Paniere risposte chiuse di statistica economica

Paniere completo e-campus - risposte chiusestatistica economica

Scienze dell'economia

Docente: Coccarda Raoul

Generato il 30/12/2019

Lezione 001

1. Quali sono le linee di codice di R per cambiare e settare una directory?

• set( )
• getwd( ); sette( )
• getwd( )
• getwd( ); set( )

2. Quali sono le linee di codice di R per aprire il data frame airquality?

• data.frame
• data.frame(airquality)
• frame(airquality)
• data (airquality)

3. Quali sono le linee di codice di R per importare il data frame vend1 in formato testo?

• prova <- vend1.txt"; prova
• prova <- read.table("vend1.txt"); prova
• read.table("vend1.txt", header=TRUE); prova
• prova <- table("vend1.txt", header=TRUE); prova

4. Quali sono le linee di codice di R per importare il data frame vend2 in formato testo denominato "prova" senza il nome delle colonne nella prima riga?

• scan("vend2.txt"); prova
• prova <- ("vend2.txt"); prova
• prova <- ("vend2.txt"); prova
• prova <- scan("vend2.txt"); prova

5. Quali sono le linee di codice di R per importare il data frame vendite in formato excel con l’estensione .csv che contiene due e più colonne con nome delle colonne nella prima riga?

• prova <- read.csv2 ("vendite.csv”); prova
• prova <- ("vendite.csv", header=TRUE); prova
• read.csv2 ("vendite.csv", header=TRUE); prova
• prova <- read.csv2 ("vendite.csv", header=TRUE); prova

6. Quali sono le linee di codice di R per importare il data frame vendite in formato excel con l’estensione .csv con il separatore “;”

• read.csv ("vendite.csv", header=TRUE); prova
• read.csv ("vendite.csv",); prova
• prova <- ("vendite.csv”); prova
• prova <- read.csv ("vendite.csv", header=TRUE); prova

7. Quali sono le linee di codice di R per costruire il data frame m1 prendendo in considerazione i numeri da 1 a 40?

• matrix(1:36, nrow=6); df<-data.frame(m1); do
• m1<- matrix(1:40, nrow=6); df<-data.frame(m1); do
• m1<- matrix(1:40); df<-data.frame(m1); do
• m1<- matrix(1:36, nrow=6); data.frame(m1); do

8. Quali sono le linee di codice di R per costruire il data frame dove sulle righe vengono riportate le modalità 1,2,3,4,5,6 e sulle colonne le modalità X1, X2, X3 prendendo in considerazione i numeri da 1 a 18?

• tab <- matrix(c(1:18),6, 3); rownames(tab) <- c(1,2,3,4,5,6); colnames(tab) <- c("X1", "X2", "X3"); tab
• tab <- matrix(6, 3); rownames(tab) <- c(1,2,3,4,5,6); colnames(tab) <- c("X1", "X2", "X3")
• tab <- matrix(c(1:18)); rownames(tab) <- c(1,2,3,4,5,6); colnames(tab) <- c("X1", "X2", "X3")
• matrix(c(1:18),6, 3); rownames(tab) <- c(1,2,3,4,5,6); colnames(tab) <- c("X1", "X2", "X3")

9. Quali sono le linee di codice di R per attaccare e staccare le colonne del data frame airquality?

• airquality; detach(airquality)
• detach(airquality); (airquality)
• attach(airquality); fortacch (airquality)
• attach(airquality); detach (airquality)

Lezione 002

1. Quali operazioni tra matrici soddisfano la proprietà commutativa?

• Prodotto
• Differenza
• Somma e prodotto
• Somma

2. Quali sono le linee di codice di R per calcolare il rango della matrice A (2x2) (1,3,2,4)?

• A <- matrix(data=c(1,3,2,4), nrow = 2, ncol = 2);A; rank(A)
• A <- (data=c(1,3,2,4), nrow = 2, ncol = 2);A; rank(A)
• A <- matrix(data=c(1,3,2,4);A; rank(A)
• A <- matrix(A);A; rank(A)

3. La matrice è?

• Una tabella composta da numeri
• Una tabella
• Una tabella composta da numeri tra loro associati disposti su righe e colonne
• Una tabella composta da numeri tra loro associati

4. Quali sono le linee di codice di R per la somma di due matrici M e D?

• M <- matrix; D <- matrix(data = D); D+M; M+D
• M <- matrix(data = M); D <- matrix(data = D); D+M; M+D
• M <- matrix(data = M); D <- matrix(data = D); D+M; M-D
• M <- matrix(data = M); D <- matrix(data = D); D-M; M+D

