statistica 6 cfu ecampus

Quali sono i comandi di aiuto in R?. qt; help(qt); help.start (); help.search (). help(qt); help.start (); help.search (). qt; help(qt); help.start (). help.start (); help.search ().

Per settare la directory di lavoro giusta e una nuova directory quali comandi di R si utilizzano?. getwd () ; setwd(). getwd () ; tetwd(). betwd () ; setwd(). etwd () ; etwd().

Per importare un file Excel senza il nome della colonna nella prima riga quale comando di R si utilizza?. prova <- read.csv2("c:/mydat/prova.csv"). prova <- read.csv2(c:/mydat/prova.csv, header=TRUE). prova <- read.csv2("c:/mydat/prova.csv", header=TRUE). prova read.csv2("c:/mydat/prova.csv", header=TRUE).

Per importare il file di testo "prova.txt" quale linea di codice di R si utilizza?. prova <- scan("c:/mydat/prova.txt"). prova <- scan("/mydat/prova.txt"). prova scan("c:/mydat/prova.txt"). prova <- scan("c:/mydat/prova").

Con quali linee di codice di R i vettori a e b si possono trasformare da vettori riga in vettori colonna e viceversa?. cbind (a, b); qbind (a, b). cbind (a, b); rbind (a, b). cbind (a, b); dbind (a, b). pbind (a, b); rbind (a, b).

Se si vogliono staccare ed utilizzare singolarmente le colonne che compongono il data frame “prova” quali linee di codice si implementano?. attach(prova). detach(prova). mediana (prova). media(prova).

Se si vogliono riattaccare le colonne che compongono un data frame “prova” quali linee di codice si implementano?. detach(prova). mediana (prova). media(prova). attach(prova).

Quale linea di codice si implementa per ordinare i dati del vettore x in modo crescente?. sort(x). dort(x). port(x). sort().

Quale comando di R si deve usare per caricare un data frame presente in R, ad esempio mtcars?. data.frame (mtcars). df(mtcars). df. mtcars. data.frame ().

Come può essere la misura di un carattere quantitativo?. continuo-sconnesso. discreto. continuo. discreto-continuo.

Che tipo di carattere è il sesso?. qualitativo sconnesso nominale. qualitativo sconnesso. qualitativo discreto. quantitativo continuo.

Come può essere la scala di misurazione di un carattere quantitativo?. a intervalli-ordinali. a intervalli. di rapporti. ad intervalli e di rapporti.

Come può essere la scala di misurazione di un carattere qualitativo?. ordinale. ordinale-sconnessa. nominale. nominale-ordinale.

Secondo la misura e la scala di misurazione come può essere qualificato il carattere "altezza". continuo-di rapporti. di rapporti-nominale. sconnesso. continuo.

Che differenza esiste fra serie e seriazione?. la serie è una distribuzione di frequenza per caratteri qualitativi; la seriazione per caratteri quantitativi. la serie è un insieme di caratteri qualitativi; la seriazione di caratteri quantitativi. la serie è una distribuzione di frequenza per caratteri qualitativi. la serie è una distribuzione di frequenza; la seriazione per caratteri quantitativi.

Che cosa s'intende per nomenclatura statistica?. L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza; 8) serie e seriazione ;9) parametro. L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza; 8) serie e seriazione; 9) parametro. L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) frequenza; 5) serie e seriazione; 6)parametro. L'insieme delle seguenti definizioni: 1) rilevazione statistica; 2) popolazione;3) campione; 4) unità statistica; 5) carattere; 6) modalità; 7) frequenza;8)serie e seriazione; 9) parametro; 10) statistica.

Come può essere la misura di un carattere qualitativo?. sconnesso-ordinato. sconnesso. ordinato-quantitativo. ordinato.

Quali sono i compiti dell'EUROSTAT?. rilevare i dati della Francia. rilevare i dati della Germania. ricevere ed elaborare i dati provenienti dagli istituti statistici dei paesi membri. rilevare i dati dei singoli paesi membri.

Con quale formula si calcola un numero indice a base mobile?. 1I1=x1/x0. 0It=x1/x0. t-1It=xt/xt-1. 0It=xt/x0.

Dal 12-04-2017 all’11-04-2017 l'indice Dow Dow Jones è variato del 2,34% qual'è il tasso di variazione in valore assoluto?. 0,0134. -0,0234. -0,0134. +0,0234.

Dati i seguenti indici a base fissa Gennaio 2018 (tra parentesi gli indici): Gennaio 2018(100,00); Febbraio 2018(103,97); Marzo 2018(105,86); Aprile 2018(111,37) calcolare il numero indice a base mobile Febbraio 2018 Marzo 2018. (103,97/111,37)*100=93,36. (100/111,37))*100=89,79. (105,86/103,97)*100=101,82. (105,86/111,37)*100=94,28.

Fissati i seguenti dati (tra parentesi i valori): 2015(64,32); 2016(63,91); 2017(63,84) 2018(63,01) I numeri indice a base mobile sono?. 2015(100,64); 2016(100,11); 2017(101,32);2018(103,64). 2015(99,36); 2016(99,89); 2017(98,69). 2015(107,64); 2016(100,11); 2017(101,32);2018(103,64). 2015(105,64); 2016(100,11); 2017(101,32);2018(103,64).

Si prendano in considerazione i seguenti dati (i valori sono tra parentesi): 2015(14,34); 2016(14,91); 2017(15,18) 2018(15,97) I numeri indice a base fissa sono?. 2015(101,00); 2016(103,17); 2017(104,86) 2018(110,37). 2015(102,00); 2016(103,17); 2017(105,86) 2018(111,37). 2015(100,00); 2016(103,97); 2017(105,86) 2018(111,37). 2015(105,00); 2016(103,17); 2017(101,86) 2018(91,37).

Dati i seguenti indici a base mobile Gennaio 2018 (tra parentesi gli indici): Gennaio 2018(101,15); Febbraio 2018(102,36); Marzo 2082(103,44); Aprile 2018(104,21) calcolare il numero indice a base fissa Febbraio 2018 Marzo 2018. (102,36*103,44)/100=105,88. (101,15*103,44)/100=104,63. (102,36/103,44)*100=98,96. (101,15*104,21)/100=105,41.

Quale formula si applica per passare da un numero indice a base fissa ad uno a base mobile?. t-1It = 0It / 0It. t-1It = 1It / 0It-1. t-1It = 1It / 1It-1. t-1It = 0It / 0It-1.

Con quale formula si calcola un numero indice a base fissa?. 0I1=x1/x0. 0It=x1/x0. 1I1=x1/x0. 0It=xt/x0.

Dati i valori dei prezzi per gli anni 2015 (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01), 2016 (3.52,3.99,3.08,3.88, 3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71) e 2017 (5.01,5.57,5.34,5.09,5.25, 5.02,5.01,5.02,5.78,5.21,5.33,5.36) quali linee di codice di R si utilizzano per calcolare i numeri indice a base fissa 2015. p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base. p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base). p_2015 <- (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); Fissa <- function(P, Base) P/Base. p_2015 <- c(2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01); function(P, Base) P/Base.

Dati i valori dei prezzi per gli anni 2015 (2.48,2.97,2.23,2.67,2.90,3.06,2.89,3.88,3.22,3.90,3.12,3.01), 2016 (3.52,3.99,3.08,3.88, 3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71) e 2017 (5.01,5.57,5.34,5.09,5.25, 5.02,5.01,5.02,5.78,5.21,5.33,5.36) quali linee di codice di R si utilizzano per calcolare i numeri indice a base mobile 2015;calcolare i numeri indice a base mobile 2015. p_2015 <- (3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12]). p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); (p_2015[-1],p_2015[-12]). 2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12]). p_2015 <- c(3.52,3.99,3.08,3.88,3.96,4.01,4.07,4.25,4.89,4.08,4.78,4.71); Mobile(p_2015[-1],p_2015[-12]).

Quale formula si applica per passare da un numero indice a base mobile ad uno a base fissa?. 0It =0I1 * 0I2* ...................... *0It. 0It =0I1 * 1I2* ..................*tIt-1. 0It =0I1 * 1I2* ...................... *t-1It. 0It =0I1 * 1I0* ..................*t-1I1.

Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze cumulate assolute e relative (tra parentesi)?. 1(2); 2(2); 3(1); 4(2); 5(4) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(8/9). 1(2); 2(3); 3(4); 4(6); 5(9) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(9/9). 1(2); 2(1); 3(1); 4(3); 5(3) - 1(2/9); 2(3/9); 3(5/9); 4(6/9); 5(9/9). 1(2); 2(1); 3(1); 4(2); 5(3) - 1(2/9); 2(3/9); 3(4/9); 4(6/9); 5(6/9).

Per la frequenza cumulata assoluta si utilizza l'allocuzione?. Quando. Più di. Perché. Meno di.

Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze assolute e relative (tra parentesi)?. 1(2); 2(1); 3(2); 4(1); 5(4) - 1(2/9); 2(1/9); 3(2/9); 4(2/9); 5(3/9). 1(2); 2(2); 3(2); 4(2); 5(3) - 1(2/9); 2(1/9); 3(4/9); 4(2/9); 5(3/9). 1(2); 2(1); 3(1); 4(2); 5(3) - 1(2/9); 2(1/9); 3(1/9); 4(2/9); 5(3/9). 1(2); 2(1); 3(1); 4(2); 5(1) - 1(2/9); 2(2/9); 3(1/9); 4(3/9); 5(3/9).

Per la frequenza retro cumulata assoluta si utilizza l'allocuzione?. più di. solo. meno di. quando.

Dati i seguenti valori: 1,1,2,3,4,4,5,5,5 quali sono le frequenze retrocumulate assolute e relative (tra parentesi)?. 1(9); 2(7); 3(6); 4(4); 5(0) - 1(9/9); 2(6/9); 3(6/9); 4(3/9); 5(0). 1(9); 2(7); 3(6); 4(4); 5(0) - 1(9/9); 2(7/9); 3(4/9); 4(1/9); 5(0). 1(9); 2(7); 3(6); 4(5); 5(3) - 1(9/9); 2(7/9); 3(6/9); 4(5/9); 5(3/9). 1(9); 2(4); 3(3); 4(4); 5(0) - 1(9/9); 2(4/9); 3(3/9); 4(2/9); 5(0).

Quale linea di codice di R si utilizza per rappresentare le classi con il metodo soggettivo?. Classi<-seq(min(x),max(x),length.out=k+1); Classi. Classi<-seq(min,max(x),length.out=k+1); Classi. Classi<-seq(min(x),max(x),length.out); Classi. Classi<-seq(min(x),max,length.out=k+1); Classi.

Si sono osservati i dati di Età di 20 unità statistiche (individui) quali sono le linee di codice di R per calcolare le frequenze assolute e relative. library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k a <- (max(x) - min(x)) / k; n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi FreqAss <- hist(x,Classi,plot = FALSE)$counts; FreqAss; FreqRel <- FreqAss / length(x) ; FreqRel. x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k a <- (max(x) - min(x)) / k; n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi FreqAss <- hist(x,Classi,plot = FALSE)$counts; FreqAss; FreqRel <- FreqAss / length(x) ; FreqRel. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi FreqAss <- hist(x,Classi,plot = FALSE)$counts; FreqAss; FreqRel <- FreqAss / length(x) ; FreqRel. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); k <- 4; k a <- (max(x) - min(x)) / k; n <- length(x); Classi <- seq(min(x),max(x),length.out = k + 1); Classi FreqAss <- hist(x,Classi,plot = FALSE)$counts; FreqAss; FreqRel <- FreqAss / length(x) ; FreqRel.

Si sono osservati i dati di Età di 20 unità statistiche (individui) quali sono le linee di codice di R per calcolare l’istogramma. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37) h <- hist(x,Classi,plot = FALSE) h$counts <- FreqRel plot(h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'") axis(1,at = Classi,cex.axis = 1.1); axis(2,at = c(0,round(h$counts,digits = 2)),cex.axis = 1.1). library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37) h <- hist(x,Classi,plot = FALSE) h$counts <- FreqRel (h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'") axis(1,at = Classi,cex.axis = 1.1); axis(2,at = c(0,round(h$counts,digits = 2)),cex.axis = 1.1). library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37) h <- hist(x,Classi,plot = FALSE) h$counts <- FreqRel plot(h,ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'") axis(1,at = Classi,cex.axis = 1.1); axis(2,at = c(0,round(h$counts,digits = 2)),cex.axis = 1.1). library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37) h <- hist(x,Classi,plot = FALSE) h$counts <- FreqRel plot(ylab="Frequenze relative",axes = FALSE,main = "Istogramma classi di eta'") axis(1,at = Classi,cex.axis = 1.1); axis(2,at = c(0,round(h$counts,digits = 2)),cex.axis = 1.1).

Quale è la linea di codice per calcolare le frequenze cumulate relative. cumsum(Freq). cumsum(FreqAss). cumsum(Rel). cumsum(FreqRel).

Quale grafico è più appropriato per rappresentare una distribuzione di valori suddivisi per classi?. a dispersione. a bolle. radar. grafico a barre verticali o istogramma.

Il grafico a torta vuole rappresentare?. la scomposizione delle parti in un tutto. la scomposizione di un "tutto" in parti. la composizione di due parti. la scomposizione di una sola parte.

A quale asse cartesiano è associata la variabile indipendente nel grafico a dispersione XY?. verticale. delle ordinate. geometrico. delle ascisse.

Per classi di diversa ampiezza l’altezza del rettangolo di un grafico a barre verticali cosa rappresenta e da quale formula è definito?. La densità di frequenza data dal prodotto fra la frequenza assoluta e l’ampiezza di classe. La densità di frequenza data dalla differenza fra la frequenza assoluta e l’ampiezza di classe. La densità di frequenza data dal rapporto fra la frequenza assoluta e l’ampiezza di classe. La densità di frequenza data dalla somma fra la frequenza assoluta e l’ampiezza di classe.

Cosa si riesce ad ottenere con un grafico per "geomarketing"?. una informazione sfocata di un fenomeno statistico. una informazione visiva immediata di un fenomeno statistico. una informazione di un fenomeno statistico. una informazione visiva sfocata di un fenomeno statistico.

Il grafico a bolle è utilizzato per rappresentare quante serie di dati?. nessuno. tre (sugli assi cartesiani e sulla dimensione della bolla). una (solo sull'asse delle ascisse). due (solo sugli assi cartesiani).

Il pictogramma è una rappresentazione grafica per?. numeri. valori. frequenze. simboli o disegni.

Nel grafico ad anello cosa stanno a rappresentare i cerchi concentrici?. Le mediane del carattere osservato. Le medie del carattere osservato. Le mode del carattere osservato. Le frequenze percentuali del carattere osservato.

Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media geometrica semplice?. x c(1,2,3,4,5,6); meang(x). x<-c(1,2,3,4,5,6); meang(x). x<-(1,2,3,4,5,6); meang(x). x<-c(1,2,3,4,5,6); meang.

Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media armonica?. library(labstatR); x<-c(1,2,3,4,5,6); meana(x). library(labstatR); x<-(1,2,3,4,5,6); meana(x). library(labstatR); x<-c(1,2,3,4,5,6); meana. library(labstatR); x c(1,2,3,4,5,6); meang(x).

