SD ECOM18 2924a 01

Set Domande
STATISTICA
ECONOMIA (D.M. 270/04)
Docente: Coccarda Raoul
Generato il 09/09/2020 16:23:25

N° Domande Aperte 175
N° Domande Chiuse 426
Set Domande: STATISTICA
Indice
Indice Lezioni ........................................................................................................................ p. 2
Lezione 001 ........................................................................................................................... p. 4
Lezione 002 ........................................................................................................................... p. 6
Lezione 003 ........................................................................................................................... p. 8
Lezione 004 ........................................................................................................................... p. 10
Lezione 005 ........................................................................................................................... p. 12
Lezione 006 ........................................................................................................................... p. 14
Lezione 007 ........................................................................................................................... p. 16
Lezione 008 ........................................................................................................................... p. 17
Lezione 009 ........................................................................................................................... p. 19
Lezione 010 ........................................................................................................................... p. 21
Lezione 011 ........................................................................................................................... p. 22
Lezione 012 ........................................................................................................................... p. 23
Lezione 013 ........................................................................................................................... p. 26
Lezione 014 ........................................................................................................................... p. 29
Lezione 015 ........................................................................................................................... p. 31
Lezione 016 ........................................................................................................................... p. 33
Lezione 017 ........................................................................................................................... p. 36
Lezione 018 ........................................................................................................................... p. 38
Lezione 019 ........................................................................................................................... p. 40
Lezione 020 ........................................................................................................................... p. 41
Lezione 021 ........................................................................................................................... p. 42
Lezione 022 ........................................................................................................................... p. 43
Lezione 023 ........................................................................................................................... p. 44
Lezione 024 ........................................................................................................................... p. 46
Lezione 025 ........................................................................................................................... p. 47
Lezione 026 ........................................................................................................................... p. 48
Lezione 027 ........................................................................................................................... p. 50
Lezione 028 ........................................................................................................................... p. 51
Lezione 029 ........................................................................................................................... p. 52
Lezione 030 ........................................................................................................................... p. 54
Lezione 031 ........................................................................................................................... p. 56
Lezione 032 ........................................................................................................................... p. 58
Lezione 033 ........................................................................................................................... p. 60
Lezione 034 ........................................................................................................................... p. 61
Lezione 035 ........................................................................................................................... p. 62
Lezione 036 ........................................................................................................................... p. 63
© 2016 - 2020 Università Telematica eCampus - Data Stampa 09/09/2020 16:23:25 - 2/107
Lezione 037 ........................................................................................................................... p. 65

Lezione 038 ........................................................................................................................... p. 67
Lezione 039 ........................................................................................................................... p. 69
Lezione 040 ........................................................................................................................... p. 70
Lezione 041 ........................................................................................................................... p. 72
Lezione 042 ........................................................................................................................... p. 73
Lezione 043 ........................................................................................................................... p. 74
Lezione 044 ........................................................................................................................... p. 75
Lezione 045 ........................................................................................................................... p. 76
Lezione 046 ........................................................................................................................... p. 78
Lezione 047 ........................................................................................................................... p. 79
Lezione 048 ........................................................................................................................... p. 80
Lezione 049 ........................................................................................................................... p. 82
Lezione 050 ........................................................................................................................... p. 83
Lezione 051 ........................................................................................................................... p. 84
Lezione 052 ........................................................................................................................... p. 85
Lezione 053 ........................................................................................................................... p. 86
Lezione 054 ........................................................................................................................... p. 87
Lezione 055 ........................................................................................................................... p. 88
Lezione 056 ........................................................................................................................... p. 89
Lezione 057 ........................................................................................................................... p. 90
Lezione 058 ........................................................................................................................... p. 91
Lezione 059 ........................................................................................................................... p. 92
Lezione 060 ........................................................................................................................... p. 93
Lezione 061 ........................................................................................................................... p. 94
Lezione 062 ........................................................................................................................... p. 95
Lezione 063 ........................................................................................................................... p. 96
Lezione 064 ........................................................................................................................... p. 97
Lezione 065 ........................................................................................................................... p. 98
Lezione 066 ........................................................................................................................... p. 99
Lezione 067 ........................................................................................................................... p. 101
Lezione 068 ........................................................................................................................... p. 103
Lezione 069 ........................................................................................................................... p. 104
Lezione 070 ........................................................................................................................... p. 105
Lezione 071 ........................................................................................................................... p. 106
Lezione 072 ........................................................................................................................... p. 107
Lezione 001
01. Quali sono i comandi di aiuto in R?
qt; help(qt); help.start ()
help(qt); help.start (); help.search ()
help.start (); help.search ()
qt; help(qt); help.start (); help.search ()
02. Per settare la directory di lavoro giusta e una nuova directory quali comandi di R si utilizzano?
betwd () ; setwd()
getwd () ; tetwd()
getwd () ; setwd()
etwd () ; etwd()
03. Per importare un file Excel senza il nome della colonna nella prima riga quale comando di R si utilizza?
prova <- read.csv2("c:/mydat/prova.csv", header=TRUE)
prova <- read.csv2("c:/mydat/prova.csv")
prova read.csv2("c:/mydat/prova.csv", header=TRUE)
prova <- read.csv2(c:/mydat/prova.csv, header=TRUE)
04. Per importare il file di testo "prova.txt" quale linea di codice di R si utilizza?
prova <- scan("/mydat/prova.txt")
prova scan("c:/mydat/prova.txt")
prova <- scan("c:/mydat/prova")
prova <- scan("c:/mydat/prova.txt")
05. Con quali linee di codice di R i vettori a e b si possono trasformare da vettori riga in vettori colonna e viceversa?
pbind (a, b); rbind (a, b)
cbind (a, b); rbind (a, b)
cbind (a, b); qbind (a, b)
cbind (a, b); dbind (a, b)
06. Se si vogliono staccare ed utilizzare singolarmente le colonne che compongono il data frame “prova” quali linee di codice si implementano?
mediana (prova)
attach(prova)
detach(prova)
media(prova)
07. Se si vogliono riattaccare le colonne che compongono un data frame “prova” quali linee di codice si implementano?
mediana (prova)
attach(prova)
detach(prova)
media(prova)
08. Quale linea di codice si implementa per ordinare i dati del vettore x in modo crescente?
sort()
port(x)
sort(x)
dort(x)
09. Quale comando di R si deve usare per caricare un data frame presente in R, ad esempio mtcars?
df. mtcars
df(mtcars)
data.frame ()
data.frame (mtcars)
10. Per importare il file di testo "prova.txt" descrivere quali linee di codice di R si utilizzano:
a) quando non compare il nome della colonna nella prima riga; b) quando contiene due e più colonne separate da spazi vuoti con nome delle colonne nella prima
riga; c) quando ci sono i nomi di riga nella prima colonna
11. Redigere le seguenti linee di codice di R: a) per cambiare una directory di lavoro, per settare una nuova directory e per importare un data frame presente in
R; b) per implementare la creazione del data frame "df" utilizzando il comando matrix;c) per implementare la creazione del data frame "df" utilizzando il
comando tab
12. Dato un file Excel quali linee di codice di R si utilizzano per:
a) importarlo senza il nome della colonna nella prima riga; b) importarlo quando contiene due e più colonne separate da spazi vuoti con nome delle colonne nella
prima riga; c) importarlo con la versione di Excel in inglese se nella prima colonna ci sono i nomi di riga con l’estensione
Lezione 002
01. Come può essere la misura di un carattere quantitativo?
continuo-sconnesso
continuo
discreto-continuo
discreto
02. Che cosa s'intende per nomenclatura statistica?
L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza; 8) serie e seriazione ;9)
parametro
L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) frequenza; 5) serie e seriazione; 6)parametro
L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza;8)serie e seriazione; 9)
parametro; 10) statistica
L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza; 8) serie e seriazione; 9)
parametro
03. Come può essere la misura di un carattere qualitativo?
ordinato
sconnesso
sconnesso-ordinato
ordinato-quantitativo
04. Quali sono i compiti dell'EUROSTAT?
rilevare i dati dei singoli paesi membri
rilevare i dati della Germania
ricevere ed elaborare i dati provenienti dagli istituti statistici dei paesi membri
rilevare i dati della Francia
05. Che tipo di carattere è il sesso?
qualitativo discreto
qualitativo sconnesso nominale
quantitativo continuo
qualitativo sconnesso
06. Che differenza esiste fra serie e seriazione?
la serie è una distribuzione di frequenza per caratteri qualitativi
la serie è un insieme di caratteri qualitativi; la seriazione di caratteri quantitativi
la serie è una distribuzione di frequenza; la seriazione per caratteri quantitativi
la serie è una distribuzione di frequenza per caratteri qualitativi; la seriazione per caratteri quantitativi
07. Come può essere la scala di misurazione di un carattere quantitativo?
a intervalli-ordinali
ad intervalli e di rapporti
a intervalli
di rapporti
08. Secondo la misura e la scala di misurazione come può essere qualificato il carattere "altezza"
continuo
continuo-di rapporti
sconnesso
di rapporti-nominale
09. Come può essere la scala di misurazione di un carattere qualitativo?
nominale-ordinale
nominale
ordinale-sconnessa
ordinale
10. Definita una popolazione di interesse con dati a scelta stabilire: a) quale tipo di dati devono essere utilizzato; b) quali sono le fasi della rilevazione; c) la
nomenclatura statistica completa.
11. Descrivere le seguenti caratteristiche di un carattere scelto a piacere: a) la misura; b) la scala di misurazione; c) la trasferibilità
12. Si vuole svolgere una indagine statistica con dati a scelta e si vuole: a) stabilire quale strumento di raccolta di dati deve essere utilizzato; b) quali unità
statistiche utilizzare; c) quali caratteri e quali modalità scegliere
Lezione 003
01. Con quale formula si calcola un numero indice a base mobile?
1I1=x1/x0
0It=xt/x0
t-1It=xt/xt-1
0It=x1/x0
02. Quale formula si applica per passare da un numero indice a base fissa ad uno a base mobile?
t-1It = 0It / 0It-1
t-1It = 0It / 0It
t-1It = 1It / 0It-1
t-1It = 1It / 1It-1
03. Quale formula si applica per passare da un numero indice a base mobile ad uno a base fissa?
0It =0I1 * 1I0* ..................*t-1I1
0It =0I1 * 1I2* ..................*tIt-1
0It =0I1 * 0I2* ..................*0It
0It =0I1 * 1I2* ..................*t-1It
04. Dati i valori dei prezzi per gli anni 2015 (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01), 2016 (3.52,3.99,3.08,3.88,
3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71) e 2017 (5.01,5.57,5.34,5.09,5.25, 5.02,5.01,5.02,5.78,5.21,5.33,5.36) quali linee di codice di R si utilizzano per calcolare i
numeri indice a base mobile 2015;calcolare i numeri indice a base mobile 2015.
2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])
p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])
p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); (p_2015[-1],p_2015[-12])
p_2015 <- (3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])
3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71) e 2017 (5.01,5.57,5.34,5.09,5.25, 5.02,5.01,5.02,5.78,5.21,5.33,5.36) quali linee di codice di R si utilizzano per calcolare i
numeri indice a base fissa 2015.
p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); function(P, Base) P/Base
p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base
p_2015 <- (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base
p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base)
06. Dati i seguenti indici a base fissa Gennaio 2018 (tra parentesi gli indici): Gennaio 2018(100,00); Febbraio 2018(103,97); Marzo 2018(105,86); Aprile
2018(111,37) calcolare il numero indice a base mobile Febbraio 2018 Marzo 2018
(105,86/111,37)*100=94,28
(105,86/103,97)*100=101,82
(103,97/111,37)*100=93,36
(100/111,37))*100=89,79
07. Con quale formula si calcola un numero indice a base fissa?
0It=x1/x0
0It=xt/x0
1I1=x1/x0
0I1=x1/x0
08. Fissati i seguenti dati (tra parentesi i valori): 2015(64,32); 2016(63,91); 2017(63,84) 2018(63,01)
I numeri indice a base mobile sono?
2015(107,64); 2016(100,11); 2017(101,32);2018(103,64)
2015(105,64); 2016(100,11); 2017(101,32);2018(103,64)
2015(100,64); 2016(100,11); 2017(101,32);2018(103,64)
2015(99,36); 2016(99,89); 2017(98,69)
09. Dati i seguenti indici a base mobile Gennaio 2018 (tra parentesi gli indici): Gennaio 2018(101,15); Febbraio 2018(102,36); Marzo 2082(103,44); Aprile
2018(104,21) calcolare il numero indice a base fissa Febbraio 2018 Marzo 2018
(101,15*103,44)/100=104,63
(102,36/103,44)*100=98,96
(101,15*104,21)/100=105,41
(102,36*103,44)/100=105,88
10. Si prendano in considerazione i seguenti dati (i valori sono tra parentesi): 2015(14,34); 2016(14,91); 2017(15,18) 2018(15,97)
I numeri indice a base fissa sono?
2015(102,00); 2016(103,17); 2017(105,86) 2018(111,37)
2015(100,00); 2016(103,97); 2017(105,86) 2018(111,37)
2015(105,00); 2016(103,17); 2017(101,86) 2018(91,37)
2015(101,00); 2016(103,17); 2017(104,86) 2018(110,37)
11. Dal 12-04-2017 all’11-04-2017 l'indice Dow Dow Jones è variato del 2,34% qual'è il tasso di variazione in valore assoluto?
-0,0134
+0,0234
-0,0234
0,0134
12. Dati i seguenti valori dei prezzi del I semestre 2017 (12,4-12,5-11,9;12,9-13,1-11,1) calcolare:
a) numeri indici a base fissa e mobile; b) passaggio da base fissa Marzo a base mobile Giugno; c) passaggio da base mobile Febbraio a base fissa Maggio
3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71) e 2017 (5.01,5.57,5.34,5.09,5.25, 5.02,5.01,5.02,5.78,5.21,5.33,5.36): a) quali linee di codice di R si utilizzano per calcolare i
numeri indice a base fissa 2015; b) quali linee di codice di R si utilizzano per calcolare i numeri indice a base mobile 2017; c) quali linee di codice di R si utilizzano
per calcolare i numeri indice a base fissa 2016
14. Dati i seguenti valori dei prezzi del I semestre 2017 (12,4-12,5-11,9;12,9-13,1-11,1) quali script di R si utilizzano per calcolare:
a) numeri indici a base fissa da Gennaio a Marzo; b) numeri indici a base fissa da Marzo a Giugno; c) numeri indici a base mobile
Lezione 004
01. Si sono osservati i dati di Età di 20 unità statistiche (individui) quali sono le linee di codice di R per calcolare l’istogramma
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37)
h <- hist(x,Classi,plot = FALSE)
h$counts <- FreqRel plot(ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'")
axis(1,at = Classi,cex.axis = 1.1); axis(2,at = c(0,round(h$counts,digits = 2)),cex.axis = 1.1)
h$counts <- FreqRel plot(h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'")
h$counts <- FreqRel (h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'")
library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37)
h$counts <- FreqRel plot(h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'")
02. Si sono osservati i dati di Età di 20 unità statistiche (individui) quali sono le linee di codice di R per calcolare le frequenze assolute e relative
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k
a <- (max(x) - min(x)) / k; n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi
FreqAss <- hist(x,Classi,plot = FALSE)$counts; FreqAss; FreqRel <- FreqAss / length(x) ; FreqRel
library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k
x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k
n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi
03. Quale linea di codice di R si utilizza per rappresentare le classi con il metodo soggettivo?
Classi<-seq(min(x),max,length.out=k+1); Classi
Classi<-seq(min(x),max(x),length.out=k+1); Classi
Classi<-seq(min(x),max(x),length.out); Classi
Classi<-seq(min,max(x),length.out=k+1); Classi
04. Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze retrocumulate assolute e relative (tra parentesi)?
1(9); 2(4); 3(3); 4(4); 5(0) - 1(9/9); 2(4/9); 3(3/9); 4(2/9); 5(0)
1(9); 2(7); 3(6); 4(5); 5(3) - 1(9/9); 2(7/9); 3(6/9); 4(5/9); 5(3/9)
1(9); 2(7); 3(6); 4(4); 5(0) - 1(9/9); 2(7/9); 3(4/9); 4(1/9); 5(0)
1(9); 2(7); 3(6); 4(4); 5(0) - 1(9/9); 2(6/9); 3(6/9); 4(3/9); 5(0)
05. Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze cumulate assolute e relative (tra parentesi)?
1(2); 2(1); 3(1); 4(2); 5(3) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(6/9)
1(2); 2(1); 3(1); 4(3); 5(3) - 1(2/9); 2(3/9); 3(5/9); 4(6/9); 5(9/9)
1(2); 2(3); 3(4); 4(6); 5(9) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(9/9)
1(2); 2(2); 3(1); 4(2); 5(4) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(8/9)
06. Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze assolute e relative (tra parentesi)?
1(2); 2(1); 3(1); 4(2); 5(1) - 1(2/9); 2(2/9); 3(1/9); 4(3/9); 5(3/9)
1(2); 2(1); 3(1); 4(2); 5(3) - 1(2/9); 2(1/9); 3(1/9); 4(2/9); 5(3/9)
1(2); 2(2); 3(2); 4(2); 5(3) - 1(2/9); 2(1/9); 3(4/9); 4(2/9); 5(3/9)
1(2); 2(1); 3(2); 4(1); 5(4) - 1(2/9); 2(1/9); 3(2/9); 4(2/9); 5(3/9)
07. Per la frequenza retro cumulata assoluta si utilizza l'allocuzione?
meno di
solo
più di
quando
08. Per la frequenza cumulata assoluta si utilizza l'allocuzione?
Più di
Perché
Meno di
Quando
09. Quale è la linea di codice per calcolare le frequenze cumulate relative
cumsum(Rel)
cumsum(Freq)
cumsum(FreqAss)
cumsum(FreqRel)
10. Si sono osservati i dati di Età di 20 unità statistiche (individui) quali linee di codice si utilizzano per a) individuare le classi con il metodo logaritmico e
calcolare le frequenze assolute b) calcolare le frequenze relative e cumulate assolute; c) rappresentare il relativo istogramma.
11. Dati i seguenti dati del carattere x (22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58) con quali script di R si individuano:
a) le classi con il metodo soggettivo; b) le classi con il metodo a radice; c) le classi con il metodo logaritmico
12. Dati le seguenti classi equi ampie (12-16; 16-20; 20-24; 24-28) e la relativa frequenza assoluta (0,1,2,3) calcolare: a) i valori centrali di classe e la frequenza
relativa; b) la frequenza cumulata assoluta; c) la frequenza cumulata relativa
13. Dati i seguenti valori del carattere X (1450, 1560, 1680, 1940, 2350, 2670, 3120):
a) costruire 3 classi aperte a dx e chiuse a sx e viceversa; b) costruire classi con il metodo a radice; c) costruire classi con il metodo logaritmico
Lezione 005
01. Il pictogramma è una rappresentazione grafica per?
numeri
valori
simboli o disegni
frequenze
02. Nel grafico ad anello cosa stanno a rappresentare i cerchi concentrici?
Le frequenze percentuali del carattere osservato
Le medie del carattere osservato
Le mode del carattere osservato
Le mediane del carattere osservato
03. Per classi di diversa ampiezza l’altezza del rettangolo di un grafico a barre verticali cosa rappresenta e da quale formula è definito?
La densità di frequenza data dalla somma fra la frequenza assoluta e l’ampiezza di classe
La densità di frequenza data dal prodotto fra la frequenza assoluta e l’ampiezza di classe
La densità di frequenza data dal rapporto fra la frequenza assoluta e l’ampiezza di classe
La densità di frequenza data dalla differenza fra la frequenza assoluta e l’ampiezza di classe
04. Il grafico a torta vuole rappresentare?
la composizione di due parti
la scomposizione di un "tutto" in parti
la scomposizione di una sola parte
la scomposizione delle parti in un tutto
05. Il grafico a bolle è utilizzato per rappresentare quante serie di dati?
tre (sugli assi cartesiani e sulla dimensione della bolla)
due (solo sugli assi cartesiani)
nessuno
una (solo sull'asse delle ascisse)
06. Cosa si riesce ad ottenere con un grafico per "geomarketing"?
una informazione visiva sfocata di un fenomeno statistico
una informazione visiva immediata di un fenomeno statistico
una informazione sfocata di un fenomeno statistico
una informazione di un fenomeno statistico
07. A quale asse cartesiano è associata la variabile indipendente nel grafico a dispersione XY?
delle ascisse
delle ordinate
geometrico
verticale
08. Quale grafico è più appropriato per rappresentare una distribuzione di valori suddivisi per classi?
a dispersione
radar
a bolle
grafico a barre verticali o istogramma
09. Si sono osservati i dati di Età di 20 unità statistiche (individui) quali linee di codice si utilizzano per a) individuare le classi con il metodo logaritmico e
calcolare le frequenze assolute b) calcolare le frequenze relative e cumulate assolute; c) rappresentare il relativo istogramma.
10. Descrivere quali grafici sono più appropriati per rappresentare:
a) una distribuzione dei costi indiretti di una produzione; b) una distribuzione generica di valori suddivisi in classi;c) una relazione fra due variabili x ed y (di
ogni risposta rappresentare un esempio senza preoccuparsi della correttezza grafica)
Lezione 006
01. Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media geometrica semplice?
x<-c(1,2,3,4,5,6); meang
x<-c(1,2,3,4,5,6); meang(x)
x<-(1,2,3,4,5,6); meang(x)
x c(1,2,3,4,5,6); meang(x)
02. Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media armonica?
library(labstatR); x c(1,2,3,4,5,6); meang(x)
library(labstatR); x<-c(1,2,3,4,5,6); meana(x)
library(labstatR); x<-(1,2,3,4,5,6); meana(x)
library(labstatR); x<-c(1,2,3,4,5,6); meana
03. Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media aritmetica semplice?
x<-(1,2,3,4,5,6); mean(x)
x<-c(1,2,3,4,5,6); mean(x)
x<-c(1,2,3,4,5,6); mean
x c(1,2,3,4,5,6); mean(x)
04. Dati i valori di xi (13,15,17,22) quale è la media armonica?
13,14
11,14
15,14
16,14
05. Con quale formula si calcola la media geometrica in frequenza assoluta per valori continui suddivisi in classi?
√∑xi∏ xni
√∑ni ∏ xni
√∏ xni
√∑xi∏ x* ni
06. Quale formula si utilizza per calcolare la media aritmetica ponderata o "in frequenza"?
∑ ni/∑ xi
∑ xi*ni/∑ ni
∑ xi*ni/∑ xi
∑ xi/∑ ni
07. Quale formula si utilizza per calcolare la media geometrica per valori singoli?
∏ xi
√n ∑ xi
√n ∏ ni
√n ∏ xi
08. Descrivere con quali script di R si calcolano:
a) la media aritmetica semplice; b) la media aritmetica in frequenza; c) la media geometrica per classi
09. Dati i seguenti dati del carattere x (22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39, 41,37) con quali formule si calcolano: a) la media aritmetica semplice
per valori singoli; b) la media aritmetica semplice in frequenza assoluta; c) la media geometrica per valori singoli
10. Dati i seguenti dati del carattere x (12,2,3,45,64,32,1,87) e le relative frequenze assolute (0,1,2,3,2,1,3,4) descrivere con quali script di R si calcolano: a) la
media aritmetica in frequenza relativa; b) la media geometrica; c) la media armonica
Lezione 007
01. Dati i seguenti valori (12,13,14,15,16,17,18) quale linea di codice di R si implementa per calcolare la mediana?
x<-(12,13,14,15,16,17,18); median
x c(12,13,14,15,16,17,18); median(x)
x<-(12,13,14,15,16,17,18); median(x)
x<-c(12,13,14,15,16,17,18); median(x)
02. Date le seguenti classi (13-15;15-17; 17-19;19,21) e di ni (1,0,2,3) quale è il valore della mediana per valori suddivisi in classi?
17,332
16,332
18,332
19,332
03. Dati i seguenti valori (7,9,11,13) e stabilito che la posizione della mediana è 2,5^ quale è il valore della mediana?
(9+11)/2=10
3 (7+11)/2=9
(11+13)/2=12
(9+11)/4=5
04. Se il valore di n è pari a 12 come si trova la posizione della mediana?
(12+1)/2 =6,5^ e quindi il valore della mediana si trova facendo la semisomma dei valori della 6^ e 7^ posizione
(12+1)/2 =6,5^ e quindi il valore della mediana si trova facendo il prodotto dei valori della 6^ e 7^ posizione
(12+1)/4
(12+1)/2 =5^ e quindi il valore della mediana si trova facendo la semisomma dei valori della 7^ e 8^ posizione
05. Dopo aver ordinato le osservazioni con la formula (n+1)/2 che cosa si trova?
la posizione del I Quartile o Mediana
la posizione del III Quartile
la posizione del II Quartile o Mediana
il II Quartile o Mediana
06. Con quali formule si calcolano:
a) la mediana per valori singoli; b) la mediana per classi con il procedimento 1; c) la mediana per classi con il procedimento 2
07. Dati i valori di x (12,16,18,22,26) con quali linee di codice di R si implementano: a) per calcolare la mediana per valori singoli; b) per costruire classi con K=2;
c) per calcolare la mediana per valori suddivisi in classi
Lezione 008
01. Data l’ampiezza di classe pari a 10 e la relativa densità di frequenza pari a 2 quale è il valore della corrispondente frequenza assoluta?
15
20
10
21
02. Dati i valori di x ( 1,2,3,4,4,4,4,5) con quali linee di codice di R si calcola la moda per valori singoli?
x <- c(1,2,3,4,4,4,4,5); mode(x)
x <- c(1,2,3,4,4,4,4,5); mode
x <- (1,2,3,4,4,4,4,5); mode(x)
x c(1,2,3,4,4,4,4,5); mode(x)
03. Con quale formula si calcola la moda per valori suddivisi in classi?
Mo=(Δfinf/Δfinf+Δfsup)*Aclasse
Mo=LMo+(Δfinf/Δfinf+Δfsup)*Aclasse
Mo=LMo*Aclasse
Mo=LMo+(Δfinf/Δfinf+Δfsup)
04. Dati i seguenti valori di x (1,2,3,4,5,6,7) la relativa distribuzione, ai fini del calcolo della moda, si definisce? E perché?
amodale
amodale, perché tutti i valori non si ripetono una sola volta
amodale, perché tutti i valori si ripetono una sola volta
amodale, perché un solo valore si ripete una sola volta
05. Date le seguenti classi con le relative frequenze assolute tra parentesi: 10-20 (2); 20-30 (3); 30-40 (1) quale è la classe modale?
20-50
30-40
20-30
10-20
06. Date le seguenti classi non equi ampie: 18-25; 25-36; 36-54; 54-70; 70-85 con frequenze assolute rispettivamente pari a (2, 1, 4, 7, 8) quali sono i valori delle
cinque densità di frequenza?
2/7; 4/9; 4/8; 7/6; 8/5
2/7; 1/9; 4/8; 7/6; 8/5
2/3; 1/9; 4/8; 7/6; 8/5
2/7; 1/9; 4/8; 7/6; 8/9
07. Che valore assume la moda nella distribuzione di valori seguente:1,1,1,2,3,4,5,5,6,6,6,6
uno
due
cinque
sei
08. Dati i seguenti valori di xi (11,12,13,14,15) e ni (0,1,2,3, 4) con quali script di R si calcola; a) la densità di classe; b) la moda per i valori di x; c) la moda per la
distribuzione di frequenza
09. Dati i seguenti valori di x (33,35,38,42,43): a) costruire classi per K=2; b) calcolare la densità di classe; c) calcolare il valore della moda per classi
10. A proposito della moda descrivere: a) che cos'è la densità di classe e come si calcola; b) la formula della moda per valori suddivisi in classi; c) che cos'è una
distribuzione amodale ed una distribuzione plurimodale
Lezione 009
01. Con quali formule si individuano le posizioni del I e III Quartile?
Q1 => n/4 Q3 =>3(n+1)/4
Q1 => (n+1)/4 Q3 =>3(n+1)/4
Q1 => (n+1)/2 Q3 =>3(n+1)/4
Q1 => (n+1)/4 Q3 =>3(n+1)/2
02. Come si definiscono il I e il III quartile?
misure di tendenza centrale
misure di variabilità
misure di forma
misure di tendenza non centrale
03. Quali sono i cinque numeri di sintesi che compongono il box-plot ( o diagramma a scatola e baffi)?
min, max, I, II,III Quartile
min, I,II,III Quartile
min, max, I,II, Quartile
max, I,II,III Quartile
04. Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il II Quartile?
x<-(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2
x c(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2
x<-c(1,2,3,4,5,6,7)<-quantile(x,probs=0.5,type=6,names=F)
x<-c(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2
05. Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il III Quartile?
x<- (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3
x<- (1,2,3,4,5,6,7); Q3<-(x,probs=0.75,type=6,names=F); Q3
x<-c (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3
x c (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3
06. Dati i seguenti valori (1,2,3,4,5,6,7) con quale line di cosice di R si implementa il grafico a scatola e baffi (box-plot)?
x<- (1,2,3,4,5,6,7); boxplot(x)
x<-c (1,2,3,4,5,6,7); boxplot
x<-c (1,2,3,4,5,6,7); boxplot(x)
x c (1,2,3,4,5,6,7); boxplot(x)
07. Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il I Quartile?
x<-c(1,2,3,4,5,6,7); Q1 quantile(x,probs=0.25,type=6,names=F); Q1
x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,probs=0.25,type=6,names=F)
x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,type=6,names=F); Q1
x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,probs=0.25,type=6,names=F); Q1
08. Data una distribuzione di valori singoli descrivere con quali formule si calcolano: a) il I Quartile; b) il II Quartile (o Mediana); c) il III Quartile
09. Dati i seguenti valori di x (22,23,24,32,56) con quali script si calcola: a) il I quartile; il II quartile; c) il III quartile
10. Data una distribuzione di valori suddivisi in classi descrivere: a) la formula con cui si calcola il I Quartile; a) la formula con cui si calcola il II Quartile; a) la
formula con cui si calcola il III Quartile
11. Date le seguenti classi con le relative frequenze assolute tra parentesi 10-20 (2); 20-30 (3); 30-40 (1); 40-50(4): a) calcolare il I e III quartile; b) calcolare il II
quartile; c) rappresentare il grafico a scatola e baffi (box-plot)
Lezione 010
01. Con quale formula si calcola l'indice di eterogeneità di Gini?
(1- sommatoria delle frequenze cumulate al quadrato)
(sommatoria delle frequenze relative al quadrato)
(1- sommatoria delle frequenze relative al quadrato)
(1- sommatoria delle frequenze assolute al quadrato)
02. Con quale formula si calcola l'indice di eterogeneità di Gini massimo?
IGini max= n+(n-1)
IGini max= n(n+1)
IGini max= (n-1)/n
IGini max= (n-1)
03. Con quale formula si calcola l'indice di eterogeneità di Gini normalizzato?
IGINI (norm)= IGINI/ IGINI (max)= (1-∑f2i)/n
IGINI (norm)= IGINI/ IGINI (max)= (1-∑f2i)/(n-1)/n
IGINI (norm)= IGINI/ IGINI (max)= (n-1)/n
IGINI (norm)= IGINI/ IGINI (max)= (1+∑f2i)/(n-1)
04. Dati i valori di x (1,2,3,4,5,6,7) con quali linee di codice di R si calcola l'indice di eterogeneità di Gini)?
x<- c(1,2,3,4,5,6,7); E(x)
library(labstatR) ;x<- c(1,2,3,4,5,6,7)
library(labstatR) ;x<- c(1,2,3,4,5,6,7); E(x)
library(labstatR) ;x<- (1,2,3,4,5,6,7); E(x)
05. Dai i seguenti valori di x (7,11,15,16,19): a) costruire classi per K=2; b) calcolare le frequenze relative; c) calcolare l'indice di etrogeneità di Gini semplice,
massimo e normalizzato
06. Dai i seguenti valori di x (7,11,15,16,19) con quali script di R: a) si costruiscono classi per K=2; b) si calcola l'indice di etrogeneità di Gini semplice e
massimo; c) si calcola l'indice di etrogeneità di Gini normalizzato
Lezione 011
01. Come si definisce l’indice di dissomiglianza e quale è la notazione che lo esprime?
permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=∑|f1i- f2i|
non permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=∑|f1i- f2i|/2
permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=∑|f1i- f2i|/2
permette di valutare la dissomiglianza fra tre distribuzioni di valori osservati suddivisi in classi ; la notazione è: IDISS=∑|f1i- f2i|/2
02. Come si calcola la differenza interquartilica?
I Quartile - II Quartile
II Quartile - III Quartile
III Quartile - minimo
III Quartile - I Quartile
03. Da che cosa è dato la scarto semplice dalla mediana?
dal prodotto tra il valore osservato e quello mediano
dalla differenza tra il valore osservato e quello mediano
dal rapporto tra il valore osservato e quello mediano
dalla somma tra il valore osservato e quello mediano
04. Da che cosa è dato lo scarto medio assoluto dalla mediana?
dalla somma tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni
dalla differenza tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni
dalla differenza tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni
dal prodotto tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni
05. Da che cosa è dato lo scarto medio in frequenza assoluta dalla media?
dalla somma tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni
dalla differenza tra il valore osservato e quello medio in valore assoluto
dalla differenza tra il valore osservato e quello medio per la relativa frequenza assoluta diviso il numero di osservazioni
dal prodotto tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni
06. Date le seguenti classi con le relative frequenze assolute tra parentesi: 10-20 (2); 20-30 (3); 30-40 (1) calcolare: a)lo scarto medio in frequenza assoluta dalla
media; b) lo scarto medio in frequenza assoluta dalla mediana; c) l'indice di dissomiglianza
07. Con quale notazione si calcola: a) lo scarto semplice dalla media e dalla mediana; b) lo scarto medio assoluto dalla media e dalla mediana; c) l'indice di
dissomiglianza
Lezione 012
01. Con quale formula si calcola la devianza dalla media per valori suddivisi in classi?
Dev= ∑(xi -mediana)2
Dev= (xi -xmedia )2
Dev=∑ (xi -xmedia )2*ni
Dev=∑(xi -xmedia)*ni
02. Dati due valori positivi 21 e 34 e la media pari a 28 qual è il valore della varianza massima?
(21-28)*(28-21)=35
(28-21)*(28-21)=38
(21-28)*(28-34)=42
(21-28)*(34-28)=21
03. Con quale formula si calcola il coefficiente di variazione %?
CV=σ/xmedia *100
CV=σ/xmedia
CV=σ/n
CV=σ/n*100
04. Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare il
coefficiente di variazione?
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni)/sum(ni);
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm)*100;cv
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x)/sum(ni);
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean1)*100;cv
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean)*100;cv
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(ni)/sum(ni);
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean1)*100;cv
05. Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare lo
scarto quadratico medio?
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni);
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); sqm
06. Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare la
varianza in frequenza relativa?
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni);mean1<-sum(x*ni)/sum(ni);mean1;
mean2<-sum(x);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni); mean<-sum(x*fi); varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni;mean1<-sum(x*ni)/sum(ni);mean1;
mean2<-sum(x*fi);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni);mean1<-sum(x*ni)/sum(ni);mean1;
mean2<-sum(fi);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza
07. Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare la
varianza in frequenza assoluta?
varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni);varianza
x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni);
08. Con quale formula si calcola la varianza dalla media per valori suddivisi in classi?
var=1/ni *∑(xi - xmedia )2 *ni
var=1/ni *∑(xi - xmedia )
var=1/ni *(xi - xmedia )
var=1/ni *∑(xi - xmedia )
09. Con quale formula si calcola lo scarto quadratico medio (s.q.m) dalla media di x?
s.q.m.(x)=dev(x)
s.q.m.(x)=var(x)
s.q.m.(x)=√var(x)
s.q.m.(x)=√dev(x)
10. Dati i seguenti valori di x (11,16,21,23,32,44,54) quale linea di codice di R si implementa per calcolare la devianza per valori singoli?
library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);mean(x);sigma2(x);devianza<-sigma2(x)/length(x)
library(labstatR);x<-c (11,16,21,23,32,44,54);mean(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza
library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);mean(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza
library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza
11. Dato un valore di x pari a 18 e un valore della mu=16 e σ2=36 e standardizzando qual è il valore della z?
1/2
1/4
1/5
1/3
12. Data una varianza pari a 36 e una varianza massima di 72 qual è il valore della varianza normalizzata?
72/36=2
36/72=0,5
(72-36)/36=1
72/36+72=0,2778
13. Con quale formula si calcola la devianza dalla media per valori singoli?
∑ (xi -media aritmetica)2
∑ (xi -mediana)2
∑ (xi -media aritmetica)
∑ (xi -moda)
14. Con quale formula si calcola lo scarto quadratico medio dalla media?
varianza/devianza
radice quadrata della devianza
scarto medio
radice quadrata della varianza dalla media
15. Dato un valore di x e un valore della media di x come si ottiene, attraverso la standardizzazione, il relativo valore z?
z= (xi-media)/deviazione standard (o s.q.m.)
z= (xi-media)/devianza (o s.q.)
z= (xi-moda)/deviazione standard (o s.q.m.)
z= (xi-mediana)/deviazione standard (o s.q.m.)
16. Con quale formula si calcola la varianza massima?
il rapporto della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione
il prodotto della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione
la somma della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione
il prodotto della differenza fra l'estremo superiore e la media e la media meno l'estremo inferiore della distribuzione
17. Con quale formula si calcola la devianza (o s.q.) dalla mediana per valori suddivisi in classi?
sommatoria della differenza fra le xi e e la mediana al quadrato per le ni
sommatoria della differenza fra le xi e e la moda al quadrato per le ni
sommatoria della differenza fra le xi e e la mediana al quadrato
sommatoria della differenza fra le xi e e la media al quadrato per le ni
18. Dati i seguenti dati del carattere x (22,48,58,61,38,42) calcolare:
a) la devianza dalla media aritmetica; b) la varianza dalla media aritmetica; c) lo scarto quadratico medio dalla media aritmetica e il coefficiente di variazione
Lezione 013
01. Dati seguenti valori centrali di classe xi (22,48,58,61,38,42) e le relative frequenze assolute ni (1,2,4,3,5, 8) quali linee di codice si implementa per calcolare
l'indice di asimmetria, di curtosi e lo scostamento?
x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8)
skew<-sum(1/(sum(ni))*((x-(x,ni))^3*ni)/sqm^3);skew
kurt<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt
scos<-kurt-3;scos
x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8)
skew<-(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew
kurt<-(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt
scos<-kurt-3;scos
x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8)
skew<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew
scos<-kurt;scos
x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8)
skew<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew
scos<-kurt-3;scos
02. Quando si può affermare che esiste un'asimmetria obliqua a sinistra o negativa?
quando la differenza fra la mediana e il I Quartile è minore alla differenza fra il III Quartile e la mediana stessa
quando il prodotto fra la mediana e il I Quartile è maggiore alla differenza fra il III Quartile e la mediana stessa
quando la differenza fra la mediana e il I Quartile è maggiore alla differenza fra il III Quartile e la mediana stessa
quando la differenza fra la mediana e il I Quartile è uguale alla differenza fra il III Quartile e la mediana stessa
03. Con quale formula si calcola l'indice di asimmetria di Fisher per una serie di valori?
(1/n)*sommatoria fra le xi e la mediana alla terza diviso la deviazione standard alla terza
(1/n)*sommatoria per i che va da 1 a n delle xi meno la media alla terza diviso la deviazione standard alla terza
(1/n)*sommatoria fra le xi e la moda alla terza diviso la deviazione standard alla terza
(1/n)*produttoria fra le xi e la media alla terza diviso la deviazione standard alla terza
04. Dati i valori dei tre Quartili rispettivamente pari a 12, 21, 45 l'indice di Bowley è pari a?
0,45
0,55
0,15
0,35
05. Dati i valori delle seguenti entità: ∑ (xi-xmedia)3*ni=123500; N=66;σ=12 il valore dell'indice di asimmetria è pari a:
1,7834
2,1887
1,0828
0,9812
06. Dato un indice di asimmetria di Bowley pari 1,36 quale tipo di asimmetria si configura?
positiva(o obliqua a sinistra)
positiva(o obliqua a sinistra)
negativa(o obliqua a destra)
positiva(o obliqua a destra)
07. Dati seguenti valori di x (22,48,58,61,38,42,53,64) quali linea di codice si implementa per calcolare l'indice di asimmetria, di curtosi e lo scostamento?
x <-c(22,48,58,61,38,42,53,64); skew(x); scos<-kurt(x)-3
x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); scos<-kurt(x)
x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); scos<-kurt(x)-3
x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); scos<-kurt(x)-3
08. Dati seguenti valori singoli di x (22,48,58,61,38,42,53,64, 37,58,21,24,34,44,46,58,20,39,41,37) quale linea di codice di R si implementa per calcolare l'indice di
asimmetria con il momento terzo?
library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x)
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x)
library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x)
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew
Bowley?
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);
Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(x=0.5,type=6,names=F);
Q3<-quantile(x,probs=0.75,type=6,names=F); I_B<-(Q3+Q1-2*Q2)/(Q3-Q1); I_B
Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(x,probs=0.5,type=6,names=F);
Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(probs=0.5,type=6,names=F);
Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-(x,probs=0.5,type=6,names=F);
10. Dati seguenti valori di x (301.80, 301.27, 300.78, 300.89, 300.77,299.98, 299.89, 300.11, 300.22, 300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39,300.31,
299.68, 299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02) quali linee di codice di R si implementano per calcolare l'indice di asimmetria con il momento terzo
per valori suddivisi in classi calcolate con il metodo a radice?
x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1);
FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X;
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<-

