TARS 250116

In un'analisi fattoriale, si ottiene la matrice dei factor loadings in figura, dopo rotazione varimax. Quale delle seguenti affermazioni è corretta?

• Le variabili V1 e V2 sono fortemente correlate con il Fattore 2

• Le variabili V3 e V4 hanno una bassa correlazione con il Fattore 2

• Le variabili V1 e V2 sono fortemente correlate con il Fattore 1

• La rotazione varimax tende a massimizzare la varianza spiegata totale

Durante un'analisi fattoriale, il ricercatore può utilizzare il criterio di Kaiser, per decidere quanti fattori mantenere. Nella tabella, puoi vedere gli autovalori (eigenvalues) associati alle componenti estratte. Quanti fattori dovrebbero essere mantenuti secondo il criterio di Kaiser?

• Due fattori

• Tre fattori

• Quattro fattori

• Un fattore

Un modello di regressione lineare multipla viene utilizzato per prevedere il prezzo di un'auto (Y) in base al chilometraggio (X₁​) e all'età del veicolo (X₂​). I coefficienti stimati sono i seguenti:

Y=20.000−0,05X₁−1.000X₂. Quale delle seguenti affermazioni è corretta?

• Un chilometraggio maggiore di 1.000 km aumenta il prezzo dell'auto di 50 euro

• Ogni anno aggiuntivo di età riduce il prezzo dell'auto di 1.000 euro

• Il prezzo iniziale dell'auto, indipendentemente da chilometraggio ed età, è 1.000 euro

• Un aumento di X₂ di 2 anni aumenta il prezzo dell'auto di 2000 euro

Un ricercatore calcola il coefficiente di correlazione di Pearson (r) tra il numero di ore di studio settimanale e il punteggio ottenuto in un test. Il risultato è r=0.85. Quale delle seguenti affermazioni è corretta?

• Il numero di ore di studio e il punteggio del test sono debolmente correlati

• Il valore di r indica una relazione inversa tra le due variabili

• Esiste una relazione positiva e forte tra le ore di studio e il punteggio del test

• Il valore di r suggerisce una correlazione perfetta

In uno studio si vuole verificare se esiste un'associazione tra il genere (Maschio/Femmina) e la preferenza per un tipo di attività sportiva (Calcio/Basket/Altro). Il test chi-quadro produce un valore di χ2=35,6 con p=0.0001. Quale conclusione è corretta?

• Non esiste un'associazione significativa tra genere e preferenza sportiva

• Esiste un'associazione significativa tra genere e preferenza sportiva

• Il valore p=0.0001 indica che non si può rifiutare l'ipotesi nulla

• La preferenza per il basket è indipendente dal genere

Un ricercatore sta valutando un modello di classificazione binaria utilizzando una matrice di confusione (vedi la tabella). Qual è l'accuratezza del modello?

• 50%

• 75%

• 80%

• 85%

Un ricercatore sta analizzando il testo di un corpus composto da recensioni di prodotti. Dopo il pre-processing (rimozione di stopword, punteggiatura e lemmatizzazione), ottiene il conteggio di parole mostrato in tabella. Quale tecnica può essere utilizzata per rappresentare graficamente queste informazioni?

• Un diagramma di dispersione

• Un grafico a torta

• Una word cloud

• Un diagramma di correlazione

Nel modello Bag of Words, quale affermazione descrive meglio il modo in cui il testo viene rappresentato?

• Il testo viene rappresentato come una sequenza ordinata di parole con il loro contesto

• Ogni documento è rappresentato come un vettore in cui le dimensioni sono parole e i valori indicano la frequenza o la presenza/assenza delle parole.

• Le relazioni semantiche tra le parole vengono catturate usando embeddings

• Il modello tiene conto dell'ordine delle parole per costruire un vettore rappresentativo

Qual è la principale differenza tra normalizzazione e standardizzazione nel contesto dello scaling delle variabili?

• La normalizzazione riporta i dati a una media di 0 e deviazione standard di 1, mentre la standardizzazione li scala in un intervallo specifico come [0, 1]

• La normalizzazione scala i dati in un intervallo specifico come [0, 1], mentre la standardizzazione riporta i dati a una media di 0 e deviazione standard di 1

• La normalizzazione è utilizzata solo per dati categoriali, mentre la standardizzazione si applica solo a dati numerici

• La standardizzazione è necessaria solo quando si usano algoritmi di clustering, mentre la normalizzazione è richiesta per algoritmi di regressione

Qual è lo scopo principale dell'algoritmo k-means?

• Ridurre il numero di variabili in un dataset

• Raggruppare i dati in cluster basati sulla similarità delle caratteristiche

• Predire una variabile dipendente basandosi su variabili indipendenti

• Ordinare i dati in base alla loro importanza