Statistica parte 2 di 3

Cosa sono le disposizioni semplici?. Nessuna delle precedenti risposte. Si chiama disposizione, una sequenza ordinata di k oggetti estratti da una collezione di n oggetti non distinti . Si chiama disposizione semplice, una sequenza ordinata di k oggetti distinti estratti da una collezione di n oggetti distinti (per cui k n è minore o uguale ad n ) con la non–ripetibilità degli elementi all’interno della sequenza. Si chiama disposizione, una sequenza non ordinata di k oggetti.

Dato l’insieme :(1,2,3,4,5)Quanti numeri di 2 cifre distinte si possono formare?. D_(9,2)=9x8=72. D_(5,3) =5x4x3=60. Nessuna delle precedenti risposte. D_(5,2)=5x4=20.

Quanti numeri diversi ,di due cifre possono formarsi con le cifre 4 e 7?. D_(4,2)=4^2=16. 0. D_(5,2)=5^2=25. D_(2,2)=2^2=4.

Quante colonne occorrerebbe giocare al totocalcio per essere certi di fare 13?. D_(2,13)=3^13=1594. D_(3,13)=3^13=1.594.323. D_(3,13)=3^13=1.63. D_(3,13)=3^13=19.

Dato l’insieme :(1,2,3,4,5)Quanti numeri di 3 cifre non necessariamente diverse si possono formare?. D_(2,2)=2^2=4. D_(2,3)=2^3=8. D_(5,3)=5^3=125. D_(5,2)=5^2=25.

Quante possibili segnalazioni si possono fare allineando 11 bandiere,di cui 4 rosse,3 verdi,2 bianche e 2 nere?. 0. P=69300. 360. 64.

Quante permutazioni con ripetizione si possono formare con le lettere c c q?. 39. 34. 12. 3.

Cosa è un anagramma?. Nessuna delle precedenti risposte. Sostituzione di una parola, o di una frase, con un’altra parola, o frase, nella quale le lettere che compongono la prima sono le stesse ma in posizione scambiata. Sostituzione di una parola, o di una frase, con un’altra parola, o frase, nella quale le lettere che compongono la prima sono diverse, ma in posizione uguale. Somma di una parola, o di una frase, con un’altra parola, o frase.

Sette persone fanno una gara di corsa .Quanti sono i possibili ordini di arrivo?. P7=7!=7per 7=49. P3=3!= 3 per 2 per 1=6. P7=7!=7per 6per 5per 4 per 3 per 2 per 1=5040. P4=4!=4 per 3 per 2 per 1=24.

Quanti anagrammi (anche senza significato) posso fare con le lettere della parola rame?. P4 = 4!=4·3· = 12. P4 = 4!=4·3·2·1 = 24. P5 = 5!=5x4x3x2 = 120. P4 = 4!=+·3·+2+1 = 10.

Cosa sono le permutazioni?. Le permutazioni di n elementi distinti sono tutti i possibili raggruppamenti contenenti la totalità degli n elementi dati ,in cui conta solo l’ordine con cui si dispongono. Le permutazioni di n oggetti distinti sono tutti i possibili raggruppamenti contenenti un piccolo numero di oggetti. Le permutazioni di n oggetti distinti sono tutti i possibili raggruppamenti contenenti un grande numero di oggetti. nessuna delle precedenti risposte.

Avendo a disposizione 7 liquori, quanti cocktails si possono preparare,mescolando in parti uguali tre di essi?. 0. 1.4. 2.33. 35.

Cosa è una combinazione con ripetizione di n elementi presi a k a k ?. È un qualunque sottoinsieme di k elementi di un dato insieme di n elementi, tutti distinti tra loro,in cui l’ordine degli oggetti non conta ed in cui ogni elemento può figurare piu’ volte in un raggruppamento. Nessuna delle precedenti risposte. È un qualunque sottoinsieme di k elementi di un dato insieme di n elementi non distinti tra loro, in cui ogni elemento può figurare piu’ volte in un raggruppamento. È un qualunque sottoinsieme di k elementi di un dato insieme di n elementi , tutti distinti tra loro, in cui l’ordine degli oggetti conta ed in cui ogni elemento non può figurare piu’ volte in un raggruppamento.

In un gioco di carte, quante combinazioni di 4 carte possiamo formare da un mazzo di 52 carte, senza ripetizione?. 279. 0. 48. 270725.

Cosa è una combinazione semplice di n elementi presi a k a k,?. È un qualunque sottoinsieme di k elementi in cui l’ordine degli oggetti non conta . È un qualunque sottoinsieme di k elementi di un dato insieme di n elementi ,tutti distinti tra loro,in cui l’ordine degli oggetti non conta ed in cui ogni elemento non può figurare piu’ volte in un raggruppamento. Nessuna delle precedenti risposte. È un qualunque sottoinsieme di k elementi di un dato insieme di n elementi in cui ogni oggetto può figurare al massimo 4 volte in un raggruppamento.

Nel gioco del Poker vengono distribuite a ciascun giocatore 5 carte su 32. In quanti modi diversi si possono ricevere le carte ?. C=32. C=201376. C=0. C=5.

La probabilità che il tempo di un volo sia compreso tra 120 e 130 minuti ,con un ritardo di 12 minuti,che tipo di distribuzione è?. Qualitativa . Nessuna delle precedenti risposte. Continua. Discreta.

Sia X la variabile: intervallo di tempo passato su facebook invece che a studiare.Che tipo tipo di variabile o mutabile è?. Mutabile ordinale. Quantitativa continua. Quantitativa discreta. Mutabile qualitativa.

Consideriamo l’esperimento del lancio di due monete, con spazio campionario S Testa e C Croce = {(T, T), (T, C), (C, T), (C, C)} e definiamo la variabile aleatoria X = "numero di teste T".Che tipo di distribuzione è?. Nessuna delle precedenti risoste. Discreta. È una distribuzione di dati qualitativa. Continua.

La classificazione dell’altezza espressa in centimetri, di un gruppo di persone, che tipo di distribuzione è?. Una distribuzione di probabilità pari a 0. Una distribuzione di probabilità continua. Una distribuzione di probabilità pari ad 2. Una distribuzione di probabilità discreta.

