Psicometria (37-47)

01. Quando non conosciamo la varianza della popolazione con cui vogliamo confrontare il nostro campione con meno di 30 soggetti: la stimeremo usando quella del campione. usiamo della del campione perché assumiamo che siano equivalenti. tutte le alternative. non possiamo fare nessun calcolo.

02. Nella distribuzione "t di student": la curva cambia in base alla numerosità. esiste una sola curva possibile. la curva è indipendente dalla numerosità. la curva è fissa.

03. Dalle tavole della t di student otteniamo: Il valore critico di t che fa riferimento alla distribuzione teorica. il valore di t da confrontare con il valore critico di t. la varianza del campione. Il valore critico di t che fa riferimento ai dati ottenuti.

04. Quando usiamo il test t per capire se un campione appartiene ad una popolazione: non conosciamo la varianza della popolazione. non siamo interessati alla varianza della popolazione. conosciamo la varianza della popolazione. non usiamo la varianza né del campione né della popolazione.

05. I gradi di libertà della t di student si calcolano: N-1. N/1. N+1. N=n.

06. Nella distribuzione "t di student" la numerosità del campione: equivale al valore critico. ci permette di calcolare i gradi di libertà. equivale ai gradi di libertà della distribuzione. è un valore che non va mai tenuto in considerazione.

07. Nelle tabelle per calcolare il valore critico del mio test t di Student posso testare: solo ipotesi ad una coda. solo ipotesi a due code. nessun tipo di ipotesi. ipotesi ad una e due code.

08. Le tavole della t di student ci permettono di verificare: solo ipotesi bidirezionali. sia ipotesi monodirezionali che bidirezionali. solo ipotesi monodirezionali. né ipotesi monodirezionali né bidirezionali.

09. Quando ho un campione con meno di 30 soggetti i dati seguono la distribuzione: entrambe. nessuna delle due. normale. t di student.

10. Se il valore calcolato di t è maggiore del valore critico di t: accetterò l'ipotesi nulla. non potrò fare affermazioni circa l'ipotesi nulla. rifiuterò l'ipotesi nulla. rifiuterò l'ipotesi alternativa.

11. Quando voglio verificare se il mio campione, con meno di 30 soggetti, appartiene alla popolazione applicherò: t test. anova. test della binomiale. chi quadro.

12. Se il valore critico di t è minore del valore calcolato di t: rifiuterò l'ipotesi nulla. non potrò fare affermazioni circa l'ipotesi nulla. accetterò l'ipotesi nulla. rifiuterò l'ipotesi alternativa.

13. Se il valore critico di t è maggiore del valore calcolato di t: accetterò l'ipotesi alternativa. rifiuterò l'ipotesi nulla. non potrò fare affermazioni circa l'ipotesi nulla. accetterò l'ipotesi nulla.

01. Quando il chi-quadrato «calcolato» è maggiore del chi-quadrato «critico»: rifiutiamo H0. tutte le alternative. rifiutiamo H1. accettiamo H0.

02. Quando il chi-quadrato «calcolato» è minore del chi-quadrato «critico»: rifiutiamo H0. nessuna delle alternative. accettiamo H1. accettiamo H0.

03. Quando il chi-quadrato «critico» è minore del chi-quadrato «calcolato»: accettiamo H0. tutte le alternative. rifiutiamo H0. rifiutiamo H1.

04. I gradi di libertà del chi-quadrato si calcolano: (numero di righe + 1) x (numero di colonne + 1). (numero di righe * 1) x (numero di colonne * 1). (numero di righe / 1) x (numero di colonne / 1). (numero di righe - 1) x (numero di colonne - 1).

05. Per verificare la nostra ipotesi dobbiamo confrontare i valori del chi-quadrato detti: "ottenuto" e "tabellare". "ottenuto" e "critico". "calcolato" e "tabellare". "calcolato" e "critico".

06. Il test del chi-quadrato non può essere usato: nessuna delle alternative. con variabili ordinali. con variabili nominali. con variabili a rapporti equivalenti.

07. Per calcolare gli indici necessari per il test chi-quadrato i dati devono essere organizzati: usando una tabella per ogni variabile analizzata. in tabelle di contingenza. in grafici a torta. dividendo i numeri pari da quello dispari.

08. Il test del chi-quadrato permette: di verificare le differenze tra valori teorici. di verificare le differenze tra valori osservati e valori teorici. tutte le alternative. di verificare le differenze tra valori osservati.

01. La retta di regressione è rappresentata con quale equazione?. y = b + ax. y = a + bx. x = a + bx. x = b + ay.

02. L'intercetta è rappresentata dalla lettera: y. a. x. b.

03. La retta di regressione può essere calcolata usando: il t test. il metodo dei massimi quadrati. il metodo dei minimi quadrati. la correlazione.

04. Quando il coefficiente di regressione è pari a zero la retta: sarà parallele agli assi cartesiani. diventerà una linea curva. sarà esterne al piano cartesiano. perderà la loro forma diventando linee spezzate.

