PSICOMETRIA

L’intervista semistrutturata: non consente all’intervistato di muoversi, e costringe a seguire rigidamente una traccia. permette all'intervistato di muoversi, seppur in modo limitato, ovvero senza seguire in modo stringente una traccia. non è adoperata in psicologia. ha le stesse caratteristiche di quella strutturata.

L’intervista strutturata: è una traccia di domande predefinita che non dà all’intervistato margine di intervento. è un’intervista libera. consente all’intervistato margine di intervento. non è utilizzata in psicologia.

L’intervista non strutturata: prevede che chi risponde può rispondere in parte in maniera libera. Non viene considerato il linguaggio verbale e le storie di vita. prevede che chi risponde ha ampio margine di libertà. L'intervistatore pone una o due domande ed evita di interrompere. Non è utilizzata in psicologia.

La ricerca quantitativa: non contempla la generalizzazione dei risultati. non punta alla verifica delle ipotesi. non è applicabile in psicologia. è orientata a verificare (o meglio falsificare) delle ipotesi.

I metodi misti: non comprendono i metodi quantitativi. sono efficaci e produttivi rispetto allo studio dei fenomeni psicologici e sociali. non comprendono i metodi qualitativi. non sono utilizzati in psicologia.

Individua l’affermazione non corretta. In un Focus group non esiste un moderatore. Nell’osservazione a distanza il ricercatore mantiene un distacco emotivo e cognitivo rispetto a ciò che studia. Nella ricerca quantitativa, l’obiettivo generale è verificare ipotesi, generalizzare i risultati, sulla base di una teoria di riferimento. La ricerca qualitativa prescinde la generalizzabilità.

Le grandezze “estensive” sono: divisibili in parti; sommabili; non misurabili. divisibili in parti; sommabili; direttamente misurabili. indivisibili; sommabili; direttamente misurabili. divisibili in parti; non sommabili; direttamente misurabili.

Le grandezze “intensive” sono: Direttamente osservabili, non sono sommabili ma sono graduabili. Non sono direttamente osservabili e non sono graduabili. Non sono direttamente osservabili, non sono sommabili ma sono graduabili. Non sono direttamente osservabili, ma sono sommabili e sono graduabili.

Il sistema empirico: È ciò che si vuole misurare. Non fa riferimento all’insieme di «dati» raccolti e disponibili. Il processo di raccolta dati in psicologia non è indispensabile per definire i costrutti psicologici su base empirica. Le affermazioni precedenti non sono corrette.

Per sistema numerico si fa riferimento: all’insieme di «dati» raccolti e disponibili. a ciò che si vuole misurare. tutte le risposte sono sbagliate. all’insieme di «valori» assegnati ai dati raccolti.

Nel mettere in relazione il sistema empirico con il sistema numerico: È facile stabilire una relazione univoca tra i due sistemi. Il ricercatore deve scegliere, tra le proprietà dei numeri, quelle che teoricamente si accostano meglio alle caratteristiche del costrutto che vuole misurare. Non è possibile mettere in relazione sistema numerico ed empirico. Nessuna di queste affermazioni è corretta.

I costrutti psicologici: Non sono misurabili empiricamente. Sono misurabili empiricamente tramite metodi scientifici validati. non sono per definizione teorici. Non sono utilizzati in psicometria.

La latenza: È l’intervallo di tempo che intercorre prima della presentazione di uno stimolo. È l’intervallo di tempo che intercorre tra la presentazione di uno stimolo e il verificarsi di uno specifico evento (risposta). È l’intervallo di tempo che intercorre dopo il verificarsi di uno specifico evento (risposta). Nessuna delle risposte è corrette.

La frequenza: Non è il numero delle volte in cui si presenta un determinato evento. È il numero delle volte in cui si presenta un determinato evento. È il tempo che viene mantenuto un determinato comportamento. Nessuna delle alternative è corretta.

La durata del comportamento: È la quantità di tempo in cui un singolo comportamento viene mantenuto. Non è la quantità di tempo in cui un singolo comportamento viene mantenuto. Nessuna delle alternative è corretta. È il numero delle volte in cui si presenta un determinato evento.

Il campionamento avviene: quando il ricercatore può considerare l’intera popolazione. solo quando la popolazione è ristretta. tutte le affermazioni non sono corrette. quando la popolazione di interesse è troppo ampia, e deve per questo identificare un campione rappresentativo.

Si indica in generale con N. il numero di rilevazioni effettuate per un dato fenomeno x. l’estensione della popolazione. la singola osservazione. l’estensione del campione.

