Font size
WorksheetsAnalisi dei dati
Total questions: 164
Worksheet time: 1hrs 22mins
L’algoritmo Indscal permette la creazione di uno spazio percettvo:
singolo
unidimensionale
congiunto
comune
Una autoproiezione a bersaglio mobile è una tecnica di analisi dei dati
Con supporto e con mappa non banale
Con supporto e con mappa banale
Priva di supporto e con mappa banale
Priva di supporto e con mappa non banale
In ALSCAL la ricostruzione del bersaglio avviene mediante:
m(x), S
N
m(x), N
N, S
Per costruzione, in una AFE la varianza di un fattore latente è pari a:
La media delle correlazioni tra le variabili
zero
uno
la media delle variabili manifeste
I GdL del modello sono pari:
al numero di parametri liberi
al numero di parametri espliciti
alla differenza tra parametri liberi e vincoli
alla differenza tra parametri liberi ed espliciti
In forma discorsiva, nel modello ANOVA l’ipotesi nulla del test F è
almeno una delle differenze tra le medie dei gruppi è diversa da zero
le differenze tra le medie dei gruppi sono pari a zero
tutte le differenze tra le medie dei gruppi sono diverse da zero
la varianza between è maggiore della varianza within
Il dominio di una scala a rapporti è
[0, +∞
-∞, +∞
]0, +∞
]0, 1]
La parsimonia relativa di una soluzione può essere definita come:
(Cmax-C)/(Cmax-Cmin)
(C-Cmax)/(Cmax-Cmin)
(Cmax-C)
(Cmax-C)/(Cmin-1)
In forma discorsiva, nel modello di regressione lineare multipla l’ipotesi nulla del test F è:
la correlazione tra i regressori è uguale a zero
almeno un regressore esercita influenza
nessun regressore esercita un'influenza
tutti i regressori esercitano un'influenza
Indicare il numero di ancore o punti fissi presenti in una scala di intervalli:
zero
infinito
uno
due
Per valutare la soluzione di uno schema di analisi multivariata possiamo utilizzare:
fedeltà, specificazione assoluta
adattamento, parsimonia e fedeltà
rendimento, fedeltà, specificazione assoluta e relativa
adattamento, parsimonia e indici di relazione tra variabili
Quante sono le variabili coinvolte in un’analisi della varianza fattoriale 4x3
7
3
12
2
canonica
obliqua
degenere
ortogonale
In un disegno ANOVA a due vie, cioè con due fattori di trattamento X1 e X2, i termini di interazione possono essere calcolati mediante doppia centratura della matrice M, ovvero:
Mint= M–MR–MC+MG
Mint= M–MR–MC
Mint= M–MR–MC-MG
Mint= MG-MC
Il modello di regressione lineare multipla, il test t student consente di:
valutare la parsimonia
valutare la significatività di tutti i parametri
valutare la significatività di ciascun parametro
valutare l'adattamento della soluzione
In generale, un buon algoritmo di analisi dei dati deve essere:
indifferente alle permutazioni
determinato
sensibile alle sostituzioni
significativo
Nella regressione lineare multipla il coefficiente di determinazione (R quadro) assume valori compresi tra:
-1 e +1
-1 e 0
0 e +1
0 e infinito
Tra le tecniche di scaling cardinale, il MDS lavora su dati elementari di tipo:
D1
C1
D2
C2
Nella valutazione di una soluzione di analisi fattoriale il REPR è:
la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è maggiore di 0.05
la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è minore di 0.05
la percentuale di celle della matrice di correlazione osservata in cui i valori (in modulo) sono inferiori a .20
la percentuale di celle della matrice di correlazione tra i fattori latenti in cui i valori (in modulo) sono inferiori a .20
Una matrice con due vie, linee permutabili e referenti singoli è una struttura dati di tipo
multivariato
derivato
elementare
sperimentale
In una analisi fattoriale il numero dei parametri stimati della matrice omega (Ω) è pari a:
H
H(H-1)2
M
M(M-1)/2
Nell’MDS la flessibilità della mappa per una trasformazione biunivoca dell’input è pari a:
L
1
2
h
La tavola riassume le stime dei coefficienti di un modello di regressione. Qual è la lettura del parametro beta associato alla variabile indipendente "carico di lavoro"?
