Risposte domande chiuse paniere psicometria aggiornate 2023

Differenza media può essere: entrambe le alternative (semplice e con

ripetizione)

Differenza media permette: di calcolare la media delle differenze in

valore assoluto fra tutte le possibili coppie di valori

Lezione 22

Studio della concentrazione è utile per: vedere se il fenomeno è

equamente distribuito fra tutte le unità statistiche

Concentrazione si calcola usando: il metodo grafico di Lorenz

Lezione 23

Basandosi sulla probabilità è possibile: generalizzare i risultati

ottenuti dal campione alla popolazione

Per la concezione classica della probabilità possono esistere degli

eventi: totalmente improbabili

Concezione logistica di probabilità: considera la probabilità di un

evento in relazione logica fra l’evento stesso ed un insieme di

conoscenze di cui si dispone

Per la concezione classica della probabilità questa può assumere

valori che vanno da: 0 a 1

Per la concezione classica delle probabilità questa: è il rapporto fra

il numero m dei casi favorevoli (al verificarsi di e) ed il numero n dei

casi possibili

Concezione assiomatica di probabilità: parte da due concetti

primitivi (evento e probabilità) e da alcuni assiomi Concezione

soggettiva di probabilità: valuta la probabilità di un evento

in base al grado di fiducia che un individuo attribuisce,

secondo le sue info, al verificarsi di un evento

Concezione frequentista delle probabilità si basa: entrambe le

alternative (esperimento e osservazione)

Calcolo delle probabilità è: uno strumento razionale che permette di

prendere decisioni in condizioni di incertezza

Lezione 24

Secondo la teoria frequentista la probabilità di una certa

caratteristica: la frequenza relativa in un numero di prove

ritenuto sufficientemente elevato

Secondo la teoria soggettiva della probabilità: probabilità associata

a una certa affermazione misura il grado di credenza attribuito

all’affermazione stessa da una certa persona

Concetti primitivi del calcolo della probabilità sono: tutte le

alternative sono corrette (prova, evento, probabilità)

nell’impostazione assiomica del calcolo della probabilità una prova

è definita come: un esperimento soggetto a incertezza Nella teoria

frequentista se la frequenza di un evento è pari a uno possiamo dire

che: in quelle prove si è sempre verificato Nella teoria frequentista se

la frequenza di un evento è pari a zero possiamo dire che: non si è

verificato in nessuna delle n prove effettuate

nell’impostazione assiomica del calcolo delle probabilità un

evento è definito come: uno dei possibili risultati della prova Legge

empirica del caso dice che: fatta un’ampia serie di prove la

frequenza tende ad assumere valori prossimi alla probabilità

dell’evento

Per la concezione soggettiva la probabilità è rappresentata da:

