Statistica per le analisi economiche e aziendali

Domande sulle analisi statistiche

Si imputa un valore individuale donato da un'unità il più possibile simile a quella con il dato mancante.

Nel caso di valori errati quale delle seguenti affermazioni non è corretta: L'intervistato non ha avuto problemi nel comprendere le domande poste.

Le analisi sui profilo colonna: Non consentono di misurare la distanza o la similarità tra coppie di unità del collettivo statistico.

L'indice di associazione chi-quadrato è calcolato per: Variabili qualitative sconnesse.

L'indice di associazione chi-quadrato: Assume valori via via crescenti quanto maggiore è l'associazione tra i due caratteri.

Le variabili miste: E' possibile ricondurre le variabili misurate su una scala quantitativa in qualitativa.

Il rapporto di correlazione: Calcolati tutti i rapporti di correlazione è possibile costruire la relativa di tali rapporti.

La matrice dei dati secondo l'analisi dei profili riga: La misura di distanza è definita in.

Uno spazio metrico

Nell'analisi dei profili riga: In corrispondenza a ogni indice di distanza può essere definito un indice di similarità

Quale delle seguenti affermazioni è corretta nell'analisi dei profili riga: Il simple matching è un indice di distanza dato dalla frequenza relativa degli attributi presenti in una unità e assenti nell'altra

La distanza di Mahalonobis: È un caso particolare della distanza euclidea ponderata

La distanza di Minkowski: È un indice di distanza generale

Quale delle seguenti affermazioni non è corretta nell'analisi delle variabili quantitative secondo i profili riga: La distanza euclidea tiene conto della possibile correlazione tra le variabili presenti nella matrice dei dati

L'indice di distanza di Gower: Nel caso di caratteri quantitativi il suo calcolo equivale a standardizzare i dati

L'indice di distanza di Gower per caratteri qualitativi dicotomici: Se la variabile dicotomica è

pari a zero, si utilizza la misura di distanza proposta da Jaccard. Quale delle seguenti affermazioni non è corretta: La formazione dei gruppi nella cluster analysis avviene in base al calcolo di misure di distanze fra le unità statistiche calcolate utilizzando una coppia di variabili a ogni passo. Gli algoritmi di classificazione a priori: Richiedono la conoscenza a priori della classe di appartenenza delle unità. La cluster analysis è un'analisi di tipo: esplorativa. L'analisi dei gruppi: Svolge una funzione conoscitiva nell'ambito delle caratteristiche del collettivo in esame. I metodi gerarchici: Non forniscono il numero dei gruppi che deve essere scelto a posteriori esaminando i risultati. Quale delle seguenti questioni deve affrontare un ricercatore in un'analisi cluster gerarchica di tipo agglomerativo: In quanti gruppi realizzare la classificazione delle unità statistiche. Un metodo di formazione dei gruppi non gerarchico: Applica sempre unagruppi di unità appartenenti ai due gruppiIl legame completo: La distanza fra 2 gruppi è la massima distanza fradue gruppi di unità appartenenti ai due gruppiIl legame medio: La distanza fra 2 gruppi è la media delle distanze fradue gruppi di unità appartenenti ai due gruppiIl legame di Ward: La distanza fra 2 gruppi è calcolata in base alladifferenza tra la somma dei quadrati delle distanze dei punti di ognigruppo dal proprio centroide e la somma dei quadrati delle distanze deipunti dei due gruppi dal centroide comune

Unità

Tra i diversi algoritmi di raggruppamento: Il metodo di Ward è il più utilizzato tra gli algoritmi basati sulla devianza

La matrice di dissomiglianza ovvero delle distanze:

Il metodo del legame completo, idoneo con qualsiasi misura di dissomiglianza, è preferibile quando i caratteri sono qualitativi

Il dendogramma: Riproduce in scala i valori della misura di dissomiglianza e/o distanza

Nell'analisi cluster gerarchica aggregativa: Il criterio agglomerativo stabilisce come calcolare il tipo di distanza

Quale dei seguenti requisiti non deve soddisfare un'analisi cluster: soggettività

Il metodo del centroide: E' basato sul confronto ma distanze fra indici caratteristici globali dei gruppi via via formatisi

Il metodo della mediana: E' simile al metodo del centroide

Quale delle seguenti affermazioni non è corretta: L'algoritmo della distanza media è utilizzato in alternativa al metodo della distanza media ponderata

