Paniere Nutraceutica e nutrigenomica

Lezione 1

1. Come si calcola e interpreta la varianza in un set di dati?

- La varianza si calcola sommando i quadrati delle differenze tra ogni valore e la media, poi dividendo per il

numero di osservazioni (o n-1 per campioni). Indica quanto i dati si discostano dalla media.

- La varianza una misura della tendenza centrale dei dati.

- La varianza si calcola sommando i valori e dividendo per la deviazione standard.

- La varianza sempre uguale alla media dei dati.

2. Quali sono gli effetti degli outliers sull'analisi della dispersione?

- Gli outliers aumentano la varianza e la deviazione standard, influenzando negativamente misure come la media

e rendendo meno rappresentativa l’analisi.

- Gli outliers migliorano sempre l'accuratezza delle analisi statistiche.

- Gli outliers riducono la deviazione standard.

- Gli outliers non hanno alcun effetto sulla media o sulla deviazione standard.

3. La popolazione in statistica :

- L’intero gruppo oggetto di studio

- Un insieme di campioni

- La somma dei dati rilevati

- Un dato numerico

4. Un esempio di dato qualitativo :

- Il peso

- La temperatura

- L’altezza

- Il colore degli occhi

5. La statistica inferenziale si occupa di:

- Trovare frequenze assolute

- Descrivere tutta la popolazione

- Ordinare i dati

- Trarre conclusioni da un campione

6. Qual l’obiettivo principale della statistica?

- Determinare i valori esatti

- Raccogliere, organizzare e analizzare dati

- Eseguire esperimenti

- Prevedere il futuro con certezza

7. Che cos' la statistica descrittiva?

- Una branca della statistica che descrive i dati

- Un tipo di test ipotetico

- Una tecnica di campionamento

- Lo studio delle cause

8. Quali strumenti statistici possono essere usati per monitorare le tendenze dei consumi alimentari nel

tempo?

- Le serie temporali non sono utili per prevedere tendenze future.

- Strumenti comuni includono analisi delle serie temporali, regressioni su dati longitudinali e modelli ARIMA per

prevedere tendenze future.

- Le serie temporali richiedono sempre dati campionati mensilmente.

- Le analisi delle serie temporali si usano solo per dati statici.

9. Come si valuta l’efficacia di un modello statistico attraverso il coefficiente di determinazione (R )?

2

- R indica la proporzione di variazione della variabile dipendente spiegata dal modello. Valori vicini a 1 indicano

2

una buona capacit predittiva.

- R indica sempre una relazione negativa tra le variabili.

2

- R sempre maggiore di 1 in un buon modello.

2

- R non pu mai essere utilizzato per valutare un modello.

2

10. In che modo i modelli predittivi aiutano a stimare il rischio di contaminazione degli alimenti?

11. In che modo i domelli predittivi aiutano a stimare il rischio di contaminazione degli alimenti?

- I modelli predittivi si applicano solo ai dati di test.

- Utilizzano dati storici e algoritmi di apprendimento per identificare i fattori di rischio e prevedere la probabilit

di eventi di contaminazione.

- I modelli predittivi si applicano solo a dataset completi.

- I modelli predittivi non possono stimare il rischio di contaminazione.

12. Come si utilizza l’analisi discriminante nella classificazione dei dati?

- Si usa per classificare osservazioni in gruppi predefiniti, massimizzando la separazione tra gruppi sulla base

delle variabili indipendenti.

- L'analisi discriminante non pu essere applicata a dati continui.

- L'analisi discriminante non utile per classificazioni.

- L'analisi discriminante utilizzata solo per dati binari.

13. Qual il ruolo della statistica descrittiva nelle indagini di mercato alimentare?

- La statistica descrittiva analizza solo distribuzioni uniformi.

- Riassume i dati (es. medie, percentuali) per individuare tendenze nei consumi, preferenze e caratteristiche

demografiche dei clienti.

- La statistica descrittiva non considera le frequenze.

- La statistica descrittiva si applica solo a campioni piccoli.

14. Come si applica l'analisi di regressione lineare nello studio dei consumi alimentari?

- La regressione lineare non pu essere utilizzata per analizzare i consumi.

- Permette di identificare la relazione tra consumo e fattori come prezzo, reddito, e preferenze, stimando l'impatto

di ciascuna variabile.

- La regressione lineare richiede sempre dati normalizzati.

- La regressione lineare non pu modellare relazioni negative.

15. In che modo l'analisi delle componenti principali (PCA) riduce la dimensionalit dei dati?

16. Come....

- La PCA aumenta la dimensionalit dei dati.

