1.

Se il valore medio di un carattere è 8 e la sua varianza è 16, il coef ciente di variazione

vale:
A. 1
B. 1/2
C. 2
D. 0

Sd= radice quadrata di var(X) = radice quadrata di 16 = 4

Coef ciente di variazione = 4/X = 4/8= 1/2

2. Sia x una variabile quantitativa. La varianza V(2X-3) è

A. 2V(X)+3
B. 4V(X)
C. 0
D. 2V(X)-3

2^2(X) = 4V(X)

3. Sia X una variabile quantitativa con M(X)=1, allora

A. Nessuna tra quelle citate
B. M(X^2)=1
C. La mediana è necessariamente nulla
D. M(4X+1)=5

4. Nel modello di regressione lineare semplice, utilizzando il metodo dei minimi quadrati
A. Il coef ciente angolare della retta di regressione è adimensionale
B. La media dei quadrati dei residui è sempre nulla
C. Nessuna tra queste citate
D. L’ordinata all’origine è espressa nella stessa unità di misura della variabile dipendente

5. Se la covarianza tra due variabili quantitative è nulla

A. Nessuna di quelle citate
B. Le varianze delle due variabili sono uguali fra loro
C. La varianza di ciascuna delle due variabili è nulla
D. Le medie di entrambe sono uguali fra loro

6. Se il coef ciente di correlazione lineare tra due variabili è nullo

A. Nessuna di quelle citate
B. Covarianza nulla
fi
fi
fi
fi
 C. Le variabili sono indipendenti
D. Le medie di entrambe le variabili sono nulle

7. Sia X una variabile quantitativa con M(X)=0, allora

A. V(X)=0
B. V(X)=M(X^2)
C. Nessuna tra quelle citate
D. La mediana è necessariamente positiva

8. Se una variabile quantitativa X ha varianza nulla, allora

A. Il range potrebbe comunque essere positivo
B. V(5X-2)=0
C. Nessuna tra quelle citate
D. La media è nulla

9. Il valore massimo assunto dall’indice chi-quadrato in una tabella doppia

A. È crescente all’aumentare della numerosità campionaria
B. Non dipende dalle dimensioni della tabella
C. Nessuna tra quelle citate
D. Dipende dalle modalità dei due caratteri

Dipende dalle dimensioni della tabella e dalla numerosità campionaria

10. La media aritmetica

A. È un valore certamente osservato nei dati
B. È un indice di posizione per variabili qualitative ordinabili
C. È sempre compresa tra il minimo e il massimo osservati
D. Nessuna tra quelle citate

11. La tabella seguente riporta la distribuzione di un campione di 100 residenti di una città,
classi cati secondo l’età e l’atteggiamento nei confronti della proposta di chiudere al
traf co alcune vie del centro
Atteggiamento

Età Contrario Incerto Favorevole

16 -I 30 0,9 0 ?

30 -I 70 0,4 0,5 ?

70 -I 80 0,1 0,6 ?

Sapendo che 30 dei residenti in questione sono giovani (16-|30) e 40 ultrasettantenni,

valutare l’associazione osservata tra le variabili con un indice opportuno
A. 0,24
B. 0,49
C. 0,65
fi
fi
D. 0,71

Calcoli:
Atteggiamento

Età Contrario Incerto Favorevole

16 -I 30 27 0 3 30

30 -I 70 12 15 3 30

70 -I 80 4 24 12 40

43 39 18 100

Atteggiamento

Età Contrario Incerto Favorevole

16 -I 30 12,9 11,7 5,4 30

30 -I 70 12,9 11,7 5,4 30

70 -I 80 17,2 15,6 7,2 40

43 39 18 100

(27-12,9)^2/12,9 + … + (12-7,2)^2/7,2 = 48,09183065

V(rdq 48,09183065/min (3-1; 3-1)) = 0,49

12. Se lo scarto interquartile è nullo, allora

A. La mediana coincide con il primo e il terzo quartile
B. Nessuna tra quelle citate
C. La varianza è nulla
D. Il range è nullo

13. In un collettivo si osservano i seguenti valori: ∑5i=1 xi^2= 100 e ∑5i=1 xi=10. La
varianza del carattere X sarà pari a:
A. Non ho informazioni suf cienti per calcolarla
B. V(X)=80
C. Non è possibile calcolarla perchè i dati sono sbagliati
D. V(X)=16

14. Si considerino le distribuzioni per numero di gli delle famiglie residenti in una data
provincia
Numero di gli Famiglie
0 50
1 60
2 100
3 o più 40
fi
fi
fi
 Calcoli:
50/250 = 0,20 0,2
60/250 = 0,24 0,44
100/250= 0,40 0,84
40/250 = 0,16 1

Calcolare il quartile di livello 80%

A. 1,5
B. 2
C. 2,5
D. 3 o più

15. Il coef ciente di correlazione lineare

A. Nessuna tra quelle citate
B. Ha unità di misura coincidente col prodotto delle unità di misura dei due caratteri
C. Varia tra -1 ed 1
D. È nullo in caso di perfetta dipendenza lineare

16. Si considerino le distribuzioni per classi di consumo di energia elettrica in kWh annui di
alcune famiglie del Nord e Sud Italia

Classe di consumo Sud Nord

1500 |- 2500 17 5
2500 |- 4000 18 10
4000 |- 6000 19 12

Calcoli:
2000 0,31 0,18
3250 0,33 0,37
5000 0,36 0,44

Media Sud = 3492,50

Media Nord = 3762,50

È più elevato il consumo medio al Nord o al Sud?

