psicometria prod pedroli elisa (lezione da 21 a 30 )

lo scostamento semplice medio. e' la variazione aritmetica dei valori assoluti degli scsrti delle x da un valore. e' la media aritmetica dei valori assoluti degli scarti delle x da un valore medio. e' la moda dei valori assoluti degli scarti delle x da un valore medio. e' la mediana dei valori assoluti degli scarti delle x da un valore medio.

lo scostamento semplice puo' essere calcolato usando. media aritmetica e deviazione standard. moda e mediana. media aritmetica o moda. media aritmetica o mediana.

la differenza media permette. di calcolare la media delle differrenze in valore assoluto fra tutte le possibili coppie di valori. di calcolare la media dei prodotti in valore assoluto fra tutte le possibili coppie di valori. di calcolare la deviazione standard delle differenze in valore assoluto fra tutte le possibili coppie di valori. di calcolare la somma dei prodotti in valore assoluto fra tutte le possibili coppie di valori.

lo studio della concentrazione e' utile per. calcolare la media dei prodotti in valore assoluto fra tutte le possibili coppie di valori. prendere decisioni rispetto alla relazione causale tra le variabili. calcolare la deviazione standard delle differenze in valore assoluto fra tutte le possibili coppie di valori. vedere se il fenomeno e' equamente distribuito fra tutte le unita' statistiche.

la concentrazione si calcola usando. la deviazione standard. il metodo grafico di Lorenz. la probabilita' congiunta. l'anova.

basandosi sulla probabilita' e' possibile. generalizzare i risultati ottenuti dal campione della popolazione. generalizzare i risultati ottenuti dalla popolazione al campione. generalizzare i risultati ottenuti in laboratorio alla vita reale. modificare i risultati ottenuti per adeguarli alla popolazione.

per la concezione classica dellla probabilita' possono esistere degli eventi. nessuna delle due alternative. totalmente certi. entrambe le alternative. totalmente improbabili.

la concezione logistica di probabilita'. considera la probabilita' di un evento una relazione logica fra l'evento stesso ed un insieme di conoscenze di cui si dispone. viene denominata anche concezione classica. valuta la probabilita' di un evento in base al grado di fiducia che un individuo attribuisce , secondo le sue informazioni , al verificarsi di un evento. parte da due concetti primitivi ( evento e probabilita') e da alcuni assiomi.

per la concezione classica della probabilita' questa puo' assumere valori che vanno da. -1 e 0. 0 e 1. -1 e 1. 0 e 100.

per la concezione classica della probabilita' questa. e' il rapporto fra il numero dei casi osservati ed il numero n dei casi impossibili. e' il rapporto fra il numero m dei casi favorevoli ( al verificarsi di E ) ed il numero n dei casi possibili. e' il rapporto fra il numero totale dei casi ed il numero n dei casi osservati. e' il rapporto fra il numero m dei casi sfavorevoli ( al verificarsi di E ) ed il numero n dei casi impossibili.

la concezione assiomatica di probabilita'. valuta la probabilita' di un evento in base al grado di fiducia che un individuo attribuisce , secondo le sue informazioni , al verificarsi di un evento. considera la probabilita' de un evento e' una relazione logica fra l'evento stesso ed un insieme di conoscenze di cui si dispone. parte da due concetti primitivi ( evento e probabilita') e da alcuni assiomi. viene denominata anche concezione classica.

la concezione soggettiva di probabilita'. viene denominata anche concezione classica. parte da due concetti primitivi ( evento e probabilita' ) e da alcuni assiomi. e' il rapporto fra il numero m dei casi favorevoli (al verificarsi di E) ed il numero di casi possibili. valuta la probabilita' di un evento in base al grado di fiducia che un individuo attribuisce , secondo le sue informazioni , al verificarsi di un evento.

la concezione frequentista della probabilita' si basa. su entrambe le alternative. sull'esperimento. sull' osservazione di prove ripetute del fenomeno. sull' esperimento.