il carico di lavoro aumenta di 0,26 deviazioni standard lo score del cinismo
il carico di lavoro aumenta di 0,26 la media generale del cinismo
il carico di lavoro aumenta di 0,26 punti lo score del cinismo
il carico di lavoro aumenta di 0,26 deviazioni standard la media generale del cinismo
L’experimental wise error legato alla ripetizione di molteplici test inferenziali sui medesimi dati:
aumenta la probabilità di commettere un errore di tipo I
aumenta la probabilità di commettere un errore di tipo II
diminuisce la probabilità di commettere un errore di tipo I
diminuisce la probabilità di commettere un errore di tipo II
la tavola illustra una matrice di soluzioni di analisi fattoriali esplorative. Si tratta di una soluzione
ortogonale
obliqua
canonica
degenere
Nell’analisi fattoriale le saturazioni (factor loadings) rappresentano la relazione tra:
Le variabili manifeste
Le variabili latenti
Nessuna delle risposte riportate
Le variabili manifeste e le variabili latenti
. Nell’analisi della varianza l’assunto di omoschedasticità si riferisce:
Alla normalità delle distribuzioni locali della y
All’uguaglianza delle varianze delle distribuzioni locali della y
All’uguaglianza delle medie delle distribuzioni locali della y
All’indipendenza delle distribuzioni locali della y
Che cos’è la traccia di una matrice quadrata:
Il prodotto degli elementi posti sulla diagonale principale
È la somma degli elementi posti sulla diagonale secondaria
È la somma degli elementi posti sulla diagonale principale
È la somma di tuti gli elementi della matrice
In un modello fattoriale, la presenza della matrice C (factor score coefÏcients) consente di:
Valutare la relazione tra le variabili latenti
Valutare le relazioni tra le variabili manifeste e le variabili latenti
Stimare i punteggi individuati sui fattori latenti
Stimare i punteggi individuali sulle variabili manifeste
In un modello di regressione lineare multipla l’ipotesi nulla del test T associato a ciascuna variabile indipendente è:
Bk > 0
Bk = Bmedio
Bk ≠ 0
B k = 0
Una struttura dei dati si dice elementare se è:
A una via, senza alcun condizionamento
A due vie, con entrate singole e linee permutabili
Primitiva
In forma standard, con entrate multiple
In un modello di regressione lineare multipla l’R^2 ha assunto un valore pari a 1. Cosa si può concludere?
Il modello è ottimo
Il risultato dipende dall’errore accidentale
Il modello è sovraspecificato
La varianza spiegata è uguale a quella di errore
In un’Anova fattoriale come viene chiamato l’effetto di una variabile indipendente categoriale sulla variabile dipendente
Diretto
Principale
Di interazione
Indiretto
Una scala di differenze, per cui vale la trasformazione ammissibile y’=y+a, ha un dominio compreso tra:
(0 ; + inf
(-1 ; +1)
– inf ; + inf
0 ; + inf
La matrice identità è una matrice che contiene:
Tutti 1 sia sulla diagonale principale che sulla diagonale secondaria
tutti 1
tutti 0 sulla diagonale principale e tutti 1 altrove
Tutti 1 sulla diagonale principale e tutti 0 altrove
Un test di specificazione:
Controlla l’ipotesi di interdipendenza lineare tra le variabili incluse in un modello
Misura lo scarto tra i dati osservati e quelli riprodotti
Verifica se la soluzione cambia in modo prevedibile dopo aver sottoposto il bersaglio a una trasformazione ammissibile
Permette di stabilire se lo scostamento tra Y e Y’ può essere imputabile al caso
Nella soluzione di un’analisi fattoriale la matrice phi contiene:
La correlazione tra le variabili manifeste e i fattori latenti
La correlazione fra i fattori latenti unici
La correlazione fra i fattori latenti comuni e i fattori latenti unici
La correlazione fra i fattori latenti comuni
Nello scaling non metrico, versione Ascal, il nucleo della soluzione è costituito da:
Un vettore che contiene i parametri della mappa m(X)
Una matrice Yrxr di prossimità trasformate in disparità
Una matrice di coordinate Z rxh e un vettore che contiene i parametri della mappa m(X)
Una matrice di coordinate Zrxh
La formula della parsimonia relativa ad una soluzione di Ascal è la seguente: I termini RH+F fanno riferimento a?