A. Il consumo medio del Nord
B. Il consumo medio del Sud
C. Non ho dati suf cienti per stabilirlo
D. Nord e Sud hanno mediamente lo stesso consumo

17. La spezzata di retta

A. Rappresenta la distribuzione di frequenze relative di una variabile quantitativa discreta
B. Si utilizza per variabili sconnesse
C. Si utilizza per variabili qualitative
fi
fi
 D. Rappresenta la distribuzione di frequenze relative cumulate di un fenomeno quantitativo
diviso in classi

18. Per valutare le ricadute di una campagna pubblicitaria, un manager vuole veri care
l’esistenza di una relazione tra numero giornaliero di passaggi pubblicitari e vendite
effettuate. I dati relativi a un campione casuale di 10 giorni sono i seguenti

Vendite 4800 5700 4600 5900 5000 4100 5400 5400 3800 6300
(euro)

Passag 3 5 2 4 2 1 3 4 1 5
gi
pubblici
tari

Calcolare il coef ciente di correlazione lineare

A. 0,3
B. -0,93
C. -0,3
D. 0,93

M(y) = (4800 + … + 6300)/10 = 5.100

M^2 (y) = (4800^2 + … + 6300^2)/10 = 26.576.000
V(y) = 26.576.000 - 5.100^2 = 566.000
M(x) = (3 + … + 5)/10 = 3
M^2(x) = (3^2 + … + 5^2)/10 = 11
V(x) = 11 - 3^2 = 2
M(xy) = (4800x3 + … + 6300 x 5)/10 = 16.290
COV(x, y) = 16.290 - (5100 x 3) = 990
Coef ciente = 990/rdq di 566.000x2 = 0,93

19. Il metodo dei minimi quadrati fornisce le stime dei parametri del modello di regressione
lineare in modo da minimizzare
A. La somma delle varianze delle due variabili
B. La varianza della variabile indipendente
C. La somma dei quadrati dei residui
D. La somma dei quadrati dei valori della variabile dipendente

20. La varianza
A. È un operatore lineare
B. Non risente della presenza di eventuali valori anomali
C. È invariante rispetto al cambiamento di unità di misura delle osservazioni
D. È la media degli scarti al quadrato tra le osservazioni e la media aritmetica
fi
fi
fi
 21. Si consideri la distribuzione di frequenze relative per classi di reddito (migliaia di euro)
della popolazione residente in una data provincia

Classi di reddito fj
0 -| 10 0,2
10 -| 20 0,5
20 -| 40 0,3

Calcolare la deviazione standard

A. 9,01
B. 7,2
C. 5,2
D. 15

5 2
15 5
30 3

M(x) = (2x5 + … + 30x3)/10 = 17,5

M^2(x) = (2x5^2 + … + 30x3^2)/10 = 387,5
V(x) = 387,5 - 17,5^2 = 81,25
SD = rdq 81,25 = 9,01

22. La moda
A. Talvolta viene calcolata per interpolazione lineare
B. È un indice di dispersione
C. Nell’istogramma coincide con la classe con densità di frequenza maggiore
D. Può essere calcolata solo in caso di variabili ordinabili

23. Il coef ciente di correlazione lineare

A. Nessuna tra quelle citate
B. Varia tra 0 e 1
C. È un indicatore adimensionale
D. È uguale a -1 in caso di indipendenza lineare

Varia tra -1 e 1; è uguale a -1 in caso di perfetta dipendenza lineare;

Il coef ciente di correlazione lineare è un indicatore relativo, ossia che prescinde dall’unità
di misura —> adimensionale

24. Tabella è riportata la distribuzione di un campione causale di 100 componenti secondo la

durata di vita (in mesi) e lo stato di produzione
Durata

Stato 0 -| 6 6 -| 18 18 -| 38

A 0 0,02 0,04
fi
fi
 B 0,12 0,36 0,12

C 0,22 0,12 0

Valutare l’associazione tra le variabili attraverso un indice opportuno

A. 0,16
B. 0,88
C. 0,91
D. 0,41

Calcoli:
Durata

Stato 0 -| 6 6 -| 18 18 -| 38

A 0 0,02 0,04 0,06

B 0,12 0,36 0,12 0,60

C 0,22 0,12 0 0,34

TOT 0,34 0,50 0,16 1

Durata

Stato 0 -| 6 6 -| 18 18 -| 38

A 0,0204 0,03 0,0096 0,06

B 0,204 0,3 0,096 0,60

C 0,1156 0,17 0,0544 0,34

TOT 0,34 0,50 0,16 1

(0-0,0204)^2/0,0204 + … + (0-0,0544)^2/0,0544 = 0,33597924

V= rdq 0,33597924/1 x 2 = 0,41

25. Si considerino le distribuzioni per classi di consumo di energia elettrica in kWh annui di
alcune famiglie del Nord e Sud Italia

Classe di consumo Sud Nord

1500 |- 2500 18 5
2500 |- 4000 18 10
4000 |- 6000 19 12

Tra le famiglie del Sud, calcolare il quantile di livello 30%

A. 2416,6
B. 4006,2
C. 1580,1
D. 2901

18 0,33 0,33 1000 0,00033

18 0,33 0,66 1500 0,00022
19 0,34 1 2000 0,00017
55 tot 1

27. Si consideri la distribuzione di frequenze assolute delle famiglie residenti in una data
provincia per numero di gli

Numero di gli ni
0 300
1 500
2 200

Qual’è la deviazione standard?

