Analisis de Datos 7

Per valutare la soluzione di uno schema di analisi multivariata possiamo utilizzare: Adattamento, parsimonia e fedeltà. Adattamento, parsimonia e indici di relazione tra variabili. Rendimento, fedeltà, specificazione assoluta e relativa. Fedeltà, specificazione assoluta e relativa.

*Quando è possibile affermare che esiste l’uguaglianza X’=a(X;t) ! Sol’=f(Sol;t) allora siamo in presenza di un algoritmo: ammissibile. Iterativo lineare. Non lineare ammissibile. Non ammissibile.

La tavola illustra la matrice Φ di una soluzione di analisi fattoriale esplorativa. Si tratta di una soluzione: ortogonale. degenere. obliqua. canonica.

Nella scissione di un modello, la componente Δ sta ad indicare: Lo scarto aritmetico tra Y e Y^. Un errore casuale. Un errore sistematico. una fluttuazione accidentale che perturba la realizzazione di Y / La deviazione di Y^ da Y-.

*In un modello ANOVA la parsimonia relativa è data da: N - (I x J)/N - 1. (I x J)/N - 1. N/(I x J - 1). (N - 1)/(I x J).

Una struttura elementare priva di variabili e antisimmetrica può essere soltanto una matrice di: C. P. M. D.

Tra le tecniche di scaling, il MDS lavora su dati elementari di tipo: D1. C2. D2. C1.

In un modello di regressione lineare multipla, il test t di Student consente di: valutare la parsimonia. valutare la significatività di ciascun parametro. valutare l'adattamento della soluzione. valutare la significatività di tutti i parametri.

Nell’MDS la flessibilità della mappa per una trasformazione biunivoca dell’input è pari a: L. 1. 2. H.

Indicare il numero di ancore, o punti fissi, presenti in una scala di intervalli: zero. due. uno. infinito.

In un modello ANOVA a due vie, cioè con due fattori (X1 e X2) rispettivamente con 3 e 2 livello di trattamento, viene applicato su 80 partecipanti. Pertanto: I=3, J=2, N=80. Indicare il numero di gradi di libertà dell’errore: 75. 79. 6. 74.

Calcolare il determinante della matrice A: |1 3| |4 5|. 6. 7. -7. 5.

L’algoritmo Alscal applicato su dati aggregati permette la creazione di uno spazio percettivo: congiunto. individuale. comune. unidimensionale.

La tavola riassume le stime dei coefficienti di un modello di regressione. Qual è la lettura del parametro Beta associato alla variabile indipendente “carico di lavoro”: Il carico di lavoro aumenta di 0,260 deviazioni standardla media generale del Cinismo. Il carico di lavoro aumenta di 0,260 punti lo score del Cinismo. Il carico di lavoro aumenta di 0,260 la media generale del Cinismo. Il carico di lavoro aumenta di 0,260 deviazioni standard lo score del Cinismo.

I GdL M del modello sono pari: ??. al numero di vincoli. al numero di parametri espliciti. alla differenza tra parametri espliciti e vincoli. alla differenza tra parametri liberi ed espliciti.

*Il grafico illustra la distribuzione dei residui di un modello di regressione lineare multipla e mostra: (el que son dos u contrapuestas). la presenza di eteroschedasticità nei dati. La normalità nella distribuzione dei residui. L'assenza di autocorrelazione nei residui. La presenza di multicollinearità tra le variabili indipendenti.

Nella valutazione di una soluzione di analisi fattoriale, il REPR è: la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è maggiore di 0,05. la percentuale di celle della matrice di correlazione in cui lo scarto (in modulo) tra correlazioni osservate e riprodotte è minore di 0,05. la percentuale di celle della matrice di correlazione osservata in cui i valori (in modulo) sono inferiori a 20. la percentuale di celle della matrice di correlazione tra i fattori latenti in cui i vaori (in modulo) sono inferiori a 0,20.

Per costruzione, in una AFE il valore medio di un fattore latente è pari a: la media delle correlazioni tra le variabili manifeste. zero. uno. la media delle variabili manifeste.

Una proiezione a bersaglio fisso è una tecnica di analisi dei dati: con supporto e con mappa banale. priva di supporto e con mappa banale. con supporto e con mappa non banale. priva di supporto e con mappa non banale.

La parsimonia relativa di una soluzione può essere definita come: (Cmax - C) / (Cmin - 1). (C -Cmax) / (Cmax - Cmin). (Cmax - C) / (Cmax - Cmin). (Cmax - C).

*Un ricercatore vuole studiare la relazione di dipendenza della socievolezza dall’ansia di stato ((x1) edallo stile di attaccamento (x2), ossia A = evitante, B = sicuro, C = ambivalente, D = disorganizzato. Quante variabili indipendenti avrà il modello di regressione?. 2. 3. 4. 5.

Quante sono le variabili coinvolte in un'analisi della varianza fattoriale 4x3: 12. 7. 3. 2.

Il nucleo della soluzione di un modello di analisi fattoriale è: La matrice di correlazione tra gli indicatori manifesti. La matrice di correlazione tra gli indicatori manifesti e i fattori latenti. La matrice di correlazione tra i fattori latenti. Nessuna delle risposte precedenti.

L'algoritmo Indscal permete al creazione di uno spazio percetivo: Comune. Singolo. Congiunto. Unidimensionale.

Una autoproiezione a bersaglio mobile è una tecnica di analisi dei dati: priva id supporto e con mappa non banale. priva di supporto e con mapa banale. con supporto e con mappa banale. con supporto e con mappa non banale.

In ALSCAL al media dele coordinate di ogni asse è vincolata ed è uguale a: 0. L. H. 1.

La soluzione di ALSCAL corrisponde a: M(x), S. N. N,S. M(x), N.

Il determinante della matrice Q è pari a: Q = 8 64 0, 1 1 0, 3 9 00. -56. 72. 0. 6.

L'experimental wise error legato alla ripetizione di molteplici test inferenziali sui medesimi dati: diminuisce la probabilità di commettere un errore del I tipo. aumenta la probabilità di commettere un errore del II tipo. diminuisce la probabilità di commettere un errore del II tipo. aumenta la probabilità di commettere un errore del I tipo.

Per costruzione, in una AFE la varianza di un fattore latente è pari a: Uno. zero. la media delle variabili manifeste. la media delle correlazioni tra le variabili manifeste.

In forma discorsiva, nel modello ANOVA l’ipotesi nulla del test F è: La varianza between è maggiore della varianza within. Almeno una delle differenze tra le medie dei gruppi è diversa da zero. Le differenze tra le medie dei gruppi sono pari a zero. Tutte e differenze tra le medie dei gruppi sono diverse da zero.

In forma discorsiva, nel modello di regressione lineare multipla l’ipotesi nulla del test F è: La correlazione tra regressori è uguale a 0. Almeno un regressore esercita un’influenza. Nessun regressore esercita un’influenza. Tutti i regressori esercitano un’influenza.

lI dominio di una scala di rapporti è: [ 0 , +∞. -∞ , +∞. ] 0 , +∞. ] 0 , 1 ].

In un disegno ANOVA a due vie, cioè con due fattori di trattamento X1 e X2, i termini di trattamento possono essere calcolati mediante doppia centratura della matrice M, ovvero: MINT=M-MR-MC-MG. MINT=M-MR-MC+MG. MINT=M-MR-MC. MINT=MG-MC.

