option
My Daypo

Psicometria Prof. Pedroli Elisa

COMMENTS STADISTICS RECORDS
TAKE THE TEST
Title of test:
Psicometria Prof. Pedroli Elisa

Description:
Laurea Magistrale

Author:
AVATAR

Creation Date:
25/12/2021

Category:
Open University

Number of questions: 412
Share the Test:
Facebook
Twitter
Whatsapp
Share the Test:
Facebook
Twitter
Whatsapp
Last comments
No comments about this test.
Content:
I metodi qualitativi: fanno ricorso solamente alla statistica non fanno ricorso alla quantificazione producono output numerici non producono materiale testuale.
L'intervista non strutturata si caratterizza per: una certa flessibilità nelle domande e nell'ordine di somministrazione una rigorosa predeterminazione delle domande e dell'ordine di somministrazione l'assenza di domande predeterminate non permettere allo sperimentatore di partecipare alla rilevazione.
L'intervista strutturata si caratterizza per: l'assenza di domande predeterminate la possibilità di creare domande sul momento una certa flessibilità nelle domande e nell'ordine di somministrazione una rigorosa predeterminazione delle domande e dell'ordine di somministrazione.
L'intervista semistrutturata si caratterizza per: l'assenza di domande predeterminate una rigorosa predeterminazione delle domande e dell'ordine di somministrazione una certa flessibilità nelle domande e nell'ordine di somministrazione l'obbligo di avere una terza persona presente durante la somministrazione.
Durante l'osservazione a distanza il ricercatore: si propone come parte attiva della situazione per modificarne l'esito influenza le situazioni di vita quotidiana che sta osservando raccoglie solo resoconti da chi ha partecipato alla situazione da indagare partecipa ed osserva situazioni di vita quotidiana.
L'osservazione a distanza: permette di raccogliere informazioni sul comportamento dei soggetti senza interferire con essi è molto utilizzato per ricreare fenomeni naturali in laboratorio viene svolta senza definire unità di misura specifiche il ricercatore raccogliere dati sul comportamento dei soggetti guidando le loro attività.
Durante l'osservazione a distanza: viene svolta senza definire unità di misura specifiche permette di raccogliere informazioni sul comportamento dei soggetti interferendo con essi il ricercatore non guida il comportamento dei soggetti è molto utilizzato per ricreare fenomeni naturali in laboratorio.
Il focus group: prevedere che l'esaminatore osservi il comportamento spontaneo dei soggetti senza farsi vedere è un colloquio a due durante il quale vengono discussi specifici argomenti di interesse è un gruppo all'interno del quale vengono discussi specifici argomenti di interesse prevede che l'esaminatore lasci che i soggetti arrivino da soli ad affrontare l'argomento che gli interessa.
Il moderatore di un focus group: istruisce i soggetti in merito alle risposte da dare propone uno specifico argomento da discutere lascia che i soggetti arrivino da soli ad affrontare l'argomento che gli interessa osserva il comportamento spontaneo dei soggetti senza farsi vedere.
Nella ricerca quantitativa l'obiettivo generale è quello di: verificare delle ipotesi generalizzare i risultati validare una teoria tutte le alternative sono corrette.
Nella ricerca qualitativa l'obiettivo generale è quello di: verificare delle ipotesi generalizzare i risultati esplorare e descrivere i fenomeni validare una teoria.
I metodi di ricerca misti comprendono: metodi qualitativi metodi quantitativi metodi qualitativi e quantitativi metodi qualitativi o quantitativi.
I metodi qualitativi: sono poco usati nella ricerca psicologica sono il metodo di elezione per tutte le ricerche in psicologia sono molto usati nella ricerca psicologica non vengono mai presi in considerazione nella ricerca psicologica.
L'intervista può essere: di tipica e di massima performance non struttura, strutturata, semistrutturata solo strutturata verbale e non verbale.
Le variabili psicologiche sono anche dette: manifeste latenti osservabili invariabili.
Le grandezze intensive sono: sono sommabili direttamente misurabili divisibili misurabili indirettamente.
Le variabili latenti: rappresentano una piccola parte delle variabili psicologiche sono variabili che non esistono in psicologia sono direttamente osservabili non sono direttamente osservabili.
Le grandezze estensive sono: solo graduabili misurabili indirettamente direttamente misurabili sempre indivisibili.
Una misura si dice fondamentale quando: consente di compiere le operazioni di addizione e sottrazione non consente di compiere le operazioni di addizione e sottrazione consente di compiere solo sottrazioni consente di compiere solo addizioni.
I valori di riferimento nella misurazione si basano su: caratteristiche decise dal ricercatore caratteristiche arbitrarie caratteristiche ingenue le caratteristiche di una popolazione di riferimento.
I valori di riferimento nella misurazione: devono essere arbitrariamente stabiliti dal ricercatore permettono di scegliere gli item di un test non possono essere arbitrariamente stabiliti dal ricercatore si basano sul senso comune.
Le variabili manifeste: rappresentano una piccola parte delle variabili psicologiche non sono direttamente osservabili sono direttamente osservabili sono variabili che non esistono in psicologia.
Affinché ci possa essere una misura è necessario: un sistema di riferimento almeno bidimensionale un sistema di riferimento almeno tridimensionale non serve nessun sistema di riferimento un sistema di riferimento solamente unidimensionale.
Quando misuriamo: rappresentiamo le proprietà di un sistema numerico tramite le proprietà d altri sistemi numerici rappresentiamo le proprietà di oggetti o eventi tramite le proprietà di altri sistemi di oggetti o eventi rappresentiamo le proprietà degli oggetti e degli eventi tramite le proprietà del sistema numerico rappresentiamo le proprietà del sistema numerico tramite le proprietà degli oggetti e degli eventi.
Nella misurazione la relazione tra sistema empirico e numerico deve essere: a due vie monodirezionale univoca imprecisa.
Durante il processo di misurazione: facciamo corrispondere ad ogni valore numerico un valore empirico. troviamo la relazione causale tra le variabili facciamo corrispondere ad ogni valore empirico un valore numerico. rappresentiamo le proprietà di un sistema numerico tramite le proprietà d altri sistemi numerici.
Misurare significa: trovare un valore per ogni oggetto seguendo il buonsenso assegnare valori alfanumerici ad oggetti o eventi secondo delle regole assegnare valori numerici ad oggetti o eventi secondo delle regole associare due numeri seguendo delle regole.
In psicologia per misurare è possibile usare: il sistema numerico formato da numeri reali il sistema numerico basato su etichette tutte le alternative sono corrette il sistema numerico basato su etichette.
Il sistema empirico comprende: tutti i dati possibili relativi all'oggetto di studio l'insieme di «dati» raccolti e disponibile convenzioni matematiche e astrazioni numeriche relative ai dati l'insieme di «valori» assegnati ai dati raccolti.
Il sistema numerico fa riferimento: all'insieme di «dati» raccolti e disponibile all'insieme di «valori» assegnati ai dati raccolti all'insieme di «valori» assegnati ai dati che non sono stati raccolti a tutti i dati possibili relativi all'oggetto di studio.
Spesso, nel processo di misurazione di costrutti non osservabili è necessario: usare come riferimenti sistemi arbitrari usare strumenti che non hanno valori di riferimento far riferimento alle teorie preesistenti far riferimento solo ai dati raccolti.
Quando analizziamo il comportamento la durata indica: il numero delle volte in cui si presenta un determinato evento tutte le alternative sono corrette l'intervallo di tempo che intercorre tra la presentazione di uno stimolo e la risposta ad esso la quantità di tempo in cui un singolo comportamento viene mantenuto.
L'osservazione senza misurazione: sono due concetti che non possono essere messi in relazione è sempre possibile non è mai possibile sono due concetti che non possono essere messi in relazione.
