paniere statistica economica - risposte multiple

Lezione 001

Domande di statistica economica e scienze dell'economia

01. Quando un vettore riga si dice trasposto?
Quando da vettore riga si trasforma in matrice rettangolare. Quando da vettore riga si trasforma in vettore colonna. Quando da vettore riga si trasforma in matrice quadrata. Quando da matrice si trasforma in vettore colonna.

02. L'operazione di moltiplicazione tra matrici è possibile solo se?
La diagonale di una matrice ha tutti valori uguali ad 1. 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. Il numero di colonne di una matrice è diverso al numero di righe di un'altra.

03. Quando un vettore colonna si dice trasposto?
Quando da vettore riga si trasforma in vettore colonna. Quando da vettore colonna si trasforma in matrice rettangolare. Quando da vettore colonna si trasforma in matrice quadrata. Quando da vettore colonna si trasforma in vettore riga.

04. La matrice è:
Una tabella composta da numeri tra loro associati disposti su righe e colonne. Una tabella. Una tabella composta da numeri. Una tabella composta da numeri tra loro associati.

05. Quali operazioni tra matrici soddisfano la proprietà commutativa?
Somma. Somma e prodotto. Prodotto. Differenza.

06. Dati i seguenti vettori di dati (2, 1, 5, 7); (3, 0, 1, 8) riportare di seguito gli script di R relativi:
a) alla costruzione di due matrici M e D; b) alla somma delle due matrici M e D; c) alla sottrazione delle due matrici M e D; d) al prodotto delle due matrici 2x2 2x2 M e D.

07. Dato il vettore colonna v(1, 3, 2), la matrice di dati M =(2, 1, 5, 7, 3, 0, 1, 8, 4) e la matrice di dati N = (1, 2, 6, 4, 5, 3) calcolare:
a) il prodotto di v per M; b) la somma delle due matrici M e N; c) la sottrazione delle due matrici M e N; d) la divisione delle due matrici M e N.

08. Dato il seguente vettore di dimensione 5 (2, 5, 8.5, 0, -1) riportare di seguito gli script di R relativi:
a) alla selezione del suo 2^o elemento; b) alla selezione degli elementi nella posizione 2^a e 4^a; c) alla selezione degli elementi positivi; d) alla selezione di quelli nelle posizioni 1^a e 3^a.

09. Dato il seguente vettore di dati (7, 8, 1, 5, 8, 7, 0, 11, 18) riportare di seguito gli script di R relativi:
a) alla costruzione di una matrice 3x3; b) al calcolo del determinante; c) al calcolo del rango; d) al calcolo della traccia.

Lezione 002

L'inversa

01. L'inversa di una matrice esiste solo e soltanto se?
Il suo determinante è uguale a zero. Il suo determinante è uguale a 1. Il suo determinante è diverso da zero. Il suo determinante non esiste.

02. Quando è possibile effettuare il calcolo del determinante di una matrice?
Quando la matrice di riferimento è rettangolare. Quando la matrice di riferimento è triangolare. Quando la matrice di riferimento è quadrata. Quando la matrice di riferimento è isoscele.

03. 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. Un vettore caratteristico v associato ad un autovalore λ.

04. Il rango di una matrice può essere definito come?
L'ordine massimo dei minori non nulli da essa estraibili. L'ordine minimo dei minori nulli da essa estraibili. L'ordine massimo dei minori nulli da essa estraibili. L'ordine minimo dei minori non nulli da essa estraibili.

05. Come si calcola la traccia di una matrice?
Facendo la somma fra i valori della diagonale secondaria. Facendo il prodotto fra i valori della diagonale secondaria. Facendo la differenza fra i valori della diagonale principale. Facendo la somma fra i valori della diagonale principale.

06. Dato il vettore colonna v(1, 3), la matrice di dati M =(2, 1, 5, 7) calcolare:
a) gli autovalori di M; b) gli autovettori di M; c) l'inversa della matrice di M; d) il rango di M.

07. Dato il vettore colonna v(1, 3), la matrice di dati M =(2, 1, 5, 7) calcolare:
a) il prodotto di v per M trasposta; b) il prodotto di M per la sua trasposta; c) la matrice risultante dal prodotto di M per la sua trasposta; d) la traccia di M.

08. Dato il vettore colonna v(1, 3, 2), la matrice di dati M =(2, 1, 5, 7, 3, 0, 1, 8, 4) calcolare:
a) il determinante di M; b) la trasposta di M; c) l'inversa di M; d) il rango di M.

09. Data la seguente matrice di dati C = (12, 2, 3, 45, 64, 32, 1, 87, 21) riportare di seguito gli script di R relativi:
a) al calcolo della matrice C; b) al calcolo della trasposta di C; c) al calcolo della traccia di C; d) al calcolo del rango di C.

10. Date le seguenti matrici di dati M =(2, 1, 5, 7); D =(3, 0, 1, 8) riportare di seguito gli script di R relativi:
a) al calcolo della matrice M; b) al calcolo degli autovalori della matrice M; c) al calcolo degli autovettori della matrice M; d) al calcolo della trasposta della matrice D.

Lezione 003

Probabilità e campionamento

01. Qual è la formula con cui si calcola la probabilità di inclusione del II ordine?
π = Σ p(c) dove N sono tutti i campioni i Nπ_i = Σ_Nij p(c) dove Ni sono tutti i campioni inclusi in Ω che contengono l'elemento i-esimo e j-esimo. π = Σ p(c) dove Ni sono tutti i campioni inclusi in Ω_ij N_ij. π_ij = Σ_Nij p(c) dove N sono tutti i campioni.

02. Qual è la formula con cui si calcola la frequenza attesa?
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. n/N dove n sono gli elementi del campione e N quelli della popolazione.

