Statistica

Qual è il principale ritardo tra l'attivazione neurale e la risposta BOLD?. 1-2 secondi. 3-4 secondi. 5-6 secondi. 7-8 secondi.

Quale funzione descrive la risposta del segnale BOLD a un impulso di attivazione neurale?. Funzione di risposta neurale. Funzione di risposta emodinamica (HRF). Funzione Boxcar. Funzione Gamma.

Quale dei seguenti metodi NON è comunemente utilizzato per stimare la HRF?. Input di un impulso e osservazione della risposta. Deconvoluzione. Modello Boxcar. Modellazione lineare.

In quale caso i modelli lineari della risposta BOLD possono fallire?. Quando gli stimoli sono troppo brevi o ravvicinati. Quando gli stimoli sono ben distanziati nel tempo. Quando la risposta BOLD è troppo forte. Quando il segnale BOLD non dipende dall'ossigenazione del sangue.

Quale approccio matematico viene utilizzato per calcolare la risposta BOLD a partire dall'attivazione neurale?. Somma pesata. Integrale definito. Trasformata di Fourier. Convoluzione.

Qual è lo scopo principale della correzione del timing delle fette nel preprocessing dei dati fMRI?. Migliorare la risoluzione spaziale. Sincronizzare temporalmente le fette acquisite in tempi diversi. Ridurre il rumore nei dati. Allineare i dati funzionali con quelli strutturali.

Quale metodo di interpolazione è il più preciso, ma richiede maggiori risorse computazionali?. Interpolazione lineare. Interpolazione spline. Interpolazione sinc. Interpolazione quadratica.

Che cosa corregge l'algoritmo di correzione del movimento nel preprocessing fMRI?. Il movimento della testa del soggetto durante la scansione. Le differenze di segnale tra i voxel. Le variazioni del segnale BOLD. Le fluttuazioni a bassa frequenza.

Perché è importante la normalizzazione nel preprocessing dei dati fMRI?. Per allineare i dati con il segnale BOLD. Per aumentare la risoluzione temporale. Per permettere il confronto dei dati tra soggetti. Per ridurre l'effetto del rumore nei dati.

Cos'è la FWHM (Full Width at Half Maximum) nel contesto dello smoothing spaziale?. Un metodo di correzione del movimento. Un parametro che definisce l'ampiezza del filtro spaziale. Una tecnica di normalizzazione. Un algoritmo di coregistrazione.

Qual è l'obiettivo principale del GLM nell'analisi fMRI?. Identificare l'attività cerebrale anomala. Modellare la relazione tra il segnale BOLD e gli stimoli presentati. Rimuovere artefatti dal segnale fMRI. Creare mappe cerebrali strutturali.

Qual è il ruolo della "design matrix" nel GLM?. Misurare il segnale BOLD. Rappresentare graficamente le attivazioni cerebrali. Codificare gli eventi sperimentali nel tempo. Rimuovere il rumore fisiologico.

Cos'è il "Finite BOLD Response" (FBR) nel contesto del GLM?. Una risposta BOLD limitata da artefatti. Un metodo per modellare la risposta BOLD in funzione degli stimoli. Un tipo di errore di misurazione nel GLM. Una tecnica di riduzione del rumore nei dati fMRI.

Cosa si intende per "Jittering" negli esperimenti fMRI?. Una tecnica per randomizzare il tempo di presentazione degli stimoli. Un metodo per aumentare la risoluzione spaziale. Un tipo di rumore che influisce sul segnale BOLD. Una tecnica per ridurre l'effetto del movimento del soggetto.

Quale tecnica viene utilizzata per modellare la risposta BOLD nei voxel in funzione degli eventi sperimentali?. Trasformata di Fourier. Analisi della varianza. Convoluzione con la funzione di risposta emodinamica (HRF). Test t di Student.

Qual è il principale problema dei confronti multipli nell'analisi fMRI?. Incrementa il rumore di fondo nei dati. Aumenta la probabilità di ottenere falsi positivi. Riduce la risoluzione spaziale delle immagini. Rende difficile la registrazione del segnale BOLD.

Quale delle seguenti è una correzione comune per i confronti multipli?. Trasformata di Fourier. Correzione di Bonferroni. Filtraggio spaziale. Analisi della varianza.