Quando analizziamo il comportamento la frequenza indica: l'intervallo di tempo che intercorre tra la presentazione di uno stimolo e la risposta ad esso la quantità di tempo in cui un singolo comportamento viene mantenuto nessuna delle alternative il numero delle volte in cui si presenta un determinato evento.
Quando analizziamo il comportamento la latenza indica: la quantità di tempo in cui un singolo comportamento viene mantenuto il numero delle volte in cui si presenta un determinato evento tutte le alternative sono corrette l'intervallo di tempo che intercorre tra la presentazione di uno stimolo e la risposta ad esso.
Il comportamento può essere misurato usando: Latenza, Assenza, Durata e numerosità Latenza, Frequenza, Durata e Intensità Luogo, Tempo, Causa, Effetto nessuna delle alternative.
L'osservazione del comportamento ha come obiettivo: quantificare le osservazioni del comportamento oggetto di studio solamente manipolare direttamente in comportamento produrre solo un report descrittivo del comportamento trovare la relazione causale tra le variabili.
Quando misuriamo un costrutto psicologico: dobbiamo scegliere solo una tipologia di misura possiamo scegliere tra diverse possibili misure ogni costrutto ha una tipologia di misura adatta i costrutti non possono mai essere misurati.
Nella procedura di campionamento casuale stratificato: I sottogruppi della popolazione vengono divisi e inseriti ciascuno in diversi esperimenti Si selezionano soggetti volontari La popolazione viene suddivisa arbitrariamente in gruppi più piccoli, sulla base di un certo criterio e su questi sottogruppi vengono svolte le procedure di campionamento casuale il soggetto estratto dalla popolazione non farà parte del campione.
Nel campionamento casuale senza reinserimento: il soggetto estratto della popolazione viene reinserito prima dell'estrazione successiva tutte le alternative il soggetto estratto della popolazione non viene reinserito prima dell'estrazione successiva il soggetto estratto dalla popolazione non farà parte del campione.
Nel campionamento casuale con reinserimento: il soggetto estratto della popolazione viene reinserito prima dell'estrazione successiva tutte le alternative il soggetto estratto dalla popolazione non farà parte del campione il soggetto estratto della popolazione non viene reinserito prima dell'estrazione successiva.
Il campione dovrebbe essere: estraneo alla popolazione più grande della popolazione rappresentativo della popolazione composto da individui che non appartengono alla popolazione.
Nella procedura di campionamento ad hoc: vengono selezionati solo soggetti appartenenti al gruppo di controllo Ogni elemento di un insieme ordinato di n elementi di una della popolazione ha la stessa probabilità di formare il campione Si selezionano solo soggetti volontari La popolazione viene suddivisa arbitrariamente in gruppi più piccoli, sulla base di un certo criterio e quindi, su questi sottogruppi vengono svolte le procedure di campionamento casuale.
Il campionamento casuale: può essere con o senza gruppo di controllo può essere fatto con o senza rimodellamento può essere fatto con o senza probabilità può essere fatto con o senza reinserimento.
Nella procedura di campionamento casuale: Ogni elemento della popolazione ha la stessa probabilità di formare il campione I sottogruppi della popolazione vengono divisi e inseriti ciascuno in diversi esperimenti Si selezionano soggetti volontari La popolazione viene suddivisa arbitrariamente in gruppi più piccoli, sulla base di un certo criterio e quindi, su questi sottogruppi vengono svolte le procedure di campionamento casuale.
Con il termine campione intendiamo: tutti gli eventi di interesse cui si rivolge lo sperimentatore tutti gli eventi che non interessano allo sperimentatore tutti i volontari che presentano la caratteristica che lo sperimentato vuole studiare un piccolo insieme di eventi tratto dalla popolazione.
Con il termine popolazione intendiamo: tutta la popolazione mondiale tutti gli eventi che non interessano allo sperimentatore tutti gli eventi di interesse cui si rivolge lo sperimentatore un insieme di eventi tratto dal gruppo che comprende tutti i soggetti che vogliamo studiare.
Il campionamento comprende: le modalità che il ricercatore adotta per individuare i soggetti che prenderanno parte all'esperimento procedure per il calcolo delle probabilità le modalità che il ricercatore adotta per individuare tutti i soggetti che hanno la caratteristica che vuole studiare le modalità usate per individuare i soggetti che non hanno le caratteristiche che interessano allo sperimentatore.
Una variabile può essere considerata come: l'evento che viene considerato durante l'esperimento un costrutto il gruppo di controllo la proprietà che è stata misurata rispetto a un evento reale.
Uno strumento di misura accurato: nessuna delle alternative misura in modo preciso il costrutto indagato misura il costrutto per cui è stato progettato entrambi.
Uno strumento di misura affidabile: misura in modo preciso il costrutto indagato misura il costrutto per cui è stato progettato nessuna delle alternative entrambi.
Uno strumento di misura dovrebbe essere: entrambi affidabile accurato nessuna delle alternative.
Misurare permette di: definire una corrispondenza tra due sistemi empirici nessuna delle alternative definire una corrispondenza tra due sistemi numerici definire una corrispondenza tra un sistema empirico a un sistema numerico.
Il processo di misurazione nella costruzione di una variabile prevede: il passaggio dalla variabile al valore il passaggio dal significato alla variabile il paggio dal costrutto alla variabile il passaggio dal costrutto al significato.
Il processo di operazionalizzazione nella costruzione di una variabile prevede: il passaggio dal costrutto alla variabile il passaggio dal costrutto al significato il passaggio dal significato alla variabile il passaggio dalla variabile al valore.
Il processo di definizione nella costruzione di una variabile prevede: il paggio dal costrutto alla variabile il passaggio dalla variabile al valore il passaggio dal costrutto al significato il passaggio dal significato alla variabile.
Il passaggio dal costrutto al significato di una variabile viene identificato come: misurazione operazionalizzazione validazione definizione.
Il passaggio dalla variabile ai valori numerici viene identificato come: operazionalizzazione definizione misurazione validazione.
Il passaggio dal significato alla variabile viene identificato come: validazione operazionalizzazione misurazione definizione.
Le costanti devono: riguardare i soggetti esclusi dall'esperimento assumere più valori restare costanti a seguito di una manipolazione assumere un solo valore.
Le variabili devono: assumere più valori riguardare i soggetti esclusi dall'esperimento assumere un solo valore restare costanti a seguito di una manipolazione.
Nella scala ordinale i numeri rappresentano: solo una relazione d'ordine tra le quantità esprimano quantità e le distanze tra valori sono definite in termini quantitativi tutte le alternative numeri reali e si comportano come tali.
Una variabile qualitativa può essere: Nominale e a rapporti Nominale e ad intervalli Ordinale e nominale A rapporti e ad intervalli equivalenti.
Le costanti: sono l'oggetto di studio principale della ricerca esprimono valori alfanumerici vengono analizzate durante una ricerca non vengono analizzate durante una ricerca.
In ricerche diverse una stessa caratteristica può essere: una variabile una costante entrambe nessuna delle alternative.
Una variabile quantitativa può essere: Ordinale e nominale A rapporti e ad intervalli equivalenti Nominale e a rapporti Nominale e ad intervalli.
Nella scala nominale i numeri rappresentano: solo una relazione d'ordine tra le quantità etichette con nomi diversi tutte le alternative numeri reali e si comportano come tali.
La variabile "Tipo di alloggio" può essere definita: a rapporti ordinale nominale a intervalli.
La variabile "indosso/non indosso lo smalto" può essere definita: a rapporti a intervalli ordinale nominale.
La variabile "classifica della gara di sci" può essere definita : a intervalli a rapporti nominale ordinale.