il calcolo delle probabilita' e'. uno strumento irrazionale che permette di prendere decisioni in condizioni di incoerenza. uno strumento razionale che permette di prendere decisioni in condizioni di incertezza. uno strumento irrazionale che permette di prendere decisioni in condizioni di certezza. uno strumento razionale che permette di prendere decisioni in condizioni di certezza.

secondo la teoria frequentista le probabilita' di una caratteristica. e' la frequenza relativa in un numero di prove ritenuto " sufficientemente" elevato. e' il rapporto tra il numero di casi favorevoli all'evento e il nuemro di casi ugualmente possibili. e' la frequenza cumulata in un ridotto numero di prove. il rapporto tra il numero di casi sfavorevoli all'evento e il numero di casi ugualmente possibili.

secondo la teoria soggettiva della probabilita'. la probabilita' associata a una certa affermazione misura il grado di credenza attribuito all'affermazione stessa da una certa persona. la probabilita' di un evento e' data dal limite al quale tende la frequenza relativa della caratteristica in esame col crescere del numero delle osservazioni. la probabilita' di un evento e' il rapporto tra il numero di casi favorevoli all'evento e il numero di casi ugualmente possibili. lo sperimentatore assegna a seconda della sua credenza un valore.

i concetti primitivi del calcolo della probabilita' sono. evento. prova. tutte le alternative. probabilita'.

nell'mpostazione assiomica del calcolo delle probabilita' una prova e' definita come. e' anche detto evento o descrizione. non genera mai un evento. un esperimento soggetto a incertezza. una qualsiasi situazione che non permette di avere dei risultsti.

nella teoria frequentista se la frequenza di un evento e' pari a uno possiamo dire che. si e' verificato in ogni osservazione. e' impossibile. non si e' verificato in nessuna delle n prove effettuate. nessuna delle alternatice.

nella teoria frequentistas se la frequenza di un evento e' pari a zero possiamo dire che. e' impossibile. nessuna delle alternative. si e' verificato in ogni osservazione. non si e' verificato in nessuna delle n prove effettuate.

nell'impostazione assiomica del calcolo delle probabilita' un evento e' definito come. uno dei possibili risultati della prova. un esperimento soggetto a incertezza. nessuna delle alternative. un numero associato al presentarsi di un evento.

legge empirica del caso dice che. fatta una ridotta serie di prove la frequenza tende ad assumete valori distanti alla probabilita' dell'evento. fatta un ampia sere di prove la frequenza tende ad assumete valori distanti alla probabilita' dell'evento. fatta un ampia sere di prove la frequenza tende ad assumete valori prossimi alla probabilita' dell' evento. fatta una ridotta serie di prove la frequenza tende ad assumete valori prossimi alla probabilita' dell' evento.

per la concezione soggettiva la probabilita' e' rappresentata da. numero reale compreso tra 1 e -1. numero reale compreso fra 0 e 1. numero reale compreso fra 0 e infinito. numero reale compreso fra -1 e 0.

nell' impostazione assiomica del calcolo delle probabilita' un probabilita' e' definita come. un esperimento soggetto a incertezza. un numero associato al presentarsi si un evento. uno dei possibili risultati della prova. nessuna delle alternative.

quando vogli calcolare la probabilita' che lanciando un dado esca 3 sapendo che e' uscito un mero dispori sto calcolando. la probabilita' contabile. la probabilita' condizionata. la probabilita' composta. la probabilita' corrispettiva.

quando si vuol calcolalare la probabilitaq' di prender ead un esame e di vincere la schedina prendero' in considerazione. probabilita' contabile. probabilita' condizionata. probabilita'collaterale. probabilita' composta.

la probabilita' composta di tre eventi indipendenti con probabilita' pari al 1/4 , 1/3 , e 1/2 e' pari a. 1/24. 1/9. 1/15. 1/2.

il concetto di probabilita' composta deriva da quello di. probabilita' contabile. probabilita' correlata. probabilita' condizionata. probabilita' binomiale.

