Modulo di Statistica (6 crediti)

Durata della prova 45 minuti.

Domanda 1
Per verificare l’ipotesi di indipendenza di due variabili categoriche si può usare:
a) Si calcola un intervallo di confidenza b) Il test t
c) Il test F d) Il test del χ2
Domanda 2 Da un campione di n = 100 unità, si osserva il carattere ”fumatore/non fumatore”,
ottenendo una proporzione di fumatori: p̂ = 0.2. L’intervallo di confidenza per la probabilità di fumare
al livello 0.05, è:
a) CI(1 − α) = (0.2 − z0.95 0.2∗0.8
100
, 0.2 + z0.95 0.2∗0.8
100
)
√ √
b) CI(1 − α) = (0.2 − z0.975 0.2 ∗ 0.8, 0.2 + z0.975 0.2 ∗ 0.8)
(99) (99)
p p
c) CI(1 − α) = (0.2 − t0.975 0.2 ∗ 0.8/100, 0.2 − t0.975 0.2 ∗ 0.8/100)
p p
d) CI(1 − α) = (0.2 − z0.975 0.2 ∗ 0.8/100, 0.2 + z0.975 0.2 ∗ 0.8/100)

Domanda 3
La moda di una variabile continua discreta è:
a) Il valore massimo b) il secondo quartile
c)la modalità con la massima frequenza d) il valore centrale tra il minimo e il massimo
Domanda 4
Se l’indice della bontà di adattamento della retta di regressione i dati, R2 = 1.5,
a) X e Y hanno una correlazione molto forte b) X e Y sono indipendenti
c) Non è possibile perché 0 ≤ R2 ≤ 1 d) Non è possibile perché −1 ≤ R2 ≤ 1

Esercizio 1
Dei 500 clienti di un’agenzia di viaggi, 200 hanno effettuato vacanze in montagna, 300 hanno invece
soggiornato al mare. Tra coloro che hanno soggiornato in montagna, 160 si sono dichiarati soddisfatti,
mentre soltanto il 180 sono i clienti soddisfatti della vacanza al mare.
a) Calcolare la probabilità di estrarre un cliente soddisfatto tra quelli che hanno soggiornato al mare
e la probabilità di estrarre un cliente soddisfatto tra quelli che hanno soggiornato in montagna.
b) Calcolare la probabilità che, estraendo un cliente a caso (sui 500 complessivi), sia soddisfatto della
vacanza
c) Si supponga di aver estratto casualmente il nome di uno dei 500 clienti. Calcolare la probabilità
che questi facesse parte del gruppo che ha trascorso la vacanza al mare sapendo che è soddisfatto
della sua vacanza.
Esercizio 2
Da un’indagine condotta su 6 bambini di 11 anni, si rileva il numero medio settimanale di ore passate
davanti alla televisione (X) e il BMI (Body Mass Index, Y):
X = tempo TV 9 5 5 6 12 8
Y = BMI 23 20 18 22 24 21
a) Si calcolino media e varianza campionaria della variabile X =tempo TV.
b) L’associazione pediatri raccomanda che i bambini vedano non più di un’ora di televisione al giorno
(contando tutti i giorni della settimana). Ipotizzando che la variabile X =tempo TV sia distribuita
come una variabile casuale Gaussiana, si verifichi l’ipotesi che il tempo medio trascorso sia inferiore
a tale soglia, contro l’alternativa unilaterale H1 : µX > 1 ora al giorno.
c) Le due variabili X e Y sono linearmente correlate? Come e quanto?
Domanda 1: d
Domanda 2: d
Domanda 3: c
Domanda 4: c
Esercizio 1

a) La probabilità di estrarre un cliente soddisfatto tra quelli che sono stati al mare è P (S|M a) =
180/300 = 0.6; La probabilità di estrarre un cliente soddisfatto tra quelli che sono stati in
montagna è P (S|M o) = 160/200 = 0.8;;
160+180
b) La probabilità di estrarre una persona soddisfatta è pari a: P (S) = 500
= 0.68
P (S|M are)P (M are) 0.6∗ 300
c) P (M are|S) = P (S)
= 500
0.68
= 0.36/0.68 = 0.529

Esercizio 2

a) Il tempo medio medio è uguale a X̄ = 45/6 = 7.5. Per la varianza calcoliamo la varianza
campionaria corretta. Il numeratore della varianza campionaria è i (Xi − X̄)2 = 37.5. Quindi
P
otteniamo s2X = 7.5

b) Il test da verificare è H0 : µX ≤ 7 contro l’alternativa H1 : µX > 7. La statistica test t è:

7.5 − 7
t= √ = 0.4472
sX / 6
(5)
Si rifiuta l’ipotesi nulla se t > t1−α = 2.015. Il valore osservato è inferiore, quindi non possiamo
rifiutare l’ipotesi che in media il tempo trascorso dai bambini davanti alla televisione sia inferiore
alla soglia raccomandata.

c) ρXY = σσXXY
σY
. Calcoliamo le varianze campionarie (non corrette) e la covarianza. Per farlo
otteniamo prima X̄ = 45/6 = 7.5, Ȳ = 128/6 = 21.33333. Da,
X X X
Xi2 = 375; Yi2 = 2754; Xi Yi = 985
i i i

otteniamo X
2
σX = Xi2 /6 − (7.5)2 = 6.25, quindi σX = 2.5
i
X
σY2 = Yi2 /6 − (124/6)2 = 3.8888889, quindi σY = 1.972
i
X
σXY = Xi Yi2 /6 − 7.5 · (124/6) = 4.166667
i
4.16667
Quindi: ρXY = 1.972∗2.5
= 0.8451. Le due variabili hanno una forte correlazione positiva.