Si consideri il lancio di due dadi a 6 facce numerate: 1, 2, 3, 4,5,6. Che tipo di distribuzione è?. Una distribuzione di probabilità continua. Una distribuzione di probabilità pari ad 2. Una distribuzione di probabilità pari a 0. Una distribuzione di probabilità discreta.

Cosa sono le variabili aleatorie ?. Sono variabili che assumono dei valori casuali uguali ,determinati dall’esito di un esperimento. Sono variabili che assumono dei valori sempre uguali ad 1,determinati dall’esito di prove definite. Sono variabili che assumono dei valori casuali diversi,determinati dall’esito di un esperimento casuale e generalmente vengono indicate con X. Nessuna delle precedenti risposte.

Qual è la differenza tra la distribuzione di probabilità e la funzione di densità di probabilità?. Le funzioni di distribuzione di probabilità sono definite per le variabili casuali continue mentre le funzioni di densità di probabilità sono definite per le variabili casuali discrete. Le funzioni di distribuzione di probabilità sono definite per le variabili casuali discrete mentre le funzioni di densità di probabilità sono definite per le variabili casuali continue. Non ci sono differenze tra le funzioni di distribuzione di probabilità e le funzioni di densità di probabilità. Nessuna delle precedenti risposte.

Consideriamo il lancio di due monete. Sia X la variabile casuale che indica il numero di volte in cui è uscita testa. Lo spazio campione è: Ω = {TT, TC, CT, CC}.Qual è la distribuzione di probabilità,se X=1?. 1/4. 1/2. 1/8. 1.

In quali insiemi di numeri e che valori puo’ assumere la funzione di ripartizione?. È definita nell’insieme dei numeri complessi ed assume valori compresi tra 0 ed 1. È definita nell’insieme dei numeri razionali ed assume valori compresi tra 0 ed 1. È definita nell’insieme dei numeri reali ed assume valori compresi tra 0 ed 19. È definita nell’insieme dei numeri naturali ed assume valori compresi tra 0 ed 20.

Cosa è una distribuzione di probabilità discreta X ?. È una distribuzione in cui a ciascun valore assunto dalla Variabile Casuale X si fa corrispondere la probabilità dell’evento a cui il valore non è associato. Nessuna delle precedenti risposte. È una distribuzione in cui a ciascun valore assunto dalla Variabile Casuale X si fa corrispondere un valore qualsiasi. È una distribuzione in cui a ciascun valore assunto dalla variabile Casuale X si fa corrispondere la probabilità dell’evento a cui il valore è associato; pi è la probabilità che la variabile X assuma il valore xi.

Come si può definire la funzione di ripartizione ?. Nessuna delle precedenti risposte. La funzione di ripartizione F(X) di una variabile casuale x, fornisce la probabilita’ che x assuma un valore uguale ad un valore prefissato x. La funzione di ripartizione F(X) di una variabile casuale x, fornisce la probabilita’ che x assuma un valore non superiore ad un valore prefissato x. La funzione di ripartizione F(X) di una variabile casuale x, fornisce la probabilita’ che x assuma un valore superiore ad un valore prefissato x.

Qual è il valore medio della seguente variabile casuale? x 1 2 7 1/4 1/2 1/4. 8. 9. 3. 10.

Cosa è il valore medio o speranza matematica di una variabile casuale X?. Il valore atteso E(x) rappresenta la deviazione standard della variabile casuale X. il valore medio E(x) rappresenta il valore che in media ci si aspetta di ottenere in una ripetizione di prove dai cui esiti dipendono i valori di X. Il valore atteso E(x) rappresenta le frequenze della variabile casuale X. Il valore atteso E(x) rappresenta la varianza della variabile casuale X.

Cosa è la varianza di una distribuzione di probabilità?. La varianza di una distribuzione di probabilità è il prodotto di medie. La varianza di una distribuzione di probabilità è una somma di medie. La varianza di una distribuzione di probabilità è una misura della dispersione dei valori della variabile aleatoria x attorno al valore medio,con probabilita’ fx1,fx2,…f xn. La varianza di una distribuzione di probabilità è la radice quadrata dello scarto quadratico medio.

Un giocatore vince 5000 euro se ,lanciando un dado, realizza come punteggio un numero pari. Quale è la sua speranza matematica?. 10000 euro. 2500. 1000 euro. 11 euro.

La distribuzione di probabilità della variabile casuale X=punteggio ottenuto lanciando un dado a cosa corrisponde?. Corrisponde alla distribuzione di una media. Nessuna delle precedenti risposte. Corrisponde ad una distribuzione uniforme continua. Corrisponde ad una distribuzione uniforme discreta.

Che tipo di distribuzione rappresenta il lancio di una moneta?. È una distribuzione continua uniforme. È una distribuzione discreta qualsiasi. È una distribuzione discreta uniforme perché la probabilità di ottenere testa o croce in un lancio di moneta è la stessa. È una una distribuzione continua qualsiasi.

Quando si utilizza la distribuzione di probabilità uniforme?. La distribuzione uniforme di probabilità si utilizza per studiare fenomeni i cui esiti hanno tutti la stessa probabilità di verificarsi. La distribuzione uniforme di probabilità si utilizza per studiare fenomeni i cui esiti hanno tutti una probabilità pari a 0 di verificarsi. Nessuna delle precedenti risposte. La distribuzione uniforme di probabilità si utilizza per studiare fenomeni i cui esiti hanno tutti una sola probabilità di verificarsi.

In quale intervallo è definita una variabile casuale continua uniforme?. Nessuna delle precedenti risposte. Una a variabile casuale continua uniforme X è definita su un intervallo chiuso [a, b] e la sua probabilità è uniforme in [a, b]. Una a variabile casuale continua uniforme X è definita su un intervallo aperto. Una a variabile casuale continua uniforme X è definita su un intervallo tendente all’infinito.

Cosa è una variabile casuale uniforme discreta?. Una variabile è uniforme discreta se assume valori decimali compresi in un certo intervallo. Una variabile è uniforme discreta se assume valori interi compresi in un certo intervallo, ciascuno con probabilità diversa . Una variabile è uniforme discreta se assume valori interi compresi in un certo intervallo ,ciascuno con la stessa probabilità. Una variabile è uniforme discreta se assume valori interi compresi in un certo intervallo.