Nel campionamento casuale: ogni elemento di una popolazione ha la stessa probabilità di essere estratto per formare il campione. è richiesta un’iniziale divisione della popolazione in sub-campioni. nessuna delle affermazioni è corretta. ogni elemento di una popolazione non ha la stessa probabilità di essere estratto per formare il campione.

Il campionamento stratificato: non consente di rappresentare i sottogruppi presenti nella popolazione. non prevede la divisione in gruppi. consente di rappresentare i sottogruppi presenti nella popolazione. nessuna delle affermazioni è corretta.

Nel campione con reinserimento: il soggetto estratto della popolazione di partenza viene reinserito dopo l’esecuzione della estrazione successiva. il campione viene reinserito nella popolazione. nessuna delle affermazioni è corretta. il soggetto estratto della popolazione di partenza viene reinserito prima dell’esecuzione della estrazione successiva.

Indica l’affermazione non corretta. Dai test psicologici scaturisce solo una variabile. Una variabile è la proprietà misurata rispetto a un evento reale. La variabile cambia a seconda delle situazioni o degli individui. Le variabili fanno da riferimento per misurazione di un costrutto.

Il processo di costruzione di una variabile: non necessita di definizioni e conoscenze teoriche. prescinde dal costrutto psicologico di base. nessuna delle affermazioni è corretta. parte da un costrutto al quale si dà un certo significato.

L’operazionalizzazione della variabile: prescinde dal significato attribuito a un determinato costrutto. consiste nella creazione di un’entità misurabile da individuo a individuo. non riguarda il significato tra significato e variabile. nessuna delle affermazioni è corretta.

La variabile: per passare da una variabile a un valore non è necessario misurare. nessuna delle affermazioni è corretta. assume diversi valori per diversi individui. assume uguali valori per diversi individui.

La prima proprietà del sistema numerico: spiega che i numeri rappresentano etichette con nomi diversi. non contempla variabili nominali. spiega che i numeri rappresentano etichette con nomi uguali. nessuna delle precedenti affermazioni è vera.

La seconda proprietà del sistema numerico spiega che: nessuna delle seguenti affermazioni è vera. non riguarda le variabili ordinali. i numeri non possono essere ordinati. i numeri possono essere ordinati.

La terza proprietà del sistema numerico spiega che: i numeri non possono essere sommati e sottratti tra loro. non riguarda variabili ad intervalli equivalenti. i numeri possono essere sommati e sottratti tra loro. nessuna delle precedenti affermazioni è vera.

La quarta proprietà del sistema numerico spiega che: nessuna delle seguenti affermazioni è vera. i numeri non possono essere moltiplicati e divisi tra loro;. non riguarda variabili a rapporti equivalenti. i numeri possono essere moltiplicati e divisi tra loro.

Le variabili a intervalli equivalenti: non sono nominali né ordinali. avranno anche delle proprietà di somma e sottrazione. nessuna di queste affermazioni. i valori da esse assunti non rappresentano delle quantità.

Le variabili a rapporti equivalenti: non sono nominali ed ordinali. avranno anche delle proprietà di moltiplicazione e divisione in quanto i loro valori rappresentano quantità moltiplicabili. solo ad intervalli equivalenti. nessuna delle precedenti.

La statistica descrittiva ha lo scopo di: nessuna delle affermazioni è corretta. fare inferenza sulla popolazione. descrivere e trovare degli indici di sintesi di un campione della popolazione. andare al di là dei dati raccolti.

La statistica: è l’insieme dei metodi e delle tecniche che consentono la corretta osservazione e programmazione di una sperimentazione. non consente l’elaborazione dei dati che derivano direttamente o indirettamente dalla sperimentazione. Non ha lo scopo di descrivere, generalizzare, prevedere. Nessuna di queste affermazioni è corretta.

Quanto ai grafici: sono utilizzati solo a scopo descrittivo. sono usati anche a scopo scientifico se si ricerca il modello matematico del fenomeno. non è possibile effettuare due o più rappresentazioni di una stessa tabella. tutte le precedenti affermazioni sono errate.

Le frequenze relative: sono calcolate tramite un semplice conteggio. non sono calcolabili in psicometria. sono le percentuali relative per ciascuna modalità di frequenza assoluta. sono computate rispetto al valore convenzionale 150.

Le frequenze assolute cumulate: sono la somma della percentuale di risposte a quella categoria e a quelle precedenti. hanno senso per le variabili nominali. nessuna delle affermazioni è corretta. sono la somma delle frequenze di quella categoria e delle precedenti.