I vincoli
i parametri liberi
i dati indipendenti
i parametri espliciti
Nello scaling non metrico, versione Ascal, la formula corrisponde a:
il nucleo della soluzione
L'indice stress
L'indice S-stress
L'indice R^2
Nello scaling non metrico, versione Ascal, la formula corrisponde a:
il nucleo della soluzione
L'indice stress
l'indice S stress
L'indice R^2
Da quali matrici è costituito il nucleo della soluzione di un modello di analisi fattoriale con rotazione obliqua:
ꓥ^, Ω^
ꓥ^, φ^, Ω^
φ^, Ω^
ꓥ^
In un modello di regressione multipla il test inferenziale che ha la seguente ipotesi nulla H0: b1 = b2 = b3 = … = bk = 0 è:
Un test z
Un test T
Un test F
Nessuna delle risposte indicate
In un’analisi della varianza fattoriale 3x3 i parametri espliciti del modello saturo sono pari a
15
9
6
16
Il punto di partenza dell’analisi fattoriale è:
La matrice di correlazione tra i fattori latenti
Nessuna delle risposte indicate
La matrice di correlazione tra gli indicatori manifesti
La matrice di correlazione tra gli indicatori manifesti e i fattori latenti
Il nucleo della soluzione di un modello di analisi fattoriale è:
La matrice di correlazione tra gli indicatori manifesti
La matrice di correlazione tra gli indicatori manifesti e i fattori latenti
La matrice di correlazione tra gli indicatori latenti
Nessuna delle risposte precedenti
Nella soluzione dell’algoritmo Indscal la matrice W contiene:
Coordinate dello spazio comune
le salienze individuali
Le coordinate dello spazio individuale
Nessuna delle risposte precedenti
Il nucleo della soluzione di un algoritmo di scaling multidimensionale (ad esempio Ascal) è costituito da:
Una matrice di distanze tra oggetti OxO
Una matrice di coordinate di oggetti OxH
Una matrice di coordinate di individui NxH
Una matrice di disparità tra oggetÝ
Il valore di probabilità associato al test F di un’Anova è pari a 0.30. avendo fissato un valore di α=0.05, quale delle seguenti affermazioni è vera?
C’è evidenza statistica che le medie delle popolazioni non siano tutte uguali
Le due varianze a numeratore e denominatore del test sono uguali
L’ipotesi nulla del test F deve essere rifiutata
Non c’è evidenza statistica che le medie delle popolazioni differiscano tra loro
Si consideri la parsimonia relativa π= P/Pmax= C(Cmax – C)/(Cmax – C). nel caso di un modello la precedente scrittura equivale a:
(DFd – DFm)/(DFd – 1)
(DFm – DFd)/(DFm – 1)
(DFd – DFm)/(DFe – 1)
(DFm – DFe)/(DFe – 1)
Nell’ambito dell’analisi fattoriale, il principio di struttura semplice prevede che:
In ogni colonna della matrice di saturazione (ꓥ), si debba osservare una sola saturazione diversa da zero
In ogni riga della matrice di saturazione ( ꓥ) , si debba osservare una sola saturazione sostanziale
In ogni riga della matrice di saturazione (ꓥ), si debba osservare una sola saturazione di segno positivo
In ogni riga della matrice di saturazione (ꓥ), si debba osservare una sola saturazione diversa da zero
Il multidimensional unfolding è tipicamente utilizzato per analizzare dati di tipo:
C1
C2
CC1
D2
Quale tra i seguenti è un corretto esempio di struttura elementare di tipo M?
La matrice, o tabella, di contingenza multipla (con K=n. variabili >2)
La matrice di Burt
La supermatrix di Cattell
La matrice Casi x variabili
Il valore di probabilità associato al test F di un’Anova è pari a 0.003. Avendo fissato un valore di α=0.05, quale delle seguenti affermazioni è vera?
Non c’è evidenza statistica che le medie delle popolazioni differiscano tra loro
Le due varianze a numeratore e denominatore dei test sono uguali
C’è evidenza statistica che le medie delle popolazioni non siano tutte uguali
L’ipotesi nulla del test F deve essere accettata
Una sola delle seguenti affermazioni è corretta, quale? Nell’analisi fattoriale…
Il numero dei fattori comuni è uguale al numero di variabili osservate
Il numero dei fattori unici è uguale al numero di variabili osservate
Il numero di correlazioni riprodotte è uguale al numero di variabili osservate
Il numero di saturazioni, o factor loadings, è uguale al numero di fattori comuni
Nello scaling multidimensionale eseguito con Ascal il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che:
Lo stress aumenti
R^2 resti invariato
Lo stress diminuisca
R^2 diminuisca
Nello scaling multidimensionale eseguito con Ascal il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che:
Lo stress aumenti
R^2 resti invariato
R^2 aumenti
R^2 diminuisca
Una tecnica di analisi dei dati può essere valutata attraverso diversi criteri, universali e contingenti. Il criterio della correttezza si riferisce:
Alla qualità di una soluzione che realizza il miglior compromesso possibile tra adattamento e parsimonia
Alla determinatezza della soluzione, che resta tale anche sostituendo una o più linee della matrice di input
Alla fedeltà della soluzione, valutata in base alla tendenza degli stimatori di produrre un nucleo della soluzione che tendenzialmente assume i valori veri dei parametri del processo che genera i dati
Dell’invarianza della soluzione per permutazione delle linee della matrice di input
Completare la seguente frase indicando la parte mancante: “Il criterio dei Minimi Quadrati Ordinari che conduce alla stima dei parametri (b0, b1, …, bk) del modello di regressione lineare ha come scopo quello di rendere ______ fra valori osservati dalla y e quelli riprodotti”:
Minimo lo scarto quadratico medio
Minima la differenza dei quadrati degli scarti
Minimo il prodotto dei quadrati degli scarti
Minima la somma dei quadrati degli scarti
Per costruzione, in una AFE il valore medio di un fattore latente è pari a:
. la media delle correlazioni tra le variabili manifeste
zero
uno
la media delle variabili manifeste
I gradi di libertà di un modello (DFm) sono pari:
Alla somma dei gradi di libertà dei dati (DFd) e dei gradi di libertà dell’errore (DFm)
Alla differenza tra il numero di parametri espliciti presenti della soluzione e il numero di vincoli cui sono soggetti
Al numero di dati dipendenti presenti nell’input
Alla somma tra il numero di parametri espliciti presenti nella soluzione e il numero di vincoli cui sono soggetti
Nell’MDS la flessibilità della mappa per una trasformazione monotona crescente (isotonica) dell’input è pari a:
L/2
L
1
2
Si consideri il modello di regressione lineare yn=b0+b1x1+b2x2+δn. Una sola delle affermazioni relative al termine b0 della precedente equazione è corretta. Quale?
