Statistica per economia e

impresa
Statistica
Università telematica Universitas Mercatorum
11 pag.

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• La Statistica si divide in: Statistica descrittiva e inferenza
• Tra gli obiettivi della Statistica ritroviamo:Validare un modello attraverso l'osservazione
dei dati
• In un'analisi sulle PMI innovative, la spesa per Ricerca e Sviluppo dell'azienda è:Una
variabile di interesse
• La popolazione statistica è formata da:Individui intesi come unità di osservazione
• Il fenomeno statistico è:La variabile di interesse
• Tra i vantaggi di fare un campione ritroviamo:Economicità e Tempestività
• L'inferenza statistica è una procedura analitica che:Permette di passare dal
particolare al generale
• Il campione è definito come:Un sottoinsieme della popolazione
• La statistica descrittiva si occupa di:Descrivere e sintetizzare le informazioni raccolte
• Tra gli svantaggi ad analizzare direttamente l'intera popolazione abbiamo:Costi
elevati.
• I caratteri qualitativi si distinguono in:Sconnessi e ordinabili
• Sulle modalità di un carattere qualitativo sconnesso si possono fare solo operazioni
di: Uguaglianza e disuguaglianza
• Se la modalità del carattere osservato è espresso con un attributo abbiamo:
Un carattere qualitativo
• Il carattere "Reddito mensile" è: Quantitativo continuo
• Il carattere "Squadra di calcio per cui si tifa" è: Qualitativo sconnesso
• Se la modalità del carattere osservato è espressa con un numero abbiamo: Un
carattere quantitativo
• Il carattere "Numero di figli per coppia" è: Quantitativo discreto
• I caratteri quantitativi si distinguono in: Discreti e continui
• Sulle modalità di un carattere quantitativo discreto si possono fare solo operazionini
di: Tutte
• Il carattere "Comune di nascita" è: Qualitativo sconnesso.
• Con Xi si indica:La i-esima modalità
• Le frequenze si possono calcolare per le seguenti tipologie di caratteri:Tutti
• Le frequenze semplici si determinano effettuando:Il conteggio
• Se su otto PC osservati in un ufficio, tre risultano difettosi, tre corrisponde
a:La frequenza semplice della modalità difettosi, del carattere "Funzionamento
PC”
• Il totale delle frequenze è uguale al:Totale delle osservazioni
• Con il simbolo Σ si indica:La sommatoria
• Con ni si indica:La i-esima frequenza
• Nelle distribuzioni di frequenza, le modalità dei caratteri quantitativi continui
sono:Raggruppate in classi
• Per un carattere qualitativo sconnesso, l'elenco con cui si riportano le modalità
nella tabella di frequenze è:Arbitrario
• L'ultima classe di un carattere quantitativo continuo è:Una classe aperta o chiusa.
• Il totale delle frequenze percentuali è: Cento
• Le frequenze relative si calcolano:Dividendo le frequenze semplici per il totale n
• Le frequenze cumulate si ottengono:Facendo la somma passo passo delle rispettive
frequenze
• Il totale delle frequenze relative è:Uno
• Le frequenze relative si possono calcolare per quali tipologie di caratteri:Tutti
• Le frequenze percentuali si calcolano:Moltiplicando le frequenze relative per cento
• Con N3 si indica:La frequenza cumulata semplice della terza modalità

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• Le frequenze cumulate possono calcolarsi:Per caratteri almeno ordinabili
• Con le frequenze cumulate possiamo determinare:Quanti hanno al massimo una data
modalità
• Il totale delle frequenze percentuali cumulate è:Non ha senso calcolarlo.
• Il grafico a torta è adatto ai: Caratteri qualitativi sconnessi
• Tutte le tipologie dei grafici possono calcolarsi: Per qualsiasi tipologia di frequenza
• Nei grafici tramite rettangoli le altezze dei rettangoli devono: Essere proporzionali alle
frequenze osservate
• Per un carattere qualitativo ordinabile: Non ha senso determinare un grafico a torta
• Il grafico a barre é per caratteri: Quantitativi discreti
• Nel grafico a torta, la sezione corrispondente alla singola modalità si ottiene con
la formula:Angolo= frequenza relativa * 360°
• Sull'asse delle ascisse nel grafico a barre sono riportate:Le modalità del carattere
• Per i caratteri quantitativi discreti il grafico a rettangoli:Non è applicabile
• Nei grafici a figura, le figure devono essere:Proporzionali alle frequenze osservate
• L'altezza della barra del grafico a barre deve:Essere proporzionali alle
frequenze osservate.