Il grafico illustra la distribuzione dei residui di un modello di regressione lineare multipla e mostra: (las dos rayas así //). La presenza di eteroschedasticità. La presenza di valori anomali. Il rispetto di tutti gli assunti. La multicollinearità tra i regressori.

In generale, un buon algoritmo di analisi dei dati deve essere: sensibile alle sostituzioni. indifferente alle permutazioni. determinato. significativo.

Nella scala di regressione multipla, il coefficiente di determinazione R^2 assume valori compresi tra: -1 < R^2 < 0. -1 < R^2 < 1. 0 < R^2 < +1. 0 < R^2 < + infinito.

*Una matrice con due vie, linee permutabili e referenti singoli è una struttura dati di tipo: Elementare. Multidimensionale. Complessa. Simmetrica.

In una analisi fattoriale il numero dei parametri stimati della matrice omega (Ω) è pari a: M. M(M-1)/2. H. H(H-1)2.

La tavola riassume le stime dei coefficienti di un modello di regressione multipla con 6 variabili indipendenti o esplicative. Quale variabile indipendente contribuisce maggiormente a determinare la variabile dipendente?. Genitore. Riconoscimento. Carico di lavoro. Significato del lavoro.

La tabella mostra i risultati di un modello ANOVA fattoriale. Indicare il numero di livelli per ciascun trattamento, il numero di gruppi e il numero di soggetti coinvolti nell’esperimento. 3, 2, 6, 60. 2, 1, 2, 59. 3, 2, 60. 2, 1, 59.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare Eta quadro per l’intero modello e Eta quadro parziale per il fattore A. 0,114 e 0,534. 26,676 e 30,969. 49,400 e 57,350. 0,712 e 0,331.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare la parsimonia relativa. 0,9666. 59. 0,915. 54.

*Il dominio di una scala di differenze è: -∞, +∞. 0, +∞. - ∞ , 0. N.

*In una analisi fattoriale quanti sono i DF dei dati (DFD) quando il metodo di stima è ML: M(M+1)/2. M(M-1)/2. M(M+1). M^2.

*La regressione lineare multipla è: proiezione a bersaglio fisso. Autoproiezione a bersaglio fisso. Autoproiezione a bersaglio mutabile. proiezione a bersaglio mutabile.

*Quando la mappa della tecnica è banale e il supporto non è presente siamo in presenza di una: Autoproiezione a bersaglio fisso. Autoproiezione a bersaglio mobile. proiezione a bersaglio fisso. proiezione a bersaglio mobile.

In forma discorsiva, nel modelo di regressione lineare multipla l'ipotesi nula del test F è: almeno un regressore esercita un'influenza. nessun regressore esercita un'influenza. al correlazione tra i regressori è uguale a zero. tutti i regressori esercitano un'influenza.

*Nel procedimento di controllo o di verifica delle ipotesi, quando si assume che l’ipotesi H0 (nulla) èvera, la quantità α corrisponde a: probabilità di commettere un errore del I tipo. probabilità di commettere un errore del II tipo. probabilità di non commettere un errore del I tipo. probabilità di non commettere un errore del II tipo.

*Sottoposto ad un test di abilità motoria, un individuo ha ottenuto un punteggio standardizzato, (espresso in punti z) pari a +1.50. Quali delle seguenti affermazioni è corretta?. La prestazione è di una deviazione standard e mezza superiore alla media. La prestazione è una deviazione standard e mezza volte inferiore alla media. La prestazione è una deviazione standard e mezza deviazioni standard sotto la media. La prestazione è una deviazione standard e mezza deviazioni standard sotto la media.

*Quale fra le seguenti caratteristiche attribuite alla distribuzione di probabilità normale standardizzata è corretta: Ha media uguale a 0 e varianza uguale a 1. Ha media uguale a 1 e varianza uguale a 0. Ha media uguale a 0 e deviazione standard uguale a 1. Ha distribuzione simmetrica ma la varianza non è definita.

*In un'analisi fattoriale la varianza spiegata corrisponde: alla varianza delle comunalità. Alla varianza delle variabili osservate. Alla varianza totale del modello. Alla varianza delle componenti principali.

Una struttura dei dati si dice elementare se è: a una via, senza alcun condizionamento. a due vie, con entrate singole e linee permutabili. primitiva. in forma standard, con entrate multiple.

L’ANOVA è una tecnica con architettura di tipo: II. III. I. IV.

*Per rappresentare la distribuzione della variabile “regione di residenza” di un collettivo di 1000 individui quale forma grafica, tra quelle proposte, è la più adeguata?. Diagramma a barre. Istogramma. Diagramma a dispersione. Box plot.

*I valori della statistica < chi quadrato, calcolati con riferimento ad una tabella di contingenza formata da Krighe e J colonne relativa ad un collettivo di numerosità N, può variare fra: 0 e il minore fra [N(K-1); N(J-1)]. 0 e il minore fra [K(N-1); N(J-1)]. 0 e il minore fra [N(K-1); K(J-1)]. 0 e il minore fra [N(J-1); N(K-1)].

La tabella di contingenza 3x2 quanti vincoli ha?. 4. 2. 3. 6.

*Un docente intende controllare se il voto conseguito all’esame di statistica consente di prevedere quello che gli studenti ottengono all’esame di analisi dei dati. Avendo a disposizione le distribuzioni dei voti dell’a.a. 2019/2020 quale operatore statistico dovrà calcolare?. R Bravais-Paerson. Spearman. Media ponderata. Coefficiente di determinazione.

*La deviazione standard di una variabile è esprimibile come: la radice quadrata della varianza. La somma dei valori assoluti delle deviazioni. La varianza elevata al quadrato. La media dei quadrati delle deviazioni.

*Se la correlazione tra due variabili X e Y è pari a -0.5 ciò significa che X è pari a 10, Y sarà pari a: -5. 5. 10. -10.

*Si definisce asimmetrica negativa una distribuzione nella quale: Osservazioni addensate sui valori alti della variabile. Osservazioni distribuite uniformemente lungo la variabile. Osservazioni addensate sui valori bassi della variabile. La media è maggiore della mediana.

*Sottoposto ad un test di abilità motoria, un individuo ha ottenuto un punteggio standardizzato, (espresso in punti z) pari a +1.50. Quali delle seguenti affermazioni è corretta?. La prestazione è di una deviazione standard e mezza superiore alla media. La prestazione è di 1,5 deviazioni standard sopra la media. La prestazione è di 1,5 volte superiore alla media. La prestazione è inferiore di 1,5 deviazioni standard rispetto alla media.

*Un ricercatore intende controllare l’efficacia di una terapia breve in regione della problematica portata dai pazienti. L’efficacia della terapia è espressa tramite una variabile dummy (1=efficace, 0= inefficace), mentre il tipo di problematica è registrato mediante una variabile categoriale a 7 modalità. L’operatore di connessione chi-quadrato calcolato sui dati dal ricercatore è pari a 10,407. Con un livello di fiducia del 95% il valore teorico dell’operatore tabulato in corrispondenza di 6 gradi di libertà è pari a 12,592. Esiste una relazione tra problematica e efficacia della terapia?. No. Sì, poiché il valore chi-quadrato calcolato è inferiore al valore teorico. Sì, poiché il valore chi-quadrato calcolato è superiore al valore teorico. Non è possibile determinare la relazione senza il valore p.

*Il 20% di 1000 individui insicuro causa criminalità; fra questi il 6% dichiara di aver subito un furto nell’ultimo anno. Quanti sono individui che hanno subito un furto nell’ultimo anno?. 12. 6. 100. 20.