Dati i seguenti valori (1,2,3,4,5,6) con quale linea di codice di R si calcola la media aritmetica semplice?. x<-c(1,2,3,4,5,6); mean(x). x<-(1,2,3,4,5,6); mean(x). x<-c(1,2,3,4,5,6); mean. x c(1,2,3,4,5,6); mean(x).

Dati i valori di xi (13,15,17,22) quale è la media armonica?. 11,14. 15,14. 13,14. 16,14.

Con quale formula si calcola la media geometrica in frequenza assoluta per valori continui suddivisi in classi?. √ΣxiΠ x* ni. √ΣxiΠ xni. √Σni Π xni. √Π xni.

Quale formula si utilizza per calcolare la media geometrica per valori singoli?. √n Σ xi. Π xi. √n Π xi. √n Π ni.

Quale formula si utilizza per calcolare la media aritmetica ponderata o "in frequenza"?. Σ ni/Σ xi. Σ xi*ni/Σ ni. Σ xi*ni/Σ xi. Σ xi/Σ ni.

Date le seguenti classi (13-15;15-17; 17-19;19,21) e di ni (1,0,2,3) quale è il valore della mediana per valori suddivisi in classi?. 19,332. 16,332. 18,332. 17,332.

Dati i seguenti valori (7,9,11,13) e stabilito che la posizione della mediana è 2,5^ quale è il valore della mediana?. 3 (7+11)/2=9. (9+11)/2=10. (9+11)/4=5. (11+13)/2=12.

Dati i seguenti valori (12,13,14,15,16,17,18) quale linea di codice di R si implementa per calcolare la mediana?. x<-(12,13,14,15,16,17,18); median. x c(12,13,14,15,16,17,18); median(x). x<-c(12,13,14,15,16,17,18); median(x). x<-(12,13,14,15,16,17,18); median(x).

Se il valore di n è pari a 12 come si trova la posizione della mediana?. (12+1)/4. (12+1)/2 =5^ e quindi il valore della mediana si trova facendo la semisomma dei valori della 7^ e 8^ posizione. (12+1)/2 =6,5^ e quindi il valore della mediana si trova facendo la semisomma dei valori della 6^ e 7^ posizione. (12+1)/2 =6,5^ e quindi il valore della mediana si trova facendo il prodotto dei valori della 6^ e 7^ posizione.

Dopo aver ordinato le osservazioni con la formula (n+1)/2 che cosa si trova?. il II Quartile o Mediana. la posizione del III Quartile. la posizione del I Quartile o Mediana. la posizione del II Quartile o Mediana.

Data l’ampiezza di classe pari a 10 e la relativa densità di frequenza pari a 2 quale è il valore della corrispondente frequenza assoluta?. 21. 10. 15. 20.

Date le seguenti classi non equi ampie: 18-25; 25-36; 36-54; 54-70; 70-85 con frequenze assolute rispettivamente pari a (2, 1, 4, 7, 8) quali sono i valori delle cinque densità di frequenza?. 2/7; 1/11; 4/18; 7/16; 8/15. 2/7; 1/9; 4/8; 7/6; 8/9. 2/3; 1/9; 4/8; 7/6; 8/5. 2/7; 4/9; 4/8; 7/6; 8/5.

Date le seguenti classi con le relative frequenze assolute tra parentesi: 10-20 (2); 20-30 (3); 30-40 (1) quale è la classe modale?. 20-50. 20-30. 30-40. 10-20.

Dati i seguenti valori di x (1,2,3,4,5,6,7) la relativa distribuzione, ai fini del calcolo della moda, si definisce? E perché?. amodale, perché tutti i valori si ripetono una sola volta. amodale. amodale, perché un solo valore si ripete una sola volta. amodale, perché tutti i valori non si ripetono una sola volta.

Dati i valori di x ( 1,2,3,4,4,4,4,5) con quali linee di codice di R si calcola la moda per valori singoli?. x c(1,2,3,4,4,4,4,5); mode(x). x <- c(1,2,3,4,4,4,4,5); mode. x <- (1,2,3,4,4,4,4,5); mode(x). x <- c(1,2,3,4,4,4,4,5); mode(x).

Che valore assume la moda nella distribuzione di valori seguente:1,1,1,2,3,4,5,5,6,6,6,6. sei. cinque. due. uno.

Con quale formula si calcola la moda per valori suddivisi in classi?. Mo=(Δfinf/Δfinf+Δfsup)*Aclasse. Mo=LMo+(Δfinf/Δfinf+Δfsup). Mo=LMo+(Δfinf/Δfinf+Δfsup)*Aclasse. Mo=LMo*Aclasse.

Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il I Quartile?. x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,probs=0.25,type=6,names=F); Q1. x<-c(1,2,3,4,5,6,7); Q1 quantile(x,probs=0.25,type=6,names=F); Q1. x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,probs=0.25,type=6,names=F). x<-c(1,2,3,4,5,6,7); Q1<-quantile(x,type=6,names=F); Q1.

Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il III Quartile?. x<- (1,2,3,4,5,6,7); Q3<-(x,probs=0.75,type=6,names=F); Q3. x c (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3. x<-c (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3. x<- (1,2,3,4,5,6,7); Q3<-quantile(x,probs=0.75,type=6,names=F); Q3.

Come si definiscono il I e il III quartile?. misure di tendenza centrale. misure di tendenza non centrale. misure di forma. misure di variabilità.

Dati i seguenti valori (1,2,3,4,5,6,7) con quale line di cosice di R si implementa il grafico a scatola e baffi (box-plot)?. x c (1,2,3,4,5,6,7); boxplot(x). x<-c (1,2,3,4,5,6,7); boxplot(x). x<-c (1,2,3,4,5,6,7); boxplot. x<- (1,2,3,4,5,6,7); boxplot(x).

Quali sono i cinque numeri di sintesi che compongono il box-plot ( o diagramma a scatola e baffi)?. min, I,II,III Quartile. min, max, I, II,III Quartile. max, I,II,III Quartile. min, max, I,II, Quartile.

Dati i seguenti valori (1,2,3,4,5,6,7) con quale linea di codice di R si calcola il II Quartile?. x<-c(1,2,3,4,5,6,7)<-quantile(x,probs=0.5,type=6,names=F). x<-(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2. x<-c(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2. x c(1,2,3,4,5,6,7); Q2<-quantile(x,probs=0.5,type=6,names=F);Q2.

Con quali formule si individuano le posizioni del I e III Quartile?. Q1 => (n+1)/4 Q3 =>3(n+1)/2. Q1 => n/4 Q3 =>3(n+1)/4. Q1 => (n+1)/2 Q3 =>3(n+1)/4. Q1 => (n+1)/4 Q3 =>3(n+1)/4.

Dati i valori di x (1,2,3,4,5,6,7) con quali linee di codice di R si calcola l'indice di eterogeneità di Gini)?. library(labstatR) ;x<- (1,2,3,4,5,6,7); E(x). library(labstatR) ;x<- c(1,2,3,4,5,6,7). x<- c(1,2,3,4,5,6,7); E(x). library(labstatR) ;x<- c(1,2,3,4,5,6,7); E(x).

Con quale formula si calcola l'indice di eterogeneità di Gini normalizzato?. IGINI (norm)= IGINI/ IGINI (max)= (1-Σf2i)/(n-1)/n. IGINI (norm)= IGINI/ IGINI (max)= (n-1)/n. IGINI (norm)= IGINI/ IGINI (max)= (1-Σf2i)/n. IGINI (norm)= IGINI/ IGINI (max)= (1+Σf2i)/(n-1).

Con quale formula si calcola l'indice di eterogeneità di Gini massimo?. IGini max= (n-1)/n. IGini max= n(n+1). IGini max= (n-1). IGini max= n+(n-1).

Con quale formula si calcola l'indice di eterogeneità di Gini?. (1- sommatoria delle frequenze assolute al quadrato). (sommatoria delle frequenze relative al quadrato). (1- sommatoria delle frequenze cumulate al quadrato). (1- sommatoria delle frequenze relative al quadrato).

Da che cosa è dato lo scarto medio in frequenza assoluta dalla media?. dalla somma tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni. dalla differenza tra il valore osservato e quello medio per la relativa frequenza assoluta diviso il numero di osservazioni. dal prodotto tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni. dalla differenza tra il valore osservato e quello medio in valore assoluto.

Come si calcola la differenza interquartilica?. I Quartile - II Quartile. III Quartile - minimo. II Quartile - III Quartile. III Quartile - I Quartile.

Da che cosa è dato la scarto semplice dalla mediana?. dalla differenza tra il valore osservato e quello mediano. dal rapporto tra il valore osservato e quello mediano. dalla somma tra il valore osservato e quello mediano. dal prodotto tra il valore osservato e quello mediano.

Da che cosa è dato lo scarto medio assoluto dalla mediana?. dalla somma tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni. dalla differenza tra il valore osservato e quello medio in valore assoluto diviso il numero di osservazioni. dalla differenza tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni. dal prodotto tra il valore osservato e quello mediano in valore assoluto diviso il numero di osservazioni.

Come si definisce l’indice di dissomiglianza e quale è la notazione che lo esprime?. permette di valutare la dissomiglianza fra tre distribuzioni di valori osservati suddivisi in classi ; la notazione è: IDISS=Σ|f1i- f2i|/2. non permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=Σ|f1i- f2i|/2. permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=Σ|f1i- f2i|. permette di valutare la dissomiglianza fra due distribuzioni di valori osservati suddivisi in classi; la notazione è: IDISS=Σ|f1i- f2i|/2.

Dati i seguenti valori di x (11,16,21,23,32,44,54) quale linea di codice di R si implementa per calcolare la devianza per valori singoli?. library(labstatR);x<-c (11,16,21,23,32,44,54);mean(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza. library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza. library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);mean(x);sigma2(x);devianza<-sigma2(x)/length(x). library(labstatR);x<-c (11,16,21,23,32,44,54); length(x);mean(x);sigma2(x);devianza<-sigma2(x)/length(x);devianza.

Dati due valori positivi 21 e 34 e la media pari a 28 qual è il valore della varianza massima?. (21-28)*(28-34)=42. (21-28)*(28-21)=35. (28-21)*(28-21)=38. (21-28)*(34-28)=21.

Con quale formula si calcola la devianza dalla media per valori suddivisi in classi?. Dev=Σ(xi -xmedia)*ni. Dev= Σ(xi -mediana)2. Dev=Σ (xi -xmedia )2*ni. Dev= (xi -xmedia )2.

Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare il coefficiente di variazione?. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni)/sum(ni);varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean)*100;cv. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean1)*100;cv. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm)*100;cv. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); cv<-(sqm/mean1)*100;cv.

Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare lo scarto quadratico medio?. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); sqm. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); sqm. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); sqm. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni); sqm<-sqrt(varianza); sqm.

Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare la varianza in frequenza relativa?. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni);mean1<-sum(x*ni)/sum(ni);mean1; mean2<-sum(fi);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni); mean<-sum(x*fi); varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni;mean1<-sum(x*ni)/sum(ni);mean1; mean2<-sum(x*fi);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7);fi<-ni/sum(ni);mean1<-sum(x*ni)/sum(ni);mean1; mean2<-sum(x);mean2; varianza <- sum((x-weighted.mean(x,ni))^2*fi);varianza.

Dati i seguenti valori centrali di classe xi (7,6,5,2,4) e delle relative frequenze assolute ni (2,3,1,0,5) quale linea di codice di R si implementa per calcolare la varianza in frequenza assoluta?. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni)/sum(ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni);varianza. x <- c(7,6,5,2,4,5,3,4,3,2); ni <- c(2,5,4,8,5,2,1,9,4,7); mean<-sum(x*ni); varianza <- sum((x - weighted.mean(x,ni))^2*ni)/sum(ni);varianza.

Con quale formula si calcola lo scarto quadratico medio (s.q.m) dalla media di x?. s.q.m.(x)=var(x). s.q.m.(x)=dev(x). s.q.m.(x)=√var(x). s.q.m.(x)=√dev(x).

Con quale formula si calcola il coefficiente di variazione %?. CV=σ/n. CV=σ/xmedia. CV=σ/n*100. CV=σ/xmedia *100.

Con quale formula si calcola la varianza dalla media per valori suddivisi in classi?. var=1/ni *Σ(xi - xmedia )2 *ni. var=1/ni *Σ(xi - xmedia ). var=1/ni *(xi - xmedia ). var=1/ni *Σ(xi - xmedia ).

Dato un valore di x pari a 18 e un valore della mu=16 e σ2=36 e standardizzando qual è il valore della z?. 1/4. 1/3. 1/2. 1/5.

Data una varianza pari a 36 e una varianza massima di 72 qual è il valore della varianza normalizzata?. 36/72=0,5. 72/36+72=0,2778. 72/36=2. (72-36)/36=1.

Con quale formula si calcola la devianza dalla media per valori singoli?. Σ (xi -mediana)2. Σ (xi -media aritmetica). Σ (xi -moda). Σ (xi -media aritmetica)2.

Con quale formula si calcola lo scarto quadratico medio dalla media?. radice quadrata della devianza. varianza/devianza. scarto medio. radice quadrata della varianza dalla media.

Dato un valore di x e un valore della media di x come si ottiene, attraverso la standardizzazione, il relativo valore z?. z= (xi-mediana)/deviazione standard (o s.q.m.). z= (xi-media)/devianza (o s.q.). z= (xi-moda)/deviazione standard (o s.q.m.). z= (xi-media)/deviazione standard (o s.q.m.).

Con quale formula si calcola la varianza massima?. il prodotto della differenza fra l'estremo superiore e la media e la media meno l'estremo inferiore della distribuzione. il rapporto della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione. la somma della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione. il prodotto della differenza fra l'estremo inferiore e la media e la media meno l'estremo superiore della distribuzione.

Con quale formula si calcola la devianza (o s.q.) dalla mediana per valori suddivisi in classi?. sommatoria della differenza fra le xi e e la mediana al quadrato per le ni. sommatoria della differenza fra le xi e e la mediana al quadrato. sommatoria della differenza fra le xi e e la moda al quadrato per le ni. sommatoria della differenza fra le xi e e la media al quadrato per le ni.

Dati seguenti valori centrali di classe xi (22,48,58,61,38,42) e le relative frequenze assolute ni (1,2,4,3,5, 8) quali linee di codice di R si implementano per calcolare l'indice di asimmetria, di curtosi e lo scostamento?. x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8) skew<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew kurt<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt scos<-kurt;scos. x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8) skew<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew kurt<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt scos<-kurt-3;scos. x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8) skew<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew kurt<-sum(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt scos<-kurt-3;scos. x<-c(22,48,58,61,38,42);ni<-c(1,2,4,3,5,8) skew<-(1/(sum(ni))*((x-weighted.mean(x,ni))^3*ni)/sqm^3);skew kurt<-(1/(sum(ni))*((x-weighted.mean(x,ni))^4*ni)/sqm^4);kurt scos<-kurt-3;scos.

Quando si può affermare che esiste un'asimmetria obliqua a sinistra o negativa?. quando la differenza fra la mediana e il I Quartile è minore alla differenza fra il III Quartile e la mediana stessa. quando il prodotto fra la mediana e il I Quartile è maggiore alla differenza fra il III Quartile e la mediana stessa. quando la differenza fra la mediana e il I Quartile è maggiore alla differenza fra il III Quartile e la mediana stessa. quando la differenza fra la mediana e il I Quartile è uguale alla differenza fra il III Quartile e la mediana stessa.