sqrt(var_classi);I_skew<-sum(1/n_X*(y-mean_classi)^3*FreqAss/sqm^3);I_skew
x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
300.71, 300.15, 300.66, 300.91, 300.02); length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1);
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); mean_classi; var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<-

x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
FreqAss <- hist(x, plot = FALSE)$counts;FreqRel <- FreqAss / n_X;
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); mean_classi; var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<-

x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); mean_classi; var_classi<-sum((mean_classi)^2*FreqRel);sqm<-

11. Dati i seguenti valori centrali di classe x (12,2,3,45) e le relative frequenze assolute (1,2,0,4) con quali script di R si calcolano:
a) i cinque numeri di sintesi; b) l’indice di asimmetria di Bowley; c) l’indice di asimmetria con la formula del momento terzo per valori singoli e per valori
suddivisi in classi
12. Dati i seguenti dati del carattere X (12,2,3,45) e le relative frequenze assolute (1,4,0,3) calcolare:
a) i cinque numeri di sintesi; b) l’indice di asimmetria di Bowley; c) l’indice di asimmetria con la formula del momento terzo per valori singoli e per valori
suddivisi in classi
Lezione 014
01. Che cosa s’intende per curva platicurtica?
è più alta e più larga al centro e quindi meno appiattita
è più alta e più stretta al centro e quindi più appiattita
è più alta e più stretta al centro e quindi meno appiattita
è più bassa e più larga al centro e quindi più appiattita
02. Dati seguenti valori di x (301.80, 301.27, 300.78, 300.89, 300.77,299.98, 299.89, 300.11, 300.22, 300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39,300.31,
299.68, 299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02) quali linee di codice di R si implementano per calcolare l'indice di curtosi con il momento quarto per
valori suddivisi in classi calcolate con il metodo a radice e il relativo scostamento?
x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi);

I_kurt<-sum(1/n_X*(y-mean_classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost
x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
FreqAss <- hist(x,Classi,plot = FALSE);FreqRel <- FreqAss / n_X;

x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss;

x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84,
y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi); I_kurt<-sum(