5. Quando un vettore colonna si dice trasposto?

• Quando da vettore colonna si trasforma in matrice rettangolare
• Quando da vettore colonna si trasforma in vettore riga
• Quando da vettore colonna si trasforma in matrice quadrata
• Quando da vettore riga si trasforma in vettore colonna

6. Quando un vettore riga si dice trasposto?

• Quando da vettore riga si trasforma in vettore colonna
• Quando da vettore riga si trasforma in matrice rettangolare
• Quando da matrice si trasforma in vettore colonna
• Quando da vettore riga si trasforma in matrice quadrata

7. Quali sono le linee di codice di R per calcolare il determinate della matrice A (2x2) (1,3,2,4)?

• A <- matrix(data=c(1,3,2,4), nrow = 2, ncol = 2);A; det(A)
• A <- matrix(A);A; det(A)
• A <- (data=c(1,3,2,4), nrow = 2, ncol = 2);A; det(A)
• A <- matrix(data=c(1,3,2,4);A; det(A)

8. Quali sono le linee di codice di R per calcolare gli autovettori della matrice A (2x2) (2, 3, 1, 2)?

• GAMMA <- eigen(A)$vectors; GAMMA
• GAMMA <- eigen(A) vectors; GAMMA
• GAMMA <- eigen$vectors; GAMMA
• GAMMA <- eigen(A; GAMMA

9. Quali sono le linee di codice di R per calcolare gli autovalori della matrice A (2x2) (2, 3, 1, 2)?

• A <- diag(eigen(A)); A
• A <- diag(eigen(A)$values); A
• A <- diag( (A)$values); A
• A <- diag(eigen(A) values); A

10. Quali sono le linee di codice di R per calcolare la traccia della matrice A (2x2) (1,3,2,4)?

• sum(diag(A));traccia
• traccia<-sum(A);traccia
• traccia<- (diag(A));traccia
• traccia<-sum(diag(A)); traccia

11. L'operazione di moltiplicazione tra matrici è possibile solo se?

• La diagonale di una matrice ha tutti valori uguali ad 1
• Il numero di righe di un vettore è uguale al numero di righe di un altro
• Il numero di colonne di una matrice è uguale al numero di righe di un'altra
• Il numero di righe di un vettore è uguale al numero di righe di un altro

12. L’autovettore v può essere definito come?

• un vettore caratteristico v associato ad un autovettore
• λ un vettore caratteristico v associato
• un vettore caratteristico v associato ad un autovalore
• λ un vettore caratteristico v

13. Quali sono le linee di codice di R per calcolare la matrice inversa della matrice D (3x3) (2,3,3,0,4,1,1,6,0)?

• D <- matrix (data =c(2,3,3,0,4,1,1,6,0), nrow = 3, ncol = 3);D; Dinv<- D; Dinv
• D <- matrix (data =c(2,3,3,0,4,1,1,6,0),);D; Dinv<-solve(D); Dinv
• D <- data =c(2,3,3,0,4,1,1,6,0), nrow = 3, ncol = 3);D; Dinv<-solve(D); Dinv
• D <- matrix (data =c(2,3,3,0,4,1,1,6,0), nrow = 3, ncol = 3);D; Dinv<-solve(D); Dinv

14. Quali sono le linee di codice di R per la moltiplicazione del vettore colonna (3,4,1) per il vettore riga (1,4,3) che ha come risultante il vettore E?

• E<- (data=c(3,4,1), nrow=1, ncol = 3);M; M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); F<-(E%*%M);F
• E<-matrix (c(3,4,1), nrow=1, ncol = 3);M; M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); F<-o (E%*%M);F
• E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; M <- (data = c(1, 4, 3 ), nrow = 3, ncol = 1); F<-(E%*%M);F
• E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); F<o (E%*%M);F

15. Come si calcola la traccia di una matrice?

• facendo la somma fra i valori della diagonale principale
• facendo il prodotto fra i valori della diagonale secondaria
• facendo la somma fra i valori della diagonale secondaria
• facendo la differenza fra i valori della diagonale principale

16. Quali sono le linee di codice di R per la moltiplicazione del vettore colonna (1,4,3) per il vettore riga (3,4,1) che ha come risultante il vettore E?