Con quale formula si calcola l'indice di asimmetria di Fisher per una serie di valori?. (1/n)*Σ1n (xi-xmedia)/σ3. (1/n)*Σ1n (xi-xmedia)3/σ3. (1/n)*Σ1n (xi)/σ3. (1/n)*Σ1n (xi-xmedia)3/σ.

Dati i valori dei tre Quartili rispettivamente pari a 12, 21, 45 l'indice di Bowley è pari a?. 0,35. 0,45. 0,15. 0,55.

Dati i valori delle seguenti entità: Σ (xi-xmedia)3*ni=123500; N=66;σ=12 il valore dell'indice di asimmetria è pari a: 0,9812. 1,0828. 2,1887. 1,7834.

Dato un indice di asimmetria di Bowley pari 1,36 quale tipo di asimmetria si configura?. positiva(o obliqua a destra). negativa(o obliqua a destra). positiva(o obliqua a sinistra). positiva(o obliqua a sinistra).

Dati seguenti valori di x (22,48,58,61,38,42,53,64) quale linea di codice di R si implementa per calcolare l'indice di asimmetria, di curtosi e lo scostamento?. x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); scos<-kurt(x). x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); kurt(x)-3. x <-c(22,48,58,61,38,42,53,64); skew(x); Kurt(x); scos<-kurt(x)-3. x <-c(22,48,58,61,38,42,53,64); skew(x); scos<-kurt(x)-3.

Dati seguenti valori singoli di x (22,48,58,61,38,42,53,64, 37,58,21,24,34,44,46,58,20,39,41,37) quale linea di codice di R si implementa per calcolare l'indice di asimmetria con il momento terzo?. library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x). library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x). library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew(x). library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); skew.

Dati seguenti valori singoli di x (22,48,58,61,38,42,53,64, 37,58,21,24,34,44,46,58,20,39,41,37) quale linea di codice di R si implementa per calcolare l'indice di Bowley?. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(probs=0.5,type=6,names=F); Q3<-quantile(x,probs=0.75,type=6,names=F); I_B<-(Q3+Q1-2*Q2)/(Q3-Q1); I_B. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(x=0.5,type=6,names=F); Q3<-quantile(x,probs=0.75,type=6,names=F); I_B<-(Q3+Q1-2*Q2)/(Q3-Q1); I_B. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-quantile(x,probs=0.5,type=6,names=F); Q3<-quantile(x,probs=0.75,type=6,names=F); I_B<-(Q3+Q1-2*Q2)/(Q3-Q1); I_B. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); Q1<-quantile(x,probs=0.25,type=6,names=F); Q2<-(x,probs=0.5,type=6,names=F); Q3<-quantile(x,probs=0.75,type=6,names=F); I_B<-(Q3+Q1-2*Q2)/(Q3-Q1); I_B.

Dati seguenti valori di x (301.80, 301.27, 300.78, 300.89, 300.77,299.98, 299.89, 300.11, 300.22, 300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39,300.31, 299.68, 299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02) quali linee di codice di R si implementano per calcolare l'indice di asimmetria con il momento terzo per valori suddivisi in classi calcolate con il metodo a radice?. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); mean_classi;I_skew<-sum(1/n_X*(y-mean_classi)^2*FreqAss/sqm^3);I_skew. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x, plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); mean_classi; I_skew<-sum(1/n_X*(y-mean_classi)^3*FreqAss/sqm^2);I_skew. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel); I_skew<-sum(1/n_X*(y-mean_classi)^3*FreqAss/sqm^3);I_skew. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02); k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- (x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);I_skew<-sum(1/n_X*(y-mean_classi)^3*FreqAss/sqm^3);I_skew.

Che cosa s’intende per curva platicurtica?. è più bassa e più larga al centro e quindi più appiattita. è più alta e più larga al centro e quindi meno appiattita. è più alta e più stretta al centro e quindi più appiattita. è più alta e più stretta al centro e quindi meno appiattita.

Dati seguenti valori singoli di x (22,48,58,61,38,42,53,64, 37,58,21,24,34,44,46,58,20,39,41,37) quale linea di codice di R si implementa per calcolare l'indice di curtosi con il momento quarto e il relativo scostamento?. library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x); scost<- kurt(x)-3;scost. library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x); scost<- kurt(x)-3;scost. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x); scost<- kurt(x);scost. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37); kurt(x); scost<- kurt(x)-3;scost.

Dati seguenti valori di x (301.80, 301.27, 300.78, 300.89, 300.77,299.98, 299.89, 300.11, 300.22, 300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39,300.31, 299.68, 299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02) quali linee di codice di R si implementano per calcolare l'indice di curtosi con il momento quarto per valori suddivisi in classi calcolate con il metodo a radice e il relativo scostamento?. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi); I_kurt<-sum( (ymean_ classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi); I_kurt<-sum(1/n_X*(y-mean_classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE);FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi); I_kurt<-sum(1/n_X*(y-mean_classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost. x<-c(301.80, 301.27, 300.78, 300.89, 300.77, 299.98, 299.89, 300.11, 300.22,300.65, 300.48, 301.07, 301.04, 300.20, 300.33, 300.39, 300.31, 299.68,299.78, 300.84, 300.71, 300.15, 300.66, 300.91, 300.02);n_X<-length(x);k<-ceiling(sqrt(n_X));a<-(max(x)-min(x));Classi<-seq(min(x),max(x),length.out=k+1); FreqAss <- hist(x,Classi,plot = FALSE)$counts;FreqRel <- FreqAss / n_X; y <-c(299.8925,300.3175,300.7425,301.1675,301.5925);mean_classi <- sum(y * FreqRel);var_classi<-sum((y-mean_classi)^2*FreqRel);sqm<- sqrt(var_classi); I_kurt<-sum(1/n_X*(y-mean_classi)^4*FreqAss/sqm^4);I_kurt ; scost<-I_kurt-3;scost.

Che cosa s’intende per curva leptocurtica?. è più alta e più stretta al centro e quindi meno appiattita. è più alta e più larga al centro e quindi meno appiattita. è più alta e più stretta al centro e quindi più appiattita. è più bassa e più stretta al centro e quindi meno appiattita.

Che cosa s’intende per curva mesocurtica?. non coincide con la forma della distribuzione Normale. coincide con la forma della distribuzione di Fisher. coincide con la forma della distribuzione Normale. coincide con la forma della distribuzione Binomiale.

Dato un indice di curtosi calcolato con la formula del momento quarto e pari 4,36 com'è la curva?. leptocurtica ovvero più appiattita della curva normale. platicurtica ovvero più appiattita della curva normale. leptocurtica ovvero meno appiattita della curva normale in quanto l'indice di curtosi > 3. mesocurtica ovvero più appiattita della curva normale.

Come si ordina in modo crescente la varianza nelle tre curve di curtosi?. mesocurtica - leptocurtica - platicurtica. mesocurtica -platicurtica. leptocurtica - mesocurtica -platicurtica. mesocurtica -platicurtica - leptocurtica.

Che cosa stabilisce la legge di Engel?. che la quota di spesa per beni alimentari aumenta all'aumentare del reddito disponibile. che la quota di spesa per beni di lusso diminuisce all'aumentare del reddito disponibile. che la quota di spesa per beni alimentari diminuisce al diminuire del reddito disponibile. che la quota di spesa per beni alimentari diminuisce all'aumentare del reddito disponibile.

Dati i seguenti dati del carattere x (22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39, 41,37) con quali script di R si calcola l’indice di concentrazione di Gini semplice e spezzata di Lorenz?. library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini. library(labstatR); x<-(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x). library(labstatR); c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x). library(labstatR); x<-c(22,48,58,61,38,42,53,64,37,58,21,24,34,44,46,58,20,39,41,37);gini(x).

Che cosa stabilisce una scala di equivalenza?. di quanto bisogna aumentare il reddito di una famiglia affinché l’altra goda di un diverso benessere. di quanto bisogna aumentare il reddito di una famiglia. di quanto bisogna aumentare il reddito di una famiglia affinché l’altra goda dello stesso benessere. di quanto bisogna diminuire il reddito di una famiglia affinché l’altra goda dello stesso benessere.

Come si definisce la legge di Engel in forma logaritmica?. logCd,k=b*log SPk+c*log Comk. logCd,k=a+b*log SPk+log Comk. logCd,k=a+b*log SPk+c*log Comk. logCd,k=a+log SPk+c*log Comk.

Dal punto di vista della spesa per beni alimentari di due famiglie quali sono le condizioni base perché la legge “funzioni”?. che il benessere è lo stesso allorché spendono un diverso ammontare per beni alimentari. che il benessere non è lo stesso allorché spendono lo stesso ammontare per beni alimentari. che il benessere non incide sui beni alimentari. che il benessere è lo stesso allorché spendono lo stesso ammontare per beni alimentari.

Quali sono le determinanti che regolano la legge di Engel?. benessere delle famiglie; spesa per beni alimentari. spesa per beni alimentari; numero di componenti il nucleo familiare. benessere delle famiglie; spesa per beni alimentari; numero di componenti il nucleo familiare. benessere delle famiglie; numero di componenti; il nucleo familiare.

Quando il carattere reddito, relativo ad un numero di famiglie, si definisce concentrato?. quando è diverso da famiglia a famiglia. quando non è ripartito in egual misura fra tutte le famiglie. quando è concentrato fra poche famiglie. quando è ripartito in egual misura fra tutte le famiglie.

Sull'asse delle ascisse della spezzata di Lorenz si trovano?. le frequenze assolute della distribuzione di frequenza. le frequenze relative della distribuzione di frequenza. le frequenze marginali della distribuzione di frequenza. le frequenze cumulate della distribuzione di frequenza.

Dati i seguenti dati del carattere xi<-c(15.5,30,50,70) e ni<-c(1, 2, 3, 4) con quali script di R si calcola l’indice di concentrazione di Gini semplice, massimo e normalizzato?. x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni); Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n*(n-1))*(w-h);gini;gini_max<-2*(k/n);gini_max; gini_norm<-gini/gini_max;gini_norm. x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni); Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n*(n-1))*(w-h);gini;gini_max<-2*(k/n);gini_max; gini_norm<-gini/gini_max;gini_norm. x<(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni); Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n*(n-1))*(w-h);gini;gini_max<-2*(k/n);gini_max; gini_norm<-gini/gini_max;gini_norm. x<-c(15.5,30,50,70);n<-10;ni<-c(1,2,3,4); ai<-x*ni;k<-sum(ai);Ni<-c(1,3,6,10);w<-sum(ai*Ni); Ai<-c(15.5,75.5,225.5, 505.5);h<-sum(Ai*ni);gini<-2/(n)*(w-h);gini;gini_max<-2*(k/n);gini_max; gini_norm<-gini/gini_max;gini_norm.

Quale linea di codice di R si implementa per descivere la tabella propedeutica al calcolo del chi-quadrato?. tab_chi2<- ((tab + tab_teor)^2)/tab_teor; tab_chi2. tab_chi2<- ((tab_teor)^2)/tab_teor; tab_chi2. tab_chi2<- ((tab - tab_teor)^2)/tab_teor. tab_chi2<- ((tab - tab_teor)^2)/tab_teor; tab_chi2.

Quando i due caratteri x ed y sono uno quantitativo e l’altro qualitativo come si procede per individuare la relazione causa/effetto?. non si procede con la discretizzazione del carattere qualitativo. si procede con la discretizzazione del carattere quantitativo. si procede con la eliminazione del carattere qualitativo. si procede con la discretizzazione del carattere qualitativo.

Con quale formula si calcola il coefficiente di Bravais-Pearson?. ρ=covXY/sqmX. ρ=codXY/sqmX*sqmY. ρ=covXY/sqmX*sqmY. ρ=covXY/sqmY.

Quando esiste indipendenza distributiva fra il carattere x e il carattere y?. se tutte le frequenze relative condizionate sono uguali a quelle marginali. se tutte le frequenze congiunte condizionate sono uguali a quelle marginali. se tutte le frequenze congiunte relative condizionate non sono uguali a quelle marginali. se tutte le frequenze congiunte relative condizionate sono uguali a quelle marginali.

La somma delle frequenze relative condizionate per riga di x|y deve essere sempre uguale a?. uno. due. tre. zero.

Come si definisce la frequenza marginale di I colonna?. la somma di tutti i valori disposti sulla Iesima colonna e suddivisi per riga. la differenza di tutti i valori disposti sulla Iesima riga e suddivisi per colonna. il prodotto di tutti i valori disposti sulla Iesima riga e suddivisi per colonna. la somma di tutti i valori disposti sulla Iesima riga e suddivisi per colonna.

Come si definisce la frequenza marginale di I riga?. la differenza di tutti i valori disposti sulla Iesima riga e suddivisi per colonna. il prodotto di tutti i valori disposti sulla Iesima riga e suddivisi per colonna. la somma di tutti i valori disposti sulla Iesimacolonna e suddivisi per riga. la somma di tutti i valori disposti sulla Iesima riga e suddivisi per colonna.

Come si definisce la contingenza assoluta di I riga I colonna?. il rapporto tra la freq.cong.ass. Iesimariga Iesimacolonna e la relativa frequenza teorica. la differenza tra la freq.cong.ass. Iesimariga Iesimacolonna e la relativa frequenza teorica. il prodotto tra la freq.cong.ass. Iesimariga Iesimacolonna e la relativa frequenza teorica. la somma tra la freq.cong.ass. Iesima riga Iesima colonna e la relativa frequenza teorica.

Come si definisce la frequenza teorica di I riga I colonna?. la somma della frequenza marginale Iriga e fre.marg Icolonna diviso N. il prodotto della frequenza marginale Iriga per fre.marg Icolonna. il prodotto della frequenza marginale Iriga per fre.marg Icolonna diviso N. la differenza della frequenza marginale Iriga e fre.marg Icolonna diviso N.

Come si definisce la frequenza congiunta assoluta e relativa di I riga I colonna?. il numero di volte che la modalità di un carattere di Iriga è associata a quella di IVcolonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Frequenzamarginale. il numero di volte che la modalità di un carattere di Iriga è associata a quella di IIcolonna; frequenza congiunta relativa= F.co.ass./Numero totale osservazioni. il numero di volte che la modalità di un carattere di I riga è associata a quella di III colonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Numero totale osservazioni. il numero di volte che la modalità di un carattere di I riga è associata a quella di I colonna; frequenza congiunta relativa= F.co.ass.Iriga Icolonna/Numero totale osservazioni.

Che cosa s'intende per Associazione?. una relazione di causa/effetto. una relazione di causa/effetto fra due caratteri (interdipendenza). una relazione di effetto fra due caratteri (interdipendenza). una relazione di causa fra due caratteri (interdipendenza).

Che cosa s'intende per Connessione?. un’analisi di attrazione o repulsione e conseguentemente di dipendenza o indipendenza in frequenza tra due caratteri. un’analisi di attrazione o repulsione. un’analisi di dipendenza o indipendenza «stocastica» o distributiva tra due caratteri. un’analisi di attrazione o repulsione e conseguentemente di dipendenza o indipendenza «stocastica» o distributiva tra due caratteri.