(y-mean_classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost
curtosi con il momento quarto e il relativo scostamento in valore assoluto?
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x);
scost<- abs(kurt(x));scost
library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x);
scost<- abs(kurt(x)-3);scost
library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x);
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x);
04. Che cosa s’intende per curva leptocurtica?
è più bassa e più stretta al centro e quindi meno appiattita
è più alta e più stretta al centro e quindi più appiattita
è più alta e più larga al centro e quindi meno appiattita
è più alta e più stretta al centro e quindi meno appiattita
05. Dato un indice di curtosi calcolato con la formula del momento quarto e pari 4,36 com'è la curva?
leptocurtica ovvero più appiattita della curva normale
leptocurtica ovvero meno appiattita della curva normale in quanto l'indice di curtosi > 3
mesocurtica ovvero più appiattita della curva normale
platicurtica ovvero più appiattita della curva normale
06. Come si ordina in modo crescente la varianza nelle tre curve di curtosi?
leptocurtica - mesocurtica -platicurtica
mesocurtica -platicurtica - leptocurtica
mesocurtica -platicurtica
mesocurtica - leptocurtica - platicurtica
07. Che cosa s’intende per curva mesocurtica?
coincide con la forma della distribuzione Binomiale
coincide con la forma della distribuzione Normale
coincide con la forma della distribuzione di Fisher
non coincide con la forma della distribuzione Normale
08. Dati i seguenti valori centrali di classe x (12,2,3,45) e le relative frequenze assolute (1,2,0,4) con quali script di R si calcolano:
a) la media per valori suddivisi in classi; b) lo scarto quadratico medio dalla media; c) l’indice di curtosi con la formula del momento quarto per valori singoli e
per valori suddivisi in classi
09. Dati i seguenti valori centrali di classe x (3,1,6,5) e le relative frequenze assolute (0,5,1,3) calcolare:
a) la media per valori suddivisi in classi; b) lo scarto quadratico medio dalla media; c) l'indice di curtosi utilizzando la formula del momento quarto per valori
singoli e per valori suddivisi in classi
Lezione 015
01. Quali sono le determinanti che regolano la legge di Engel?
benessere delle famiglie; spesa per beni alimentari; numero di componenti il nucleo familiare
benessere delle famiglie; spesa per beni alimentari
spesa per beni alimentari; numero di componenti il nucleo familiare
benessere delle famiglie; numero di componenti; il nucleo familiare
02. Che cosa stabilisce la legge di Engel?
che la quota di spesa per beni alimentari diminuisce all'aumentare del reddito disponibile
che la quota di spesa per beni alimentari diminuisce al diminuire del reddito disponibile
che la quota di spesa per beni di lusso diminuisce all'aumentare del reddito disponibile
che la quota di spesa per beni alimentari aumenta all'aumentare del reddito disponibile
03. Sull'asse delle ascisse della spezzata di Lorenz si trovano?
le frequenze cumulate della distribuzione di frequenza
le frequenze assolute della distribuzione di frequenza
le frequenze marginali della distribuzione di frequenza
le frequenze relative della distribuzione di frequenza
04. Quando il carattere reddito, relativo ad un numero di famiglie, si definisce concentrato?
quando è diverso da famiglia a famiglia
quando non è ripartito in egual misura fra tutte le famiglie
quando è concentrato fra poche famiglie
quando è ripartito in egual misura fra tutte le famiglie
05. Dati i seguenti dati del carattere x (22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39, 41,37) con quali script di R si calcola l’indice di concentrazione di
Gini semplice e spezzata di Lorenz?
library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x)
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini
library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x)
library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x)
06. Dal punto di vista della spesa per beni alimentari di due famiglie quali sono le condizioni base perché la legge “funzioni”?
che il benessere non è lo stesso allorché spendono lo stesso ammontare per beni alimentari
che il benessere è lo stesso allorché spendono lo stesso ammontare per beni alimentari
che il benessere non incide sui beni alimentari
che il benessere è lo stesso allorché spendono un diverso ammontare per beni alimentari
07. Come si definisce la legge di Engel in forma logaritmica?
logCd,k=b*log SPk+c*log Comk
logCd,k=a+b*log SPk+log Comk
logCd,k=a+b*log SPk+c*log Comk
logCd,k=a+log SPk+c*log Comk
08. Che cosa stabilisce una scala di equivalenza?
di quanto bisogna aumentare il reddito di una famiglia affinché l’altra goda dello stesso benessere
di quanto bisogna diminuire il reddito di una famiglia affinché l’altra goda dello stesso benessere
di quanto bisogna aumentare il reddito di una famiglia affinché l’altra goda di un diverso benessere
di quanto bisogna aumentare il reddito di una famiglia
09. Dati i seguenti dati del carattere xi<-c(15.5,30,50,70) e ni<-c(1, 2, 3, 4) con quali script di R si calcola l’indice di concentrazione di Gini semplice, massimo e
normalizzato?
x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni);
Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n*(n-1))*(w-h);gini;gini_max<-2*(k/n);gini_max;
gini_norm<-gini/gini_max;gini_norm
x<(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni);
x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni);
x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni);
Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n)*(w-h);gini;gini_max<-2*(k/n);gini_max;
10. Data una distribuzione di valori descrivere: a) con quale formula si calcola l'indice di concentrazione di Gini semplice e massimo; b) con quale formula si
calcola l'indice di concentrazione normalizzato; c) che cosa viene indicato sugli assi cartesiani della spezzata di Lorenz
11. Dati i seguenti dati del carattere x (22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39, 41,37) con quali script di R si calcolano:
a) l’indice di concentrazione di Gini semplice; b) l’indice di concentrazione di Gini massimo e normalizzato; c) la spezzata di Lorenz
Lezione 016
01. Quali relazioni si possono individuare fra due caratteri quantitativi?
causa/effetto; correlazione
causa/effetto; associazione statistica genericamente intesa; correlazione
associazione statistica genericamente intesa; correlazione
causa/effetto; associazione statistica genericamente intesa; incorrelazione
02. Quando esiste indipendenza distributiva fra il carattere x e il carattere y?
se tutte le frequenze congiunte relative condizionate non sono uguali a quelle marginali
se tutte le frequenze congiunte condizionate sono uguali a quelle marginali
se tutte le frequenze congiunte relative condizionate sono uguali a quelle marginali
se tutte le frequenze relative condizionate sono uguali a quelle marginali
03. Dati i seguenti valori dei caratteri X ed Y (0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0) che sulle righe assumono le modalità "Ottimo"; "Buono", "Discreto";
"Sufficiente", "Mediocre"; "Scarso" e sulle colonne "Classe A", "Classe B", "Classe C" quali line di codice di R si implementano per rappresentare una matrice
6x3 (Si ricorda che il software R organizza i dati per colonna)
tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso")
colnames(tab) <- c("Classe A", "Classe B", "Classe C") ;tab
tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames(tab) <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso")
colnames <- c("Classe A", "Classe B", "Classe C") ;tab
colnames(tab) <- c("Classe A", "Classe B") ;tab
colnames(tab) <- c("Classe A", "Classe B", "Classe C") ;tab
04. Quando i due caratteri x ed y sono uno quantitativo e l’altro qualitativo come si procede per individuare la relazione causa/effetto?
non si procede con la discretizzazione del carattere qualitativo
si procede con la discretizzazione del carattere qualitativo
si procede con la eliminazione del carattere qualitativo
si procede con la discretizzazione del carattere quantitativo
05. Quale linea di codice di R si utilizza per calcolare la tabella delle frequenze teoriche?
tab_teor <- table(tab, 1) %*% t(margin.table(tab, 2))/sum(tab); tab_teor
tab_teor <- margin.table(tab, 1) %*% t(margin.table(tab, 2))/sum(tab); tab_teor
tab_teor <- margin.table(tab, 1) t(margin.table(tab, 2))/sum(tab); tab_teor
tab_teor <- margin.table(tab) %*% t(margin.table(tab, 2))/sum(tab); tab_teor
06. La somma delle frequenze relative condizionate per riga di x|y deve essere sempre uguale a?
due
uno
tre
zero
07. Come si definisce la frequenza marginale di I colonna?
la somma di tutti i valori disposti sulla Icolonna e suddivisi per riga
la somma di tutti i valori disposti sulla Iriga e suddivisi per colonna
la differenza di tutti i valori disposti sulla Iriga e suddivisi per colonna
il prodotto di tutti i valori disposti sulla Iriga e suddivisi per colonna
08. Come si definisce la frequenza marginale di I riga?
la somma di tutti i valori disposti sulla Icolonna e suddivisi per riga
la differenza di tutti i valori disposti sulla Iriga e suddivisi per colonna
la somma di tutti i valori disposti sulla Iriga e suddivisi per colonna
il prodotto di tutti i valori disposti sulla Iriga e suddivisi per colonna
09. Come si definisce la contingenza assoluta di I riga I colonna?
il prodotto tra la freq.cong.ass. Iriga Icolonna e la relativa frequenza teorica
il rapporto tra la freq.cong.ass. Iriga Icolonna e la relativa frequenza teorica
la somma tra la freq.cong.ass. Iriga Icolonna e la relativa frequenza teorica
la differenza tra la freq.cong.ass. Iriga Icolonna e la relativa frequenza teorica
10. Come si definisce la frequenza teorica di I riga I colonna?
la differenza della fre.marg Iriga e fre.marg Icolonna diviso N
il prodotto della fre.marg Iriga per fre.marg Icolonna diviso N
il prodotto della fre.marg Iriga per fre.marg Icolonna
la somma della fre.marg Iriga e fre.marg Icolonna diviso N
11. Come si definisce la frequenza congiunta assoluta e relativa di I riga I colonna?
il numero di volte che la modalità di un carattere di Iriga è associata a quella di IVcolonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Frequenzamarginale
il numero di volte che la modalità di un carattere di Iriga è associata a quella di IIcolonna; frequenza congiunta relativa= F.co.ass./Numero totale osservazioni
il numero di volte che la modalità di un carattere di I riga è associata a quella di III colonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Numero totale osservazioni
il numero di volte che la modalità di un carattere di I riga è associata a quella di I colonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Numero totale osservazioni
12. Che cosa s'intende per Associazione?
una relazione di causa/effetto fra due caratteri (interdipendenza)
una relazione di causa/effetto
una relazione di causa fra due caratteri (interdipendenza)
una relazione di effetto fra due caratteri (interdipendenza)
13. Che cosa s'intende per Connessione?
un’analisi di dipendenza o indipendenza «stocastica» o distributiva tra due caratteri.
un’analisi di attrazione o repulsione.
un’analisi di attrazione o repulsione e conseguentemente di dipendenza o indipendenza in frequenza tra due caratteri.
un’analisi di attrazione o repulsione e conseguentemente di dipendenza o indipendenza «stocastica» o distributiva tra due caratteri.
14. Con quale formula si calcola il coefficiente di Bravais-Pearson?
ρ=codXY/sqmX*sqmY
ρ=covXY/sqmY
ρ=covXY/sqmX*sqmY
ρ=covXY/sqmX
15. Quale linea di codice di R si implementa per descrivere la tabella delle contingenze assolute?
tab_contass<-(tab + tab_teor);tab_contass
tab_contass<-(tab - tab_teor);tab_contass
tab_contass<-(tab_teor);tab_contass
tab_contass<-(tab - tab_teor)
16. Quale linea di codice di R si implementa per descivere la tabella propedeutica al calcolo del chi-quadrato?
tab_chi2<- ((tab - tab_teor)^2)/tab_teor; tab_chi2
tab_chi2<- ((tab + tab_teor)^2)/tab_teor; tab_chi2
tab_chi2<- ((tab - tab_teor)^2)/tab_teor
tab_chi2<- ((tab_teor)^2)/tab_teor; tab_chi2
17. Con quali script di R si implementano: a) la tabella a doppia entrata e le relative frequenze congiunte assolute; b) la tabella delle frequenze teoriche; c) la
tabella delle contingenze assolute e quella delle contingenze assolute al quadrato diviso le frequenze teoriche
18. Dai seguenti valori del carattere X che assume le modalità (1,1,2,3,4,4,4) e il carattere Y che assume le modalità (A,A,B,C,D,D,D): a) costruire la tabella a
doppia entrata; b) individuare la frequenza congiunta assoluta di I riga I colonna; c) individuare la frequenza teorica di I riga I colonna
19. Dai seguenti valori del carattere X che assume le modalità (1,1,2,3,4,4,4) e il carattere Y che assume le modalità (A,A,B,C,D,D,D): a) individuare la
contingenza assoluta di I riga I colonna; b) individuare la frequenza marginale di I colonna; c) individuare la frequenza marginale di I riga
Lezione 017
01. Con quale formula si calcola il Chi-quadrato?
la sommatoria per riga e per colonna della differenza fra le contingenze assolute al quadrato diviso le frequenze teoriche
la sommatoria per riga e per colonna del rapporto fra le contingenze assolute al quadrato diviso le frequenze teoriche
la sommatoria per riga e per colonna della somma fra le contingenze assolute al quadrato diviso le frequenze teoriche
la sommatoria per riga e per colonna del prodotto fra le contingenze assolute al quadrato diviso le frequenze teoriche
02. Con quale formula si calcola il Chi-quadrato normalizzato?
differenza fra il Chi-quadrato e il suo valore massimo
rapporto fra il Chi quadrato max e la sommatoria delle contingenze assolute
somma fra il Chi-quadrato e il suo valore massimo
rapporto fra il Chi-quadrato e il suo valore massimo
03. Con quale formula si calcola l'indice di Cramer?
radice quadrata del Chi-quadrato
radice quadrata del Chi-quadrato massimo
radice quadrata del Chi-quadrato normalizzato
prodotto del Chi-quadrato per il suo valore massimo
04. Dato un valore del Chi-quadrato normalizzato pari a 0,75 ed un valore del Chi-quadrato max pari a 128 il Chi-quadrato è pari a?
96
76
106
136
05. Dato un valore dell'indice di contingenza quadratico pari a 5 ed un valore del Chi-quadrato pari a 125 il numero delle osservazioni è pari a?
25
45
35
65
06. Dato un valore dell'indice di Cramer pari a 10 il Chi-quadrato normalizzato è pari a?
120
110
90
100
07. L'indice di dipendenza in media eta quadrato è ricompreso?
tra 0 e più infinito
tra 0 e meno infinito
tra 1 e 2
tra 0 ed 1 compresi
08. Quale linea di codice di R si implementa per il calcolo del chi-quadrato?
chi2 <- sum(((tab + tab_teor)^2)/tab_teor); chi2
chi2 <- sum(((tab - tab_teor)^2)/tab_teor); chi2
chi2 <- sum(((tab / tab_teor)^2)/tab_teor); chi2
chi2 <- sum(((tab * tab_teor)^2)/tab_teor); chi2
09. Dati i valori della covarianza XY pari a -12 e i valori della varianza di X pari a 9 e di Y pari a 25 quale è il valore dell’indice di correlazione di
Bravais-Pearson?
-0,75
-0,6
-0,8
-0,7
10. Dato il valore della covarianza X,Y pari a +1240, del coefficiente di correlazione di Bravais-Pearson pari a 0,89 e della varianza di X pari a 6,2 qual'è il valore
della deviazione standard di Y?
5,35
3,35
1,35
6,02
11. Data la seguente matrice di dati composta di tre righe e quattro colonne (0,1,3,4,1,2,3,0,1,5,3,2) relativi ai caratteri X ed Y con quali script di R si calcolano: a)
la tabella delle frequenze congiunte assolute; b) la tabella delle frequenze teoriche; c) la tabella delle contingenze assolute e il chi-quadrato
12. Data la seguente matrice di dati composta di due righe e due colonne (0,1,3,4) relativi ai caratteri X ed Y calcolare: a) la frequenza marginale di riga e di
colonna; b) la tabella delle frequenze teoriche; c) la tabella delle contingenze assolute e il chi-quadrato
13. Data la tabella di contingenza formata da due righe e due colonne (0,1,3,4) descrivere quale script di R si implementa per calcolare:a) la tabella delle
frequenze teoriche; b) la tabella delle contingenze assolute; c) il chi-quadrato, massimo e normalizzato
14. Dati i seguenti valori della v.c. x (1,2,3,4) con quale script di R si calcolano: a) la codevianza; b) la covarianza; c) il coefficiente di correlazione di
Bravais-Pearson
15. Dati i seguenti valori di X(1,2,3,4) e di Y(11,9,7,5) calcolare: a) la codevianza XY; b) la covarianza XY; c) il coefficiente di correlazione di Bravais-Pearson
16. Si è svolta un’analisi di Connessione tra il carattere (X) che assume le modalità 1,2 e 3 e il carattere (Y) che assume le modalità A, B e C. I dati rilevati di X
sono: (1,1,3,2,3,2,1,3); quelli di (A,A,B,C,A,C,B,A) e si vuole: a)costruire la relativa matrice di dati; b)calcolare le frequenze congiunte assolute e teoriche; c) le
contingenze assolute e il chi-quadrato
Lezione 018
01. Quali linee di codice di R si utilizzano per calcolare le permutazioni con ripetizione di sei oggetti a tre a tre
perm_rip <- function(n,k_1,k_2,k_3) factorial/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1)
perm_rip <- function(n,k_1,k_2,k_3) factorial(n)/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1)
perm_rip <- function(n,k_1,k_2,k_3) factorial(n)/prod(factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1)
perm_rip <- function(n,k_1) factorial(n)/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1)
02. Quanti possono essere gli anagrammi della parola "Fatturato"?
30240
30000
29800
27500
03. Se si vogliono trovare quante quaterne ordinate si possono costruire con i numeri 1,2,3,4,5 siamo in presenza di quale operazione di calcolo combinatorio? E
quante sono?
Siamo in presenza di permutazioni semplici con ripetizione. Esse sono: 137
Siamo in presenza di combinazioni semplici con ripetizione. Esse sono: 187
Siamo in presenza di disposizioni semplici senza ripetizione. Esse sono: 120
Siamo in presenza di disposizioni semplici con ripetizione. Esse sono: 167
04. Quali linee di codice di R si utilizzano per calcolare le disposizioni semplici o senza ripetizione di sei oggetti a tre a tre
disp_sem <- function(n) choose(n,k)*factorial(k); disp_sem(6,3)
disp_sem <- function(k) choose(n,k)*factorial(k); disp_sem(6,3)
disp_sem <- function(n,k) choose(n,k)*factorial(k); disp_sem(6,3)
disp_sem <- function(n,k) choose(n,k); disp_sem(6,3)
05. Quali linee di codice di R si utilizzano per calcolare le disposizioni con ripetizione di sei oggetti a tre a tre
disp_rip <- function(n,k) n^k; disp_rip(6,3)
disp_rip <- function(n) n^k; disp_rip(6,3)
disp_rip <- function(k) n^k; disp_rip(6,3)
disp_rip <- function(n,k); disp_rip(6,3)
06. Dati i valori di n e x rispettivamente pari a 10 e 2 qual'è il valore del coefficiente binomiale?
45
25
35
65
07. Quali linee di codice di R si utilizzano per calcolare le combinazioni semplici o senza ripetizione di sei oggetti a tre a tre
choose(2,3)
choose(6,3)
choose(6,5)
choose(6,8)
08. Quali linee di codice di R si utilizzano per calcolare combinazioni con ripetizione di tre oggetti a due a due
comb_rep <- function(n,k) factorial(n + k -1)/prod(factorial(k),factorial(n-1)); comb_rep(3,2)
comb_rep <- function(n,k) factorial(n)/prod(factorial(k),factorial(n-1)); comb_rep(3,2)
comb_rep <- function(n,k) factorial(n + k -1)/prod(factorial(k)); comb_rep(3,2)
comb_rep <- function(n) factorial(n + k -1)/prod(factorial(k),factorial(n-1)); comb_rep(3,2)
09. Descrivere con quali script di R si calcolano: a) le disposizioni con ripetizione;b) le permutazioni con ripetizione;c) le combinazioni con ripetizione;
10. Nel calcolo combinatorio se si vogliono disporre tre oggetti a tre a tre con quali script si calcolano: a) disposizioni semplici senza ripetizione; b) disposizioni
semplici con ripetizione; c) permutazioni semplici senza ripetizione e combinazioni semplici senza ripetizione
11. Nel calcolo combinatorio si vogliono disporre tre oggetti a tre a tre e si vogliono calcolare le: a) disposizioni semplici senza ripetizione; b) disposizioni semplici
con ripetizione; c) permutazioni semplici senza ripetizione e combinazioni semplici senza ripetizione
12. Descrivere con quali script di R si calcolano: a) le disposizioni senza ripetizione;b) le permutazioni senza ripetizione;c) le combinazioni senza ripetizione;
Lezione 019
01. Che cosa presuppone l’approccio assiomatico alla probabilità?
il ricorso al concetto di funzione che non associ ad ogni evento elementare dello spazio campionario Ω una probabilità P
il ricorso al concetto di funzione
il ricorso al concetto di funzione che associ ad ogni evento elementare una probabilità P
il ricorso al concetto di funzione che associ ad ogni evento elementare dello spazio campionario Ω una probabilità P
02. Geometricamente la probabilità è sempre rappresentata da?
un segmento
un'area
un'ordinata
una linea
03. Che cosa può significare una probabilità uguale a zero? E quale probabilità ha di verificarsi l'Evento impossibile?
probabilità zero non significa impossibilità di un Evento; probabilità uguale a uno
probabilità zero significa impossibilità di un Evento; probabilità uguale a zero
probabilità zero non significa necessariamente impossibilità di un Evento; probabilità uguale a zero
probabilità zero non significa impossibilità di un Evento; probabilità uguale a due
04. Quali sono gli assiomi fondamentali della Probabilità?
1. 0 ≤ P(E) ≤ 1 che si legge: la probabilità di un evento E deve essere sempre ricompresa fra 0 ed 1 estremi compresi;
2. P(E) ≥ 0; ∀ E ∈ D che si legge: la probabilità di un evento deve essere sempre positiva per ogni evento E che appartiene al dominio D;
3. P(Ω)=1 che si legge: la probabilità del totale degli eventi elementari appartenenti allo spazio campionario Ω deve essere sempre uguale ad 1
05. Quale è la probabilità dell’evento negazione o evento impossibile?
uno
due
tre
sempre zero
06. A che cosa è uguale la probabilità dell’evento reciproco di E?
è maggiore di uno meno la probabilità dell’evento E stesso
è uguale a uno meno la probabilità dell’evento E stesso
è uguale a zero meno la probabilità dell’evento E stesso
è minore di uno meno la probabilità dell’evento E stesso
07. Definire il concetto di probabilità: a) secondo l'approccio classico; b) secondo l'approccio frequentista; c) secondo l'approccio soggettivista ed assiomatico
Lezione 020
01. Date P(E)=0,21, P(F)=0,36 e P(E∩F)= 0,29 quale è la probabilità totale per eventi congiunti?
probabilità totale pari a 0,49
02. Quale è il concetto con cui si esprime la probabilità totale?
è quello della probabilità condizionata
è quello differenziale della probabilità unione
è quello additiva della probabilità composta
è quello moltiplicativo della probabilità intersezione
03. Date la probabilità intersezione di due Eventi E ed F dipendenti pari a 0,13 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?
0,5
0,45
calcolo impossibile
zero
04. Con quale formula si calcola la probabilità intersezione di due Eventi E ed F dipendenti P(E∩F)?
P(E∩F)=P(E)+P(F)
P(E∩F)=P(F)*P(E|F)
P(E∩F)=P(F)-P(E∪F)
P(E∩F)=P(E)-P(F)-P(E∪F)
05. Date la probabilità intersezione di due Eventi E ed F indipendenti pari a 0,13 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?
0,85
0,65
0,5
1,5
06. Date la probabilità unione di due Eventi E ed F congiunti pari a 0,54 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?
calcolo impossibile
0,35
0,31
0,11
07. Dati i valori di P(E)=0,28, P(F)=0,32 e P(E|F)=0,18 calcolare; a) la probabilità unione P(E∪F) per eventi compatibili o congiunti; b) la probabilità
intersezione P(E∩F) per eventi dipendenti e indipendenti; c) la probabilità unione P(E∪F) per eventi incompatibili o disgiunti
Lezione 021
01. Con quale formula si calcola la probabilità dell'Evento E condizionato all'Evento F P(E|F)?
P(E|F)=P(E∩F)/P(F)
P(E|F)=P(E∪F)/P(F)
P(E|F)=P(F∪E)/P(F)
P(E|F)=P(E∪F)/P(E)
02. Date la probabilità intersezione di due Eventi E ed F dipendenti pari a 0,19 e la probabilità dell'Evento E condizionato ad F pari a 0,76 la probabilità
dell'Evento F è pari a ?
0,25
0,45
0,35
1,65
03. Date la probabilità dell'Evento E condizionato ad F pari a 0,76 e la probabilità dell'Evento F è pari a 0,12 la probabilità composta è pari a?
0,065
0,045
0,035
0,0912
04. Con quale formula si calcola la probabilità composta di due Eventi E ed F dipendenti P(E∩F)?
P(E∩F)=P(E)*P(E|F)
P(E∩F)=P(F)*P(E|F)
P(E∩F)=P(E)*P(F|E)
P(E∩F)=P(E)*P(F)
05. Sugli eventi complessi e relative probabilità si vogliono svolgere i seguenti calcoli:
a) P(E)= 0,71; P(F)=0,11 e P(E∩F)=0,55 calcolare la probabilità condizionata P(E|F)
b) P(E|F )=0,24 e P(F)=0,11 e P(E∩F)=0,32 calcolare P(E) la probabilità unione P(E∪F) per eventi compatibili
c) P(E|F )=0,48 e P(E)=0,33 e P(E∩F)=0,32 calcolare P(F)
Lezione 022
01. Che cosa s’intende per probabilità a posteriori?
la probabilità dell’evento intersezione condizionata a più cause
la probabilità dell’evento effetto condizionata a più cause
la probabilità della causa i-esima condizionata all’evento effetto
la probabilità dell’evento effetto non condizionata a più cause
02. Come può essere denominata la statistica bayesiana?
statistica dei controlli
statistica degli effetti
statistica delle cause
statistica delle proprietà
03. Dati gli Eventi causa Ci => C1 , C2 e C3 e l'Evento effetto E come si calcola la P(Ci|E) utilizzando la formula di Bayes?
P(C|E)=P(E|C)/P(C|E)*P(C)+P(C|E)*P(C)+P(C|E)*P(C)
P(C|E)=P(E|C)*P(E)/P(C|E)*P(C)+P(C|E)*P(C)
P(Ci|E)=P(E|Ci)*P(Ci)/P(E|C1)*P(C1)+P(E|C2)*P(C2)+P(E|C3)*P(C3)
P(C|E)=P(E|C)*P(E)/P(C|E)*P(C)+P(C|E)*P(C)+P(C|E)*P(C)
04. Che cosa s’intende per probabilità a priori?
la probabilità della causa i-esima condizionata all’evento effetto
la probabilità dell’evento effetto condizionata a più cause
la probabilità dell’evento intersezione condizionata a più cause
la probabilità dell’evento effetto non condizionata a più cause
05. A proposito della statistica bayesiana: a) spiegare su quale concetto di probabilità si fonda; b) spiegare che essa è definita anche come statistica delle cause; c)
rappresentare la configurazione dello spazio campionario
Lezione 023
01. A che cosa può essere associata la funzione di probabilità per valori discreti?
alla frequenza assoluta
alla frequenza relativa
alla frequenza cumulata
alla frequenza teorica
02. A quale tipo di frequenze si associa la funzione di probabilità?
frequenza cumulata
frequenza di controllo
frequenza relativa
frequenza relativa
03. Data una v.c. discreta "presenza dell'occhio di pavone sulle foglie di ulivo"che assume i valori 1,2,3,4,5,6,7,8 con p(x) pari a 1/8 la varianza è ?
5,15
5,25
4,75
4,7
04. La funzione di probabilità di una v.c. discreta che assume i valori 1,2,3,4,5,6,7,8 è espressa in simboli dalla seguente notazione?
P(X=x)=1/2 per x=1,2,3,4,5,6,7,8
P(X=x)=1/4 per x=1,2,3,4,5,6,7,8
P(X=x)=1/8 per x=1,2,3,4,5,6,7,8
P(X=x)=1/8 per x=1,2,3,4,5
05. Dato un dominio della x ricompreso tra 0 a 3 (compresi) e i seguenti valori della funzione di probabilità (0.90, 0.07, 0.02, 0.01) quale linea di codice di R si
implementa per calcolare la relativa rappresentazione grafica?
x <- 0:3; fx <- (0.90, 0.07, 0.02, 0.01) ; plot(x, fx, type="h")
x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx, type="h")
x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(x, type="h")
x <- 0:3; fx c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx, type="h")
06. Dato un dominio della x ricompreso tra 0 a 3 (compresi) e i seguenti valori della funzione di ripartizione (0.90, 0.97, 0.99, 1.00) quale linea di codice di R si
x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, Fx, type="h")