Le operazioni possibili sulla scala ordinale sono: nessuna delle alternative entrambe uguaglianza / disuguaglianza maggiore di / minore di.
Le operazioni possibili sulla scala nominale sono: entrambe nessuna delle alternative uguaglianza / disuguaglianza maggiore di / minore di.
In una scala ad intervalli equivalenti: è presente uno zero assoluto i valori non possono essere ordinati non è presente uno zero assoluto i valori devono essere per forza diversi da zero.
La variabile "numero di abitanti del centro abitato" può essere definita : ordinale a intervalli a rapporti nominale.
La variabile "Ore settimanali dedicate allo studio" può essere definita : nominale a rapporti a intervalli ordinale.
Usando variabili quantitative è possibile: svolgere operazioni matematiche nessuna delle alternative solamente ordinare i valori solamente etichettare i diversi livelli della variabile.
La variabile «punteggio ad un test di ansia» può essere definita : a rapporti ordinale nominale a intervalli.
Con variabili su scala ad intervalli equivalenti: entrambe le alternative posso sommare e sottrarre i valori che la variabile assume nessuna delle alternative posso moltiplicare e dividere i valori che la variabile assume.
Con variabili su scala a rapporti equivalenti: posso sommare e sottrarre i valori che la variabile assume nessuna delle alternative entrambe le alternative posso moltiplicare e dividere i valori che la variabile assume.
In una scala a rapporti equivalenti: i valori non possono essere ordinati i valori devono essere per forza diversi da zero è presente uno zero assoluto non è presente uno zero assoluto.
I risultati della statistica descrittiva vengono presentati usando: tabelle nessuna delle due entrambi grafici.
La statistica descrittiva è applicabile a variabili: nessuna delle due quantitative entrambe qualitative.
I risultati emersi dalle analisi descrittive del campione: ci indicano le caratteristiche dei soggetti che non appartengono alla popolazione non permettono di fare inferenze sulla popolazione permettono di fare inferenze sulla popolazione saranno identici a quelli che emergerebbero analizzando la popolazione.
La statistica descrittiva è quella che si propone come scopo: elencare tutti i casi che costituiscono una popolazione per dare poter avere tutti i casi sotto controllo esprime il grado di accordo fra diverse misure dello stesso costrutto esplicitare la relazione casuale tra le variabili descrivere e trovare degli indici di sintesi del campi.
Qual è la frequenza assoluta del numero 7 nella seguente distribuzione 4, 6, 7, 5, 3, 5, 5, 7, 9, 5, 7. 7x3 7 11 3.
La frequenza è: il numero di volte in cui si presenta un determinato soggetto il numero di volte in cui si presenta un determinato "evento" o modalità il numero di volte in cui si presenta un determinato sperimentatore il numero di volte in cui si presenta un determinato test psicologico.
Qual è la frequenza assoluta del numero 9 nella seguente distribuzione 4, 6, 9, 7, 5, 3, 5, 5, 7, 9, 5. 2 non può essere calcolata 1 5.
Solitamente si calcolano le frequenze per: ogni soggetto ogni possibile modalità di risposta ogni esperimento tutte le alternative.
Le modalità sono: regole di somministrazione dello stesso test tipologie di disegno sperimentale valori numerici o gli attributi che un carattere può assumere procedure di campionamento.
La somma delle frequenze assolute: deve essere pari alla numerosità del campione deve essere uguale al totale della popolazione è uguale al numero di modalità della variabile deve essere pari a cento.
Le frequenze assolute e quelle relative: non sono tra loro legate sono una diversa espressione dello stesso valore sono indicative della frequenza della popolazione sono la stessa rappresentazione di due valori diversi.
Le frequenze relative si calcolano: trasformando il valore assoluto in percentuale trasformando la percentuale in valore assoluto trasformando i dati relativi in dati cumulati trasformando i dati grezzi in dati corretti.
Qual è la frequenza assoluta del numero 2 nella seguente distribuzione 4, 6, 2, 7, 5, 2, 3, 5, 2, 7, 9, 5. 30% 5% nessuna delle alternative 3.
Qual è la frequenza assoluta del numero 7 nella seguente distribuzione 4, 6, 7, 5, 3, 5, 2, 7, 9, 5. 2 7 7% 20%.
Le righe di una tabella di frequenza rappresentano: le varie modalità rappresenta la media del campione i vari soggetti le varie tipologie di frequenze calcolate.
La somma delle frequenze relative: deve essere uguale al totale della popolazione deve essere pari alla numerosità del campione è uguale al numero di modalità della variabile deve essere pari a cento.
Le colonne di una tabella di frequenza: le varie modalità rappresenta la media del campione le varie tipologie di frequenze calcolate i vari soggetti.
Le classi usate per calcolare le frequenze devono essere: disgiunte, esaustive, chiuse a destra disgiunte, esclusive, chiuse a destra congiunte, esclusive, chiuse a sinistra non ordinate.
Per la variabile "punteggio ad un test di ansia" posso calcolare: nessuna delle due alternative le frequenze cumulate le frequenze assolute entrambe le alternative.
Per la variabile "genere" posso calcolare: nessuna delle due alternative le frequenze assolute entrambe le alternative le frequenze cumulate.
Le frequenze cumulate non dovrebbero essere calcolate: per variabili ordinali per variabili quantitative per variabili nominali per tutte le precedenti.
Le frequenze cumulate vengono calcolate a partire da: nessuna delle due frequenze relative frequenze assolute entrambe.
Le frequenze cumulate sono: la somma delle frequenze di una categoria e delle precedenti la somma totale di tutte le categorie la somma delle frequenze di una categoria e delle successive la somma di tutti i soggetti analizzati.
Le frequenze cumulate possono essere calcolate anche su dati: organizzati in classi non organizzati organizzati in grafici organizzati in slide.
In un grafico a barre, le barre: fanno parte degli elementi strutturali fanno parte degli elementi decorativi rappresentano i dati nessuna delle alternative.
L'unità di misura dei dati in un grafico fa parte: degli elementi strutturali nessuna delle due degli elementi decorativi entrambe.
Gli elementi decorativi di un grafico: non sono legati ai dati sono la rappresentazione dei dati sono rappresentati in barre, linee, aree o punti consentono la comprensione dei dati.
I grafici possono includere: elementi decorativi i dati elementi strutturali tutte le alternative.
Gli elementi strutturali di un grafico: sono la rappresentazione dei dati non sono legati ai dati sono rappresentati in barre, linee, aree o punti consentono la comprensione dei dati.
Le etichette degli assi in un grafico fanno parte: nessuna delle due degli elementi decorativi degli elementi strutturali entrambe.
In una tabella di contingenza le frequenze marginali sono: le intestazioni delle righe gli elementi presenti in ogni cella le intestazioni delle colonne le frequenze per ciascuna riga o colonna.
Le tabelle di contingenza servono per condurre: un'analisi della varianza un'analisi fattoriale un'analisi bivariata un'analisi univariata.
Nelle celle interne di una tabella di contingenza sono rappresentate: le frequenze marginali nessuna delle alternative le frequenze congiunte il totale dei casi.
Nelle ultime righe e colonne di una tabella di contingenza sono rappresentate: le frequenze congiunte le frequenze marginali le frequenze di ogni soggetto nessuna delle alternative.
Le tabelle di contingenza possono essere fatte usando: entrambe le frequenze assolute le frequenze relative nessuna delle due.
La mediana è: La classe che compare con frequenza più alta all'interno della distribuzione La misura che occupa la posizione centrale in un campione di dati disposti in ordine crescente in base al loro valore Un limite esatto (o reale) superiore Una suddivisione in parti uguali dei dati ordina.
La mediana rappresenta un caso particolare di: curva normale media quantile deviazione standart .