• Per depurare la frequenza dalla diversa ampiezza si calcola: La densità di frequenza
• Nell'istogramma alla base si riportano:Le classi osservate
• L'ampiezza dell'intervallo è dato:Dalla differenza degli estremi dell’intervallo
• Nell'istogramma sulle ordinate si riporta:La densità
• La densità di frequenza si calcola come rapporto tra:Frequenza e ampiezza della classe
• Se in corrispondenza della classe 5-8 si ha una frequenza pari a 6, la densità sarà:2
• La densità di frequenza può calcolarsi: Per qualsiasi frequenza, purché non cumulata
• Nell'istogramma l'area del rettangolo corrisponde a:Alla frequenza osservata
• Quando si calcola la densità di frequenza implicitamente si fa l'ipotesi
di: Equidistribuzione
• L'area del rettangolo è dato da: Ampiezza della classe x densità.
• La moda è una media:Di posizione
• Nel caso di carattere quantitativo continuo, la moda corrisponde alla
modalità con:Massima densità
• Le medie vengono chiamate anche:Indici di tendenza
• La moda si può calcolare:Per qualsiasi carattere
• La capacità informativa della Mediana è:Superiore alla Moda
• La media è espressa attraverso:Un solo valore
• Se due modalità presentano uguale massima frequenza diremo che:La distribuzione
è bimodale
• Sono definite Medie di Posizione, quelle medie che si riferiscono: Alla
particolare posizione occupata da una osservazione
• La moda è definita come quella modalità che presenta: Massima frequenza
• Guardando un grafico a torta, la moda corrisponde a: La sezione più grande.
• La mediana è quel valore che occupa all'interno della distribuzione, la
posizione: Centrale
• Per determinare il valore al centro della distribuzione è utile calcolare: Le frequenze
cumulate
• Se n è dispari, la posizione occupata dalla Mediana sarà: (n+1)/2
• La posizione della Mediana deve essere: Un numero intero
• La distribuzione viene divisa dalla Mediana lasciando: Metà delle osservazioni
prima della Mediana e metà dopo
• Se il carattere è per classi: Si deve applicare una formula particolare per trovare il valore
all'interno della classe
• La Mediana può calcolarsi per caratteri: Almeno qualitativi ordinabili
• Se n è pari, lesistono due posizione centrali: n/2 e n/2)+1

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• Se ho osservato i valori 0, 5, 2, la mediana è: 2
• Se ho rilevato il carattere "Comune di residenza", la mediana: Non si può calcolare.
• I Quantili sono:Dipende da quanto si è fissato k
• Il secondo quartile corrisponde a: La Mediana
• I Quartili sono: 4
• I Decili dividono la distribuzione in: 10 parti
• Il terzo quartile lascia a destra il: 25% delle osservazioni
• Per trovare i quartili si divide n per: 4
• I quantili e i quartili possono calcolarsi per: Caratteri almeno ordinabili
• Il primo quartile lascia alla sua sinistra il: 25%
• Il primo decile lascia alla sua destra il: 90%
• Sul carattere "Livello di reddito" si possono calcolare: Tutti i quantili, per k qualsiasi.
• La media aritmetica può calcolarsi per: Caratteri quantitativi
• Se in una distribuzione si sono osservati i valori estremi 3 e 20, la media:
Sarà compresa tra questi valori
• Se su una distribuzione ho calcolato una media pari a 7 e aumento di 2 tutti i
valori osservati, la nuova media sarà pari a: 9
• La media aritmetica è una media: Analitica
• La somma degli scarti dalla media è: Nulla
• Se ho osservato i voti degli esami su un gruppo di 7 femmine ed è pari a 25 e su un
gruppo di 5 maschi che è 23, la media totale sarà: 24,17
• Nel calcolo della media aritmetica si considerano: Tutte le osservazioni
• Se su una distribuzione ho calcolato una media pari a 8 e sottraggo a tutti i
valori osservati 2, la nuova media sarà pari a: 6
• Se su una distribuzione ho calcolato una media pari a 5 e moltiplico tutti i
valori osservati per 3, la nuova media sarà pari a: 15
• Se su una distribuzione ho calcolato una media pari a 10 e divido tutti i valori
osservati per 2, la nuova media sarà pari a: 5.
• Se ho osservato i seguenti valori: 3, 3, 3, 3 la variabilità è: Nulla
• Il rango è dato da: Valore massimo - valore minimo
• La differenza interquartilica è: Terzo quartile - primo quartile
• Se su due distribuzioni ho la stessa media, allora queste avranno variabilità:
Non necessariamente uguale
• Se ho osservato i seguenti valori: 3, 0, 1, 2, 5, la differenza interquartilica è: 3 - 1 = 2
• Gli indici di variabilità si calcolano su caratteri: Quantitativi
• La differenza interquartilica è: Sempre non negativa
• Se ho osservato i seguenti valori: 3, 0, 1, 5, 4, il rango è: 5 - 0 = 5
• Se due distribuzioni hanno stessa media e mediana, allora hanno: Non si può dire
nulla a priori sulla variabilità
• Se ho osservazioni negative, il rango sarà: Sempre positivo.