Corrisponde al valore atteso di y quando tutte le variabili indipendenti sono uguali a 0
Viene detto “coefficiente angolare” della retta di regressione
Rappresenta l’inclinazione della retta di regressione
Deve essere sempre maggiore di 0
Nella scissione di un modello, la componente Δ sta a indicare:
Un errore sistematico che perturba la stima di Y^
Una fluttuazione accidentale che perturba la realizzazione di Y/La deviazione di Y^ da Y∼
Lo scarto tra Y e Y^
un errore sistematico
In un modello Anova fattoriale l’Eta quadro consente di
valutare l'adattamento della soluzione
valutare la significatività di un singolo parametro
valutare la significatività dei parametri
valutare la parsimonia
La traccia della matrice B= 8 2 2, 1 2 4, 9 5 7 è pari a
0
38
17
13
In modo discorsivo possiamo dire che l’ipotesi nulla del test chi quadrato impiegato nell’analisi fattoriale esplorativa stabilisce:
La differenza R osservata – R residua = 0
L’uguaglianza R osservata = R riprodotta
L’uguaglianza R residua = R riprodotta
La disuguaglianza R osservata ≠ R riprodotta
La tabella mostra i risultati di un modello ANOVA fattoriale. Indicare il numero di livelli per ciascun trattamento, il numero di gruppi e il numero di soggetÝ coinvolti nell’esperimento.
2, 1, 2, 59
3, 2, 60
3, 2, 6, 60
2, 1, 59
La tabella mostra i risultati di un modello Anova fattoriale. Calcolare Eta quadro per l’intero modello e Eta quadro parziale per il fattore A.
0.712 e 0.331
49.400 e 57.350
26.676 e 30.969
0.114 e 0.534
Una struttura elementare priva di variabili e antisimmetrica può essere soltanto una matrice di:
C
P
M
D
In forma discorsiva, nel modello di regressione lineare multipla l’ipotesi nulla del test F è
La correlazione tra i regressori è uguale a zero
Nessun regressore esercita un’influenza
Almeno un regressore esercita un’influenza
Tutti i regressori esercitano un’influenza
In una analisi fattoriale quanti sono i DF dei dati (DFD) quando il metodo di stima è ML:
(M-1)/2
M(M+1)/2
M(M-1)/2
(M+1)/2
Un ricercatore vuole studiare la relazione di dipendenza della socievolezza dell’ansia di stato (X1) e dallo stile di attaccamento (X2), ossia A=evitante, B=SICURO, C=ambivalente, D=disorganizzato. Quante variabili indipendenti avrà il modello di regressione?
4
5
2
3
L’Anova è una tecnica con architettura di tipo:
I
II
IV
III
el procedimento di controllo (o verifica) delle ipotesi, quando si assume che H0 (l’ipotesi nulla) è vera, la quantità β corrisponde alla:
Probabilità di commettere un errore del I tipo
Probabilità di respingere H0 (l’ipotesi nulla) quando invece è vera
Probabilità di commettere un errore del II tipo
Probabilità di prendere la decisione sbagliata
Un docente intende controllare se il voto conseguito all’esame di statistica consente di prevedere quello che gli studenti ottengono all’esame di analisi dei dati. Avendo a disposizione la distribuzione dei voti dell’a.a. 2019/2020 quale operatore statistico dovrà calcolare?
K – Cohen
Phi – Quadrato
R Bravais – Pearson
Chi – Quadrato
Un modello Anova a due vie, cioè con due fattori (X1 e X2) rispetÝvamente con 3 e 2 livelli di trattamento, viene applicato su 80 partecipanti. Pertanto: I=3, J=2, N=80. Indicare il numero di gradi di libertà dell’errore
75
79
6
74
Per rappresentare la distribuzione della variabile “regione di residenza” di un collettivo di 1000 individui quale forma grafica, tra quelle proposte, è la più adeguata?