Le frequenze relative cumulate: sono la somma della percentuale di risposte a quella categoria e a quelle precedenti. sono semplicemente la somma delle frequenze di quella categoria e delle precedenti. hanno senso per le variabili nominali. nessuna delle affermazioni è corretta.

Le classi possono avere: solo intervalli chiusi. solo intervalli aperti. intervalli aperti o chiusi. intervalli semiaperti.

Le classi devono essere necessariamente: Congiunte, esaustive e chiuse a destra. Disgiunte, esaustive e chiuse a destra. Disgiunte, esaustive e chiuse a sinistra. Congiunte, esaustive ed aperte a destra.

Le classi devono essere esaustive, cioè. devono contenere il minimo e il massimo osservati. devono esserci sovrapposizioni tra classi. devono essere chiuse a sinistra. non devono esserci sovrapposizioni tra classi.

Le classi devono essere chiuse a destra, precisamente: limite inferiore incluso, limite superiore escluso. limite inferiore e superiore escluso. limite inferiore escluso, limite superiore compreso. limite inferiore e superiore incluso.

La media aritmetica di più numeri. è quel valore che sostituito ai dati, lascia invariata la loro somma. è quel valore che sostituito ai dati, variata la loro somma. non viene utilizzata in psicometria. nessuna delle precedenti risposte è corretta.

La media aritmetica ponderata si calcola. sommando il coefficiente di ponderazione per la somma delle frequenze. moltiplicando i valori in analisi per la somma delle frequenze. dividendo la frequenza per il coefficiente di ponderazione. sommando i valori in analisi, ognuno moltiplicato per il coefficiente di ponderazione, e dividendo tutto per la somma delle frequenze.

Indica l’affermazione corretta. la media aritmetica non è un indice di posizione. la media aritmetica non fornisce l'ordine di grandezza dei valori esistenti. la media artimetica semplice è un caso particolare di media aritmetica ponderata nella quale tutti i valori hanno frequenza unitaria. non permette di conoscerne la somma dei valori.

Gli indicatori di variabilità. non forniscono valori che informano sull’ampiezza della variazione, intorno al valore centrale, dei valori della variabile nel campione. misurano la variabilità dei punteggi di una distribuzione. Gli indicatori di variabilità non sono di dispersione. Tutte le affermazioni non sono corrette.

Il range, o campo di variazione. è l’ampiezza dei valori compresa tra il valore massimo ed il valore minimo. è la somma dell’ultima e della prima modalità della serie opportunamente ordinata. È una misura di variabilità complessa. Se i dati sono uniformemente distribuiti, non è informativo.

La differenza interquartile. è data dalla differenza tra il quarto ed il secondo quartile. non richiede una scala di misura metrica di quantificazione delle differenze tra i valori. considera cosa accade all’interno della distribuzione. è data dalla differenza tra il terzo ed il primo quartile.

La deviazione standard indica. quanto, non mediamente, i dati osservati si discostano dalla loro media. quanto, non mediamente, i dati osservati si avvinano alla loro media. quanto, mediamente, i dati osservati si avvicinano alla loro media. quanto, mediamente, i dati osservati si discostano dalla loro media.

La varianza. è data dalla somma degli scarti della media elevati al quadrato e divisi per n. indica quanto distano gli individui di un gruppo. è data dalla differenza degli scarti della media. nessuna delle precedenti.

Lo scarto quadratico medio: è tanto più piccolo quanto più i dati sono prossimi al valore medio. è tanto più grande quanto più i dati sono prossimi al valore medio. è tanto più piccolo quanto più i dati sono lontani al valore medio. è diverso da zero se e solo se i dati sono tutti eguali fra loro.

Lo scostamento semplice medio: è la somma dei valori degli scarti delle xi da un valore medio. è la differenza dei valori degli scarti delle xi da un valore medio. è la media aritmetica dei valori assoluti degli scarti delle xi da un valore medio. nessuna delle precedenti.

La differenza media semplice si ottiene: come media aritmetica degli scarti in valore assoluto tra i termini della distribuzione. sottraendo gli scarti tra i termini della distribuzione. sommando gli scarti tra i termini della distribuzione. dagli scarti tra i termini della distribuzione.

La differenza media con ripetizione si ottiene: come media aritmetica degli scarti in valore assoluto tra i termini della distribuzione. sottraendo gli scarti tra i termini della distribuzione. sommando gli scarti tra i termini della distribuzione. è la media aritmetica degli scarti di ciascuna modalità e se stessa, effettuando in totale.