*Nella distribuzione normale standardizzata la porzione di area sottostante la curva compresa nell’intervallo delimitato dai valori di z -1.96 e + 1.96 è approssimativamente pari al: 95,00% dell’area totale. 96,00% dell’area totale. 5,00% dell’area totale. 9,00% dell’area totale.

*Lo spazio percettivo generato attraverso Alscal è: Euclideo. Non euclideo. Unidimensionale. Unico e irripetibile.

*Se la relazione tra le variabili X e Y compare quando è controllata per una terza variabile Z, che covaria con entrambe, allora la relazione viene detta?. Spuria. Causale. Di mediazione. . Di moderazione.

*Una tecnica di analisi dei dati può essere valutata attraverso diversi criteri universitarie contingenti. Il criterio di equifinalità si riferisce: Alla capacità dell'algoritmo di arrivare sempre alla soluzione in riferimento al medesimo bersaglio. Alla possibilità di ottenere risultati diversi ma equivalenti da un processo analitico. Alla capacità di un algoritmo di essere applicato a vari tipi di dati senza perdere efficacia. Alla velocità con cui un algoritmo arriva alla soluzione ottimale.

*Gli individui sono stati classificati rispetto al tipo di scuola frequentata (istituto tecnico, istituto professionale, liceo sociopsicopedagogico, liceo scientifico, liceo classico). Quali indici di tendenza centrale possono essere calcolati per questa variabile. Moda. Media aritmetica. Mediana. Media ponderata.

In ALSCAL al ricostituzione del bersaglio avviene mediante: <N>. <m(X), N>. <m(X), S>. <N, S>.

*Quale fra le seguenti caratteristiche attribuite alla distribuzione di probabilità normale standardizzata è corretta: Ha media uguale a 0 e varianza uguale a 1. Ha media uguale a 1 e varianza uguale a 0. Ha media uguale a 0 e deviazione standard uguale a 1. Ha distribuzione simmetrica ma la varianza non è definita.

È stata svolta un’analisi di normalità preliminare alla stima di un modello di regressione lineare multipla. In base ai risultati dei test, riportati in tabella, possiamo concludere che: È rispettato l’assunto di normalità. I test impiegati sono sbagliati perché riguardano l’assunto di omoschedasticità. È violato l’assunto di normalità. Tutti i test sono statisticamente significativi.

*Nella matrice canonica di una AFE la matrice di correlazione tra i fattori latenti è: Una matrice d’identità. Una matrice di covarianza diagonale. Una matrice di correlazione non nulla tra i fattori. Una matrice di correlazione nulla tra i fattori.

*La regressione lineare multipla è: proiezione a bersaglio fisso. autoproiezione a bersaglio fisso. autoproiezione a bersaglio mutabile. proiezione a bersaglio mutabile.

*Calcolare il determinante della matrice A = 2 3 , 4 5. -2. -7. 5. 12.

Indicare il numero di ancore, o punti fissi, presenti in una scala di rapporti: 1 (a sx). non.

Il valore di probabilità associato al test F di un’ANOVA è pari a 0.003. Avendo fissato un valore di α=0,05,quale delle seguenti affermazioni è vera? ESTA PREGUNTAR MARIA. c’è evidenza statistica che le medie delle popolazioni non siano tutte uguali tra loro. le due varianze a numeratore e denominatore del test sono uguali. l’ipotesi nulla del test F deve essere accettata. non c’è evidenza statistica che le medie della popolazione differiscano tra loro.

*In modo discorsivo possiamo dire che l’ipotesi nulla del test chi quadrato impiegato nell’analisi fattoriale esplorativa stabilisce: l'uguaglianza: Rosservata = Rriprodotta. l'uguaglianza: Rosservata x Rriprodotta. l'uguaglianza: Rriprodotta/ Rosservata. l'uguaglianza: Rosservata/ Rriprodotta.

*Una variabile in forma disgiuntiva completa è rappresentata attraverso: una matrice referenti x modalità. Una matrice relativa x modalità. Una matrice associata x modalità. Una matrice collegata x modalità.

*La traccia della matrice B è pari a: B = 8 2 2, 1 2 4, 9 5 7. 17. 21. 7. 8.

Nel grafico sono rappresentati in ordinata i residui (standardizzati) e in ascissa i valori riprodotti (o predetti) della variabile dipendente (y) relativi alla stima di un modello di regressione lineare. Questo grafico suggerisce: (la que es como soplar). la presenza di non linearità. la presenza di eteroschedasticità. il rispetto degli assunti. la presenza di casi estremi (outliers).

Si consideri il modello di regressione lineare: yn = b0 + b1x1 + b2x2 + ∂n. Una sola delle seguenti affermazioni relative al termine b0 della precedente equazione è corretta. Quale?. corrisponde al valore atteso di y quando tutte le variabili indipendenti sono uguali a 0. viene detto «coefficiente angolare» della retta di regressione. rappresenta l’inclinazione della retta di regressione. deve essere sempre maggiore di 0.

Una tecnica di analisi dei dati può essere valutata attraverso diversi criteri, universali e contingenti. Il criterio della correttezza di riferisce: alla qualità di una soluzione che realizza il miglior compromesso possibile tra adattamento e parsimonia. alla determinatezza della soluzione, che resta tale anche sostituendo una o più linee della matrice di input. alla fedeltà della soluzione, valutata in base alla tendenza degli stimatori di produrre un nucleo della soluzione che tendenzialmente assume i valori veri dei parametri del processo che genera i dati. all’invarianza della soluzione per permutazione delle linee della matrice input.

Immagini di aver svolto tre diversi piani sperimentali, ciascuno con due fattori di trattamento (A e B) a due livelli (1, 2). I risultati in termini di medie sono rappresentati nelle figure. In quali figure presentate è riconoscibile l’effetto principale del trattamento B: (1: / 2: - 3: /). figura 1 e figura 3. figura 1, figura 2 e figura 3. figura 2 e figura 3. figura 1 e figura 2.

La tabella mostra i risultati di un modello ANOVA fattoriale in cui la variabile dipendente è un punteggio di stress comportamentale, mentre le variabili esplicative sono le età in classi e l’essere genitore. Calcolare eta quadro dell’interno modello e delle età in classi: 0.049 e 0.040. 0.884 e 0.661. 0.046 e 0.039. 0.040 e 0.039.

*La complessità massima di un modello di regressione pari a: N. N-1. N+1. 2N.

Si consideri il modello di regressione lineare yn = b0 + b1x1 + b2x2 + бn Una sola delle seguenti affermazioni relative al termine B1 della precedente equazione è corretta. Quale?. Corrisponde al valore atteso di y quando tutte le variabili indipendenti sono uguali a 0. Viene detto coefficiente angolare della retta di regressione. Rappresenta l’inclinazione della retta di regressione. Deve essere sempre maggiore di 0.

*Condizionamento delle matrici: Per condizionamento di una matrice intendiamo un criterio che serve a caratterizzare le diverse situazioni di confronto. Per condizionamento di una matrice intendiamo un criterio che serve a definire le diverse situazioni di confronto. Per condizionamento di una matrice intendiamo un criterio che serve a individuare le diverse situazioni di confronto. Per condizionamento di una matrice intendiamo un criterio che serve a descrivere le diverse situazioni di confronto.

*Dati micro: è un'entità individuale che è difficile e innaturale suddividere ulteriormente. È un'unità super-individuale, ottenuta per aggregazione di un’unità micro. È un’entità elementare che rappresenta il dettaglio massimo di osservazione. È un’unità di analisi composta da più elementi micro raggruppati.