Qual è la moda della seguente distribuzione di punteggi ad una prova di matematica: 4, 6, 2, 7, 5, 2, 3, 5, 2, 7, 9, 5, 7, 7. 7 5 nessuna delle alternative 2.
Gli indici di tendenza centrale sono: statistiche che esprimono le tendenza estreme che emergono da un campione di dati statistiche che ci permettono di trovare uno specifico soggetto che rappresenta tutta la popolazione statistiche che forniscono un elenco di tutti i casi presenti nel campione statistiche che permettono di sintetizzare un insieme di misure tramite un unico valore "rappresentativo".
La moda può essere definita come: Un limite esatto (o reale) superiore Una suddivisione in parti uguali dei dati ordinati La classe che compare con frequenza più alta all'interno della distribuzione La misura che occupa la posizione centrale in un campione di dati disposti in ordine crescente in base al loro valore.
La mediana permette: di dividere in tre parti uguali il campione di dividere in due parti non uguali il campione di dividere a metà il campione di dividere in tre parti non equivalenti il campione.
I quartili suddividono la distribuzione: in un numero di parti variabile a seconda della necessità In 4 parti uguali in 2 parti uguali In 4 parti non equivalenti.
I decili suddividono la distribuzione: In 10 parti uguali in un numero di parti variabile a seconda della necessità In 10 parti non equivalenti In 100 parti uguali.
La differenza interquartile si ottiene: Calcolando la differenza tra il decimo e il centesimo quartile Calcolando la differenza tra il secondo e il primo quartile Calcolando la differenza tra il quinto e il sesto quartile Calcolando la differenza tra il terzo e il primo quartile.
I quantili non possono essere calcolati: a livello di scala nominale a livello di scala a rapporti a livello di scala ordinale a livello di scala a intervalli.
I quantili si riferiscono ad una suddivisione in parti uguali dei dati ordinati Alla misura che occupa la posizione centrale in un campione di dati disposti in ordine crescente in base al loro valore Alla classe che compare con frequenza più alta all'interno della distribuzione Ad un limite esatto (o reale) superiore.
L'indice di tendenza centrale più usato con variabili qualitative è: la media la varianza la moda il numero di categorie.
Sto analizzando i punteggi ad un test di memoria dei pazienti visti il mese scorso, come indice di tendenza centrale posso usare: la mediana la moda tutte le alternative la media.
La media aritmetica di un insieme di dati è: il rapporto tra la somma di tutte le misure ottenute e il numero delle misure effettuate Una suddivisione in parti uguali dei dati ordinati Un limite esatto (o reale) superiore La classe che compare con frequenza più alta all'interno della distribuzione.
La media ponderata di un insieme di dati è: La classe che compare con frequenza più alta all'interno della distribuzione il rapporto tra la somma di tutte le misure ottenute e il numero delle misure effettuate il rapporto tra la somma, moltiplicata per la frequenza, di tutte le misure ottenute e la somma di tutte le frequenze Una suddivisione in parti uguali dei dati ordinati.
Come indice di tendenza centrale, a livello di scala nominale, possiamo usare: tutte le precedenti la media la mediana la moda.
Sto analizzando il colore degli occhi degli studenti della mia classe, come indice di tendenza centrale posso usare: la moda la mediana la media tutte le precedenti.
Gli indici di dispersione o variabilità: sono statistiche che esprimono la tendenza prevalente o principale che emerge da un campione di dati permettono di descrivere quantitativamente la dispersione rispetto al valore di tendenza centrale permettono una suddivisione in parti uguali dei dati ordinati Forniscono un limite esatto (o reale) superiore.
Il range o campo di variazione è: l'ampiezza dei valori compresa tra il valore massimo e il valore minimo l'ampiezza dei valori compresa tra il valore massimo e il valore medio l'ampiezza dei valori compresa tra il valore mediano e il valore medio l'ampiezza dei valori compresa tra il valore medio e il valore minimo.
Il range si ottiene: sommando la prima e l'ultima modalità della serie ordinata dividendo l'ultima modalità della serie ordinata per la prima sottraendo la prima modalità all'ultima della serie ordinata moltiplicando l'ultima e la prima modalità della serie ordinata.
Il range si ottiene calcolando: il quoziente tra l'ultima e la prima modalità della serie ordinata la differenza tra l'ultima e la prima modalità della serie ordinata la somma tra l'ultima e la prima modalità della serie ordinata il prodotto tra l'ultima e la prima modalità della serie ordinata.
La differenza Interquartile: È data dalla differenza tra il terzo e il primo quartile È data dalla differenza tra il terzo e il quarto quartile È data dalla differenza tra il terzo e il secondo quartile È data dalla differenza tra il secondo e il primo quartile.
La media aritmetica degli scarti di un valore dalla media della distribuzione è: uguale a zero maggiore di zero uguale a uno minore di zero.
La Varianza è data da: Lo scarto dalla media diviso per il totale delle osservazioni la somma degli scarti dalla media divisi per il totale delle osservazioni la somma degli scarti dalla media elevati al quadrato divisi per il totale delle osservazioni la somma degli scarti dalla media elevati al quadrato.
La deviazione standard o scarto quadratico medio è: La media aritmetica dei valori assoluti degli scarti dei dati dalla media della distribuzione Un limite esatto (o reale) superiore Il rapporto tra la somma di tutte le misure ottenute e il numero delle misure effettuate La radice quadrata della varianza.
Come indice di variabilità, a livello di scala ordinale, possiamo usare: il range nessuna delle precedenti la deviazione standard la varianza.
L'indice di variabilità più usato con variabili qualitative è: tutte le precedenti la moda la deviazione standard nessuna delle precedenti.
La deviazione standard indica: di quanto, mediamente, i dati si discostano dalla mediana di quanto, mediamente, i dati si discostano dalla media di quanto, mediamente, i dati si discostano dalla varianza di quanto, mediamente, i dati si discostano dalla moda.
La deviazione standard o scarto quadratico medio rappresenta: la variabilità assoluta la variabilità relativa la variabilità modulare la variabilità modulabile.
Lo scostamento semplice medio: è la variazione aritmetica dei valori assoluti degli scarti delle x da un valore medio è la media aritmetica dei valori assoluti degli scarti delle x da un valore medio è la moda dei valori assoluti degli scarti delle x da un valore medio è la mediana dei valori assoluti degli scarti delle x da un valore medio.
Lo scostamento semplice medio può essere calcolato usando: media aritmetica e deviazione standard moda o mediana media aritmetica o moda media aritmetica o mediana.
La differenza media può essere: nessuna delle alternative con ripetizione entrambe le alternative semplice.
La differenza media permette: di calcolare la media delle differenze in valore assoluto fra tutte le possibili coppie di valori di calcolare la media dei prodotti in valore assoluto fra tutte le possibili coppie di valori di calcolare la deviazione standard delle differenze in valore assoluto fra tutte le possibili coppie di valori di calcolare la somma dei prodotti in valore assoluto fra tutte le possibili coppie di valori.
Lo studio della concentrazione e utile per: calcolare la media dei prodotti in valore assoluto fra tutte le possibili coppie di valori prendere decisioni rispetto alla relazione causale tra le variabili calcolare la deviazione standard delle differenze in valore assoluto fra tutte le possibili coppie di valori vedere se il fenomeno è equamente distribuito fra tutte le unità statistiche.
La concentrazione si calcola usando: la deviazione standard il metodo grafico di Lorenz la probabilità congiunta l'anova.
Basandosi sulla probabilità è possibile: generalizzare i risultati ottenuti dal campione alla popolazione generalizzare i risultati ottenuti dalla popolazione al campione generalizzare i risultati ottenuti dal laboratorio alla vita reale modificare i risultati ottenuti per adeguarli alla popolazione.