La concentrazione. rappresenta l’intensità parziale del fenomeno. non è utile per capire se il fenomeno è equamente distribuito fra tutte le unità. rappresenta l’intensità globale del fenomeno. nessuna delle precedenti.

Individua l’affermazione corretta. le frequenze relative cumulate si ottengono dividendo le intensità cumulate per l’intensità globale (somma di tutti i prodotti tra le variabili e le frequenze). le intensità relative cumulate si ottengono dividendo le frequenze cumulate per la somma delle frequenze. le frequenze relative cumulate si ottengono moltiplicando le frequenze cumulate per la somma delle frequenze. le intensità relative cumulate si ottengono dividendo le intensità cumulate per l’intensità globale (somma di tutti i prodotti tra le variabili e le frequenze).

Nella curva di concentrazione di Lorenz: La concentrazione è minima quando la curva coincide con i cateti del triangolo OAB. La concentrazione è massima quando la curva non coincide con i cateti del triangolo OAB. La concentrazione è massima quando la curva coincide con i cateti del triangolo OAB. Non vi è una concentrazione massima.

Indica l’affermazione corretta. La misura non è legata alla probabilità. La probabilità consente di generalizzare i risultati ottenuti dal campione alla popolazione. Lo scopo di ogni scienza è la purezza assoluta del risultato. Tutte le affermazioni sono non corrette.

La concezione frequentista della probabilità: non è basata sulla definizione di frequenza relativa di un evento. non è necessario ricorrere ad esperimenti. nessuna delle affermazioni è corretta. assume che per conoscere la probabilità di un evento, si deve ricorrere all’esperimento.

Individua l’affermazione non corretta: L’impostazione assiomatica è sorta sistemare in modo rigoroso le conoscenze e le molte applicazioni del calcolo delle probabilità. La prova è un esperimento non soggetto a incertezza. La probabilità è un numero associato al presentarsi di un evento. I concetti primitivi dell’impostazione assiomatica sono: prova, eventi, probabilità.

Nella probabilità condizionata: la probabilità di un evento non varia al verificarsi di un altro evento. tutte le affermazioni non sono corrette. se B non si verifica, l’evento A | B è definito. vi è la probabilità del verificarsi di A nell’ipotesi che B si sia verificato.

La distribuzione discreta uniforme. è una distribuzione di probabilità discreta che è uniforme su un insieme. è una distribuzione di probabilità discreta che è uniforme su un insieme. non attribuisce la stessa probabilità ad ogni elemento dell'insieme discreto S su cui è definita. attribuisce la diversa probabilità ad ogni elemento dell'insieme discreto S su cui è definto.

La distribuzione di Poisson: non è una distribuzione di probabilità discreta. è una distribuzione di probabilità non discreta. è una distribuzione di probabilità discreta che esprime le probabilità per il numero di eventi che si verificano prima ed indipendentemente in un dato intervallo di tempo, sapendo che mediamente se ne verifica un numero (λ). è una distribuzione di probabilità discreta che esprime le probabilità per il numero di eventi che si verificano successivamente ed indipendentemente in un dato intervallo di tempo, sapendo che mediamente se ne verifica un numero (λ).

Nella distribuzione normale: Valore medio, valore modale e mediana non coincidono ma corrispondono al punto massimo della distribuzione normale. Non corrispondono al punto massimo della distribuzione normale. Valore medio, valore modale e mediana coincidono ma non corrispondono al punto massimo della distribuzione normale. Valore medio, valore modale e mediana coincidono e corrispondono al punto massimo della distribuzione normale.

La trasformazione di un punteggio grezzo ottenuto da un singolo individuo in considerazione dei risultati medi ottenuti in quel tipo di prova da un gruppo di soggetti con caratteristiche analoghe. Non consente la standardizzazione. Consente la standardizzazione. Non è effettuabile. Nessuna delle risposte è corretta.

La distribuzione normale standardizzata: Permette di calcolare l'area sopra la curva gaussiana tra due estremi x1 e x2 tramite una tabella di conversione. È egualmente distribuita nei 4 intervalli. Non è egualmente distribuita nei 4 intervalli. Non ha come scopo rendere i dati direttamente confrontabili.

L’inferenza statistica. È il procedimento mediante il quale, dall’analisi dei dati osservati sulla popolazione, si perviene a conclusioni relative all’intero campione. È il procedimento mediante il quale, dall’analisi dei dati osservati su un campione; si perviene a conclusioni relative all’intera popolazione. Non consente in nessun caso di pervenire a conclusioni relative all’intera popolazione. Tutte le affermazioni non sono corrette.