05. Il coefficiente di regressione indica: di quanto varia la Y al variare di una unità di X. entrambe le alternative. nessuna delle due alternative. se Y è crescente o decrescente.

06. Per rappresentare i valori durante l'analisi della regressione possiamo usare: diagrammi a dispersione. tabelle a singola o doppia entrata. entrambe le alternative. nessuna delle due alternative.

07. Il coefficiente di regressione nell'equazione della retta è rappresentato dalla lettera: y. b. a. x.

08. La regressione lineare può essere rappresentata da: una curva. una retta. una linea spezzata. una parabola.

09. Quando analizziamo il legame tra due variabili queste possono derivare: nessuna delle due alternative. due popolazioni diverse. una stessa popolazione. entrambe le alternative.

10. La correlazione fra le due variabili esprime: l'intensità del legame. la direzione del legame. la causalità del legame. un rapporto di causa-effetto.

11. La funzione di regressione più usata è quella: parabolica. lineare. curvilinea. standardizzata.

12. La funzione di regressione permette di: valutare il valore della variabile dipendente al variare della variabile indipendente. valutare il valore della variabile dipendente al variare dell'atra variabile dipendente. valutare il valore di una variabile indipendente al variare dell'altra variabile indipendente. valutare il valore della variabile indipendente al variare della variabile dipendente.

01. La correlazione ci permette di: misurare la forza o l'intensità del legame fra due variabili. nessuna delle due. capire la relazione causale tra le variabili. entrambe.

02. La covarianza è: il valore degli scarti di y su x. il valore minimo del prodotto degli scarti corrispondenti di X e di Y. il valore massimo del prodotto degli scarti corrispondenti di X e di Y. il valore medio del prodotto degli scarti corrispondenti di X e di Y.

03. Il coefficiente di correlazione lineare ci dice: come le due variabili variano congiuntamente. la media del campione. come le due variabili variano singolarmente. come le due variabili si relazionano con una terza variabile.

04. Si ha una correlazione inversa quando il coefficiente di correlazione lineare di Bravais-Pearson: è uguale a 0. è sia minore che maggiore di zero. è minore di 0. è maggiore di 0.

05. Per analizzare la variabilità congiunta di due variabili usiamo: l'analisi fattoriale. la mediana. la deviazione standard. la covarianza.

06. Se il coefficiente di correlazione lineare di Bravais-Pearson è uguale a zero: non abbiamo informazioni per capire se è presente o meno non esiste correlazione lineare. esiste correlazione lineare. c'è una correlazione inversa tra le due variabili. non esiste correlazione lineare.

07. Se il coefficiente di correlazione lineare di Bravais-Pearson è uguale a -1: correlazione imperfetta. correlazione imperfetta. correlazione perfetta inversa. assenza di correlazione.

08. Se il coefficiente di correlazione lineare di Bravais-Pearson è uguale a +1: correlazione perfetta diretta. correlazione estrema. correlazione imperfetta. assenza di correlazione.

09. Il coefficiente di correlazione lineare di Bravais-Pearson può variare: fra -1 e +1. fra 3 e -3. fra «meno infinito» e «più infinito». fra 0 e 1.

10. Si ha una correlazione diretta quando il coefficiente di correlazione lineare di Bravais-Pearson: è uguale a 0. è sia minore che maggiore di zero. è maggiore di 0. è minore di 0.

11. Il coefficiente di correlazione lineare di Bravais-Pearson rappresenta: la retta di regressione. la covarianza. la deviazione standard. la covarianza normalizzata.

12. Per analizzare la correlazione solitamente si usa: il coefficiente di correlazione lineare di Bravais-Pearson. la media ponderata. la retta di regressione. l'anova.

13. La covarianza varia: fra 0 e 1. fra «meno infinito» e «più infinito». fra 3 e -3. fra -1 e +1.

14. La covarianza può essere: solo positiva o negativa. positiva, negativa o nulla. solo positiva o nulla. lineare o curvilinea.

01. Quando il coefficiente di correlazione r è uguale a 0 si parla di: correlazione perfetta. correlazione estrema. correlazione imperfetta. assenza di correlazione.

02. La varianza non spiegata può dipendere: da errori emersi durante la procedura. da altre variabili non controllate. entrambe. nessuna delle due.

03. La varianza spiegata è: la variabilità di Y che non dipende dalla variabile X. l'errore standard. equivalente al coefficiente angolare. la variabilità della Y dovuta alla variabile X.

04. La varianza non spiegata è: equivalente all'intercetta. la variabilità della Y dovuta alla variabile X. l'errore standard. la variabilità di Y che non dipende dalla variabile X.

05. La varianza totale è data da: entrambe. nessuna delle due. la varianza non spiegata. la varianza spiegata.

06. Il coefficiente di indeterminazione ci permette di definire: l'errore standard. la varianza di Y che dipende dalla variabile X. la varianza di Y che non dipende dalla variabile X. la varianza normalizzata.