A. 0,7
B. 2
C. 1
D. 0,49

M(x)= (300x0 + … + 2x200)/1000 = 0,90

M^2(x) = (300x0^2 + … + 200x2^2)/1000 = 1,3
V(x) = 1,3 - 0,9^2 = 0,49
SD = rdq 0,49 = 0,70

28. Nel modello di regressione lineare semplice, il coef ciente di determinazione lineare
R^2
A. Nessuna tra quelle citate
B. Viene stimato attraverso il metodo dei minimi quadrati
C. Misura la bontà di adattamento del modello ai dati
D. È espresso nella stessa unità di misura delle osservazioni

29. Se il range è nullo, allora

A. La media è nulla
B. La varianza è nulla
C. Lo scarto interquartile potrebbe comunque essere positivo
D. Nessuna tra quelle citate

30. Se alle modalità osservate 1, 2 e 3 corrispondono le frequenze assolute 4, 5 e 6 allora il

campione consiste di
A. 21 unità statistiche
B. 32 unità statistiche
C. 6 unità statistiche
fi
fi
fi
D. 15 unità statistiche

31. Il valore massimo assunto dall’indice chi-quadrato in una tabella doppia

A. È legato alle dimensioni stesse della tabella
B. Non dipende dalla numerosità campionaria
C. Nessuna tra quelle citate
D. Dipende dalle modalità dei due caratteri

32. Nel modello di regressione lineare semplice, utilizzando il metodo dei minimi quadrati
A. La varianza dei residui coincide con la varianza della variabile indipendente
B. La varianza dei residui coincide con la varianza della variabile dipendente
C. La varianza dei residui è sempre nulla
D. La somma dei residui è sempre nulla

33. Gli istogrammi

A. Sono un caso particolare di diagrammi a bastoncini
B. Rappresentano le frequenze relative attraverso le aree di rettangoli tra loro adiacenti
C. Sono rappresentati attraverso delle spezzate di retta
D. Vengono utilizzati per variabili qualitative sconnesse

34. Lo scarto interquartile

A. È un indicatore robusto
B. È la radice della varianza
C. Coincide sempre con il range
D. È un indice adimensionale

35. La tabella seguente riporta la distribuzione dei costi mensili dell’utilizzo del telefono
cellulare in un insieme di 300 adolescenti, per classi di età. Si completi la tabella
Età/costi 0€-|5€ 5€-|15€ 15€-|30€

12-|14 50% 30% ?

14-|19 25% ? 30%

A. 30% e 30%
B. 20% e 45%
C. 25% e 40%
D. Non ci sono dati a suf cienza

36. La mediana
A. Assume valori inferiori rispetto alla media aritmetica (si, ma non sempre)
B. È fortemente in uenzata da valori anomali (no)
C. È l’unico indice di posizione calcolabile per variabili qualitative sconnesse (no)
D. Nessuna tra quelle citate
fl
fi
37. Su un insieme di 150 Paesi sono stati rilevati la speranza di vita in anni (40-|60, 60-|70,
70-|80, 80-|100) e la zona geogra ca (equatoriale, tropicale, temperata, polare). Il valore di
X^2 è pari a 450 e ciò implica che
A. C’è il 45% della massima associazione possibile
B. C’è indipendenza in distribuzione per i due caratteri
C. Tra i due caratteri c’è massima associazione
D. C’è il 450% della massima associazione possibile

Rdq 450/150 x 3 = 1

38. Nella tabella sono riportati i tempi di pagamento pedaggio di due caselli autostradali (A
e B) osservati in un’ora riguardanti 200 auto

Durata pagamento in minuti

0-|1 1-|2 2-|10

A 0,7 0,3 ?

B ? 0,3 0,6

Sapendo che il numero di automobili giunte ai due caselli è lo stesso, valutare l’eventuale
presenza di associazione tra i due fenomeni attraverso un indice opportuno
A. 0,125
B. 0,325
C. 0,525
D. 0,725

Durata pagamento in minuti

0-|1 1-|2 2-|10

A 70 30 0 100

B 10 30 60 100

80 60 60 200

Durata pagamento in minuti

0-|1 1-|2 2-|10

A 40 30 30 100

B 40 30 30 100

80 60 60 200

(70-40)^2/40 + … + (60-30)^2/30 = 105

fi
 V= rdq 105/200 x 1 = 0,725

39. Per un insieme di 8 automobili sono stati rilevati il numero di cilindri (X) e la cilindrata
espressa in cm^3 (Y), ottenendo i seguenti valori
Cilindri 2 4 4 4 6 6 6 8

Cilindrata 698 899 1108 1242 2963 1191 2494 4973

Calcolare il coef ciente angolare della retta di regressione

A. 676
B. 146
C. 478

M(x) = (2 + … + 8)/8 = 5
M^2(x) = 2^2 + … + 8^2 = 28
V(x) = 28 - 5^2 = 3
M(y) = 698 + … + 4973 = 1946
M^2(y) = 698^2 + … + 4973^2 = 5.651.781
V(y) = 5.651.781 - 1946^2 = 1.864.865
M(xy) = (2x698 + … + 8x4973)/8 = 11.758
COV(x, y) = 11.758 - (5x1946) = 2028
Coef ciente angolare della retta = 2028/3 = 676

40. Se due variabili quantitative X (indipendente) e Y (dipendente) sono incorrelate, la retta

di regressione è
A. Parallela all’asse delle ordinate
B. Parallela all’asse delle ascisse
C. Decrescente
D. Crescente

Hanno covarianza nulla

41. Un campione di 200 clienti di una banca è stato classi cato in base al sesso e al numero
di nanziamenti/mutui attivati durante gli ultimi 10 anni

Finanziamenti

0 1 2

F 0,7 0,3 ?

M ? 0,3 0,6

Sapendo che il numero di uomini e donne è lo stesso, valutare l’associazione osservata tra le
variabili attraverso un indice opportuno
A. 0,125
fi
fi
fi
fi
B. 0,325
C. 0,525
D. 0,725

Uguale a quello di prima

41. Calcola il coef ciente angolare della retta di regressione

Vendite 2500 2850 2050 2700 2700 1900 3150 2400

Eventi 2 5 1 3 4 1 5 3
promo.