03. Qual è la formula con cui si calcola la probabilità di inclusione del I ordine?
π = Σ p(c) dove N sono tutti i campioni. i Nπ = Σ p(c) dove N sono tutti i campioni inclusi in Ω che contengono l'elemento i-esimo. i Nπ = Σ p(c) i Nπ = Σ (c) dove N sono tutti i campioni inclusi in Ω che contengono l'elemento i-esimo. i N

04. Come deve essere la probabilità di estrazione in un campionamento casuale semplice?
Cumulativa per ogni estrazione. Uguale per ogni estrazione. Additiva per ogni estrazione. Diversa per ogni estrazione.

05. Dato il seguente campione di dati (6.2, 4.7, 2.4, 1.8, 8.1, 7.6, 1.9) riportare di seguito gli script di R relativi:
a) al calcolo della media; b) al calcolo della deviazione standard; c) al calcolo del totale; d) al calcolo della proporzione.

06. Si vogliono estrarre 2 campioni da una popolazione di 20 e si vuole calcolare:
a) il numero di campioni casuali semplici senza ripetizione; b) il numero di campioni casuali semplici con ripetizione; c) la probabilità di inclusione di I ordine; d) la probabilità di inclusione di II ordine.

07. Per estrarre 20 campioni da una popolazione di 2000 quali script di R si utilizzano:
a) se si hanno campioni casuali semplici senza ripetizione; b) se si hanno campioni casuali semplici con ripetizione; c) per il calcolo della probabilità di inclusione l'estrazione di I ordine; d) quale libreria si usa per dei campioni.

Lezione 004

01. Quali sono gli stimatori di un disegno campionario probabilistico?
Media, varianza, totale. Media, varianza, totale, proporzione. Media, varianza, totale, proporzione, intervallo di confidenza. Media, varianza.

02. Che cosa è lo stimatore in un disegno campionario probabilistico?
È una statistica atta a stimare un parametro noto θ della popolazione. È una statistica atta a stimare un parametro incognito θ del campione. È una statistica atta a stimare un parametro incognito θ della popolazione. È una statistica.

03. Si è estratto il seguente campione (2, 12, 6, 5) a probabilità costanti e si vuole calcolare:
a) lo stimatore media campionaria; b) la varianza dello stimatore media campionaria; c) la varianza dello stimatore totale; d) l'errore standard dello stimatore totale.

Lezione 005

01. Il Disegno Campionario non probabilistico "Improvvisato" è caratterizzato da un metodo?
Soggettivo. Empirico. Soggettivo e empirico. Manuale.

02. Nel Disegno Campionario non probabilistico per piccole Aree come sono le stime dirette?
Basse. Alte. Non precise. Precise.

03. Quali disegni campionari "complessi" sono studiati?
Campionamento stratificato. "Driven Sampling" e "Small Area". Resident campionamento a grappoli. Campionamento sistematico. Campionamento "Improvvisato".

04. Dato un campione, spiegare:
a) come sono le probabilità di inclusione; b) quale caratteristica assumono gli stimatori per definizione; c) quale legge segue la numerosità campionaria; d) che tipo di scelta si utilizza per gli elementi del campione.

Lezione 006

01. La formula dello stimatore RDS cosa presenta al numeratore e al denominatore?
Due stimatori Hansen-Hurwitz non distorti. Due stimatori Hansen-Hurwitz. Uno stimatore Hansen-Hurwitz e uno di Volz. Due stimatori Hansen-Hurwitz distorti.

02. Il predittore EBLUP (Empirical Best Linear Unbiased Predictor) è basato:
Su un modello non lineare a effetti misti. Su un modello curvilineo a effetti misti. Su un modello lineare a effetti semplici. Su un modello lineare a effetti misti.

03. Per impostare un campionamento RDS l'attendibilità:
a) quali punti si affrontano; b) come si descrive la popolazione di interesse; c) come si valuta del metodo RDS; d) cosa si stabilisce per il reclutamento e le probabilità di selezione.

Lezione 007

01. Dato il seguente campione (2.1, 3.2, 4.5) utilizzando il test delle successioni per un campione o per risposte alternative:
a) calcolare la mediana campionaria; b) stabilire il sistema di ipotesi; c) calcolare la media attesa di frequenze; d) spiegare, senza calcoli, quando si accetta o si rifiuta l'ipotesi nulla al livello di significatività del 5%.

Lezione 008

01. Cosa prevede l'implementazione del metodo Monte Carlo?
Lo svolgimento degli esperimenti attraverso la simulazione di prove ripetute. Lo svolgimento dei calcoli attraverso la simulazione di prove. Lo svolgimento degli esperimenti attraverso la simulazione. Lo svolgimento degli esperimenti attraverso prove ripetute.

02. Il metodo Monte Carlo è uno degli strumenti più utilizzati nella tecnica della?
Configurazione. Variazione. Simulazione. Sospensione.

03. Su cosa si basa la tecnica "bootstrap"?
Sulla reiterazione. Sulla speculazione. Sulla somma. Sull'amplificazione.

04. Assunto che si voglia utilizzare il Metodo Monte Carlo in una simulazione spiegare brevemente:
a) che cosa è questo metodo; b) come si implementa; c) quali sono le problematiche specifiche; d) cosa si deve specificare a priori.

Lezione 009

Teoria economica

01. Secondo la teoria economica, le variazioni dei prezzi e delle quantità sono correlate negativamente e quindi in questo caso il numero indice di Laspeyres rispetto a quello di Paasche è:
Minore. Maggiore. Uguale. Minore di zero.

02. Che cos'è un numero indice?
Un rapporto di durata. Un rapporto di ripetizione. Un rapporto di controllo. Un rapporto statistico.