Psicometria 31-35

il campionamento probabilistico comprende. il campionamento standardizzato. il campionamento stratificato e a più stadi. il campionamento a scelta ragionata. tutti i precedenti.

stratificare una popolazione vuol dire. selezionare solo i soggetti volontari. dividerla in sottopopolazioni. rimuovere alcuni elementi perchè non idonei. ordinare i membri secondo criteri prestabiliti.

nel campionamento stratificato l'estrazione casuale si applica. all'intero campione. ad ogni sottogruppo della popolazione. all'intera popolazione. non può essere applicata.

il campionamento stratificato si applica. a popolazioni molto piccole. a popolazioni molto ampie. a campioni molto ristretti. a campioni ampi.

il campionamento a più stadi prevede. la selezione di soggetti volontari. la divisione della popolazione in stadi sempre più piccoli. la divisione della popolazione in stadi sempre più grandi. la divisione della popolazione in stadi sempre più criteri casuali.

nel campionamento a più stadi è necessario che. le differenze tra i gruppi primari siano evidenti. non ci siano differenze tra i gruppi. non vengono prese in considerazione le differenze tra i gruppi primari. le differenze tra i gruppi primari siano limitate.

durante le procedure di campionamento sistematico la popolazione. viene ordinata e numerata viene selezionare e le unità sono estratte ad intervalli regolari. viene estratta casualmente dal campione. viene dividere in stadi ed il campione è estratto casualmente all'interno di ogni stadio. viene esclusa completamente dallo studio.

il campionamento sistematico permette di. ordinare e numerare una popolazione e selezionare ad intervalli regolari le unità. selezionare solo i soggetti volontari. dividere la popolazione in stadi ed estrarre casualmente all'interno di ogni livello. estrarre casualmente i soggetti dalla popolazione.

nel campionamento non probabilistico a scelta ragionata. tutti i soggetti hanno la stessa probabilità di essere selezionati. il campione è formato solo da volontari. il campione è estratto in maniera casuale. vengono scelti elementi che rispondono a specifiche esigenze.

nel campionamento non probabilistico. non è possibile conoscere la probabilità di inclusione nel campione di ogni unità. tutti i soggetti hanno la stessa probabilità di essere selezionati. la probabilità di inclusione nel campione è dipende dal numero di livelli in cui è stata divisa la popolazione. è possibile conoscere la probabilità di inclusione nel campione di ogni unità.

nel campionamento sistematico il passo di campionamento è. il criterio con cui vengono divisi i livelli della popolazione. il salto che si compie nella selezione tra 2 unità. il criterio con cui vengono divisi gli stadi. la fase del processo in cui vengono selezionati i soggetti.

uno stimatore si dice distorto quando. la media calcolata sul campione è diversa dal corrispondente parametro della popolazione. all'aumentare del campione aumenta la probabilità che il parametro stimato coincida con quello della popolazione. non è possibile calcolare la simmetria tra campione e popolazione. la media calcolata sul campione è uguale al corrispondente parametro della popolazione.

uno stimatore si dice corretto quando. la media di tutte le stile di tutti i campioni è uguale al parametro della popolazione. non è possibile calcolare la simmetria tra campione e popolazione. è meno disperso attorno al valore del parametro. la media calcolata sul campione è diversa dal corrispondente parametro della popolazione.

uno stimatore si dice efficiente quando. non è possibile calcolare la simmetria tra campione e popolazione. la media di tutte le stime di tutti i campioni è uguale al parametro della popolazione. è meno disperso attorno al valore del parametro. all'aumentare del campione aumenta la probabilità che il parametro stimato coincida con quello della popolazione.

uno stimatore si dice consistente quando. è meno disperso attorno al valore del parametro. la media di tutte le stime di tutti i campione è uguale al parametro della popolazione. all'aumentare del campione aumenta la probabilità che il parametro stimato coincida con quello della popolazione. non è possibile calcolare la simmetria tra campione e popolazione.

più aumentiamo la numerosità del campione più la distribuzione della nostra variabile. si avvicinerà ad una distribuzione ipergeometrica. si avvicinerà ad una distribuzione normale. si discosterà dalla distribuzione normale. non sarà valutabile.

il parametro può essere definito con la lettera. theta. delta. alfa. beta.

il parametro è. una funzione delle variabili campionarie. il valore della funzione delle variabili campionarie. la media del campione. una costante della popolazione.

lo stimatore è. una costante della popolazione. una funzione delle variabili campionarie. la media del campione. il valore della funzione delle variabili campionarie.

la stima è. il valore della funzione delle variabili campionarie. la media del campione. una costante della popolazione. una funzione delle variabili campionarie.

uno stimatore dovrebbe essere. distorto e consistente. corretto e inconsistente. corretto, efficiente e consistente. corretto ,distorto ed efficiente.

l'errore medio di campionamento si calcola a partire. dalla varianza corretta. dalla mediana corretta. dalla moda corretta. dalla media corretta.

ho stimato un parametro della popolazione da un campione di 72 casi e da uno di 270 , dove avremo il minor l'errore medio di campionamento?. entrami avranno lo stesso errore medio di campionamento. campione di 72 casi. non è possibile conoscere a priori l'errore. campione di 270 casi.

per ridurre l'errore medio di campionamento è necessario. aumentare il campione. usare soggetti singoli. diminuire il campione. eliminare il campione.

quando indichiamo la stima puntuale di un parametro nei risultati del nostro esperimento indicheremo anche. il parametro originale. la deviazione standard. l'errore di campionamento medio. l'intervallo del parametro.