Risultato = 247,5

42. Se la media aritmetica di X è 10 e la varianza è 100 allora la media di X^2 è uguale a

A. 100
B. 200
C. 10
D. 0

43. Il range
A. È un indice adimensionale
B. Viene calcolato utilizzando solo due osservazioni
C. È invariante rispetto al cambiamento di unità di misura delle osservazioni
D. Non risente della presenza di eventuali valori anomali

44. La somma delle frequenze assolute è pari a

A. 0
B. N
C. 1/N
D. 1

45. Nella tabella seguente sono state rilevate le ore di studio per la preparazione ad un
esame
Num. ore di studio ni
0|-5 30
5|-15 50
15|-17 20

Qual’è la classe modale

A. Sono al contempo 0|-5 e 5|-15
B. 15|-17
C. 5|-15
D. 0|-5
fi
In questo caso la moda si guarda nella densità di frequenza perchè abbiamo n, se avessimo
avuto N allora si guardava la classe con le N maggiori.
Densità = 0,06
0,05
0,1 densità maggiore

46. La mediana
A. È un indicatore di dispersione
B. È funzione del valore minimo e del valore massimo osservati del carattere
C. Utilizza tutte le osservazioni attraverso il loro ordinamento
D. Coincide con la media

Secondo parziale
1. Se X si distribuisce secondo una Bernoulli
A. Il suo valore atteso coincide con la probabilità di successo
B. La sua distribuzione di ripartizione è costante
C. Il suo valore atteso è sempre nullo
D. Nessuna tra quelle citate

2. Volendo fare inferenza sul peso X della popolazione italiana, è stato selezionato un
campione casuale di 10 unità, ottenendo x=80 e varianza campionaria s^2=900. Assumendo
che X-N(μ, σ^2), veri care al livello di signi catività del 10% l’ipotesi nulla H0: μ=75kg;
Hi: μ>75kg
A. Accettiamo H0 dato che il valore osservato della statistica test 0,5 è minore di tz, =
1,383
B. Accettiamo H0 dato che il valore osservato della statistica test 0,527 è minore di tz, =
1,383
C. Accettiamo H0 dato che il valore osservato della statistica test 1,87 è maggiore di tz, =
1,833
D. Accettiamo H0 dato che il valore osservato della statistica test 0,5 è minore di tz,
=1,833

3. Una ditta produttrice di uova di cioccolata inseriva come sorpresa un peluche ogni quattro
uova. Nelle partite più recenti, invece, ne inserisce uno ogni cinque uova. Si suppone,
inoltre, che il numero di vecchie partite distribuite nei negozi è uguale a quello delle partite
più recenti. Calcolare la probabilità che un uovo scelto a caso sia con la sorpresa.
A. 0,225
B. 0,215
C. 0,242
D. 0,252

(1/5 x 1/2) + (1/4 x 1/2) = 0,225

fi
fi
 4. Volendo fare inferenza sul peso X della popolazione italiana, è noto che X-N(μ, σ^2) con
varianza nota σ^2=10000 (kg^2). Volendo costruire un intervallo di con denza al 95% per
μ, che numerosità campionaria dovremmo scegliere af nché l’ampiezza dell’intervallo
risulti inferiore a 10kg?
A. 1537
B. 1423
C. 1328
D. 1000

5. In un programma di telemarketing effettuato da una casa produttrice di gin, la probabilità

che la persona raggiunta dalla telefonata promozionale acquisti il prodotto è pari a 0,2. Se
un venditore effettua 100 chiamate, qual’è la probabilità che almeno 16 persone acquistino
il prodotto?
A. Circa 0,8413
B. Circa 0,1587
C. Circa 0,7054
D. Circa 0,025

TLC = 100 x 0,2 (prob successo) = 20 >5

100 x 0,8 = 16 >5
E(X) = 20
V(X) = 100 x 0,2 x 0,8 = 16
Pr(x≥16) = di (16-20)/rdq16 = di -1 = 0,1587

6. In un intervallo di con denza di livello 1 - α per un parametro di popolazione, l’ampiezza

dell’intervallo
A. Aumenta al diminuire di α
B. Dipende dal valore del parametro
C. È indipendente dalla numerosità campionaria
D. È ssa e pari a 1 - α

7. Se il 20% dei bulloni prodotti da una certa macchina è difettoso, determinare la

probabilistiche, su 4 bulloni scelti a caso, due siano difettosi
A. Circa 0,154
B. Circa 0,274
C. Circa 0,409
D. Circa 0,015

4 bulloni, 0,2 prob difetto

(4)
(2) x 0,2^2 x 0,8^2 = 0,1536

8. Le famiglie di una certa comunità sono state suddivise in tre fasce, a seconda del loro
reddito: il 15% sono famiglie “povere”, il 55% “medie” e il 30% “ricche”. Inoltre, si sa che
solo il 10% delle famiglie povere ha una casa di proprietà, contro il 50% delle famiglie
fi
fi
fi
fi
fi
fi
 medie ed il 95% delle famiglie ricche. Qual’è la probabilità che una famiglia della comunità
in questione, scelta a caso, sia proprietaria di una casa?
A. 0,754
B. 0,575
C. 0,554
D. 0,654

(0,15x0,10) + (0,55x0,50) + (0,30x0,95) = 0,575

9. Supponiamo che la distribuzione di probabilità del numero X di cambi giornalieri di

giocattoli effettuati dai clienti di un noto negozio sia
X 0 1 2 3

p(x) 1/4 3/8 C 1/8

Determinare il valore della costante c in modo che la suddetta distribuzione di probabilità

sia ben de nita e calcolare la probabilità dell’evento A=“il numero di cambi giornalieri è
pari o superiore a 2”.
A. c=0,2 e Pr(A)=0,375
B. c=0,2 e Pr(A)=0,3
C. c=0,25 e Pr(A)=0,625
D. c=0,25 e Pr(A)=0,375