• La varianza ha unità di misura: Uguale al quadrato del fenomeno rilevato
• Lo scarto quadratico medio è uguale: Alla radice quadrata della varianza
• Se il fenomeno rilevato assume valori negativi, la varianza: E' comunque positiva
• Non si possono considerare gli scarti semplici dalla media nella misura della
variabilità perché: La somma degli scarti è nulla
• Se il carattere è costante, la varianza è: Nulla
• Se tutti i valori sono aumentati di una costante a, la varianza: Rimane uguale
• Se la varianza è calcolata su dati campionari, la formula: Cambia il denominatore
• Se una distribuzione presenta elevata variabilità, lo sqm è pari: Dipende dai dati
• Se ho calcolato sui dati una varianza pari a 5 e poi moltiplico tutti i valori originari di
2, la nuova varianza sarà: 20
• Su una distribuzion ho calcolato la varianza ed è pari a 3. Aumento tutti i valori di
due. La nuova varianza è: 3.
• Se devo confrontare la variabilità di due distribuzioni uso: Il coe fficiente di
variazione
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• La standardizzazione è: Una trasformazione lineare dei dati
• I valori standardizzati sono: Con media nulla
• Il coefficiente di variazione è dato da: Sqm diviso la media
• Il Box-plot è: Un grafico sulla variabilità
• In una distribuzione ho calcolato una media = 3 e un sigma = 2. Il valore
standardizzato di 1 è: - 1
• Un valore standardizzato negativo: Indica che il valore è sotto la media
• Un valore standardizzato superiore a 3 indica: Un dato anomalo
• I valori standardizzati: Non hanno unità di misura
• Se la distribuzione A ha sigma = 3 e la distribuzione B un sigma = 7, allora: Non posso
saperlo, se non conosco le medie.
• La frequenza congiunta si riferisce: Ad una coppia di modalità X,Y
• La distribuzione condizionata X/Y ci esprime come: Si distribuisce la X per un dato
valore della Y
• La distribuzione marginale si riferisce a:Solo una variabile (X o Y)
• La tabella doppia permette di analizzare: L’interdipendenza
• Esistono tante distribuzioni condizionate della X: Quante sono le modalità della Y
• Per la distribuzione marginale si può calcolare anche la media: Dipende se il
carattere è quantitativo
• In una tabella doppia è possibile ricavarsi: Due distribuzioni marginali
• La somma delle frequenze relative congiunte è: 1
• Le distribuzioni condizionate e quella marginale sono: Dipende dalla distribuzione
• Le distribuzioni marginali e condizionate possono essere determinate in termini di
frequenze: Assolute, relative e percentuali.
• Se X è indipendente da Y, allora: Anche Y sarà indipendente da X
• Affinchè ci sia dipendenza perfetta, la tabella deve essere: Quadrata
• Nell'analisi della connessione i due caratteri X e Y sono: Qualsiasi
• Con nij si indica: La frequenza assoluta doppia
• Nel caso di indipendenza le frequenze doppie sono uguali a: Il prodotto delle
marginali diviso il totale
• Se tutte le distribuzioni condizionate sono uguali tra loro allora c’è: Indipendenza
• Nella dipendenza perfetta: Ad ogni modalità della X corrisponde solo una modalità
della Y e viceversa
• Se le condizionate sono uguali, allora: Sono uguali anche alla marginale
• In una distribuzione con 50 osservazioni, se n1.=10 e n.1= 10, in caso di
indipendneza deve aversi: n11=2
• Nel caso di dipendenza perfetta, la concoscenza della modalità di X mi definisce:
Con certezza la modalità assunta dalla Y.
• Nel caso di massima dipendenza il valore del chi2 è: n x min((h-1),(k-1))
• Nell'analisi dell'indipendenza, la contingenza è data da: cij = (nij - n*ij)
• L'indice del chi2 è un indice di indipendenza: Assoluto
• L'indice del chi2 è uguale a zero se: Se tutte le frequenze osservate sono uguali a
quelle teoriche
• L'indice di Cramer varia tra: Zero e uno
• Se l'indice di Cramer = 1, significa che si ha: Massima dipendenza
• L'indice del chi2 può essere negativo nel caso in cui: Mai
• Se C= 0.80 possiamo dire che: Siamo in presenza di una elevata dipendenza tra X e Y
• Se l'indice di Cramer = 0, significa che si ha: Indipendenza
• L'indice di Cramer è un indice di indipendenza: Relativo.
• Il baricentro è il punto di coordinate: Media di X e media di Y
• Nel caso di caratteri X e Y concordanti, la covarianza è: Positiva
• Il grafico a dispersione è: Una rappresentazione grafica di due caratteri quantitativi
• Se la covarianza è nulla, allora X e Y sono: Incorrelati
• Se al diminuire di X, Y diminuisce diremo che i due caratteri sono: Concordanti
• La covarianza può calcolarsi per: Caratteri X e Y entrambi quantitativi
• Nel caso di caratteri X e Y disconcordanti, la covarianza è: Negativa
• Se al crescere di X, Y diminuisce diremo che i due caratteri sono: Discordanti
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• Nella formula semplificata della covarianza si deve calcolare la somma: Del prodotto
tra le x e le y
• La covarianza può assumere valori: Sia negativi che positivi.