Qual è il principale svantaggio della correzione di Bonferroni?. È troppo conservativa e riduce la potenza statistica. Aumenta il rischio di falsi negativi. Non tiene conto delle correlazioni tra voxel. Non corregge adeguatamente gli artefatti nel segnale fMRI.

Quale metodo tiene conto delle correlazioni spaziali tra voxel?. Modelli di campo casuale gaussiano (GRF). Correzione di Sidak. Trasformazione wavelet. Tecnica di bootstrapping.

Cos'è l'approccio basato sui cluster nell'analisi fMRI?. Un metodo per ridurre il rumore di movimento nei dati. Un metodo per testare gruppi di voxel contigui invece di voxel singoli. Una tecnica per aumentare la risoluzione temporale. Un approccio per migliorare la registrazione della risposta BOLD.

Qual è l'obiettivo principale dell'analisi di gruppo nell'fMRI?. Confrontare i dati tra regioni cerebrali. Combinare i risultati di più soggetti per fare inferenze su una popolazione. Rimuovere artefatti dal segnale BOLD. Migliorare la risoluzione spaziale dei dati.

Cosa rappresenta il primo livello nell'analisi di gruppo?. Il confronto tra gruppi di soggetti. L'analisi del segnale BOLD a livello di ogni singolo soggetto. La normalizzazione dei dati cerebrali. La stima delle differenze inter-soggetto.

Qual è lo scopo della normalizzazione nell'analisi di gruppo?. Correggere gli errori di movimento. Eliminare il rumore fisiologico. Allineare i cervelli di soggetti diversi in uno spazio comune. Ridurre il numero di voxel.

Qual è la principale differenza tra un modello ad effetti fissi e uno ad effetti casuali?. Il modello ad effetti fissi tiene conto delle differenze individuali tra soggetti. Il modello ad effetti casuali permette di fare inferenze generalizzabili alla popolazione. Il modello ad effetti fissi è usato solo per studi su singoli soggetti. Il modello ad effetti casuali ignora la varianza tra soggetti.

Quale delle seguenti è una sfida comune nell'analisi di gruppo fMRI?. L'impossibilità di normalizzare i dati cerebrali. Le differenze funzionali tra i soggetti anche dopo la normalizzazione. L'assenza di variabilità individuale tra soggetti. La difficoltà di rilevare la risposta BOLD.

Qual è uno dei principali problemi del test di significatività classico?. Considera solo l'alternativa all'ipotesi nulla. Non garantisce coerenza statistica. Riduce sempre l'errore di tipo I. Richiede la specificazione di un prior.

Qual è il vantaggio principale del metodo bayesiano rispetto a quello frequentista?. Evita la soggettività nell'analisi. Usa il p-value per valutare l'evidenza. Permette di aggiornare le credenze sulla base dei nuovi dati. Non richiede un'ipotesi alternativa.

Che cosa rappresenta il fattore Bayesiano?. La probabilità che l'ipotesi nulla sia vera. Il confronto tra la probabilità dei dati sotto l'ipotesi nulla e l'alternativa. Il livello di significatività statistica. La differenza tra l'errore di tipo I e di tipo II.

Cosa rappresenta l'intervallo di credibilità bayesiano?. L'intervallo nel quale la variabile dipendente si trova al 95%. La probabilità che i dati ricadano nell'intervallo in ripetuti campionamenti. Il 95% della distribuzione a posteriori. Il livello di significatività della distribuzione campionaria.

Qual è una delle principali critiche al metodo bayesiano?. Non considera i dati a priori. Richiede la specificazione di un prior soggettivo. Riduce l'errore di tipo I solo nei grandi campioni. Utilizza sempre il p-value come misura.

Quale delle seguenti affermazioni descrive correttamente il metodo bayesiano?. Utilizza solo i dati osservati per fare inferenze. Integra le informazioni precedenti (priors) con i dati osservati. Si basa esclusivamente sulla massima verosimiglianza. Non considera l'incertezza nei dati.

Qual è l'obiettivo del Modello Lineare Generale (GLM) nell'analisi fMRI?. Descrivere come le aree cerebrali interagiscono tra loro. Modellare la relazione tra stimoli sperimentali e risposta cerebrale in ogni voxel. Identificare i priors per l'attivazione cerebrale. Analizzare la connettività funzionale tra diverse aree cerebrali.