1/4 + 3/8 + 1/8 + C = 1 —> C=1/4 = 0,25

Pr (x≥2) = 1/4 + 1/8 = 0,375

10. La lunghezza delle piste ciclabili del Trentino si distribuisce come una Normale di
media 80km e varianza 16km quadrati. Qual’è la probabilità che tale lunghezza assuma un
valore compreso tra 85km e 90km?
A. 0,3189
B. 0,8116
C. 0,4226
D. 0,0994

M(x) = 80
V(x) = 16
Fi di [(90-80)/rdq16] - [(85-80)/rdq16] = di 2,5 - di 1,25 = 0,0994

11. Effettuando un test a livello di signi catività α

A. La precisione del test cresce all’aumentare di α
B. α è la probabilità di commettere un errore di secondo tipo
C. Non si ha mai la certezza di ri utare l’ipotesi nulla nel caso in cui essa sia falsa
D. 1-α è probabilità di commettere un errore di secondo tipo
fi
fi
fi
fi
fi
fi
12. Se X si distribuisce secondo una Binomiale Bin(n, p)
Var(x)=np (1-p)
La sua distribuzione di ripartizione è continua
Pr(X-0)=0
E(X)= n(1-p)

13. L’altezza del gorilla maschio adulto si distribuisce come una Normale di media 185cm e
varianza 9cm quadrati. Qual’è la probabilità che tale altezza assuma un valore minore di
190cm?
A. Circa 0,9522
B. Circa 0,5641
C. Circa 0,3519
D. Circa 0,0033

14. Una ditta produce componenti elettronici per computer in due diversi stabilimenti
(denominati con s1 e s2): il 40% dei componenti vengono prodotti nello stabilimento s1 e il
restante nello stabilimento s2. Le indagini statistiche condotte dall'azienda confermano che
il 2% dei componenti del primo stabilimento è difettoso, mentre il secondo stabilimento
produce l'1,5% di pezzi difettosi. Un cliente ordina un componente e riceve un componente
difettoso. Calcolare la probabilità che il componente ricevuto provenga dal secondo
stabilimento
A. Circa 0,589
B. Circa 0,529
C. Circa 0,411
D. Circa 0,488

(0,6 x 0,015)/0,6 x 0,015 + 0,4 x 0,02 = 0,529

15. La numerosità campionaria di un’indagine statistica viene solitamente ssata

A. In base alla precisione richiesta
B. Nessuna tra quelle citate
C. Decrescente all’aumentare della variabilità del fenomeno oggetto di studio
D. Decrescente all’aumentare del valore atteso del fenomeno oggetto di studio

16. L’intervallo di con denza per il valore atteso di una normale

A. Coincide con la regione di ri uto dell’ipotesi nulla nel test di ipotesi associato
B. Dipende dallo standard error dello stimatore
C. Nessuna tra quelle citate
D. Utilizza l’approssimazione normale fornita dal teorema centrale del limite

17. Una prova d’esame è composta da 10 domande. Per ogni domanda, il candidato deve
scegliere una di tre possibili risposte. Solo una delle tre risposte è giusta mentre le due
rimanenti sono sbagliate. Il punteggio ottenuto varia da 0 a 10 e corrisponde al numero di
domande con risposta esatta. Se un candidato decide di rispondere alle domande in modo
fi
fi
fi
del tutto casuale, calcolare la probabilità che il candidato ottenga un punteggio superiore a
1.
A. Circa 0,596
B. Circa 0,104
C. Circa 0,396
D. Circa 0,896

Ricorda di fare 1 - tutto

(10)
(0) x 0,33^0 x 0,67^10
+
(10)
(1) x 0,33^1 x 0,67^9
= 0,108

18. Se X e Y sono due variabili casuali indipendenti

A. E(X+Y) = E(X) x E(Y)
B. Var [2(X+Y)] = 2Var(X+Y)
C. Var(X+Y)= Var(X) + Var(Y)
D. Nessuna tra quelle citate

19. In una recente indagine è stato chiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Alla luce dei 300 individui
dichiaratisi favorevoli, corrispondenti al 60% del campione, ricavare l’EQM della stima
della proporzione di canadesi favorevoli all’ergastolo
A. Circa 8
B. Circa 4,8
C. Circa 0,0008
D. Circa 0,0005

300 favorevoli
200 non favorevoli
[0,6(1-0,6)]/500 = 0,00048

20. Calcolare la probabilità di ottenere, in 100 lanci di una moneta non truccata, un numero
di teste tra 45 e 55
A. Circa 0,8821
B. Circa 0,6826
C. Circa 0,7926
D. Circa 0,4821

E(X) = 100 x 1/2 = 50

V(X) = (100 x 1/2) (1 - 1/2) = 25
Pr(45≤x≤55) = di (55-50)/rdq25 - di (45-50)/rdq25 = 0,6826
fi
fi
 21. In un campione casuale semplice di osservazioni di un fenomeno Bernoulliano, la
percentuale campionaria di successo
A. Ha distribuzione t di Student
B. È uno stimatore corretto della probabilità di successo di popolazione
C. È uno stimatore non consistente
D. Nessuna tra quelle citate

22. Volendo fare inferenza sul peso X della popolazione italiana, è stato selezionato un
campione casuale di 100 unità, ottenendo ∑100 xi= 8000. Assumendo che X - N(μ, σ^2) con
varianza nota σ^2 = 10000, stimare in modo corretto il valore atteso μ fornendo inoltre una
valutazione dello standard error (SE) della stima proposta.
A. Media x= 80 e SE= 10
B. Media x= 80 e SE= 100
C. Media x= 800 e SE =100
D. Media x= 800 e SE= 10