Per la concezione classica della probabilità possono esistere degli eventi: nessuna delle due alternative totalmente certi entrambe le alternative proposte totalmente improbabili.
La concezione logicistica di probabilità: considera la probabilità di un evento una relazione logica fra l'evento stesso ed un insieme di conoscenze di cui si dispone viene denominata anche concezione classica valuta la probabilità di un evento in base al grado di fiducia che un individuo attribuisce, secondo le sue informazioni, al veri?carsi di un evento parte da due concetti primitivi (evento e probabilità) e da alcuni assiomi.
Per la concezione classica della probabilità questa può assumere valori che vanno da: -1 e 0 0 e 1 -1 e 1 0 e 100.
Per la concezione classica della probabilità questa: è il rapporto fra il numero dei casi osservati ed il numero n dei casi impossibili è il rapporto fra il numero m dei casi favorevoli (al verificarsi di E) ed il numero n dei casi possibili è il rapporto fra il numero totale dei casi ed il numero n dei casi osservati è il rapporto fra il numero m dei casi sfavorevoli (al verificarsi di E) ed il numero n dei casi impossibili.
La concezione assiomatica di probabilità: valuta la probabilità di un evento in base al grado di fiducia che un individuo attribuisce, secondo le sue informazioni, al veri?carsi di un evento considera la probabilità di un evento è una relazione logica fra l'evento stesso ed un insieme di conoscenze di cui si dispone parte da due concetti primitivi (evento e probabilità) e da alcuni assiomi viene denominata anche concezione classica.
La concezione soggettiva di probabilità: viene denominata anche concezione classica parte da due concetti primitivi (evento e probabilità) e da alcuni assiomi è il rapporto fra il numero m dei casi favorevoli (al verificarsi di E) ed il numero n dei casi possibili valuta la probabilità di un evento in base al grado di fiducia che un individuo attribuisce, secondo le sue informazioni, al veri?carsi di un evento.
La concezione frequentista della probabilità si basa: su entrambe le alternative proposte sull'esperimento sull'osservazione di prove ripetute del fenomeno sull'esperimento.
Il calcolo delle probabilità è: uno strumento irrazionale che permette di prendere decisioni in condizioni di incertezza uno strumento razionale che permette di prendere decisioni in condizioni di incertezza uno strumento irrazionale che permette di prendere decisioni in condizioni di certezza uno strumento razionale che permette di prendere decisioni in condizioni di certezza.
Secondo la teoria frequentista la probabilità di una certa caratteristica: è la frequenza relativa in un numero di prove ritenuto "sufficientemente" elevato. è il rapporto tra il numero di casi favorevoli all'evento e il numero di casi ugualmente possibili è la frequenza cumulata in un ridotto numero di prove. il rapporto tra il numero di casi sfavorevoli all'evento e il numero di casi ugualmente possibili.
Secondo la teoria soggettiva della probabilità: la probabilità associata a una certa affermazione misura il grado di credenza attribuito all'affermazione stessa da una certa persona la probabilità di un evento è data dal limite al quale tende la frequenza relativa della caratteristica in esame col crescere del numero delle osservazioni la probabilità di un evento è il rapporto tra il numero di casi favorevoli all'evento e il numero di casi ugualmente possibili lo sperimentatore assegna a seconda della sua credenza un valore.
I concetti primitivi del calcolo della probabilità sono: evento prova Tutte le alternative sono corrette probabilità.
Nell'impostazione assiomica del calcolo delle probabilità una prova è definita come: è anche detto evento o descrizione non genera mai un evento un esperimento soggetto a incertezza una qualsiasi situazione che non permette di avere dei risultati.
Nella teoria frequentista se la frequenza di un evento è pari a uno possiamo dire che: si è verificato in ogni osservazione è impossibile non si è verificato in nessuna delle n prove effettuate nessuna delle alternative.
Nella teoria frequentista se la frequenza di un evento è pari a zero possiamo dire che: è impossibile nessuna delle alternative si è verificato in ogni osservazione non si è verificato in nessuna delle n prove effettuate.
Nell'impostazione assiomica del calcolo delle probabilità un evento è definito come: uno dei possibili risultati della prova un esperimento soggetto a incertezza nessuna delle alternative un numero associato al presentarsi di un evento.
Legge empirica del caso dice che: fatta una ridotta serie di prove la frequenza tende ad assumere valori distanti alla probabilità dell'evento fatta un'ampia serie di prove la frequenza tende ad assumere valori distanti alla probabilità dell'evento fatta un'ampia serie di prove la frequenza tende ad assumere valori prossimi alla probabilità dell'evento fatta una ridotta serie di prove la frequenza tende ad assumere valori prossimi alla probabilità dell'evento.
Per la concezione soggettiva la probabilità è rappresentata da: numero reale compreso fra 1 e -1 numero reale compreso fra 0 e 1 numero reale compreso fra 0 e infinito numero reale compreso fra -1 e 0.
Nell'impostazione assiomica del calcolo delle probabilità una probabilità è definita come: un esperimento soggetto a incertezza un numero associato al presentarsi di un evento uno dei possibili risultati della prova nessuna delle alternative.
Quando voglio calcolare la probabilità che lanciando un dado esca 3 sapendo che è uscito un numero dispari sto calcolando: probabilità contabile la probabilità condizionata la probabilità composta la probabilità corrispettiva.
Quando si vuol calcolare la probabilità di prendere ad un esame e di vincere una schedina prenderò in considerazione: probabilità contabile la probabilità condizionata la probabilità collaterale la probabilità composta.
La probabilità composta di tre eventi indipendenti con probabilità pari a 1/4, 1/3 e 1/2 è pari a: 1/24 1/9 1/15 1/2.
Il concetto di probabilità composta deriva da quello di: probabilità contabile probabilità correlata probabilità condizionata probabilità binomiale.
Considerando il lancio di un dado, la probabilità che esca 3 sapendo che è uscito un numero disperi è uguale a: 1/4 1/3 1/6 1/12.
La probabilità composta di due eventi indipendenti è pari a: la probabilità di uno sommata alla probabilità dell'altro la probabilità di uno divisa per la probabilità dell'altro la probabilità di uno dei due eventi moltiplicata per la probabilità dell'altro evento condizionato al verificarsi del primo la probabilità di uno moltiplicata per la probabilità dell'altro.
La probabilità che due eventi si verifichino contemporaneamente è pari a: la probabilità di uno moltiplicata per la probabilità dell'altro la probabilità di uno dei due eventi divisa per la probabilità dell'altro evento condizionato al verificarsi del primo la probabilità di uno dei due eventi moltiplicata per la probabilità dell'altro evento condizionato al verificarsi del primo la probabilità di uno divisa per la probabilità dell'altro.
La probabilità di un evento A condizionato a B può essere: minore o uguale alla probabilità di A minore probabilità di A maggiore o uguale alla probabilità di A Tutte le alternative sono corrette.
Quando consideriamo la probabilità condizionata di un evento "A": Se B non si verifica, l'evento A condizionato a B è definito Se B non si verifica, l'evento A condizionato a B non è definito nessuna delle precedenti Se B si verifica, l'evento A condizionato a B non è definito.
La probabilità condizionata si definisce come: la probabilità di un evento moltiplicata per la probabilità dell'altro la probabilità di uno dei due eventi moltiplicata per la probabilità dell'altro evento condizionato al verificarsi del primo la probabilità del veri?carsi di A nell'ipotesi che B non si sia verificato la probabilità del verificarsi di A nell'ipotesi che B si sia verificato.
In una distribuzione di probabilità uniforme: non è possibile conoscere i valori di probabilità legati agli elementi dell'insieme ogni elemento di diversi insiemi correlati ha lo stesso valore di probabilità ogni elemento di un insieme finito ha lo stesso valore di probabilità gli elementi dell'insieme hanno diversi valori di probabilità.