considerando il lancio di un dado , la probabilita' che esca 3 sapendo che e' uscito un mero dispari e'. 1/4. 1/3. 1/6. 1/12.

la probabilita' composta di due eventi indipendenti e' pari a. la probabilita' di uno sommata alla probabilita' dell' altro. la probabilita' di uno divisa per la probabilita' dell'altro. la probabilita' di uno dei due eventi moltiplicata per la probabilita' dell'altro evento condizionato al verificarsi del primo. la probabilita' di uno moltiplicata per la probabilita' dell'altro.

la probabilita' che due eventi si verifichino contemporaneamente e' pari a. la probabilita' di uno moltiplicata per la probabilita' dell' altro. la probabilita' di uno dei due eventi divisa per la probabilita' dell'altro evento condizionato al verificarsi del primo. la probabilita' di uno dei due eventi moltiplicata per la probabilita' dell'altro evento condizionato al verificarsi del primo. la probabilita' di uno divisa per la probabilita' dell'altro.

la probabilita' di un evento A condizionato a B puo' essere. minore o uguale alla probabilita'di A. minore probabilita' di A. maggiore o uguale alla probabilita' di A. tutte le alternative sono corrette.

quando consideriamo la probabilita' condizionata di un evento A. se B non si verifica , l'evento A condizionato a B e' definito. se B non si verifica , l'evento A condizionato a B non e' definito. nessuna delle precedenti. se B si verifica , l'evento A condizionato a B non e' definito.

la probabilita' condizionata si definisce come. la probabilita' di un evento moltiplicata per la probabilita' dell'altro. la probabilita' di uno dei due eventi moltiplicata per la probabilita' dell'altro evento condizionato al verificarsi del primo. la probabilita' di verificarsi di A nell' ipotersi che B non si sia verificato. la probabilita' del verificarsi di A nell' ipotesi che B si sia verificato.

in una distribuzione di uniforme. non e' possibile conoscere i valori di probabilita' legati agli elementi dell'insieme. ogni elemento di diversi insiemi correlati ha lo stesso valore di probabilita'. ogni elemento di un insieme finito ha lo stesso valore di probabilita'. gli elementi dell' insieme hanno diversi valori di probabilita'.

un esempio di distribuzione di probabilita' uniforme. l' osservazione di un fenomeno durante un' osservazione. prendere 30 a due esami consecutivi. la vincita di un campionato di calcio. il lancio di un dado.

nelle distribuzioni di probabilita' continue. la variabile viene misurata con valori numerici interi. la variabile viene espressa su scala nominale. la variabile viene esperra su scala ordinale. la variabile viene espressa su scala continua.

la distribuzione di Poisson esprime le probabilita' per. eventi che non hanno relazioni temporali. eventi il cui esito puo' essere solo un successo o insuccesso. tutte le precedenti. eventi che si verificano successivamente ed indipendentemente in un intervallo di tempo.

la probabilita' di una serie di estrazioni da un mazzo di carte senza reinserimento si distribuisce seguenso. la distribuzione ipergeometrica. la distribuzione di Poisson. la distribuzione binomiale. la distribuzione normale.

la distribuzione di probabilita' di Poisson prende in considerazione l'indice lambda che rappresenta. la moda della distribuzione. la varianza di eventi che si verificano. la deviazione standard di eventi che si verificano. la media di eventi che si verificano in un dato lasso di tempo.

la distribuzione binomiale riguarda. eventi il cui esito puo' essere solo un successo o un insuccesso. tutte le precedenti. eventi che non hanno relazioni temporali. eventi che si verificano successivamente ed indipendentemente in un intervallo di tempo.

i valori che contraddistinguono una distribuzione di probabilita' sono q. moda e varianza. modas e deviazione standard. mediana e varianza. media e deviazione standard.

le distribuzioni di probabilita' possono essere. ne' continue ne' discrete. continue o discrete. solo continue. solo discrete.