Che tipo di variabile è la poissoniana ?. La distribuzione di Poisson è una distribuzione di probabili-tà continua di un determinato numero di eventi frequenti. Nessuna delle precedenti risposte. La distribuzione di Poisson è una distribuzione di probabilità discreta di un determinato numero di eventi rari indipendenti che si verificano in un intervallo fisso di tempo o spazio. La distribuzione di Poisson è una distribuzione di probabili-tà discreta di un numero indefinito di eventi dipendenti.

Che tipo di variabile è la bernoulliana?. La bernoulliana è una variabile casuale discreta che descri-ve il verificarsi o meno di un evento, con probabilità di successo p e probabilita’ di insuccesso 1-p=q. La variabile di Bernoulli è una variabile casuale discreta che descrive il verificarsi o meno di tre eventi . La variabile di Bernoulli è una variabile casuale continua che descrive il verificarsi o meno di un evento. La variabile di Bernoulli è una variabile casuale che descri-ve il verificarsi o meno di due eventi.

Consideriamo la variabile aleatoria discreta X avente la seguente distribuzione di probabilità xi Pi 1 0,2 2 0,8 Totale 1 Quali sono il valore atteso e la varianza?. Valore atteso =8,8; varianza=〖(44,4)〗^2. Valore atteso =1,8; varianza=〖(0,4)〗^2. Nessuna delle precedenti risposte. Valore atteso =0; varianza=0.

L’ammontare di 24 goal l’anno segnati da un giocatore in 20 partite, con quale distribuzione puo’ essere descritta?. Con una distribuzione discreta. Con una distribuzione continua. Con una distribuzione di Poisson. Con un indice di connessione.

Quale distribuzione puo’ essere utilizzata,per calcolare il numero di telefonate che giungono a un centralino in un periodo senza affollamento?. La distribuzione di Poisson. La distribuzione continua. La distribuzione binomiale. Nessuna delle precedenti risposte.

Qual è la probabilita’ che in 5 lanci di un dado non truccato il 3 si presenti mai?. 88. 0.96. 0.4019. 95.

Se il 20% dei bulloni prodotti da una certa macchina e’ difettoso, quale è la probabilita’ che, su 4 bulloni scelti a caso, uno sia difettoso?. 0.69. 0.12. 0.4096. 0.99.

Cosa è la distribuzione binomiale negativa?. La distribuzione binomiale negativa è una distribuzione di probabilità discreta che descrive il numero di prove necessarie per ottenere un certo numero di successi in una serie di prove indipendenti. La distribuzione binomiale negativa è una distribuzione di probabilità continua. Nessuna delle precedenti risposte. La distribuzione binomiale negativa è la distribuzione del numero di insuccessi prima di r successi.

Da un mazzo di 52 carte (13 di picche, 13 di cuori, 13 difiori e 13 di quadri) ne vengono estratte cinque con reinserimento. Si è interessati alla variabile casuale X che descrive il numero di carte di cuori ottenute nelle estrazioni. Che valori hanno il valore atteso e la varianza della variabile X?. Valore atteso 0,98 e varianza 0,30. Valore atteso 10 e varianza 100,78. Valore atteso:1,25 e varianza 0.9375. Valore atteso 0,20 e varianza 0,10.

Quale tra questi esempi ,rappresenta una binomiale ?. N interviste con risposte (SI/NO). Numero di carte di cuori ,diviso il numero totale di un mazzo di carte francesi. N interviste con 4 risposte diverse. Nessuna delle precedenti risposte.

Quali sono le caratteristiche della distribuzione binomiale?. C’è un numero variabile di tentativi (n).Ogni tentativo ha tre possibilità. C’è un numero variabile di tentativi (n).Il risultato di un tentativo influenza gli altri. C’è un numero fisso di tentativi (n).Ogni tentativo hadue possibilità: successo o fallimento. La probabilità di successo (p) è la stessa per ogni tentativo. Il risultato di un tentativo non influenza nessun altro (i tentativi sono indipendenti). nessuna delle precedenti risposte.

In una zona priva di strutture fognarie il rischio di infezione da colera ´e di 2 casi su 1000 persone.Qual è la probabilità che in un campione casuale di 300 persone vi siano: a) esattamente 2 casi di colera? λ = 0, 002. 6. 0.09878. 0. 5.8.

Una macchina produce pezzi difettosi con una probabilità p 00,06.Qual è la probabilità che su 500 pezzi nessuno risulti difettoso?. 4. 0. 0.04979. 1.

Quali sono le differenze tra la distribuzione di Poisson e quella binomiale?. La distribuzione binomiale viene utilizzata quando il numero di prove è finito ed il numero di successi non può superare n, mentre la distribuzione di Poisson viene utilizzata quando il numero di prove è essenzialmente infinito e la probabilità è molto piccola. La distribuzione binomiale viene utilizzata quando il numero di prove è pari a 5 ,mentre la distribuzione di Poisson viene utilizzata quando è la probabilità è molto grande. Non ci sono differenze. La distribuzione binomiale viene utilizzata quando il numero di prove è infinito ,mentre la distribuzione di Poisson viene utilizzata quando è la probabilità è molto piccola.

La distribuzione di Poisson tiene conto della storia degli eventi passati?. Qualche volta. Si. La distribuzione di Poisson considera solo 5 eventi passati. No.

Cosa è la distribuzione di Poisson?. È una distribuzione di probabilità continua . Nessuna delle precedenti risposte. È una distribuzione di probabilità discrete in cui ilnumero di prove n è piccolo e la probabilità di successo p è grande. È una distribuzione di probabilità discreta in cui il numero di prove n è grande e la probabilità di successo è piccola, ossia si tratta di un evento raro le realizzazioni degli eventi sono indipendenti.

Un dato centralino (A) riceve, in media, 4 chiamate ogni ora. Un altro centralino (B) riceve , in media, 3 chiamate ogni ora. I due centralini sono tra di loro indipendenti. Qual è la probabilità che, in un’ora, il centralino A riceva nessuna chiamata?. 8. 0.0183. 0. 12.

Come si può definire la funzione di densità ?. Si definisce funzione di densità , la funzione matematica f(x) uguale ad una porzione di area sottesa ad una funzione. Si definisce funzione di densità la funzione matematica f(x) per cui l’area sottesa alla funzione, corrispondente ad un certo intervallo, è uguale alla probabilità che X assuma un valore a quell’intervallo. Si definisce funzione di densità , la funzione matematica f(x) uguale alla probabilità che X assuma un valore discreto. Nessuna delle precedenti risposte.