Quali relazioni si possono individuare fra due caratteri quantitativi?. causa/effetto; correlazione. causa/effetto; associazione statistica genericamente intesa; incorrelazione. causa/effetto; associazione statistica genericamente intesa; correlazione. associazione statistica genericamente intesa; correlazione.

Dati i seguenti valori dei caratteri X ed Y (0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0) che sulle righe assumono le modalità "Ottimo"; "Buono", "Discreto"; "Sufficiente", "Mediocre"; "Scarso" e sulle colonne "Classe A", "Classe B", "Classe C" quali linee di codice di R si implementano per rappresentare una matrice 6x3 (Si ricorda che il software R organizza i dati per colonna). tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames(tab) <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso") colnames <- c("Classe A", "Classe B", "Classe C") ;tab. tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames(tab) <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso") colnames(tab) <- c("Classe A", "Classe B") ;tab. tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames(tab) <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso") colnames(tab) <- c("Classe A", "Classe B", "Classe C") ;tab. tab <- matrix(c(0, 0, 1, 2, 3, 2, 1, 2, 2,0,0,0,1,2,0,0,0,0),6, 3) ;rownames <- c("Buono","Discreto";"Sufficiente","Mediocre";"Scarso") colnames(tab) <- c("Classe A", "Classe B", "Classe C") ;tab.

Quale linea di codice di R si utilizza per calcolare la tabella delle frequenze teoriche?. tab_teor <- table(tab, 1) %*% t(margin.table(tab, 2))/sum(tab); tab_teor. tab_teor <- margin.table(tab, 1) t(margin.table(tab, 2))/sum(tab); tab_teor. tab_teor <- margin.table(tab) %*% t(margin.table(tab, 2))/sum(tab); tab_teor. tab_teor <- margin.table(tab, 1) %*% t(margin.table(tab, 2))/sum(tab); tab_teor.

Quale linea di codice di R si implementa per descrivere la tabella delle contingenze assolute?. tab_contass<-(tab - tab_teor);tab_contass. tab_contass<-(tab - tab_teor). tab_contass<-(tab + tab_teor);tab_contass. tab_contass<-(tab_teor);tab_contass.

Con quale formula si calcola il Chi-quadrato?. la sommatoria per riga e per colonna della differenza fra le contingenze assolute al quadrato diviso le frequenze teoriche. la sommatoria per riga e per colonna della somma fra le contingenze assolute al quadrato diviso le frequenze teoriche. la sommatoria per riga e per colonna del rapporto fra le contingenze assolute al quadrato diviso le frequenze teoriche. la sommatoria per riga e per colonna del prodotto fra le contingenze assolute al quadrato diviso le frequenze teoriche.

Con quale formula si calcola il Chi-quadrato normalizzato?. differenza fra il Chi-quadrato e il suo valore massimo. rapporto fra il Chi quadrato max e la sommatoria delle contingenze assolute. somma fra il Chi-quadrato e il suo valore massimo. rapporto fra il Chi-quadrato e il suo valore massimo.

Con quale formula si calcola l'indice di Cramer?. radice quadrata del Chi-quadrato. prodotto del Chi-quadrato per il suo valore massimo. radice quadrata del Chi-quadrato massimo. radice quadrata del Chi-quadrato normalizzato.

Dato un valore del Chi-quadrato normalizzato pari a 0,75 ed un valore del Chi-quadrato max pari a 128 il Chi-quadrato è pari a?. 103. 136. 76. 96.

Dato un valore dell'indice di contingenza quadratico pari a 5 ed un valore del Chi-quadrato pari a 125 il numero delle osservazioni è pari a?. 45. 25. 65. 35.

Dato un valore dell'indice di Cramer pari a 10 il Chi-quadrato normalizzato è pari a?. 110. 120. 100. 90.

L'indice di dipendenza in media eta quadrato è ricompreso?. tra 0 ed 1 compresi. tra 0 e meno infinito. tra 1 e 2. tra 0 e più infinito.

Quale linea di codice di R si implementa per il calcolo del chi-quadrato?. chi2 <- sum(((tab + tab_teor)^2)/tab_teor); chi2. chi2 <- sum(((tab - tab_teor)^2)/tab_teor); chi2. chi2 <- sum(((tab * tab_teor)^2)/tab_teor); chi2. chi2 <- sum(((tab / tab_teor)^2)/tab_teor); chi2.

Dati i valori della covarianza XY pari a -12 e i valori della varianza di X pari a 9 e di Y pari a 25 quale è il valore dell’indice di correlazione di Bravais-Pearson?. -0,8. -0,75. -0,7. -0,6.

Dato il valore della covarianza X,Y pari a +3,18, del coefficiente di correlazione di Bravais-Pearson pari a 0,89 e della varianza di X pari a 2,9 qual'è il valore della deviazione standard di Y?. 2,09. 2,48. 1,97. 2,75.

Quali linee di codice di R si utilizzano per calcolare combinazioni con ripetizione di tre oggetti a due a due. comb_rep <- function(n,k) factorial(n + k -1)/prod(factorial(k)); comb_rep(3,2). comb_rep <- function(n,k) factorial(n)/prod(factorial(k),factorial(n-1)); comb_rep(3,2). comb_rep <- function(n,k) factorial(n + k -1)/prod(factorial(k),factorial(n-1)); comb_rep(3,2). comb_rep <- function(n) factorial(n + k -1)/prod(factorial(k),factorial(n-1)); comb_rep(3,2).

Quanti possono essere gli anagrammi della parola "Fatturato"?. 29800. 30240. 27500. 30000.

Se si vogliono trovare quante quaterne ordinate si possono costruire con i numeri 1,2,3,4,5 siamo in presenza di quale operazione di calcolo combinatorio? E quante sono?. Siamo in presenza di disposizioni semplici con ripetizione. Esse sono: 167. Siamo in presenza di disposizioni semplici senza ripetizione. Esse sono: 120. Siamo in presenza di permutazioni semplici con ripetizione. Esse sono: 137. Siamo in presenza di combinazioni semplici con ripetizione. Esse sono: 187.

Quali linee di codice di R si utilizzano per calcolare le disposizioni semplici o senza ripetizione di sei oggetti a tre a tre. disp_sem <- function(k) choose(n,k)*factorial(k); disp_sem(6,3). disp_sem <- function(n,k) choose(n,k)*factorial(k); disp_sem(6,3). disp_sem <- function(n) choose(n,k)*factorial(k); disp_sem(6,3). disp_sem <- function(n,k) choose(n,k); disp_sem(6,3).

Quali linee di codice di R si utilizzano per calcolare le disposizioni con ripetizione di sei oggetti a tre a tre. disp_rip <- function(k) n^k; disp_rip(6,3). disp_rip <- function(n,k); disp_rip(6,3). disp_rip <- function(n,k) n^k; disp_rip(6,3). disp_rip <- function(n) n^k; disp_rip(6,3).

Quali linee di codice di R si utilizzano per calcolare le permutazioni con ripetizione di sei oggetti a tre a tre. perm_rip <- function(n,k_1) factorial(n)/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1). perm_rip <- function(n,k_1,k_2,k_3) factorial(n)/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1). perm_rip <- function(n,k_1,k_2,k_3) factorial(n)/prod(factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1). perm_rip <- function(n,k_1,k_2,k_3) factorial/prod(factorial(k_1),factorial(k_2),factorial(k_3)); perm_rip(6,3,2,1).

Quali linee di codice di R si utilizzano per calcolare le combinazioni semplici o senza ripetizione di sei oggetti a tre a tre. choose(6,5). choose(2,3). choose(6,8). choose(6,3).

Dati i valori di n e x rispettivamente pari a 10 e 2 qual'è il valore del coefficiente binomiale?. 65. 35. 45. 25.

Che cosa può significare una probabilità uguale a zero? E quale probabilità ha di verificarsi l'Evento impossibile?. probabilità zero non significa impossibilità di un Evento; probabilità uguale a uno. probabilità zero non significa necessariamente impossibilità di un Evento; probabilità uguale a zero. probabilità zero non significa impossibilità di un Evento; probabilità uguale a due. probabilità zero significa impossibilità di un Evento; probabilità uguale a zero.

Geometricamente la probabilità è sempre rappresentata da?. un segmento. un'area. un'ordinata. una linea.

Quali sono gli assiomi fondamentali della Probabilità?. 1. 0 ≤ P(E) ≤ 1 che si legge: la probabilità di un evento E deve essere sempre ricompresa fra 0 ed 1 estremi compresi; 2. P(Ω)=1 che si legge: la probabilità del totale degli eventi elementari appartenenti allo spazio campionario Ω deve essere sempre uguale ad 1. 1. P(E) ≥ 0; ∀ E ∈ D che si legge: la probabilità di un evento deve essere sempre positiva per ogni evento E che appartiene al dominio D; 2. 0 ≤ P(E) ≤ 1 che si legge: la probabilità di un evento E deve essere sempre ricompresa fra 0 ed 1 estremi compresi; 3. P(Ω)=1 che si legge: la probabilità del totale degli eventi elementari appartenenti allo spazio campionario Ω deve essere sempre uguale ad 1. 1. 0 ≤ P(E) ≤ 1 che si legge: la probabilità di un evento E deve essere sempre ricompresa fra 0 ed 1 estremi compresi; 2. P(E) ≥ 0; ∀ E ∈ D che si legge: la probabilità di un evento deve essere sempre positiva per ogni evento E che appartiene al dominio D;. 1. P(E) ≥ 0; ∀ E ∈ D che si legge: la probabilità di un evento deve essere sempre positiva per ogni evento E che appartiene al dominio D; 2. P(Ω)=1 che si legge: la probabilità del totale degli eventi elementari appartenenti allo spazio campionario Ω deve essere sempre uguale ad 1 3. P(Ω)=1 che si legge: la probabilità del totale degli eventi elementari appartenenti allo spazio campionario Ω deve essere sempre uguale ad 1.

A che cosa è uguale la probabilità dell’evento reciproco di E?. è uguale a uno meno la probabilità dell’evento E stesso. è uguale a zero meno la probabilità dell’evento E stesso. è maggiore di uno meno la probabilità dell’evento E stesso. è minore di uno meno la probabilità dell’evento E stesso.

Che cosa presuppone l’approccio assiomatico alla probabilità?. il ricorso al concetto di funzione che associ ad ogni evento elementare una probabilità P. il ricorso al concetto di funzione che associ ad ogni evento elementare dello spazio campionario Ω una probabilità P in dominio D. il ricorso al concetto di funzione. il ricorso al concetto di funzione che non associ ad ogni evento elementare dello spazio campionario Ω una probabilità P.

Quale è la probabilità dell’evento negazione o evento impossibile?. sempre zero. tre. due. uno.

Con quale formula si calcola la probabilità intersezione di due Eventi E ed F dipendenti P(E∩F)?. P(E∩F)=P(E)+P(F)-P(E∪F). P(E∩F)=P(F)*P(E|F). P(E∩F)=P(E)+P(F). P(E∩F)=P(F)-P(E∪F).

Date la probabilità unione di due Eventi E ed F congiunti pari a 0,54 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?. 0,35. calcolo impossibile. 0,31. 0,11.

Date la probabilità intersezione di due Eventi E ed F indipendenti pari a 0,13 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?. 0,65. 0,5. 0,85. 1,5.

Date la probabilità intersezione di due Eventi E ed F dipendenti pari a 0,13 e la probabilità dell'Evento F pari a 0,26 la probabilità dell'Evento E è pari a ?. zero. 0,5. 0,45. calcolo impossibile.

Date P(E)=0,21, P(F)=0,36 e P(E∩F)= 0,29 quale è la probabilità unione per eventi congiunti?. probabilità unione pari a 0,19. probabilità unione pari a 0,39. probabilità unione pari a 0,49. probabilità unione pari a 0,28.

Date la probabilità dell'Evento E condizionato ad F pari a 0,76 e la probabilità dell'Evento F è pari a 0,12 la probabilità composta è pari a?. 0,065. 0,035. 0,045. 0,0912.

Quale è il concetto con cui si esprime la probabilità totale?. è quello differenziale della probabilità unione. è quello additivo della probabilità composta. è quello moltiplicativo della probabilità intersezione. è quello della probabilità condizionata.

Con quale formula si calcola la probabilità composta di due Eventi E ed F dipendenti P(E∩F)?. P(E∩F)=P(E)*P(F|E). P(E∩F)=P(F)*P(E|F). P(E∩F)=P(E)*P(F). P(E∩F)=P(E)*P(E|F).

Date la probabilità intersezione di due Eventi E ed F dipendenti pari a 0,19 e la probabilità dell'Evento E condizionato ad F pari a 0,76 la probabilità dell'Evento F è pari a ?. 0,45. 1,65. 0,35. 0,25.

Con quale formula si calcola la probabilità dell'Evento E condizionato all'Evento F P(E|F)?. P(E|F)=P(E∪F)/P(E). P(E|F)=P(E∩F)/P(F). P(E|F)=P(F∪E)/P(F). P(E|F)=P(E∪F)/P(F).

Come può essere denominata la statistica bayesiana?. statistica dei controlli. statistica degli effetti. statistica delle cause. statistica delle proprietà.

Dati gli Eventi causa Ci => C1 , C2 e C3 e l'Evento effetto E come si calcola la P(Ci|E) utilizzando la formula di Bayes?. P(Ci|E)=P(E|C)/P(C|E)*P(C)+P(C|E)*P(C)+P(C|E)*P(C). P(Ci|E)=P(E|Ci)*P(Ci)/P(E|C1)*P(C1)+P(E|C2)*P(C2)+P(E|C3)*P(C3). P(Ci|E)=P(E|C)*P(E)/P(C|E)*P(C)+P(C|E)*P(C)+P(C|E)*P(C). P(Ci|E)=P(E|C)*P(E)/P(C|E)*P(C)+P(C|E)*P(C).

Che cosa s’intende per probabilità a priori?. la probabilità dell’evento intersezione condizionata a più cause. la probabilità della causa i-esima condizionata all’evento effetto. la probabilità dell’evento effetto condizionata a più cause. la probabilità dell’evento effetto non condizionata a più cause.

Che cosa s’intende per probabilità a posteriori?. la probabilità dell’evento effetto condizionata a più cause. la probabilità della causa i-esima condizionata all’evento effetto. la probabilità dell’evento intersezione condizionata a più cause. la probabilità dell’evento effetto non condizionata a più cause.

Data una v.c. discreta "presenza dell'occhio di pavone sulle foglie di ulivo"che assume i valori 1,2,3,4,5,6,7,8 con p(x) pari a 1/8 la varianza è ?. 4,75. 5,25. 5,15. 4,7.

A che cosa può essere associata la funzione di probabilità per valori discreti?. alla frequenza teorica. alla frequenza assoluta. alla frequenza relativa. alla frequenza cumulata.

Data una v.c. discreta che assume i valori 1,2,3,4,5,6,7,8 con p(x) pari a 1/8 il valore atteso è ?. 5.25. 5,75. 6,25. 4,5.

A quale tipo di frequenze si associa la funzione di probabilità?. frequenza relativa. frequenza di controllo. frequenza cumulata. frequenza relativa.