Quale area cerebrale è specializzata nel movimento visivo?. V1. V4. V5. IFG (Giro Frontale Inferiore).

Cosa rappresenta la matrice di progetto (design matrix) nel contesto dell'analisi fMRI?. La distribuzione posteriore dei parametri β\betaβ. Le condizioni sperimentali convolute con la funzione di risposta emodinamica (HRF). Il segnale emodinamico BOLD senza rumore. Le connessioni tra diverse aree cerebrali.

Cosa permette di fare il Modello Causale Dinamico (DCM)?. Modellare la risposta BOLD di ogni voxel indipendentemente. Fare inferenze sulle connessioni tra aree cerebrali e su come vengono modulate dagli input sperimentali. Misurare l'attivazione cerebrale in tempo reale. Identificare le regioni cerebrali che rispondono a stimoli visivi.

Qual è il problema di demarcazione di cui parla Karl Popper?. La distinzione tra filosofia e scienza. La distinzione tra scienza e pseudo-scienza. La definizione di metodo scientifico. La distinzione tra ipotesi e teorie.

Secondo Popper, quale caratteristica rende una teoria scientifica?. Essere verificabile. Essere accettata dalla comunità scientifica. Essere falsificabile. Essere basata su osservazioni.

Che cosa criticava Popper riguardo alla psicoanalisi di Freud?. Non era basata su osservazioni empiriche. Non era falsificabile. Era troppo complessa. Non considerava l'influenza della società.

Cosa significa per Popper "corroborare" una teoria?. Confermare la verità della teoria. Dimostrare che la teoria è indiscutibilmente corretta. Verificare che la teoria non è stata falsificata da un test. Rendere una teoria più precisa.

Secondo Popper, quale atteggiamento dovrebbe avere la comunità scientifica verso le teorie?. Difendere le teorie dalle critiche. Cercare di verificare le teorie il più possibile. Trovare modi per falsificare le teorie. Accettare solo teorie comprovate.

Qual è la distinzione principale tra incertezze epistemiche e incertezze aleatorie?. L'incertezza epistemica è dovuta al caso, mentre l'incertezza aleatoria è dovuta alla mancanza di conoscenza. L'incertezza epistemica è risolvibile con ulteriori informazioni, mentre l'incertezza aleatoria è dovuta al caso e imprevedibile. L'incertezza epistemica riguarda solo eventi futuri, mentre l'incertezza aleatoria riguarda eventi passati. Non esiste una distinzione tra incertezza epistemica e aleatoria.

Secondo la teoria bayesiana delle probabilità, cosa rappresenta la probabilità di una proposizione?. La frequenza con cui l'evento si verifica in esperimenti ripetuti. La fiducia soggettiva che una persona ha nella verità di quella proposizione. Il risultato medio di un gran numero di esperimenti. Il numero di osservazioni necessarie per confermare l'evento.

Qual è l'interpretazione errata comune riguardo al valore di p nei test frequentisti?. Che rappresenti la probabilità che l'ipotesi nulla sia vera. Che rappresenti la probabilità che il campione sia rappresentativo. Che rappresenti la probabilità di ottenere risultati significativi in futuro. Che rappresenti l'errore sistematico nel campionamento.

Qual è la differenza tra un intervallo di confidenza frequentista e un intervallo credibile bayesiano?. L'intervallo di confidenza è basato su ripetuti campionamenti, mentre l'intervallo credibile esprime direttamente la probabilità di un parametro. L'intervallo di confidenza è più preciso dell'intervallo credibile. L'intervallo credibile si applica solo ai dati storici, mentre l'intervallo di confidenza ai dati attuali. Non c'è differenza significativa tra i due.

Cosa rappresenta l'incertezza aleatoria in un esperimento statistico?. L'incertezza dovuta a errori sistematici di misura. L'incertezza dovuta alla variabilità casuale nei dati. L'incertezza dovuta alla mancanza di conoscenza sul parametro. L'incertezza derivante dall'interpretazione errata dei dati.