x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, Fx)
x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, type="h")
x <- 0:3; fx c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx)
07. Dati i seguenti valori della funzione di probabilità x(0.90, 0.07, 0.02, 0.01) e di y(0, 1, 2, 3) quali linee di codice di R si implementano per calcolare la funzione
di ripartizione?
x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy
x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy
x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy
x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy
08. Dato un dominio della x ricompreso tra 0 a 3 (compresi) e i seguenti valori della funzione di probabilità (0.90, 0.07, 0.02, 0.01) quale linea di codice di R si
x <- 0:3; fx c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx)
x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(type="h")
x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx, type="h")
x <- 0:3; fx <- (0.90, 0.07, 0.02, 0.01)
09. Data una v.c. discreta che assume i valori 1,2,3,4,5,6,7,8 con p(x) pari a 1/8 il valore atteso è ?
5,75
4,5
6,25
5.25
10. Data la seguente distribuzione di frequenza della v.c. discreta x (0,1,2,3) con f(x)(0.70, 0.20, 0.07, 0.03) con quali script si calcola: a) l'indice di asimmetria; b)
l'indice di curtosi; c) lo scostamento
11. Data la seguente distribuzione di frequenza della v.c. discreta x (0,1,2,3) con f(x)(0.90, 0.07, 0.02, 0.01) con quali script si vuole: a) individuare la funzione di
probabilità; b) rappresentare il grafico di cui al punto a); c) calcolare il valore atteso, la varianza, la deviazione standard e il coefficiente di variazione
12. Data la seguente distribuzione di frequenza della v.c. discreta x (0,1,2,3) con f(x)(0.90, 0.07, 0.02, 0.01) calcolare: a) la funzione di probabilità; b) il valore
atteso; c) varianza e deviazione standard
Lezione 024
01. Dati i valori di x (0,1,2,3) e i valori della funzione di probabilità (0.62,0,28,0,06,0,04) quale line di codice di R si implementa per calcolare la funzione di
ripartizione e la relativa rappresentazione grafica?
x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04);Fy<-c(0.62,0.90,0.96,1);Fy;plot(y,Fy,type="h")
x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04); <-c(0.62,0.90,0.96,1);Fy;plot(y,Fy,type="h")
x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04);Fy<-(0.62,0.90,0.96,1);Fy;plot(y,Fy,type="h")
x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04);Fy<-c(0.62,0.90,0.96,1);Fy;plot(y,,type="h")
02. Quali sono le proprietà caratteristiche della funzione di ripartizione di una v.c. discreta?
1. P(X≤x) 2. lim x->-∞ P(X≤x)=0 ; lim x->+∞ P(X<x)=1
1. P(X≤x) 2. lim x->-∞ P(X<x)=0 ; lim x->+∞ P(X≤x)=1
1. P(X≤x) 2. lim x->-∞ P(X≤x)=0 ; lim x->+∞ P(X≤x)=1
1. P(X≤x) 2. lim x->-∞ P(X≤x)=0 ; lim x->+∞ P(X=x)=1
03. Quale grafico rappresenta meglio la funzione di ripartizione di una v.c. discreta?
grafico ad area
grafico a bolle
grafico a bastoncini
grafico a torta
04. Dati i seguenti valori di x(1,2,3,4) con p(x) rispettivamente pari a (0,52; 0,33; 0,11;0,04) quale è il valore della funzione di ripartizione per x=3?
0,56
0,86
0,96
0,76
05. Quale è la notazione con cui si esprime la funzione di ripartizione di una v.c. discreta?
P(X≤x)= Σ w≤x P(X-w)
P(X≤x)= Σ w≤x P(X=w)
P(X>x)= Σ w≤x P(X=w)
P(X>x)= Σ w≤x P(X=w)
06. Data la v.c. X che assume i valori 2,3,4,7 con probabilità rispettivamente pari a 0,12; 0,15; 0,43; 0,30 come si rappresenta la funzione di ripartizione?
F(X)= [0,12 per 0≤x<2] [0,15 per 2≤x<3] [0,43 per 3≤x<4] [1,00 per 4≤x<7]
07. Data una funzione di ripartizione per una v.c. discreta: a) descrivere la notazione; b) elencare le relative proprietà; c) descrivere cosa si trova sull'asse delle
ordinate del relativo grafico
Lezione 025
01. Qualè la notazione con cui si calcola la covarianza per variabili discrete?
CovXY= E[(X-μX)*(Y-μY)]=∑x∑y(x-μX)*(y-μY) f(x,y)
CovXY= E[(X-μX)*(Y)]=∑x∑y(x-μX)*(y-μY) f(x,y)
CovXY= E[(X-μX)*(Y-μY)]=∑x∑y(x-μX)*(y-μY)
CovXY= E[(X)*(Y-μY)]=∑x∑y(x-μX)*(y-μY) f(x,y)
02. Delle proprietà della covarianza per variabili casuali discrete quali sono quelle per covarianza nulla?
è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono dipendenti
è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono indipendenti
non è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono indipendenti
è nulla quando le v.c. X e Y non sono correlate; non è nulla quando le v.c. X e Y sono indipendenti
03. Data una variabile casuale discreta bidimensionale X,Y con quale notazione si calcola il valore atteso?
E[hXY]=∑xh(x,y) f(x,y)
E[hXY]=∑x∑yh(x,y) f(x,y)
E[hXY]=∑x∑y f(x,y)
E[hXY]=∑x∑yh(x,y)
Lezione 026
01. Quale linea di codice si utilizza per rappresentare graficamente la funzione di ripartizione di una v.c. normale con valore atteso pari a 2 e deviazione standard
0.2 nel dominio (-2, 6)?
curve(dnorm(x, 2, 0.2), -2, 6, ylab="Densità")
curve(pnorm(x, 2, 0.2), ylab="Ripartizione")
curve(dnorm(x, 2), -2, 6, ylab="Densità")
curve(dnorm(x, 0.2), -2, 6, ylab="Densità")
02. Quando una variabile casuale è definita continua?
se non assume nel suo dominio un’infinità numerabile di valori
se assume un’infinità numerabile di valori
se assume nel suo dominio un’infinità numerabile di valori in un dato intervallo
se assume nel suo dominio un numero finito di valori
03. Data una v.c. continua Normale con valore atteso µ=2,2 e varianza σ2=1,4 quale funzione si utilizza per calcolare un valore di x=2,1? Quale linea di codice di
R si implementa?
la funzione di densità della v.c. Normale X ; qnorm(2.1,2.2,1.4)
la funzione di densità della v.c. Normale X ; dnorm(2.1,2.2,1.4)
la funzione di densità della v.c. Normale X ; pnorm(2.1,2.2,1.4)
la funzione di densità della v.c. Normale X ; rnorm(2.1,2.2,1.4)
04. Come viene definita la probabilità di una v.c. continua in un intervallo ricompreso fra due valori a e b?
P(a<X<b)= fx*dx
P(a<X<b)=∫ab fx
P(a<X<b)=∫abdx
P(a<X<b)=∫ab fx*dx
05. Simulando 100 numeri casuali dalla normale con media=2 e deviazione standard=0.9 quale linea di codice si implementa per rappresentare il grafico della
funzione di densità della relativa v.c. continua in un dominio ricompreso fra -1.7 e 5.5?
rnorm(100,2,0.2);curve(dnorm(x,2,0.9),-1.7,5.5)
rnorm(100,2,0.2);curve(qnorm(x,2,0.9),-1.7,5.5)
rnorm(100,2,0.2);curve(dnorm(x,2),-1.7,5.5)
rnorm(100,2,0.2);curve(pnorm(x,2,0.9),-1.7,5.5)
06. Quale linea di codice si utilizza per calcolare 100 numeri casuali da v.c. normale con valore atteso pari a 2 e deviazione standard 0.2?
rnorm(100,0.2)
rnorm(100,2,0.2)
rnorm(100,2)
dnorm(100,2,0.2)
07. Quale linea di codice si utilizza per rappresentare graficamente la funzione di densità di una v.c. normale con valore atteso pari a 2 e deviazione standard 0.2
nel dominio (-2, 6)?
curve(dnorm(x, 2), -2, 6, ylab="Densità")
curve(dnorm(x, 2, 0.2), -2, 6, ylab="Densità")
curve(dnorm(x, 2, 0.2), ylab="Densità")
curve(dnorm(x, 0.2), -2, 6, ylab="Densità")
08. Dati i seguenti valori E(X2) =12 e [E(X)]2 =10,5 calcolare: a)il valore atteso; b) la varianza;c) la deviazione standard e il coefficiente di variazione
09. Si scelgano 100 numeri casuali da una v.c. continua normale con valore atteso 2 e deviazione standard 0,2; quali linee di codice di R si utilizzano per: a)
trovare i numeri casuali; b) rappresentare lo sfondo colorato beige del grafico della funzione di densità; c) rappresentare il grafico della funzione di densità
10. Sia X è una v.c. continua con quali notazioni si calcolano: a) il valore atteso; b) la varianza; c) la deviazione standard e il coefficiente di variazione
Lezione 027
01. Data una v.c. continua Normale espressa in simboli X~N(2,2; 0,42) che cosa sta a significare 2,2?
il valore standardizzato µ
il valore atteso µ
il valore normale µ
il valore µ
02. Data una v.c. continua Normale espressa in simboli X~N(2,2; 0,42) che cosa sta a significare 0,42?
la devianza
la varianza σ2
la moda della X
la media della X
03. Come si calcola la funzione di ripartizione in un intervallo a-b utilizzando i valori della v.c. Normale standardizzata Z?
a-b
Z(b) -Z(a)
Z(b) -a
a*b
04. Quale è la notazione con cui si esprime la funzione di ripartizione di una v.c. continua?
P(X<x)= ∫ x-∞ f(w) d(w) oppure P(a≤x≤b)=Fa+Fb=Φa- Φb=za + zb
F(x)= P(X=x)= ∫ x-∞ f(w) d(w) oppure P(a≤x≤b)=Fa * Fb=Φa- Φb=za - zb
F(x)= P(X>x)= ∫ x-∞ f(w) d(w) oppure P(a≤x≤b)=Fa-Fb=Φa- Φb=za - zb
F(x)= P(X<x)= ∫ x-∞ f(w) d(w) oppure P(a≤x≤b)=Fb-Fa=Φb- Φa=zb - za
05. Data una v.c. continua distribuita normalmente con media pari a 2,2 anni e varianza 0,42; in simboli X~N(2,2; 0,42) con quale script di R si calcola: a) la
probabilità che x<2; b) la probabilità che x>2,5; c) il valore atteso, la varianza, la deviazione standard e il coefficiente di variazione
06. Si scelgano 100 numeri casuali da una v.c. continua normale con valore atteso 2 e deviazione standard 0,2; quali linee di codice di R si utilizzano per: a)
trovare i numeri casuali; b) rappresentare lo sfondo colore beige del grafico della funzione di ripartizione; c) rappresentare il grafico della della funzione di
ripartizione
Lezione 028
01. Quando due v.c. continue X d Y si dicono indipendenti?
se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini del prodotto delle relative funzioni di probabilità marginali di X e Y
se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini del rapporto delle relative funzioni di probabilità marginali di X e Y
se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini della somma delle relative funzioni di probabilità marginali di X e Y
se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini della differenza delle relative funzioni di probabilità marginali di X e Y
02. Quale è la notazione che esprime la Disuguaglianza di Chebyshev?
P(k*σ≤X≤k*σ )≥1-1/k2
P(μ*σ≤X≤μ*σ )≥1-1/k2
P(μ-k*σ≤X≤μ+k*σ )≥1-1/k2
P(μ-k≤X≤μ+k )≥1-1/k2
03. Commentare brevemente: a) la legge debole dei grandi numeri; b) la legge forte dei grandi numeri; c) la disuguaglianza di Markov e la diseguaglianza di
Chebyshev
Lezione 029
01. Quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c. Uniforme discreta per N=10?
N<-10; i_as<-0;i_as; i_cur<-1.8;i_cur; scost<-abs(i_cur)-3; scost
N<-10; i_as<-0;i_as; i_cur<-1.8;i_cur; scost<-abs(i)-3; scost
N<-10; i_as<-0;i_as; i_cur<-1.8;i_cur; scost<-abs(i_cur); scost
N<-10; i<-0;i_as; i_cur<-1.8;i_cur; scost<-abs(i_cur)-3; scost
02. Quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Uniforme discreta per N=10?
N<-10; val_att<-(N+1)/2;val_att;var<-(N^2-1)/12; var; dev_std<-sqrt(var);dev_std
N<-10; val_att<-(N+1)/2;val_att;var<-(N^2)/12;var; dev_std<-sqrt(var);dev_std
N<-10; val_att<-(N)/2;val_att;var<-(N^2-1)/12;var; dev_std<-sqrt(var);dev_std
N<-10; val_att<-(N+1)/2;val_att;var<-(N-1)/12;var; dev_std<-sqrt(var);dev_std
03. Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare il quantile di una v.c. Uniforme discreta?
x<-10; runif(x, min=0, max=10)
x<-10; qunif(x, min=0, max=10)
x<-10; punif(x, min=0, max=10)
x<-10; dunif(x, min=0, max=10)
04. Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare la relativa funzione di ripartizione di una v.c. Uniforme discreta?
05. Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Uniforme discreta?
06. Quale valore ha l'indice di curtosi di una distribuzione di probabilità Uniforme discreta con N=10?
1,1
-2,8
-1,22
1,22
07. Con quale formula si calcola la varianza di una distribuzione di probabilità della v.c. Uniforme discreta con N=10?
(102-1)/12
(10+1)2/10
(10+1)2/10
(10-1)2
08. Dati i seguenti valori di x: 1,2,3,4,5 con probabilità uguali pari ad 1/5 quale modello di distribuzione di probabilità è più adatto?
binomiale
bernoulliana
poissoniana
uniforme discreta
09. Data la distribuzione di probabilità Uniforme discreta con N=10 con quali script si calcola: a) la probabilità che x=8; b) la probabilità che x< 2; c) la
probabilità che x>7 e che x sia ricompreso fra 8 e 4
10. Data la distribuzione di probabilità Uniforme discreta con N=11 quali script si implementano per calcolare: a) valore atteso; b) varianza; c) deviazione
standard e coefficiente di variazione
11. Data la distribuzione di probabilità Uniforme discreta con N=10 calcolare: a) la probabilità che x=8; b) la probabilità che x< 2; c) la probabilità che x> 7 e
che x sia ricompreso fra 8 e 4
Lezione 030
01. Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare 5 numeri casuali estratti dalla relativa funzione di probabilità di una v.c.
Bernoulliana discreta?
n <- 1; p <- 0.25; rbinom(x=0,size=1,prob=0.25)
n <- 1; p <- 0.25; rbinom(5,size=1,prob=0.25)
n <- 1; p <- 0.25; dbinom(x=0,size=1,prob=0.25)
n <- 1; p <- 0.25; pbinom(x=0,size=1,prob=0.25)
02. Quante prove prende in considerazione la distribuzione di probabilità bernoulliana?
dieci
una
cinque
due
03. Dati i valori di n=1 e p=0.15 quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c.
Bernoulliana discreta?
n <- 1; p <- 0.1; i_cur<-(1-6*p-6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost
n <- 1; p <- 0.1; i_cur<-(1-6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost
n <- 1; p <- 0.1; i_cur<-(p-6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost
n <- 1; p <- 0.1; i_cur<-(1-6*p-6*p)/var;i_cur;scost<-abs(i_cur)-3;scost
04. Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Bernoulliana
discreta?
n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(p);var; dev_std<-sqrt(p*(1-p));dev_std
n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1-p);var; dev_std<-sqrt(p*(1));dev_std
n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1);var; dev_std<-sqrt(p*(1-p));dev_std
n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1-p);var; dev_std<-sqrt(p*(1-p));dev_std
05. Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare il quantile di una v.c. Bernoulliana discreta?
n <- 1; p <- 0.25; qbinom(p=0.5,size=1,prob=0.25)
n <- 1; p <- 0.25; qbinom(size=1,prob=0.25)
n <- 1; p <- 0.25; rbinom(x=0,size=1, p=1.5)
06. Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di ripartizione di una v.c. Bernoulliana discreta?
n <- 1; p <- 0.25; pbinom(q=1,size=1,prob=0.25)
n <- 1; p <- 0.25; rbinom(x=0,size=1)
n <- 1; p <- 0.25; qbinom(x=0 ,prob=0.25)
07. Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Bernoulliana discreta?
n <- 1; p <- 0.25; qbinom(x=0,size=1,prob=0.25)
08. Data la v.c. bernoulliana con n=1 e p=0,23 quali sono le linee di codice di R per calcolare il valore atteso, la varianza, la deviazione standard e il coefficiente di
variazione?
n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd; Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p-6*p^2);Icurt
n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p);Ias;Icurt<-(1-6*p-6*p^2)/(var);Icurt
n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p-6*p^2)/(var);Icurt
n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1+p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p-6*p^2)/(var);Icurt
09. Con quale notazione si esprime l’indice di asimmetria e di curtosi della v.c. discreta Bernoulliana?
IAS(X)=(1+2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p-6p2)/p(1-p)
IAS(X)=(1+2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p-6p2)/p(1+p)
IAS(X)=(1+2p)/RDQ[p(1-p)] ; ICUR(X)=(1+6p-6p2)/p(1+p)
IAS(X)=(1-2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p+6p2)/p(1-p)
10. Quale è la notazione in simboli e la relativa formula della distribuzione di probabilità della v.c. discreta Bernoulliana?
X-Ber(1,p); P(X=x)=px (1-p)x per x=0 e 1
X~Ber(1,p); P(X=x)=px (1-p)1-x per x=0 e 1
X+Ber(1,p); P(X=0)=p ; P(X=1)=p+1
XBer; P(X=x)=p (1-p)1-x per x=0 e 1
11. Dato un numero di prove n=1 e una probabilità p=0,25 quale è il valore della deviazione standard? Quale v.c. modella il fenomeno statistico?
0,356 Binomiale
0,356 Bernoulliana
0,356 Normale
0,612 Bernoulliana
12. Data la distribuzione di probabilità Bernoulliana con p=0,07 con quali script di R si calcola: a)la probabilità che x=0; b) la probabilità che x= 1; c) il valore
atteso, la varianza, la deviazione standard e il coefficiente di variazione
13. Data la distribuzione di probabilità Bernoulliana con p=0,07 calcolare: a)la probabilità che x=0; b) la probabilità che x= 1; c) il valore atteso, la varianza e la
deviazione standard
14. Data la distribuzione di probabilità Bernoulliana con quali script di R si calcola: a) il quantile; b) la probabilità; c)la probabilità cumulata
Lezione 031
01. Dati i valori di n=14 e p=0.10 quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c.
Binomiale discreta?
n <- 14; p <- 0.1; i_as<- p/dev_std; i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost
n <- 14; p <- 0.1; i_as<-1-2*p/dev_std; i_as; i_cur<-(1-6*p-6)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost
n <- 14; p <- 0.1; i_as<-1-2*p/dev_std; i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost
n <- 14; p <- 0.1; i_as<-1-2*p/dev_std; i_as; i_cur<-(1-6*p-6*p^2)/(n*p);i_cur; scost<-abs(i_cur)-3; scost
02. Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare sette numeri casuali estratti da una v.c. Binomiale discreta?
n <- 14; p <- 0.25; rbinom(5,n,p)
n <- 14; p <- 0.25; rbinom(5,p)
n <- 14; p <- 0.25; rbinom(5,n)
n <- 14; p <- 0.25; rbinom(n,p)
03. Data la v.c. binomiale X con n=10 e p=0,15 qual'è la probabilità che almeno due prove abbiano successo P(X>2)?
0,856
0,156
0,1798
0,256
04. Data la v.c. binomiale X con varianza pari a 28 e p=0,26 quante sono le prove indipendenti n (arrotondato)?
146
186
196
206
05. Dato un numero prove n=15 e una probabilità p=0,19 quale è il valore della P(X<3)?
0,3243
0,5853
0,6854
0,7353
06. Dati i valori di n=11, p=0,031 quale è il valore di P(X>2)?
0,001
0,002
0,004
0,0102
07. Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Binomiale discreta per x=0?
n <- 14; p <- 0.25; qbinom(x=0,size=14,prob=0.25)
08. Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia al massimo pari a 4 di una v.c. Binomiale discreta?
n <- 14; p <- 0.25; rbinom(4,n,p)
n <- 14; p <- 0.25; qbinom(4,n,p)
n <- 14; p <- 0.25; pbinom(4,n,p)
n <- 14; p <- 0.25; dbinom(4,n,p)
09. Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia almeno pari a 3 di una v.c. Binomiale discreta?
n <- 14; p <- 0.25; 1-pbinom(3, n)
n <- 14; p <- 0.25; 1-pbinom(n, p)
n <- 14; p <- 0.25; 1-pbinom(3, n, p)
n <- 14; p <- 0.25; 1-pbinom(3,p)
10. Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Binomiale
discreta?
n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p);dev_std
n <- 1; p <- 0.25; val_at<-n; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p*(1-p));dev_std
n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p*(1-p));dev_std
n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p;var; dev_std<-sqrt(n*p*(1-p));dev_std
11. Dato n=11 e p=0,20 calcolare: a) il valore atteso; b) la varianza; c) la deviazione standard, l'indice di asimmetria e di curtosi
12. Dato n=11 e p=0,20 con quali script di R si calcolano: a) il valore atteso; b) la varianza; c) la deviazione standard, l'indice di asimmetria e di curtosi
13. Data la v.c. Binomiale X con p=0,07 e n=11 con quali script di R si calcola:
a)la probabilità che x=0; b) la probabilità che x< 3; c) la probabilità che x>2 e che x sia ricompreso fra 3 e 4
14. Data la v.c. Binomiale X con p=0,07 e n=11 calcolare: a) la probabilità che x=0; b) la probabilità che x< 3; c) la probabilità che x>2 e che x sia ricompreso fra
3e4
Lezione 032
01. Dato lambda=3,3 quali sono le linee di codice di R per calcolare la varianza e la deviazione standard della v.c. poissoniana discreta
n<-1000;p<-0,0033;val_att<- λ;var<-λ; dev_std<-sqrt(λ);Ias<-1+sqrt(λ);Icur<-1/ λ
n<-1000;p<-0,0033;val_att<- λ;var<-λ-1; dev_std<-sqrt(λ);Ias<-1-sqrt(λ);Icur<-1/ λ
n<-1000;p<-0,0033;λ<-n*p;val_att<-λ;var<-λ;dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ
n<-1000;p<-0.0033;lambda<-n*p;val_att;var<- lambda;var;dev_std<-sqrt(lambda);dev_std
02. Dato lambda=3,3 quali sono le linee di codice di R per calcolare la p(X<3); la p(X>2) e la p(2<X<3)
n<-1000;p<-0,0033;λ<-n*p;val_att<-λ;var<-λ;dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ
n<-1000;p<-0,0033;val_att<- λ;var<-λ; dev_std<-sqrt(λ);Ias<-1+sqrt(λ);Icur<-1/ λ
n<-1000;p<-0,0033;val_att<- λ;var<-λ-1; dev_std<-sqrt(λ);Ias<-1-sqrt(λ);Icur<-1/ λ
n<-1000;p<-0,0033;val_att<- λ;var<-λ+1; dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ
03. In una poissoniana il valore di lambda è uguale a 12: Quale è la P(X=0)?
5.144212e-06
6.144212e-06
4.144212e-06
6.144212e-05
04. Dai i valori di n=2100 e p=0,00012 quale è la distribuzione di probabilità più adatta?
bernoulliana
uniforme discreta
poissoniana
ipergeometrica
05. Data una v.c. poissoniana con λ=4 quale sono i valori degli indici di asimmetria e di curtosi; quale tipo di asimmetria si configura e quale curva di curtosi si
determina e perché?
I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria negativa=>0,5>0; platicurtica =>Sco=0,25-3=-2,75
I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria positiva=>0,5>0; platicurtica =>Sco=0,25-3=-2,75
I(as)=√4=0,5; I(as)=1/4=0,25; asimmetria positiva =>0,5>0; platicurtica =>Sco= 0,25-3=-2,75
I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria negativa=>0,5>0; platicurtica =>Sco=0,25-3=-2,75
06. Con quale formula si calcola la funzione di probabilità di una poissoniana?
P(X=x)=λx /x! *e
P(X=x)=λ /x *e-λ
P(X=x)=λx /x! *e-λ
P(X=x)=λ /x! *e-λ
07. Dato lambda=3,3 quali sono le linee di codice di R per calcolare l’indice di asimmetria, di curtosi e relativo scostamento in valore assoluto
n<-1000;p<-0.0033; lambda<-n*p;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost
n<-1000;p<-0.0033; lambda<-n;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost
n<-1000;p<-0.0033;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost
n<-1000;p<-0.0033; lambda<-p;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost
08. Dato lambda=3,3 quali sono le linee di codice di R per calcolare la probabilità che lambda<3 e lambda>3,5
La<-3.3; prob1<-ppois(3,La); prob1; prob2<-(3.5,La);prob2
La<-3.3; prob1<-ppois(3); prob1; prob2<-1-ppois(3.5,La);prob2
La<-3.3; prob1<-ppois(3,La); prob1; prob2<-1-ppois(La);prob2
La<-3.3; prob1<-ppois(3,La); prob1; prob2<-1-ppois(3.5,La);prob2
09. Dati i valori di n=1000 e p=0,0033 quali sono le linee di codice di R per calcolare il valore atteso della v.c. poissoniana discreta
n<-1000;p<-0.0033;lambda<-n*p;lambda
n<-1000;p<-0.0033; lambda <-n; lambda
n<-1000;p<-0.0033; lambda <-p; lambda
n<-1000;p<-0,0033; lambda <-n/p; lambda
10. Data la v.c Poissoniana X con λ =3,2 calcolare: a) la probabilità che x=10; b) la probabilità che x< 13; c) la probabilità che x>22 e che x sia ricompreso fra 30
e 40
11. Data la v.c. Poissoniana X con λ=3,2 con quali script di R si calcola: a) la probabilità che x=10; b) la probabilità che x< 13; c) la probabilità che x>22 e che x
sia ricompreso fra 30 e 40
12. Data una v.c. Poissoniana X con λ=3,3 calcolare; a) il valore atteso; b) la varianza; c) la deviazione standard, l’indice di asimmetria e di curtosi?
13. Data una v.c. Poissoniana X con λ=3,3 con quali script di R si calcolano; a) il valore atteso; b) la varianza; c) la deviazione standard, l’indice di asimmetria e
di curtosi?
Lezione 033
01. Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare la probabilità che x=17 e x<12
a<-10;b<25; prob1<-dunif(17,b);prob1; prob2<-punif(12,a,b)
a<-10;b<25; prob1<-dunif(17,a,b);prob1; prob2<-punif(a,b)
a<-10;b<25; prob1<-dunif(17,a,b);prob1; prob2<-punif(12,a,b);prob2
a<-10;b<25; prob1<-dunif(17,a);prob1; prob2<-punif(12,a,b)
02. In una v.c Uniforme continua X ricompresa nell'intervallo 20-50 qual'è la P(X>41)?
2/30 (50-41)=18/30
1/30 (50-41)=9/30
1/30 (50-30)=20/30
5/30 (50-41)=45/30
03. Dato l'intervallo di valori della X in una v.c. Uniforme continua ricompreso fra 40 e 50 quale è il valore atteso e la varianza?
E(X)=45 V(X)=8,33
E(X)=25 V(X)=8,33
E(X)=35 V(X)=8,33
E(X)=45 V(X)=6,33
04. Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare la varianza e la deviazione standard?
a<-10;b<-25;var<-(b-a)^2; var; dev_std<-sqrt(var);dev_std
a<-10;b<-25;var<-(b-a)^2/12; var; dev_std<-sqrt(var);dev_std
a<-10;b<-25;var<-(b-a)^2/12; var; dev_std<-sqrt;dev_std
a<-10;b<-25;var<-b^2/12; var; dev_std<-sqrt(var);dev_std
05. Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare il valore atteso?
a<-10;b<25;val_att<-(a+b);val_att
a<-10;b<25;val_att<-b/2;val_att
a<-10;b<25;val_att<-(a+b)/2;val_att
a<-10;b<25;val_att<-(a*b)/2;val_att
06. Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare il quantile relativo ad una probabilità pari 0.5 e 7 numeri
casuali
a<-10;b<25; quant<-qunif(0.5,a,b);quant; num<-runif(7,a,b);num
a<-10;b<25; quant<-qunif(0.5,b);quant; num<-runif(7,a,b);num
a<-10;b<25; quant<-qunif(0.5,a,b);quant; num<-runif(7,a);num
a<-10;b<25; quant<-qunif(a,b);quant; num<-runif(7,a,b);num
07. Data la v.c Uniforme continua X ricompresa nell’intervallo 20-50 calcolare: a) la probabilità che x=28; b) la probabilità che x< 32; c) la probabilità che x> 37
e che x sia ricompreso fra 31 e 44
08. Data la v.c. Uniforme continua X ricompresa nell’intervallo 20-50 con quali script si calcola: a) la probabilità che x=28; b) la probabilità che x< 32; c)la
probabilità che x> 37 e che x sia ricompreso fra 31 e 44
09. Data la v.c. Uniforme continua X con a=10 e b= 25 calcolare: a) il valore atteso; b) la varianza e la deviazione standard; c) l’indice di asimmetria e di curtosi e
lo scostamento?
10. Dato a=10 e b= 25 con quale scrip di R si calcolano: a) il valore atteso; b) la varianza e la deviazione standard; c) l’indice di asimmetria, di curtosi e lo
scostamento?
Lezione 034
01. Data una v.c. continua Normale X con µ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare la probabilità che X<45; X>46
pnorm(45,47,5); 1-pnorm(46,47,5)
dnorm(46,47,5) ; pnorm(46,47,5)
rnorm(46,47,5) ; 1-gnorm(46,47,5)
lnorm(46,47,5) ; 1-pnorm(46,47,5)
02. Data una v.c. continua Normale X∼N(47;25) quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard, l’indice di
asimmetria, l’indice di curtosi e il relativo scostamento
mu<-47;mu;var<-5^2;var;dev_std<-sqrt(var); dev_std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur)-3;scost
mu<-47;mu;var<-5^2;var;std<-5;std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur)-3;scost
03. Data una v.c. continua Normale X con µ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare il quantile per un valore di probabilità pari a 0.5
rnorm(0.5,47,5)
pnorm(0.5,47,5)
lnorm(0.5,47,5)
qnorm(0.5,47,5)
04. Data una v.c. continua Normale X ∼N(12;25) qual'è la P(X<10)?
P(X)= 1-∅(2/3)
P(X)= 1-∅(2/25)
P(X )=∅(2/5)
P(X )=1-∅(2/5)
05. Data una v.c. continua Normale X con µ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare 15 numeri casuali
dnorm(15,47,5)
rnorm(15,47,5)
qnorm(15,47,5)
pnorm(15,47,5)
06. Data una v.c. continua Normale X∼N(47;25) quale è il valore della P(X>45) dove la ∅(0,4)=0,655?
0,245
0,145
0,345
0,745
07. Data la v.c. continua Normale X con media =4,7 e dev.std=2,1 con quali script di R si calcola: a) la probabilità che x=4,1; b) la probabilità che x< 3,9; c)la
probabilità che x> 4.4 e che x sia ricompreso fra 4,2 e 4,5
08. Data la v.c. continua Normale X con media =4,7 e dev.std=2,1 come si calcolano: a) la probabilità che x=4,1; b) la probabilità che x< 3,9; c)la probabilità che
x> 4,4 e che x sia ricompreso fra 4,2 e 4,5
09. Data la v.c. continua Normale X con media =4,7 e dev.std=2,1 con quali script di R si calcola: a) la varianza; b) la deviazione standard; c)l’indice di
asimmetria e di curtosi
Lezione 035
01. Nella v.c. continua Normale standardizzata Z quale è il valore atteso e la varianza?
Valore atteso=1; Varianza=1