07. Il coefficiente di determinazione ci permette di definire: l'errore standard. la varianza dovuta allo scarto fra Y e X. la varianza dovuta a X. la varianza dovuta alla dipendenza lineare fra Y e X.

08. Il coefficiente di determinazione è dato da: "r diviso due". alfa. "x" medio. "r" al quadrato.

09. Il coefficiente di indeterminazione è dato da: 1-"r" al quadrato. "r diviso due". delta. "r" al quadrato.

01. Quando voglio analizzare se due variabili rilevate su un solo campione sono tra loro correlate le organizzerò: in un tabella a singola entrata. in una tabella a doppia entrata. in un diagramma a torta. in una tabella semplice.

02. Una varabile A è indipendente da una variabile B quando: per ogni valore di A le frequenze relative non dipendono dai valori di B. le frequenze relative di A e B sono uguali. per ogni valore di A le frequenze relative dipendono dai valori di B. le frequenze relative di A e B sono diverse.

01. Il coefficiente b1 è detto: coefficiente di regressione di Y su X. intercetta di y. coefficiente di regressione di X su Y. intercetta di x.

02. Quando analizziamo la dipendenza tra due variabili possiamo rappresentarle attraverso: grafici a torta. diagrammi di dispersione. istogrammi. linee di regressione.

03. Nella linea di regressione di y rispetto a x i punti vengono rappresentati da ogni valore di x e: le mediane di y. la media ponderata dei valori della x relativi ad ogni livello di y. la media ponderata dei valori della Y relativi ad ogni livello di x. la moda di y.

04. Nella linea di regressione di x rispetto a y i punti vengono rappresentati da ogni valore di x e: la media ponderata dei valori della x relativi ad ogni livello di y. la moda di y. le mediane di y. la media ponderata dei valori della Y relativi ad ogni livello di x.

05. Usiamo la correlazione lineare si analizza quando, date due variabili x e Y: volgiamo verificare delle ipotesi. accettiamo H0. rifiutiamo H0. vogliamo capire se c'è un legame tra le due variabili.

06. Il coefficiente di correlazione lineare di Bravais-Pearson può essere calcolato usando: coefficienti di regressione. covarianza e deviazione standard. nessuna delle alternative. entrambe le alternative proposte.

01. Possiamo usare i punti centili per: nessuna delle due. calcolare un cut-off. entrambe. capire se un campione appartiene ad una popolazione.

02. Il cut-off serve per: calcolare il coefficiente di correlazione. capire se un campione appartiene ad una popolazione. calcolare il coefficiente di regressione. Identificare i punteggi che si collocano sopra e sotto un dato numero.

01. I test non parametrici: non implicano la stima di parametri statistici. implicano la stima di parametri statistici. nessuna delle precedenti. non sono mai equivalenti a test parametrici.

02. Il test t di Wilcoxon è l'alternativa non parametrica del test: di Bravais-Pearson. t di Wilcoxon. di correlazione lineare. t di Student.

03. Il test U di Mann-Whitney è l'alternativa non parametrica del test: di correlazione lineare. t di Student. t di Wilcoxon. di Bravais-Pearson.

04. Quando uso il test t di Wilcoxon: posso rigettare H0 se: la somma dei ranghi positivi o la somma dei ranghi negativa è minore o uguale al valore critico tabulare. la somma dei ranghi positivi o la somma dei ranghi negativa è maggiore al valore critico tabulare. la somma delle medie è minore o uguale al valore critico tabulare. la somma delle medie è maggiore al valore critico tabulare.

05. Nelle tabelle per calcolare il valore critico tabulare del mio test t di Wilcoxon posso testare: nessun tipo di ipotesi. solo ipotesi a due code. solo ipotesi ad una coda. ipotesi ad una e due code.

06. Quando uso il test t di Wilcoxon: devo confrontare il coefficiente angolare con un valore critico tabulare. devo confrontare il coefficiente di correlazione con un valore critico tabulare. devo confrontare la somma dei ranghi (positivi e negativi) con un valore critico tabulare. devo confrontare il coefficiente di regressione con un valore critico tabulare.

07. Per confrontare due medie di campioni dipendenti con test non parametrici useremo: il coefficiente di correlazione lineare di Bravais-Pearson. Il test U di Mann-Whitney. il test t di Wilcoxon. tutte le alternative.

08. Per confrontare due medie di campioni indipendenti con test non parametrici useremo: il test t di Wilcoxon. Il test U di Mann-Whitney. il coefficiente di correlazione lineare di Bravais-Pearson. tutte le alternative.

09. Tra i test non parametrici abbiamo: entrambi. Test di conformità. nessuna delle precedenti. Test equivalenti di test parametrici.

10. Applichiamo statistiche non parametriche quando: il campione supera le 30 unità. non si assume l'ipotesi che i dati provengano da una popolazione normale o gaussiana. si assume l'ipotesi che i dati provengano da una popolazione normale o gaussiana. c'è indipendenza fra media e varianza.