*Dati macro: È un'unità super individuale, ottenuta per aggregazione di un'unità micro. È un'entità individuale che è difficile e innaturale suddividere ulteriormente. È un’entità elementare che rappresenta il dettaglio massimo di osservazione. È un’unità di analisi composta da più elementi micro raggruppati.

Nell’analisi fattoriale.. Il numero dei fattori comuni è uguale al numero di variabili osservate. Il numero dei fattori unici è uguale al numero di variabili osservate. Il numero di correlazioni riprodotte è uguale al numero di variabili osservate. Il numero di saturazioni, o factor loadings, è uguale al numero di fattori comuni.

Nella soluzione dell’algoritmo Indscal la matrice W contiene: le coordinate dello spazio comune. le salienze individuali. le coordinate dello spazio individuale. nessuna delle risposte precedenti.

Quale tra i seguenti è un corretto esempio di struttura elementare di tipo M?. la matrice, o tabella, di contingenza multipla (con K=n variabili > 2). la matrice di Burt. la supermatrix di Cattell. la matrice CasiXVariabil.

Il Multidimantional Unfolding è tipicamente utilizzato per analizzare dati di tipo: C1. C2. CC1. D2.

Nell’ambito dell’analisi fattoriale, il principio di struttura semplice prevede che: in ogni colonna della matrice di saturazione (A), si debba osservare una sola saturazione diversa da 0. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione sostanziale. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione di segno positivo. in ogni riga della matrice di saturazione (A), si debba osservare una sola saturazione diversa da 0.

Si consideri la parsimonia relativa: π= P/P = (Cmax-C)/(Cmax-Cmin). Nel caso di un modello la precedente scrittura equivale a: (DFD-DFM)/(DFD-1). (DFM-DFD)/(DFM-1). (DFD-DFM)/(DFE-1). (DFM-DFE)/(DFE-1).

I criteri di valutazione di una soluzione che si riferiscono ad un singolo parametro sono definiti: test di specificazione. criteri locali. test di fedeltà. criteri globali.

Il valore di probabilità associato al test F di un’ANOVA è pari a 0.30. Avendo fissato un valore di α=0,05, quale delle seguenti affermazioni è vera?. c’è evidenza statistica che le medie delle popolazioni non siano tutte uguali tra loro. e due varianze a numeratore e denominatore del test sono uguali. l’ipotesi nulla del test F deve essere rifiutata. non c’è evidenza statistica che le medie della popolazione differiscano tra loro.

Da quali matrici è costituito il nucleo della soluzione di un modello di analisi fattoriale con rotazione obliqua: 𝛬^,𝛺^. 𝛬^, 𝜑^, 𝛺^. 𝜑^,𝛺^. 𝛬.

Nell’algoritmo Ascal quando il livello di scala dell’input è ordinale la trasformazione ammessa per la mappa è: una trasformazione monotono crescente. una dilatazione. una trasformazione biunivoca. una trasformazione affine.

In un modello di regressione lineare multipla il test inferenziale che ha la seguente ipotesi nulla è: nessuna delle risposte indicate. un test F. un test Z. un test T.

In un’analisi della varianza fattoriale 3x3 i parametri espliciti del modello saturo sono pari a: 15. 9. 6. 16.

Il seguente grafico rappresenta dei residui di regressione e segnala: (nube de puntos sin sentido). la presenza di outliers (valori eccentrici). il rispetto degli assunti. l’omissione di un termine quadratico. la violazione dell’assunto di omoschedasticità.

Nello scaling non metrico, versione Ascal, la formula corrisponde a: (empieza con dos 3 al rev´ss y acaba con dos ^2). l’indice R^2. l’indice S-stress. l’indice Stress. il nucleo della soluzione.

in modo puramente formale qualsiasi tecnica di analisi dei dati può essere rappresentata nel modo seguente m(X)=Y=Y^=r(N;S). Quando la mappa della tecnica è banale e il suo supporto non esiste siamo in presenza di una: Autoproiezione a bersaglio mobile. Autoproiezione a bersaglio fisso. Proiezione a bersaglio mobile. Proiezione a bersaglio fisso.

0. la formula della parsimonia relativa di una soluzione di Alscal è la seguente, i termini RH+F fanno riferimento a: (empieza por pi). I vincoli. I parametri liberi. I dati indipendenti. I parametri espliciti.

Uno psicologo dello sviluppo utilizza un’analisi della varianza 3x2 per stabilire se il numero di problemi risolti è influenzato dal tipo di rinforzo e dal livello del compito. Sulla base dei risultati riportati nella tabella qual è il contributo del fattore compito alla varianza spiegata totale?. 30,1%. 67,3%. 33,6%. 44,5%.

nella soluzione di un’analisi fattoriale la matrice phi contiene: La correlazione tra i fattori latenti comuni. La correlazione tra i fattori latenti comuni e fattori latenti unici. La correlazione fra i fattori latenti unici. La correlazione tra le variabili manifeste e i fattori latenti comuni.

un test di specificazione: Controlla l’ipotesi di interdipendenza lineare tra le variabili incluse in un modello. Misura lo scarto tra i dati osservati e quelli riprodotti. Verifica se la soluzione cambia in modo prevedibile dopo aver sottoposto il bersaglio a una trasformazione ammissibile. Permette di stabilire se lo scostamento tra y e y^ può essere imputabile al caso.

La matrice identità è una matrice che contiene. Tutti 1 sia sulla diagonale principale sia sulla diagonale secondaria. Tutti 1. Tutti 0 sulla diagonale principale e tutti 1 altrove. Tutti 1 sulla diagonale principale e tutti 0 altrove.

Una scala di differenze, per cui vale la trasformazione ammissibile y’=y+a, ha un dominio compreso tra. [0 +infinito]. [-1 +1]. -infinito +infinito. [0 +infinito.

In una ANOVA fattoriale come viene chiamato l’effetto di una variabile indipendente categoriale sulla variabile dipendente?. diretto. principale. di interazione. indiretto.

una matrice è definita row conditional se. Autorizza i confronti solo all’interno delle colonne. Autorizza i confronti solo all’interno delle righe. Non autorizza alcun tipo di confronto. Autorizza i confronti sia all’interno delle righe sia all’interno delle colonne.

In un modello di regressione lineare multipla l’R^2 ha assunto un valore pari a 1. Cosa si può concludere?. il modello è ottimo. il risultato dipende dall’errore accidentale. il modello è sovra specificato. la varianza spiegata è uguale a quella di error.

In un modello di regressione lineare multipla l’ipotesi nulla del test T associato a ciascuna variabile indipendente è: bk > 0. bk = 0. bk = bmedio. bk diverso 0.

In un modello fattoriale, la presenza della matrice C (factor score coefficients) consente di: valutare la relazione tra le variabili latenti. valutare la relazione tra le variabili manifeste e le variabili latenti. stimare i punteggi individuali sui fattori latenti. stimare i punteggi individuali sulle variabili manifeste.

Che cosa è la traccia di una matrice quadrata: È il prodotto degli elementi posti sulla diagonale principale. È la somma degli elementi posti sulla diagonale secondaria. È la somma degli elementi posti sulla diagonale principale. È la somma di tutti gli elementi della matrice.

Nell’analisi fattoriale le saturazioni (factor loadings) rappresentano la relazione tra: Le variabili manifeste e le variabili latenti. Nessuna delle risposte riportate. Le variabili latenti. Le variabili manifeste.