02. Data la v.c. continua Normale standardizzata Z con media=0 e dev.std=1 con quali script di R si calcola: a) la varianza; b) la deviazione standard; c)l’indice di
asimmetria e di curtosi
03. Data la v.c. continuaà Normale standardizzata Z con media=0 e dev.std=1 con quali script di R si calcola: a) la probabilità che x=2,8; b) la probabilità che x<
3,2; c)la probabilità che x> 3,7 e che x sia ricompreso fra 3,1 e 4,4
04. Data la v.c. continua Normale standardizzata X con media=0 e dev.std=1 impostare le formule per il calcolo: a) della probabilità che x< 3,2; b) della
probabilità che x> 3,7; c) della probabilità che x sia ricompreso fra 3,1 e 4,4
Lezione 036
01. Qual è la notazione che definisce la v.c. t di Student?
t= F/√(S2/n)
t= N/√(S2/n)
t= F/(S2/n)
t= Z/√(S2/n)
02. Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare la probabilità che X<7; X>9
df<-8; rt(7,df);1-pt(9,df)
df<-8; qt(7,df);1-pt(9,df)
df<-8; dt(7,df);1-pt(9,df)
df<-8; pt(7,df);1-pt(9,df)
03. Di quante e quali v.c. è composta la t di Student?
Due v.c. continue i.i.d.: Normale std e t di Student
Due v.c. continue i.i.d.: Normale std e F di Fisher
Due v.c. continue i.i.d.: Normale std e Chi-quadrato
Due v.c. continue i.i.d.: Normale e Chi-quadrato
04. Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare il quantile per una probabilità pari a 0.5
df<-8; pt(0.5,df);1-pt(9,df)
df<-8; rt(0.5,df);1-pt(9,df)
df<-8; qt(0.5,df);1-pt(9,df)
df<-8; dt(0.5,df);1-pt(9,df)
05. Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione
standard, l’indice di asimmetria, l’indice di curtosi e il relativo scostamento
val_att<-0;var<-df/(df-2);var;dev_std<-sqrt(var);dev_std;i_as<-0;i_as;i_cur<-6/(df-4);i_cur;
scost<-abs(i_cur)-3;scost
06. Che cosa significano Z e S^2 nella notazione che definisce la v.c. t di Student?
Z e S2 sono v.c. che si distribuiscono come una t di Student e una Chi-quadrato
Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale e una Chi-quadrato
Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale std e F di Fisher
Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale std e una Chi-quadrato
07. Data la v.c. continua t di Student X con n=23 con quali script si calcola: a) la varianza; b) la deviazione standard; c)l’indice di asimmetria e di curtosi
08. Data la v.c. t di Student continua X con n=23 impostare la formula per calcolare: a) la probabilità che x< 12; b) la probabilità che x> 17; c) la probabilità che
x sia ricompreso fra 11 e 14
09. Data la v.c. continua t di Student X con n=23 con quali script di R si calcola: a) la probabilità che x=2; b) la probabilità che x< 12; c)la probabilità che x> 17 e
che x sia ricompreso fra 11 e 14
Lezione 037
01. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare la probabilità che x=10
df=8; qchisq(10,df)
df=8; rchisq(10,df)
df=8; pchisq(10,df)
df=8; dchisq(10,df)
02. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard,
l’indice di asimmetria, l’indice di curtosi e il relativo scostamento
df=8; val_att<-df;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost
df=8; val_att<-dl;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost
df=8; val_att<-df;val_att;var<-2*df;var;dev_std<- var;dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost
df=8; val_att<-df;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-df/8;i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost
03. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare calcolare 10 numeri casuali
df=8; lchisq(10,df)
df=8; achisq(10,df)
df=8; dchisq(10,df)
df=8; rchisq(10,df)
04. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare il quantile per una probabilità pari a 0.26
df=8; rchisq(0.26,df)
df=8; dchisq(0.26,df)
df=8; lchisq(0.26,df)
df=8; qchisq(0.26,df)
05. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia al massimo pari a 11
df=8; pchisq(11,df)
df=8; rchisq(11,df)
df=8; dchisq(11,df)
df=8; qchisq(11,df)
06. Dati i valori di n=27; σ2 =49; s2=44 quale è il valore della v.c. continua X Chi-quadrato empirica?
23,35
18,15
14,65
13,35
07. Dati i valori: N=27; σ2=49; s2 =44 quale è il valore della v.c. Chi-quadrato X?
43,35
13,35
23,35
33,35
08. Dato il valore dei gradi di libertà (df=32) quale è il valore atteso e la varianza della relativa v.c. continua Chi-quadrato X?
valore atteso=22; Varianza=54
09. Qual è il valore atteso e qual'è la varianza di una v.c. continua Chi-quadrato X?
Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=3g
Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=2g dove g sono i gradi di libertà
Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=4g
Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=6
10. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano calcolare calcolare la probabilità che la v.c. x sia ricompresa fra 10 e
15
df=8; pchisq(15,df)-pchisq(10)
df=8; pchisq(15,df)-pchisq(10,df)
df=8; pchisq(15)-pchisq(10,df)
df=8; pchisq(df)-pchisq(10,df)
11. Date z21, z22,......,z2n la somma di tali v.c. è?
una v.c. continua che si distribuisce secondo una t di Student con( n-1) g.d.l.
una v.c. discreta che si distribuisce secondo una Chi-quadrato con( n-1) g.d.l.
una v.c. continua che si distribuisce secondo una Chi-quadrato con( n-1) g.d.l.
una v.c. continua che si distribuisce secondo una F di Fisher con( n-1) g.d.l.
12. Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano calcolare la probabilità che x sia almeno pari a 13
df=8; pchisq(13,df)
df=8; 1-pchisq(df)
df=8; 1-pchisq(13)
df=8; 1-pchisq(13,df)
13. Data la v.c. continua Chi-quadrato X con n=23 descrivere con quali script si calcola: a) la probabilità che x=8; b) la probabilità che x< 3; c)la probabilità che
x> 17 e che x sia ricompreso fra 13 e 20
14. Data la v.c. continua Chi-quadrato X con n=23 descrivere con quali script si calcola: a) la varianza; b) la deviazione standard; c)l’indice di asimmetria e di
curtosi
15. Data una v.c. continua X~ Chisq con n=13 calcolare: a) il valore atteso; b) la varianza e la deviazione standard; c) l’indice di asimmetria e di curtosi?
Lezione 038
01. In una v.c. continua F di Fisher X e cosa stanno a significare g1 e g2?
g1 e g2 stanno a significare rispettivamente i gradi di libertà al numeratore e al denominatore
g1 e g2 stanno a significare rispettivamente i gradi di libertà al denominatore e al numeratore
g1 e g2 stanno a significare rispettivamente i gradi di libertà al primo e al secondo posto
g1 e g2 stanno a significare rispettivamente i gradi di libertà al primo e secondo livello
02. Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare il valore
atteso, la varianza, la deviazione standard
df1<-16; df2<-24; val_att<-df2/(df2-2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-var;dev_std
df1<-16; df2<-24; val_att<-df2/(df2-2);val_att;var<-2*df2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std
df1<-16; df2<-24; val_att<-df2/(df2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std
df1<-16; df2<-24; al_att<-df2/(df2-2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std
03. Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare la probabilità
che x sia almeno pari a 2.1
df1<-16; df2<-24; 1-df(2.1,df1,df2)
df1<-16; df2<-24; 1-qf(2.1,df1,df2)
df1<-16; df2<-24; pf(2.1,df1,df2)
df1<-16; df2<-24; 1-pf(2.1,df1,df2)
che x sia ricompreso fra 2.5 e 2.1
df1<-16; df2<-24; df(2.5,df1,df2)-pf(2.1,df1,df2)
df1<-16; df2<-24; qf(2.5,df1,df2)-pf(2.1,df1,df2)
df1<-16; df2<-24; pf(2.5,df1,df2)-pf(2.1,df1,df2)
df1<-16; df2<-24; rf(2.5,df1,df2)-pf(2.1,df1,df2)
05. Quale è il valore atteso della v.c. continua F di Fisher X con gradi di libertà al numeratore g1 =16 e al denominatore g2 =22?
0,9
1,5
1,9
1,1
che x=2.4
df1<-16; df2<-24; df(2.4, df1, df2)
df1<-16; df2<-24; qf(2.4, df1, df2)
df1<-16; df2<-24; pf(2.4, df1, df2)
df1<-16; df2<-24; rf(2.4, df1, df2)
07. Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare 14 numeri
casuali
df1<-16; df2<-24; pf(14, df1, df2)
df1<-16; df2<-24; qf(14, df1, df2)
df1<-16; df2<-24; rf(14, df1, df2)
df1<-16; df2<-24; df(14, df1, df2)
08. Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare il quantile
per una probabilità pari 0.4
df1<-16; df2<-24; rf(0.4, df1, df2)
df1<-16; df2<-24; pf(0.4, df1, df2)
df1<-16; df2<-24; df(0.4, df1, df2)
df1<-16; df2<-24; qf(0.4, df1, df2)
che x sia al massimo pari a 2.8
df1<-16; df2<-24; pf(2.8, df1, df2)
df1<-16; df2<-24; qf(2.8, df1, df2)
df1<-16; df2<-24; rf(2.8, df1, df2)
df1<-16; df2<-24; df(2.8, df1, df2)
10. Data la v.c. continua F di Fisher X~ F (11,24) quali sono le linee di codice di R per calcolare la varianza e la deviazione standard?
df1<-11; df2<-24; var<-2df^2* (df1+df2)/ (df2 +2)^2* (df2 -2) dev<- sqrt(var)
df1<-11; df2<-24; var<-2df^2* (df1+df2)/ (df2 -2)^2* (df2 -2) dev<- sqrt(var)
df1<-11; df2<-24; var<-df^2* (df1+df2)/ (df2 -2)^2* (df2 -2) dev<- sqrt(var)
df1<-11; df2<-24; var<-(2*df2^2*(df1+df2-2))/(df1*(df2-2)^2*(df2-2)); var; dev_std<- sqrt(var); dev_std
11. Quali parametri possono essere modellizzati dalla distribuzione di probabilità della v.c. continua F di Fisher X?
la mediana
la media
la varianza
il rapporto fra due varianze o devianze
12. Quale è il dominio della v.c.continua F di Fisher X?
0 ; +∞
-∞ ; +∞
-∞ ; 0
1 ; +∞
13. Data la v.c. continua F i di Fisher X~ F (11,24) come si calcola a) il valore atteso; b) la varianza; c) la deviazione standard?
14. Data la v.c. continua F di FisherX con g1=16 e g2=24 con quali script si calcola: a) la probabilità che x=18; b) la probabilità che x< 22; c)la probabilità che
x> 17 e che x sia ricompreso fra 14 e 19
Lezione 039
01. Quale è la notazione con cui si calcola la standardizzazione di una v.c. discreta Binomiale X in applicazione del teorema del limite centrale
z=((n*p^-x))/√(n*p^(1-p^(^ )))
z=((n*p^-x))/√(n*p^(1-p^(^ )))+n/p
z=((n*p^-x))/√(n*p^(1-p^(^ )))*p/n
z=((n*p^-x))/√(n*p^(1-p^(^ )))-p/n
02. Con quale notazione si verifica la convergenza asintotica della v.c. discreta Binomiale alla v.c. continua Normale standardizzata Z secondo il teorema del
limite centrale
lim n->∞Zn= lim n->∞ [E(X)-p]/√(n+p ̂(1-p))
lim n->∞Zn= lim n->∞ [E(X)-np]/√(n-p(1-p ̂))
lim n->∞Zn= lim n->∞ [E(X)-np]/√(n*p ̂(1-p ̂))
lim n->∞Zn= lim n->∞ [E(X)-np]/√((1-p ̂))
03. Dati i valori: n=100; p=0,10; p(stim)=0,11 secondo il teorema del limite centrale la v.c. Binomiale sottostante a quale distribuzione converge e quale è il valore
della z empirica?
per n->∞ la successione delle 100 prove bernoulliane converge ad una Normale
per n->∞ la successione delle 100 prove bernoulliane converge ad una Normale std con z(empirica) pari a 0,33
per n->0 la successione delle 100 prove bernoulliane converge ad una Normale std con z(empirica) pari a 0,33
per n->∞ la successione delle 100 prove bernoulliane converge ad una Chi-quadrato con z(empirica) pari a 0,33
04. Date n v.c. i.i.d. che cosa stabilisce il teorema del limite centrale?
che convergono asimtoticamente ad una v.c. Normale std
che convergono asimtoticamente ad una v.c. F di Fisher
che convergono asimtoticamente ad una v.c. Chi-quadrato
che convergono asimtoticamente ad una v.c. t di Student
05. La v.c. X è la sommatoria di 80 v.c. bernoulliane e quindi è una v.c. binomiale con parametri p=0,23 e n=80 Bin~(80;0,23). Calcolare: a) il valore atteso;b) la
varianza e la deviazione standard; c) la probabilità che p(X<3) e che P(X>2)
06. Data la v.c. binomiale X con parametri p=0,23 e n=80 Bin~(80;0,23) con quali linee di codice di R si calcola: a) la probabilità che p(X<18); la probabilità che
P(X>19); la probabilità che X sia ricompreso fra 17,8 e 19,2
Lezione 040
01. Quali sono le caratteristiche del piano di campionamento a grappoli?
è caratterizzato da uno schema di estrazione a grappoli e non di un elemento
è caratterizzato da uno schema di estrazione a caso
è caratterizzato da uno schema di estrazione a caso con reinserimento
è caratterizzato da uno schema di estrazione non a caso
02. Con quale linea di codice di R si calcola la v.c. z empirica per la media campionaria pari a 1.35 che si distribuisce secondo una v.c. continua Normale X con
valore atteso 1.2 e varianza 0.81 ed n=144?
mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)*sqrt(n)+sigma;z
mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)*sqrt(n)/sigma;z
mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)/sqrt(n)/sigma;z
mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp+mu)*sqrt(n)/sigma;z
03. Quali sono le caratteristiche del piano di campionamento stratificato?
è caratterizzato da strati
è caratterizzato da strati il più possibile omogenei
è caratterizzato da strati il più possibile diretti
è caratterizzato da strati il più possibile disomogenei
04. Si è svolta una indagine campionaria su un campione di 30 prove bernoulliane i.i.d. con p=0,2. Tenuto conto che la proporzione della popolazione è pari a 5
quali linee di codice di R si utilizzano per calcolare la probabilità della z empirica
p<-0.2; n<-30; p_stim<-n-p; p_stim; z<-(p_stim-p)/sqrt(p_stim)*(1-p); pnorm(z)
p<-0.2; n<-30; p_stim<-n*p; p_stim; z<-(p_stim-p)/sqrt(p_stim)*(1-p); pnorm(z)
p<-0.2; n<-30; p_stim<-n+p; p_stim; z<-(p_stim-p)/sqrt(p_stim)*(1-p); pnorm(z)
p<-0.2; n<-30; p_stim<-n/p; p_stim; z<-(p_stim-p)/sqrt(p_stim)*(1-p); pnorm(z)
05. Il Responsabile del Personale della ALPHA SpA vuole individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza
4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni non ordinati con ripetizione
x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)/(factorial(n)*factorial(N-n)); number3; sample(number3)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)*(factorial(n)*factorial(N-n)); number3; sample(number3)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)-(factorial(n)*factorial(N-n)); number3; sample(number3)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)+(factorial(n)*factorial(N-n)); number3; sample(number3)
4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni non ordinati e con ripetizione
x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+1)/(factorial(n)*factorial(N-1)); number2; sample(number2)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+n-1)/(factorial(n)*factorial(N-1)); number2; sample(number2)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(n-1)/(factorial(n)*factorial(N-1)); number2; sample(number2)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+n*1)/(factorial(n)*factorial(N-1)); number2; sample(number2)
4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni ordinati senza ripetizione
x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N*n); number1; sample(number1)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N-n); number1; sample(number1)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N+n); number1; sample(number1)
x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N); number1; sample(number1)
4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni ordinati con ripetizione
x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N;number;sample(x,number,replace=TRUE)
x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N^n;number;sample(number,replace=TRUE)
x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N*n;number;sample(x,number,replace=TRUE)
x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N^n;number;sample(x,number,replace=TRUE)
09. Quali sono le caratteristiche del piano di campionamento bernoulliano?
è caratterizzato da uno schema di estrazione a caso con sollevazione
è caratterizzato da uno schema di estrazione a caso
è caratterizzato da uno schema di estrazione a caso con reinserimento
è caratterizzato da uno schema di estrazione a caso senza reinserimento
10. In un campionamento casuale semplice che cosa significa estrazione in blocco?
in una l'estrazione con reimmissione con probabilità uguali per ogni estrazione
in una l'estrazione con reimmissione con probabilità diverse per ogni estrazione
in una l'estrazione senza reimmissione con probabilità diverse per ogni estrazione
in una l'estrazione con reimmissione con probabilità diverse per ogni estrazione
11. Dato il valore della varianza campionaria pari a 59 ed n=6 quale è il valore della varianza campionaria corretta?
11,8
14,8
10,8
13,8
12. Quali sono le caratteristiche del piano di campionamento a due o più stadi?
è complesso; la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione e nel secondo si estrae a sua volta un campione
casuale secondo un ulteriore piano di campionamento e così via
è complesso; la popolazione viene suddivisa in stadi, nel secondo si estrae a sua volta un campione casuale secondo un ulteriore piano di campionamento e così via
la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione e nel secondo si estrae a sua volta un campione casuale secondo
un ulteriore piano di campionamento e così via
è complesso; la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione
13. Quali sono le caratteristiche del piano di campionamento sistematico?
casuale semplice dove gli elementi vengono estratti mediante sorteggio
complesso dove gli elementi vengono estratti mediante sorteggio
casuale semplice dove gli elementi non vengono estratti mediante sorteggio
casuale semplice dove gli elementi vengono estratti mediante sollevazione
14. Si devono individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza che risultano essere: 4 8 12 12 14 16 con quali script di R
si calcolano: a)il numero campioni ordinati di numerosità 2 (con ripetizione); b) l numero campioni ordinati di numerosità 2 (senza ripetizione); c) numero
campioni non ordinati di numerosità 2 (con ripetizione e senza ripetizione);
Lezione 041
01. Se si è estratto un campione n=6 quanti possono essere i campioni ordinati di numerosità 2 e quale è la relativa probabilità di estrazione?
Numero possibili campioni=> N!/(N+n)!=6!/(6+2)!=10
Numero possibili campioni=> N!/(N-n)!=(6-0)!=50
Numero possibili campioni=> N!/(N-n)!=6!/(6-2)!=30
Numero possibili campioni=> N!/(N-1)!=6!/(6-1)!=40
02. Come si configura la distribuzione della media campionaria?
Come l'insieme di tutte le medie riferite a tutti i campioni che si possono estrarre da una popolazione normale
Come l'insieme di tutte le medie riferite a tutti i campioni che non appartengono ad una popolazione normale
Come l'insieme di tutte le medie riferite a tutti i campioni che si possono estrarre da una popolazione normale e non
Come l'insieme di tutte le medie riferite a un solo campione
03. Che cosa significa il termine Zcritica * σ/√(n) nella distribuzione della media campionaria per popolazioni infinite?
termine di errore della media campionaria
termine di errore della varianza campionaria
termine di errore del coefficiente di variazione campionario
termine di errore della deviazione standard campionaria
04. Con quale notazione si esprime la v.c.continua Normale standardizzata X associata al valore atteso campionario?
Zn=[E(X)-µ]* σ
Zn=[E(X)+µ]* √n/σ
Zn=[E(X)-µ]* √n
Zn=[E(X)-µ]* √n/σ
05. In una distribuzione della media campionaria per popolazioni finite o senza ripetizione quale notazione si utilizza per calcolare: a) la media campionaria; b)
la varianza campionaria corretta; c) la deviazione standard e il coefficiente di variazione
Lezione 042
01. Come si configura la distribuzione della proporzione campionaria?
come una sola proporzione riferita a tutti i campioni che si possono estrarre da una popolazione normale e non
come l'insieme di tutte le proporzioni riferite a un solo campione che si possono estrarre da una popolazione normale e non
come l'insieme di tutte le proporzioni riferite a tutti i campioni che si possono estrarre da una popolazione normale e non
come l'insieme di tutte le proporzioni riferite a tutti i campioni che non si possono estrarre da una popolazione normale e non
02. Se si è estratto un campione n=6 quanti possono essere i campioni ordinati di numerosità 2 e quale è la relativa probabilità di estrazione?
Numero possibili campioni=> N!/(N+n)!=6!/(6+2)!=10 ; 1/10
Numero possibili campioni=> N!/(N-n)!=6!/(6-2)!=8 ; 1/8
Numero possibili campioni=> N!/(N-n)!=(6-2)!=20 ; 1/20
Numero possibili campioni=> N!/(N-1)!=6!/(6-1)!=30 ; 1/30
03. Data una v.c. Binomiale con p= 0,8, n=144 e una proporzione campionaria p(stim)=0.83 con quali script di R si calcola la z empirica?
n<-144; p<-0.81; p_stim<-0.83; z<-(p_stim-p)*sqrt(p_stim*(1-p)/n);z
n<-144; p<-0.81; p_stim<-0.83; z<-(p_stim-p)/sqrt(p_stim*(1+p)/n);z
n<-144; p<-0.81; p_stim<-0.83; z<-(p_stim-p)/sqrt(p_stim*(1-p)/n);z
n<-144; p<-0.81; p_stim<-0.83; z<-(p_stim+p)/sqrt(p_stim*(1-p)/n);z
04. Si estrae un campione casuale di 300 prodotti da cui si rileva una difettosità media del 2% e si vuole calcolare: a) la probabilità che 10 prodotti siano difettosi;
b) la probabilità di riscontrare un numero di prodotti difettosi minore di 8 e ricompreso fra 5 e 9;c) il valore atteso
05. Data una v.c. Binomiale con p= 0,8, n=144 e una proporzione campionaria p(stim)=0.83 con quali script di R si calcolano: a) la probabilità che su 144 prove
ve siano al massimo 5 di successo; b) almeno 4; c) un numero di successi compreso fra 5 e 12?
Lezione 043
01. Come si distribuisce la varianza campionaria?
Secondo una F di Fisher con (n-1) gradi di libertà
Secondo una Normale
Secondo una t di Student con (n-1) gradi di libertà
Secondo una Chi-quadrato con (n-1) gradi di libertà
02. Se si è estratto un campione con n=6 quanti possono essere i campioni ordinati di numerosità 2 e quale è la relativa probabilità di estrazione?
Numero possibili campioni=> N!/(N-1)!=6!/(6-1)!=20 ; 1/20
Numero possibili campioni=> N!/(N+n)!=6!/(6+2)!=10 ; 1/10
Numero possibili campioni=> N!/(N-n)!=(6-2)!=8 ; 1/8
Numero possibili campioni=> N!/(N-n)!=6!/(6-2)!=30 ; 1/30
03. Quale è la notazione con cui si esprime la v.c. che modellizza la varianza campionaria?
X2=(n-1)*S2/σ
X2=(n-1)*S2/σ2
X2=(n+1)*S2/σ2
X2=(n-1)*S/σ2
04. Si estrae un campione di 24 contenitori e si vuole calcolare la probabilità di riscontrare una varianza campionaria: a) minore di 0,45; b) maggiore di 0,48; c)
compresa fra 0,38 e 0,53
05. Da una popolazione finita si è estratto un campione di 24 osservazioni e si è ottenuto il valore della varianza campionaria pari a 0,41. Con quali script di R si
calcola: a) il valore del quantile della statistica test; b) la probabilità che la varianza sia maggiore di 0,45; c) la probabilità che la varianza sia minore di 0,39
Lezione 044
01. Come si esprime in formula la z(empirica) in una distribuzione campionaria per la differenza fra due medie con varianza nota?
z=(X1-X2)σ /√n
z=(X1-X2) /σ
z=(X1-X2) √n
z=(X1-X2) √n/σ
02. In una distribuzione campionaria della differenza fra due medie qual'è la notazione che esprime la statistica test Z?
Z=(X2-X1)*√(n2-n1)/σ
Z=(X2)*√(n1-n2)/µ
Z=(X1)*√(n1 -n2)/σ
Z=(X1-X2)*√(n1 -n2)
03. Data una v.c. Normale con n=144 , con valore atteso 1,2 e varianza 0,81 quali linee di codice di R si implementano affinché: a) che la media campionaria sia
maggiore o uguale a 1,35; b) che la media campionaria sia minore di 1,25; c) che la media campionaria sia ricompresa fra 1,15 e 1,38
Lezione 045
01. Quali sono le proprietà degli stimatori?
correttezza o non distorsione, efficienza
efficienza, consistenza
correttezza o non distorsione, efficienza, consistenza
correttezza o non distorsione, consistenza
02. Come si "legge" la notazione IC(1,22; 1,82)?
l'intervallo di confidenza con valore superiore 1,22 e inferiore 1,82
l'intervallo di confidenza con valore inferiore 1,22 e superiore 1,82
l'intervallo di significatività con valore inferiore 1,22 e superiore 1,82
l'intervallo di controllo con valore inferiore 1,22 e superiore 1,82
03. Che cosa rappresenta la notazione alfa?
livello di significatività
livello di controllo
livello di attività
livello di confidenza
04. Come si calcola il valore del termine di errore a per la media?
a=zα/2 *σ/n
a=zα *mediana/√n
a=zα *media/√n
a=zα/2 *σ/√n
05. Come si interpreta l'IC (12; 21) con alfa pari al 5% per la media della popolazione?
che solo nel 5% dei campioni estratti la media della popolazione non è contenuta nell'intervallo considerato
che solo nel 5% dei campioni estratti la media della popolazione è contenuta nell'intervallo considerato
che solo nel 5% dei campioni estratti la varianza della popolazione non è contenuta nell'intervallo considerato
che solo nel 10% dei campioni estratti la media della popolazione non è contenuta nell'intervallo considerato
06. Che cosa rappresenta la notazione (1-alfa)?
livello di controllo
livello di significatività
livello di attività
livello di confidenza
07. La stima puntuale della varianza si trova attraverso l’individuazione:
di un singolo valore della varianza della popolazione quando essa è uno stimatore corretto o non distorto
della media della popolazione quando essa è uno stimatore corretto
della mediana della popolazione quando essa è uno stimatore corretto
della deviazione standard della popolazione quando essa è uno stimatore corretto
08. Che cosa si intende per stima puntuale?
la stima di più valori
la stima di una posizione
la stima di un intervallo di valori
la stima di un solo valore
09. Dati due stimatori T1 e T2 quali dei due si dice più efficiente?
quello dei due che ha la media minore
quello dei due che ha la varianza minore
quello dei due che ha la varianza maggiore
quello dei due che ha la varianza uguale
10. Quando uno stimatore si dice corretto o non distorto?
quando il suo valore atteso è pari a µ per tutti i possibili valori di µ stesso
quando la sua varianza è pari a µ per tutti i possibili valori di µ stesso
quando il suo coefficiente di variazione è pari a µ per tutti i possibili valori di µ stesso
quando la sua deviazione std è pari a µ per tutti i possibili valori di µ stesso
11. Commentare brevemente: a) la differenza fra stimatore e stima; b) la proprietà di non distorsione o correttezza; c) la proprietà di efficienza e di consistenza
Lezione 046
01. Quando lo stimatore proporzione campionaria si dice corretto o non distorto?
se il suo valore atteso converge con quello della popolazione di riferimento
se il suo valore atteso non converge con quello della popolazione di riferimento
se la sua varianza converge con quella della popolazione di riferimento
se la sua devianza converge con quella della popolazione di riferimento
02. Che cosa si intende per stimatore della proporzione di una popolazione?
una v.c. che assume tre valori (stima)
una v.c. che assume quattro valori (stima)
una v.c. che stimi la proporzione della popolazione
una v.c. che assume due valori (stima)
03. Quale è lo stimatore puntuale corretto della proporzione della popolazione?
la proporzione campionaria
la mediana campionaria
la moda campionaria
la media campionaria
04. Quando lo stimatore della proporzione della popolazione si dice efficiente?
quando ha la più bassa media
quando ha la più bassa moda
quando ha la più bassa varianza
quando ha la più alta varianza
05. Come si esprime la consistenza asintotica dello stimatore della proporzione della popolazione?
quando la varianza della proporzione campionaria è uguale a 0
quando il limite per n che tende ad infinito è uguale a 0
quando il limite della varianza della proporzione campionaria è uguale a 0
quando il limite per n che tende ad infinito della varianza della proporzione campionaria è uguale a 0
06. Con quali notazioni si esprime: a) la stima puntuale del valore atteso di una proporzione campionaria; b) la stima puntuale della varianza di una proporzione
campionaria; c) la stima puntuale della deviazione standard di una proporzione campionaria
Lezione 047
01. Dato un valore della varianza pari a 1,88 ed un valore della sommatoria di (x-xmedia)2 pari a 147 quale è il valore della numerosità campionaria?
n=56 (arrotondato)
n=76 (arrotondato)