Diagramma di dispersione
Diagramma a barre
Istogramma
Scala Likert
I valori della statistica < chi quadrato, calcolati con riferimento ad una tabella di contingenza formata da K righe e J colonne relativa ad un colletÝvo di numerosità N, può variare fra:
0 e il maggiore fra [N(K-1); N(J-1)]
0 e N
-1 e +1
0 e il minore fra [N(K-1); N(J-1)]
La tabella di contingenza (tabella di frequenza a doppia entrata in cui vengono incrociate due variabili qualitative) 3x2 quanti vincoli ha?
1
2
3
4
La deviazione standard di una variabile è esprimibile come
lo scarto quadratico medio
la radice quadrata della somma dello scarto quadratico di ciascun valore rispetto alla media
la radice quadrata della varianza
La variabile x (scala di intervalli) assume i seguenti valori: 10,12,8,21,40,7,32,19,31
La statistica espressa dalla formula 1/N∑(xi-xmedio)
0.00
-11.27
11.27
127.10
Se la correlazione tra due variabili X e Y è pari a -0.5 ciò significa che X è pari a 10, Y sarà pari a:
-10
-5
5
-0.5
Si definisce “asimmetrica negativa” una distribuzione nella quale:
le osservazioni sono addensate sui valori alti della variabile
le osservazioni sono addensate sui valori bassi della variabile
le osservazioni sono equamente distribuite su tutti i valori della variabile
le osservazioni sono addensate sui valori centrali della variabile
La correlazione tra due variabili è pari a 0,005. Ciò significa che:
tra le due variabili non esiste una relazione lineare
le due variabili non sono in relazione
tra le due variabili esiste una debole relazione negativa
tra le due variabili esiste una debole relazione positiva
Un ricercatore calcola l’alpha di Cronbach di una scala di misura e ottiene un valore pari a 0.17. alla luce di tale risultato si può sostenere che..
La validità della scala è scarsa
L’attendibilità della scala non è accettabile
La dimensionalità della scala è pari a 1
Nella distribuzione normale standardizzata la porzione di area sottostante la curva compresa nell’intervallo delimitato dai valori di z -1.96 e + 1.96 è approssimativamente pari al:
100,00% dell’area totale
95,00% dell’area totale
5,00% dell’area totale
30,50% dell’area totale
Il 20% di 1000 individui dichiara di sentirsi insicuro a causa della criminalità; fra questi ultimi il 6% dichiara di aver subito, nell’ultimo anno, un furto nell’alloggio. Quanti sono gli individui che hanno dichiarato di aver subito un furto nell’alloggio nell’ultimo anno?
16
12
10
14
Un ricercatore intende controllare l’efÏcacia di una terapia breve in regione della problematica portata dai pazienti. L’efÏcacia della terapia è espressa tramite una variabile dummy (1=efÏcace, 0= inefÏcace), mentre il tipo di problematica è registrato mediante una variabile categoriale a 7 modalità. L’operatore di connessione chi-quadrato calcolato sui dati dal ricercatore è pari a 10,407.
Con un livello di fiducia del 95% il valore teorico dell’operatore tabulato in corrispondenza di 6 gradi di libertà è pari a 12,592. Esiste una relazione tra problematica e efficacia della terapia?
No
Si
No, perché i gradi di libertà sono 7
Si, ma soltanto per un intervallo di fiducia del 99%
Sottoposto ad un test di abilità motoria, un individuo ha ottenuto un punteggio standardizzato, (espresso in punti z) pari a +1.50 Quali delle seguenti affermazioni è corretta
La prestazione è di mezza deviazione standard superiore alla media
La prestazione è di una deviazione standard e mezza superiore alla media
La prestazione è pari alla media del campione di riferimento
La prestazione è di una deviazione standard superiore alla media
Una tabella di contingenza è stata ottenuta incrociando due variabili categoriali (livello di scala nominale) che hanno rispetÝvamente 5 e 4 modalità. Quanti Gradi di Libertà (GdL) ha la tabella di contingenza così ottenuta (modX1-1)*(modX2-1))?
0
12
9
20
Considerando una tabella di contingenza ottenuta incrociando due variabili categoriali, si può sostenere che le due variabili sono fra loro indipendenti quando:
le differenze fra frequenze osservate e attese di ciascuna cella della tabella sono valori negativi lontani da zero
le differenze fra frequenze osservate e attese di ciascuna cella della tabella sono valori prossimi a zero
le differenze fra frequenze osservate e attese di ciascuna cella della tabella sono valori positivi lontani da zero
i valori delle frequenze attese di ciascuna cella della tabella sono prossimi a zero
In un'analisi fattoriale la varianza spiegata corrisponde:
alla varianza delle comunalità
alla varianza dell'errore
nessuna delle precedenti
alla varianza rimanente
il nucleo della soluzione di un modello di analisi fattoriale in forma canonica è:
la matrice di correlazione tra gli indicatori manifesti e gli indicatori latenti e la matrice di correlazione tra le unicità
la matrice di correlazione tra gli indicatori manifesti
la matrice di correlazione tra gli indicatori latenti
nessuna delle precedenti
Nell’MDS la flessibilità della mappa per una dilatazione dell’input è pari a:
L
2
H
1
Quante sono le ancore della scala Zadeh e qual è il suo dominio?
