psicometria prof pedroli elisa (lezione 41/ 48 )

la correlazione ci permette di. misurare la forza o l'intensita' del legame fra due variabili. nessuna delle due. capire la relazione causale tra le variabili. entrambe.

la covarianza e'. il valore minimo del prodotto degli scarti corrispondenti di x e di y. il valore massimo del prodotto degli scarti di x e di y. il valore degli scarti di y su x. il valore medio del prodotto degli scarti corrispondenti di x e di y.

il coefficiente di correlazione lineare ci dice. come le due variabili variano congiuntamente. la media del campione. come le due variabili variano singolarmente. come le due variabili si relazionano con una terza variabile.

si ha una correlazione inversa quando il coefficiente di correlazione lineare di Bravais- Pearson. e' uguale a 0. e' sia minore che maggiore di 0. e' minore di 0. e' maggiore di 0.

per analizzare la variabilita' congiunta di due variabili usiamo. l'analisi fattoriale. la mediana. la deviazione standard. la covarianza.

se il coefficiente di correlazione lineare di Bravis - Pearson e' uguale a zero. non abbiamo informazioni per capire se e' presente o meno non esiste correlazione lineare. esisite correlazione lineare. c'e' una correlazione inversa tra le due variabili. non esiste correlazione lineare.

se il coefficiente di correlazione lineare di Bravais - PEarson e' uguale a -1. correlazione imperfetta. correlazione estrema. correlazione perfetta inversa. assenza di correlazione.

se il coefficienter di correlazione lineare di Bravais- Pearson e' uguale a +1. correlazione perfetta diretta. correlazione estrema. correlazione imperfetta. assenza di correlazione.

il coefficiente di correlazione lineare di Bravais - Pearson puo' variare. fra -1 e +1. fra 3 e -3. fra "meno infinito " e "piu' infinito". fra0 e 1.

si ha una correlazione diretta quando il coefficiente di correlazione lineare di Bravais - Pearson. e' uguale a 0. e' sia minore che maggiore di zero. e' maggiore di 0. e' minore di 0.

il coefficiente di correlazione lineare di Bravais - Pearson rappresenta. la retta di regressione. la covarianza. la deviazione standard. la covarianza normalizzata.

per analizzare la correlazione solitamente si usa. il coefficiente di correlazione lineare di Bravais - Pearson. la media ponderata. la retta regressione. l'anova.

la covarianza varia. fra 0 e 1. fra "meno infinito" e "piu' infinito". fra 3 e -3. fra -1 e +1.

la covarianza puo' essere. solo positiva o negativa. positiva, negativa o nulla. solo positiva o nulla. lineare o curvilinea.

quando un coefficiente di correlazione r e' uguale a 0 si parla di. correlazione perfetta. correlazione estrema. correlazione imperfetta. assenza di correlazione.

la varianza non spiegata puo' dipendere. sa errori emersi durante la procedura. da altre variabili non controllate. entrambe. nessuna delle due.

la varianza spiegata e'. la variabilita`di y che non dipende dalla variabile x. l'errore standard. equivalente al coefficiente angolare. la variabilita' della y dovuta alla variabile x.

la varianza non spiegata e'. equivalente all'intercetta. la variabilita' della y dovuta alla variabile x. l'errore standard. la variabilita' di y che non dipende dalla variabile x.

la varianza totale e' data da. entrambe. nessuna delle due. la varianza non spiegata. la varianza spiegata.

il coefficiente di indeterminazione ci permette di definire. l'errore standard. la varianza di y che dipende dalla variabile x. la varianza di y che non dipende dalla variabile x. la varianza normalizzata.

il coefficiente di determinazione ci permette di definire. l'errore standard. la varianza dovuta allo scarto fra y e x. la varianza dovuta a x. la varianza dovuta alla dipendenza lineare fra y e x.

il coefficiente di determinazione e' dato da. r diviso due. alfa. x medio. r al quadrato.

il coefficiente di indeterminazione e' dato da. 1-r al quadrato. r diviso due. delta. r al quadrato.