• La covarianza è un indice: Assoluto.
• Se il coefficiente di correlazione è nullo: Sono incorrelate
• Nel caso di correlazione spuria si osserva un coefficiente di correlazione alto: Ma
non esiste dipendenza tra le variabili
•Se Y spiegato da una parabola, allora il coefficiente di correlazione è: 0
•Il coefficiente di correlazione ha a numeratore: La covarianza
•Se il coefficiente di correlazione è nulla, allora: Non esiste legame lineare tra le variabili
•Se si è in presenza di una relazione lineare inversa, il coefficiente di correlazione è:
Negativo
•Il coefficiente di correlazione assume valori compresi tra: Meno uno e più uno
•Se r=-0.95, allora: X e Y sono fortemente legate linearmente
• La presenza di dati anomali: Può alterare il risultato del coefficiente di correlazione.
• Nella retta di regressione le due variabili X e Y sono: Entrambe quantitative
• I minimi quadrati vengono usati per specificare:La migliore retta di regressione
• Con il termine "coefficiente di regressione" si intende: Il coefficiente angolare della retta
di regressione
• Nella retta di regressione X e Y sono con un legame di: Dipendenza di una sull’altra
• La retta dei minimi quadrati è quella retta che: Più si avvicina ai punti osservati
• Se ho una retta di regressione Y=2+1.5*X allora posso dire che: All'aumentare di una
unità di X, Y aumenta di 1.5
• La relazione tra X e Y può essere in generale espressa: Da una qualsiasi funzione f
• L'intercetta della retta esprime: La parte di Y indipendente da X
• Se ho una retta di regressione Y=2+1.5*X allora posso dire che: Il coefficiente
di correlazione è positivo
• Se ho una retta di regressione Y=2+1.5*X allora posso dire che quando X è 2, il valore
teorico di Y sarà: 5.
• Il coefficiente R2 è un indice di: Bontà di adattamento
• Se ho R2= 0.75 allora posso dire che: La retta non spiega il 25%
• Il valore osservato Y può essere scomposto in: Y teorico più un residuo e
• La varianza della Y è scomposta come: Var(Y) = Var(Y^) + Var(e)
• Se ho un coefficiente di correlazione pari a -0.5, allora: R2= 0.25
• Il coefficiente di determinazione varia tra: Zero e uno
• Indicare se è possibile avere un coefficiente di correlazione negativo e un R2
positivo: Si
• R2 esprime quanta parte della variabilità di Y: E' spiegata dalla retta
• Se la retta passa perfettamente per i punti osservati, R2 sarà pari a: Uno
• Se la varianza di Y è uguale alla varianza residua, R2 sarà uguale a: Zero.
• I residui si devono distribuire rispetto alle X: In modo casuale
• Se ho un R2 = 0.15, posso dire che: Non esiste dipendenza tra la Y e la X
• Gli outlier sono: Dati anomali
• Se R2=0 allora: Il coefficiente di regressione è nullo
• L'istogramma dei residui deve avere una forma: Campanulare
• Se R2=0.85 posso dire che: La retta spiega molto bene i punti
• Se la retta di regressione è una retta parallela all'asse delle X, allora: R2=0
• Se i miei punti hanno un andamento perfettamente parabolico, R2 sarà: Zero
• Se la retta di regressione è una retta parallela all'asse delle Y, allora: R2=0
• Se i residui crescono al variare di X, allora: La retta non è buona.
• Nella definizione classica la probabilità è data da: Il rapporto tra casi favorevoli e
casi totali
• La probabilità è un valore: Compreso tra zero e uno
• Se A=(2,3,4) e B=(4,5,6), la loro intersezione è: 4
• Si definisce esperimento casuale: Un esperimento condotto in situazioni di incertezza

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• Nella definizione frequentista la probabilità è data da: La frequenza relativa,
all'aumentare del numero delle prove
• Se A e B sono indipendenti, allora la probabilità della loro intersezione è: P(a)*P(B)
• Se A=(2,3,4) e B=(4,5,6), la loro unione è: (2,3,4,5,6)
• Se A e B sono incompatibili significa che: L'intersezione tra A e B è vuota
• Nella definizione soggetivista la probabilità è data da: Un valore soggettivo
• Se A e B sono indipendenti, allora: P(A!B)=P(A).