n=66 (arrotondato)
n=78 (arrotondato)
02. Quando la varianza campionaria è uno stimatore consistente di quello della popolazione?
quando all’aumentare della dimensione del campione lo stimatore si allontana sempre più al valore del parametro di interesse da stimare e cioè alla varianza della
popolazione σ2
quando al diminuire della dimensione del campione lo stimatore si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della popolazione
σ2
quando all’aumentare della dimensione del campione lo stimatore non si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della
popolazione σ2
quando all’aumentare della dimensione del campione lo stimatore si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della
popolazione σ2
03. Quando lo stimatore della varianza della popolazione si dice corretto?
se il suo valore atteso coincide con la media della popolazione
se il suo valore atteso coincide con la moda della popolazione
se il suo valore atteso coincide con la varianza della popolazione
se il suo valore atteso coincide con la mediana della popolazione
04. Quando lo stimatore della varianza della popolazione si dice efficiente?
quando ha la varianza più alta
quando ha la moda più bassa
quando ha la media più bassa
quando ha la varianza più bassa
05. Dato un campione casuale di dimensione n dalla popolazione di interesse quali notazioni si utilizzano: a) per calcolare lo stimatore corretto della varianza
campionaria corretta; b) per calcolare il suo valore atteso; c) per affermare che lo stimatore è consistente
06. Data la v.c. X ed estratto un campione di 85 famiglie la sommatoria delle xi è pari a 67 e quella delle xi2 pari a 169 calcolare: a) il valore atteso; b) la varianza;
c) la numerosità campionaria
Lezione 048
01. Quali sono gli estremi dello stimatore intervallare per la media della popolazione con varianza ignota?
deviazione std campionaria +/- t Z/√n
mediana campionaria +/- t * S/√n
varianza campionaria +/- tα/2 S/√n
media campionaria +/- tα/2 * S/√n
02. Quali sono gli estremi dello stimatore intervallare per la media con varianza nota?
X(media camp.)± z1-α/2*σ/√n
X(media camp.)± z1-α/2*√n
X(media camp.)± σ/√n
X(media camp.)± z1-α/2*σ
03. Che cosa s’intende per livello di significatività?
il valore di probabilità che il ricercatore sceglie normalmente basso
il valore di probabilità che il ricercatore sceglie a priori normalmente alto
il valore di probabilità che il ricercatore sceglie a priori normalmente molto basso
il valore di probabilità che il ricercatore sceglie a posteriori normalmente basso
04. Che cosa s’intende per livello di confidenza?
il complemento a tre del livello di significatività
il complemento a due del livello di significatività
il complemento ad uno del livello di significatività
il complemento a quattro del livello di significatività
05. Che cosa si intende per stimatore intervallare di una popolazione?
una v.c. che assume un intervallo di valori (stima)
una v.c. che assume due valori (stima)
una v.c. che assume un solo valore (stima)
una v.c. che assume tre valori (stima)
06. Quale valore può assumere la zcritica per un livello di significatività α=0,05?
±1,645
±1,96
±2,576
±2,05
07. Quali sono le notazioni che esprimono gli estremi dello stimatore intervallare per la media con varianza σ2 nota?
media camp-zα/2* σ; media camp+ zα/2* σ/√n
media camp- zα/2* √n; media camp+ zα/2* σ/√n
media camp- zα/2* σ/√n; media camp+ zα/2* σ/√n
media camp- σ/√n; media camp+ σ/√n
08. Qual sono le notazioni che esprimono gli estremi dello stimatore intervallare per la media con varianza σ2 ignota?
media camp- zα/2*s √n; media camp+ zα/2* s
media camp-zα/2* σ; media camp+ zα/2* s/√n
media camp- zα/2*s √n; media camp+ zα/2* s/√n
media camp- zα/2* σ/√n; media camp+ zα/2* σ/√n
09. Data una v.c. Normale con n=397, mu=987 e varianza=36 quali linee di codice di R si implementano per calcolare; a) l'intervallo di confi denza per il peso
medio μ incognito ad un livello di significatività pari a 0,01; b) la sua ampiezza; c) la numerosità campionaria per un valore massimo del termine di errore pari a
1,5
10. Data la varianza del peso del tondino pari a 36 gr ed estratto un campione di 397 tondini con un peso medio pari a 987 grammi e un livello di significatività
dell’1% con quali script di R si calcola: a) il limite superiore dell’intervallo di confidenza per la media con varianza nota; b) il limite inferiore dell’intervallo di
confidenza per la media con varianza nota; c) la numerosità campionaria e l’ampiezza dell’intervallo
11. Data un v.c. Normale con n=29, mu=987 e varianza stimata 1,285714 quali linee di codice di R si implementano per calcolare a) lo stimatore intervallare per il
peso medio μ incognito ad un livello di significatività del 5%; b) la sua ampiezza; c) la numerosità campionaria per un valore massimo del termine di errore pari a
1,5
12. Definire sinteticamente: a) il livello di confidenza; b) il livello di significatività; c) dati i valori di sigma=12; n=28; un livello di confidenza pari al 5% per cui
la zeta critica è pari a 1,96 e una media campionaria =21 calcolare lo stimatore intervallare per la media con varianza nota.
Lezione 049
01. Dati i valori di µ1=8,5; µ2=6;σ21=2;σ22=3; n1=40; n2=60; z(critica)=2,576 quale è lo stimatore intervallare per la differenza fra le due medie?
I.C. (2,69;5,31)
I.C. (1,69;3,31)
I.C. (1,19;3,31)
I.C. (1,69;3,51)
02. Dati due campioni con n1=40 e n2=60 e mu1=6 e mu2=8,5 var1=2 e var2=3 calcolare: a) lo stimatore intervallare con α=0,01 (z=2,56); b) lo stimatore
intervallare con α=0,05 (z=1,96); c) lo stimatore intervallare con α=0,1 (z=1,64)
Lezione 050
01. Quante numerosità campionarie si prendono in considerazione per calcolare l'intervallo di confidenza per la differenza fra le medie di due popolazioni?
tre
due
quattro
nessuno
02. Dati i valori di n1 =7 e n2 =6; s12 =0,176; s22 =0,0922 quale è il valore della varianza campionaria congiunta?
0,1379
0,0379
0,579
0,329
03. Dati due campioni con n1=35 e n2=45 e mu1=7,2 e mu2=7,9 varianza stimata1=2 e varianza stimata2=3 calcolare lo stimatore intervallare : a) con α=0,01 (t
critica=2,375); b) con α=0,05(tcritica=1,665); c) con α=0,1 (tcritica=1,2925)
Lezione 051
01. La proporzione campionaria p(stim)=X/n che tipo di stimatore è?
corretto o distorto della proporzione della popolazione
corretto o non distorto della media della popolazione
non corretto della proporzione della popolazione
corretto o non distorto della proporzione della popolazione
02. Dati i valori n=120; p(stim)=0,49; z(critica)=1,96 quale è lo stimatore intervallare per la proporzione di una popolazione bernoulliana?
I.C.(40;58)
I.C.(40;68)
I.C.(30;98)
I.C.(20;68)
03. Data la distribuzione di probabilità Binomiale con p=0,49 ed n=50 e stabilito un livello di significatività dell’5% con quali script si calcolano: a) il limite
superiore dello stimatore intervallare per la proporzione; b) il limite inferiore dello stimatore intervallare per la proporzione; c) la numerosità campionaria e
l’ampiezza dell’intervallo.
04. Si vuole calcolare: a) lo stimatore intervallare con α=0,05 (zempirica=1,96) per la proporzione campionaria pari a 0,47 su un campione di 98 elettori; b) lo
stimatore intervallare con α=0,01 (zempirica=2,67) per la proporzione campionaria pari a 0,47 su un campione di 320 elettori; c) lo stimatore intervallare con
α=0,05 (zempirica=1,96) per la proporzione campionaria pari a 0,47 su un campione di 1550 elettori.
05. Data un v.c. binomiale con n=120 e p=0,49 che, secondo il teorema del limite centrale converge e si approssima ad una Normale, quali linee di codice di R si
implementano per calcolare: a) lo stimatore intervallare con α=0,05; b) la sua ampiezza; c) la numerosità campionaria per un valore massimo del termine di errore
pari a 0,047
Lezione 052
01. Dati i valori n1=187 con p1=0,02 e n2=164 con p2=0,015 quali sono i valori dello stimatore intervallare delle due v.c. estremi superiore ed inferiore con α=0,05
(Zempirica=1,96)?
I.C. [0,06;0,84]
I.C. [0,26;0,74]
I.C. [0,16;0,64]
I.C. [0,022;0,032]
02. Che cosa si intende per stimatore intervallare della differenza fra le proporzioni di due popolazioni bernoulliane?
una v.c. che assume tre valori
due v.c. relativi al limite superiore ed inferiore dell'intervallo di valori per la differenza tra le proporzioni di due popolazioni bernoulliane
una v.c. che assume un solo valore
una v.c. che assume due valori
03. Che cosa si intende per stima intervallare della differenza fra le proporzioni di due popolazioni bernoulliane?
è la stima di un terzo di una popolazione
è la stima di un insieme di una popolazione
è la stima di un intervallo di valori per la differenza tra le proporzioni di due popolazioni bernoulliane
è la stima del quadrato di una popolazione
04. Dati i valori n1=95;n2 =123; p1(stim)=0,035;p2(stim)=0,02; z(critica)=1,96 quale è lo stimatore intervallare per la differenza di due proporzioni di popolazioni
bernoulliane?
I.C.(-0,23;0,66)
I.C.(-0,13;0,16)
I.C.(-0,03;0,16)
I.C.(-0,03;0,06)
Lezione 053
01. Dati i valori n=24;s2 =15; chi-quadr(critico)=9,2604 quale è per 1-α/2 lo stimatore intervallare per la varianza?
I.C.(5,81;37,2554)
I.C.(0,81;27,2554)
I.C.(17,81;37,2554)
I.C.(7,81;37,2554)
02. Come si distribuisce lo stimatore intervallare per la varianza della popolazione?
secondo una F di Fisher con (n-1) gradi di libertà
secondo una Normale con (n-1) gradi di libertà
secondo una Chi-quadrato con (n-1) gradi di libertà
secondo una t di Student con (n-1) gradi di libertà
03. Quale è la notazione che esprime la v.c. continua Normale standardiizzata Z (statistica) utile al calcolo dello stimatore intervallare per la varianza
campionaria?
(n-1)*S2/σ
(n-1)*S2/σ2
(n-1)*S/σ2
(n-1)*S2 * σ2
04. Stimata la varianza campionaria pari a 2,8 e stabilito un livello di significatività dell’1% con quali script di R si calcolano: a) il limite superiore dello
stimatore intervallare per la varianza; b) il limite inferiore dello stimatore intervallare per la varianza; c) la numerosità campionaria e l’ampiezza dell’intervallo
05. Dato un campione n=24 con varianza corretta pari a 15 si imposti la notazione per il calcolo dello stimatore intervallare: a) con α=0,01; b) con α=0,05; con
α=0,10
Lezione 054
01. Dati i valori n1=24; n2 =65 ; alfa=0,05; F(1-alfa/2),(n1-1),(n2-1)=1,88; F(alfa/2),(n1-1),(n2-1)=0,4757; s12 =17,41 e s22 =12,4
con s21 > s22 quale è lo stimatore intervallare per il rapporto tra varianze modellato da una v.c. continua F di Fisher X?
I.C.(1,01;6,19)
I.C.(3,01;6,19)
I.C.(0,75;2,95)
I.C.(5,01;6,19)
02. Dato n1=25 e n2=17, con s12pari a 15,89 e con s22pari a 29,12 e con F1critica pari a 0,312 e F2critica pari a 3,638 si vuole: a) calcolare il limite superiore dello
stimatore intervallare; b) calcolare il limite inferiore; b) rappresentare la notazione della v.c. continua F di Fisher X che modella il fenomeno del rapporto fra le
varianze di due popolazioni.
Lezione 055
01. Dati i valori i zcritica=1,96; σ=3 e del termine di errore a=0,11 quale è il valore della numerosità campionaria?
2157
2357
2857
2067
02. Qual è la notazione con la quale si determina la numerosità campionaria?
n= z*σ/ a2 dove a è la massima variazione ammissibile
n= z2α/2*σ2/a2 dove a è la massima variazione ammissibile
n= z*σ2/a2 dove a è la massima variazione ammissibile
n= zα/2*σ2/a2 dove a è la massima variazione ammissibile
03. Con quale notazione si determina la numerosità campionaria per la proporzione di una popolazione bernoulliana?
n= z2α/2* pstim *(1- pstim )/a
n= zα/2* pstim *(1- pstim )/a2
n= z2α/2* (pstim )/a2
n= z2α/2* pstim *(1- pstim )/a2
04. Dati i valori i zcritica=1,96; σ2=9, n=144 quale è il valore della numerosità campionaria se si vuole ridurre di 1/3 l'ampiezza dello stimatore intervallare?
n=1366
n=1296
n=1196
n=1266
05. Per quale valore di numerosità campionaria si ha convergenza in distribuzione in un test per la differenza fra le proporzioni di due popolazioni
per campioni di numerosità n> 30
per campioni di numerosità n< 10
06. Dato un campione n=24 con varianza corretta pari a 15 si calcoli la numerosità campionaria: a) con α=0,01 (Zcritica=2,576) ed un errore in valore
assoluto non superiore a 2 ); b) con α=0,05(Zcritica=1,96) ed un errore in valore assoluto non superiore a 1,5; c) con α=0,10(Zcritica=1,64) ed un errore in valore
assoluto non superiore a 2,5
07. Quali linee di codice di R si implementano per il calcolo della numerosità campionaria: a) per la media con α=0,01, con σ=5 e con un valore del termine di
errore massimo pari a 1,5; b) per la proporzione con α=0,05, con σ=8 e con un valore del termine di errore massimo pari a 0,5; c) per la varianza con α=0,1, con
σ=9 e con un valore del termine di errore massimo pari a 0,8
08. Data una Normale con µ=987 e σ2=36 con quali linee di codice di R si calcolano: a) lo stimatore intervallare per la media al livello di significatività α=0,01; b)
la sua ampiezza; c) la numerosità campionaria per un valore massimo del termine di errore pari a 1,5
Lezione 056
01. Se il valore della v.c tempirica cade all'interno dell'intervallo (+/-) tα/2 qual'è la regola di decisione?
si accetta l'ipotesi nulla o di interesse
si accetta l'ipotesi nulla o di interesse sotto l'ipotesi alternativa
si rifiuta l'ipotesi nulla o di interesse sotto l'ipotesi alternativa
si accetta l'ipotesi alternativa o di interesse sotto l'ipotesi nulla
02. Dato un valore della v.c continua t di Student X empirica pari a 2,64 ed un valore di quella critica pari a 1,64 qual'è la regola di decisione?
si accetta l'ipotesi alternativa o di interesse sotto l'ipotesi nulla
si accetta l'ipotesi nulla o di interesse
si rifiuta l'ipotesi nulla o di interesse sotto l'ipotesi alternativa
si accetta l'ipotesi nulla o di interesse sotto l'ipotesi alternativa
03. Quando si rifiuta l'ipotesi nulla per la media campionaria per piccoli campioni?
quando la media campionaria cade all'interno dell'intervallo dello stimatore di cui alla seguente notazione mu0(+/-) tα/2*σ√n
quando la media campionaria è minore del termine: mu0 (+/-) tα/2*σ√n
quando la media campionaria non cade all'interno dell'intervallo dello stimatore di cui alla seguente notazione: mu0 (+/-) tα/2*σ√n
quando la mediana campionaria è maggiore del termine: mu0 (+/-) tα/2*σ√n
04. Commentare brevemente: a) il significato di ipotesi nulla e alternativa; b) il significato di verifica di ipotesi con test unilatero dx; c) il significato di verifica di
ipotesi con test unilatero sx e bilatero
05. Dato n= 92 e α=0,01, una media campionaria=198 e una varianza=81 quali linee di codice di R si implementano per calcolare: a) la statistica test
campionaria; b) il quantile critico; c) il p-value della zeta empirica
06. Data una Normale con µ=987 e σ2 =36 con quali linee di codice di R: a) si effettua il confronto fra il quantile critico al livello di significatività α=0,01 e quello
empirico ai fini della verifica di ipotesi per un test bilatero; b) si calcola il p-value; c) si effettua il confronto fra il livello di significatività α e il p-value ai fini della
verifica di ipotesi per un test bilatero
Lezione 057
01. Dato un valore della statistica-test zempirica=2,14 si accetta o si rifiuta l’ipotesi nulla H0 con α=0,05?
perché 2,14 cade all'interno dell'intervallo -1,96:+1,96
si rifiuta perché 2,14<1,96
si accetta perché 2,14 non cade all'interno dell'intervallo -1,96:+1,96
si rifiuta perché 2,14 non cade all'interno dell'intervallo -1,96:+1,96
02. Dati i valori di una v.c. continua Normale X: n=12, σ=20; x=1270, µ=1265 quale è lo script di R per calcolare il p-value?
p_value<- pnorm((1270-1265)sqrt(12)/20
p_value<- 1-qnorm((1270-1265)sqrt(12)/20
p_value<- 1-dnorm((1270-1265)sqrt(12)/20
p_value<- 1-rnorm((1270-1265)sqrt(12)/20
03. Dato un valore della statistica-test zempirica=2,14 ed un valore di quella critica pari a 2,57 si accetta o si rifiuta l’ipotesi nulla H0?
si accetta perché 2,14 non cade all'interno dell'intervallo -2,576:+2,576
si rifiuta perché 2,14 cade all'interno dell'intervallo -2,576:+2,576
si rifiuta perché 2,14<2,576
si accetta perché 2,14 cade all'interno dell'intervallo -2,576:+2,576
04. Se il p-value è maggiore/minore di α si accetta o si rifiuta l'ipotesi nulla?
se il p-value>α si rifiuta e viceversa
se il p-value>α si accetta H0 sotto l'ipotesi alternativa H1 e viceversa
se il p-value<α si accetta e viceversa
se il p-value<α si rifiuta e viceversa
05. Che cosa é il p-value?
la probabilità della z empirica che si confronta con alfa scelto a priori
la probabilità della z empirica che si confronta con 1-alfa scelto a priori
la probabilità della z empirica che si confronta con la media scelta a priori
la probabilità della z empirica che si confronta con la mediana scelta a priori
06. Per α=0,05: a) quali sono gli intervalli delle regioni di accettazione e di rifiuto per un test bilatero; b) quali sono gli intervalli delle regioni di accettazione e di
rifiuto per un test unilatero destro; c) quali sono gli intervalli delle regioni di accettazione e di rifiuto per un test unilatero sinistro
Lezione 058
01. Quando si commettono errori di I e II tipo rispettivamente che cosa accade?
che si accetta H0 quando si sarebbe dovuto accettare; che si accetta H0 quando si sarebbe dovuto rifiutare
che si rifiuta H0 quando si sarebbe dovuto accettare; che si rifiuta H0 quando si sarebbe dovuto rifiutare
che si rifiuta H0 quando si sarebbe dovuto accettare; che si accetta H0 quando si sarebbe dovuto rifiutare
che si rifiuta H1 quando si sarebbe dovuto accettare; che si accetta H0 quando si sarebbe dovuto rifiutare
02. Che cos'è la potenza di un test?
la probabilità di rifiutare H0 quando essa è vera
la probabilità di accettare H0 quando essa è falsa
la probabilità di accettare H0 quando essa è vera
la probabilità di rifiutare H0 quando essa è falsa
03. Quando si decide di rifiutare l’ipotesi nulla H0 sotto quella alternativa H1 quando questa è vera come è la scelta e quale probabilità assume?
si commette errore II tipo con probabilità 1-β
si commette errore II tipo con probabilità β
si commette errore I tipo con probabilità α
si commette errore I tipo con probabilità β
04. Sulla verifica di ipotesi stabilire: a) quando si decide di accettare l’ipotesi nulla H0 sotto quella alternativa H1 quando questa è vera come è la scelta e quale
probabilità assume; b) quando si decide di rifiutare l’ipotesi nulla H0 sotto quella alternativa H1 quando questa è falsa come è la scelta e quale probabilità assume;
c) quando si decide di accettare l’ipotesi nulla H0 sotto quella alternativa H1 quando questa è falsa come è la scelta e quale probabilità assume?
05. Commentare brevemente: a) il significato di errore di I tipo; b) il significato di errore di II tipo; c) il significato di potenza del test e la interrelazione fra
teoria della stima e verifica di ipotesi
Lezione 059
01. Quando si accetta H0 per un test unilatero dx?
quando la zeta empirica campionaria è maggiore della z critica
quando la zeta empirica campionaria è minore della z empirica della popolazione
quando la zeta empirica campionaria è minore della z critica
quando la zeta critica è diversa della z empirica campionaria
02. Qual è la statistica-test per la media della popolazione con varianza nota?
z=(media campionaria -media popolazione sotto H0)*n/σ
z=(media campionaria -mediana popolazione sotto H0)*√n/σ
z=(mediana campionaria -media popolazione sotto H0)*√n/σ
z=(media campionaria -media popolazione sotto H0)*√n/σ
03. Dati i valori di µ=200; z(critica)=1,96; σ=5; n=92; media campionaria=199 quale è il valore della z empirica; si accetta o si rifiuta l'ipotesi che µ<200?
z(empirica)=1,12 si accetta l'ipotesi che µ<200 perché 1,92<1,96
z(empirica)=1,92 si accetta l'ipotesi che µ<200 perché 1,92<1,96
z(empirica)=1,92 si rifiuta l'ipotesi che µ<200 perché 1,92<1,96
z(empirica)=1,92 si accetta l'ipotesi che µ<200 perché 1,92>1,96
04. Quali sono le notazioni attraverso le quali si individuano: a) la regione di accettazione se Z ≥ zα; b) la regione di accettazione se Z ≥- zα; c) la regione di
accettazione se Z ≥ -zα/2
05. Quali sono le notazioni attraverso le quali si individuano: a) l’ipotesi alternativa H1 se Z ≥ zα; b) l’ipotesi alternativa H1 se Z ≥- zα; c) l’ipotesi alternativa H1 se
Z ≥ -zα/2
06. Dato un mu =200, un campione n=92 e una media campionaria=198 con quali script di R si calcolano: a) la zeta empirica; b) il p-value con α=0,01; c) il
p-value con α=0,05; c) il p-value con α=0,10
07. Dato un campione n=24 con µ =22, media campionaria=21 e varianza nota pari a 15 si scelga la regola di decisione in questi casi: a) per un test unilatero dx
(Z critica=2,576); b) per un test unilatero sx (Z critica=-2,576 ; c) per un test bilatero (Z critica=1,96)
08. Quali sono le notazioni attraverso le quali si individuano: a) la regione di accettazione se Z ≥ zα secondo la tecnica del p-value; b) la regione di accettazione se
Z ≥- zα secondo la tecnica del p-value; c) la regione di accettazione se Z ≥ -zα/2 secondo la tecnica del p-value.
Lezione 060
01. Dati i valori di µ=200; t(critica)=-1,714; n=18; media campionaria=196; s2 =198 quale è il valore della t empirica; si accetta o si rifiuta l'ipotesi che µ>200?
t(empirica)=1,2; si accetta l'ipotesi che µ>200 perché 1,2>1,714
t(empirica)=1,2; si accetta l'ipotesi che µ>200 perché 1,2<1,714
t(empirica)=1,2; si rifiuta l'ipotesi che µ>200 perché 1,2<1,714
t(empirica)=0,2; si accetta l'ipotesi che µ>200 perché 1,2<1,714
02. Qual è la statistica-test per la media della popolazione con varianza ignota?
z=(mediana campionaria -media popolazione sotto H0)*√n/s
t=(mediana campionaria - media popolazione sotto H0)*√n/ s
t=(media campionaria - media popolazione sotto H0)*√n/ s
t=(media campionaria - mediana popolazione sotto H0)*√n/ s
03. Dato un campione n=33 con µ =35, media campionaria=34 e varianza ignota e stimata pari a 15,88 si scelga la regola di decisione in questi casi: a) per un test
unilatero dx (Z critica=2,576); b) per un test unilatero sx (Z critica=-2,576 ; c) per un test bilatero (Z critica=1,96)
04. Dato n=92 e una media campionaria=198 con varianza ignota con quali script di R si calcola: a) la t empirica; b) il p-value con α=0,01; c) il p-value con
α=0,05; c) il p-value con α=0,10
Lezione 061
01. Dato un numero di prove n=92 con α=0,005 ed un valore atteso della popolazione pari a 200 e una media campionaria pari a 198 quali linee codice di R si
utilizzano per calcolare la Z-empirica
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp-mu)*sqrt(n); z
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp-mu)*sqrt(n)/sigma; z
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp)*sqrt(n)/sigma; z
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(mu)*sqrt(n)/sigma; z
02. Dato un valore della proporzione campionaria pari a p(stim)=0,03 e un valore della proporzione della popolazione pari a p=0,02, n=10 quale è il valore della
statistica test? Per un valore della z(critica)=2,576 si accetta o si rifiuta l'ipotesi nulla?
z(empirica)=0,25 - si accetta l'ipotesi nulla H0
z(empirica)=0,5 - si rifiuta l'ipotesi nulla H0
03. Dato un numero di prove n=48:p=0,025; p(camp)=0,019 quale è il valore della z(empirica) per convergenza in distribuzione (teorema del limite centrale); si
accetta o si rifiuta l'ipotesi nulla per un test bilatero con alfa=0,05
t(empirica)=0,267; si accetta H0 perché 0,267<1,96
t(empirica)=0,267; si accetta H0 perché 0,267>1,96
04. Dato un numero di prove n=92 con α=0,005 ed un valore atteso della popolazione pari a 200 e una media campionaria pari a 198 quali linee codice di R si
utilizzano per calcolare il quantile della Z-critica e il p-value (probabilità della z-empirica)
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp)*sqrt(n)/sigma;qnorm(0.005); pnorm(z)
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(mu)*sqrt(n)/sigma;qnorm(0.005); pnorm(z)
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp-mu)*sqrt(n)/sigma;qnorm(0.005); pnorm(z)
mu<-200; sigma<-sqrt(81); n<-92; media_camp<-198; z<-(media_camp-mu)*sqrt(n);qnorm(0.005); pnorm(z)
05. Dato un campione n=41 con una % di pezzi difettosi pari al 2% e una proporzione stimata di 2,3% si scelga la regola di decisione in questi casi: a) per un test
unilatero dx (Z critica=2,576); b) per un test unilatero sx (Z critica=-2,576 ; c) per un test bilatero (Z critica=1,96)
06. Dato n=120, una proporzione p=9/60 e una proporzione campionaria=0,10 con quali script di R si calcola:a) la zeta empirica; b) il p-value con α=0,01; c) il
p-value con α=0,05; c) il p-value con α=0,10
Lezione 062
01. Data una popolazione Normale con varianza σ2=0,9 e media ignota di estraggono due campioni con medie rispettivamente pari a 3,9 e 2,9 e n1=28 e n2=22 un
valore della z(critica)=2,576 quale è il valore della statistica test?Si accetta o si rifiuta l'ipotesi nulla?
z(empirica)=6,489 - si rifiuta l'ipotesi nulla
z(empirica)=3,489 - si accetta l'ipotesi nulla
02. Da due popolazioni normali si estraggono due campioni e si studia la differenza fra le due medie campionarie x1 e x2 con varianze note σ12 e σ22 e si vuole
individuare: a) la notazione per la regione di rifiuto; b) la notazione per il calcolo della zempirica ; c) il sistema di ipotesi per un test bilatero
Lezione 063
01. Dati i valori di p1=0,95 e p2=0,85 e n1=28 e n2=32 quale è il valore della statistica test per la differenza fra le due proporzioni?
2,578
3,218
1,528
1,327
02. Da due popolazioni normali si estraggono due campioni e si studia la differenza fra le due proporzioni campionarie p1 e p2 con n1 e n2 si vuole individuare: a)
la notazione per la regione di rifiuto; b) la notazione per il calcolo della z empirica ; c) il sistema di ipotesi per un test unilatero dx
Lezione 064
01. Dato il valore della varianza della popolazione σ2 =32,5 e quello della varianza campionaria s2= 29,7 con n=31 gradi di libertà quale è il valore della statistica
test? Da quale v.c. è modellata la varianza e come di distribuisce?
27,295 - si distribuisce secondo una normale con 30 g.d.l. (gradi di libertà)
27,415 - si distribuisce secondo una chi-quadrato con (n-1)=(31-1)=30 g.d.l. (gradi di libertà)
27,295 - si distribuisce secondo una chi-quadrato con 20 g.d.l. (gradi di libertà)
27,975 - si distribuisce secondo una chi-quadrato con 30 g.d.l. (gradi di libertà)
02. Con quale notazione si rappresenta la statistica-test per la varianza di una popolazione normale?
(n-1)*Z2/σ2
(n-1)*S2/σ
(n-1)*S/σ
(n-1)*S2/σ2
03. Dato un campione n=21 con varianza pari a 14,55 e varianza stimata pari a 15,88 si scelga la regola di decisione in questi casi: a) per un test a 95% (Chi
critica alfa=10,85; Chi critica 1-alfa=31,41); b) per un test al 99% (Chi critica alfa=8,26; Chi critica 1-alfa=37,57); c) per un test al 90% (Chi critica alfa=12,44;
Chi critica 1-alfa=28,41)
04. Data una popolazioni normale da cui si estrae un campione con una determinata varianza si vuole individuare: a) la notazione per la regione di rifiuto; b) la
notazione per il calcolo della chi-quadrato empirica; c) il sistema di ipotesi per un test bilatero
05. Data una popolazioni normale da cui si estrae un campione con una determinata varianza quali linee di codice di R si implementano per il calcolo: a) del
chi-quadrato empirico; b) del quantile critico per α=0,05; c) del p-value della chi-quadrato empirica.
Lezione 065
01. Come di distribuisce la statistica-test per il rapporto tra la varianza tra due popolazioni?
secondo una Normale con n1 gdl e n2 gdl
secondo una Chi-quadrato con n1 gdl
secondo una F di Fisher con n1 gdl al numeratore e n2 gdl al denominatore
secondo una t di Student con n1 gdl e n2 gdl
02. Dati il valore di σ21=8100 e