quando voglio analizzare se due variabili rilevate su un solo campione sono tra loro correlate le organizzero'. in una tabella a singola entrata. in una tabella a doppia entrata. in un diagramma a torta. in una tabella semplice.

una variabile A e' indipendente da una variabile B quando. per ogni valore di A le frequenze relative non dipendono dai valori di B. le frequenze relative di A e B sono uguali. per ogni valore di A le frequenze relative dipendono dai valori di B. le frequenze relative di A e B sono diverse.

il coefficiente b1 e' detto. coefficiente di regressione di y su x. intercetta di y. coefficiente di regressione di x su y. intercetta di x.

quando analizziamo la dipendenza tra due variabili possiamo rappresentarle attraverso. grafici a torta. diagrammi di dispersione. istogrammi. linee di regressione.

nella linea di regressione di x rispetto a y i punti vengono rappresentati ad ogni valore di x e. la media ponderata dei valori della x relativi ad ogni livello di y. moda di y. le mediane di y. la media ponderata dei valori della y relativi ad ogni livello di x.

usiamo la correlazione lineare si analizza quando , date due variabili x e y. vogliamo verificare delle ipotesi. accettiamo h0. rifiutiamo h0. vogliamo capire se c'e' un legame tra le due variabili.

il coefficiente di correlazione lineare di Bravais - Pearson puo' essere calcolato usando. coefficienti di regressione. covarianza e deviazione standard. nessuna delle alternative. entrambe le alternative proposte.

possiamo usare i punti centili per. nessuna delle due. calcolare un cut-off. entrambe. capire se un campione appartiene ad una popolazione.

il cut-off serve per. calcolare il coefficiente di correlazione. capire se un campione appartiene ad una popolazione. calcolare il coefficiente di regressione. identificare i punteggi che si collocano sopra e sotto un dato numero.

i test non parametrici. non implicano la stima di parametri statistici. implicano la stima di parametri statistici. nessuna delle precedenti. non sono mai equivalenti a test parametrici.

il test di Wilcoxon e' l'alternativa non parametrica del test. di Bravais - Pearson. t di Wilcoxon. di correlazione lineare. t di Student.

il test di U di Mann- Whitney e' l'alternativa non parametrica del test. di correlazione lineare. t di Student. t di Wilcoxon. di Bravais - Pearson.

quando uso il test di Wilcoxon posso rigettare h0 se. la somma dei ranghi positivi o la somma dei ranghi negativa e' minore o uguale al valore critico tabulare. la somma dei ranghi positivi o la somma dei ranghi negativa e' maggiore al valore critico tabulare. la somma delle medie e' minore o uuguale al valore critico tabulare. la somma delle medie e' maggiore al valore critico tabulare.

nelle tabello per calcolare il valore critico tabulare del mio test di t di Wilcoxon posso testare. nessun tipo di ipotesi. solo ipotesi a due code. solo ipotesi ad una coda. ipotesi ad una e due code.

quando uso il test t di Wilcoxon. devo confrontare il coefficiente anfolare con un valore critico tabulare. devo confrontare il coefficiente di correlazione con un valore critico tabulare. devo confrontare la somma dei ranghi (positivi e negativi) con un valore critico tabulare. devo confrontare il coefficiente di regressione con un valore critico tabulare.

per confrontare due medie di campioni dipendenti con test non parametrici useremo. il coefficiente di correlazione lineare di Bravais - PEarson. il test U di Mann- Whitney. il test t di Wilcoxon. tutte le alternative.

per confrontare due medie di campioni indipendenti con test non parametrici useremo. il test t di Wilcoxon. il test U di Mann-Whitney. il coefficiente di correlazione lineare di Bravais- Pearson. tutte le alternative.

tra i test non parametrici abbiamo. entrambi. test di conformita'. nessuna delle precendenti. test equivalenti di test parametrici.

applichiamo statistiche non parametriche quando. il campione supera le 30 unita'. non si assume l'ipotesi che i dati provengano da una popolazione normale o gaussiana. si assume l'ipotesi che i dati provengano da una popolazione normale o gaussiana. c'e' indipendenza fra media e varianza.