Domande Data Analisys

Domande Data

Analisi fattoriale e correlazione

1. Analisi fattoriale, coefficiente di correlazione: un coefficiente sicuramente errato: 1,197.

2. Scatterplot: concordanza.

Cluster analysis

3. Cluster analysis dendrogramma; gerarchici.

4. Stima del parametro di una popolazione condizione necessaria per intervallo di confidenza: conoscere la distribuzione di probabilità.

5. Ipotesi dell’indipendenza tra A e B non chi quadrato: l’ipotesi di indipendenza è respinta (95%) significativa.

6. Valore di correlazione -0,45: discordanza.

7. Il coefficiente di regressione è ottenuto: svolgendo l’equazione di una retta passante per due punti.

Ranking e scale

8. Il ranking internazionale delle università di management è su scala: ordinale.

9. Coefficienti di matrice di struttura: coefficiente di correlazione tra variabile e fattore.

10. Il livello delle vendite creme antiage: 8.

11. Cluster analysis quando è preferibile approccio non gerarchico: quando ci sono tante unità.

Analisi della varianza

12. Analisi della varianza anova: test NON significativo al 95% medie non sono significativamente diverse. Se p=0,08 molto significativo. Se p=0,23 non è significativo. Se p=0,023 significativo al 95% e non al 99%.

13. Coefficiente di asimmetria -0,5-0,5: relativamente simmetrica (per il libro è moderatamente simmetrica e relativamente asimmetrica).

14. Chi quadrato = 0: perfetta indipendenza.

15. Cluster anlysis distanza tra unità: tutti si basano sulle distanze tra le unità.

16. Indice di GMAT (Graduate Management Admission Test): scala a intervalli.

17. Analisi delle componenti principali si può estrarre una componente principale? Si.

18. Obiettivo della cluster analysis: nessuna delle precedenti (fattoriale genere gruppi di variabili).

19. L’analisi della varianza rispetto ai gruppi A e B ha dato i seguenti risultati (tabella) che conclusioni? Per Zavarrone nel caso non è consigliabile usare test t, ma in realtà le medie sono uguali nei gruppi deve essere respinta.

Tabelle e misure

20. Tabelle pivot: costruire le distribuzioni di frequenza e grafici associati.

21. Medie mobili con k=3: media degli ultimi 3.

22. ANOVA serve: testare ipotesi che le medie in più gruppi siano diverse.

23. Indice per misurare la relazione tra due variabili numeriche: Pearson.

24. La nube dei valori che si posizionano attorno all’origine e lungo l’asse delle ascisse indicano: linearità.

25. Caratteristiche delle componenti principali: nessuna delle precedenti (sono ortogonali tra loro, sono non correlate).

26. Come si misura la variabilità relativa: coefficiente di variazione.

27. I valori teorici o previsti corrispondono: al calcolo dell’equazione della retta dei minimi quadrati calcolata per ogni valore della variabile x / valore della retta per ogni punto (?).

28. Cluster: cosa rappresentano i valori dei centri dei cluster: medie delle variabili all’interno dei cluster.

Tipologie e funzioni

29. 4 tipi di dendrogramma: - con linea blu - 3; - un altro da 3; - 2 o 5; nessuno.

30. Funzione KURT excel: curtosi.

31. Numero componenti da estrarre: tutte le risposte precedenti.

32. Questa proprietà consente di misurare ciò che si è proposti di misurare. Indicare quale è la proprietà: validità.

33. Numero con cluster massimi estraibili con N: n.

34. Statistica test anova uguaglianza: F.

35. Misure della bontà di previsione influenzata dai valori anomali: MAD.

36. Valori estremi CV: 0 1.

37. K-means come si può influenzare il risultato dell’analisi: cambiando i centri iniziali.

38. Spoglio: serve per la creazione di distribuzione di frequenza.

39. Covarianza -1: discordanza.

40. Quali sono gli autovalori con una varianza maggiore di 1: 56,628.

41. Che valori possono assumere i coefficienti della matrice di struttura per l’estrazione di fattori: -1+1.

42. Analisi delle componenti principali, quali caratteristiche hanno le componenti: nessuna delle precedenti.