Un esempio di distribuzione di probabilità uniforme: l'osservazione di un fenomeno durante un'osservazione prendere 30 a due esami consecutivi la vincita di un campionato di calcio il lancio di un dado.
Nelle distribuzioni di probabilità continue: la variabile viene misurata con valori numerici interi la variabile viene espressa su scala nominale la variabile viene espressa su scala ordinale la variabile viene espressa su un scala continua.
La distribuzione di Poisson esprime le probabilità per: eventi che non hanno relazioni temporali eventi il cui esito può essere solo un successo o un insuccesso tutte le precedenti eventi che si verificano successivamente ed indipendentemente in un intervallo di tempo.
La probabilità di una serie di estrazioni da un mazzo di carte senza reinserimento si distribuisce seguendo: la distribuzione ipergeometrica la distribuzione di Poisson la distribuzione binomiale la distribuzione normale.
La distribuzione di probabilità di Poisson prende in considerazione l'indice lambda che rappresenta: la moda della distribuzione la varianza di eventi che si verificano la deviazione standard di eventi che si verificano la media di eventi che si verificano in un dato lasso di tempo.
La distribuzione binomiale riguarda: eventi il cui esito può essere solo un successo o un insuccesso tutte le precedenti eventi che non hanno relazioni temporali eventi che si verificano successivamente ed indipendentemente in un intervallo di tempo.
I valori che contraddistinguono una distribuzione di probabilità sono: moda e varianza moda e deviazione standard mediana e varianza media e deviazione standard.
Le distribuzioni di probabilità possono essere: né continue né discrete continue o discrete solo continue solo discrete.
Una distribuzione di probabilità è: una rappresentazione grafica della probabilità di un evento una rappresentazione analitica della probabilità di un evento un modello matematico che collega i valori di una variabile alle probabilità che possano essere osservati un modello che collega i valori di una variabile alle probabilità che questa faccia parte del campione.
Nelle distribuzioni di probabilità discrete: la variabile viene espressa su scala nominale la variabile viene espressa su un scala continua la variabile viene espressa su scala ordinale la variabile viene misurata con valori numerici interi.
La legge dei grandi numeri dice che: la media di un numero sufficiente di campioni è sufficientemente vicina alla media reale la media di un piccolo campione è sufficientemente vicina alla media reale la media di due eventi è sufficientemente vicina alla media reale la somma di un numero sufficiente di campioni è sufficientemente vicina alla media reale.
La distribuzione normale fa riferimento a variabili: nominali continue discrete continue e discrete.
Il punto più alto di una curva normale viene definito: asse delle y punto di massimo punto di flesso asse delle x.
Quando indichiamo una distribuzione normale riportiamo i valori di: media e mediana moda e varianza devianza a deviazione standard media e deviazione standard.
Moda, mediana e media non coincidono nella distribuzione di probabilità: normale standardizzata nessuna delle alternative normale di Poisson.
Moda, mediana e media coincidono nella distribuzione di probabilità: normale ipergeometrica di Poisson binomiale.
La deviazione standard dalla media rappresenta, nella curva normale: il punto più alto della distribuzione l'asse delle y lo zero assoluto i punti di flesso.
Due distribuzioni normali con medie diverse: avranno una diversa posizione sull'asse delle x saranno uguali sono considerate comunque standardizzate avranno diversi punti di massimo.
Due distribuzioni normali con diverse deviazioni standard: sono considerate comunque standardizzate saranno uguali avranno diversi punti di flesso avranno una diversa posizione sull'asse delle x.
Nella distribuzione normale moda, mediana e media rappresentano: l'asse delle x tre distinti valori i punti di flesso il punto più alto della distribuzione.
Usando la distribuzione normale standardizzata possiamo: confrontare la prestazione di due diversi soggetti allo stesso test confrontare due diverse distribuzioni di probabilità tutte le alternative sono corrette confrontare punteggi a diversi test.
La curva normale varia tra: più e meno uno più e meno 100 più e meno infinito più e meno 3.
La distribuzione normale standardizzata: ha media 1 e deviazione standard che varia a seconda del campione ha media 1 e deviazione standard 1 ha media 0 e deviazione standard 1 ha media e deviazione standard diverse a seconda del campione.
L'area compresa fra la curva normale e l'asse delle x equivale ad una probabilità pari a: 0 0.5 100 1.
L'area compresa tra più e meno due deviazioni standard in una curva normale standardizzata è pari al: 99.73% 68.26% 50% 95.45%.
L'area compresa tra più e meno tre deviazioni standard in una curva normale standardizzata è pari al: 95.45% 68.26% 50% 99.73%.
L'area compresa tra più e meno una deviazione standard in una curva normale standardizzata è pari al: 50% 99.73% 68.26% 95.45%.
Le code della distribuzione normale: non toccano mai l'asse delle x si incrociano con l'asse delle x la distribuzione normale non ha code non toccano mai l'asse delle y.
Per la distribuzione normale standardizzata, usando delle specifiche tavole è possibile calcolare: l'area sottesa alla curva tra l'asse delle x e un dato valore la media l'area sopra la curva l'area sottesa alla curva tra l'asse delle y e un dato valore.
I punti z indicano: quante deviazioni standard il punteggio si discosta dalla media la media dei punteggi di diversi soggetti ad un test la differenza interquartile i punteggi dei test in relazione alla distribuzione binomiale.
I punti z fanno riferimento: alla curva normale standardizzata alla curva normale alla distribuzione binomiale alla distribuzione ipergeometrica.
I punti z vengono calcolati usando: moda e deviazione standard mediana e moda mediana e varianza media e deviazione standard.
Lo scopo della standardizzazione dei punteggi grezzi è: capire la relazione casuale tra le variabili rendere dati diversi direttamente confrontabili confrontare punteggi ottenuti allo stesso test da soggetti diversi capire la relazione causale tra le variabili.
Il campionamento può essere: probabilistico entrambi non probabilistico nessuno dei due.
Nel campionamento casuale la selezione può essere fatta: senza ripetizione con ripetizione nessuna delle due alternative entrambe le alternative.
Quando applichiamo la selezione senza ripetizione al campionamento casuale: la probabilità che ogni elemento venga estratto cambia ad ogni estrazione la probabilità che ogni elemento venga estratto rimane costante ad ogni estrazione già prima delle estrazioni ogni elemento ha una probabilità diversa di essere estratto. non è possibile conoscere la probabilità delle diverse estrazioni.
Il campionamento casuale semplice ha il limite di: fornire un campione non rappresentativo della popolazione richiedere elevati costi e tempi di realizzazione raggiungere un limitato numero di soggetti richiedere limitati costi e tempi di realizzazione.
Il campionamento casuale può essere applicato se: entrambe le alternative la popolazione è statisticamente omogenea le unità statistiche sono individuabili mediante un numero nessuna delle due alternative.
Nel campionamento probabilistico ogni unità della popolazione ha: la stessa probabilità di fare parte del campione una probabilità casuale e diversa di fare parte del campione un probabilità che non può essere stimata di far parte del campione una diversa probabilità di fare parte del campione.
L'obiettivo del campionamento è: ottenere un campione rappresentativo della popolazione ottenere un soggetto che riproduca le caratteristiche della popolazione ottenere una popolazione rappresentativa del campione ottenere solo un numero limitato di soggetti.
Fare esperimenti sulla popolazione ha lo svantaggio di: richiedere tempi e costi molto elevati richiedere tempi lunghi ma costi contenuti richiedere tempi e costi molto limitati coinvolgere pochi soggetti.