Per rappresentare il prezzo in un istante futuro di un titolo finanziario, che tipo di distribuzione si può utilizzare?. Una distribuzione continua. Nessuna delle precedenti risposte. Una distribuzione di Poisson. Una distribuzione binomiale.

Come si puo’ definire un carattere statistico con una distribuzione continua?. Si dice che un carattere statistico ha una distribuzione continua se, comunque si prendano due valori all’interno dell’intervallo in cui il carattere è osservato, tutti i valori intermedi possono essere assunti come modalità del carattere stesso. Si dice che un carattere statistico ha una distribuzione continua se, non tutti i valori intermedi possono essere assunti come modalità del carattere stesso. Nessuna delle precedenti risposte. Si dice che un carattere statistico ha una distribuzione continua se nessuno dei valori intermedi può essere assunto come modalità del carattere stesso.

Che tipo di distribuzione è: La popolazione italiana è alta mediamente 170 cm con uno scarto medio di 5 cm. ?. Una mutabile. Una distribuzione uniforme. una distribuzione discreta. Una distribuzione continua.

Che valori assume la funzione di ripartizione di una variabile casuale continua?. Assume valori compresi fra zero ed uno. Assume valori compresi fra zero e piu’ infinito. Assume valore uguale a 6. Assume valori compresi fra meno infiniito ed uno.

Per rapprentare la temperatura media a in un giorno di aprile è una variabile aleatoria di media 13.5 gradi, che tipo di distribuzione si può utilizzare?. Una distribuzione continua. Una distribuzione binomiale. Una distribuzione di Poisson. Nessuna delle precedenti risposte.

Secondo i dati Istat ,la media del Prodotto interno Lordo pro capite ,è risultata pari a 27353 euro ,con una curtosi pari a -1,05.Che significa?. vuol dire che la forma è normale ;in tal caso la deviazione standard dalla media è maggiore ed il Pil procapite è omogeneo tra le regioni. nessuna delle precedenti risposte. Vuol dire che la forma è platicurtica ;in tal caso la deviazione standard dalla media è maggiore ed il Pil procapite non è omogeneo tra le regioni. vuol dire che la forma è asimmetrica positiva ;in tal caso la deviazione standard dalla media è maggiore ed il Pil procapite è omogeneo tra le regioni.

Se in una distribuzione l’indice di Asimmetria di Pearson è pari a -3, che forma assume la distribuzione?. La distribuzione è negativamente asimmetrica e la media è minore della mediana. La distribuzione è positivamente asimmetrica. Nessuna delle precedenti risposte. La distribuzione è simmetrica.

A cosa serve studiare l’asimmetria?. Serve a sapere se i dati osservati assumono valori inferiori (o superiori) a quello medio o si distribuiscono approssimativamente in maniera simmetrica attorno alla misura di tendenza centrale. Serve a sapere se i dati osservati assumono valori uguali alla deviazione standard. Nessuna delle precedenti risposte. Serve a sapere se i dati osservati assumono valori maggiori della deviazione standard.

È vero che se l’indice di curtosi di Pearson è uguale a 3,la distribuzione è Leptocurtica?. No è platicurtica. No, è mesocurtica ,cioè normale. Non si può stabilire. Si,e’ Vero.

Su cosa si concentra la curtosi?. La curtosi si concentra sul coefficiente di variazione una distribuzione . La curtosi si concentra sulle frequenze di una distribuzione . La curtosi si concentra sul picco o piattezza di una distribuzione. La curtosi si concentra su una distribuzione uniform.

A cosa corrisponde il punto più alto della curva a campana?. Corrisponde al primo quartile. Corrisponde alla deviazione standard. Corrisponde alla media. Corrisponde al terzo quartile.

Se tra 1000 persone adulte si osserva un peso medio di 83 Kg con uno scarto quadratico medio di 10 Kilogrammi, ed il 68,27% dei dati è compreso fra la media piu’ o meno la deviazione standard ,qual è l’intervallo corretto?. Il peso è compreso fra 63 e 73 Kilogrammi. Ll peso è compreso fra 60 e 70 Kilogrammi. Il peso è compreso fra 73 e 93 Kilogrammi. Il peso è compreso fra 83 e 103 Kilogrammi.

Se le lampadine prodotte da una ditta hanno una durata media di 900 ore con uno scarto quadratico medio di 30 ore, qual è la durata del 68,27% delle lampadine ?. Il 68,27% delle lampadine avrà una durata compresa fra 870 ore e 930 ore. Il 68,27% delle lampadine avrà una durata compresa fra 770 ore e 800 ore. Il 68,27% delle lampadine avrà una durata compresa fra 810 ore e 840 ore. Il 68,27% delle lampadine avrà una durata compresa fra 870 ore e 970.

Supponiamo di considerare l'altezza degli italiani maschi ed campione rappresentativo di 1.000 soggetti, con una media di 174 centimetri. Se la "deviazione standard" è di 10 centimetri, qual è l’intervallo corrispondente al 95,45 per cento dei dati?. Circa il 95,45% dei soggetti analizzati sarebbe compreso fra 154 e 174 centimetri. Sarebbe compreso fra 184 e 194 centimetri. Circa il 95,45% dei soggetti analizzati sarebbe compreso fra 164 e 194 centimetri. Circa il 95,45% dei soggetti analizzati sarebbe compreso fra 154 e 194 centimetri.

Cosa rappresenta la deviazione standard denominata sigma nella gaussiana?. ll parametro sigma rappresenta la simmetria della distribuzione. ll parametro sigma rappresenta la distanza tra l'asse di simmetria e i punti di flesso della distribuzione. ll parametro sigma rappresenta il prodotto della distribuzione. ll parametro sigma rappresenta la distanza dei punti di flesso della distribuzione.

Dove si trova il valore medio nella distribuzione gaussiana?. Nessuna delle precedenti risposte. Il valore medio si trova esattamente al centro della distribuzione, e la curva è simmetrica rispetto ad esso. Il valore medio si trova esattamente alla destra della distribuzione, e la curva è asimmetrica rispetto ad esso. Il valore medio si trova esattamente alla sinistra della distribuzione, e la curva è asimmetrica rispetto ad esso.

