Psicometria 65-69 9 CFU

. Per descrivere la retta di regressione è necessario conoscere. pendenza e intercetta. asimmetria e curtosi. varianza e gradi di libertà. varianza e media.

La retta di regressione viene stimata attraverso il metodo. dei minimi quadrati. dei massimi quadrati. delle massime distanze. delle somme delle medie.

. Il metodo dei minimi quadrati è utilizzato. nella regressione. nel campionamento. nell'ANOVA. nel chi-quadro.

La retta di regressione. passa il più vicino possibile ai punti nel grafico di dispersione. si traccia unendo tutti i punti nel grafico di dispersione. tutte le alternative possono essere valide. passa il meno vicino possibile ai punti del grafico di dispersione.

Quando si disegna una retta di regressione, nel grafico si rappresenta. la variabile predittore sull'asse orizzontale e la variabile criterio sull'asse verticale. la variabile predittore sull'asse verticale e la variabile criterio sull'asse orizzontale. tutte le alternative possono essere valide. la variabile x sull'asse verticale e la y sull'asse orizzontale.

Il grafico di dispersione è utilizzato. nella correlazione e nella regressione. solo nella correlazione. solo nella regressione. nessuna delle alternative.

La pendenza e l'intercetta sono stimate per descrivere. la retta di regressione. la distribuzione binomiale. la curva normale. la potenza statistica.

. In una regressione la variabile Y è considerata. entrambe le alternative. la variabile criterio. nessuna delle alternative. la variabile dipendente.

La regressione è una tecnica statistica che può essere utilizzata per. verificare l'effetto di un trattamento. fare delle previsioni. sapere se due medie sono significativamente diverse. confrontare le frequenze di 2 gruppi.

La tecnica statistica che può essere utilizzata per stimare il valore di Y a partire da X è. il t-test. la regressione. l'ANOVA. il chi-quadro.

In una regressione la variabile X è considerata. la variabile criterio. entrambe le alternative. la variabile dipendente. nessuna delle alternative.

Il punto in cui la retta di regressione interseca l'asse verticale è. l'intercetta. la pendenza. l'errore di misura. il criterio.

In una regressione la variabile X è considerata. entrambe le alternative. la variabile indipendente. nessuna delle alternative. il predittore.

La retta che rappresenta il miglior adattamento ai dati in un grafico di dispersione è. la retta di regressione. la retta di correlazione. la retta dell'interazione nell'ANOVA. la curva normale.

La retta di regressione. è la retta che rappresenta il miglior adattamento ai dati in un grafico di dispersione. è parallela alla curva normale. è la retta che rappresenta l'interazione in una ANOVA. coincide con la curva normale.

In una regressione l'intercetta è definita come. il punto in cui la retta interseca l'asse verticale. il punto in cui la retta interseca l'asse orizzontale. la pendenza della retta. l'errore di misura.

In una regressione la variabile Y è considerata. nessuna delle alternative. entrambe le alternative. la variabile indipendente. il predittore.

La pendenza della retta di regressione è. l'incremento sull'asse verticale prodotto dall'incremento di 1 unità sull'asse orizzontale. l'intercetta. il criterio. l'errore di misura.

Nella retta di regressione la pendenza indica. entrambe le alternative. nessuna delle alternative. l'incremento sull'asse verticale prodotto dall'incremento di 1 unità sull'asse orizzontale. quanto aumenta la Y all'aumentare di 1 unità della X.

Per sapere quanto aumenta la variabile criterio all'aumentare di 1 unità della variabile predittore si utilizza. la media. la pendenza. l'intercetta. la varianza.

. La correlazione e la regressione. sono simili ma hanno scopi diversi. sono due modi di chiamare la stessa tecnica. non hanno alcuna similarità. sono simili e hanno lo stesso scopo.

Il coefficiente di regressione è. la pendenza della retta. il criterio. l'intercetta. il predittore.

. Nella regressione, l'incremento sull'asse verticale prodotto dall'incremento di 1 unità sull'asse orizzontale è. la pendenza. il criterio. l'intercetta. il predittore.

Se l'equazione di regressione è Y = -3 + 7X, la retta intersecherà l'asse X a. -3. 0. 7. 3.

Se l'equazione di regressione è Y = 6 - 7X, all'aumentare di 1 unità di X la Y. diminuirà di 7. aumenterà di 0. aumenterà di 7. aumenterà di 6.

Se l'equazione di regressione è Y = 5 + 4X, all'aumentare di 1 unità di X la Y. aumenterà di 4. aumenterà di 5. aumenterà di 0. diminuirà di 4.

Se l'equazione di regressione è Y = 5 + 4X, la retta intersecherà l'asse X a. 5. -5. 0. 4.

. Nell’equazione di regressione y= a + bx, la b rappresenta. pendenza. intercetta. variabile criterio. variabile predittore.

Nell’equazione di regressione y= a + bx, la a rappresenta. intercetta. variabile predittore. pendenza. variabile criterio.

Nell’equazione di regressione y= a + bx, la variabile y rappresenta. variabile criterio. variabile predittore. intercetta. pendenza.

Se cerco di stimare il voto di laurea a partire dal voto di maturità, il voto di laurea è. l'intercetta. la variabile criterio. la pendenza. la variabile predittore.