L’analisi fattoriale esplorativa può portare a soluzioni sovradimensionate, in cui il numero di dimensioni latenti stimate (spazio semantico fenotipico) supera quello delle dimensioni che obiettivamente strutturano le risposte manifeste (spazio semantico genotipico). Ciò può accadere perché: Gli item utilizzati hanno un legame parabolico con i costrutti che intendono misurare. nessuno degli item è un item. il numero di item è eccessivo. l’unicità di ciascun item è scarsa.

La traccia di una matrice di distanze tra oggetti 0 10x10 è pari a: 20. 100. 10. 0.

In una analisi fattoriale il numero dei parametri stimati della matrice phi è pari a: H (H-1)/2. H. M. M(M-1)/2.

Una variabile fuzzy è presentata attraverso: K valori di significatività. K valori di verità. K valori di stato. K valori di probabilità.

In un modello di regressione la parsimonia assoluta è data da: N + (K + 1). N - (K + 1). N - (K - 1). N + (K - 1).

L’analisi fattoriale «ibrida» è una tecnica con architettura di tipo: I. II. III. IV.

Un modello ANOVA a due vie, cioè con due fattori (X1 e X2) rispettivamente con 3 e 2 livelli di trattamento, viene applicato su 100 partecipanti. Pertanto: I=3, J=2, N=100. Indicare il numero di gradi di libertà dell’errore: 99. 6. 95. 94.

In un modello ANOVA la parsimonia assoluta è: N + (IJ - 1). N - (I x J). N - (IJ - 1). N + (I + J).

Nell’MDS la flessibilità della mappa per una dilatazione dell’input è pari a: L. 2. H. 1.

La matrice Λ contiene le saturazioni di un modello AFE con due fattori latenti. Come possiamo valutare la soluzione?. è una buona soluzione fattoriale, in cui gli item sono tutti i marker. è una buona soluzione fattoriale, anche se alcuni item sono in condominio. è una soluzione fattoriale degenere. è un’ottima soluzione obliqua.

La traccia di una matrice di distanze tra oggetti 08x8 è pari a: 0. 1. 16. 64.

Viene denominata “illimitata” una scala: con due ancore laterali a -∞ e +∞. con una sola ancora laterale sinistra. con una sola ancora centrale. priva di ancore.

*La tavola riassume le stime dei coefficienti di un modello di regressione. Qual è la lettura del parametro Beta associato alla variabile indipendente “genitore”: a. essere genitori, rispetto al non avere figli, diminuisce di 1,490 la media generale del Cinismo b.essere genitori, rispetto al non avere figli, diminuisce di 1,490 deviazioni standard la media generale del Cinismo c.essere genitori, rispetto al non avere figli, diminuisce di 1,490 punti lo score del Cinismo d.essere genitori, rispetto al non avere figli, diminuisce di 1,490 deviazioni standard lo score del Cinismo del Cinismo. essere genitori, rispetto al non avere figli, diminuisce di 1,490 la media generale del Cinismo. essere genitori, rispetto al non avere figli, diminuisce di 1,490 deviazioni standard la media generale del Cinismo. essere genitori, rispetto al non avere figli, diminuisce di 1,490 punti lo score del Cinismo. essere genitori, rispetto al non avere figli, diminuisce di 1,490 deviazioni standard lo score del Cinismo del Cinismo.

*La tavola riassume le stime dei coefficienti di un modello di regressione. Qual è la lettura del parametro B associato alla variabile indipendente “genitore”: Essere genitori, rispetto al non avere figli, diminuisce di 1,490 lo score del cinismo. Essere genitori, rispetto al non avere figli, riduce di 1.490 la media generale del Cinismo. Essere genitori (anziché non avere figli) comporta una riduzione di 1.490 della media del Cinismo. Essere genitori (anziché non avere figli) abbassa di 1.490 la media del Cinismo.

*La standardizzazione di una variabile cardinale produce una distribuzione: a. con media =0 e deviazione standard=1. con media = 0 e varianza = 1. con media = 0 e scarto quadratico medio = 1. con media = 0 e range standardizzato = 1.

una sola delle seguenti affermazioni è corretta, quale? Nell’analisi fattoriale.. Il numero dei fattori comuni è uguale al numero di variabili osservate. Il numero dei fattori unici è uguale al numero di variabili osservate. Il numero di correlazioni riprodotte è uguale al numero di variabili osservate. Il numero di saturazioni, o factor loadings, è uguale al numero di fattori comuni.

*Una variabile classica è rappresentata attraverso: K valori di stato. K valori di sistema. K valori di condizione. K valori di definizione.

*Il test F può risultare significativo quando: la varianza between è maggiore della var. within. la varianza between supera la varianza within. la varianza between risulta maggiore della varianza within. . la varianza between eccede la varianza within.

*La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare Eta quadro per il fattore b: 0.230. 0,203. 0,235. 0,320.

*La traccia di una matrice di correlazione R6x6 è pari a: 6. 12. 7. -6.

*La regressione multipla è una tecnica con architettura di tipo: II. I. III. IV.

*La parsimonia è il grado di semplicità di una soluzione. In termini assoluti può essere definita come: numero di parametri risparmiati. quantità di parametri risparmiati. ammontare di parametri risparmiati. volume di parametri risparmiati.

*La standardizzazione di una variabile cardinale produce una distribuzione: con media =0 e deviazione standard=1. con media = 0 e varianza = 1. con media = 0 e scarto quadratico medio = 1. con media = 0 e ampiezza di 1.

Nella matrice canonica di una AFE la matrice di correlazione tra i fattori latenti è: Una matrice d’identità. Una matrice identitaria. Una matrice identica. Una matrice unitaria.

Il determinante della matrice Q è pari a: 6,12 3,6. 0. 12. -2. 1.

nell’analisi della varianza l’assunto di omoschedasticità si riferisce: All’indipendenza delle distribuzioni locali della y. All’uguaglianza delle medie delle distribuzioni locali della y. Alla normalità delle distribuzioni locali della y. All’uguaglianza delle varianze delle distribuzioni locali della y.

Qual è la variabile indipendente che influisce maggiormente su Y (modello di regressione)?. X5. X2. X4. X3.

Nel valutare una tecnica di analisi dei dati, l’aspettativa E(Y*) = Y* sorregge il criterio di: Equifinalità. Ammissibilità. Correttezza. Determinatezza.

La tabella mostra i risultati di un modello ANOVA fattoriale. Calcolare ETA quadro per l’intero modello e per il solo fattore A. 0,320 e 1,229. 0,320 e ,0394. 0,679 e 0,394. 2,118 e 1,229.

L’analisi fattoriale “pura” è una tecnica con architettura di tipo: I. II. III. IV.

Nella scissione di un modello, la componente Δ sta ad indicare: Un errore casuale. Lo scarto aritmetico tra Y e Y*. Un errore sistematico. La deviazione di Y da Y / una fluttuazione accidentale che perturba la realizzazione di Y.

Una variabile aleatoria è rappresentata attraverso: K valori di probabilità. K quote di probabilità. K livelli di probabilità. K parametri di probabilità.

La media geometrica è una statistica idonea quando è calcolata su una scala: di rapporti. dei rapporti. c. con rapporti. d. relativa ai rapporti.

Viene denominata di posizione una scala: Priva di ancore. sprovvista di ancore. senza ancore. con assenza di ancore.