numero reale compreso fra 0 e 1 nell’impostazione assiomica del

calcolo delle probabilità una probabilità è definita come: un

numero associato al presentarsi di un evento

Lezione 25

Quando voglio calcolare la probabilità che lanciando un dado

esca 3 sapendo che è uscito un numero dispari sto calcolando: la

probabilità condizionata

Quando si vuol calcolare la probabilità di prendere ad un esame e di

vincere una schedina prenderò in considerazione: la probabilità

composta

Probabilità composta di tre eventi indipendenti con probabilità pari

a ¼, 1/3, ½ è pari a: 1/24

Concetto di probabilità composta deriva da quello di: probabilità

condizionata

Considerando il lancio di un dado, la probabilità che esca 3 sapendo

che è uscito un numero dispari è uguale a: 1/3 Probabilità composta di

due eventi indipendenti è pari a: la probabilità di uno dei due eventi

moltiplicata per la probabilità dell’altro

Probabilità che due eventi si verifichino contemporaneamente è

pari a: la probabilità di uno dei due eventi moltiplicata per la

probabilità dell'altro evento condizionato al verificarsi del primo

Probabilità di un evento A condizionato a B può essere: tutte le

alternative sono corrette

Quando consideriamo la probabilità condizionata di un evento A: se

b non si verifica, l’evento a condizionato a b non è definito

Probabilità condizionata si definisce come: la probabilità del

verificarsi di A nell’ipotesi che B si sia verificato

Lezione 26

In una distribuzione di probabilità uniforme: ogni elemento di un

insieme finito ha lo stesso valore di probabilità

Esempio di distribuzione di probabilità uniforme: il lancio di un dado

Nelle distribuzioni di probabilità continue: la variabile viene espressa

con scala continua

Distribuzione di Poisson esprime la probabilità per: eventi che si

verificano successivamente ed indipendentemente in un intervallo di

tempo

Probabilità di una serie di estrazioni da un mazzo di carte senza

reinserimento si distribuisce seguendo: probabilità iperegometrica

Distribuzione di probabilità di Poisson prende in considerazione

l’indice lambda che rappresenta: la media di eventi che si verificano

in un dato lasso di tempo

Distribuzione binomiale riguarda: eventi il cui esito può

essere solo un successo o un insuccesso Valori che

contraddistinguono una distribuzione di probabilità

sono: media e deviazione standard Distribuzioni di

probabilità possono essere: continue o discrete

Una distribuzione di probabilità è: modello matematico che

collega i valori di una variabile alle probabilità che possano essere

osservati

Nelle distribuzioni di probabilità discrete: la variabile viene misurata

con valori numerici interi

Lezione 27

Legge dei grandi numeri dice che: la media di un numero sufficiente di

campioni è sufficientemente vicina alla media reale

Distribuzione normale fa riferimento a variabili: continue

Punto più alto di una curva normale viene definito: punto di

massimo

Quando indichiamo una distribuzione normale riportiamo i valori

di: media e mediana

Moda, mediana e media non coincidono nella distribuzione di

probabilità: nessuna delle alternative

Moda, mediana e media coincidono nella distribuzione di probabilità:

normale

Deviazione standard della media rappresenta, nella curva normale: i

punti di flesso

Due distribuzioni normali con medie diverse: avranno una diversa

posizione sull’asse delle x

Due distribuzioni normali con diverse deviazioni standard: avranno

diversi punti di flesso

Nella distribuzione normale moda, mediana e media rappresentano: il

punto più alto della distribuzione

Lezione 28

Usando la distribuzione normale standardizzata possiamo:

confrontare due diverse distribuzioni di probabilità

Curva normale varia tra: + e - infinito

Distribuzione normale standardizzata: ha media 0 e deviazione

standard 1

Area compresa fra la curva normale e l’asse delle x equivale a una

probabilità pari a: 1

Area compresa tra più e meno due deviazioni standard in una

curva normale standardizzata è pari al: 95.45% Area compresa

tra più e meno tre deviazioni standard in una curva normale

standardizzata è pari al: 99.73% Area compresa tra più e meno

una deviazione standard in una curva normale

standardizzata è pari al: 68.26% Code della distribuzione

normale: non toccano mai l’asse delle x

Per la distribuzione normale standardizzata, usando delle specifiche

tavole è possibile calcolare: l'area sottesa alla curva tra l'asse delle

x e un dato valore

Lezione 29

Punti z indicano: quante deviazioni standard il punteggio si discosta

dalla media

Punti z fanno riferimento: curva normale standardizzata

Punti z vengono calcolati usando: media e deviazione standard

Scopo della standardizzazione dei punteggi grezzi è: rendere dati

diversi direttamente confrontabili

Lezione 30

Campionamento può essere: entrambi (probabilistico/non)

Nel campionamento casuale la selezione può essere fatta: entrambe le

alternative (con e senza ripetizione)

Quando applichiamo la selezione senza ripetizione al campionamento

casuale: la probabilità che ogni elemento venga estratto cambia ad

ogni estrazione

Campionamento casuale semplice ha il limite di: richiedere elevati

costi e tempi di realizzazione

Campionamento casuale può essere applicato se: entrambe le

alternative (popolazione/unità statistiche)

Nel campionamento probabilistico ogni unità della popolazione ha:

la stessa probabilità di far parte del campione

Obiettivo del campionamento è: ottenere un campione

rappresentativo dell’intera popolazione

Fare esperimenti sulla popolazione ha lo svantaggio di: richiedere

tempi e costi molto elevati

Verifica delle ipotesi permette: basandosi sul campione, di decidere se

l’ipotesi fatta è accettabile anche a livello della popolazione

Stima campionaria permette: di stimare dal campione alcuni

parametri della popolazione

Inferenza statistica può riguardare: entrambe le alternative

(verifica delle ipotesi/stima campionaria)

Inferenza statistica può essere definita come il procedimento che

permette di: analizzare il campione per ottenere conclusioni circa

la popolazione

Usando l’inferenza statistica possiamo: usare i dati ottenuti dal

campione per avere info sulla popolazione

Lezione 31

Campionamento probabilistico comprende: campionamento

stratificato e a più stadi

Stratificare una popolazione vuol dire: dividerla in

sottopopolazioni

Nel campionamento stratificato l’estrazione casuale si applica: ad

ogni sottogruppo della popolazione

Campionamento stratificato si applica: a popolazioni molto ampie

Campionamento a più stadi prevede: la divisione della popolazione in

stadi sempre più piccoli

Nel campionamento a più stadi è necessario che: le differenze tra i

gruppi primari siano limitate

Durante le procedure di campionamento sistematico la popolazione:

viene ordinata e numerata e le unità sono estratte ad intervalli

regolari

Campionamento sistematico permette di: ordinare e numerare una

popolazione e selezionare ad intervalli regolari le unità Nel

campionamento non probabilistico a scelta ragionata: vengono

scelti elementi che rispondono a specifiche esigenze Nel

campionamento non probabilistico: non è possibile conoscere la

probabilità di inclusione nel campio