• Una variabile casuale è una: Funzione che può assumere più risultati
• Le probabilità possono essere interpretate come: Frequenze teoriche
• La somma delle probabilità della variabile casuale discreta è: Uno
• Una variabile casuale discreta può: Assumere un insieme numerabile di risultati
• Il calcolo delle probabilità di variabili casuali continue si basa: Sugli integrali
• In una distribuzione di probabilità si può calcolare: La media e la varianza
• Il calcolo della media di una variabile continua avviene tramite: Integrale
• La variabile casuale è simile a: Una variabile statistica
• Una variabile casuale continua può: Assumere qualsiasi valore in un intervallo fissato
• L'integrale della funzione di densità della variabile casuale continua è: Uno.
• La binomiale si basa su un esperimento: Dicotomico
• La distribuzione binomiale è: Una variabile casuale disceta
• Il coefficiente binomiale esprime: Le combinazioni possibili
• Se n=3=k, il coefficiente binomiale è: Uno
• I risultati delle prove devono essere: Indipendenti
• Calcolare il coefficiente binomiale con n=5 e k=2: 10
• Se n=3 e k=1, il coefficiente binomiale è: Tre
• Con la probabilità p si indica: La probabilità del successo
• Calcolare il coefficiente binomiale con n=3 e k=2: 3
• Calcolare il coefficiente binomiale con n=7 e k=4: 35.
• Ai fini dell'applicazione della binomiale, le prove devono essere: Indipendenti
• La variabile binomiale è: Discreta
• Nell'ambito statistico, n si riferisce: Alla numerosità campionaria
• Il valore atteso corrisponde: Alla media
• Se n=5 e p=0.5, quanto è la probabilità di avere 2 successi: 0,3125
• Se n=5 e p=0.5, quanto è la probabilità di avere 0 successi: 0,031
• Ai fini dell'applicazione della binomiale, le prove devono essere: Ripetute
• Se n=5 e p= 0.2, allora il valore atteso è: 1
• Se n=5 e p=0.5, quanto è la probabilità di avere 5 successi: 0,031
• Se n=5 e p= 0.2, allora la varianza è: 0.8.
• La funzione Normale è definita per valori di X compresi tra: Meno infinito e più infinito
• Due distribuzioni Normali con stessa varianza e diversa media: Sono identiche
per traslazione
• La funzione di densità Normale ha un andamento: Campanulare
• All'aumentare della variabilità, la curva Normale si: Abbassa
• Nella formula della Normale figurano esplicitamente: Media e varianza
• I punti di flesso della curva Normale si trovano in corrispondenza di: (m-σ) e (μ+σ)
• Con X~ N(3, 2) si indica una media con: Media = 3 e sqm= 2
• Nella funzione Normale: Media, mediana e moda coincidono
• La curva Normale è particolarmente importante nelle applicazioni della statistica perchè:
Molti fenomeni si distribuiscono approssimativamente ad una normale
• La curva normale è: Una variabile casuale continua.
• La variabile standardizzata ha: Sempre media nulla
• Le tavole della Normale forniscono i valori di: Pr(Z <= zp) = 0 (zp)
• La trasformazione di standardizzazione è: Z= (X - u) / o
• E’ possibile passare da una variabile X ad una standardizzata Z: Sempre
• La Pr(Z<0) è uguale a: 0.5
• La variabile standardizzata ha: sempre sigma=1
• Se X ha media = 3 e sigma = 2, allora il valore standardizzato di x=1 è: -1
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• La normale standardizzata ha andamento: Campanulare
• Se X = N(1,2), allora Pr(0 < X < 5) è uguale a: Pr(-0.5<Z<2)
• La Pr(Z<0.65) è uguale a: 0.74215.
• Nella curva normale, la Pr(Z<-a) è uguale a: 1-Pr(Z<a)
• Nella curva normale, la Pr(Z>b) è uguale a: 1-Pr(Z<b)
• La Pr(Z<0.34) è uguale a: 0.63307
• La Pr(Z<-0.34) è uguale a: 0.36693
• La Pr(Z>0.34) è uguale a: 0.36693
• La Pr(Z>-0.34) è uguale a: 0.63307
• Il valore di z che corrisponde ad una probabilità 0.5 è: 0
• Il valore di z che corrisponde ad una probabilità 0.8 è: 0.84
• Sia X una normale con media = 3 e sigma = 2, il suo terzo quartile è: 4.34
• Nella normale standardizzata il terzo quartile è: 0.67.
• L'inferenza si interessa a estendere: L’informazione campionaria alla popolazione
• Se la popolazione di partenza è Normale, allora la Media campionaria si distribuisce:
Normalmente
• Se la varianza della popolazione è 10 e si fa un campione con n=100, la varianza della
Media campionarie è: 0.1
• L'intervallo di confidenza ha un livello di garanzia: 1-Alpha
• Il campione (X1,...,Xn) viene considerato come una: Variabile casuale multipla
• Se non conosciamo la distribuzione della popolazione, la distribuzione della Media
campionaria è: E’ Normale per n elevato in base al teorema del limite centrale
• La Media campionaria è: una variabile casuale
• Se si estrae un campione da una popolazione con media pari a 4, la Media campionaria
ha media pari a: 4
• All'aumentare di n l'ampiezza dell'intervallo: Diminuisce
• Una garanzia del 100% nell'intervallo di confidenza si ottiene per: (-infinito,+infinito).