• M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; C<-o (M%*E); C
• M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; C<-o (M%*%E); C
• M <- matrix(data = c(1, 4, 3 ), nrow = 3, ncol = 1); E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; C<-o (M*%E); C
• M <- (data = c(1, 4, 3 ), nrow = 3, ncol = 1); E<-matrix (data=c(3,4,1), nrow=1, ncol = 3);M; C<-(M%*%E); C

17. Quali sono le linee di codice di R per calcolare la matrice trasposta della matrice M (3x3) (4, 12,8,1,3,2,2,6,4 )?

• M <- matrix (data =c(4,12,8,1,3,2,2,6,4), nrow = 3, ncol = 3); M; t(M)
• M <- (data =c(4,12,8,1,3,2,2,6,4), nrow = 3, ncol = 3); M; t(M)
• M <- matrix (data =c(4,12,8,1,3,2,2,6,4); M; t(M)
• matrix (data =c(4,12,8,1,3,2,2,6,4), nrow = 3, ncol = 3); M; t(M)

18. Il rango di una matrice può essere definito come?

• l’ordine massimo dei minori nulli da essa estraibili
• l’ordine medio dei minori nulli da essa estraibili
• l’ordine massimo dei minori non nulli da essa estraibili
• l’ordine minimo dei minori nulli da essa estraibili

19. L’inversa di una matrice esiste solo e soltanto se?

• il suo determinante è uguale a 2
• Il suo determinante è uguale a 1
• il suo determinante è uguale a zero
• il suo determinante è diverso da zero

20. Quando è possibile effettuare il calcolo del determinante di una matrice?

• Quando la matrice di riferimento è quadrata
• Quando la matrice di riferimento è rettangolare
• Quando la matrice di riferimento è isoscele
• Quando la matrice di riferimento è triangolare

Lezione 003

1. Qual è la formula con cui si calcola la probabilità di inclusione del I ordine?

• πi=ΣN p(c)
• πi=ΣN p(c) dove N sono tutti i campioni
• πi =ΣN (c) dove N sono tutti i campioni inclusi in Ω che contengono l’elemento i-esimo
• πi =ΣNi p(c) dove Ni sono tutti i campioni inclusi in Ω che contengono l’elemento iesimo

2. Quali sono le linee di codice di R per costruire 18 strati e calcolare la relativa probabilità di inclusione?

• strata=c(1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,3); nh=c(2,3,3); inclusionprobabilities(strata,nh)
• strata=c(1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,3); c(2,3,3); inclusionprobabilities(strata,nh)
• c(1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,3); nh=c(2,3,3); inclusionprobabilities(strata,nh)
• strata=c(1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,3); nh= inclusionprobabilities(strata,nh)

3. Quali sono le linee di codice di R per calcolare la probabilità di inclusione di I ordine?

• a<-1:40; -inclusionprobabilities(a,12);pik
• a<-1:40; inclusionprobabilities(a,12);pik
• pik<-inclusionprobabilities(a,12);pik
• a<-1:40; pik<-inclusionprobabilities(a,12);pik

4. Quali sono le linee di codice di R per estrarre un campione di numerosità n=40 senza ripetizione da una popolazione di 4000 unità statistiche?

• lista=1:4000; sample(lista,40)
• lista=1:4000; sample(l,40)
• lista=1:4000; sample(lista)
• lista=1:4000; (lista,40)

5. Quali sono le linee di codice di R per calcolare la deviazione standard su un campione simulato di 1000 osservazioni con ripetizione?

• m<-NULL; for(1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; sd(m)
• m<-NULL; for(i in 1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; sd(m)
• m<- for(i in 1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; sd(m)
• m<-NULL; for(i in 1:1000){ (x,replace=TRUE);m<-c(m,mean(x))}; sd(m)

6. Quali sono le linee di codice di R per calcolare la media su un campione simulato di 1000 osservazioni con ripetizione?

• m<-NULL; for(i in 1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; mean(m)
• m<-NULL; for(i in 1:1000){ (x,replace=TRUE);m<-c(m,mean(x))}; mean(m)
• m<- for(i in 1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; mean(m)
• m<-NULL; for(1:1000){x<-sample(x,replace=TRUE);m<-c(m,mean(x))}; mean(m)

7. Quali sono le linee di codice di R per calcolare la deviazione standard campionaria estraendo un campione con ripetizione che presenta i seguenti valori di x(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6)

• x<-(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); sd(x)
• c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); sd(x)
• x<-c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); sd(x)
• x<-c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); x

8. Quali sono le linee di codice di R per calcolare la media campionaria estraendo un campione con ripetizione che presenta i seguenti valori di x(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6)?