Un ricercatore vuole studiare la relazione di dipendenza dello stress lavorativo dall’autonomia decisionale (x1) e dal ruolo (x2), ossia A = manager, B = quadro, C = impiegato/a. Quante variabili indipendenti avrà il modello di regressione?. 2. 3. 4. 6.

La traccia di una matrice identità I 8x8 è pari a: 8. 16. 2. 94.

*Nell’MDS la flessibilità della mappa per una trasformazione monotona crescente (isogonica) dell’input è pari a: L/2 (L corrisponde al numero di modalità della variabile per le scali ordinali). L/3. L. 2L.

*Il nucleo della soluzione del 3-way scaling ottenuto mediante Indascal è costituito da: Una matrice di coordinate Z RxH, un vettore nW di salienze individuali e un vettore che contiene i parametri della mappa m(X). Una matrice di coordinate Z R x H, un vettore nW di salienze individuali e un vettore che descrive i parametri della mappa m(X). Una matrice di coordinate Z R x H, un vettore nW di salienze individuali e un vettore che definisce i parametri della mappa m(X). Una matrice di coordinate Z R x H, un vettore nW di salienze e un vettore che racchiude i parametri della mappa m(X).

*In Ascal il test di doppia monotonicità è superato se: L’indice di stress decresce aumentando la flessibilità e la complessità del nucleo della soluzione. L’indice di stress diminuisce all’aumentare della flessibilità e della complessità del nucleo della soluzione. L’indice di stress si riduce con l’incremento della flessibilità e complessità del nucleo della soluzione. L’indice di stress cala con la crescita della flessibilità e complessità del nucleo della soluzione.

*Lo spazio percettivo generato attraverso il MultiDimensional Unfolding (MDU) è: congiunto. congiuntivo. congiuntamente. unitario.

*I dati relativi all’età di 100 studenti sono riportati nella successiva tabella, dove in corrispondenza di ciascuna età rilevata è indicata la frequenza assoluta di casi. Media = 20.50, mediana = 20, moda = 19. Media = 20.50, Mediana = 20, Moda = 20. Media = 20.00, Mediana = 20, Moda = 19. Media = 20.50, Mediana = 19, Moda = 19.

*Un ricercatore calcola l’α di Cronbach di una scala di misura e ottiene 0.17, alla luce di tale risultato si può sostenere che: L’attendibilità della scala non è accettabile. L’attendibilità della scala è accettabile. L’attendibilità della scala è inaccettabile. L’attendibilità della scala non è inaccettabile.

*Tabella di contingenza incrociando due variabili con 5 e 4 modalità. Quanti gradi di libertà ha la tabella di contingenza?. 12. 2. 4. 5.

*Nel procedimento di controllo o di verifica delle ipotesi, quando si assume che l’ipotesi H0 (nulla) è vera, la quantità β corrisponde a: probabilità di commettere un errore del II tipo. probabilità di commettere un errore del I tipo. probabilità di evitare un errore del I tipo. probabilità di evitare un errore del II tipo.

*La correlazione tra due variabili è pari a 0,005. Ciò significa che: tra le due variabili non esiste una relazione lineare. tra le due variabili esiste una relazione lineare. tra le due variabili esiste una correlazione lineare. tra le due variabili non esiste una correlazione lineare.

*Considerando una tabella di contingenza ottenuta incrociando due variabili categoriali, si può sostenere che le due variabili sono fra loro indipendenti quando: le differenze fra frequenze osservate e attese diciascuna cella della tabella sono valori prossimi a zero. Le differenze fra frequenze osservate e stimate di ciascuna cella della tabella sono valori prossimi a zero. Le differenze fra frequenze empiriche e teoriche di ciascuna cella della tabella sono valori prossimi a zero. Le differenze fra frequenze effettive e previste di ciascuna cella della tabella sono valori prossimi a zero.

*La variabile x assume i seguenti valori 10 12 8 21 40 7 32 19 31. La statistica espressa dalla formula 1/N ∑ (xi – xmed) assume il valore: 0. 1. 0.72. 72.

*Che cos'è un corpo?. È una struttura algebrica dove la seconda operazione possibile ha proprietà simmetrica. È una struttura algebrica dove la seconda operazione è commutativa. È una struttura algebrica in cui la seconda operazione gode di una proprietà di inverso. È una struttura algebrica in cui la seconda operazione distribuisce la prima.

*Numero di ancore della scala Zadeh e dominio: Scale con due ancore laterali; dominio compreso tra 0 e 1. Scala con due ancore ai bordi; dominio compreso tra 0 e 1. Scala con due estremi fissati; dominio compreso tra 0 e 1. Scala con due punti fissi; dominio compreso tra 0 e 1.

*Livello di scala ordinale, quale trasformazione ammissibile?. Monotona crescente. Monotona ascendente. Monotona cromatica. Monotona continua.

*Nucleo soluzione scaling multidimensionale: Matrice Z. Matrice H. Matrice N. Matrice L.

*Definisci la doppia centratura: è una tecnica per stimare i parametri della soluzione. è una tecnica per valutare i parametri della soluzione. è una tecnica per valutare i parametri delle soluzioni. è una tecnica per stimare i valori della soluzione.

*Definisci la correttezza applicata alle tecniche: Tendenza di uno stimatore ad assumere il valore del parametro che deve stimare ossia quanto il bersaglio riprodotto è uguale alla matrice vera. Capacità di uno stimatore di coincidere con il valore effettivo del parametro, in riferimento alla matrice vera. Propensione di uno stimatore a restituire il valore reale del parametro, valutando la coincidenza tra il bersaglio e la matrice vera. Attitudine di uno stimatore a riprodurre il valore corretto del parametro, misurando la somiglianza con la matrice vera.

*Dove si trova la doppia monotonicità?. In un algoritmo derivato dal multidimensional scaling dove i valori di stress sono decrescenti da sinistra a destra e dall'alto verso il basso. In un modello derivato dal multidimensional scaling dove i valori di stress sono decrescenti da sinistra a destra e dall'alto verso il basso. In un algoritmo derivato dal multidimensional scaling dove i valori di stress sono decrescenti da sinistra a destra e dall'alto verso lo alto. In un algoritmo derivato dal multidimensional scaling dove i valori di stress non sono decrescenti da sinistra a destra e dall'alto verso il basso.

In una analisi fattoriale quanti sono i DF dei dati (DFD) quando il metodo di stima è ML: M(M+1)/2. (M-1)/2. M(M-1)/2. (M+1)/2.

*Che cos'è la matrice di Burt?. È una matrice derivata ottenuta e rappresentata da matrici primitive di tipo p era presente i dati di tipo M. È una matrice derivata, costruita e rappresentata da matrici primitive di tipo p, che contengono dati di tipo M. È una matrice derivata, ricavata e rappresentata da matrici primitive di tipo p, collegate a dati di tipo M. È una matrice derivata, generata e rappresentata da matrici primitive di tipo p, basate su dati di tipo M.

*Analisi fattoriale a fattori fissi: tipo di analisi fattoriale che parte da una matrice di dati p (input), opera su variabili manifeste e latenti, entrambe cardinali, la formula di ricostituzione e lineare ed è un modello. tipo di analisi fattoriale che deriva da una matrice di dati p (input), considera variabili manifeste e latenti (entrambe cardinali), la formula di ricostituzione è lineare ed è un modello. tipo di analisi fattoriale basata su una matrice di dati p (input), coinvolge variabili manifeste e latenti, entrambe cardinali, la formula di ricostituzione segue un approccio lineare ed è un modello. tipo di analisi fattoriale che fa riferimento a una matrice di dati p (input), utilizza variabili manifeste e latenti (entrambe cardinali), la formula di ricostituzione è lineare ed è un modello.