Qual è il problema principale della logica inferenziale nell'ambito della psicologia secondo gli autori?. L'uso di ipotesi non testabili. Il ricorso eccessivo al p-value senza considerare ipotesi alternative specificate. La mancanza di metodi statistici adeguati. Il fallimento nel replicare studi precedenti.

Perché il caso di Sally Clark viene utilizzato come esempio nell'articolo?. Per illustrare gli errori nei calcoli probabilistici usati nel processo. Per evidenziare l'importanza della genetica nella scienza forense. Per dimostrare l'importanza di considerare più ipotesi in un'inferenza. Per mostrare l'uso corretto del p-value in ambito legale.

Qual è la principale differenza tra l'inferenza frequentista e quella bayesiana, come descritto nel testo?. L'inferenza frequentista considera solo i dati osservati, mentre quella bayesiana integra le credenze preesistenti. L'inferenza bayesiana si applica solo a grandi campioni. L'inferenza frequentista richiede la specificazione di ipotesi alternative, mentre quella bayesiana no. L'inferenza bayesiana non utilizza i dati sperimentali per aggiornare le credenze.

Cosa si intende con l'espressione "non esiste un pranzo gratis nell'inferenza" utilizzata dagli autori?. Che l'inferenza statistica può essere fatta senza considerare ipotesi alternative. Che per fare inferenza corretta è necessario considerare alternative specificate. Che l'inferenza statistica è gratuita in termini di calcolo. Che l'inferenza statistica può essere appresa senza sforzo.

Secondo gli autori, quale vantaggio offre il fattore di Bayes rispetto al test di significatività?. Consente di fare inferenze senza dover specificare un'alternativa. Misura l'evidenza a favore o contro le ipotesi in modo più diretto. Richiede meno dati per arrivare a una conclusione. Evita completamente errori di tipo I e II.

Qual è uno dei principali vantaggi dell'inferenza bayesiana rispetto ai metodi frequentisti, come descritto nel documento?. L'inferenza bayesiana non richiede dati campione. L'inferenza bayesiana consente di incorporare informazioni precedenti attraverso i "priori". L'inferenza bayesiana garantisce sempre la falsificazione delle ipotesi. L'inferenza bayesiana fornisce risultati esatti senza incertezza.

Qual è la differenza fondamentale tra probabilità epistemica e aleatoria, secondo il documento?. La probabilità epistemica è una frequenza osservata, mentre la probabilità aleatoria è soggettiva. La probabilità epistemica si riferisce a eventi futuri, mentre quella aleatoria si riferisce a eventi passati. La probabilità epistemica è una misura della nostra conoscenza, mentre la probabilità aleatoria riflette la frequenza di un evento. La probabilità aleatoria è sempre maggiore di quella epistemica.

Cos'è la regola del prodotto nella teoria delle probabilità, come spiegato nel testo?. La probabilità di due eventi indipendenti è la somma delle loro probabilità individuali. La probabilità di due eventi che si verificano insieme è il prodotto della probabilità di uno dei due e della probabilità condizionata dell'altro. La probabilità di un singolo evento è sempre inferiore a quella di un evento congiunto. La probabilità di un evento è data dal prodotto tra la sua probabilità e quella del suo opposto.

Quale formula rappresenta la regola di Bayes, secondo il documento?. P(A|B) = P(B|A)P(A) / P(B). P(A|B) = P(A)P(B). P(A|B) = P(A) + P(B). P(A|B) = P(A) / P(B).

In quale situazione la probabilità epistemica è più appropriata rispetto a quella aleatoria?. Quando si vuole stimare la frequenza di un evento ripetuto molte volte. Quando si devono valutare eventi singoli e unici senza ripetizioni future. Quando non ci sono abbastanza dati per calcolare una frequenza. Quando si calcola la probabilità di un esperimento fisico.

Quale affermazione riflette il commento ironico di Henri Poincaré riguardo alla legge gaussiana?. I fisici ritengono che la legge gaussiana sia stata confermata in matematica, mentre i matematici credono sia stata dimostrata sperimentalmente. La legge gaussiana non ha una base matematica solida. I matematici e i fisici concordano sull'origine della legge gaussiana. La legge gaussiana non è applicabile in fisica sperimentale.