- La PCA genera variabili casuali per ogni componente.

- La PCA elimina completamente le informazioni inutili.

- La PCA trasforma i dati in un nuovo sistema di coordinate, ordinando le componenti principali per varianza,

riducendo il numero di variabili senza perdere informazioni significative.

17. Quali sono le principali misure di controllo qualit utilizzate nelle analisi statistiche?

- Le carte di controllo non sono utilizzate nel controllo qualit .

- Il controllo di processo analizza i costi aziendali.

- Il controllo di processo non una misura statistica.

- Esempi includono il controllo di processo (SPC), carte di controllo, analisi della capacit di processo (Cp, Cpk),

e Six Sigma.

18. Cosa si intende per "interazione" nei modelli ANOVA?

- L'interazione nei modelli ANOVA irrilevante per l'analisi.

- L'interazione ANOVA non pu essere calcolata con pi di due fattori.

- L’interazione indica come due o pi fattori combinati influenzano la variabile dipendente, in modo diverso

rispetto agli effetti individuali.

- L'interazione ANOVA si applica solo a variabili indipendenti.

19. In che modo si differenziano moda, media e mediana in un set di dati?

- La media sempre pi grande della moda in ogni dataset.

- Media: valore medio. Mediana: valore centrale dei dati ordinati. Moda: valore pi frequente. Sono misure

diverse che descrivono tendenza centrale.

- Moda, media e mediana sono sempre uguali in ogni dataset.

- Moda e mediana sono sempre uguali in distribuzioni normali.

20. Come si utilizza un istogramma per analizzare la distribuzione dei dati?

- Un istogramma si utilizza solo per dati qualitativi.

- Un istogramma non pu mostrare la distribuzione dei dati.

- Un istogramma mostra la frequenza dei dati suddivisi in intervalli. Permette di identificare forma, simmetria,

picchi e presenza di outliers.

- Un istogramma rappresenta solo la frequenza cumulativa dei dati.

21. Qual il significato del coefficiente di correlazione e come si interpreta?

- Il coefficiente di correlazione misura la media dei dati.

- Il coefficiente di correlazione pu avere valori superiori a 1.

- Il coefficiente di correlazione non ha alcuna utilit pratica.

- Il coefficiente di correlazione misura la forza e la direzione della relazione tra due variabili. Va da -1 (relazione

negativa perfetta) a 1 (relazione positiva perfetta).

22. In che modo il test di normalit aiuta a valutare una distribuzione?

- Il test di normalit si utilizza solo per dati qualitativi.

- Il test di normalit verifica se i dati seguono una distribuzione normale. Esempi includono il test di Shapiro-

Wilk o Kolmogorov-Smirnov.

- Il test di normalit verifica la media dei dati.

- Il test di normalit garantisce che i dati siano uniformemente distribuiti.

23. Cosa rappresenta la simmetria in una distribuzione statistica?

- La simmetria implica sempre la presenza di outliers.

- La simmetria non influisce sulla distribuzione di un dataset.

- La simmetria indica se i dati sono equamente distribuiti intorno alla media. Una distribuzione asimmetrica ha un

'bias' verso destra o sinistra.

- Una distribuzione simmetrica sempre multimodale.

24. Come la dimensione del campione influenza i risultati di un test statistico?

- La dimensione del campione non influenza i risultati di un test statistico.

- Un campione pi grande riduce la media campionaria.

- Un campione pi grande aumenta la probabilit di errore.

- Un campione pi grande riduce l’errore standard, aumentando la potenza statistica e migliorando la precisione

delle stime.

25. Qual il ruolo del primo quartile e del terzo quartile nella statistica descrittiva?

- Il primo quartile rappresenta il valore massimo dei dati.

- Il terzo quartile rappresenta il valore minimo del dataset.

- Il primo quartile rappresenta il valore mediano.

- Il primo quartile (Q1) rappresenta il 25% dei dati pi bassi, mentre il terzo quartile (Q3) rappresenta il 75% pi

basso. Sono usati per calcolare il range interquartile (Q3-Q1).

26. Cosa si intende per errore tipo II in un test di ipotesi?

- L'errore tipo II significa rifiutare un'ipotesi nulla vera.

- L’errore tipo II si verifica quando non si rifiuta un’ipotesi nulla falsa. La probabilit di commettere questo errore

indicata da β.

- L'errore tipo II si verifica quando si accetta un'ipotesi nulla vera.

- L'errore tipo II si verifica quando si rifiuta un'ipotesi alternativa.