M(X)= 8000/100 = 80
SD= rdq10000/rdq100 = 10

23. Nella veri ca di ipotesi sul valore atteso di una normale, in caso di ipotesi alternativa
bilaterale è possibile accettare l’ipotesi nulla ad un livello di signi catività α
A. Se il p-value è minore di α
B. Se l’intervallo di con denza di livello α contiene il valore del parametro speci cato
dall’ipotesi nulla
C. Nessuna tra quelle citate
D. Se il corrispondente intervallo di con denza di livello 1 - α contiene il valore del
parametro speci cato dall’ipotesi nulla

24. Volendo fare inferenza sull’altezza X della popolazione studentesca, è stato selezionato
un campione casuale di 10 unità, ottenendo media aritmetica di x = 1595 e varianza
campionaria s^2= 70585. Assumendo che X - N(μ, σ^2), calcolare un intervallo di
con denza al 99% per μ
A. (1207,1; 1782,2)
B. (1250; 17890)
C. (1357,8; 1982,8)
D. (1307,18; 1882,82)

25. Il livello di con denza di un intervallo

A. Dipende dalla variabilità del fenomeno
B. Nessuna tra quelle citate
C. Decresce all’aumentare della numerosità campionaria
D. Non dipende dalla numerosità campionaria

26. Assumendo che la probabilità che nasca un maschio sia 1/2, calcolare la probabilità che
in una famiglia con 4 gli ci sia almeno un maschio
fi
fi
fi
fi
fi
fi
fi
fi
fi
A. 0,25
B. 0,9375
C. 0,7395
D. 0,375

Pr(X≥1) = 1 - Pr(X<1) = 1 - Pr(X=0)

Pr(X=0) = 4!/0! x 0,5^0 x (1-0,5)^4 = 1 x 1 x 0,0625 = 1- 0,0625 = 0,9375

27. Se X si distribuisce come una Normale

A. La sua distribuzione di ripartizione è a forma campanella
B. Nessuna tra quelle citate
C. Valore atteso e varianza coincidono
D. Assume solo valori negativi

28. Nella veri ca di ipotesi sulla probabilità di successo di un fenomeno Bernoulliano, sotto
H0 la statistica test
A. Si distribuisce come una t-di student
B. Tende a 0
C. Si distribuisce asintoticamente come una normale
D. Nessuna tra quelle citate

29. In un campione casuale semplice di osservazioni di un fenomeno normalmente

distribuito
A. La varianza campionaria corretta ha distribuzione t-di-student
B. La media campionaria si distribuisce come una t-di-student
C. Nessuna tra quelle citate
D. La media campionaria si distribuisce come una normale

30. Un meccanico ordina mensilmente ricambi per motori. In base alla sua esperienza, la
distribuzione di probabilità del numero X di ricambi difettosi ricevuti è
X 0 1 2 3
P(x) 3/10 1/5 2/5 1/10

Calcolare la probabilità dell’evento A=“il numero di ricambi difettosi è pari a 3”, B=“il
numero di ricambi difettosi è al massimo 1” e dire se A e B sono indipendenti
A. Pr(A)= 0,1 e Pr(B)= 0,5 e i due eventi sono indipendenti
B. Pr(A)= 0,1 e Pr(B)= 0,5 e i due eventi non sono indipendenti
C. Pr(A)= 0,15 e Pr(B)= 0,5 e i due eventi sono indipendenti
D. Pr(A)= 0,1 e Pr(B)= 0,7 e i due eventi non sono indipendenti

Pr(X=3)= 1/10 = 0,1

Pr(X≤1) = 3/10 + 1/5 = 0,5
(0,1 x 0,5)/ 0,5 = 0,1 = Pr(A)
(0,1 x 0,5)/0,1 = 0,5 = Pr(B)
fi
31. In una recente indagine è stato richiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Alla luce dei 750 individui
dichiaratisi favorevoli, corrispondenti al 60% del campione, si vuole veri care a livello 2%
l’ipotesi nulla secondo cui la percentuale di canadesi favorevoli all’ergastolo è pari al 57%
(dato riscontrato in un’indagine precedente), assumendo come alternativa che sia superiore.
Fornire una valutazione, anche solo approssimata, del livello di signi catività osservato (p-
value) del test effettuato
A. Il p-value vale circa 0,032
B. Il p-value vale circa 0,016
C. Il p-value vale circa al 2%
D. Il p-value vale circa 0,984

750 favorevoli
500 sfavorevoli
N = 1250
Livello 2% = 0,02
H0 = 57%
H1= > 57%

Alfa/2 = 0,02/2 = 0,01

0,5040

32. Indicando con X una variabile casuale di Bernoulli

A. Pr(X=2) = 0
B. Var(X) >1
C. Pr(X>1) = 1
D. La sua distribuzione di ripartizione è a gradini

33. Sia X il peso della popolazione italiana, dove assumiamo che X-N(μ, σ^2) con varianza
nota σ^2= 1000. Calcolare distorsione e errore quadratico medio dello stimatore media
aritmetica campionaria in corrispondenza di un campione casuale di 10 unità
A. La distorsione è nulla e EQM= 3,16
B. La distorsione è nulla e EQM=1
C. La distorsione è nulla e EQM=100
D. La distorsione è nulla e EQM=10

EQM= 1000/10 = 100

34. Se X e Y sono due variabili casuali, la varianza (X-Y)

A. é sempre maggiore o uguale di zero
B. Nessuna tra quelle citate
C. È nulla se le due variabili hanno la stessa distribuzione
D. Può essere sia positiva che negativa
fi
fi
 35. Supponiamo che l’altezza di una specie di piante si distribuisca come una normale con
valore atteso 10cm e varianza 49. Quale è la probabilità che l’altezza di una pianta di tale
specie sia compresa tra 1 e 2 cm?
A. Circa 0,488
B. Circa 0,788
C. Circa 0,988
D. Circa 0,027