Il metodo del campione casuale semplice. si può applicare se la popolazione è statisticamente omogenea. si può applicare se la popolazione non è statisticamente omogenea. si può applicare anche se le unità statistiche sono individuabili mediante un numero. nessuna di queste affermazioni è corretta.

Secondo il criterio di selezione con ripetizione (o bernulliana): la probabilità di estrazione di ogni elemento non è costante e pari a 1 / N. gli elementi una volta estratti non sono reinseriti. Il campione estratto non può essere mai maggiore della popolazione. nessuna di queste affermazioni è corretta.

L’operazione di stratificazione consiste nel raggruppare. le unità statistiche in un unico gruppo disomogeneo. le unità statistiche in strati con caratteri non comuni. le unità statistiche in strati omogenei. le unità statistiche in strati non omogenei, cioè con caratteri comuni sulla base di informazioni relative ad una popolazione.

Il campionamento non probabilistico si attua. in qualsiasi caso. quando sono note le unità di ogni campione. quando è possibile conoscere la probabilità di inclusione nel campione di ogni unità. quando non è possibile conoscere la probabilità di inclusione nel campione di ogni unità.

Il campionamento a più stadi: Ha lo scopo di voler individuare un campione di unità selezionandole su un livello. Ha lo scopo di voler individuare un campione di unità selezionandole su più livelli. Osserva gli stessi principi del campionamento stratificato. necessario che tra le unità elementari di un gruppo non vi siano differenze.

Il parametro di una popolazione statistica. È un valore non costante di quella popolazione. È un valore caratteristico (costante) di quella popolazione. Non è in gradi di esprimere le costanti di una popolazione. Nessuna delle affermazioni è corretta.

Le proprietà desiderabili degli stimatori sono. correttezza, efficienza, inconsistenza. correttezza, efficienza, consistenza. non correttezza, efficienza, consistenza. correttezza, inefficienza, consistenza.

La media campionaria. Tutte le affermazioni non sono corrette. È una variabile che non consente di stimare la media μ della popolazione. È la variabile non casuale, che è uno stimatore della media μ della popolazione. È la variabile casuale, che è uno stimatore della media μ della popolazione.

L’errore medio di campionamento indica quale errore mediamente si può commettere stimando. per mezzo del parametro incognito della popolazione il campione. per mezzo del campione il parametro incognito della popolazione. per mezzo dell’incognita il parametro della popolazione. per mezzo dell’incognita il parametro del campone.

La stima di intervallo. È un intervallo che, ad un prefissato livello di fiducia, contiene il parametro incognito. È un intervallo che, ad un prefissato livello di fiducia, non contiene il parametro incognito. Non si può applicare in assenza di informazioni sulla popolazione. Nessuna delle affermazioni è corretta.

Per stimare la differenza fra i valori medi di una variabile in due diverse popolazioni. Si estraggono due campioni, il primo di n1 elementi da una popolazione di N1 elementi ed il secondo di n2 elementi da una popolazione di N2 elementi. Si estrae solo un campione, di n1 elementi da una popolazione di N1 elementi. Non è necessario estrarre campioni. Tutte le affermazioni non sono corrette.

L’estrazione bernoulliana. È la procedura in cui l'unità una volta estratta non viene rimessa nella popolazione. È la procedura in cui l'unità una volta estratta viene rimessa nella popolazione. Prevede che la stessa unità non può entrare più volte a far parte del campione. Tutte le affermazioni non sono corrette.

La stima puntuale. Non fornisce un valore x ̅ della media μ di una popolazione ricavato dal campione scelto. fornisce un valore x ̅ della media μ di una popolazione ricavato dal campione scelto, che in generale non coincide con μ, ma può differirne per difetto o per eccesso. fornisce un valore x ̅ della media μ di una popolazione ricavato dal campione scelto, che coincide sempre con μ. Tutte le affermazioni non sono corrette.

Il procedimento della verifica delle ipotesi è parametrico: se l’ipotesi riguarda un parametro della popolazione quando è nota la distribuzione di probabilità;. se l’ipotesi riguarda un parametro della popolazione quando non è nota la distribuzione di probabilità;. se l’ipotesi riguarda proprio la distribuzione stessa. le affermazioni non sono corrette.

L’ipotesi è detta “ipotesi nulla” (o ipotesi dello zero). ed è indicata così H0: θ = θ0 per affermare che si ritiene non significativa la differenza, fra il valore θ0 ed il valore ricavato dal campione. ed è indicata così H0: θ = θ0 per affermare che si ritiene significativa la differenza, fra il valore θ0 ed il valore ricavato dal campione. ed è indicata così H1: θ = θ1 per affermare che si ritiene non significativa la differenza, fra il valore θ1 ed il valore ricavato dal campione. ed è indicata così H0: θ = θ0 per affermare che non esiste alcuna differenza fra il valore θ0 ed il valore ricavato dal campione.