Si misura il periodo di oscillazione di un pendolo con un cronometro digitale centesimale azionato manualmente. Ripetendo la misurazione ,si ottengono valori di volta in volta diversi. Che tipo di errore è?. Non vi sono errori nella misurazione. È un errore di selezione. Sistematico. Casuale.

Misurando un intervallo di tempo con un orologio che “va avanti”,che tipo di errore si commette?. Non vi sono errori nella misurazione. Casuale. È un errore di selezione. Sistematico ,poiche’ gli errori sistematici avvengonosempre nello stesso senso: o sempre per eccesso, o sempre per difetto.

Se tra 600 ragazzi si osserva un peso medio di 90 Kg con uno scarto quadratico medio di 10 Kilogrammi, ed il 68,27% dei dati è compreso fra la media piu’ o meno la deviazione standard ,qual è l’intervallo corretto?. Il peso è compreso fra 63 e 80 Kilogrammi. Il peso è compreso fra 56 e 103 Kilogrammi. Il peso è compreso fra 80 e 100 Kilogrammi. Il peso è compreso fra 60 e 90 Kilogrammi.

A quale intervallo di Z corrispondono i valori di z compresi tra :−1 per σ ≤ z ≤ 1 per σ?. I valori di z compresi tra −1per σ ≤ z ≤ 1 per σ ,corrispondono al 68,3% della distribuzione . I valori di z compresi tra −1per σ ≤ z ≤ 1 per σ ,corrispondono al 61,45% della distribuzione. I valori di z compresi tra −1per σ ≤ z ≤ 1 per σ corrispondono al 95,44 % della distribuzione. I valori di z compresi tra −1per σ ≤ z ≤ 1 per σ corrisondono al 76% della distribuzione.

Come deve essere la curva standardizzata rispetto all’origine degli assi?. Asimmetrica e centrata. Asimmetrica a destra. Non centrata ed asimmetrica. Centrata e simmetrica.

A cosa serve un valore standardizzato nella normale?. Un valore standardizzato permette di capire immediatamente il valore di una somma. Un valore standardizzato, o punteggio z permette di capire una distribuzione qualitativa. Un valore standardizzato, o punteggio z permette di calcolare il valore di una varianza. Un un valore standardizzato permette di capire immediatamente il posizionamento di un dato all’interno della distribuzione da cui proviene.

A cosa serve la standardizzazione in statistica?. La standardizzazione in statistica serve a rendere i dati confrontabili tra loro, mediante punteggi z o punteggi standard) valori adimensionali, svincolati dall’unità di misura della variabile di partenza. La standardizzazione in statistica serve a non rendere i dati confrontabili tra loro. La standardizzazione in statistica serve a sommare le unità di misura. La standardizzazione in statistica serve ad evidenziare le differenze di scala.

Cosa è la normalizzazione in statistica?. La normalizzazione statistica è la trasformazione numerica della distribuzione di una variabile qualitativa . La normalizzazione statistica è la trasformazione numerica della distribuzione di una variabile qualitativa in una quantitativa. Nessuna delle precedenti risposte. Normalizzare significa trasformare una variabile rendendo la sua distribuzione più simile a quella della distribuzione Normale.

Quanto misura la varianza della normale standardizzata?. È uguale a 0. È uguale a -∞). È uguale a +∞). È uguale ad 1.

Quanto misura la media della normale standardizzata?. la media è uguale a 0 (corretta). la media è uguale a+∞). la media è uguale a -∞). la media è uguale a 0.

Le previsioni sulla domanda di un prodotto sono una variabile normale X con media 1200 e deviazione standard 100. Qual è la probabilità che le vendite superino 1000?. P (X > 1000)= P (Z >(1000−1200)/100)= P(Z > −2)= P (Z <2 = 0.9772. P (X > 1000)= P (Z >(1000−1200)/100)= P(Z > −2)= P (Z <2 = 0.9332. P (X > 1000)= P (Z >(1000−1200)/100)= P(Z > −2)= P (Z <2 = 0.6915. P (X > 1000)= P (Z >(1000−1200)/100)= P(Z > −2)= P (Z <2) = 0.500.

Si supponga che l’uso settimanale di benzina per viaggi con veicoli a motore da parte di adulti del Nord Italia, sia normalmente distribuito con media pari a 60,6 litri e deviazione standard pari a 18,9 litri. Quale proporzione di adulti usa più di 76 litri alla settimana?. P= Z > (76 - 60.6) /18.9 = 0.81=0,5398. La proporzione di adulti che usa meno di 76 litri alla settimana è 0,5398. P= Z> (76 - 60.6)/18.9 = 0.81=0,7910. La proporzione di adulti che usa meno di 76 litri alla settimana è 0.7910. P= Z > (76 - 60.6) /18.9 = 0.81=0,0 0. La proporzione di adulti che usa meno di 76 litri alla settimana è 0,500-. P= Z6 > (76 - 60.6) /18.9 = 0.81=0,6179. La proporzione di adulti che usa meno di 76 litri alla settimana è 0,6179.

La durata della gestazione in donne sane è distribuita normalmente con media pari a 280 giorni e con deviazione standard 10 giorni. Quale proporzione di donne incinte sane avrà una gestazione più lunga di una settimana rispetto al termine della gravidanza atteso?. P=Z =(289-280 )/10=9/10 P=X>287=P(Z>0,70) =1-P(Z-0,7)=1-0,7 =0,8413. P=Z =(297-280 )/10=1/10 P=X>287=P(Z>0,70) =1-P(Z-0,1)=1-0,5398) =0.4602. P=Z =(287-280 )/10=7/10 P=X>287=P(Z>0,70) =1-P(Z-0,7)=1-0,758=0,242. P=Z =(287-282 )/10=5/10 P=X>287=P(Z>0,5 0) =1-P(Z-0,5)=1-0,5=0,5.

Supponete che il peso di un maschio adulto sia distribuito normalmente con media pari a 70 kg e deviazione standard pari a 12 Kg. Descrivete la popolazione di interesse. Da quali individui è costituita?. La popolazione di interesse è costituita da tutti i maschi adulti. E la distribuzione del peso è una Normale con media=70 e varianza 12. La popolazione di interesse è costituita da tutti i maschi adulti. E la distribuzione del peso è una Normale con media=97 e varianza 144. La popolazione di interesse è costituita da tutti i maschi adulti. E la distribuzione del peso è una Normale con media=70 e varianza 144. La popolazione di interesse è costituita da tutti i maschi adulti. E la distribuzione del peso è una Normale con media=70 e deviazione standard 144.