La funzione di probabilità di una v.c. discreta che assume i valori 1,2,3,4,5,6,7,8 è espressa in simboli dalla seguente notazione?. P(X=x)=1/2 per x=1,2,3,4,5,6,7,8. P(X=x)=1/8 per x=1,2,3,4,5. P(X=x)=1/4 per x=1,2,3,4,5,6,7,8. P(X=x)=1/8 per x=1,2,3,4,5,6,7,8.

Dato un dominio della x ricompreso tra 0 a 3 (compresi) e i seguenti valori della funzione di probabilità (0.90, 0.07, 0.02, 0.01) quale linea di codice di R si implementa per calcolare la relativa rappresentazione grafica?. x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(type="h"). x <- 0:3; fx <- c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx, type="h"). x <- 0:3; fx <- (0.90, 0.07, 0.02, 0.01). x <- 0:3; fx c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx).

Dati i seguenti valori della funzione di probabilità x(0.90, 0.07, 0.02, 0.01) e di y(0, 1, 2, 3) quali linee di codice di R si implementano per calcolare la funzione di ripartizione?. x <- 0:3; c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1);Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3); c(0.90, 0.97, 0.99, 1);Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- (0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1);Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy.

Data la v.c. X che assume i valori 2,3,4,7 con probabilità rispettivamente pari a 0,12; 0,15; 0,43; 0,30 come si rappresenta la funzione di ripartizione?. F(X)= [0,12 per 0≤x<3] [0,27 per 3≤x<4] [0,70 per 4≤x<6] [1,00 per 6≤x<7]. F(X)= [0,15 per 0≤x<3] [0,12 per 3≤x<4] [0,70 per 4≤x<6] [1,00 per 6≤x<7]. F(X)= [0,12 per 0≤x<2] [0,27 per 2≤x<3] [0,70 per 3≤x<4] [1,00 per 4≤x<7]. F(X)= [0,12 per 0≤x<2] [0,15 per 2≤x<3] [0,43 per 3≤x<4] [1,00 per 4≤x<7].

Quale è la notazione con cui si esprime la funzione di ripartizione di una v.c. discreta?. P(X≤x)= Σ w≤x P(X=w). P(X>x)= Σ w≤x P(X=w). P(X>x)= Σ w≤x P(X=w). P(X≤x)= Σ w≤x P(X-w).

Quali sono le proprietà caratteristiche della funzione di ripartizione di una v.c. discreta?. P(X≤x) è non decrescente ovvero x1< x2 =>P(x1)≤P(x2); limx->-∞ P(X≤x)=0 ; limx->+∞ P(X≤x)=1; P(X≤x) è continua a sinistra. P(X≤x) è non decrescente ovvero x1< x2 =>P(x1)≤P(x2); limx->-∞ P(X≤x)=0;limx->+∞ P(X≤x)=1; P(X≤x) è continua a destra. P(X≤x) è non decrescente ovvero x1< x2 =>P(x1)≤P(x2); limx->-∞ P(X≤x)=0 è continua a destra. P(X≤x) è decrescente ovvero x1< x2 =>P(x1)≤P(x2); limx->-∞ P(X≤x)=0; limx->+∞ P(X≤x)=1; P(X≤x) è continua a destra.

Dati i seguenti valori di x(1,2,3,4) con p(x) rispettivamente pari a (0,52; 0,33; 0,11;0,04) quale è il valore della funzione di ripartizione per x=3?. 0,56. 0,86. 0,96. 0,76.

Quale grafico rappresenta meglio la funzione di ripartizione di una v.c. discreta?. grafico a bolle. grafico a bastoncini. grafico ad area. grafico a torta.

Dati i valori di x (0,1,2,3) e i valori della funzione di probabilità (0.62,0,28,0,06,0,04) quali linee di codice di R si implementano per calcolare la funzione di ripartizione e la relativa rappresentazione grafica?. x<-(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04);Fy<-cumsum(fx);Fy;plot(y,Fy,type="h"). x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04);Fy<-cumsum(fx);Fy;plot(y,Fy,type="h"). x<-c(0,1,2,3);c(0.62,0.28,0.06,0.04);Fy<-cumsum(fx);Fy;plot(y,Fy,type="h"). x<-c(0,1,2,3);fx<-c(0.62,0.28,0.06,0.04); cumsum(fx);Fy;plot(y,Fy,type="h").

Dato un dominio della x ricompreso tra 0 a 3 (compresi) e i seguenti valori della funzione di ripartizione (0.90, 0.97, 0.99, 1.00) quale linea di codice di R si implementa per calcolare la relativa rappresentazione grafica?. x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, Fx, type="h"). x <- 0:3; fx c(0.90, 0.07, 0.02, 0.01) ; plot(x, fx). x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, Fx). x <- 0:3; Fx <- c(0.90, 0.97, 0.99, 1.00 ); plot(x, type="h").

Dati i seguenti valori della funzione di probabilità x(0.90, 0.07, 0.02, 0.01) e di y(0, 1, 2, 3) quali linee di codice di R si implementano per calcolare la funzione di ripartizione?. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy. x <- 0:3;fx <- c(0.90, 0.07, 0.02, 0.01);y <- c(0, 1, 2, 3);Fy <- c(0.90, 0.97, 0.99, 1 );Fy.

Data una variabile casuale discreta bidimensionale X,Y con quale notazione si calcola il valore atteso?. E[hXY]=ΣxΣy f(x,y). E[hXY]=ΣxΣyh(x,y) f(x,y). E[hXY]=ΣxΣyh(x,y). E[hXY]=Σxh(x,y) f(x,y).

Qualè la notazione con cui si calcola la covarianza per variabili discrete?. CovXY= E[(X-μX)*(Y-μY)]=ΣxΣy(x-μX)*(y-μY) f(x,y). CovXY= E[(X)*(Y-μY)]=ΣxΣy(x-μX)*(y-μY) f(x,y). CovXY= E[(X-μX)*(Y)]=ΣxΣy(x-μX)*(y-μY) f(x,y). CovXY= E[(X-μX)*(Y-μY)]=ΣxΣy(x-μX)*(y-μY).

Delle proprietà della covarianza per variabili casuali discrete quali sono quelle per covarianza nulla?. è nulla quando le v.c. X e Y non sono correlate; non è nulla quando le v.c. X e Y sono indipendenti. non è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono indipendenti. è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono dipendenti. è nulla quando le v.c. X e Y non sono correlate; è nulla quando le v.c. X e Y sono indipendenti.

Come viene definita la probabilità di una v.c. continua in un intervallo ricompreso fra due valori a e b?. P(a<X<b)= fx*dx. P(a<X<b)=∫ab fx. P(a<X<b)=∫abdx. P(a<X<b)=∫ab fx*dx.

Simulando 100 numeri casuali dalla normale con valore atteso=2 e deviazione standard=0.9 quale linea di codice si implementa per rappresentare il grafico della funzione di densità della relativa v.c. continua in un dominio ricompreso fra -1.7 e 5.5?. rnorm(100,2,0.9);curve(qnorm(x,2,0.9),-1.7,5.5). rnorm(100,2,0.9);curve(dnorm(x,2,0.9),-1.7,5.5). rnorm(100,2,0.9);curve(dnorm(x,2),-1.7,5.5). rnorm(100,2,0.9);curve(pnorm(x,2,0.9),-1.7,5.5).

Quale linea di codice di R si utilizza per calcolare 100 numeri casuali da v.c. normale con valore atteso pari a 2 e deviazione standard 0.2?. rnorm(100,2). rnorm(100,2,0.2). dnorm(100,2,0.2). rnorm(100,0.2).

Data una v.c. continua Normale con valore atteso μ=2,2 e deviazione standard σ=1,4 quale funzione si utilizza per calcolare un valore di x=2,1? Quale linea di codice di R si implementa?. la funzione di densità della v.c. Normale X ; rnorm(2.1,2.2,1.4). la funzione di densità della v.c. Normale X ; pnorm(2.1,2.2,1.4). la funzione di densità della v.c. Normale X ; qnorm(2.1,2.2,1.4). la funzione di densità della v.c. Normale X ; dnorm(2.1,2.2,1.4).

Quando una variabile casuale è definita continua?. se assume un’infinità numerabile di valori. se non assume nel suo dominio un’infinità numerabile di valori. se assume nel suo dominio un numero finito di valori. se assume nel suo dominio un’infinità numerabile di valori in un dato intervallo.

Quale linea di codice di R si utilizza per rappresentare graficamente la funzione di densità di una v.c. normale con valore atteso pari a 2 e deviazione standard 0.2 nel dominio (-2, 6)?. curve(dnorm(x, 2, 0.2), -2, 6, ylab="Densità"). curve(dnorm(x, 0.2), -2, 6, ylab="Densità"). curve(dnorm(x, 2), -2, 6, ylab="Densità"). curve(dnorm(x, 2, 0.2), ylab="Densità").

Data una v.c. continua Normale espressa in simboli X~N(2,2; 0,42) che cosa sta a significare 0,42?. la media della X. la moda della X. la varianza σ2. la devianza.

Come si calcola la funzione di ripartizione in un intervallo a-b utilizzando i valori della v.c. Normale standardizzata Z?. Z(b) -a. a-b. a*b. Z(b) -Z(a).

Quale è la notazione con cui si esprime la funzione di ripartizione di una v.c. continua nell’intervallo fra due valori positivi a e b?. P(X<x)= ∫ ba f(x) d(x) oppure P(a≤x≤b)=Fa+Fb=Φa- Φb=za + zb. F(x)= P(X=x)= ∫ ab f(x) d(x) oppure P(a≤x≤b)=Fa * Fb=Φa- Φb=za - zb. F(x)= P(X>x)= ∫ ba f(x) d(x) oppure P(a≤x≤b)=Fa-Fb=Φa- Φb=za - zb. F(x)= P(X<x)= ∫ ab f(x) d(x) oppure P(a≤x≤b)=Fb-Fa=Φb- Φa=zb - za.

Data una v.c. continua Normale espressa in simboli X~N(2,2; 0,42) che cosa sta a significare 2,2?. il valore atteso μ. il valore normale μ. il valore μ. il valore standardizzato μ.

Quale linea di codice di R si utilizza per rappresentare graficamente la funzione di ripartizione di una v.c. normale con valore atteso pari a 2 e deviazione standard 0.2 nel dominio (-2, 6)?. curve(pnorm(x, 2, 0.2),-2,6,ylab="Ripartizione"). curve(rnorm(x, 2), -2, 6, ylab="Ripartizione"). curve(qnorm(x, 0.2), -2, 6, ylab="Ripartizione"). curve(dnorm(x, 2, 0.2), -2, 6, ylab="Ripartizione").

Quando due v.c. continue X d Y si dicono indipendenti?. se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini della somma delle relative funzioni di probabilità marginali di X e Y. se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini del rapporto delle relative funzioni di probabilità marginali di X e Y. se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini del prodotto delle relative funzioni di probabilità marginali di X e Y. se per tutte le x e y la funzione di probabilità doppia f(x,y) è espressa in termini della differenza delle relative funzioni di probabilità marginali di X e Y.

Quale è la notazione che esprime la Disuguaglianza di Chebyshev?. P(μ*σ≤X≤μ*σ )≥1-1/k2. P(μ-k*σ≤X≤μ+k*σ )≥1-1/k2. P(k*σ≤X≤k*σ )≥1-1/k2. P(μ-k≤X≤μ+k )≥1-1/k2.

Dati i seguenti valori di x: 1,2,3,4,5 con probabilità uguali pari ad 1/5 quale modello di distribuzione di probabilità è più adatto?. bernoulliana. uniforme discreta. binomiale. poissoniana.

Quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Uniforme discreta per N=10?. N<-10; val_att<-(N)/2;val_att;var<-(N^2-1)/12;var; dev_std<-sqrt(var);dev_std. N<-10; val_att<-(N+1)/2;val_att;var<-(N-1)/12;var; dev_std<-sqrt(var);dev_std. N<-10; val_att<-(N+1)/2;val_att;var<-(N^2)/12;var; dev_std<-sqrt(var);dev_std. N<-10; val_att<-(N+1)/2;val_att;var<-(N^2-1)/12; var; dev_std<-sqrt(var);dev_std.

Quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c. Uniforme discreta per N=10?. N<-10; i<-0;i_as; i_cur<- c(-6/5*(N^2+1)/(N^2-1));i_cur; scost<-abs(i_cur)-3; scost. N<-10; i_as<-0;i_as; i_cur<- c(-6/5*(N^2+1)/(N^2-1));i_cur; scost<-abs(i_cur)-3; scost. N<-10; i_as<-0;i_as; i_cur<- c(-6/5*(N^2+1)/(N^2-1));i_cur; scost<-abs(i)-3; scost. N<-10; i_as<-0;i_as; i_cur<- c(-6/5*(N^2+1)/(N^2-1));i_cur; scost<-abs(i_cur); scost.

Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare la relativa funzione di ripartizione di una v.c. Uniforme discreta?. x<-10; runif(x, min=0, max=10). x<-10; dunif(x, min=0, max=10). x<-10; qunif(x, min=0, max=10). x<-10; punif(x, min=0, max=10).

Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare il quantile di una v.c. Uniforme discreta?. x<-10; dunif(x, min=0, max=10). x<-10; qunif(x, min=0, max=10). x<-10; runif(x, min=0, max=10). x<-10; punif(x, min=0, max=10).

Dati il valore di x=10 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Uniforme discreta?. x<-10; qunif(x, min=0, max=10). x<-10; punif(x, min=0, max=10). x<-10; dunif(x, min=0, max=10). x<-10; runif(x, min=0, max=10).

Quale valore ha l'indice di curtosi di una distribuzione di probabilità Uniforme discreta con N=10?. 1,22. 1,1. -2,8. -1,22.

Con quale formula si calcola la varianza di una distribuzione di probabilità della v.c. Uniforme discreta con N=10?. (10+1)2/10. (10+1)2/10. (102-1)/12. (10-1)2.

Dati i valori di n=1 e p=0.15 quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.1; i_cur<-(p-6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost. n <- 1; p <- 0.1; i_cur<-(1-6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost. n <- 1; p <- 0.1; i_cur<-(1-6*p-6*p)/var;i_cur;scost<-abs(i_cur)-3;scost. n <- 1; p <- 0.1; i_cur<-(1-6*p+6*p^2)/var;i_cur;scost<-abs(i_cur)-3;scost.

Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare 5 numeri casuali estratti dalla relativa funzione di probabilità di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.25; pbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; dbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; rbinom(5,size=1,prob=0.25). n <- 1; p <- 0.25; rbinom(x=0,size=1,prob=0.25).

Dato un numero di prove n=1 e una probabilità p=0,25 quale è il valore della deviazione standard? Quale v.c. modella il fenomeno statistico?. 0,356 Normale. 0,433 Bernoulliana. 0,356 Bernoulliana. 0,356 Binomiale.

Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1-p);var; dev_std<-sqrt(p*(1-p));dev_std. n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1-p);var; dev_std<-sqrt(p*(1));dev_std. n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(1);var; dev_std<-sqrt(p*(1-p));dev_std. n <- 1; p <- 0.25; val_at<-p; val_at; var<- p*(p);var; dev_std<-sqrt(p*(1-p));dev_std.

Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare il quantile di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.25; rbinom(x=0,size=1, p=1.5). n <- 1; p <- 0.25; qbinom(p=0.5,size=1,prob=0.25). n <- 10; p <- 0.25; dbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; qbinom(size=1,prob=0.25).

Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di ripartizione di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.25; qbinom(x=0 ,prob=0.25). n <- 1; p <- 0.25; rbinom(x=0,size=1). n <- 1; p <- 0.25; pbinom(q=1,size=1,prob=0.25). n <- 10; p <- 0.25; dbinom(x=0,size=1,prob=0.25).

Dati i valori di n=1 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Bernoulliana discreta?. n <- 1; p <- 0.25; pbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; qbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; rbinom(x=0,size=1,prob=0.25). n <- 1; p <- 0.25; dbinom(x=0,size=1,prob=0.25).

Data la v.c. bernoulliana con n=1 e p=0,23 quali sono le linee di codice di R per calcolare il valore atteso, la varianza, la deviazione standard, il coefficiente di variazione, l’indice di asimmetria, l’indice di curtosi e relativo scostamento?. n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1+p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p-6*p^2)/(var);Icurt; scost<-abs(i_cur)-3; scost n<-. 1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p);Ias; Icurt<-(1-6*p-6*p^2)/(var);Icurt; scost<-abs(i_cur)-3; scost. n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd; Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p-6*p^2);Icurt; scost<-abs(i_cur)-3; scost. n<-1;p<-0.23; val_att<-p;val_att; var<-p*(1-p);var;dstd<-sqrt(var);dstd;Ias<-(1-2*p)/sqrt(var);Ias;Icurt<-(1-6*p+6*p^2)/(var);Icurt; scost<-abs(i_cur)-3; scost.

Con quale notazione si esprime l’indice di asimmetria e di curtosi della v.c. discreta Bernoulliana?. IAS(X)=(1+2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p-6p2)/p(1-p). IAS(X)=(1*2p)/RDQ[p(1-p)] ; ICUR(X)=(1+6p-6p2)/p(1+p). IAS(X)=(1-2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p+6p2)/p(1-p). IAS(X)=(1+2p)/RDQ[p(1-p)] ; ICUR(X)=(1-6p-6p2)/p(1+p).

Quale è la notazione in simboli e la relativa formula della distribuzione di probabilità della v.c. discreta Bernoulliana?. XBer; P(X=x)=p (1-p)1-x per x=0 e 1. X+Ber(1,p); P(X=0)=p ; P(X=1)=p+1. X~Ber(1,p); P(X=x)=px (1-p)1-x per x=0 e 1. X-Ber(1,p); P(X=x)=px (1-p)x per x=0 e 1.

Quante prove prende in considerazione la distribuzione di probabilità bernoulliana?. cinque. dieci. due. una.

Data la v.c. binomiale X con varianza pari a 28 e p=0,26 quante sono le prove indipendenti n (arrotondato)?. 186. 206. 196. 146.

Dato un numero prove n=15 e una probabilità p=0,19 quale è il valore della P(X<3)?. 0,3243. 0,6854. 0,7353. 0,5853.

Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia al massimo pari a 4 di una v.c. Binomiale discreta?. n <- 14; p <- 0.25; qbinom(4,n,p). n <- 14; p <- 0.25; rbinom(4,n,p). n <- 14; p <- 0.25; pbinom(4,n,p). n <- 14; p <- 0.25; dbinom(4,n,p).

Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia almeno pari a 3 di una v.c. Binomiale discreta?. n <- 14; p <- 0.25; 1-pbinom(3, n, p). n <- 14; p <- 0.25; 1-pbinom(3, n). n <- 14; p <- 0.25; 1-pbinom(3,p). n <- 14; p <- 0.25; 1-pbinom(n, p).

Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza e la deviazione standard di una v.c. Binomiale discreta?. n <- 1; p <- 0.25; val_at<-n; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p*(1-p));dev_std. n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p;var; dev_std<-sqrt(n*p*(1-p));dev_std. n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p*(1-p));dev_std. n <- 1; p <- 0.25; val_at<-n*p; val_at; var<- n*p*(1-p);var; dev_std<-sqrt(n*p);dev_std.

Dati i valori di n=14 e p=0.10 quali linee di codice di R si utilizzano per calcolare l’indice di asimmetria, di curtosi e relativo scostamento di una v.c. Binomiale discreta?. n <- 14; p <- 0.1; i_as <- (1-2*p)/sqrt(n*p*); i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost. n <- 14; p <- 0.1; i_as <- (1-2*p)/sqrt(n*p*(1-p)); i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost. n <- 14; p <- 0.1; i_as <- (1-2*p)/sqrt(1-p); i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost. n <- 14; p <- 0.1; i_as <- (1-2*p)/ n*p*(1-p); i_as; i_cur<-(1-6*p-6*p^2)/(n*p*(1-p));i_cur; scost<-abs(i_cur)-3; scost.

Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare la relativa funzione di probabilità di una v.c. Binomiale discreta per x=0?. n <- 14; p <- 0.25; dbinom(x=0,size=14,prob=0.25). n <- 14; p <- 0.25; pbinom(x=0,size=14,prob=0.25). n <- 14; p <- 0.25; rbinom(x=0,size=14,prob=0.25). n <- 14; p <- 0.25; qbinom(x=0,size=14,prob=0.25).

Dati i valori di n=14 e p=0.25 quali linee di codice di R si utilizzano per calcolare sette numeri casuali estratti da una v.c. Binomiale discreta?. n <- 14; p <- 0.25; rbinom(7,n,p). n <- 14; p <- 0.25; rbinom(7,p). n <- 14; p <- 0.25; rbinom(7,n). n <- 14; p <- 0.25; rbinom(n,p).

Data la v.c. binomiale X con n=10 e p=0,15 qual'è la probabilità che almeno due prove abbiano successo P(X>2)?. 0,1798. 0,156. 0,256. 0,856.

Dati i valori di n=11, p=0,031 quale è il valore di P(X>2)?. 0,002. 0,001. 0,004. 0,0102.

Con quale formula si calcola la funzione di probabilità di una poissoniana?. P(X=x)=λ /x *e-λ. P(X=x)=λx /x! *e. P(X=x)=λx /x! *e-λ. P(X=x)=λ /x! *e-λ.

Data una v.c. poissoniana con λ=4 quale sono i valori degli indici di asimmetria e di curtosi; quale tipo di asimmetria si configura e quale curva di curtosi si determina e perché?. I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria negativa=>0,5>0; platicurtica =>Sco=0,25-3=-2,75. I(as)=√4=0,5; I(as)=1/4=0,25; asimmetria positiva =>0,5>0; platicurtica =>Sco= 0,25-3=-2,75. I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria negativa=>0,5>0; platicurtica =>Sco=0,25-3=-2,75. I(as)=1/√4=0,5; I(curt)=1/4=0,25; asimmetria positiva=>0,5>0; platicurtica =>Sco=0,25-3=-2,75.

Dai i valori di n=2100 e p=0,00012 quale è la distribuzione di probabilità più adatta?. poissoniana. bernoulliana. uniforme discreta. ipergeometrica.

In una poissoniana il valore di lambda è uguale a 12: Quale è la P(X=0)?. 4.144212e-06. 6.144212e-06. 5.144212e-06. 6.144212e-05.

Dato lambda=3,3 quali sono le linee di codice di R per calcolare la p(X<3); la p(X>2) e la p(2<X<3). n<-1000;p<-0,0033;val_att<- λ;var<-λ; dev_std<-sqrt(λ);Ias<-1+sqrt(λ);Icur<-1/ λ. n<-1000;p<-0,0033;val_att<- λ;var<-λ+1; dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ n<-. 1000;p<-0,0033;val_att<- λ;var<-λ-1; dev_std<-sqrt(λ);Ias<-1-sqrt(λ);Icur<-1/ λ. n<-1000;p<-0,0033;λ<-n*p;val_att<-λ;var<-λ;dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ.

Dati i valori di n=1000 e p=0,0033 quali sono le linee di codice di R per calcolare il valore atteso della v.c. poissoniana discreta. n<-1000;p<-0.0033; lambda <-n; lambda. n<-1000;p<-0.0033;lambda<-n*p;lambda. n<-1000;p<-0,0033; lambda <-n/p; lambda. n<-1000;p<-0.0033; lambda <-p; lambda.

Dato lambda=3,3 quali sono le linee di codice di R per calcolare la probabilità che lambda<3 e lambda>3,5. La<-3.3; prob1<-ppois(3); prob1; prob2<-1-ppois(3.5,La);prob2. La<-3.3; prob1<-ppois(3,La); prob1; prob2<-(3.5,La);prob2. La<-3.3; prob1<-ppois(3,La); prob1; prob2<-1-ppois(La);prob2. La<-3.3; prob1<-ppois(3,La); prob1; prob2<-1-ppois(3.5,La);prob2.

Dato lambda=3,3 quali sono le linee di codice di R per calcolare la varianza e la deviazione standard della v.c. poissoniana discreta. n<-1000;p<-0,0033;val_att<- λ;var<-λ-1; dev_std<-sqrt(λ);Ias<-1-sqrt(λ);Icur<-1/ λ. n<-1000;p<-0,0033;λ<-n*p;val_att<-λ;var<-λ;dev_std<-sqrt(λ);Ias<-1/sqrt(λ);Icur<-1/ λ. n<-1000;p<-0,0033;val_att<- λ;var<-λ; dev_std<-sqrt(λ);Ias<-1+sqrt(λ);Icur<-1/ λ. n<-1000;p<-0.0033;lambda<-n*p;val_att;var<- lambda;var;dev_std<-sqrt(lambda);dev_std.

Dato lambda=3,3 quali sono le linee di codice di R per calcolare l’indice di asimmetria, di curtosi e relativo scostamento in valore assoluto. n<-1000;p<-0.0033; lambda<-n;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost n<-. 1000;p<-0.0033; lambda<-p;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost. n<-1000;p<-0.0033; lambda<-n*p;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost. n<-1000;p<-0.0033;i_as<-1/sqrt(lambda); i_as ;i_cur<-1/lambda;i_cur;scost<-abs(i_cur)-3;scost.

Dato l'intervallo di valori della X in una v.c. Uniforme continua ricompreso fra 40 e 50 quale è il valore atteso e la varianza?. E(X)=35 V(X)=8,33. E(X)=45 V(X)=8,33. E(X)=45 V(X)=6,33. E(X)=25 V(X)=8,33.

In una v.c Uniforme continua X ricompresa nell'intervallo 20-50 qual'è la P(X>41)?. 1/30 (50-41)=9/30. 5/30 (50-41)=45/30. 2/30 (50-41)=18/30. 1/30 (50-30)=20/30.

Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare il valore atteso, la varianza e la deviazione standard?. a<-10;b<-25; val_at <- (a+b)/2; val_at; var<-b^2/12; var; dev_std<-sqrt(var);dev_std. a<-10;b<-25; val_at <- (a+b)/2; val_at; var<-(b-a)^2/12; var; dev_std<-sqrt;dev_std. a<-10;b<-25;val_at <- (a+b)/2; val_at; var<-(b-a)^2/12; var; dev_std<-sqrt(var);dev_std. a<-10;b<-25; val_at <- (a+b)/2; val_at; var<-(b-a)^2; var; dev_std<-sqrt(var);dev_std.

Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare il valore atteso?. a<-10;b<25;val_att<-(a*b)/2;val_att. a<-10;b<25;val_att<-(a+b);val_att. a<-10;b<25;val_att<-(a+b)/2;val_att. a<-10;b<25;val_att<-b/2;val_att.

Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare la probabilità che x=17 e x<12. a<-10;b<25; prob1<-dunif(17,b);prob1; prob2<-punif(12,a,b). a<-10;b<-25; prob1<-dunif(17,a,b);prob1; prob2<-punif(12,a,b);prob2. a<-10;b<25; prob1<-dunif(17,a);prob1; prob2<-punif(12,a,b). a<-10;b<25; prob1<-dunif(17,a,b);prob1; prob2<-punif(a,b).

Data la v.c Uniforme continua X con a=10 e b= 25 quali sono le linee di codice di R per calcolare il quantile relativo ad una probabilità pari 0.5 e 7 numeri casuali. a<-10;b<25; quant<-qunif(0.5,a,b);quant; num<-runif(7,a);num. a<-10;b<25; quant<-qunif(0.5,b);quant; num<-runif(7,a,b);num. a<-10;b<-25; quant<-qunif(0.5,a,b);quant; num<-runif(7,a,b);num. a<-10;b<25; quant<-qunif(a,b);quant; num<-runif(7,a,b);num.

Data una v.c. continua Normale X con μ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare la probabilità che X<45; X>46. pnorm(45,47,5); 1-pnorm(46,47,5). rnorm(46,47,5) ; 1-gnorm(46,47,5). dnorm(46,47,5) ; pnorm(46,47,5). lnorm(46,47,5) ; 1-pnorm(46,47,5).

Data una v.c. continua Normale X con μ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare il quantile per un valore di probabilità pari a 0.5. lnorm(0.5,47,5). qnorm(0.5,47,5). pnorm(0.5,47,5). rnorm(0.5,47,5).

Data una v.c. continua Normale X con μ=47 e σ2=25 quali linee di codice di R si utilizzano per calcolare 15 numeri casuali. pnorm(15,47,5). qnorm(15,47,5). dnorm(15,47,5). rnorm(15,47,5).

Data una v.c. continua Normale X∼N(47;25) quale è il valore della P(X>45) dove la ∅(0,4)=0,655?. 0,145. 0,745. 0,245. 0,345.

Data una v.c. continua Normale X ∼N(12;25) qual'è la P(X<10)?. P(X)= 1-∅(2/25). P(X )=1-∅(2/5). P(X )=∅(2/5). P(X)= 1-∅(2/3).

Data una v.c. continua Normale X∼N(47;25) quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard, l’indice di asimmetria, l’indice di curtosi e il relativo scostamento. mu<-47;mu;var<-5;var;std<-5;std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur)-3;scost. mu<47;mu;var<-5^2;var;std<-5;std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur)-3;scost. mu<-47;mu;var<-5^2;var;dev_std<-sqrt(var); dev_std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur)-3;scost. mu<-47;mu;var<-5^2;var;std<-5;std;i_as<-0;i_as;i_cur<-3;i_cur;scost<-abs(i_cur);scost.

Nella v.c. continua Normale standardizzata Z quale è il valore atteso e la varianza?. Valore atteso=0; Varianza=1. Valore atteso=1; Varianza=0. Valore atteso=0; Varianza=2. Valore atteso=1; Varianza=1.

Che cosa significano Z e S2 nella notazione che definisce la v.c. t di Student?. Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale std e F di Fisher. Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale std e una Chi-quadrato. Z e S2 sono v.c. i.i.d. che si distribuiscono come una Normale e una Chi-quadrato. Z e S2 sono v.c. che si distribuiscono come una t di Student e una Chi-quadrato.

Qual è la notazione che definisce la v.c. t di Student?. t= F/(S2/n). t= F/√(S2/n). t= N/√(S2/n). t= Z/√(S2/n).

Di quante e quali v.c. è composta la t di Student?. Due v.c. continue i.i.d.: Normale std e F di Fisher. Due v.c. continue i.i.d.: Normale std e Chi-quadrato. Due v.c. continue i.i.d.: Normale std e t di Student. Due v.c. continue i.i.d.: Normale e Chi-quadrato.

Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare la probabilità che X<7; X>9. df<-8; dt(7,df);1-pt(9,df). df<-8; rt(7,df);1-pt(9,df). df<-8; qt(7,df);1-pt(9,df). df<-8; pt(7,df);1-pt(9,df).

Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare il quantile per una probabilità pari a 0.5. df<-8; dt(0.5,df). df<-8; rt(0.5,df). df<-8; qt(0.5,df). df<-8; pt(0.5,df).

Data una v.c. continua t di Student con 8 gradi di libertà quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard, l’indice di asimmetria, l’indice di curtosi e il relativo scostamento. df<-8;val_att<-0;var<-df/(df-2);var;dev_std<-sqrt(var);dev_std;i_as<-0;i_as;i_cur<-6/(df-4);i_cur;scost<-abs(i_cur)-3;scost. df<-8;val_att<-0;var<-df/(df-2);var;dev_std<-sqrt(var);dev_std;i_as<-0;i_as;i_cur<-6/(df);i_cur; scost<-abs(i_cur)-3;scost. df<-8;val_att<-0;var<-df/(df);var;dev_std<-sqrt(var);dev_std;i_as<-0;i_as;i_cur<-6/(df-4);i_cur; scost<-abs(i_cur)-3;scost. df<-8;val_att<-0;var<-df/(df-2);var;dev_std<-df<-sqrt(var);dev_std;i_as<-0;i_as;i_cur<-6*(df-4);i_cur; scost<-abs(i_cur)-3;scost.

Dati i valori: N=27; σ2=49; s2 =44 quale è il valore della v.c. Chi-quadrato X?. 23,35. 13,35. 43,35. 33,35.

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare il quantile per una probabilità pari a 0.26. df=8; lchisq(0.26,df). df=8; rchisq(0.26,df). df=8; qchisq(0.26,df). df=8; dchisq(0.26,df).

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano calcolare la probabilità che x sia almeno pari a 13. df=8; 1-pchisq(13,df). df=8; pchisq(13,df). df=8; 1-pchisq(13). df=8; 1-pchisq(df).

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano calcolare calcolare la probabilità che la v.c. x sia ricompresa fra 10 e 15. df=8; pchisq(15)-pchisq(10,df). df=8; pchisq(15,df)-pchisq(10). df=8; pchisq(15,df)-pchisq(10,df). df=8; pchisq(df)-pchisq(10,df).

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare calcolare 10 numeri casuali. df=8; dchisq(10,df). df=8; achisq(10,df). df=8; lchisq(10,df). df=8; rchisq(10,df).

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare la probabilità che x=10. df=8; qchisq(10,df). df=8; rchisq(10,df). df=8; dchisq(10,df). df=8; pchisq(10,df).

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard, l’indice di asimmetria, l’indice di curtosi e il relativo scostamento. df=8; val_att<-df;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost. df=8; val_att<-dl;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost. df=8; val_att<-df;val_att;var<-2*df;var;dev_std<-sqrt(var);dev_std;i_as<-df/8;i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost. df=8; val_att<-df;val_att;var<-2*df;var;dev_std<- var;dev_std;i_as<-sqrt(df/8);i_as;i_cur<-12/df; i_cur ;scost<- abs(i_cur)-3;scost.

Data una v.c. continua Chi-quadrato X con g.d.l.=8 quali linee di codice di R si utilizzano per calcolare la probabilità che x sia al massimo pari a 1. df=8; pchisq(11,df). df=8; qchisq(11,df). df=8; dchisq(11,df). df=8; rchisq(11,df).

Dati i valori di n=27; σ2 =49; s2=44 quale è il valore della v.c. continua X Chi-quadrato empirica?. 23,35. 14,65. 18,15. 13,35.

Date z21, z22,. .... ,z2n la somma di tali v.c. è?. una v.c. continua che si distribuisce secondo una Chi-quadrato con( n-1) g.d.l. una v.c. continua che si distribuisce secondo una t di Student con( n-1) g.d.l. una v.c. discreta che si distribuisce secondo una Chi-quadrato con( n-1) g.d.l. una v.c. continua che si distribuisce secondo una F di Fisher con( n-1) g.d.l.

Qual è il valore atteso e qual'è la varianza di una v.c. continua Chi-quadrato X?. Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=3g. Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=6. Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=2g dove g sono i gradi di libertà. Valore atteso(Chi-quadrato)=g; Varianza(Chi-quadrato)=4g.

Dato il valore dei gradi di libertà (df=32) quale è il valore atteso e la varianza della relativa v.c. continua Chi-quadrato X?. valore atteso=42; Varianza=84. valore atteso=32; Varianza=64. valore atteso=12; Varianza=48. valore atteso=22; Varianza=54.

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare la probabilità che x sia ricompreso fra 2.5 e 2.1. df1<-16; df2<-24; df(2.5,df1,df2)-pf(2.1,df1,df2). df1<-16; df2<-24; pf(2.5,df1,df2)-pf(2.1,df1,df2). df1<-16; df2<-24; rf(2.5,df1,df2)-pf(2.1,df1,df2). df1<-16; df2<-24; qf(2.5,df1,df2)-pf(2.1,df1,df2).

Quali parametri possono essere modellizzati dalla distribuzione di probabilità della v.c. continua F di Fisher X?. la mediana. la varianza. la media. il rapporto fra due varianze o devianze.

Data la v.c. continua F di Fisher X~ F (11,24) quali sono le linee di codice di R per calcolare la varianza e la deviazione standard?. df1<-11; df2<-24; var<-2df^2* (df1+df2)/ (df2 -2)^2* (df2 -2) dev<- sqrt(var). df1<-11; df2<-24; var<-df^2* (df1+df2)/ (df2 -2)^2* (df2 -2) dev<- sqrt(var). df1<-11; df2<-24; var<-(2*df2^2*(df1+df2-2))/(df1*(df2-)^2*(df2-2)); var; dev_std<- sqrt(var); dev_std. df1<-11; df2<-24; var<-2df^2* (df1+df2)/ (df2 +2)^2* (df2 -2) dev<- sqrt(var).

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare la probabilità che x=2.4. df1<-16; df2<-24; rf(2.4, df1, df2). df1<-16; df2<-24; qf(2.4, df1, df2). df1<-16; df2<-24; df(2.4, df1, df2). df1<-16; df2<-24; pf(2.4, df1, df2).

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare la probabilità che x sia al massimo pari a 2.8. df1<-16; df2<-24; df(2.8, df1, df2). df1<-16; df2<-24; qf(2.8, df1, df2). df1<-16; df2<-24; rf(2.8, df1, df2). df1<-16; df2<-24; pf(2.8, df1, df2).

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare il quantile per una probabilità pari 0.4. df1<-16; df2<-24; pf(0.4, df1, df2). df1<-16; df2<-24; df(0.4, df1, df2). df1<-16; df2<-24; rf(0.4, df1, df2). df1<-16; df2<-24; qf(0.4, df1, df2).

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare 14 numeri casuali. df1<-16; df2<-24; pf(14, df1, df2). df1<-16; df2<-24; qf(14, df1, df2). df1<-16; df2<-24; rf(14, df1, df2). df1<-16; df2<-24; df(14, df1, df2).

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare il valore atteso, la varianza, la deviazione standard. df1<-16; df2<-24; val_att<-df2/(df2-2);val_att;var<-2*df2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std df1<-. 16; df2<-24; val_att<-df2/(df2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std df1<-. 16; df2<-24; val_att<-df2/(df2-2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-var;dev_std. df1<-16; df2<-24; al_att<-df2/(df2-2);val_att;var<-2*df2^2*(df1+df2-2)/(df2-2)^2*df1*(df2-4);var;dev_std<-sqrt(var);dev_std.

Data una v.c. continua F di Fisher X con g.d.l.=16 al numeratore e g.d.l.=24 al denominatore quali linee di codice di R si utilizzano per calcolare la probabilità che x sia almeno pari a 2.1. df1<-16; df2<-24; 1-qf(2.1,df1,df2). df1<-16; df2<-24; 1-pf(2.1,df1,df2). df1<-16; df2<-24; pf(2.1,df1,df2). df1<-16; df2<-24; 1-df(2.1,df1,df2).

Quale è il dominio della v.c.continua F di Fisher X?. 0 ; +∞. 1 ; +∞. -∞ ; 0. -∞ ; +∞.

In una v.c. continua F di Fisher X e cosa stanno a significare g1 e g2?. g1 e g2 stanno a significare rispettivamente i gradi di libertà al numeratore e al denominatore. g1 e g2 stanno a significare rispettivamente i gradi di libertà al denominatore e al numeratore. g1 e g2 stanno a significare rispettivamente i gradi di libertà al primo e al secondo posto. g1 e g2 stanno a significare rispettivamente i gradi di libertà al primo e secondo livello.

Quale è il valore atteso della v.c. continua F di Fisher X con gradi di libertà al numeratore g1 =16 e al denominatore g2 =22?. 1,5. 1,9. 1,1. 0,9.

Quale è la notazione con cui si calcola la standardizzazione di una v.c. discreta Binomiale X in applicazione del teorema del limite centrale. z=(x-n)/√n*p(1-p). z=(x-n*p)/√n. z=(x-n*p)/√n*p(1-p). z=(x-p)/√n*p(1-p).

Con quale notazione si verifica la convergenza asintotica della v.c. discreta Binomiale alla v.c. continua Normale standardizzata Z secondo il teorema del limite centrale?. limn->∞Zn= limn->∞ [E(X)-np]/√(n*p(1-p)). limn->∞Zn= limn->∞ [E(X)-np]/√(n-p(1-p)). limn->∞Zn= limn->∞ [E(X)-p]/√(n+p(1-p)). limn->∞Zn= limn->∞ [E(X)-np]/√((1-p)).

Dati i valori: n=100; p=0,10; x=11 secondo il teorema del limite centrale la v.c. Binomiale sottostante a quale distribuzione converge e quale è il valore della z empirica?. per n->0 la successione delle 100 prove bernoulliane converge ad una Normale std con z(empirica) pari a 0,23. per n->∞ la successione delle 100 prove bernoulliane converge ad una Chi-quadrato con z(empirica) pari a 0,43. per n->∞ la successione delle 100 prove bernoulliane converge ad una Normale std con z(empirica) pari a 0,33. per n->∞ la successione delle 100 prove bernoulliane converge ad una Normale.

Date n v.c. i.i.d. che cosa stabilisce il teorema del limite centrale?. che convergono asimtoticamente ad una v.c. t di Student. che convergono asimtoticamente ad una v.c. F di Fisher. che convergono asimtoticamente ad una v.c. Chi-quadrato. che convergono asimtoticamente ad una v.c. Normale std.

Se si è estratto un campione n=6 quanti possono essere i campioni ordinati di numerosità 2 e quale è la relativa probabilità di estrazione?. Numero possibili campioni=> N!/(N+n)!=6!/(6+2)!=10 ; 1/10. Numero possibili campioni=> N!/(N-n)!=(6-2)!=20 ; 1/20. Numero possibili campioni=> N!/(N-n)!=6!/(6-2)!=30 ; 1/30. Numero possibili campioni=> N!/(N-n)!=6!/(6-2)!=8 ; 1/8.

Si è svolta una indagine campionaria su un campione di 30 prove bernoulliane i.i.d. con p=0,2. Tenuto conto che la proporzione della popolazione è pari a 5 quali linee di codice di R si utilizzano per calcolare la probabilità della z empirica. p<-0.2; n<-30; x<-5; z<-(x-n*p)/sqrt(((n*p)*(1-p))); z; pnorm(z). p<-0.2; n<-30; x<-5; z<-(x-p)/sqrt(((n*p)*(1-p))); z; pnorm(z). p<-0.2; n<-30; x<-5; z<-(x-p)/sqrt(((n*p)*(1-p))); z; pnorm(z). p<-0.2; n<-30; x<-5; z<-(n*p)/sqrt(((n*p)*(1-p))); z; pnorm(z).

Il Responsabile del Personale della ALPHA SpA vuole individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza 4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni non ordinati con ripetizione. x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)*(factorial(n)*factorial(N-n)); number3; sample(number3). x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)/(factorial(n)*factorial(N-n)); number3; sample(number3). x<-c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)-(factorial(n)*factorial(N-n)); number3; sample(number3) x<-. c(4,8,12,12,14,16);n<-2;N<-6; number3<-factorial(N)+(factorial(n)*factorial(N-n)); number3; sample(number3).

Il Responsabile del Personale della ALPHA SpA vuole individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza 4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni non ordinati e con ripetizione. x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+n*1)/(factorial(n)*factorial(N-1)); number2; sample(number2) x<-. c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(n-1)/(factorial(n)*factorial(N-1)); number2; sample(number2). x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+n-1)/(factorial(n)*factorial(N-1)); number2; sample(number2). x<-c(4,8,12,12,14,16);n<-2;N<-6; number2<-factorial(N+1)/(factorial(n)*factorial(N-1)); number2; sample(number2).

Il Responsabile del Personale della ALPHA SpA vuole individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza 4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni ordinati senza ripetizione. x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N-n); number1; sample(number1). x<-c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N+n); number1; sample(number1) x<-. c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N); number1; sample(number1) x<-. c(4,8,12,12,14,16);n<-2;N<-6; number1<-factorial(N)/factorial(N*n); number1; sample(number1).

Con quale linea di codice di R si calcola la v.c. z empirica per la media campionaria pari a 1.35 che si distribuisce secondo una v.c. continua Normale X con valore atteso 1.2 e varianza 0.81 ed n=144?. mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)*sqrt(n)/sigma;z. mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)*sqrt(n)+sigma;z. mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp-mu)/sqrt(n)/sigma;z. mu<-1.2;sigma<-sqrt(0.81);n<-144;media_camp<-1.35; Z<-(media_camp+mu)*sqrt(n)/sigma;z.

Quali sono le caratteristiche del piano di campionamento a grappoli?. è caratterizzato da uno schema di estrazione non a caso. è caratterizzato da uno schema di estrazione a caso con reinserimento. è caratterizzato da uno schema di estrazione a grappoli e non di un elemento. è caratterizzato da uno schema di estrazione a caso.

Quali sono le caratteristiche del piano di campionamento bernoulliano?. è caratterizzato da uno schema di estrazione a caso con reinserimento. è caratterizzato da uno schema di estrazione a caso con sollevazione. è caratterizzato da uno schema di estrazione a caso senza reinserimento. è caratterizzato da uno schema di estrazione a caso.

Quali sono le caratteristiche del piano di campionamento stratificato?. è caratterizzato da strati. è caratterizzato da strati il più possibile omogenei. è caratterizzato da strati il più possibile disomogenei. è caratterizzato da strati il più possibile diretti.

Quali sono le caratteristiche del piano di campionamento sistematico?. casuale semplice dove gli elementi vengono estratti mediante sollevazione. casuale semplice dove gli elementi non vengono estratti mediante sorteggio. casuale semplice dove gli elementi vengono estratti mediante sorteggio. complesso dove gli elementi vengono estratti mediante sorteggio.