• Se lo sqm della popolazione è 4 e il campione è di n=64, quanto è lo sqm della media
campionaria: 0.5
• Dato sigma=6, n=50 e una media campionaria pari a 20, quale è l'intervallo ad un livello
di significatività del 95%: 18.34; 21.66
• Se non conosco il sigma della popolazione, lo sostituisco con: la sua stima corretta sc
• Se sigma è ignoto devo usare le tavole: T-student
• Se si vuole commettere un errore massimo pari a 2, con un sigma = 4, ad un livello di
confidenza del 95, la numerosità campionaria sarà: 16
• Se si vuole un intervallo di confidenza con una garanzia del 100%, questo è dato da:
-infinito; +infinito
• Si sta studiato un fenomeno dicotomico su un campione di n=40 unità e una frequenza
relativa pari 0.30. Quanto è l'intervallo di confidenza di p ad un livello del 95%:
0.16; 0.44
• Determinare z (nella stima per intervallo) corrispondente ad un livello di confidenza
dell' 89%: 1.60
• Come posso ridurre l'ampiezza dell'intervallo, e quindi dell'errore: Aumentando la
numerosità campionaria.
• Il punto di partenza dei test statistici è la definizione della: Ipotesi nulla
• Nella verifica delle ipotesi si possono commettere: Due tipi di errori
• I test statistici sono una delle tecniche: Dell’inferenza statistica
• Con l'errore di primo tipo si intende: Rifiutare l’ipotesi nulla quando questa è vera
• Nel test sulla media, se l'ipotesi alternativa è bidirezionale, si accetta se:
La statistica-test |z|<z(alpha)
• La statistica usata nell'ambito della verifica delle ipotesi é: Una statistica-test
• Se non è nota la varianza della popolazione la statistica-test da usare per la verifica
delle ipotesi sulla media è:

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• L'ipotesi alternativa corrisponde a: l’ipotesi che quella nulla non sia verificata
• L'errore di secondo tipo consiste in: Accettare l’ipotesi nulla quando questa è falsa.
• Il Sistan: E' l'insieme di soggetti produttori di “statistica ufficiale”
• Il Programma Statistico Nazionale: Ha durata periodica
• L'errore campionario: Si commette in base al tipo di campionamento che si è costruito
• Le statistiche economiche: Devono soddisfare determinate caratteristiche concordate a
livello internazionale
• La qualità della produzione statistica richiede: Di saper trasformare bene un dato
statistico in conoscenza
• La difficoltà nel definire la qualità dei dati statistici è: Agganciata ai processi produttivi
posti in essere dalle fonti ufficiali di informazione statistica, ovvero i dati devono
soddisfare determinate caratteristiche e requisiti
• Quale tra i seguenti requisiti è essenziale per la qualità dei dati: Coerenza
• L'attendibilità delle stime soffre di molteplici errori derivanti da: Errori di precisione
nelle indagini campionarie
• La puntualità è un concetto legato alla: Tempestività
• Il requisito della comparabilità si utilizza: Quando si confrontano statistiche
corrispondenti nello spazio
• Il dato statistico: E' la materia prima da cui è ottenuta l'informazione statistica che si
riferisce alla collettività
• I dati secondari: Rappresentano una fonte di dati
• dati primari: Le opinioni raccolte dall'azienda su un campione di clienti
• Nella produzione di informazione statistica, l'impresa: E' produttrice di dati primari
• Il metadato: E' un'informazione che consente di interpretare correttamente un insieme
di dati
• Il settore Ateco è: un esempio di metadato
• La sede legale di un'impresa: Coincide con la sua unità locale sole se l'impresa è
unilocalizzata
• L'unità locale di un'impresa: E' assegnata al territorio in cui si trova, indipendentemente
dalla residenza dell'impresa cui appartiene
• La fonte dei dati interni all'azienda: Indica il soggetto produttore dei dati
• La fonte dei dati per un'azienda può essere sia interna che esterna: La sua indicazione è
un metadato.