due ancore laterali e dominio 0,1
due ancore laterali e dominio 0,e +inf
una ancora centrale e dominio 0,1
due ancore laterali e dominio -inf,+inf
Indicare il numero di ancore, o punti fissi, presenti in una scala di rapporti:
1
0
2
3
Nell’mds la flessibilità della mappa per una trasformazione affine dell’input è pari a:
L
L/2
1
2
Una variabile aleatoria è rappresentata attraverso:
K valori di verità
K valori di probabilità
K valori di stato
nessuna delle precedenti
La media geometrica è una statistica idonea quando è calcolata su una scala:
Di rapporti
ad intervalli
ordinale
categoriale
Viene denominata “illimitata” una scala:
con una sola ancora centrale
con nessuna ancora centrale
nessuna ancora laterale
con una sola ancora laterale
Che cos'è la matrice di Burt?
È una matrice che rappresenta la distribuzione di probabilità di variabili dipendenti in un modello di regressione.
È una matrice che contiene solo i valori medi delle variabili indipendenti in un'analisi fattoriale.
È una matrice utilizzata per calcolare le correlazioni tra le variabili latenti in un modello strutturale e presenta dati di tipo M.
È una matrice derivata ottenuta e rappresentata da matrici primitive di tipo p era presente i dati di tipo M
cosa sono le Vie di una matrice?
numero di entrate della matrice
numero di famiglie di entità presenti sulla matrice
sottofamiglie di entità
cosa sono i modi in una matrice?
sottofamiglie di entità
numero di famiglie di entità presenti sulla matrice
numero di entrate della matrice
Cosa sono i set in una matrice?
numero di entrate della matrice
numero di famiglie di entità presenti sulla matrice
sottofamiglie di entità
Cosa indica la presenza di due matrici di saturazione nella soluzione dell'analisi fattoriale?
Una rotazione obliqua
Una rotazione ortogonale
nessuna delle precedenti
Che cos’è la logica fuzzy?
Una matrice di dati che rappresenta la variabile in modo disgiuntivo e completo
Una tecnica di analisi statistica che misura la correlazione tra variabili quantitative
Un sistema che calcola i valori di probabilità per variabili continue.
Un metodo per risolvere problemi utilizzando solo valori veri o falsi.
Una variabile fuzzy è rappresentata attraverso:
K valori di verità
1+K valori di verità
1-K valori di verità
nessuna delle precedenti
Nucleo soluzione scaling multidimensionale
matrice Z
mtrice OxO
matrice D
matrice HxO
La traccia di una matrice identità I 8x8 è pari a
8
6
0
10
La traccia di una matrice di distanze tra oggetti 0 10x10 è pari a:
0
10
8
6
La traccia di una matrice di correlazione R 6x6 è pari a:
6
8
0
10
La traccia di una matrice di distanze tra oggetti 0 8x8 è pari a:
0
8
6
10
Il determinante della matrice Q è pari a: Q = 6 12 , 3 6
0
6
12
3
Il determinante della matrice A = 1 3 , 4 5 è:
-7
7
4
5
Una autoproiezione a bersaglio mobile è una tecnica di analisi dei dati:
priva di supporto e con mappa non banale
priva di supporto e con mappa banale
con supporto e con mappa non banale
con di supporto e con mappa banale
Nel valutare una tecnica di analisi dei dati, l’aspettativa E(Y*) = Y* sorregge il criterio di:
Correttezza
adattamento
parsimonia
validità
INDSCAL è
una proiezione a bersaglio mobile
uno schema di misurazione a bersaglio mobile
un modello di misurazione con supporto
un'autoproiezione a bersaglio mobile
Si consideri il modello di regressione lineare yn = b0 + b1x1 + b2x2 + бn Una sola delle seguenti affermazioni relative al termine B1 della precedente equazione è corretta. Quale?
Rappresenta l’inclinazione della retta di regressione
deve essere sempre maggiore di 0
viene detto "coefficiente angolare" della retta di regressione
corrisponde al valore atteso di y quando tutte le variabili indipendenti sono uguali a 0
La parsimonia relativa di una soluzione può essere definita come:
N-(K+1)/N-1
N-(K+1)/N+1
N-(K-1)/N-1
N+(K+1)/N-1
Una tecnica di analisi dei dati può essere valutata attraverso diversi criteri universali e contingenti. Il criterio di equifinalità si riferisce:
alla fedeltà della soluzione, valutata in base alla tendenza degli stimatori di produrre un nucleo della soluzione che tendenzialmente assume i valori veri dei parametri del processo che genera i dati
Alla capacità dell'algoritmo di arrivare sempre alla soluzione in riferimento al medesimo bersaglio
alla determinatezza della soluzione che resta tale anche sostituendo una o più linee della matrice di input
cosa sono i dati micro?