una distribuzione di probabilita' e'. una rappresentazione grafica della probabilita' di un evento. una rappresentazione analitica della probabilita' di un evento. un modello matematico che collega i valori di una variabile delle probabilita' che possano essere osservate. un modello che collega i valori di una variabile alle probabilita' che questa faccia parte del campione.

nelle distribuzioni di probabilita' discrete. la variabile viene espressa su scala nominale. la variabile viene espressa su scala continua. la variabile viene espressa su scala ordinale. la variabile viene misurata con valori numerici interi.

la legge dei grandi numeri dice che. la media di un numero sufficiente di campioni e' sufficientemente vicina alla media reale. la media di un piccolo campione e' sufficientemente vicina alla media reale. la media di due eventi e' sufficientemente vicina alla media reale. la somma di un numero sufficiente di campioni e' sufficientemente vicina alla media reale.

la distribuzione normale fa riferimento a variabili. nominali. continue. discrete. continue e discrete.

il punto piu' alto di una curva normale viene definito. asse delle y. punto di massimo. punto di flesso. asse delle x.

quando indichiamo una distribuzione normale riportiamo i valori di. media e mediana. moda e varianza. devianza e deviazione standard. media e deviazione standard.

moda , mediana e media non coincidono nella distribuzione di probabilita'. normale standardizzata. nessuna delle alternative. normale. di Poisson.

moda, mediana e media coincidono nella distribuzione di probabilita'. normale. ipergeometrica. di Poisson. binomiale.

la deviazione standard della media rappresenta , nella curva normale. il punto piu' alto della distribuzione. l'asse delle y. lo zero assoluto. i punti di flesso.

due distribuzioni normali con medie diverse. avranno una diversa posizione sull'asse delle x. saranno uguali. sono considerate comunque standardizzate. avranno diversi punti di massimo.

due distribuzioni normali con diverse deviazioni standard. sono considerate comunque standardizzate. saranno uguali. avranno punti di flesso. avranno una diversa posizione sull'asse delle x.

nella distribuzione normale moda, mediana e media rappresentano. l'asse delle x. tre distinti valori. i punti di flesso. il punto piu' alto della distribuzione.

usando la distribuzione normale standardizzata possiamo. confrontare la prestazione di due diversi soggetti allo stesso test. confrontare due diverse distribuzioni di probabilita'. tutte le alternative sono corrette. confrontare punteggi a diversi test.

la curva normale varia tra. piu' e meno 1. piu' e meno 100. piu' e meno infinito. piu' e meno 3.

la distribuzione normale standardizzata. ha media 1 e deviazione standard che varia a seconda del campione. ha media 1 e deviazione standard 1. ha media 0 e deviazione standard 1. ha media deviazione standard diverse a seconda del campione.

l'area compresa fra la curva normale e l'asse delle x equivale ad una probabilita' pari a. 0. 0.5. 100. 1.

l'area compresa tra piu' o meno due deviazioni standard in una curva normale standardizzata e' pari a. 99.73%. 68.26%. 50%. 95.45%.

l'area compresa tra puiu' o meno tre deviazioni standard in una curva normale standardizzata e' pari al. 95.45%. 68.26%. 50%. 99.73%.

l'area compresa tra piu' o meno una deviazione standard in una curva normale standardizzata e' pari a. 50%. 99.73%. 68.26%. 95.45%.

le code della distribuzione normale. non toccano mai l'asse delle x. si incrociano con l'asse delle x. la distribuzione normale non ha code. non toccano mai l'asse delle y.

per la distribuzione normale standardizzata , usando delle specifiche tavole e' possibile calcolare. l'area sottesa alla curva tra l'asse delle x e dato valore. la media. l'area sobra la curva. l'area sottesa alla curva tra l'asse delle y e un dato valore.

i punti z indicano. quante deviazioni standard il punteggio si discosta dalla media. la media dei punteggi di diversi soggetti ad un test. la differenza interloquale. i punteggi dei test in relazione alla distribuzione binomiale.