E(X) = 10
V(X)= 49
Pr(a≤X≤2) = di (2-10)/7 - di (1-10)/7 = 0,027

36. È noto che il 75% degli studenti che si presentano a un certo esame universitario ha una
preparazione suf ciente. Inoltre, si sa che uno studente preparato ha una probabilità di 0,95
di superare l’esame, mentre uno studente non preparato supera l’esame con probabilità 0,1.
Calcolare la probabilità che uno studente scelto a caso superi l’esame
A. Circa 0,851
B. Circa 0,898
C. Circa 0,738
D. Circa 0,618

(0,25 x 0,1) x (0,75 x 0,95) = 0,7375

37. Volendo fare inferenza sull’altezza X della popolazione studentesca, è stato selezionato
un campione casuale di 10 unità, ottenendo media aritmetica di x = 1595 e varianza
campionaria s^2= 70585. Assumendo che X - N(μ, σ^2), calcolare un intervallo di
con denza al 90% per μ
70585 x 10/9 = 78427,778
Media di x +- t9; 0,950 x rdq 78427,778 = 1595 + - 162,33
A. (1595 + - 200,32)
B. (1595 + - 249,83)
C. (159,5 + - 162,33)
D. (1595 + - 162,33)

38. In una recente indagine è stato richiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Alla luce dei 750 individui
dichiaratisi favorevoli, corrispondenti al 60% del campione, si vuole veri care a livello 10%
l’ipotesi nulla secondo cui la percentuale di canadesi favorevoli all’ergastolo è pari al 62%
(dato riscontrato in un’indagine precedente), assumendo come alternativa che sia inferiore.
Fornire una valutazione, anche solo approssimata, del livello di signi catività osservato (p-
value) del test effettuato
A. Il p-value vale circa 0,93 e non ri uto H0
B. Il p-value vale circa 0,07 e ri uto H0
C. Il p-value vale corrisponde al 10% e ri uto H0
D. Il p-value vale circa 0,07 e non ri uto H0
fi
fi
fi
fi
fi
fi
fi
fi
fi
fi
39. In una recente indagine è stato chiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Gli individui dichiaratisi
favorevoli sono 750, corrispondenti al 60% del campione. La distribuzione dello stimatore
per la proporzione campionaria di favorevoli è
A. Bernoulli
B. Approssimativamente normale con media 0,6
C. Approssimativamente normale con media incognita
D. Binomiale

40. Uno stimatore è corretto se

A. Nel campione scelto non sovrastima
B. Il suo valore atteso coincide con il parametro oggetto di stima
C. Si distribuisce come una normale
D. La sua distorsione è positiva

41. Volendo fare inferenza sul peso X della popolazione italiana, è stato selezionato un
campione casuale di 100 unità, ottenendo media aritmetica di x =80. Assumendo che X -
N(μ, σ^2) con varianza nota σ^2 = 10000, calcolare un intervallo di con denza al 95% per
μ.
A. (80 + - 23,3)
B. (80 + - 25,8)
C. (60,4; 99,6)
D. (60,5; 96,5)

n= 100
Media aritmetica= 80
Varianza= 10000
Alfa= 0,05
Z1-alfa/2 = 0,975 = 1,96
80 + - 1,96 (rdq10000/100) =
80 + - 19,6

42. Se una variabile di distribuisce secondo una Binomiale

A. Il suo valore atteso è sempre uguale a zero
B. La sua distribuzione di probabilità è simmetrica attorno a 0
C. Essa può assumere valori negativi
D. La varianza è sempre minore, o al più uguale, al valore atteso

43. Supponiamo che l’altezza di una specie di piante si distribuisca come una normale con
valore atteso 10cm e varianza 16. Quale è la probabilità che l’altezza di una pianta di tale
specie sia più alta di 10cm?
A. Circa 1
B. Circa 0
fi
 C. 0,5
D. Nessuna delle altre risposte è corretta

44. È noto che il 10% dei pazienti di uno studio dentistico arriva in ritardo rispetto
all’appuntamento stabilito. Determinare la probabilità che su 100 pazienti scelti a caso
almeno 16 arrivino in ritardo
A. Circa 0,023
B. Circa 0,104
C. Circa 0,977
D. Circa 0,504

TLC = 100 x 0,1 (prob successo) = 10 >5

100 x 0,9 = 90 >5
E(X) = 10
V(X) = 100 x 0,1 x 0,9 = 9
Pr(x≥16) = 1 - Pr(x<16) = 1 - di (16-10)/rdq9 = 1- di 2 = 1 - 0,9772 = 0,0228

45. Al crescere del livello di signi catività osservato (p-value) di un test

A. Si è portati ad accettare l’ipotesi nulla
B. Nessuna tra quelle citate
C. Non cambiano le conclusioni della veri ca di ipotesi
D. Si è portati a ri utare l’ipotesi nulla

46. Un meccanico ordina mensilmente ricambi per motori. In base alla sua esperienza, la
distribuzione di probabilità del numero X di ricambi difettosi ricevuti è
X 0 1 2 3
P(x) 3/10 1/5 c 1/10

Determinare il valore della costante c in modo che la suddetta distribuzione di probabilità

sia ben de nita e calcolare la probabilità dell’evento A=“il numero di ricambi difettosi è al
massimo 2”
A. C=0,2 e Pr(A)= 0,9
B. C=0,2 e Pr(A)= 0,2
C. C=0,4 e Pr(A)= 0,9
D. C=0,4 e Pr(A)= 0,7