è un'entità individuale che è difficile e innaturale suddividere ulteriormente
è un'unità super individuale, ottenuta per aggregazione di un'unità micro
Dati macro:
è un'unità super individuale, ottenuta per aggregazione di un'unità micro
è un'entità individuale che è difficile e innaturale suddividere ulteriormente
cos'è la correttezza applicata ad una tecnica?
si basa sulla sua popolarità tra le persone che la usano.
la sua capacità di essere più economica rispetto ad altre tecniche."
capacità dell'algoritmo di arrivare sempre alla soluzione in riferimento al medesimo bersaglio
tendenza di uno stimatore ad assumere il valore del parametro che deve stimare, ossia quanto il bersaglio riprodotto è uguale alla matrice vera
Il test F può risultare significativo quando:
la varianza between è uguale della varianza within
la varianza between è minore della varianza within
la varianza between è maggiore della varianza within
Quando è possibile affermare che esiste l’uguaglianza X’=a(X;t) ! Sol’=f(Sol;t) allora siamo in presenza di un algoritmo:
errato
non ammissibile
ammissibile
Lo spazio percettivo generato attraverso il MultiDimensional Unfolding (MDU) è:
congiunto
individuale
comune
nessuna delle precedenti
Una tabella di contingenza incrocia la variabile consumo di alcol con il genere di riferimento su un campione di 150 studenti universitari. Quanti sono i vincoli presenti nella tavola?
2
4
3
1
L’algoritmo Alscal applicato su dati pico permette la creazione di uno spazio percettivo:
individuale
comune
euclideo
congiunto
L’algoritmo Alscal applicato su dati aggregati permette la creazione di uno spazio percettivo:
comune
individuale
euclideo
congiunto
In Alscal il test di doppia monotonicità è superato se:
se l’indice di stress decresce aumentando la flessibilità e la complessità del nucleo della soluzione
se l'indice di stress aumenta all'aumentare della flessibilità e della complessità del nucleo della soluzione.
se la soluzione finale è visivamente piacevole e simmetrica.
se il numero di iterazioni è minimo indipendentemente dal valore dell'indice di stress
Dove si trova la doppia monotonicità?
In un algoritmo derivato dal multidimensional scaling dove i valori di stress sono decrescenti da sinistra a destra e dall'alto verso il basso
in un algoritmo che aumenta l'indice di stress man mano che la soluzione migliora.
in un modello in cui i valori di stress sono completamente casuali
in algoritmi che non utilizzano alcun criterio per misurare lo stress
In un modello di regressione la parsimonia assoluta è data da:
N-(K+1)/N
N-(K+1)/N-1
N-(K-1)
N-(K+1)
In un modello di regressione la parsimonia relativa è data da:
N-(K+1)/N-1
N-(K+1)/N
N-(K+1)
N-(K+1)/N+1
La complessità massima di un modello di regressione pari a
N
N+1
K
K+1
Nella regressione lineare l’assunto di omoschedasticità si riferisce:
All'uguaglianza della varianza tra i regressori
alla varianza degli errori che deve essere costante in ogni gruppo
All’uguaglianza delle varianze delle distribuzioni locali della y
In un modello ANOVA fattoriale a due vie, con i livelli dei fattori denominati I e J, i parametri espliciti sono soggetto ad un numero di vincoli additivi pari a:
I+J+1
IxJ+1
IxJ
I+J
In un modello ANOVA la parsimonia relativa è data da:
N-(I x J)/N+1
N-(I x J)/N
N-(I x J)/N- 1
N-(I x J)
In un modello ANOVA la parsimonia assoluta è data da:
N-(I x J)/N- 1
N-(I +J)
N+(I x J)
N-(I x J)
In un’analisi fattoriale il numero dei parametri stimati dalla matrice phi è pari a:
H(H-1)/2
N
M
D
In un’analisi fattoriale il numero dei parametri della matrice lambda è pari a:
H
N
MxH
MxM
Calcolare il determinante della matrice A = 2 3 , 4 5
-2
2
0
5
La matrice lambda illustra la soluzione di un modello AFE, con due fattori latenti. Come possiamo valutarla?
è una buona soluzione fattoriale, in cui tutti gli item sono marker
è una buona soluzione fattoriale, anche se alcuni item sono in codominio
è una soluzione fattoriale degenere
è un ottima soluzione obliqua
La matrice lambda illustra la soluzione di un modello AFE, con due fattori latenti. Come possiamo valutarla?