un valore σ22 =6900 con n1=25 e n2 =23 quale è il valore della statistica test? Come si distribuisce?
1,121 - si distribuisce secondo una F di Fisher
1,121 - si distribuisce secondo una F di Fisher con (n1 -1)=24 g.d.l al numeratore e (n2 -1)=22 g.d.l al denominatore
1,121 - si distribuisce secondo una t di Student con (n1 -1)=24 g.d.l al numeratore e (n2 -1)=22 g.d.l al denominatore
1,711 - si distribuisce secondo una F di Fisher con (n1 -1)=24 g.d.l al numeratore e (n2 -1)=22 g.d.l al denominatore
03. Dato n1=29 e n2=21, con varianza campionaria corretta 1 pari a 5,71 e con varianza campionaria corretta 2 pari a 13,44 e con F1critica pari a 0,312 e F2critica
pari a 3,638 si vuole individuare: a) la notazione della F empirica; b) la notazione per la regione di rifiuto; c) il sistema di ipotesi per un test bilatero
Lezione 066
01. Dato un valore della covarianza(XY) pari a +5 ed un valore del coefficiente angolare pari a 0,25 la varianza(X) è pari a?
15
10
25
20
02. L’ipotesi di omoschedasticità degli errori del modello di regressione lineare semplice significa?
errori con varianza variabile
errori con media costante
errori con varianza variabile
errori con moda costante
03. Con quale formula si calcola il coefficiente angolare con il MMQ?
rapporto fra la covarianza XY e la varianza di X
rapporto fra il coefficiente di variazione e la varianza di X
rapporto fra la codevianza XY e la varianza di X
somma fra la covarianza XY e la varianza di X
04. L’ipotesi di normalità degli errori del modello di regressione lineare semplice significa?
che gli errori si distribuiscono secondo una Normale εi ~ N(μ,σ2)
che gli errori si distribuiscono secondo una t di Student εi ~ t(μ,σ2)
che gli errori si distribuiscono secondo una F di Fisher εi ~ F(μ,σ2)
che gli errori si distribuiscono secondo una Chi-quadrato εi ~ X2 (μ,σ2)
05. Dati i valori di x(23,24,28,35) e i valori di y(9,7,6,3) con quale linea di codice di R si descrive il grafico a dispersione con sovrapposta la retta stimata?
x<-(23,24,28,35);y<-(9,7,6,3);modello<-lm(y∼x);plot(x,y);abline(modello)
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y x);plot(x,y);abline(modello)
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y∼x);plot(x,y);abline(modello)
x c(23,24,28,35);y c(9,7,6,3);modello<-lm(y∼x);plot(x,y);abline(modello)
06. Dati i valori di x(23,24,28,35) e i valori di y(9,7,6,3) quali linee di codice di R si utilizzano per calcolare l'output del modello di regressione lineare semplice?
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y∼x);modello
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y∼x)
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y∼x); summary(modello)
x<-c(23,24,28,35);y<-c(9,7,6,3);modello<-lm(y∼x); summary
07. Con quale formula si calcola l'intercetta con il MMQ?
mediana delle Y meno il prodotto del coefficiente angolare per la media delle X
media delle Y meno la somma del coefficiente angolare per la media delle X
media delle Y meno il prodotto del coefficiente angolare per la media delle X
media delle X meno il prodotto del coefficiente angolare per la media delle Y
08. Quando il modello lineare non spiega la relazione tra le due variabili x ed y che cosa significa?
non esiste una relazione lineare ma può esistere una relazione circolare
esiste una relazione lineare ma non è detto che ne possa esistere una non lineare
non esiste una relazione lineare
non esiste una relazione lineare ma non è detto che ne possa esistere una non lineare
09. Data la retta di regressione stimata paria a y=12+0,75*x quale é il valore della variabile risposta per un valore di x uguale a 3?
22,25
14,25
17,25
16,25
10. Date le seguenti coppie di valori y (1,2,3) e x(12,11,10): calcolare: a) il coefficiente angolare; b) l’intercetta; c) il valore di y(stimato) per un valore di x=9
11. Dati i seguenti valori dell’intercetta e del coefficiente angolare pari rispettivamente a 2,4 e 0,58 e dei rispettivi ESQM pari a 1,1 e 0,45: a)calcolare la statistica
t di Student per l’intercetta; b) calcolare la statistica t di Student per il coefficiente angolare; c) spiegare il significato di a)
12. Data l’equazione della retta stimata y(stim)=12,5 + 0,76*x calcolare quale valore stimato si ottiene per la variabile dipendente y fissati i seguenti valori di x:
a) 13,8; b) 12,4; c) 16,1
13. Dato un Modello di Regressione lineare semplice quali sono le formule per calcolare: a) il coefficiente angolare; b) l’intercetta; c) la devianza spiegata e
residua
14. Dato il valore del coefficiente di correlazione pari a 0,93 e la cov(XY) pari a -1,24 calcolare: a) il coefficiente di determinazione; b) il prodotto delle deviazioni
standard della X e della Y; c) spiegare il significato del segno della covarianza
15. Dato un Modello di Regressione lineare semplice con 7 osservazioni quali gradi di libertà si assegnano: a) alla regressione; b) alla devianza residua; c) alla
devianza spiegata e totale
16. Dati i valori della media dei quadrati della devianza spiegata e della devianza residua e 8 osservazioni calcolare il test F di Fisher: a) per valori pari
rispettivamente a 63692,07 e 2118,636; b) per valori pari rispettivamente a 73692,07 e 2218,636; c) per valori pari rispettivamente a 83692,07 e 3118,636; stabilire
quale dei tre modelli si adatta meglio ai dati.
17. Dato un Modello di Regressione lineare semplice con le seguenti coppie di valori rispettivamente della y e della x (0-4;250-10;255-11;365-14;485-18;592-25)
con quali script di R si calcolano: a) i coefficienti di regressione; b) l’output della regressione; c) le devianze spiegata, residua e totale.
Lezione 067
01. Come può essere scomposta la devianza totale e come si calcola il coefficiente di determinazione R2?
DT=DS-DR; RXY2=1-DS/DT
DT=DS+DR; RXY2=1-DR/DT
DR=DS-DT; RXY2=1-DT/DS
DS=DT+DR; RXY2=1-DR/DT
02. Quando il coefficiente angolare b(stimato) si definisce stimatore corretto o non distorto?
Quando il suo valore atteso non converge con il valore del parametro della popolazione
Quando il suo valore atteso è uguale alla dev std campionaria
Quando il suo valore atteso converge con il valore del parametro della popolazione
Quando il suo valore atteso è uguale alla varianza campionaria
03. Quale quantità dà la misura di efficienza degli stimatori dei parametri di un Modello di regressione lineare semplice?
la mediana della popolazione
la media campionaria
la deviazione standard della popolazione
l'errore standard quadratico medio (ESQM)
04. Dato un valore del coefficiente di correlazione di Bravais-Pearson pari a 0,91 quale è il valore del coefficiente di determinazione?
0,5281
0,8281
0,7281
0,6281
05. Dato un valore del coefficiente di correlazione di Bravais-Pearson pari a 0,93 un valore delle deviazioni standard di x e y rispettivamente pari a 2 e 3 quale è il
valore della covarianza?
5,58
5,88
5,78
5,98
06. Con quale linea di codice di R si calcolano i regressori di un Modello OLS?
modello<-lm(y x);modello
modello lm(y∼x);modello
modello<-lm(y∼x);modello
modello<-(y∼x);modello
07. Con quale linea di codice di R si implementa l'output della regressione di R?
modello<-lm(y∼x);(modello)
modello<-lm(y∼x); summary(modello)
modello<-lm(y x); summary(modello)
modello<-(y∼x); summary(modello)
08. Cosa sta a significare l'ipotesi di omoschedasticità/eteroschedasticità descritta in un Modello di regressione lineare semplice?
media degli errori costante/non costante
mediana degli errori costante/non costante
varianza degli errori costante/non costante
varianza degli errori non costante/ costante
09. Dati i valori di x(1,2,3,4,5) e quelli dell'intercetta pari a 14,5 e del coefficiente angolare pari a 0,45 quali linee di codice di R si utilizzano per calcolare i valori
della variabile dipendente stimata y(stim)
x<-c(1,2,3,4,5) ; ystim<-14.5+0.45-x; ystim
x<-c(1,2,3,4,5) ; ystim<-14.5+0.45+x; ystim
x<-c(1,2,3,4,5) ; ystim<-14.5+0.45/x; ystim
x<-c(1,2,3,4,5) ; ystim<-14.5+0.45*x; ystim
10. Dati i valori di x(1,2,3,4,5) e quelli di y(22,18,16,15,11) con quale linea di codice di R si descrive il grafico a dispersione x,y di un modello OLS?
x<-(1,2,3,4,5);y<-(22,18,16,15,11); plot(x,y)
x<-(1,2,3,4,5);y<-(22,18,16,15,11); plot(x,y)
x<-(1,2,3,4,5);y<-(22,18,16,15,11); (x,y)
x<-c(1,2,3,4,5);y<-(22,18,16,15,11); plot(x,y)
11. Dato un Modello di Regressione lineare semplice quali sono le formule per calcolare:a) la devianza totale; b) R2; c) R2 aggiustato e test F
12. Dato il valore del coefficiente di determinazione pari a 0,97 e la devianza residua pari a 12,7 calcolare: a) la devianza totale; b) la devianza spiegata; c) il
coefficiente di correlazione
con quali script di R si calcola, a) la devianza spiegata; b) la devianza residua; c) la devianza totale e il coefficiente di determinazione
Lezione 068
01. Quando si dicono corretti o non distorti gli stimatori dei regressori in un MRLS?
quando il loro valore atteso converge al valore del parametro ignoto della popolazione
quando il loro valore atteso converge al valore del parametro noto della popolazione
quando il loro valore atteso converge alla varianza del parametro ignoto della popolazione
quando il loro valore atteso non converge al valore del parametro ignoto della popolazione
02. Quando si dicono più efficienti gli stimatori dei regressori del MRLS?
quanto più basso è il valore della media
quanto più diversi sono i valori dei relativi errori standard quadratici medi (ESQM)
quanto più alti sono i valori dei relativi errori standard quadratici medi (ESQM)
quanto più bassi sono i valori dei relativi errori standard quadratici medi (ESQM)
03. Quando si dicono consistenti gli stimatori dei regressori del MRLS?
quando il loro valore tende a quello del parametro ignoto della popolazione
quando al tendere all'infinito della numerosità campionaria il loro valore tende a quello del parametro ignoto della popolazione
quando al tendere all'infinito della numerosità campionaria il loro valore è maggiore di quello del parametro ignoto della popolazione
quando al tendere all'infinito della numerosità campionaria il loro valore diverge da quello del parametro ignoto della popolazione
04. Descrivere sinteticamente il significato delle ipotesi base cui sottostà il Modello di Regressione lineare semplice: a) linearità sui regressori; b) normalità dei
residui; c) valore atteso dei residui nullo
05. Dato un Modello di Regressione lineare semplice spiegare molto sinteticamente il significato di: a) residui e relative rappresentazioni grafiche; b) valori
anomali; c) bontà del modello
Lezione 069
01. Quale test si usa per la verifica di ipotesi per il coefficiente angolare con H0: b=0 vs H1: b ≠ 0?
test sulla varianza
test bilatero
test unilatero sx
test unilatero dx
02. Dati i valori di x(1,2,3,4,5) e quelli di y(22,18,16,15,11) quali linee di codice di R si utilizzano per calcolare gli estremi dello stimatore intervallare con α=0,01
con valori arrotondati?
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(x);res; round(confint(object=res,parm=c(1,2), level=0.99),digits=5)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(y∼x);res; round(confint(object=res,parm=c(1,2), level=0.99),digits=5)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(y∼x);res; round(confint(parm=c(1,2), level=0.99),digits=5)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(y);res; round(confint(object=res,parm=c(1,2), level=0.99),digits=5)
03. Dato il valore di n=11 e quello della devianza residua DR=123 con quale linea di codice di R si calcola l'errore standard quadratico medio della regressione?
esqm_regr<-sqrt((11-2)*123);esqm_regr
esqm_regr<-sqrt(1/(11-2)*123);esqm_regr
esqm_regr<-sqrt(1/(11-2));esqm_regr
esqm_regr<-(1/(11-2)*123);esqm_regr
04. Dato il valore di n=11, quello dell'errore standard medio della regressione esqm_regr=0,13, quello della devianza pari a 140 e quello della sommatoria dei
valori medi della x al quadrato (∑(x/n)2 = 98 con quale linea di codice di R si calcola l'errore standard quadratico medio dell'intercetta?
esqm_int<-(0.13)-sqrt((1/11+(98/140));esqm_int
esqm_int<-(0.13)*sqrt((1/11+(98/140)));esqm_int
esqm_int<-(0.13)*sqrt((1/11-(98/140));esqm_int
esqm_int<-(0.13)+((1/11+(98/140));esqm_int
05. Quali sono gli estremi dello stimatore intervallare: a) per il coefficiente angolare stimato; b) per l'intercetta stimata; c) spiegare il significato dei punti a) e b)
06. Dato il valore dell’intercetta stimata pari a 12,5, un valore della t di Student critica con n-2 gradi di libertà pari a 2,571 ed un valore del relativo error std par
a 34,67; dato il valore del coefficiente angolare stimato pari a 61,4, un valore della t di Student critica con n-2 gradi di libertà pari a 2,571 ed un valore del relativo
error std pari a 13,45 calcolare: a) lo stimatore intervallare per l’intercetta; b) lo stimatore intervallare per il coefficiente angolare; c) accettare o rifiutare l'ipotesi
nulla H0=0 per l’intercetta e per il coefficiente angolare
07. Quali sistemi di ipotesi si impostano per: a) per un test bilatero per l’intercetta; b) per un test unilatero dx per l’intercetta; c) per un test unilatero sx per
l’intercetta e per il coefficiente angolare
con quali script di R si calcolano: a) l’ESQM della regressione; b) l’ESQM dell’intercetta; c) l’ESQM del coefficiente angolare
09. Dato un Modello di Regressione lineare semplice quale sono le formule per calcolare: a) lo stimatore intervallare per l’intercetta; b) lo stimatore intervallare
per il coefficiente angolare; c) spiegare il significato dei punti a) e b)
10. Dato un Modello di Regressione lineare semplice con i valori della a(stimata) e b(stimato) con quali script di R si calcolano: a) la t empirica dell’intercetta; b)
lo stimatore intervallare per l’intercetta e per il coefficiente angolare con α=0,01; c) la t empirica del coefficiente angolare
11. Quali sono le notazioni con cui si esprimono le statistica-test t di Student: a) per il coefficiente angolare stimato; b) per l'intercetta stimata; c) spiegare il
significato dei punti a) e b)
12. Dato un Modello di Regressione lineare semplice quale sono le formule per calcolare: a) l’errore standard quadratico medio (ESQM) per la regressione; b)
l’errore standard quadratico medio (ESQM) per l’intercetta; c) l’errore standard quadratico medio (ESQM) per il coefficiente angolare
Lezione 070
01. Come si imposta il sistema di ipotesi per il coefficiente angolare stimato per un test bilatero?
H1:b(stim)=0 vs H0:b(stim)≠0
H0:b(stim)=0 vs H1:b(stim) < 0
H0:b(stim)=0 vs H1:b(stim) > 0
H0:b(stim)=0 vs H1:b(stim) ≠0
02. Come si imposta il sistema di ipotesi per l'intercetta stimata per un test unilatero sx?
H1:a(stim)=0 vs H0:a(stim)> 0
H0:a(stim)=0 vs H1:a(stim) > 0
H0:a(stim)=0 vs H1:a(stim) < 0
H0:a(stim)=0 vs H1:a(stim) ≠ 0
03. Dato il p-value del coefficiente angolare pari a 0,012 e un alfa mezzi pari a 0,025 si accetta o si rifiuta l'ipotesi nulla H0?
si rifiuta H0 e si accetta H1
si accetta H0 e H1
si accetta H0 e si rifiuta H1 e
si rifiuta H1
04. Quali sono le notazione con cui si esprimono: a) il sistema di ipotesi per l’intercetta riferito ad un test bilatero; b) il sistema di ipotesi per l’intercetta riferito
ad un test unilatero destro; c) il sistema di ipotesi per l’intercetta riferito ad un test unilatero sinistro
05. In un Modello di regressione lineare semplice si è trovato un valore del coefficiente di regressione a(stim) pari a 11,432 ed un error standard pari a 2,89 e si
vuole scegliere la regola di decisione in questi casi: a) per un test unilatero dx (Z critica=2,576); b) per un test unilatero sx (Z critica=-2,576 ; c) per un test bilatero
(Z critica=1,96)
06. In un Modello di regressione lineare semplice si è trovato un valore del coefficiente di regressione b(stim) pari a 1,48 ed un error standard pari a 0,89 e si
vuole sceglier la regola di decisione in questi casi: a) per un test unilatero dx (Z critica=2,576); b) per un test unilatero sx (Z critica=-2,576 ; c) per un test bilatero
(Z critica=1,96)
07. Quali sono le notazioni con cui si calcolano: a) la zempirica per il coefficiente angolare con varianza nota e come si distribuisce; b) la zempirica per l’intercetta
con varianza nota e come si distribuisce; c) la zempirica per il coefficiente angolare con varianza ignota e come si distribuisce
Lezione 071
01. Dati i valori della x(1,2,3,4,5) e della y(22,18,16,15,11) quali linee di codice di R si utilizzano per calcolare l'ANOVA del modello titolato “res”
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(x); anova(res)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-(y∼x); anova(res)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(y∼x); anova(res)
x<-c(1,2,3,4,5); y<- c(22,18,16,15,11); res<-lm(y∼x); anova
02. Nell'ANOVA il test F è dato da quale notazione?
F=MDT/MDR dove MDS e MDR sono la devianza spiegata e residua rapportate ai corrispondenti gradi di libertà
F=MDS/MDR dove MDS e MDR sono la devianza spiegata e residua rapportate ai corrispondenti gradi di libertà
F=MDR/MDS dove MDS e MDR sono la devianza spiegata e residua rapportate ai corrispondenti gradi di libertà
F=MDS/MDT dove MDS e MDR sono la devianza spiegata e residua rapportate ai corrispondenti gradi di libertà
03. Quale è la notazione che esprime la scomposizione della devianza propedeutica al calcolo dell’ANOVA?
(DT)/n=(DS)/n+(DR)/n dove DT è la devianza totale; DS è la devianza spiegata e DR è la devianza residua ed n è il numero di osservazioni; (DT)/n è la varianza totale;
(DS)/n è la varianza spiegata e (DR)/n è la varianza residua
(DT)/n=(DR)/n dove DT è la devianza totale; DR è la devianza residua ed n è il numero di osservazioni; (DT)/n è la varianza totale; (DS)/n è la varianza spiegata e (DR)/n
è la varianza residua
(DT)/n=(DS)/n-(DR)/n dove DT è la devianza totale; DS è la devianza spiegata e DR è la devianza residua ed n è il numero di osservazioni; (DT)/n è la varianza totale;
(DS)/n è la varianza spiegata e (DR)/n è la varianza residua
(DT)/n=(DS)/n dove DT è la devianza totale; DS è la devianza spiegata ed n è il numero di osservazioni; (DT)/n è la varianza totale; (DS)/n è la varianza spiegata e (DR)/n
è la varianza residua
04. Quanti sono i gradi di libertà: a) per la varianza totale; b) per la varianza spiegata; c) per la varianza residua
05. Nell’analisi della varianza spiegare il significato: a) della devianza spiegata; b) della devianza residua; c) dei relativi gradi di libertà e del test F
06. Quali sono le notazioni con cui si esprimono: a) la varianza totale rapportata ai relativi gradi di libertà; b) la varianza spiegata rapportata ai relativi gradi di
libertà; c) la varianza residua rapportata ai relativi gradi di libertà
Lezione 072
01. Se nell’analisi del modello di regressione lineare semplice non risulta emergere una relazione lineare tra la X e la Y si può affermare in assoluto che non vi sia
una qualsivoglia relazione?
no, perché potrebbe non esistere una relazione non lineare
no, perché potrebbe esistere una relazione non lineare
no
si, perché potrebbe esistere una relazione non lineare
02. Dato un valore della y stimata pari a 12, un valore atteso pari a 10 ed un valore di ESQM pari a 0,95 quale è il valore dell t empirica?
0,1
4,1
3,1
2,1
03. Quale è la notazione con cui si esprime la tempirica per il valore atteso della variabile dipendente Y e come si distribuisce?
tempirica =Yi (stim)-E[Yi (stim)]/s(Yistim); come una t di Student con n-1 gradi di libertà
tempirica =E[Yi (stim)|xi]/s(Yistim); come una t di Student con n gradi di libertà
tempirica =Yi (stim)-E[Yi (stim)|xi]; come una t di Student con n-3 gradi di libertà
tempirica =Yi (stim)-E[Yi (stim)|xi]/s(Yistim); come una t di Student con n-2 gradi di libertà
04. Quale è la notazione con cui si esprime l’errore di previsione?
Yi (stim)±tα/2*s
Yi (stim)±tα/2*[Yi (stim)]
Yi (stim)±t*s[Yi (stim)]
Yi (stim)±tα/2*s[Yi (stim)]
05. Dato un Modello di Regressione lineare semplice quale sono le formule per calcolare: a) lo stimatore intervallare per la variabile dipendente media; b) lo
stimatore intervallare per la previsione; c) spiegare il significato del punto a)
Powered by TCPDF (www.tcpdf.org)