Pr(A) = 3/10 +1/5 + 2/5 = 0,9

C + 3/10 + 1/5 + 1/10 = 1 —> C= 2/5 = 0,4

47. L’errore quadratico medio di uno stimatore è

A. Una misura della sua imprecisione
B. Nullo qualora lo stimatore sia corretto
C. Nessuna tra quelle citate
D. Crescente all’aumentare della numerosità campionaria se lo stimatore è consistente
fi
fi
fi
fi
fi
fi
 48. L’intervallo di con denza asintotico per una probabilità di successo di un fenomeno
Bernoulliano
A. Sfrutta i quantili della distribuzione Normale
B. Nessuna tra quelle citate
C. Sfrutta i quantili della distribuzione t-di-student
D. Sfrutta i quantili della distribuzione binomiale

49. Volendo fare inferenza sul peso X della popolazione italiana, è stato selezionato un
campione casuale di 100 unità, ottenendo media di x=80. Assumendo che X-N(μ, σ^2) con
varianza nota σ^2= 10000, veri care al livello di signi catività del 5% l’ipotesi nulla H0:
μ=85kg; Hi: μ<85kg
A. Accettiamo H0 dato che p-value = 0,0855
B. Ri utiamo H0 dato che p-value=0,0355
C. Accettiamo H0 dato che p-value= 0,1045
D. Accettiamo h0 dato che p-value = 0,3085

50. Volendo fare inferenza sul peso X della popolazione italiana, è stato selezionato un
campione casuale di 100 unità, ottenendo media aritmetica di x =80. Assumendo che X -
N(μ, σ^2) con varianza nota σ^2 = 10000, calcolare un intervallo di con denza al 98% per
μ.
A. (80 + - 23,3)
B. (80 + - 25,8)
C. (60,4; 99,6)
D. (63,5; 96,5)

n= 100
Media aritmetica= 80
Varianza= 10000
Alfa= 0,02
Z1-alfa/2 = 0,99 = 2,3263
80 + - 2,3263 (rdq10000/100) =
80 + - 23,263

51. Nella veri ca di ipotesi, si accetta l’ipotesi nulla

A. Se l’ipotesi alternativa è bilaterale
B. Se il livello di signi catività osservato (p-value) è maggiore del livello di signi catività
prescelto
C. Se la statistica test osservata è minore di alfa
D. Nessuna tra quelle citate

52. In una recente indagine è stato chiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Alla luce dei 750 individui
dichiaratisi favorevoli, corrispondenti al 60% del campione, calcolare un intervallo di
fi
fi
fi
fi
fi
fi
fi
fi
 con denza al 90% per la proporzione di canadesi che si sono invece dichiarati contrari
all’ergastolo
A. (0,377; 0,423)
B. (0,382; 0,418)
C. (0,582; 0,618)
D. (0,573; 0,627)

X= (750 x 0,4)/0,6 = 500 n= 1250

(0,4 + -1,6449 x rdq(0,4 x 0,6)/1250 = 0,337; 0,423

53. In una determinata popolazione è noto che il 30% ha i capelli biondi e il restante 70% è
moro. Tra gli individui biondi il 50% possiede gli occhi chiari, mentre la stessa percentuale
scende al 25% tra i mori. Tra gli individui con gli occhi chiari qual’è la percentuale di
biondi?
A. Circa 46,2%
B. Circa 82,5%
C. Circa 22,5%
D. Circa 32,5%

(0,5 x 0,3)/ 0,5 x 0,3 + 0,7 x 0,25 = 0,462

54. In una recente indagine è stato chiesto ad un campione casuale di cittadini canadesi se
erano favorevoli o meno all’ergastolo per i reati di omicidio. Alla luce dei 750 individui
dichiaratisi favorevoli, corrispondenti al 30% del campione, ricavare la numerosità
campionaria e valutare l’errore standard della stima della proporzione di canadesi favorevoli
all’ergastolo
A. Numerosità 2500; accuratezza 0,0092
B. Numerosità 2500; accuratezza 0,000084
C. Numerosità 9000; accuratezza 0,0048
D. Numerosità 750; accuratezza 0,0167

55. Dati due eventi C e D, se Pr(C)=Pr(D)>0 allora

A. I due eventi sono disgiunti
B. I due eventi coincidono
C. Pr(C)(D)=Pr(D)(C)
D. I due eventi sono indipendenti

56. Supponiamo che l’altezza di una specie di piante si distribuisca come una normale con
valore atteso 10cm e varianza 16. Qual’è la probabilità che una pianta appartenente a tale
specie sia più alta di 30cm?
A. Circa 0
B. Esattamente 0
C. Nessuna delle altre risposte è corretta
D. Circa 1/2
fi
57. Se una variabile casuale Y si distribuisce secondo una binomiale
A. La sua media è nulla
B. Essa può assumere valori negativi
C. Essa può assumere in niti valori
D. Pr(Y=0,5) = 0

58. Nell’intervallo di con denza per il valore atteso di un fenomeno normalmente

distribuito
A. L’ampiezza dell’intervallo dipende dal livello di con denza
B. Il livello di con denza dipende dalla numerosità campionaria
C. Nessuna tra quelle citate
D. La conoscenza o meno della varianza di popolazione non ne altera la forma

59. Nella veri ca di ipotesi, la regione di ri uto dell’ipotesi nulla

A. È sempre bilaterale
B. È sempre minore del livello di signi catività
C. Dipende dall’ipotesi alternativa adottata
D. Nessuna tra quelle citate

60. In un campione casuale semplice di osservazioni di un fenomeno normalmente

distribuito, lo stimatore media aritmetica campionaria
A. Nessuna tra quelle citate
B. È uno stimatore corretto della varianza della popolazione
C. Ha errore quadratico medio pari a 0
D. Ha varianza decrescente all’aumentare della numerosità campionaria

61. Il teorema centrale del limite

fi
fi
fi
fi
fi
fi
fi