Qual è una delle ragioni principali per il successo della distribuzione gaussiana, secondo il documento?. La sua semplicità di calcolo. Il teorema del limite centrale. Il numero limitato di variabili casuali che influenza. L'invarianza geometrica.

Chi è stato il primo a scoprire la distribuzione normale, secondo il documento?. Laplace. Gauss. De Moivre. Maxwell.

Quale proprietà matematica rende unica la distribuzione gaussiana tra le altre distribuzioni?. La massimizzazione dell'entropia. La sua capacità di descrivere distribuzioni binomiale. La minimizzazione della varianza. L'invarianza rispetto alla trasformata di Fourier.

Perché la distribuzione gaussiana è considerata ottimale per la minimizzazione dell'informazione di Fisher?. È la distribuzione che minimizza la varianza. È l'unica distribuzione che massimizza l'entropia. Ha la capacità di minimizzare l'informazione di Fisher tra le distribuzioni con varianza limitata. È l'unica distribuzione utilizzabile in presenza di rumore.

Qual è il problema principale nell'interpretare un risultato non significativo secondo l'articolo?. Non fornisce alcuna informazione utile. Non distingue tra dati insensibili e prove a favore dell'ipotesi nulla. È sempre un'indicazione di un'ipotesi falsa. Dimostra che l'esperimento è stato condotto male.

Cosa suggerisce l'uso del fattore di Bayes per interpretare i risultati non significativi?. Fornisce sempre prove a favore dell'ipotesi nulla. Può indicare se i dati sono insensibili o se supportano l'ipotesi nulla. Non è utile se il p-value è inferiore a 0.05. È sempre inferiore ai test di potenza.

Qual è uno dei limiti dell'uso del potere statistico per interpretare i risultati non significativi, secondo l'articolo?. Richiede di specificare un valore minimo interessante che può essere difficile da determinare. Il potere statistico non può essere calcolato con software. È sempre inferiore al calcolo dell'intervallo di confidenza. Richiede più dati di un semplice test frequentista.

Secondo l'articolo, perché i fattori di Bayes sono più flessibili rispetto agli intervalli di confidenza?. Permettono di accettare o rifiutare l'ipotesi nulla senza specificare un valore minimo interessante. Sono sempre più precisi dei test frequentisti. Forniscono intervalli di confidenza più stretti. Utilizzano sempre valori osservati per il calcolo.

Quale dei seguenti metodi non è discusso come soluzione al problema dell'interpretazione dei risultati non significativi?. Test di potenza. Intervalli di confidenza. Fattori di Bayes. Analisi della varianza.

Qual è uno dei principali problemi del test di significatività classico?_. Considera solo l'alternativa all'ipotesi nulla. Non garantisce coerenza statistica. Riduce sempre l'errore di tipo I. Richiede la specificazione di un prior.

Qual è il vantaggio principale del metodo bayesiano rispetto a quello frequentista?_. Evita la soggettività nell'analisi. Usa il p-value per valutare l'evidenza. Permette di aggiornare le credenze sulla base dei nuovi dati. Non richiede un'ipotesi alternativa.

Che cosa rappresenta il fattore di Bayes?. La probabilità che l'ipotesi nulla sia vera. Il confronto tra la probabilità dei dati sotto l'ipotesi nulla e l'alternativa. Il livello di significatività statistica. La differenza tra l'errore di tipo I e di tipo II.

Cosa rappresenta l'intervallo di credibilità bayesiano?. L'intervallo nel quale la variabile dipendente si trova al 95%. La probabilità che i dati ricadano nell'intervallo in ripetuti campionamenti. Il 95% della distribuzione a posteriori. Il livello di significatività della distribuzione campionaria.

Qual è una delle principali critiche al metodo bayesiano?. Non considera i dati a priori. Richiede la specificazione di un prior soggettivo. Riduce l'errore di tipo I solo nei grandi campioni. Utilizza sempre il p-value come misura.

Quale delle seguenti affermazioni descrive correttamente il metodo bayesiano?. Utilizza solo i dati osservati per fare inferenze. Integra le informazioni precedenti (priors) con i dati osservati. Si basa esclusivamente sulla massima verosimiglianza. Non considera l'incertezza nei dati.