*Che cos’è la logica fuzzy?. Una matrice di dati che rappresenta la variabile in modo disgiuntivo e completo. Una struttura di dati che esprime la variabile in forma disgiuntiva e completa. Una rappresentazione di dati che illustra la variabile in modalità disgiuntiva e completa. Un’organizzazione di dati che racchiude la variabile in versione disgiuntiva e completa.

*Cos'è il triangolo predicativo?. Struttura logica del dato composta da occasione referente e dicotomia. Struttura logica del dato definita da occasione, referente e dicotomia. Struttura logica del dato formata da occasione, referente e dicotomia. Struttura logica del dato caratterizzata da occasione, referente e dicotomia.

Come si chiama la scala con tre ancore?. Scala di Duncan. non.

*Che cos'è un’àncora?. É un valore di scala che gode di due proprietà: fa parte del dominio d, è invariante per quanto riguarda le trasformazioni ammissibili. È un punto di scala che possiede due attributi: appartiene al dominio d e resta fisso rispetto alle trasformazioni ammissibili. È un valore di riferimento che ha due caratteristiche: rientra nel dominio d e non varia al variare delle trasformazioni ammissibili. È un valore caratteristico di una scala che, incluso nel dominio d, rimane costante sotto le trasformazioni ammissibili.

*Cos'è un input?. matrice o il dato iniziale da cui partono le varie tecniche di analisi dei dati. Una matrice o l’informazione iniziale da cui si avviano le analisi dei dati. Un insieme di dati o la matrice di partenza utilizzata nelle tecniche di analisi. Un dato o la matrice iniziale da cui prendono il via le metodologie di analisi dei dati.

*Matrice idempotente: fa parte della categoria di matrici speciali è una matrice che moltiplicata per se stessa da come risultato la matrice identità. fa parte della categoria delle matrici speciali: è una matrice che, moltiplicata per se stessa, produce se stessa. fa parte della categoria delle matrici speciali: è una matrice che, moltiplicata per la sua inversa, restituisce la matrice identità. fa parte della categoria delle matrici speciali: è una matrice che, moltiplicata per la sua trasposta, fornisce la matrice identità.

*Operatore analitico: funzioni che prendono come argomenti due o più vettori e restituiscono uno scalare che a sua volta sarà un valore di Stato o diverità. Funzioni che prendono come argomenti due o più vettori e restituiscono uno scalare che a sua volta sarà un valore di Stato o diverità. Funzioni che ricevono in input due o più vettori e forniscono uno scalare, il quale rappresenta un valore di Stato o verità. Funzioni che utilizzano come input due o più vettori e generano uno scalare che a sua volta costituisce un valore di Stato o verità. Funzioni che accettano due o più vettori e producono in uscita uno scalare, interpretabile come valore di Stato o verità.

cosa indica la presenza di due matrici di saturazione nella soluzione dell’analisi fattoriale?. I fattori latenti sono tra loro correlati / Una rotazione obliqua. I fattori latenti hanno una relazione non lineare con le variabili manifeste. Le variabili manifeste sono correlate tra loro e con i fattori latenti. I fattori latenti sono incorrelati.

*Dati Pico: Un’intera matrice è riferita ho un singolo individuo. Un’unica matrice si riferisce a un singolo individuo. Un’intera tabella rappresenta un singolo individuo. L’intera matrice corrisponde a un singolo individuo.

*Tecniche ibride: tecniche capaci di combinare i due scopi dell'analisi dei dati e quindi di riprodurre soluzioni che contengono coefficienti di dipendenza e nuove variabili. sono estensioni delle tecniche multivariate pure. tecniche per combinare i due scopi dell'analisi dei dati e quindi di riprodurre soluzioni che contengono coefficienti di dipendenza e nuove variabili. sono estensioni delle tecniche multivariate pure. tecniche capaci di combinare i tre scopi dell'analisi dei dati e quindi di riprodurre soluzioni che contengono coefficienti di dipendenza e nuove variabili. sono estensioni delle tecniche multivariate pure. tecniche capaci di alternare i due scopi dell'analisi dei dati e quindi di riprodurre soluzioni che contengono coefficienti di dipendenza e nuove variabili. sono estensioni delle tecniche multivariate pure.

*Matrici primitive: Strutture dei dati ottenute mediante rilevazione diretta o semplici progressi di aggregazione. Strutture di dati ricavate da rilevazioni dirette o basilari procedure di aggregazione. Strutture di dati derivate da rilievi diretti o elementari progressi di aggregazione. Strutture di dati elaborate a partire da osservazioni dirette o essenziali fasi di aggregazione.

*Matrici derivate: Strutture ottenute attraverso l'applicazione di operatori di confronto analitici delle linee di V. Strutture generate dall’applicazione di operatori di confronto analitici delle linee di V. Strutture risultanti dall’applicazione di operatori di confronto analitici sulle linee di V. Strutture ricavate applicando operatori di confronto analitici sulle linee di V.

*Operatore analitico: Funzioni che prendono come argomenti due o più vettori e restituiscono uno scalare che a sua volta sarà un valore di Stato o diverità. Funzioni che ricevono in input due o più vettori e producono uno scalare, interpretabile come valore di Stato o diversità. Funzioni che utilizzano due o più vettori come argomenti e forniscono uno scalare, rappresentante un valore di Stato o diversità. Funzioni che accettano due o più vettori come input e restituiscono uno scalare, che costituisce un valore di Stato o diversità.

*Vie: Numero di entrate dell'amatrice. Numero di accessi alla matrice. Numero di ingressi della matrice. Numero di elementi in input della matrice.

*Modi: Numero di famiglie di entità presenti sulla matrice. Numero di categorie di entità contenute nella matrice. Numero di tipi di entità rappresentati nella matrice. Numero di gruppi di entità inclusi nella.

*Set: Sotto famiglie di entità. Sottogruppi di entità. Sottocategorie di entità. Sottinsiemi di entità.

*In un’analisi fattoriale il numero dei parametri della matrice lambda è pari a: MxH. M+H. Mx(H-1). Mx(H+1).

*In una soluzione di ALSCAL a 3 dimensioni (H) la varianza complessiva della nuvola di punti lungo gli assi è uguale a: 3. 2. 1. 4.

*Il multidimensional unfolding è: uno schema di misurazione a bersaglio mobile. uno schema di misurazione a bersaglio mobile. un modello di misurazione a bersaglio mobile. un modello di misurazione a bersaglio fisso.

*Il dominio di una scala di intervalli è: -inf +inf. 0 , +inf. -inf , 0. 0 , 1.

completare la seguente frase indicando la parte mancante: “il criterio dei minimi quadrati ordinari he conduce alla stima dei parametri del modello di regressione lineare ha come scopo quello di rendere …. Fra valori osservati della y e quelli riprodotti”: Minimo lo scarto quadratico medio. Minima la differenza dei quadrati degli scarti. Minimo il prodotto dei quadrati degli scarti. Minima la somma dei quadrati degli scarti.

*La parsimonia relativa di una soluzione nella regressione è definita come: N-(K+1)/N-1. N-(K+1)/N+1. N+(K+1)/N+1. N-(K-1)/N+1.

*Il test F è calcolato come rapporto tra: varianza between/varianza within. varianza within/varianza between. varianza between x varianza within. varianza within xvarianza between.