A cosa servono i percentili nella standardizzata?. I percentili consentono di determinare la deviazione standard relativa di un particolare valore all'interno dell'intero intervallo dei dati. I percentili consentono di determinare la media dei dati. I percentili consentono di determinare la dispersione dei dati. I percentili consentono di determinare la posizione relativa di un particolare valore all'interno dell'intero intervallo di dati, offrono una comprensione globale della diffusione e della tendenza centrale di un set di dati e sono fondamentali nel rilevare i valori anomali.

Quando n è grande e p è vicino a 0.5, la distribuzione binomiale può essere approssimata da una distribuzione normale avente la stessa media e la stessa varianza?. Si se n è pari a 169. No. Si. Si se n è pari a 159.

Come regola pratica, la distribuzione binomiale può essere approssimata da una distribuzione normale buona quando si verificano le seguenti condizioni: np maggiore uguale a 5 ed n(1 − p) maggiore di 5?. Si. Si se n è pari a 169. Si se n è pari a 169. No mai.

Il Body Mass Index negli uomini di 60 anni è in media 30 e la deviazione standard è 7.Qual è il 90° percentile dell’indice di massa corporea?. X = 30 + 0,126 (7) = 30,882. X = 30 + 0 (7) = 30. X = 30 + 2,576 (7) = 48,032;. X = 30 + 1,28 (7) = 38,28.

La media dei voti di esame è μ = 26 con deviazione standard σ= 2. Qual è il punteggio del 93esimo percentile?. 93 percentile = μ + z σ = 26 + (1) *2 = 27. 93 percentile = μ + z σ = 26 = 26. 93 percentile = μ + z σ = 26 + (0) *2 = 26. 93 percentile = μ + z σ = 26 + (1.48)*2 = 28,96.

Il numero di successi è approssimabile con una normale con media np = 1600 x 0.4 = 640 e deviazione standard √npq =√(1600 x 0.4 x 0.6) = 19.6. Qual è la probabilità che X sia maggiore di 690?. P(X > 690) =P(Z > (690 − 640)/19.6) = P(Z > 2.55) cioè 1 − P(Z <2.55) = 0,0054. P(X > 690) =P(Z > (690 − 640)/19.6) = P(Z > 2.55) cioè 1 − P(Z <2.55) = 0,954. P(X > 690) =P(Z > (690 − 640)/19.6) = P(Z > 2.55) cioè 1 − P(Z <2.55) = 0,90. P(X > 690) =P(Z > (690 − 640)/19.6) = P(Z > 2.55) cioè 1 − P(Z <2.55) = 1 − P(Z <0,9946 0,54.

La distribuzione di peso (misurabile in kilogrammi) delle mele puo’ essere approssimata da una distribuzione normale o da una distribuzione di Poisson?. Da entrambe. Da una distribuzione di Poisson. Da una distribuzione normale. Nessuna delle precedenti risposte.

È vero che quando il valore medio di eventi attesi è molto alto ,la distribuzione di Poisson tende ad approssimare una distribuzione normale?. No, mai. Si. Si se il numero medio di eventi atteso è pari almeno a 40. Si se il numero medio di eventi atteso è pari almeno a 50.

Con quale distribuzione va analizzato il seguente evento: quante mele cadono dall’albero in un’unità di tempo (un ora, un giorno… ?. Va analizzato con una distribuzione uniforme. Va analizzato con una distribuzione binomiale. Va analizzato con una distribuzione di Poisson. Va analizzato con una distribuzione di Gauss.

Quale tra i seguenti, è un esempio di distribuzione uniforme?. Prodotto interno lordo in Italia nel 2022. Il Prodotto interno lordo in Italia nel 2023. Il numero di chiamate al Servizio Clienti Eni-plenitude in un’ora. La probabilità di pescare una carta di cuori, di quadri , di picche in un mazzo di carte francesi.

Quale è una diversa caratteristica tra una distribuzione normale ed una distribuzione di Poisson?. Nessuna delle precedenti risposte. Una caratteristica è che la distribuzione Normale (o Gaussiana) riguarda eventi, mentre la Poissonana riguarda misure. Una caratteristica è che la distribuzione Normale (o Gaussiana) riguarda delle misure ossia variabili casuali continue, mentre la Poissoniana riguarda event ossia variabili casuali discrete. Nessuna, sono equivalenti.

Una variabile aleatoria X di Poisson,può essere approssimata, da una variabile aleatoria normale Z di parametri μ = λ e σ^2=λ (uguali alla media e alla varianza della Poisson) se λ è uguale o maggiore di 10?. si. no,mai. no, λ deve essere almeno maggiore di 30. no, λ deve essere almeno maggiore di 90.

Da cosa è composta una Popolazione infinita in statistica?. È composta da un numero molto elevato di unità, potenzialmente osservabili e già esistenti . È composta da un numero molto elevato di unità. È composta da un numero fisso di unità. È composta da un numero molto elevato di unità, potenzialmente osservabili e non necessariamente già esistenti. La popolazione è infinita tutte le volte che non è esattamente delimitata.

Cosa è l’inferenza statistica?. L’inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da uno o piu’ campioni estratti dalla popolazione. L’inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione. L’inferenza statistica è un insieme di metodi con cui si cerca di calcolare il valore delle frequenze delle variabili casuali discrete. L’inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sui campioni estratti da una popolazione.

Cosa è una popolazione finita in statistica?. Una popolazione è finita in statistica quando è impossibile contare con precisione quante unità fanno parte della popolazione. Una popolazione è finita in statistica quando le che la compongono,al massimo sono 25. Una popolazione è finita in statistica quando è possibile contare con precisione quante unità fanno parte della popolazione . Una popolazione è finita in statistica quando le che la compongono,al massimo sono 30.

Come puo’ essere definito un test di ipotesi statistica?. Un test è una procedura deduttiva per valutare la conformità probabilistica tra un campione ed una popolazione. Nessuna delle precedenti risposte. Un test è una procedura deduttiva per valutare la conformità probabilistica tra 4 campioni ed una popolazione. Un test di ipotesi è una procedura induttiva che permette di trarre conclusioni su una popolazione,partendo dai dati osservati in 1 o piu’ campioni da essa estratti.