La verifica delle ipotesi permette: basandosi sulla popolazione, di decidere se l'ipotesi fatta è accettabile anche a livello del campione di stimare dal campione alcuni parametri della popolazione basandosi sul campione, di decidere se l'ipotesi fatta è accettabile anche a livello della popolazione di capire se il soggetto analizzato appartiene o meno alla popolazione.
La stima campionaria permette: basandosi sulla popolazione, di decidere se l'ipotesi fatta è accettabile anche a livello del campione di stimare della popolazione alcuni parametri del campione di stimare dal campione alcuni parametri della popolazione di capire se il soggetto analizzato appartiene o meno alla popolazione.
L'inferenza statistica può riguardare: la verifica delle ipotesi la stima campionaria entrambe le alternative nessuna delle due.
L'inferenza statistica può essere definita come il procedimento che permette di: analizzare le risposte del gruppo di controllo per avere informazioni sul gruppo sperimentale analizzare il campione per ottenere conclusioni circa la popolazione analizzare la popolazione per ottenere conclusioni circa il campione analizzare le risposte dei singoli soggetti per avere informazioni sulla distribuzione.
Usando l'inferenza statistica può possiamo: usare i dati ottenuti dal campione per avere informazioni sulla popolazione analizzare la distribuzione della popolazione per avere informazioni sui singoli soggetti analizzare la distribuzione del campione per avere informazioni sui singoli soggetti usare i dati ottenuti dalla popolazione per avere informazioni sul campione.
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 perché 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 gruppi secondo 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 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 stime 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 campione 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? entrambi 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 μ 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 e 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 conoscerne 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 conoscerne 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 della verifica delle ipotesi può essere entrambi non parametrico nessuna delle due parametrico.
Il procedimento di verifica delle ipotesi parametrico si applica quando: abbiamo variabili qualitative non si conosce la distribuzione di probabilità è nota la distribuzione di probabilità non è presente un campione.
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.
L'errore di seconda specie si ha quando: si rifiuta l'ipotesi nulla quando è falsa si rifiuta l'ipotesi nulla quando è vera si accetta l'ipotesi nulla quando è vera si accetta l'ipotesi nulla quando è falsa.
L'errore di prima specie si ha quando: si rifiuta l'ipotesi nulla quando è vera si accetta l'ipotesi nulla quando è falsa si rifiuta l'ipotesi nulla quando è falsa si accetta l'ipotesi nulla quando è vera.
Quando accettiamo l'ipotesi nulla: accettiamo anche l'ipotesi alternativa non possiamo trarre conclusioni circa l'ipotesi alternativa rifiutiamo automaticamente l'ipotesi alternativa dobbiamo fare un altro test per capire se accettare l'ipotesi alternativa.
Quando rifiutiamo l'ipotesi nulla: dobbiamo fare un altro test per capire se accettare l'ipotesi alternativa accettiamo automaticamente l'ipotesi alternativa non possiamo trarre conclusioni circa l'ipotesi alternativa rifiutiamo anche l'ipotesi alternativa.
Per ridurre sia l'errore di prima che di seconda specie dobbiamo: selezionare dalla popolazione solo soggetti volontari ridurne uno ridurrà automaticamente anche l'altro possiamo intervenire solo sull'errore di prima specie aumentare la dimensione del campione.
L'ipotesi alternativa permette di ipotizzare che la stima campionaria: sia minore o maggiore del elativo valore della popolazione entrambe nessuna delle due sia diverso al relativo valore della popolazione.
Quando l'ipotesi alternativa afferma che i due valori sono diversi applicheremo: test standardizzato test unilaterale destro test unilaterale sinistro un test bilaterale.
Quando l'ipotesi alternativa afferma che il valore stimato dal nostro campione sia minore del valore della popolazione useremo: test standardizzato test bilaterale test unilaterale destro test unilaterale sinistro.
Quando l'ipotesi alternativa afferma che il valore stimato dal nostro campione sia maggiore del valore della popolazione useremo: test unilaterale destro test bilaterale test unilaterale sinistro test standardizzato.
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.
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.
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.
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.
I gradi di libertà della t di student si calcolano: N-1 N/1 N+1 N=n.
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.
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.
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.
Quando ho un campione con meno di 30 soggetti i dati seguono la distribuzione: entrambe nessuna delle due normale t di student.
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.
Quando voglio verificare se il mio campione, con meno di 30 soggetti, appartiene alla popolazione applicherò: t test anova test della binomiale chi quadro.
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.
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.
Quando il chi-quadrato «calcolato» è maggiore del chi-quadrato «critico»: rifiutiamo H0 tutte le alternative rifiutiamo H1 accettiamo H0.
Quando il chi-quadrato «calcolato» è minore del chi-quadrato «critico»: rifiutiamo H0 nessuna delle alternative accettiamo H1 accettiamo H0.
Quando il chi-quadrato «critico» è minore del chi-quadrato «calcolato»: accettiamo H0 tutte le alternative rifiutiamo H0 rifiutiamo H1.
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).
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".
Il test del chi-quadrato non può essere usato: nessuna delle alternative con variabili ordinali con variabili nominali con variabili a rapporti equivalenti.
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.
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.
La retta di regressione è rappresentata con quale equazione? y = b + ax y = a + bx x = a + bx x = b + ay.
L'intercetta è rappresentata dalla lettera: y a x b.
La retta di regressione può essere calcolata usando: il t test il metodo dei massimi quadrati il metodo dei minimi quadrati la correlazione.
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.
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.
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.
Il coefficiente di regressione nell'equazione della retta è rappresentato dalla lettera: y b a x.
La regressione lineare può essere rappresentata da: una curva una retta una linea spezzata una parabola.
Quando analizziamo il legame tra due variabili queste possono derivare: nessuna delle due alternative due popolazioni diverse una stessa popolazione entrambe le alternative.
La correlazione fra le due variabili esprime: l'intensità del legame la direzione del legame la causalità del legame un rapporto di causa-effetto.
La funzione di regressione più usata è quella: parabolica lineare curvilinea standardizzata.
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.
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.
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.
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.
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.
Per analizzare la variabilità congiunta di due variabili usiamo: l'analisi fattoriale la mediana la deviazione standard la covarianza.
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.
Se il coefficiente di correlazione lineare di Bravais-Pearson è uguale a -1: correlazione imperfetta correlazione estrema correlazione perfetta inversa assenza di correlazione.
Se il coefficiente di correlazione lineare di Bravais-Pearson è uguale a +1: correlazione perfetta diretta correlazione estrema correlazione imperfetta assenza di correlazione.
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.
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.
Il coefficiente di correlazione lineare di Bravais-Pearson rappresenta: la retta di regressione la covarianza la deviazione standard la covarianza normalizzata.
Per analizzare la correlazione solitamente si usa: il coefficiente di correlazione lineare di Bravais-Pearson la media ponderata la retta di regressione l'anova.
La covarianza varia: fra 0 e 1 fra «meno infinito» e «più infinito» fra 3 e -3 fra -1 e +1.
La covarianza può essere: solo positiva o negativa positiva, negativa o nulla solo positiva o nulla lineare o curvilinea.
Quando il coefficiente di correlazione r è uguale a 0 si parla di: correlazione perfetta correlazione estrema correlazione imperfetta assenza di correlazione.
La varianza non spiegata può dipendere: da errori emersi durante la procedura da altre variabili non controllate entrambe nessuna delle due.
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.
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.
La varianza totale è data da: entrambe nessuna delle due la varianza non spiegata la varianza spiegata.
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.
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.
Il coefficiente di determinazione è dato da: "r diviso due" alfa "x" medio "r" al quadrato.
Il coefficiente di indeterminazione è dato da: 1-"r" al quadrato "r diviso due" delta "r" al quadrato.
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.
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.
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.
Quando analizziamo la dipendenza tra due variabili possiamo rappresentarle attraverso: grafici a torta diagrammi di dispersione istogrammi linee di regressione.