Nell’equazione di regressione y= a + bx, la variabile x rappresenta. variabile criterio. variabile predittore. intercetta. pendenza.

Se cerco di stimare il voto di laurea a partire dal voto di maturità, il voto di maturità è. la variabile predittore. l'intercetta. la variabile criterio. la pendenza.

La proporzione di varianza totale condivisa da due variabili è misurata con. il coefficiente di determinazione. il coefficiente di affidabilità. il coefficiente di correlazione. il coefficiente d di Cohen.

Il coefficiente di determinazione è calcolato con. il coefficiente di correlazione elevato al quadrato. la radice quadrata del coefficiente di correlazione. il coefficiente di correlazione diviso la deviazione standard. il coefficiente di correlazione diviso N.

Il coefficiente di determinazione misura. la proporzione di varianza totale condivisa da due variabili. la varianza di una variabile. l'affidabilità di una variabile. la correlazione tra due variabili.

Per misurare la dimensione degli effetti, il risultato del t-test si può trasformare in. coefficiente di correlazione. deviazione standard. alfa di Cronbach. media aritmetica.

Per misurare la dimensione degli effetti in una ANOVA si utilizza. il coefficiente eta. l'alfa di Cronbach. la varianza. la devianza.

Se il campione è grande, una relazione tra variabili. anche se piccola può essere statisticamente significativa. solo se grande non può essere statisticamente significativa. solo se grande può essere statisticamente significativa. anche se piccola non può essere statisticamente significativa.

Per sapere se è ragionevole generalizzare alla popolazione i risultati ottenuti sul campione si utilizza. la significatività statistica. la dispersione. l'affidabilità. la dimensione dell'effetto.

La dimensione dell'effetto può essere misura con. solo con la d di Cohen. nessuna delle alternative. il coefficiente di correlazione e la d di Cohen. solo con il coefficiente di correlazione.

In una meta-analisi, si può calcolare la dimensione dell'effetto di uno studio. trasformando in punti z il livello di significatività. dividendo il livello di significatività per la d di Cohen. moltiplicando per N il livello di significatività. calcolando la radice quadrata del livello di significatività.

In una meta-analisi, per calcolare la dimensione dell'effetto di ciascuno studio si può usare. tutte le alternative. la grandezza dell'effetto riportata nello studio. il risultato del t-test. il livello di significatività e la dimensione del campione.

Affinché possa essere utilizzato in una meta-analisi uno studio deve riportare almeno. il livello di significatività e la dimensione del campione. il genere e l'età dei partecipanti. solo la dimensione del campione. solo il livello di significatività.

Nella meta-analisi, l'uso del coefficiente di correlazione è consigliato perch. è più flessibile della d di Coehn. entrambe le alternative. può essere calcolato a partire da una varietà di test di significatività. nessuna delle alternative.

Le meta-analisi cercano di stimare quali caratteristiche degli studi. entrambe le alternative. sono responsabili di piccole dimensioni dell'effetto. sono responsabili di grandi dimensioni dell'effetto. nessuna delle alternative.

Il concetto centrale nella meta-analisi è. il campionamento. la distribuzione normale. il numero di studi utilizzati. la dimensione dell'effetto.

La dimensione dell'effetto. può essere calcolata con la d di Cohen. corrisponde alla significatività statistica. non può essere misurata. non è usata nella meta-analisi.

La tecnica che permette di analizzare il modello dei risultati di una serie di studi pubblicati e non pubblicati su una ipotesi di ricerca è. l'inferenza statistica. la meta-analisi. la regressione. la significatività statistica.

La meta-analisi. entrambe le alternative. analizza gli studi già pubblicati su un tema. nessuna delle alternative. è uno studio di studi.

La dimensione dell'effetto. è il concetto centrale nella meta-analisi. tutte le alternative. riguarda quanto è grande l'effetto di una variabile sull'altra. non coincide con la significatività statistica.

. Valutare l'influenza di varie caratteristiche degli studi già svolti (es. campione, metodo) sulla forza della relazione tra variabili è l'obiettivo. della meta-analisi. dei test non parametrici. della regressione. dell'analisi della varianza.

Valutare la forza della relazione tra variabili emersa in molti studi è l'obiettivo. della meta-analisi. dell'analisi della varianza. della regressione. dei test non parametrici.

. In una meta-analisi è bene includere uno studio. entrambe le alternative. se contraddice l'ipotesi di ricerca. nessuna delle alternative. se conferma l'ipotesi di ricerca.

In una meta-analisi la dimensione dell'effetto può essere valutata. entrambe le alternative. nessuna delle alternative. con la d di Cohen. con il coefficiente di correlazione.

In una meta-analisi la dimensione dell'effetto può essere valutata. nessuna delle alternative. entrambe le alternative. con la deviazione standard. con l'alfa di Cronbach.

In una meta-analisi è bene includere. sia gli studi pubblicati che quelli non pubblicati. solo gli studi non pubblicati. solo gli studi di autori noti. solo gli studi pubblicati.

Gli studi selezionati per la meta-analisi possono essere. a favore o a sfavore dell'ipotesi di ricerca. solo a sfavore dell'ipotesi di ricerca. solo a favore dell'ipotesi di ricerca. non pertinenti all'ipotesi di ricerca.