i punti z fanno riferimento. alla curva normale standardizzata. alla curva normale. alla distribuzione binomiale. alla distribuzione ipergeometrica.

i punti z vengono calcolati usando. moda e deviazione standard. media e moda. mediana e varianza. media e deviazione standard.

lo scopo della standardizzazione dei punteggi grezzi e'. capire la relazione casuale tra le variabili. rendere dati diversi direttamente confrontabili. confrontare punteggi ottenuti allo stesso test da soggetti diversi. capire la relazione causale tra le variabili.

il campionamento puo' essere. probabilistico. entrambi. non probabilistico. nessuno dei 2.

nel campionamento casuale la selezione puo' essere fatta. senza ripetizione. con ripetizione. nessuna delle due alternative. entrambe le alternative.

quando applichiamo la selezione senza ripetizione al campionamento casuale. la probabilita' che ogni elemento venga estratto cambia ad ogni estrazione. la probabilita' che ogni elemento venga estratto rimane costante ad ogni estrazione. gia' prima delle estrazioni ogni elemento ha una probabilita' diversa di essere estratto. non e' possibile conoscere la probabilita' delle diverse estrazioni.

il campionamento casuale semplice ha il limite di. fornire un campione non rappresentativo della popolazione. richiedere elevati costi e tempo di realizzazione. raggiungere un limitato numero di soggetti. richiedere limitati costi e tempi di realizzazione.

il campionamento casuale puo' essere applicato se. entrambe le alternative. la popolazione e' statisticamente omogenea. le unita' statistiche cono individuabili mediante un numero. nessuna delle due alternative.

nel campionamento probabilistico ogni unita' della popolazione ha. la stessa probabilita' di fare parte del campione. una probabilita' casuale e diversa di fare parte del campione. una probabilita' che non puo' essere stimata di far parte del campione. una diversa probabilita' di fare parte del campione.

l'obiettivo del campionamento e'. ottenere un campione rappresentativo della popolazione. ottenere un soggetto che riproduca le caratteristiche della popolazione. ottenere una popolazione rappresentativa del campione. ottenere solo un numero limitato di soggetti.

fare esperimenti sulla popolazione ha lo svantaggio di. richiedere tempi e costi molto elevati. richiedere tempi lunghi ma costi contenuti. richiede tempi e costi molto limitati. coinvolgere pochi soggetti.

la verifica delle ipotesi permette. basandosi sulla popolazione , di decidere se l'ipotesi fatta e' accettabile ancge a livello del campione. di stimare dal campione alcuni parametri della popolazione. basandosi sul campione, di decidere se l'ipotesi fatta e' accettabile anche a livello della popolazione. di capire se il soggetto analizzato appartiene o meno alla popolazione.

la stima campionaria permette. basandosi sulla popolazione , di decidere se l'ipotesi fatta e' acdcettabile anche a livello del campione. di stimare della popolazione alcuni parametri del campione. di stimare dal campione alcuni parametri della popolazione. di capire se il soggetto analizzato appartiene o meno alla popolazione.

l'interferenza statistica puo' riguardare. la verifica delle ipotesi. la stima campionaria. entrambe le alternative. nessuna delle due.

l'interferenza statistica puo' essere definita come il procedimento che permette. analizzare le risposte del gruppo di controllo per avere informazioni sul gruppo sperimentale. analizzare il campione per ottenere conclusioni circa la popolazione. analizzare la popolazione per ottenere conclusioni circa il campione. analizzare le risposte dei singoli soggetti per avere informazioni sulla distribuzione.

usando l'interferenza statistica puo' possiamo. usare i dati ottenuti dal campione per avere informazioni sulla popolazione. analizzare la distribuzione sulla popolazione per avere informazioni siu singoli soggett i. analizzare la distribuzione del campione per avere informazioni siu singoli soggetti. usare i dati ottenuti dalla popolazione per avere informazioni sul campione.