Assegnate le due ipotesi H 0:θ = θ0 ipotesi nulla H 1:θ ≠ θ0 ipotesi alternativa. se la distribuzione è normale si trasformano i valori in variabili non standardizzate. non è necessario determinare entro quali limiti deve essere compresa la differenza fra θ 0 e la stima θ per poter accettare l’ipotesi. se la distribuzione è normale si trasformano i valori in variabili standardizzate e si determina entro quali limiti deve essere compresa la differenza fra θ 0 e la stima θ per poter accettare l’ipotesi. le affermazioni non sono corrette.

Il valore di 𝛼 è detto “livello di significatività”. per indicare che la differenza fra θ0 e la stima ricavata dal campione non è significativa e non solo dovuta a fluttuazioni campionarie. per indicare che la differenza fra θ0 e la stima ricavata dal campione è significativa ed è dovuta solo a fluttuazioni campionarie. per indicare che la differenza fra θ0 e la stima ricavata dal campione è significativa e non solo dovuta a fluttuazioni campionarie. per indicare che non vi sono differenze fra θ0 e la stima ricavata dal campione.

Un test è detto: significativo, se l’ipotesi nulla è rifiutata a livello  = 5. molto significativo, se l’ipotesi nulla è rifiutata a livello  = 1. molto significativo, se l’ipotesi nulla è rifiutata a livello  = 50. molto significativo, se l’ipotesi nulla è rifiutata a livello  = 0.1.

Un test è detto: molto significativo, se l’ipotesi nulla è rifiutata a livello  = 5. significativo, se l’ipotesi nulla è rifiutata a livello  = 0.05. significativo, se l’ipotesi nulla è rifiutata a livello  = 50. significativo, se l’ipotesi nulla è rifiutata a livello  = 0.3.

Quando si sottopone ad un test, bilaterale o unilaterale, un’ipotesi nulla H0 contro un’ipotesi alternativa H1. si determina una sola decisione: accettare H0 e rifiutare H1. si determina una sola decisione: rifiutare H0 ed accettare H1. si determinano due e due sole decisioni opposte fra loro: accettare H0 e rifiutare H1; rifiutare H0 ed accettare H1. Nessuna delle affermazioni è corretta.

Se si rifiuta un’ipotesi quando essa è vera. Non si commette mai un errore. Si commette un errore che viene detto: “errore di seconda specie”. Si commette un errore che viene detto: “errore di terza specie”. Si commette un errore che viene detto: “errore di prima specie”.

Se l’ipotesi alternativa è H1:μ ≠ μ0. si utilizza il test bilaterale. si utilizza il test unilaterale sinistro. si utilizza il test unilaterale destro. Non si usa alcun tipo di test.

Il concetto di “gradi di libertà”. Non è comune alla statistica. Non dipendono dalla numerosità. I gradi di libertà dipendono dalla numerosità. Nessuna delle affermazioni è corretta.

Il valore critico (vc) di t. è il valore della statistica associato ad un certo livello di significatività (𝛼𝛼). non è quello che prendiamo dalle tavole della t di Student. fa riferimento alla distribuzione teorica e non ai nostri specifici dati (i dati campionari). Nessuna delle affermazioni è corretta.

Il test di chi-quadrato. Non è una tecnica di inferenza statistica. È una tecnica di inferenza statistica che si basa sulla relativa distribuzione di probabilità. Non si può usare con variabili a livello di scala nominale e/o ordinale. È una tecnica di inferenza statistica che non si basa sulla relativa distribuzione di probabilità.

Lo scopo del test chi-quadrato. È verificare le differenze tra i soli valori osservati. Non è effettuare un’inferenza sul grado di scostamento fra i due. Non è verificare le differenze tra valori osservati e valori teorici. È verificare le differenze tra valori osservati e valori teorici.

Il test del chi-quadrato. Non stabilisce se le discrepanze tra le frequenze osservate e quelle teoriche sono imputabili completamente al caso o meno. Ha lo scopo di verificare l'ipotesi che i dati corrispondano a quelli attesi. Non consente di verificare che le frequenze dei valori osservati si adattino alle frequenze teoriche di una distribuzione di probabilità prefissata. Nessuna delle affermazioni è corretta.