è un ottima soluzione obliqua
è una buona soluzione fattoriale, in cui tutti gli item sono marker
è una buona soluzione fattoriale, anche se alcuni item sono in codominio
è una soluzione fattoriale degenere
In ALSCAL la media delle coordinate di ogni asse è vincolata ed è uguale a
0
H
L
1
In un modello ANOVA la ricostituzione del bersaglio avviene mediante:
N
N,S
m(x), N
m(x), S
Nella scissione di uno schema, la componente D sta ad indicare:
la deviazione di Y^ da Y'
un errore sistematico che perturba la stima di Y^
lo scarto tra Y e Y^
una fluttuazione che perturba la realizzazione di Y
Il grafico illustra la distribuzione dei residui di un modello di regressione lineare multipla e mostra:
la presenza di valori anomali
la multicollinearetà tra i regressori
la presenza di eteroschedasticità
il rispetto di tutti gli assunti del modello
La soluzione di un modello ANOVA corrisponde a
N
H
M
D
0,884 e 0,661
0,046 e 0,039
0,040 e 0,039
0,049 e 0,040
l’analisi fattoriale esplorativa può portare a soluzioni sovradimensionate, in cui il numero di dimensioni latenti stimate (spazio semantico fenotipico) supera quello delle dimensioni che obiettiamente strutturano le risposte manifeste (spazio semantico generico). Ciò può accadere perché:
gli item utilizzati hanno un legame parabolico con i costrutti che intendo misurare
nessuno degli item è un marker
il numero di item è eccessivo
l’unicità di ciascun item è scarsa
Una variabile in forma disgiunta completa è rappresentata attraverso:
Un vettore di valori stato
Una matrice referenti x modalità
Una matrice modalità x modalità
Un vettore di valori di probabilità
che cos'è un operatore analitico?
Sono funzioni che calcolano la somma dei quadrati degli errori in un modello di regressione
Sono funzioni che prendono come argomenti due o più vettori e restituiscono uno scalare che a sua volta sarà un valore di Stato o di verità
sono un software utilizzato per gestire database complessi.
sono un tipo di algoritmo che si utilizza esclusivamente per risolvere problemi di ottimizzazione lineare.
In base agli assunti, in una AFE la matrice di correlazione tra le unicità è
Una matrice di covarianze tra errori
Una matrice diagonale
una matrice che include soltanto gli zeri
una matrice identità
Nella soluzione di un modello di analisi fattoriale esplorativa, la presenza di due matrici di saturazione (pattern matrix e structure matrix) indica che:
I fattori latenti sono tra di loro correlati
I fattori latenti hanno una relazione non lineare con le variabili manifeste
Le variabili manifeste sono correlate tra loro e con i fattori latenti
I fattori latenti sono incorrelati
cos'è una matrice primitiva
strutture dei dati ottenute mediante rilevazione diretta o semplici progressi di aggregazione
strutture ottenute attraverso l'applicazione di operatori di confronto analitici delle linee di V
fa parte della categoria di matrici speciali è una matrice che moltiplicata per se stessa da come risultato la matrice identità
Cos'è una matrice derivata?
fa parte della categoria di matrici speciali è una matrice che moltiplicata per se stessa da come risultato la matrice identità
strutture ottenute attraverso l'applicazione di operatori di confronto analitici delle linee di V
strutture dei dati ottenute mediante rilevazione diretta o semplici progressi di aggregazione
Cos'è una Matrice idempotente?
strutture dei dati ottenute mediante rilevazione diretta o semplici progressi di aggregazione
strutture ottenute attraverso l'applicazione di operatori di confronto analitici delle linee di V
fa parte della categoria di matrici speciali è una matrice che moltiplicata per se stessa da come risultato la matrice identità
Il nucleo della soluzione del 3-way scaling ottenuto mediante Indscal è costituito da:
Una matrice di coordinate Z RxH, un vettore W di salienze individuali e un vettore che contiene i parametri della mappa m(X)
Una matrice di coordinate Z RxH e un vettore nW di salienze individuali
Una matrice di coordinate Z RxH
Una matrice di coordinate Z RxH e un vettore che contiene i parametri della mappa m(X)
Lo spazio percettivo generato attraverso Alscal è:
Euclideo
minkowski
manatthan
nessuna delle precedenti
Un algoritmo Alscal applicato su dati aggregati permette la creazione di uno spazio percettivo
congiunto
individuale
comune
unidimensionale
come si chiama la scala a tre ancore?
scala di duncan
scala di Zadeh
scala a intervalli
scala a rapporti
viene denominata di posizione una scala:
privi di ancore
con un'ancora centrale
con due ancore laterali
con un'ancora laterale sinistra
una variabile classica è rappresentata attraverso:
k valori di verità
k valori di probabilità
k valori di stato
nessuna delle precedenti