la stima puntuale può essere calcolata. solo conoscendo informazioni sulla popolazione. senza conoscere informazioni sulla popolazione. senza conoscere informazioni sul campione. solamente a partire dai parametri da stimare della popolazione.

possiamo parlare di stime di intervallo di un parametro quando. la stima si esprime con un valore numerico preciso. si determina un intervallo che contiene il parametro. si determina un intervallo da cui è escluso il parametro. non è possibile definire un valore.

l'errore medio di campionamento indica: l'ampiezza dell'errore relativo all'uso della popolazione per stimare un parametro del campione. l'errore in cui incappiamo quando non assegniamo il campione in maniera casuale alle diverse condizioni sperimentali. l'errore standard. l'ampiezza dell'errore relativo all'uso del campione per stimare un parametro della popolazione.

possiamo parlare di stime puntuali di un parametro quando. si determina un intervallo che contiene il parametro. non è possibile definire un valore. si determina un intervallo da cui è escluso il parametro. la stima si esprime con un valore numerico preciso.

la stima di un parametro della popolazione può essere. nessuna delle due. entrambe. puntuale. di intervallo.

i parametri della popolazione sono. dipendono dal campionamento. costanti. dipendono dall'esperimento. dipendono dal campione.

il livello di fiducia viene indicato con la lettera greca. alfa. theta. lambda. beta.

la zona dell'intervallo di fiducia in cui è più probabile che il nostro valore ricada è definita come. ''alfa più beta''. alfa. ''alfa diviso due''. ''uno meno alfa''.

l'errore medio di campionamento. viene stimato usando le medie dei campioni. viene stimato usando le differenze interquartili dei campioni. viene stimato usando le varianze corrette dei campioni. viene stimato usando le varianze dei campioni.

per stimare l'intervallo di una media è necessario decidere. il livello di variabilità. il livello di tolleranza. il livello di fiducia. il livello di deviazione standard.

per stimare l'intervallo di una media è necessario conoscere. la stima puntuale. il numero esatto di elementi non inclusi nella popolazione. la distribuzione della media campionaria intorno a u. il livello di tolleranza.

quando stabiliamo un livello di fiducia pari a 0,95 per la stima a intervallo significa che. su 100 medie di campioni 95 cadono nell'intervallo a 5 fuori. su 100 medie di campioni solo una cadrà dentro l'intervallo. su 100 medie di campioni 99 cadono nell'intervallo e 1 cade fuori. su 100 medie non possiamo conoscere solo 5.

quando stabiliamo un livello di fiducia pari a 0,99 per la stima a intervallo significa che. su 100 medie di campioni 95 cadono nell'intervallo e 5 fuori. su 100 medie di campioni 99 cadono nell'intervallo e 1 cade fuori. su 100 medie non possiamo conoscere una sola. su 100 medie di campioni solo una cadrà dentro l'intervallo.

il teorema del limite centrale afferma che. le medie di campioni sufficientemente grandi sono distribuite normalmente. non si può conoscere a priori la distribuzione di un campione. le medie di campioni piccoli sono distribuite normalmente. le medie di tutti i tipi di campioni sono distribuite normalmente.

solitamente le ipotesi statistiche vengono verificate usando. il campione. soggetti singoli. la popolazione. la media.

il procedimento di verifica delle ipotesi parametrico si applica quando. abbiamo variabili qualitative. non si conoscere la distribuzione di probabilità. è nota la distribuzione di probabilità. non è presente un campione.

il procedimento della verifica delle ipotesi può essere. entrambi. non parametrico. nessuna delle due. parametrico.

H0 rappresenta. l'ipotesi alternativa. entrambe. l'ipotesi nulla. nessuna delle due.

il procedimento di verifica delle ipotesi non parametrico si applica quando. è nota la distribuzione di probabilità. non è presente un campione. non si conosce la distribuzione di probabilità. abbiamo variabili senza dati mancanti.

la verifica delle ipotesi si basa su una decisione tra due ipotesi definite dal ricercatore. ipotesi nulla(H0) e ipotesi alternativa (H1). ipotesi di partenza (H1) e ipotesi di arrivo (H0). ipotesi di partenza (H0) e ipotesi di arrivo (H1). ipotesi nulla(H1) e ipotesi alternativa (H0).

L'ipotesi nulla è anche detta. ipotesi delle differenze. ipotesi dell'uguaglianza o delle non differenze. sperimentale o di ricerca. H1.

l'ipotesi alternativa. è anche detta ipotesi dell'uguaglianza o delle non differenze. è falsificata quando viene falsificata l'ipotesi nulla. è accettata quando viene falsificata l'ipotesi nulla. è accettata quando viene accettata l'ipotesi nulla.

l'ipotesi nulla e ipotesi alternativa. sono esaustive. nessuna delle due. entrambe le alternative proposte sono corrette. sono mutualmente escludentesi.

la regione di accettazione rappresenta. la probabilità di accettare l'ipotesi alternativa. la probabilità di commettere un errore. la probabilità di accettare l'ipotesi nulla. la probabilità di avere una media maggiore di 0.

la regione di rifiuto rappresenta. la probabilità di commettere un errore. la probabilità di accettare l ipotesi alternativa. la probabilità di accettare l'ipotesi nulla. la probabilità di avere una media maggiore di 1.

H1 rappresenta. nessuna delle due. l'ipotesi alternativa. entrambe. l'ipotesi nulla.