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.
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.
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.
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.
Possiamo usare i punti centili per: nessuna delle due calcolare un cut-off entrambe capire se un campione appartiene ad una popolazione.
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.
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.
Il test t di Wilcoxon è l'alternativa non parametrica del test: di Bravais-Pearson t di Wilcoxon di correlazione lineare t di Student.
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.
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.
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.
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.
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.
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.
Tra i test non parametrici abbiamo: entrambi Test di conformità nessuna delle precedenti Test equivalenti di test parametrici.
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.
I metodi qualitativi permettono: di descrivere un fenomeno di verificare delle ipotesi di trovare una relazione casuale tra due variabili.
Gli approcci qualitativi generalmente: sono poco oggettivi sono poco soggettivi non possono essere definiti né soggettivi né oggettivi.
Le grandezze estensive sono: solo sommabili solo graduabili sempre indivisibili.
Le grandezze intensive sono: solo graduabili solo sommabili solo sommabili.
Con la misurazione: facciamo corrispondere al sistema empirico un sistema numerico facciamo corrispondere due diversi sistemi empirici facciamo corrispondere due diversi sistemi numerici.
Per definire le relazioni tra un sistema empirico e uno numerico possiamo usare: tecniche statistico-matematiche tecniche osservative tecniche qualitative.
Il processo di raccolta dei dati in psicologia è indispensabile perché: permette di definire i costrutti psicologici su base empirica permette di definire i costrutti psicologici su base universale permette di definire i costrutti psicologici su base numerica.
Una misurazione implica: la costruzione di una variabile che rappresenti una variazione del comportamento analizzato la costruzione di una variabile che rappresenti una sola variante del comportamento analizzato una valutazione narrativa.
L’osservazione senza misurazione: si deve basare su solide teorie fa riferimento al senso comune si basa sulle deduzioni del ricercatore.
Il concetto di intensità che valutiamo quando osserviamo un comportamento: può essere sovrapposto a quello di frequenza può essere sovrapposto a quello di durata può essere sovrapposto a quello di latenza.
Il campionamento viene effettuato perché: spesso non è possibile osservare tutte le manifestazioni del nostro oggetto di studio è possibile osservare le manifestazioni del nostro oggetto di studio è necessario che i soggetti siano assegnati casualmente alle condizioni sperimentali.
Nel campionamento casuale senza reinserimento: si rischia di modificare la distribuzione di probabilità la distribuzione di probabilità rimane inalterata la distribuzione di probabilità non viene presa in considerazione.
Le variabili vengono definite: basandosi sulla teoria basandosi su osservazioni ingenue basandosi sul buon senso del ricercatore.
Le variabili vengono calcolate: usando procedure matematico-statistiche applicando metodi qualitativi non possono venire calcolate.
Il passaggio dal costrutto al significato deve basarsi: sulla teoria sulle osservazioni sul buonsenso.
Misurare vuol dire: assegnare determinati valori numerici a determinati eventi o oggetti assegnare valori alfanumerici ad oggetti o eventi secondo delle regole trovare un valore per ogni oggetto con il buonsenso.
La maggior parte dei test psicologici: può essere usata solo da psicologi può essere usata da tutti può essere usata da tutti quelli che abbiano una conoscenza del tema da analizzare.
Le variabili: devono assumere diversi valori sono obbligate a restare fisse entrambe le alternative.
Le costanti: esprimono un solo valore esprimono più valori sono l’oggetto di studio principale della ricerca.
Una stessa caratteristica può essere: entrambe una variabile una costante.
La variabile “genere” è: nominale a intervalli ordinale.
La variabile “titolo di studio” è: ordinale nominale a rapporti.
Le analisi statistiche vengono solitamente fatte: analizzando gruppi di soggetti analizzando i singoli individui analizzando la totalità della popolazione.
Gli indici che emergono dall’analisi descrittiva del campione permettono di: entrambi descrivere generalizzare.
Attraverso la statistica descrittiva è possibile: sintetizzare i dati del campione fare affermazioni sulle ipotesi del nostro studio nessune delle alternative.
Le tabelle e i grafici usati per rappresentare i risultati della statistica: esprimono gli stessi dati ma in formato diverso esprimono dati diversi usando formati diversi esprimono gli stessi dati usando lo stesso formato.
Per analizzare i dati di sondaggi e censimenti solitamente usiamo: la statistica descrittiva la statistica inferenziale nessuna delle due.
Guardare i dati del campione non sintetizzati: non fornisce informazioni utili fornisce informazioni facilmente comprensibili permette di capire tutte le informazioni utili per l’analisi del campione.
Il calcolo delle probabilità nasce: per risolvere alcuni problemi sui giochi d’azzardo per calcolare la probabilità soggettiva di un evento per monitorare la probabilità oggettiva legata al mercato azionario.
I concetti primitivi del calcolo della probabilità sono: prova, evento, probabilità assiomatica, soggettiva, frequentista condizionata e composta.
La probabilità composta di tre eventi indipendenti con probabilità pari a 1/6, 1/5 e ½ è pari a: 1/60 1/12 1/15.
La distribuzione di probabilità più usata è quella: normale ipergeometrica binomiale.
La curva normale standardizzata è simmetriva rispetto a: l’asse y l’asse x al punto z.
Solitamente si preferisce fare esperimenti su: il campione la popolazione i singoli soggetti.
Il campionamento è quel processo che permette di: estrarre il campione dalla popolazione estrarre la popolazione dal campione assegnare i soggetti alle condizioni sperimentale.
Per determinare la numerosità del campione: ci si può basare sulla variabilità della popolazione ci sono precise formule matematiche ci si deve affidare alla sensibilità del ricercatore.
Il campionamento a più stadi permette: di ridurre i costi organizzativi di aumentare i costi organizzativi non poter stimare i costi organizzativi.
Quando diamo la stima puntuale di un parametro solitamente indichiamo: anche l’errore medio di campionamento un solo valore relativo al parametro nessun valore.
Quando facciamo una stima puntuale di una differenza tra medie: otteniamo un valore otteniamo un intervallo otteniamo una serie di valori.
La zona dell’intervallo di fiducia in cui è meno probabile che il nostro valore ricada è definita come: “alfa diviso due” “uno meno alfa” Alfa.
L’ipotesi che viene effettivamente testata è: L’ipotesi nulla L’ipotesi alternativa Nessuna delle due.
La correlazione ci fornisce: un numero una funzione lineare entrambe.
Quando il coefficiente di correlazione r è uguale a 1 o -1: correlazione perfetta correlazione estrema correlazione imperfetta.
Il coefficiente di determinazione valuta: la bontà di un modello lineare la varianza la differenza tra le due variabili.
Il coefficiente b2 è detto: coefficiente di regressione di X su Y coefficiente di regressione di Y su X intercetta di x.
La misura della correlazione lineare è espressa da: coefficiente di correlazione lineare di Bravais-Pearson il coefficiente di determinazione il coefficiente di variazione.
La correlazione lineare di analizza quando, date due variabili x e y: non si sa quale delle due influenzi l’altra sono indipendenti accettiamo H0.
Il coefficiente di correlazione lineare di Bravais-Pearson assume valori compresi tra: -1 e 1 0 e 1 -1 e 0.
Se il coefficiente lineare di Bravais-Pearson ha un valore negativo: al crescere del valore l’altra diminuirà al crescere del valore aumenterà anche l’altra le due variabili non sono correlate.
Se il coefficiente lineare di Bravais-Pearson ha valore positivo: al crescere del valore aumenterà anche l’altra al crescere del valore l’altra diminuirà le due variabili non sono correlate.
Report abuse Terms of use
HOME
CREATE TEST
COMMENTS
STADISTICS
RECORDS
Author's Tests