Qual è l'obiettivo del Modello Lineare Generale (GLM) nell'analisi fMRI?. Descrivere come le aree cerebrali interagiscono tra loro. Modellare la relazione tra stimoli sperimentali e risposta cerebrale in ogni voxel. Identificare i priors per l'attivazione cerebrale. Analizzare la connettività funzionale tra diverse aree cerebrali.

Qual è lo scopo principale della correzione del timing delle fette nel preprocessing dei dati fMRI?_. Migliorare la risoluzione spaziale. Sincronizzare temporalmente le fette acquisite in tempi diversi. Ridurre il rumore nei dati. Allineare i dati funzionali con quelli strutturali.

Quale metodo di interpolazione è il più preciso, ma richiede maggiori risorse computazionali?_. Interpolazione lineare. Interpolazione spline. Interpolazione sinc. Interpolazione quadratica.

Che cosa corregge l'algoritmo di correzione del movimento nel preprocessing fMRI?_. Il movimento della testa del soggetto durante la scansione. Le differenze di segnale tra i voxel. Le variazioni del segnale BOLD. Le fluttuazioni a bassa frequenza.

Perché è importante la normalizzazione nel preprocessing dei dati fMRI?_. Per allineare i dati con il segnale BOLD. Per aumentare la risoluzione temporale. Per permettere il confronto dei dati tra soggetti. Per ridurre l'effetto del rumore nei dati.

Cos'è la FWHM (Full Width at Half Maximum) nel contesto dello smoothing spaziale?_. Un metodo di correzione del movimento. Un parametro che definisce l'ampiezza del filtro spaziale. Una tecnica di normalizzazione. Un algoritmo di coregistrazione.

Cosa rappresenta il primo livello nell'analisi di gruppo?_. Il confronto tra gruppi di soggetti. L'analisi del segnale BOLD a livello di ogni singolo soggetto. La normalizzazione dei dati cerebrali. La stima delle differenze inter-soggetto.

Qual è lo scopo della normalizzazione nell'analisi di gruppo?_. Correggere gli errori di movimento. Eliminare il rumore fisiologico. Allineare i cervelli di soggetti diversi in uno spazio comune. Ridurre il numero di voxel.

Qual è la principale differenza tra un modello ad effetti fissi e uno ad effetti casuali?_. Il modello ad effetti fissi tiene conto delle differenze individuali tra soggetti. Il modello ad effetti casuali permette di fare inferenze generalizzabili alla popolazione. Il modello ad effetti fissi è usato solo per studi su singoli soggetti. Il modello ad effetti casuali ignora la varianza tra soggetti.

Quale delle seguenti è una sfida comune nell'analisi di gruppo fMRI?_. L'impossibilità di normalizzare i dati cerebrali. Le differenze funzionali tra i soggetti anche dopo la normalizzazione. L'assenza di variabilità individuale tra soggetti. La difficoltà di rilevare la risposta BOLD.

Qual è l'obiettivo principale delle neuroscienze?. Comprendere e prevedere i cambiamenti nel sistema nervoso. Analizzare la struttura fisica dei neuroni. Determinare il numero di neuroni nel cervello umano. Studiare solo fenomeni lineari nei sistemi neurali.

Cosa è necessario per generare un potenziale d'azione in un neurone?. Una forte stimolazione costante. Una soglia di stimolazione superata. Una singola stimolazione debole. Solo stimoli elettrici esterni.

Che tipo di oscillazione è fondamentale per il comportamento oscillatorio biologico e neurale?. Caos. Equilibrio instabile. Ciclo limite. Traiettoria lineare.

Qual è l'importanza delle equazioni di Hodgkin-Huxley?. Prevedono fenomeni non concepiti inizialmente dagli autori. Descrivono solo il potenziale d'azione dei neuroni. Sono obsolete nella ricerca neuroscientifica moderna. Si concentrano principalmente su fenomeni lineari.

Quale concetto matematico viene utilizzato per analizzare i cambiamenti nel sistema nervoso?. Algebra lineare. Trasformata di Laplace. Equazioni differenziali. Integrali definiti.

Quale concetto matematico viene utilizzato per analizzare i cambiamenti nel sistema nervoso?. 30 E LODE. 30 E LODE. 30 E LODE. 30 E LODE.