• c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); mean(x)
• x<-c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); mean(x)
• x<-(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); mean(x)
• x<-c(8.2,8.7,9.4,7.8,7.1,9.6,9.9,8.4,8.6,8.7,8.2,8.8,9.3,9.1,10.4,8.0,9.6); x

9. Qual è la formula con cui si calcola la probabilità di inclusione del II ordine?

• πij =ΣNij p(c) dove N non sono tutti i campioni inclusi in Ω
• πij=ΣNij p(c) dove Nij sono tutti i campioni inclusi in Ω che contengono l’elemento i-esimo e j-esimo
• πij =ΣNij p(c) dove Ni sono tutti i campioni inclusi in Ω
• πi =ΣN p(c) dove N sono tutti i campioni

10. Come deve essere la probabilità di estrazione in un campionamento casuale semplice?

• Additiva per ogni estrazione
• Diversa per ogni estrazione
• Cumulativa per ogni estrazione
• Uguale per ogni estrazione

11. Quale è la formula con cui si calcola la frequenza attesa nel DCCSCR?

• N/n dove n sono gli elementi del campione e N quelli della popolazione
• n/N dove N sono quelli della popolazione
• n/N dove n sono gli elementi del campione e N quelli della popolazione
• n/N dove n sono gli elementi del campione

Lezione 004

1. Qual è la formula dello stimatore del totale in un DCCSSR con probabilità costanti per variabili quantitative?

• T(stim)=N*Σn i=1 Yi =N*y(media)
• T(stim)=N/n*Σni=1 Yi =N*y(media)
• T(stim)=N/n*Σn i=1 Yi =y(media)
• T(stim)=N/n*Σn i=1 Yi =N/y(media)

2. Qual è la formula dell’errore standard del totale in un DCCSCR con probabilità costanti per variabili quantitative?

• Estd [T(stim)]= √ V[T(stim)]
• Estd [T(stim)]= √ V[T]
• Estd[T(stim)]= √ V2[T(stim)]
• Estd [T(stim)]= V[T(stim)]

3. Qual è la formula della varianza della proporzione in un DCPCSSR con probabilità costanti per v.c. qualitative?

• V[T(stim)]= N2 * (1+f)/n*p(stim)*[1-p(stim)]
• V[T(stim)]= N2 * (1-f)*p(stim)*[1-p(stim)]
• V[T(stim)]= N2 * (1-f)/n*p(stim)*[1-p(stim)]
• V[T(stim)]= N* (1-f)/n*p(stim)*[1-p(stim)]

Lezione 005

1. Cosa si ottiene con il Disegno Campionario non probabilistico per piccole aree?

• Stima ad un livello di disaggregazione basso
• Stime precise
• Stime ad un livello il più disaggregato possibile
• Stime aggregate

2. Come è caratterizzato il Disegno Campionario non probabilistico «improvvisato»?

• Scelta accidentale
• Scelta accidentale e Metodo soggettivo empirico
• Empirico
• Manuale

3. Quali sono i disegni campionari non probabilistici?

• organizzato; ragionato; «snowball»; a valanga
• improvvisato; ragionato; «snowball»; a valanga; RDS e a piccole aree
• organizzato; «snowball»; a valanga; RDS e a piccole aree
• organizzato; ragionato; «snowball»; a valanga; RDS e a piccole aree

4. Quali sono le caratteristiche principali di un disegno campionario non probabilistico?

• la probabilità di inclusione ignota; la popolazione da cui si estrae il campione; i risultati non sono «inferenziabili»; la selezione degli elementi del campione basata su criteri di facilità d’uso; la bassa affidabilità dei risultati
• la probabilità di inclusione ignota; la popolazione da cui si estrae il campione; i risultati sono «inferenziabili»; la selezione degli elementi del campione basata su criteri di facilità d’uso; la bassa affidabilità dei risultati
• la probabilità di inclusione nota; la popolazione da cui si estrae il campione; i risultati non sono «inferenziabili»; la selezione degli elementi del campione basata su criteri di facilità d’uso; la bassa affidabilità dei risultati
• la probabilità di inclusione ignota; la popolazione da cui si estrae il campione; i risultati non sono «inferenziabili»; la selezione degli elementi del campione basata su criteri di facilità d’uso; la alta affidabilità dei risultati

5. Quali disegni campionari "complessi" sono stati studiati?

• Campionamento stratificato
• Campionamento sistematico
• Campionamento a grappolio Resident Driven Sampling e Small Area

Lezione 006

1. La formula dello stimatore RDS cosa presenta al numeratore e al denominatore?

• Due stimatori Hansen-Hurwitz
• Due stimatori Hansen-Hurwitz distorti
• Uno stimatore Hansen-Hurwitz e uno di Volz
• Due stimatori Hansen-Hurwitz non distorti

2. Il predittore EBLUP (Empirical Best Linear Unbiased Predictor) è basato?

• su un modello non lineare ad effetti misti
• su un modello lineare ad effetti semplici
• su un modello lineare ad effetti misti
• su un modello curvilineo ad effetti misti

3. Come può essere formalizzato il campionamento RDS?

• come una catena binomiale
• come una catena gaussiana
• come una catena markoviana
• come una catena poissoniana

4. Come si applica normalmente il campionamento