Gli algoritmi

non gerarchico: Risultano meno dispendiosi dal punto di vista del calcolo per ampie basi di dati rispetto agli algoritmi gerarchici Gli algoritmi non gerarchici: Si può utilizzare in generale qualsiasi funzione di distanza L'algoritmo di MacQueen: Le modalità di scelta dei centroidi di partenza si differenziano negli algoritmi non gerarchici denominati k means Quale delle seguenti affermazioni non è corretta in un algoritmo non gerarchico: La scelta della funzione di distanza è fondamentale nei due algoritmi di MacQueen e Forgy poiché può condurre a individuare gruppi di diversa forma I metodi di ottimizzazione: Massimizzare la traccia della matrice B, equivale a minimizzare la traccia della matrice W, dal momento che la traccia di T è invariante rispetto a qualunque suddivisione delle unità in gruppi Individuazione del numero ottimale dei gruppi: Nel metodo di Duda-Hart si testa l'ipotesi dell'esistenza di un cluster contro quelladell'esistenza di due cluster</p><p>Il metodo del Cubic Clustering Criterion: E' un criterio non probabilistico</p><p>Gli algoritmi di segmentazione a priori: I risultati vengono solitamente visualizzati attraverso strutture gerarchiche grafiche denominate alberi</p><p>In un algoritmo di segmentazione a priori: L'insieme dei nodi discendenti da un determinato nodo intermedio viene chiamato branca</p><p>Nella definizione di una procedura di segmentazione, quale delle seguenti fasi precede le altre: Scelta delle variabili e loro trattamento</p><p>Quale delle seguenti affermazioni non è corretta: Tutte le tecniche di segmentazione utilizzano regole di arresto basate sulla numerosità minima dei nodi terminali o sui livelli massimi consentiti per la crescita dell'albero</p><p>Stima del tasso di errata classificazione: La regola basata sul campione test è più affidabile perché utilizza dati esterni rispetto a quelli impiegati per la regola di classificazione basata sulla stima per

Assegnazione delle classi alle foglie: Le unità della foglia appartengono a classi diverse con medesima frequenza: tale situazione è rara in un algoritmo CART

L'algoritmo AID: Il criterio di suddivisione dei nodi si basa complessivamente sulla scomposizione della varianza della variabile dipendente nella quota entro e tra i gruppi

L'algoritmo CHAID: La variabile criterio è espressa su una scala nominale o al più ordinale

Nell'algoritmo AID: Si procede ad aggregare le modalità che presentano frequenze basse in modo che le modalità utilizzate nel processo di segmentazione presentino frequenze pressoché uniformi

Per valutare l'efficacia della segmentazione di un gruppo originario formato da n unità, si definisce una misura della diversità. Quale delle seguenti affermazioni non è corretta: L'algoritmo CHAID utilizza la statistica di Bonferroni

Il CART: È estremamente robusto in presenza di

outliersIn un albero di classificazione: Si introduce un metodo originale per il trattamento dei dati mancanti basato sul concetto di surrogate split In un algoritmo di classificazione: Il concetto di impurità si riferisce ad una misura di variabilità delle osservazioni Quale delle seguenti affermazioni è non corretta circa il concetto di impurità: Se l'indice di eterogeneità è pari 0.439 per il nodo padre e uguale rispettivamente a 0.231 e 0.266 per i nodi figli ciò implica che i due nodi figli sono meno puri rispetto al nodo padre In un albero di classificazione: Il criterio di split consiste nel generare nodi figli omogenei ossia con una proporzione minima di individui di classi differenti della variabile di risposta In un processo di segmentazione: Nessuna regola di arresto riesce a garantire la giusta dimensione dell'albero per il semplice motivo che non esiste una giusta dimensione Quali caratteristiche non si possono dedurre dalla

lettura di un albero: il costo di errata classificazione

Nel fissare una soglia minima: Se β è troppo piccolo la stima di sostituzione per il tasso globale di errata classificazione R(T) può essere nulla

Nella ricerca di un sotto-albero ben dimensionato: L'impiego del tasso stimato di errata classificazione comporta problemi legati all'accuratezza della stima al crescere delle dimensioni dell'albero

In un albero di regressione: La variabile dipendente è quantitativa come nell'algoritmo AID

Il rischio di insolvenza delle imprese: È possibile determinarlo con l'aiuto di adeguati metodi statistici

Ai fini della valutazione dello stato di salute di un'impresa: È opportuno preliminarmente rielaborare gli indici di bilancio di un'impresa

Quale delle seguenti affermazioni non è corretta: Per l'ammissione alla procedura di liquidazione di un'impresa ci devono essere possibilità di risanamento dell'impresa

stessaL'approccio statistico: Consente di studiare la relazione fra segnali premonitori e l'evento insolvenza

Nell'analisi statistica di tipo predittivo: Si produce un punteggio sintetico che esprime il rischio di insolvenza riferito a un specifico orizzonte temporale futuro

Per l'identificazione delle imprese insolventi: Si utilizzano i dati della Centrale dei Rischi della Banca d'Italia

Nelle diverse fasi di previsione dello stato di insolvenza di un'impresa, quale precede logicamente tutte le altre se ben costruita: Selezione delle variabili e loro caratteristiche

Nella formazione del campione delle imprese insolventi: Il numero delle imprese insolventi registrate in un periodo di tempo limitato,