La frequenza attesa. Non è un conteggio. È il conteggio teorico che ci aspettiamo di trovare in ogni cella, in base a un’ipotesi di dipendenza. È il conteggio effettivo che non ci aspettiamo di trovare in ogni cella. È il conteggio teorico che ci aspettiamo di trovare in ogni cella, in base a un’ipotesi di indipendenza.

La funzione di regressione. esprime il legame di dipendenza di una variabile dall’altra. esprime il legame di indipendenza di una variabile dall’altra. non consente di valutare il valore della variabile dipendente al variare della variabile indipendente. tutte le affermazioni sono errate.

Le variabili statistiche doppie possono essere originate: non dalla rilevazione di due caratteri quantitativi di una stessa popolazione statistica. non dallo stesso carattere quantitativo in due diverse popolazioni per effettuare un confronto. dalla rilevazione di due caratteri quantitativi di una stessa popolazione statistica e dallo stesso carattere quantitativo in due diverse popolazioni per effettuare un confronto. tutte le affermazioni sono errate.

La correlazione. non si misura mediante indici. non esprime la forza della dipendenza di due variabili. si misura mediante coefficiente di correlazione lineare. le affermazioni non sono corrette.

In statistica. si considera la dipendenza come un legame di causa ed effetto. la dipendenza è intesa come la relazione fra le due variabili. non viene considerata la relazione tra le variabili. le affermazioni non sono corrette.

Sia Y la variabile dipendente ed X la variabile indipendente. Se esiste una relazione lineare: i punti sono dispersi. i punti si distribuiscono lontano da una retta. i punti non si distribuiscono vicino ad una retta; se i punti sono dispersi, non esiste alcuna relazione. i punti si distribuiscono vicino ad una retta; se i punti sono dispersi, non esiste alcuna relazione.

L’analisi della correlazione fra due variabili. non è utile per misurare la forza o l’intensità del legame fra due variabili. conduce a misurare la forza o l’intensità del legame fra due variabili, sia quando fra esse esiste una relazione di dipendenza, sia quando fra esse non è possibile determinare una relazione di dipendenza. conduce a misurare la forza o l’intensità del legame fra due variabili, solo quando fra esse esiste una relazione di dipendenza. conduce a misurare la forza o l’intensità del legame fra due variabili, quando fra esse non è possibile, o non ha significato, determinare una relazione di dipendenza.

La covarianza può essere. Positiva o nulla. Positiva o negativa. Negativa o nulla. Positiva, negativa o nulla.

La covarianza è positiva. Quando è neutra. Poiché i prodotti positivi bilanciano quelli negativi. Poiché a scarti positivi di X sono associati scarti negativi di Y e a scarti negativi di X sono associati scarti positivi di Y. Poiché a scarti positivi di X sono associati scarti positivi di Y e a scarti negativi di X sono associati scarti negativi di Y.

La covarianza. non viene assunta come indice perché il suo valore può variare fra «meno infinito» e «più infinito» secondo la distribuzione. Viene assunta come indice perché il suo valore può variare fra «meno infinito» e «più infinito» secondo la distribuzione. non viene assunta come indice perché il suo valore non varia fra «meno infinito» e «più infinito» secondo la distribuzione. Viene assunta come indice perché il suo valore varia fra «meno infinito» e «più infinito» secondo la distribuzione.

L’indice r di correlazione lineare di Bravais-Pearson. il suo valore non è compreso fra –1 e +1. è un valore senza dimensioni e quindi non dipende dalle unità di misura delle variabili X e Y. è un valore che dipende dalle unità di misura delle variabili X e Y. nessuna delle affermazioni è corrette.

Indica l’affermazione corretta. se r = 1, la correlazione è perfetta positiva, cioè i punti del diagramma sono disposti su una retta ed esiste una relazione lineare crescente fra i valori della X ed i valori della Y. se r = 1, la correlazione è perfetta positiva, cioè i punti del diagramma sono disposti su una retta ed esiste una relazione lineare decrescente fra i valori della X ed i valori della Y. se r = -1, la correlazione è perfetta positiva, cioè i punti del diagramma sono disposti su una retta ed esiste una relazione lineare crescente fra i valori della X ed i valori. se r = 1, non esiste correlazione lineare, potrebbe, però, sussistere una correlazione curvilinea quando la funzione interpolante fosse una funzione non lineare.

Il coefficiente r2, detto coefficiente di determinazione. non indica quanto il modello della regressione lineare è aderente al fenomeno in studio. indica quale frazione di varianza totale è dovuta alla dipendenza lineare fra Y e X. non indica quale frazione di varianza totale è dovuta alla dipendenza lineare fra Y e X. nessuna delle affermazioni è corrette.