Quale tra questi è un esempio di popolazione infinita?. Il numero di aziende informatiche dell’Emilia Romagna,. Gli abitanti di un paese. Il numero delle regioni in Italia. I numeri interi positivi.

Quale tra questi è un esempio di popolazione infinita?. I pesci in un lago . I numeri razionali. Gli alberi in un bosco. I visitatori di un museo.

L’estrazione dei numeri della lotteria, che tipo di campionamento è?. Sistematico. A grappoli. A valanga. Casuale semplice con ripetizione.

Si supponga che in una popolazione di 10.000 persone, uno statistico selezioni ogni 100, una persona per il campionamento dividendo la dimensione della popolazione per la dimensione del campione desiderato. Che tipo di campionamento è il seguente?. Campionamento stratificato. Campionamento a grappolo. Campionamento a valanga. Campionamento casuale semplice. Campionamento sistematico.

Quando si fa ricorso a web panel e i volontari vengono reclutati tramite l’accesso a un sito web, a quale tipo di campionamento ci si riferisce?. Probabilistico e distorto. Probabilistico. Non probabilistico. Non probabilistico, distorto.

Quale procedura avviene nel campionamento casuale semplice?. Nel campionamento casuale semplice ogni unità di una popolazione, non ha la stessa probabilità di entrare a fare parte del campione. Nel campionamento casuale semplice ,le unità della popolazione sono infinite. Nel campionamento casuale semplice ciascuna unità di una popolazione finita, ha la stessa probabilità di entrare a fare parte del campione. Nel campionamento casuale semplice 3 unità di una popolazione , hanno la stessa probabilità di entrare a fare parte del campione.

Si vuole svolgere un’indagine campionaria su un’indagine campionaria sui turisti stranieri arrivati in Italia durante un certo periodo. Se uno straniero ogni venti, sara’ intervistato al passaggio della frontiera, quale sarà il campionamento piu’ corretto?. Casuale semplice. A valanga. A grappoli. Sistematico.

Quale tra i seguenti ,è uno degli elementi piu’ importanti di un campionamento?. Determinazione della dimensione del campione in base al margine di errore desiderato, che è la quantità massima di errore che il ricercatore è disposto a tollerare. Determinazione del campione pari a 100 unita’al massimo. Determinazione del campione pari ad numero infinito di unita’. Determinazione del campione pari a 30 unita’al massimo.

Cosa è un campionamento a grappoli?. È una procedura di campionamento che prevede la disposizione delle unità statistiche in 10 gruppi ordinati. I membri di questo campione sono scelti da gruppi naturalmente divisi, chiamati cluster, selezionando casualmente gli elementi che ne fanno parte. È una procedura di campionamento che prevede la disposizione delle unità statistiche in 3 gruppi e la successiva estrazione non casuale dei gruppi. È una procedura di campionamento che prevede la disposizione delle unità statistiche in 5 gruppi.

Cosa è una distribuzione di campionamento di una data statistica ?. Nessuna delle precedenti risposte. Una distribuzione di campionamento è una distribuzione di una statistica ottenuta attraverso un singolo campione prelevato da una popolazione specifica. Una distribuzione di campionamento è una distribuzione di 2 statistiche ottenute attraverso due campioni prelevati da una popolazione specifica. Una distribuzione di campionamento è la distribuzione di tutti i possibili valori che possono essere assunti dalla statistica stessa, calcolati da campioni casuali della stessa dimensione estratti dalla stessa popolazione.

Supponiamo di avere una popolazione composta da 4 grandi aziende X_1= 52, X_2=49, X_3=65, X_4=74 il cui carattere è il fatturato annuo; lo spazio campionario Ω, costituito dai campioni ordinati di dimensione 3, estratti senza ripetizione. Il campionamento è casuale semplice. Quanti sono in totale i campioni che si possono formare?. 90. 24. 48. 50.

A cosa è uguale la media aritmetica di tutte le possibili medie dei campioni nell’Universo?. Nessuna delle precedenti risposte. La media aritmetica di tutte le possibili medie dei campioni nell’Universo è uguale alla media della popolazione. Non si puo ’sapere finche’ le medie campionarie non vengono calcolate. La media aritmetica di tutte le possibili medie dei campioni nell’Universo è uguale ad 1.

Cosa è l’errore standard?. L’errore standard è un indicatore della variabilità delle osservazioni intorno alla media campionaria e rappresenta la deviazione standard di una serie di medie campionarie. L’errore standard è un indicatore delle somme degli errori delle osservazioni intorno alla media campionaria . L’errore standard è un indicatore degli errori delle mediane. L’errore standard è un indicatore degli errori delle medie.

Cosa è la distribuzione della media campionaria?. Nessuna delle precedenti. La distribuzione della media campionaria è la distribuzione di tutte le possibili medie della popolazione. La distribuzione della media campionaria è la distribuzione di tutte le possibili medie che osserveremmo se procedessimo all’estrazione di tutti i campioni di una certa ampiezza n estratti da una popolazione . La distribuzione della media campionaria è la distribuzione di tutte le possibili medie dei campioni noti.

In una questionario si è domandato, “Quale ritieni debba essere il numero ideale di figli per una famiglia?” La distribuzione delle risposte date dalle 497 donne intervistate presenta una media pari a 3.02. La deviazione standard della popolazione è conosciuta ed è pari a 1.81.A quanto corrisponde l’errore standard?. 0.56. 0.9. 0.0811. 45.

Cosa afferma il teorema del limite centrale?. Il teorema del limite centrale afferma che le medie di mi-surazioni casuali, tendono a distribuirsi asimmetricamente. Il teorema del limite centrale afferma che le varianze di misurazioni casuali, tendono a distribuirsi asimmetrica-mente. Il teorema del limite centrale afferma che le medie di mi-surazioni casuali, tendono a distribuirsi secondo una di-stribuzione normale. Il teorema del limite centrale afferma che, al crescere del-la dimensione del campione, le medie casuali ricavate da una popolazione, tendono a distribuirsi secondo una distri-buzione normale, a prescindere dalla distribuzione di par-tenza.

Riferendosi al Teorema del Limite centrale , è corretto dire che anche in una popolazione che non segue il model-lo gaussiano, le medie campionarie, se calcolate su cam-pioni abbastanza grandi, tendono a distribuirsi secondo una legge gaussiana?. no, i campioni devono essere piccoli. Bisogna prima calcolare le medie di tutti i campioni estratti che essere costituiti da almeno 120 unità-. Si. Bisogna prima calcolare le medie di tutti i campioni estratti che essere costituiti da almeno 70 unità-.