SD ECOM18 2924a 01

Caricato da

Informazioni sul documento

Descrizione:

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Descrizione:

Copyright:

SD ECOM18 2924a 01

Titolo originale:

Caricato da

Descrizione:

Copyright:

Set Domande

Generato il 09/09/2020 16:23:25

Lezione 037 ........................................................................................................................... p. 65

qt; help(qt); help.start ()

help(qt); help.start (); help.search ()

help.start (); help.search ()

qt; help(qt); help.start (); help.search ()

prova <- read.csv2("c:/mydat/prova.csv", header=TRUE)

prova <- read.csv2("c:/mydat/prova.csv")

prova read.csv2("c:/mydat/prova.csv", header=TRUE)

prova <- read.csv2(c:/mydat/prova.csv, header=TRUE)

prova <- scan("/mydat/prova.txt")

prova <- scan("c:/mydat/prova")

prova <- scan("c:/mydat/prova.txt")

pbind (a, b); rbind (a, b)

cbind (a, b); rbind (a, b)

cbind (a, b); qbind (a, b)

cbind (a, b); dbind (a, b)

12. Dato un file Excel quali linee di codice di R si utilizzano per:

02. Che cosa s'intende per nomenclatura statistica?

03. Come può essere la misura di un carattere qualitativo?

04. Quali sono i compiti dell'EUROSTAT?

rilevare i dati dei singoli paesi membri

rilevare i dati della Germania

rilevare i dati della Francia

05. Che tipo di carattere è il sesso?

qualitativo sconnesso nominale

06. Che differenza esiste fra serie e seriazione?

la serie è una distribuzione di frequenza per caratteri qualitativi

la serie è un insieme di caratteri qualitativi; la seriazione di caratteri quantitativi

la serie è una distribuzione di frequenza; la seriazione per caratteri quantitativi

07. Come può essere la scala di misurazione di un carattere quantitativo?

09. Come può essere la scala di misurazione di un carattere qualitativo?

t-1It = 0It / 0It-1

t-1It = 0It / 0It

t-1It = 1It / 0It-1

t-1It = 1It / 1It-1

0It =0I1 * 1I0* ..................*t-1I1

0It =0I1 * 1I2* ..................*tIt-1

0It =0I1 * 0I2* ..................*0It

0It =0I1 * 1I2* ..................*t-1It

2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])

p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])

p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); (p_2015[-1],p_2015[-12])

p_2015 <- (3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12])

p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); function(P, Base) P/Base

p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base

p_2015 <- (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base

p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base)

07. Con quale formula si calcola un numero indice a base fissa?

I numeri indice a base mobile sono?

2015(107,64); 2016(100,11); 2017(101,32);2018(103,64)

2015(105,64); 2016(100,11); 2017(101,32);2018(103,64)

2015(100,64); 2016(100,11); 2017(101,32);2018(103,64)

2015(99,36); 2016(99,89); 2017(98,69)

I numeri indice a base fissa sono?

2015(102,00); 2016(103,17); 2017(105,86) 2018(111,37)

2015(100,00); 2016(103,97); 2017(105,86) 2018(111,37)

2015(105,00); 2016(103,17); 2017(101,86) 2018(91,37)

2015(101,00); 2016(103,17); 2017(104,86) 2018(110,37)

h <- hist(x,Classi,plot = FALSE)

h$counts <- FreqRel plot(ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'")