La matrice lambda contiene le saturazioni di un modello AFE con 2 fattori latenti. Come possiamo valutare la soluzione? F1 F2 I1 0.600 0.200 I2 1.400 0.000 I3 0.700 2.020 I4 0.230 1.540 I5 0.000 0.670. È una soluzione fattoriale degenere. E' un'ottima soluzione obliqua. E' una buona soluzione fattoriale, anche se alcuni item sono in codominio. E' una buona soluzione fattoriale, in cui gli item sono tutti marker.

Una autoproiezione a bersaglio mobile è una tecnica di analisi dei dati: priva di supporto e con mappa non banale. priva di supporto e con mappa banale. con supporto e con mappa banale. con supporto e con mappa non banale.

*In un modello ANOVA fattoriale l’Eta quadro consente di: valutare l’adattamento della soluzione. stimare l’adattamento della soluzione. misurare l’adattamento della soluzione. quantificare l’adattamento della soluzione.

*In base agli assunti, in una AFE la matrice di correlazione tra le unicità è: una matrice diagonale. una matrice ortogonale. una matrice identità. una matrice comune.

*In Alscal il test di doppia monotonicità è superato se: L’indice di stress decresce aumentando la flessibilità e la complessità del nucleo de la soluzione. L’indice di stress cala quando cresce la flessibilità e la complessità del nucleo della soluzione. L’indice di stress diminuisce all’incrementare della flessibilità e complessità del nucleo della soluzione. L’indice di stress si riduce con l’aumentare della flessibilità e complessità del nucleo della soluzione.

*L’algoritmo Alscal applicato su dati pico permette la creazione di uno spazio percettivo: individuale. complesso. definito. Comune.

INDSCAL è: un’autoproduzione a bersaglio fisso. un modello di misurazione con supporto. uno schema di misurazione a bersaglio mobile. una proiezione a bersaglio mobile.

il punto di partenza dell’analisi fattoriale è. La matrice di correlazione fra i fattori latenti. Nessuna delle risposte indicate. La matrice di correlazione tra gli indicatori manifesti. La matrice di correlazione tra gli indicatori manifesti e i fattori latenti.

*Nella soluzione di un modello di analisi fattoriale esplorativa, la presenza di due matrici di saturazione (pattern matrix e structure matrix) indica che: i fattori latenti sono tra loro correlati. i fattori latenti non sono tra loro correlati. i fattori correlati sono tra loro latenti. i fattori correlati non sono tra loro latenti.

Il nucleo della soluzione di un algoritmo di scaling multidimensionale (ad esempio ASCAL) è costituito da: una matrice di distanze tra oggetti OxO. una matrice di coordinate di oggetti OxH. una matrice di coordinate di individui NxH. una matrice di disparità tra oggetti.

In un modello ANOVA la ricostituzione del bersaglio avviene mediante: <m(X), S>|. <m(X), N>. <N,S>. <N>.

Qual è l’effetto che l’interazione tra due o più variabili indipendenti ha sulla variabile dipendente?. D’interazione. non.

*Se la correlazione tra due variabili è pari a 72, quale sarà il valore bet del modello di regressione?. 72. 0,72. 7. 2.

*Se F calcolato > di α. rifiuto H0. accetto H0. non rifiuto H0. non accetto H0.

*Se H calcolato < di α. accetto H0. rifiuto H0. non accetto H0. non rifiuto H0.

*In Alscal la varianza complessiva della nuvola di punti lungo gli assi è vincolata ed è uguale a: H. 0. L. H.

*In una ricerca è emersa una correlazione tra neofobia (X1) e shopping online (X2) pari a - 0,817. Ciò significa che: all’aumentare dello score di neofobia diminuisce la propensione a fare acquisti online. più alta è la neofobia, più bassa risulta la propensione allo shopping online. all diminuire lo score di neofobia diminuisce la propensione a fare acquisti online. a un aumento della neofobia si riduce la tendenza agli acquisti online.

Nello scaling multidimensionale, impiegare una metrica Minkowski con parametro “p” pari a 1 ha come effetto la creazione di distanze: city block (o di Manatthan). euclidee. euclidee al quadrato. di Lagrange (o di Cebysev)).

*In un modello ANOV A fattoriale a due vie, con i livelli dei fattori denominati I e J, i parametri espliciti sono soggetti ad un numero di vincoli additivi pari a: I+J+1. (I + J) + 1. 1 + I + J. (1 + I) + J.

Nello scaling multidimensionale eseguito con ALSCAL il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che: lo stress aumenti. R^2 resti invariato. lo stress diminuisca. R^2 diminuisca.

Nello scaling multidimensionale eseguito con ALSCAL il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che: lo stress aumenti. lo stress resti invariato. R^2 aumenti. R^2 rimanga invariato.

Nello scaling multidimensionale eseguito con ALSCAL il bersaglio viene trasformato attraverso una mappa. Se operiamo diverse trasformazioni, via via più flessibili, possiamo attenderci che: lo stress aumenti. R^2 resti invariato. lo stress diminuisca. R^2 diminuisca.

Nell’MDS la flessibilità della mappa per una trasformazione affine dell’input è pari a: H. 1. 2. L.

In una analisi fattoriale il numero dei parametri stimati della matrice lambda è pari a: M(M-1)/2. M. MxH. H.

Nella scissione di un modello, la componente D sta ad indicare: Lo scarto aritmetico tra Y e Y^. Un errore casuale. Un errore sistematico. una fluttuazione accidentale che perturba la realizzazione di Y.

I gradi di libertà di un modello (DFM) sono pari: alla somma dei gradi di libertà dei dati (DF0) e dei gradi di libertà dell’errore (DF). alla differenza tra il numero di parametri espliciti presenti nella soluzione e il numero di vincoli cui sono soggetti. al numero di dati dipendenti presenti nell’input. alla somma tra il numero di parametri espliciti presenti nella soluzione e il numero di vincoli cui sono soggetti.

Che cos'è la matrice di Burt?. È una matrice derivata ottenuta e rappresentata da matrici primitive di tipo p era presente i dati di tipo M. -.

Alscal è: uno schema di misurazione a bersaglio mobile. una proiezione a bersaglio mobile. un modello di misurazione con supporto. un’autoproduzione a bersaglio fisso.

*Quante ancore ha una scala a intervalli?. una. due. nessuna. infiniti.

Nell’analisi fattoriale cosa dice il principio di struttura semplice?. Poche ma forti saturazioni di diverse da zero e assenza di variabili saturate da più di un fattore, per raggiungerla a volte è sufficiente ruotare i fattori mantenendoli ortogonali. -.

Cosa fa un test di specificazione se assoluto?. Cerca di capire se lo scostamento tra y e y riprodotto è dovuto all’errore, se relativo sottopone il modello a una sequenza di modelli di complessità crescente. -.

In una ricerca, attraverso un’app installata sul cellulare di ciascun partecipante, un ricercatore ha rilevato il livello di dipendenza da smartphone dei soggetti, definito come minuti di utilizzo dello smartphone nel corso della giornata, la variabile livello di dipendenza da smartphone è rilevata a livello di scala: rapporti. -.

Nello scaling non metrico, versione Alscal, il nucleo della soluzione è costituito da. Un vettore che contiene i parametri della mappa m(X). Una matrice Y(RxR) di prossimità trasformate in disparità. Una matrice di coordinate Z(RxH) e un vettore che contiene i parametri della mappa m(X). Una matrice di coordinate Z(RxH).