27. Come si stabilisce la probabilit di errore in un test statistico?

28. Come viene determinata la probabilità di errore in un test statistico?

- La probabilit di errore non influenzata dal livello di significativit .

- La probabilit di errore fissata a priori attraverso il livello di significativit (α), ad esempio 0.05, che indica

una tolleranza del 5% per rifiutare correttamente l'ipotesi nulla.

- La probabilit di errore sempre pari a zero.

- La probabilit di errore non pu essere determinata a priori.

29. Cosa significa un intervallo di confidenza al 99%?

- Un intervallo di confidenza al 99% significa che la stima precisa al 99%.

- Un intervallo di confidenza al 99% include solo valori superiori alla media.

- Un intervallo di confidenza al 99% rappresenta il valore medio.

- Significa che c’ una probabilit del 99% che l’intervallo contenga il vero valore del parametro sconosciuto.

30. Come si applica il concetto di campionamento casuale nell’inferenza statistica?

- Il campionamento casuale garantisce l'assenza di bias nei dati. (o garantisce che le interferenze siano casuali e

non rappresentative)

- Il campionamento casuale prevede di scegliere valori medi.

- I

l campionamento casuale garantisce che ogni unit della popolazione abbia pari probabilit di essere inclusa,

riducendo bias e migliorando l’affidabilit delle inferenze.

- Il campionamento casuale significa scegliere le unit pi vicine.

31. Qual il significato del valore critico in un test statistico?

- Il valore critico si trova sempre nel centro della distribuzione.

- Il valore critico sempre uguale al livello di significativit .

- Il valore critico il punto oltre il quale si rifiuta l’ipotesi nulla. Dipende dal livello di significativit (α) e dalla

distribuzione del test.

- Il valore critico un valore arbitrario scelto dall'analista.

32. Qual la differenza tra intervallo di confidenza e livello di significativit ?

33. Qual la relazione tra intervallo di confidenza e livello di significativit ?

- Il livello di significativit rappresenta l'intervallo di confidenza.

- L'intervallo di confidenza sempre uguale alla deviazione standard.

- L’intervallo di confidenza indica il range plausibile per un parametro. Il livello di significativit (α) rappresenta

il rischio di errore tollerato per rifiutare l'ipotesi nulla.

- L'intervallo di confidenza rappresenta il range dei dati osservati.

