolo fattore ruotato è uguale a quella di ogni singolo fattore non ruotato
d) È utile per l’interpretazione dei fattori
e) Sono vere A e D

55 All’interno di un dataset la variabile sesso assume la modalità 1 e 2 (1=M, 2=F) si può affermare che:

a) La variabile è quantitativa continua

b) La variabile è quantitativa discreta
c) È possibile calcolare la media della variabile
d) Sono vere A e C
e) Nessuna delle precedenti

56 si vuole applicare l’analisi fattoriale ad un dataset contenente 25 variabili e 1000 osservazioni:

a) Il numero massimo di componenti principali che si possono ottenere è 25

b) Il numero massimo di componenti principali che si possono ottenere è 1000
c) Sono vere A e D
d) Il rapporto tra il numero di fattori e quello delle variabili originali dovrebbe essere ad 1/3
e) Sono vere B e D

57 i valori elencati di seguito fanno riferimento al numero di trasferte effettuate da 5 dipendenti di

un’azienda di un semestre 1,2,3,4,10

a) Non è possibile definire una moda

b) La media è minore della mediana
c) La mediana è uguale alla media
d) Sono vere la A e la B
e) Il campo di variazione è 8

58 una tabella a doppia entrata:

a) È utile per indagare la relazione tra una variabile quantitativa e una qualitativa
b) Se ad ogni valore di X dipende uno e un solo valore di Y è possibile affermare che X e Y sono
indipendenti
c) La perfetta dipendenza bilaterale è verificabile solo per matrici quadrate
d) Non è utile per analizzare la connessione tra due variabili
e) Nessuna delle precedenti

59 La covarianza

a) È un indice che non può assumere valori negativi

b) Se al crescere di X, Y diminuisce allora c’è concordanza tra X e Y
c) Se è nulla allora X e Y sono statisticamente indipendenti
d) Analizzando esclusivamente la covarianza è possibile stabilire se esiste un legame tra le due
variabili
e) Sono vere C e D
60 Date due variabili qualitative e fissano un livello di significatività pari a 0,05, per testare l’ipotesi di
indipendenza statistica

a) Occorre effettuare un test T

b) Occorre effettuare un test F
c) Se il p-value del test è pari a 0,58 rifiuto l’ipotesi di indipendenza statistica
d) Se il p-value del test è pari a 0,58 accetto l’ipotesi di indipendenza statistica
e) Sono vere B e D

61 Nell’ambito della regressione lineare

a) Il VIFJ permette di evidenziare le osservazioni influenti

b) La distanza di Cook è una tecnica utile per evidenziare un eventuale problema di multicollinearità
c) Se la distanza di Cook per l’i-esima osservazione assume valore maggiore di 1 allora l’osservazione è
influente per tale misura
d) L’analisi fattoriale permette di risolvere il problema dell’eventuale presenza di osservazioni influenti
e) Nessuna delle precedenti

62 Il livello di significatività α:

a) Corrisponde all’errore di secondo tipo

b) Corrisponde alla probabilità di rifiutare H0 se è falsa
c) È fissato a priori dal ricercatore
d) Nessuna delle risposte elencate
e) Sono vere A e C

63 La differenza interquantile è data da:

a) Q1-Q2
b) Q3-Q1
c) Q3/Q1
d) Q4-Q1
e) Nessuna delle precedenti

64 Nell’analisi fattoriale, una rotazione ortogonale nello spazio dei fattori

a) Permette di ottenere dei fattori più facilmente interpretabili

b) Non modifica la % di varianza complessiva spiegata dai fattori
c) Modifica la % di varianza spiegata da ciascun fattore
d) Opera sulla matrice dei loadings
e) Tutte le risposte sono vere