Quali sono le caratteristiche del piano di campionamento a due o più stadi?. è complesso; la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione e nel secondo si estrae a sua volta un campione casuale secondo un ulteriore piano di campionamento e così via. è complesso; la popolazione viene suddivisa in stadi, nel secondo si estrae a sua volta un campione casuale secondo un ulteriore piano di campionamento e così via. è complesso; la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione. la popolazione viene suddivisa in stadi, nel primo vengono estratti a caso solo alcuni elementi del campione e nel secondo si estrae a sua volta un campione casuale secondo un ulteriore piano di campionamento e così via.

Dato il valore della varianza campionaria pari a 59 ed n=6 quale è il valore della varianza campionaria corretta?. 10,8. 11,8. 14,8. 13,8.

In un campionamento casuale semplice che cosa significa estrazione in blocco?. in una l'estrazione con reimmissione con probabilità diverse per ogni estrazione. in una l'estrazione con reimmissione con probabilità diverse per ogni estrazione. in una l'estrazione senza reimmissione con probabilità diverse per ogni estrazione. in una l'estrazione con reimmissione con probabilità uguali per ogni estrazione.

Il Responsabile del Personale della ALPHA SpA vuole individuare 2 unità da scegliere tra 6 impiegati (quadri) sulla base degli anni di esperienza 4,8,12,12,14,16 quali linee di codice di R si utilizzano per calcolare la numerosità campionaria pari a 2 estraendo campioni ordinati con ripetizione. x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N;number;sample(x,number,replace=TRUE). x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N^n;number;sample(x,number,replace=TRUE). x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N*n;number;sample(x,number,replace=TRUE). x<-c(4,8,12,12,14,16);n<-2;N<-6;number<-N^n;number;sample(number,replace=TRUE).

Come si configura la distribuzione della media campionaria?. Come l'insieme di tutte le medie riferite a tutti i campioni che si possono estrarre da una popolazione normale. Come l'insieme di tutte le medie riferite a un solo campione. Come l'insieme di tutte le medie riferite a tutti i campioni che non appartengono ad una popolazione normale. Come l'insieme di tutte le medie riferite a tutti i campioni che si possono estrarre da una popolazione normale e non.

Che cosa significa il termine Zcritica * σ/√(n) nella distribuzione della media campionaria per popolazioni infinite?. termine di errore del coefficiente di variazione campionario. termine di errore della varianza campionaria. termine di errore della media campionaria. termine di errore della deviazione standard campionaria.

Con quale notazione si esprime la v.c.continua Normale standardizzata X associata al valore atteso campionario?. Zn=[E(X)-μ]* √n/σ. Zn=[E(X)-μ]* √n. Zn=[E(X)-μ]* σ. Zn=[E(X)+μ]* √n/σ.

Come si configura la distribuzione della proporzione campionaria?. come l'insieme di tutte le proporzioni riferite a un solo campione che si possono estrarre da una popolazione normale e non. come l'insieme di tutte le proporzioni riferite a tutti i campioni che non si possono estrarre da una popolazione normale e non. come l'insieme di tutte le proporzioni riferite a tutti i campioni che si possono estrarre da una popolazione normale e non. come una sola proporzione riferita a tutti i campioni che si possono estrarre da una popolazione normale e non.

Data una v.c. Binomiale con p= 0,8, n=144 e una proporzione campionaria p(stim)=0.83 con quali script di R si calcola la z empirica?. n<-144; p<-0.81; p_camp <-0.83; z<-(p_camp-p)/sqrt(n*p_camp *(1+p)/n);z. n<-144; p<-0.81; p_camp <-0.83; z<-( p_camp +p)/sqrt(n*p_camp *(1-p)/n);z. n<-144; p<-0.81; p_camp <-0.83; z<-( p_camp -p)/sqrt(n*p_camp *(1-p)/n);z. n<-144; p<-0.81; p_camp <-0.83; z<-( p_camp -p)*sqrt(n*p_camp *(1-p)/n);z.

Quale è la notazione con cui si esprime la v.c. che modellizza la varianza campionaria?. X2=(n-1)*S/σ2. X2=(n+1)*S2/σ2. X2=(n-1)*S2/σ2. X2=(n-1)*S2/σ.

Come si distribuisce la varianza campionaria?. Secondo una F di Fisher con (n-1) gradi di libertà. Secondo una Normale. Secondo una t di Student con (n-1) gradi di libertà. Secondo una Chi-quadrato con (n-1) gradi di libertà.

In una distribuzione campionaria della differenza fra due medie qual'è la notazione che esprime la statistica test Z per piccoli campioni o per varianza ignota?. t=(X1)*√(n1-n2)/s. t=(X2)*√(n1-n2)/μ. t=(X1-X2)*√(n1-n2). t=(X2-X1)*√(n2+n1)/s.

In una distribuzione campionaria della differenza fra due proporzioni qual'è la notazione che esprime la statistica test Z?. Z=(p1-p2)*(p1-p2)/(p1/n1+p2/n2). Z=(p1-p2)/√p1(1-p1)/n1+(1-p2)/n2. Z=(p1-p2)*√p1(1-p1)/n1+p2(1-p2)/n2. Z=(p1-p2)*√(1-p1)/n1+p2(1-p2)/n2.

In una distribuzione campionaria della differenza fra due medie qual'è la notazione che esprime la statistica test Z?. Z=(X2)*√(n1-n2)/μ. Z=(X2-X1)*√(n2+n1)/σ. Z=(X1)*√(n1 -n2)/σ. Z=(X1-X2)*√(n1 -n2).

Che cosa rappresenta la notazione (1-alfa)?. livello di attività. livello di confidenza. livello di significatività. livello di controllo.

Quando uno stimatore si dice corretto o non distorto?. quando il suo valore atteso è pari a μ per tutti i possibili valori di μ stesso. quando la sua varianza è pari a μ per tutti i possibili valori di μ stesso. quando il suo coefficiente di variazione è pari a μ per tutti i possibili valori di μ stesso. quando la sua deviazione std è pari a μ per tutti i possibili valori di μ stesso.

Dati due stimatori T1 e T2 quali dei due si dice più efficiente?. quello dei due che ha la varianza uguale. quello dei due che ha la varianza maggiore. quello dei due che ha la varianza minore. quello dei due che ha la media minore.

Che cosa si intende per stima puntuale?. la stima di un intervallo di valori. la stima di un solo valore. la stima di una posizione. la stima di più valori.

La stima puntuale della varianza si trova attraverso l’individuazione: della media della popolazione quando essa è uno stimatore corretto. della mediana della popolazione quando essa è uno stimatore corretto. di un singolo valore della varianza della popolazione quando essa è uno stimatore corretto o non distorto. della deviazione standard della popolazione quando essa è uno stimatore corretto.

Che cosa rappresenta la notazione alfa?. livello di controllo. livello di attività. livello di significatività. livello di confidenza.

Come si calcola il valore del termine di errore a per la media della popolazione con varianza nota?. a=zα/2 *σ/n. a=zα/2 *σ/√n. a=zα *mediana/√n.

Quali sono le proprietà degli stimatori?. correttezza o non distorsione, efficienza. correttezza o non distorsione, efficienza, consistenza. efficienza, consistenza. correttezza o non distorsione, consistenza.

Data la varianza del peso del tondino pari a 36 grammi. Si estrae un campione di 397 tondini con un peso medio pari a 987 grammi quali sono le linee di codice di R si utilizzano per calcolare l'intervallo di condenza per il peso medio μ incognito ad un livello di signicatività pari a 0,01?. var<-36; mx_camp <-987; n <-397; l.inf <- mx_camp - qnorm(0.995) * sqrt(var/n);l.inf l.sup <- mx_camp + qnorm(0.995) * sqrt(var/n);l.sup. var<-36; mx_camp <-987; n <-397; l.inf <- qnorm(0.995) * sqrt(var/n);l.inf l.sup <- mx_camp + qnorm(0.995) * sqrt(var/n);l.sup. var<-36; mx_camp <-987; n <-397; l.inf <- mx_camp + qnorm(0.995) * sqrt(var/n);l.inf l.sup <- mx_camp + qnorm(0.995) * sqrt(var/n);l.sup. var<-36; mx_camp <-987; n <-397; l.inf <- mx_camp (0.995) * sqrt(var/n); l.inf l.sup <- mx_camp + qnorm(0.995) * sqrt(var/n);l.sup.

Data la varianza del peso del tondino pari a 36 grammi. Si estrae un campione di 397 tondini con un peso medio pari a 987 grammi quali sono le linee di codice di R si utilizzano per calcolare l’ampiezza del livello di confidenza ad un livello di significatività pari a 0,01?. var<-36; mx_camp <-987; n <-397; amp_inter<-2 (0.995) * sqrt(var/n);amp_inter. var<-36; mx_camp <-987; n <-397; amp_inter<-2*qnorm(0.995) + sqrt(var/n);amp_inter. var<-36; mx_camp <-987; n <-397; amp_inter<-qnorm(0.995) * sqrt(var/n);amp_inter. var<-36; mx_camp <-987; n <-397; amp_inter<-2*qnorm(0.995) * sqrt(var/n);amp_inter.

Data la varianza del peso del tondino pari a 36 grammi. Si estrae un campione di 397 tondini con un peso medio pari a 987 grammi quali sono le linee di codice di R si utilizzano per calcolare la numerosità campionaria per un valore massimo del termine di errore pari a 1,5?. var<-36; mx_camp <-987; n <-397; num_camp <- round((0.995)^2*6^2)/(1.5^2));num_camp. var<-36; mx_camp <-987; n <-397; num_camp <- round((qnorm(0.995)*6^2)/(1.5^2));num_camp. var<-36; mx_camp <-987; n <-397; num_camp <- round((qnorm(0.995)^2*6^2)/(1.5^2));num_camp. var<-36; mx_camp <-987; n <-397; num_camp <- round((qnorm(0.995)^2)/(1.5^2));num_camp.

Quando lo stimatore proporzione campionaria si dice corretto o non distorto?. se il suo valore atteso converge con quello della popolazione di riferimento. se la sua varianza converge con quella della popolazione di riferimento. se la sua devianza converge con quella della popolazione di riferimento. se il suo valore atteso non converge con quello della popolazione di riferimento.

Che cosa si intende per stimatore della proporzione di una popolazione?. una v.c. che assume due valori (stima). una v.c. che assume quattro valori (stima). una v.c. che assume tre valori (stima). una v.c. che stimi la proporzione della popolazione.

Quale è lo stimatore puntuale corretto della proporzione della popolazione?. la media campionaria. la mediana campionaria. la proporzione campionaria. la moda campionaria.

Quando lo stimatore della proporzione della popolazione si dice efficiente?. quando ha la più alta varianza. quando ha la più bassa varianza. quando ha la più bassa moda. quando ha la più bassa media.

Come si esprime la consistenza asintotica dello stimatore della proporzione della popolazione?. quando il limite della varianza della proporzione campionaria è uguale a 0. quando la varianza della proporzione campionaria è uguale a 0. quando il limite per n che tende ad infinito della varianza della proporzione campionaria è uguale a 0. quando il limite per n che tende ad infinito è uguale a 0.

Dato un valore della varianza pari a 1,88 ed un valore della sommatoria di (x-xmedia)2 pari a 147 quale è il valore della numerosità campionaria?. n=78 (arrotondato). n=66 (arrotondato). n=56 (arrotondato). n=76 (arrotondato).

Quando lo stimatore della varianza della popolazione si dice corretto?. se il suo valore atteso coincide con la mediana della popolazione. se il suo valore atteso coincide con la moda della popolazione. se il suo valore atteso coincide con la media della popolazione. se il suo valore atteso coincide con la varianza della popolazione.

Quando la varianza campionaria è uno stimatore consistente di quello della popolazione?. quando all’aumentare della dimensione del campione lo stimatore si allontana sempre più al valore del parametro di interesse da stimare e cioè alla varianza della popolazione σ2. quando all’aumentare della dimensione del campione lo stimatore si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della popolazione σ2. quando all’aumentare della dimensione del campione lo stimatore non si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della popolazione σ2. quando al diminuire della dimensione del campione lo stimatore si avvicina sempre più al valore del parametro di interesse da stimare e cioè alla varianza della popolazione σ2.

Quando lo stimatore della varianza della popolazione si dice efficiente?. quando ha la moda più bassa. quando ha la media più bassa. quando ha la varianza più bassa. quando ha la varianza più alta.

Come si "legge" la notazione IC(1,22; 1,82)?. l'intervallo di significatività con valore inferiore 1,22 e superiore 1,82. l'intervallo di controllo con valore inferiore 1,22 e superiore 1,82. l'intervallo di confidenza con valore inferiore 1,22 e superiore 1,82. l'intervallo di confidenza con valore superiore 1,22 e inferiore 1,82.

Qual sono le notazioni che esprimono gli estremi dello stimatore intervallare per la media con varianza σ2 ignota?. media camp- zα/2*s √n; media camp+ zα/2* s/√n. media camp- zα/2*s √n; media camp+ zα/2* s. media camp-zα/2* σ; media camp+ zα/2* s/√n. media camp- zα/2* σ/√n; media camp+ zα/2* σ/√n.

Quali sono le notazioni che esprimono gli estremi dello stimatore intervallare per la media con varianza σ2 nota?. media camp- zα/2* σ/√n; media camp+ zα/2* σ/√n. media camp- σ/√n; media camp+ σ/√n. media camp- zα/2* √n; media camp+ zα/2* σ/√n. media camp-zα/2* σ; media camp+ zα/2* σ/√n.

Che cosa si intende per stimatore intervallare di una popolazione?. una v.c. che assume tre valori (stima). una v.c. che assume un intervallo di valori (stima) ricompresi fra un estremo inferiore e un estremo superiore. una v.c. che assume un solo valore (stima). una v.c. che assume quattro valori (stima).

Che cosa s’intende per livello di confidenza?. il complemento a tre del livello di significatività. il complemento a due del livello di significatività. il complemento ad uno del livello di significatività. il complemento a quattro del livello di significatività.

Che cosa s’intende per livello di significatività?. il valore di probabilità che il ricercatore sceglie normalmente basso. il valore di probabilità che il ricercatore sceglie a priori normalmente molto basso. il valore di probabilità che il ricercatore sceglie a posteriori normalmente basso. il valore di probabilità che il ricercatore sceglie a priori normalmente alto.

Come si interpreta l'IC (12; 21) con alfa pari al 5% per la media della popolazione?. che nel 95% dei campioni estratti la media della popolazione non è contenuta nell'intervallo considerato. che nel 95% dei campioni estratti la varianza della popolazione non è contenuta nell'intervallo considerato. che nel 95% dei campioni estratti la media della popolazione è contenuta nell'intervallo considerato. che nel 10% dei campioni estratti la media della popolazione non è contenuta nell'intervallo considerato.

Quali sono gli estremi dello stimatore intervallare per la media della popolazione con varianza ignota?. media campionaria +/- tα/2 * S/√n. varianza campionaria +/- tα/2 S/√n. deviazione std campionaria +/- t Z/√n. mediana campionaria +/- t * S/√n.

Quale valore può assumere la zcritica per un livello di significatività α=0,05?. ±1,96. ±2,576. ±1,645. ±2,05.

Quali sono gli estremi dello stimatore intervallare per la media con varianza nota?. X(media camp.)± z1-α/2*σ. X(media camp.)± z1-α/2*√n. X(media camp.)± σ/√n. X(media camp.)± z1-α/2*σ/√n.