Il coefficiente di correlazione. nessuna delle affermazioni è corrette. È diverso dal coefficiente r2. Non è una misura specifica usata nell'analisi della correlazione per quantificare la forza della relazione lineare tra due variabili. È una misura specifica usata nell'analisi della correlazione per quantificare la forza della relazione lineare tra due variabili.

Associando i totali Ri ai valori xi e, analogamente, i totali Ck ai valori Yk. si ottengono le distribuzioni non marginali. si ottengono due distribuzioni a entrata complessa. si ottengono le distribuzioni marginali. tutte le affermazioni sono inesatte.

Il concetto di indipendenza di una variabile dall’altra. È basato sulla definizione di eventi stocasticamente dipendenti data nel calcolo delle probabilità. È basato sulla definizione di eventi stocasticamente indipendenti data nel calcolo delle probabilità. Non è contemplata in psicometria. tutte le affermazioni sono inesatte.

La variabile statistica X è indipendente dalla variabile statistica Y, se. per ogni valore xi, le frequenze relative n_ik/C_k (k = 1, …, s) dipendono dai valori 𝑦1 … , 𝑦s. sono tutte eguali fra loro ed eguali alla frequenza relativa con la quale la xi, si presenta nell’universo delle N unità. per ogni valore xi, le frequenze assolute n_ik/C_k (k = 1, …, s), non dipendono dai valori 𝑦1 … , 𝑦s. tutte le affermazioni sono inesatte.

Nell’analisi della dipendenza. tutte le affermazioni sono inesatte. Non viene applicato lo studio della dipendenza in media di una variabile dall’altra. Non ha importanza lo studio della dipendenza in media di una variabile dall’altra. Ha notevole importanza ed applicazione lo studio della dipendenza in media di una variabile dall'altra.

La scelta di una variabile come indipendente. è legata ai caratteri stessi. non ha a che fare con i caratteri della variabile. non si sceglie come indipendente quella variabile che si pensa sia antecedente all’altra. si sceglie come indipendente quella variabile che si pensa sia successiva all’altra.

Si usano entrambe le linee di regressione quando. solo un carattere può essere scelto come antecedente. sia l’uno che l’altro carattere può essere scelto come successivo. sia l’uno che l’altro carattere può essere scelto come antecedente. nessuna affermazione è vera.

I punti centili. non servono nelle situazioni in cui si sia deciso che al di sotto o al di sopra di una certa percentuale è inserito un cutoff per una selezione. indicano il punteggio grezzo al di sotto del quale c’è una certa percentuale di soggetti. non indicano il punteggio grezzo al di sotto del quale c’è una certa percentuale di soggetti. indicano il punteggio non grezzo al di sotto del quale c’è una certa percentuale di soggetti.

Per il calcolo delle posizioni. occorre aggiungere 3 alla frequenza e dividere il risultato per 1. occorre aggiungere 2 alla frequenza e dividere il risultato per 1. occorre aggiungere 1 alla frequenza e dividere il risultato per 2. occorre aggiungere 3 alla frequenza e dividere il risultato per 2.

I modelli che usano statistiche z o t rispettano l’assunto. Le variabili sono continue o almeno misurate in un intervallo. Le variabili sono discontinue. Vi è dipendenza tra media e varianza. Le variabili non sono distribuite in modo normale, nemmeno approssimativamente.

I modelli che usano statistiche z o t rispettano l’assunto. La dimensione campione è minore di 10. I risultati ottenuti con l’analisi di campioni non si applicano alle popolazioni. Vi è la disomogeneità delle varianze. Vi è dipendenza tra media e varianza. NESSUNA CORRETTA.

La statistica parametrica. è quella parte della statistica in cui si va ad assumere un’ipotesi a priori sulle caratteristiche della popolazione. è quella parte della statistica in cui si va ad assumere un’ipotesi a posteriori sulle caratteristiche della popolazione. è quella parte della statistica in cui non si assumono ipotesi sulle caratteristiche della popolazione. nessuna delle affermazioni è corretta.

Individua l’affermazione non corretta. I modelli non parametrici non implicano la stima di parametri statistici. I modelli non parametrici non fanno riferimento alla stima di un parametro. I modelli non parametrici fanno riferimento alle categorie dei test di conformità e dei test equivalenti di test parametrici. I modelli non parametrici implicano la stima di parametri statistici.

jsxjksa. xsxkjsn. xnkjnsx. nsank. csjnk.