• Le Caratteristiche strutturali delle imprese: Rientrano nella categoria delle fonti di dati
esterne all'azienda
• Le Caratteristiche strutturali delle imprese: Collocano l'impresa nell'ambito di un
territorio, di un settore economico e di una classe dimensionale
• Il Censimento dell'Industria e dei Servizi: E' l'unica indagine che consente analisi fino a
livello comunale
• L'Archivio statistico delle imprese attive (Asia): Comprende qualsiasi classe
dimensionale delle imprese
• L'Archivio statistico delle imprese attive (Asia): Consente di costruire gli indicatori di
demografia delle imprese
• L'Archivio statistico delle imprese attive (Asia) per le unità locali: Analizza le
caratteristiche strutturali del sistema produttivo tra due censimenti
• L'indagine PMI: Consente di comparare il risultato economico della propria impresa con
quello conseguito dalle imprese simili per caratteristiche strutturali
• L'indagine Istat sul consumo delle famiglie: E' utile alle imprese per adeguare l'offerta ai
mutamenti nel comportamento di spesa dei consumatori
• L'aggregato spesa delle famiglie: Comprende la produzione per uso proprio
• I consumi finali delle famiglie: Comprendono alcune spese per investimento.
• I Big Data sono dati generati: Da uso di strumenti digitali
• Il costo di produzione di Big Data: È generalmente contenuto
• Quali di questi attributi non caratterizza i big data: Ridondanza
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• I microdati sono collezioni di: Dati elementari
• La statistica ufficiale si sta orientando: Verso il maggiore uso di Big Data
• In Italia utilizzano i Big Data principalmente: Le grandi imprese
• La visione basata sull'uso di dati da fonti differenti si chiama: Multiple Integrated Data
Collection
• Le unità sul quale viene condotta una rilevazione si denominano: Unità statistiche
• I Big data mettono a disposizione una grande quantità: Di microdati
• La reperibilità di Big Data è stata facilitata: Dall'innovazione tecnologica.
• Un primo aspetto critico nell'uso dei Big Data è la definizione: Della popolazione
obiettivo
• Quali di questi aspetti è problematico per l'accesso ai dati: Privacy
• I Big Data permettono di ricavare: Un ingente mole di informazioni
• L'estrazione di informazioni (prezzi) da internet mediante un processo informatico:
Web scraping
• I primi problemi di privacy sono emersi: Negli USA
• Una definizione di qualità dei dati è fornita da: ISO9001:2015
• La valutazione della qualità dei Big Data dovrebbe comprendere fra le nuove
dimensioni: Privacy
• Il processo di creazione di dati è caratterizzato da: Elevata complessità
• I Big Data rispetto alle fonti convenzionali presentano: Alcune criticità
• Un problema dei dati ottenuti dai Social Media per le imprese potrebbe essere: Il costo.
• Processo di raccolta e analisi di grandi volumi di dati per estrarre informazioni che non
sono constatabili da un’analisi immediata: Big Data Analytics
• Le aziende grazie ai Big Data migliorano in maniera netta i processi di: Forecast
• Per l'analisi del consumatore un problema importante è: L'individuazione della
popolazione di riferimento
• Il modello di regressioni lineare utilizza, individua relazioni di tipo lineare tra una
variabile di risposta ed un set di: Covariate
• Amazon utilizza i Big Data per: Individuare nicchie di mercato
• I Big Data sono stati utilizzati proficuamente nel settore: Della vendita retail
• Il mercato dei Big Data è: In crescita
• Sistemi di raccolta e lettura di dati che permettono agli agenti che operano in un
business di ottenere dati immediati: Real time analytics
• Le imprese che usano Big Data vogliono studiare e prevedere il comportamento dei
clienti utilizzando: Dati in tempo reale
• Gli strumenti di analisi statistica per i Big Data divengono sempre: Più articolati.
• I Big Data, data la loro mole richiedono: Maggiori capacità di memorizzazione
• Per un migliore e veloce sfruttamento dei Big Data è necessario creare: Reti di
calcolatori
• L'insieme di tecniche volte alla estrazione di dati e informazini da grandi database:
Data mining
• La qualità dei Big Data è molto influenzata dalle: Tecnologie utilizzate
• L'insieme di tecniche che permettono al computer di apprendere senza essere
esplicitamente e appositamente programmati: Machine learning
• Permettono alle imprese di creare applicativi per modellare grandi quantità di
informazioni: Framework
• Hadoop è stato sviluppato principalmente da: Yahoo
• Figura che permette di elaborare e migliorare lo sfruttamento dei Big Data: Data
scientist
• Gli impegati nel settore ICT nelle imprese sono: In crescita
• Il data scientist ha competenze: Trasversali.
• Presupposto primario per iniziare a sfruttare fonti Big Data: Chiarire gli obiettivi
conoscitivi
• La business analytics può essere alla base della strategia di: Differenziazione
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• Pratica che permette da serie storiche di individuare dei pattern strutturali, in
particolare su eventi finanziari e economici: Trend analysis
• Le previsioni sul futuro operate da serie modellizzate analiticamente: Forecast
• Strumento gratuito che permette di trovare la frequenza di un'espressione o parola sul
web: Google Trends
• Google Trends è uno strumento che permette con facilità di: Scaricare dati su trend
• Google Trends è uno strumento: Gratuito
• Per l'analisi dei dati finanziari (esempio prezzo azioni) una serie rilevata annualmente
ha intervallo: Troppo ampio
• All'interno delle aziende la trend analysis possono essere utilizzata per analizzare - fra
le altre cose - le: Le vendite ed il successo di un prodotto
• I dati di Google trends possono essere estratti: Per diversi domini geografici.