Lezione 002

1. La frequenza assoluta indica:

- La media dei valori

- Il numero di volte in cui un valore si presenta

- La somma dei valori

- La percentuale del valore

2. Le modalit sono:

- I valori distinti che un carattere pu assumere

- Le unit statistiche

- Le frequenze relative

- Le medie

3. La somma delle frequenze relative sempre:

- Minore di 1

- Uguale alla frequenza massima

- Maggiore di 1

- Uguale a 1

4. Una tabella di frequenza include:

- Solo dati numerici

- Modalit , frequenza assoluta e relativa

- Solo valori qualitativi

- Solo le medie

5. La frequenza relativa si ottiene:

- Moltiplicando il dato per 100

- Sottraendo dal totale

- Dividendo la frequenza assoluta per il totale

- Sommando le frequenze assolute

Lezione 003

1. Le frequenze cumulate servono a:

- Visualizzare la media

- Calcolare la somma progressiva delle frequenze

- Mostrare solo i valori pi frequenti

- Misurare la variabilit

2. Un’ogiva rappresenta:

- Le frequenze cumulate

- Le frequenze relative

- I valori medi

- Le medie mobili

3. Quale grafico pi adatto per variabili continue?

- Mappa

- I

stogramma

- Torta

- Diagramma a barre

4. L’asse delle ascisse in un istogramma rappresenta:

- Le modalit o classi

- Le frequenze

- Le frequenze cumulate

- La media

5. Le frequenze cumulate relative sono:

- Le frequenze assolute

- La somma progressiva delle frequenze relative

- I valori medi

- La differenza tra frequenze

Lezione 004

1. Una tabella di contingenza mostra:

- La relazione tra due variabili

- I valori medi

- Solo una variabile

- La varianza

2. Il test del Chi quadrato serve per:

- Calcolare la media

- Stimare la deviazione

- Verificare l’indipendenza tra due variabili

- Calcolare le frequenze relative

3. La V di Cramer una misura di:

- Correlazione lineare

- A

ssociazione tra variabili categoriali

- Deviazione standard

- Variabilit assoluta

4. Nel test del Chi quadrato, un p-value basso indica:

- L’indipendenza tra le variabili

- Che i dati sono normali

- Una dipendenza tra le variabili

- Una frequenza nulla

5. Una cella attesa :

- La media aritmetica

- La frequenza pi alta

- Il valore teorico calcolato sulla base dell’indipendenza

- Il valore osservato

Lezione 005

1. La mediana :

- La moda

- La frequenza pi bassa

- La media

- Il valore centrale in una distribuzione ordinata

2. La media aritmetica si calcola:

- Frequenza pi alta

- Sottraendo i valori minimi dai massimi

- Somma dei valori diviso il numero di valori

- Valore centrale della distribuzione

3. In presenza di outlier preferibile usare:

- La moda

- La media

- La deviazione

- La mediana

4. Se una distribuzione simmetrica:

- La moda nulla

- La media sempre 0

- Media e mediana coincidono

- La mediana maggiore

5. La media sensibile a:

- La frequenza relativa

- Il numero di classi

- La moda

- Valori estremi

Lezione 006

1. Il 50° percentile corrisponde:

- Alla media

- Alla mediana

- All'intervallo interquartile

- Alla moda

2. La moda :

- Il valore centrale

- Il valore pi frequente

- La media dei dati

- La somma dei valori

3. I percentili dividono la distribuzione in:

- 12 parti

- 4 parti

- 100 parti

- 10 parti

4. Il primo quartile corrisponde a:

- 10° percentile

- 75° percentile

- 50° percentile

- 25° percentile

5. La presenza di pi mode si chiama:

- Distribuzione casuale

- Distribuzione simmetrica

- D

istribuzione multimodale

- Distribuzione uniforme

Lezione 007

1. La deviazione standard :

- La somma delle frequenze

- La radice quadrata della varianza

- Il valore pi frequente

- Il valore minimo

2. Il coefficiente di variazione utile per:

- Valutare la moda

- Confrontare variabilit tra distribuzioni con unit diverse

- Trovare la media

- Trovare outlier

3. Una varianza nulla indica:

- Frequenza nulla

- Tutti i dati sono uguali

- Alta dispersione

- Distribuzione casuale

4. La deviazione standard aumenta se:

- Diminuisce il numero di classi

- Aumenta la dispersione

- Diminuisce la media

- Aumenta la moda

5. La varianza misura:

- La mediana

- La dispersione dei dati rispetto alla media

- La moda

- La media

Lezione 008

1. Un box plot asimmetrico indica:

- Dati mancanti

- Errore nei dati

- Distribuzione asimmetrica

- Outlier assenti

2. Gli outlier sono rappresentati:

- Con linee verticali

- Con punti fuori dai baffi

- Non sono visibili

- Dentro la scatola

3. Nel box plot, la linea dentro la scatola rappresenta:

- La media

- Il massimo

- L

a mediana

- La moda

4. Il box plot visualizza:

- Media e moda

- Solo la mediana

- Solo le frequenze

- Mediana, quartili e outlier

5. I baffi del box plot si estendono fino a:

- Frequenza cumulata

- Media ponderata

- Valori non considerati outlier

- Massimo assoluto

Lezione 009

1. Il trend :

- Una variazione casuale

- Il coefficiente di variazione

- La direzione generale della serie

- La moda

2. I dati in una serie storica sono ordinati:

- Per grandezza

- Alfabeticamente

- Cronologicamente

- Per frequenza

3. Una stagionalit :

- Una distribuzione uniforme

- La media mobile

- Componente che si ripete regolarmente nel tempo

- Un outlier

4. L’analisi delle serie storiche permette di:

- I

ndividuare trend e ciclicit

- Trovare moda

- Calcolare frequenze

- Trovare valori nulli

5. Una serie storica :

- Una sequenza di dati nel tempo

- Un box plot

- Una tabella statistica

- Una media pesata

Lezione 010

1. Il numero indice base 100 indica:

- La frequenza assoluta

- La varianza

- La media mobile

- La variazione rispetto a un periodo base

2. Se un indice vale 120, indica:

- Un valore fuori scala

- Una riduzione

- U

n aumento del 20% rispetto al valore base

- Un errore di misura

3. Cosa misura un indice complesso?

- La variazione complessiva di pi grandezze

- La mediana dei valori

- La deviazione standard

- Il valore pi frequente

4. Gli indici complessi sono usati per:

- Calcolare la moda

- Analizzare fenomeni economici

- Trovare outlier

- Contare le frequenze

5. Un indice complesso aggregato pu essere:

- Geometrico o aritmetico

- Solo geometrico

- Un valore casuale

- Solo aritmetico

Lezio