La media e la deviazione standard campionarie dei pun-teggi ottenuti dagli studenti all’ultimo anno Scholastic Ap-titude Test (SAT) sono state rispettivamente 517 e 120 con una distribuzione approssimativamente normale. Qual è la probabilità a che un campione casuale di 144 studenti ottenga un punteggio medio superiore a 537?. P (X ̿ >537) =P( (X ̅- μ)/(σ/√n))>(537-517)/(120/144)=P(Z>2)=0,18. P (X ̿ >537) =P( (X ̅- μ)/(σ/√n))>(537-517)/(120/144)=P(Z>2)=0,98. P (X ̿ >537) =P( (X ̅- μ)/(σ/√n))>(537-517)/(120/144)=P(Z>2)=0,022. P (X ̿ >537) =P( (X ̅- μ)/(σ/√n))>(537-517)/(120/144)=P(Z>2)=0,50.

L’applicazione del teorema del Limite Centrale prevede il calcolo dell’errore Standard della media?. si se la deviazione standard è maggiore di 3. qualche volta. si ,sempre. no ,mai.

E’ vero che ll teorema del Limite centrale presuppone che il campione sia casuale ,che le osservazioni siano indipen-denti l'una dall'altra e che l’ampiezza n del campione sia almeno 30 ?. si ,ma l’ampiezza n del campione deve essere almeno 90. no,mai. si ,ma l’ampiezza n del campione deve essere almeno 80. si.

Cosa è la distribuzione T di Student?. La distribuzione t di Student è una distribuzione di probabilità utilizzata per stimare la mediana di una popolazione. La distribuzione t di Student è una distribuzione di probabilità utilizzata per stimare la media di una popolazione quando le dimensioni del campione sono limitate e/o la deviazione standard della popolazione è sconosciuta. La distribuzione t di Student è una distribuzione di probabilità utilizzata per stimare la media di una popolazione quando le dimensioni del campione sono grandi e/o la deviazione standard della popolazione è sconosciuta. La distribuzione t di Student è una distribuzione di probabilità utilizzata per stimare la moda di una popolazione.

Si valuta il quoziente intellettivo di N= 25 studenti , ottenendo una media campionaria pari ad X ̅= 128 con deviazione standard = 15.Qual è il valore dell’errore standard?. 9. S/√n=15/√25=15/5=3. 12. 27.

Se nella T student aumentano i gradi di libertà ,cosa accade?. All’aumentare dei gradi di libertà, la distribuzione della t si avvicina alla distribuzione normale. All’aumentare dei gradi di libertà, la distribuzione della t è platicurtica. All’aumentare dei gradi di libertà, la distribuzione della t è asimmetrica negativamente. All’aumentare dei gradi di libertà, la distribuzione della t è asimmetrica positivamente.

Data la distribuzione t con grado di libertà = 26, qual è il valore di tα tale che l’area a destra di tα vale α = 0.025?. tα = 1.960. tα = 2.052. tα = 2.056. tα =−2.821.

Data la distribuzione t con grado di libertà ν = 28, qual è il valore di tα tale che l’area a destra di tα vale α = 0.01?. tα =−2.821. tα = 2.052. tα = 1.960. tα = 2.467.

Cosa sono i gradi di libertà?. I gradi di libertà possono essere definiti con un numero di 10 valori. in un calcolo che è libero di variare. I gradi di libertà possono essere definiti come il numero di valori in un calcolo non libero di variare. I gradi di libertà possono essere definiti come il numero di 10 valori,i in un calcolo che è libero di variare dopo che sono state imposte determinate restrizioni. I gradi di libertà possono essere definiti con un numero di 200 valori, in un calcolo che è libero di variare.

Data la distribuzione x^2 con grado di libertà ν =7, qual è il valore di x^2 α tale che l’area a sinistra di x^2 α valga α = 0.05. 2733. 1344. 2167. 7.457.

Data la distribuzione x^2 con grado di libertà ν =8 qual è il valore di x^2 α tale che l’area a destra di x^2 α valga α = 0.05?. 2733. 5024. 3842. 15507.

Che forma ha la distribuzione x^2 α ?. Simmetrica. Asimmetrica positiva. Asimmetrica negativa. Sinusoidale.

In quale quadrante degli assi cartesiani si trova la distribuzione del chi-quadro. Secondo. Terzo. Quarto. Primo.

Se nella distribuzione del chi-quadrato i gradi di libertà aumentano , cosa accade?. Maggiori sono i gradi di libertà di una distribuzione del chi-quadrato, tanto più questa sarà positivamente asimmetrica. Maggiori sono i gradi di libertà di una distribuzione del chi-quadrato, tanto più questa sarà simile a una distribuzione normale. Maggiori sono i gradi di libertà di una distribuzione del chi-quadrato, tanto più questa sarà negativamente asimmetrica. Nessuna delle precedenti risposte.

Nella distribuzione di Fisher, per calcolare il rapporto delle varianze ,come devono essere i due campioni da cui provengono ?. Indipendenti. Dipendenti. Devono avere una numerosità minore di 30. Devono avere una numerosità maggiore di 30.

Cosa descrive la distribuzione di Fisher?. Descrive l’andamento del prodotto delle varianze di due distribuzioni . Descrive l’andamento del rapporto tra le medie delle due distribuzioni. Descrive l’andamento delle medie delle varianze di due distribuzioni . Descrive l’andamento del rapporto tra le varianze delle due distribuzioni in funzione dei loro gradi di libertà ed è principalmente utilizzata per verificare la differenza statistica tra le due varianze.

Nella statistica di Fisher, per confrontare due varianze, cosa si utilizza ?. Un rapporto. Una somma. Una differenza. Un prodotto.

Per confrontare due varianze, per stabilire se due campioni provengono da popolazioni aventi la stessa varianza, cosa si utilizza?. La distibuzione binomiale. La distribuzione di Fisher. La distribuzione chi quadro. La distribuzione normale.

Nella distribuzione di Fisher, se nel confronto tra due varianze esaminate queste sono simili o uguali , quanto vale il loro rapporto?. È vicino o pari ad 10. 1. 8. 0.