• La Business Analytics si occupa di: Analisi strategiche
• La Business Analytics: Attraversa diverse funzioni aziendali
• Software tipicamente utilizzato dalla Business Analytics: Pentaho
• Strumento che permette di raffigurare in maniera integrata e rapida i dati aziendali:
Dashboard
• Google Analytics è uno strumento: Di web analytics
• Google Analytics permette all'azienda di monitorare: La performance web
• Google Analytics è il servizio di analytics: Più usato nel web
• Google Analytics permette di: Integrarsi con altri applicativi
• Google Analytics è uno strumeto molto usato: Nel marketing
• Strumento intuitivo che facilita la fruibilità reportistica: Grafici.
• R è un linguaggio di programmazione che nasce da: Linguaggio S
• R è un linguaggio di programmazione object oriented, ovvero: Tutte le operazioni
vengono svolte su e tramite oggetti e a loro volta ne generano altri
• Sul sito di R, CRAN sta per: Comprehensive R Archive Network
• Nel linguaggio di R: Lettere maiuscole e minuscole vengono considerate diverse
• Il simobolo nel prompt > sta ad indicare: Che il sistema è pronto per ricevere
l’istruzione
• R-Studio è: Un'interfaccia grafica che interagisce con R
• Se dopo aver inviato il comando appare il simbolo +, significa:Che il comando è
incompleto
• I pacchetti di R sono: Insiemi di comandi specifici su un tema
• Per avere informazioni su un pacchetto si deve usare il comando: Help(package =
“nomepacchetto")
• Il comando library(nomepacchetto) serve a: Attivare il pacchetto su R.
• Per importare i dati in formato txt in R: Non è necessario installare nulla e si possono
leggere direttamente
• Il comando ls( ) permette di: Visualizzare gli oggetti memorizzati
• Se devo importare un file in formato csv il comando è: Read.csv
• Per esportare i dati da R si usa il comando: Write.table
• In R i vettori sono espressi come: Vettore colonna
• Per fare la trasposta di un vettore si usa il comando: t(x)
• Il comando rbind(x,y): Unisce due vettori x e y per riga
• Se A è una matrice, A[2,4]: Estrae l'elemento in riga 2 e colonna 4 della matrice
• Il data-frame è dato da: Matrici in cui le colonne possono essere di natura differente
• La funzione è: Un insieme di comandi elementari.
• Per calcolare la media sul vettore di dati x si deve dare il comando: mean(x)
• Per avere un insieme di statistiche descrittive sui dati x si usa: summary(x)
• Per estrarre una variabile da una matrice di dati (o data-frame) si usa il simbolo: $
• Il comando table(x) mi fornisce: La tabella di frequenze assolute
• Per costuire un grafico a torta sulla tabella si usa: Pie(x)
• In una tabella doppia, table[ ,1] fornisce: La tabella di Y condizionatada X1
Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
• In una tabella doppia, table[1 , ] fornisce: La tabella di X condizionata a Y1
• La correlazione tra x e y si calcola con: cor(x,y)
• Se voglio stimare la retta di regressione di Y rispetto a X, devo scrivere: Lm(y~x)
• Per vedere l'output e alcune statistiche della regressione, salvata nell'oggetto pippo,
devo scrivere: Summary(pippo)
• LE FONTI DI LIVELLO SUB-NAZIONALE: Sono pubblicazioni periodiche
• IL COEFFICIENTE DI CORRELAZIONE HA A NUMERATORE: La covarianza
• IL SECONDO QUARTILE CORRISPONDE A: La mediana
• I QUARTILI SONO: 3
• LE PROBABILITÀ POSSONO ESSERE INTERPRETATE COME: Frequenze teoriche
• I QUANTILI SONO: Dipende da quanto si è fissato k
• SE LE CONDIZIONATE SONO UGUALI, ALLORA: Sono uguali anche alla marginale
• NELL'ISTOGRAMMA, L'AREA DEL RETTANGOLO È DATO DA: Ampiezza della classe x
densità
• SE IL COEFFICIENTE DI CORRELAZIONE È NULLO: Le variabili X e Y sono nulle
• ALL'INTERNO DELLE AZIENDE LA TREND ANALYSIS POSSONO ESSERE UTILIZZATA PER
ANALIZZARE - FRA LE ALTRE COSE - LE: Le vendite ed il successo di un prodotto

Document shared on www.docsity.com

Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
 Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)
 Document shared on www.docsity.com
Downloaded by: annarita-focarelli-barone (annaritafocarellibarone@gmail.com)