240404 TARS

La distribuzione di una variabile nominale ("Dove andrai in vacanza?") presenta le seguenti proporzioni: mare, 0.5; montagna, 0.3; città d'arte, 0.2. Qual è l'indice di eterogeneità assoluto di questa distribuzione?

• 0.03

• 0.97

• 0.62

• 0.886

Devi effettuare l'analisi bivariata di queste due variabili: età e indice di customer satisfaction (valori compresi tra 1 e 100). Quale delle seguenti misure è più appropriata?

• r di Pearson

• tau-c di Kendall

• Chi-quadrato

• V di Cramér

Cosa si intende per moderation analysis?

• Lo studio di una relazione indiretta

• Lo studio di una relazione condizionata

• Lo studio di una relazione spuria

• Lo studio di una relazione sociale

Guarda i risultati di questa regressione lineare multipla. Qual è la variabile che incide maggiormente sul voto di un esame?

• Ansia

• Livello di preparazione

• Lunghezza del programma

• Giorni di studio

Guarda la matrice di correlazione in figura. E' possibile sottoporre questa matrice ad analisi fattoriale?

• Sì

• No

• Non si può dire, perché le correlazioni sotto la diagonale sono vuote

Hai condotto un'analisi fattoriale confermativa, i cui test di goodness-of-fit sono i seguenti: RMSEA = 0.02;

CFI = 0.93. Quale delle seguenti affermazioni e corretta?

• Sia l'RMSEA sia il CFI sono buoni

• L'RMSEA non è buono; il CFI è buono

• L'RMSEA è buono; il CFI non è buono

• Sia l'RMSEA sia il CFI NON sono buoni

Quale, tra i seguenti test, NON serve a misurare l'attendibilità di una scala?

• Alpha di Cronbach

• Split-half

• Correlazione elemento-scala

• Test di Tukey

Quando si fa ricorso all'ANOVA nell'analisi dei risultati di un esperimento?

• Quando la variabile indipendente ha più di due categorie

• Quando la variabile indipendente ha più di due categorie

• Quando le stesse persone sono sottoposte a due condizioni (pre/post)

• Quando l'esperimento prevede il ricorso a due gruppi diversi

Nel machine learning, qual è la differenza tra classificazione e clustering?

• Nel clustering le categorie sono note a priori, nella classificazione emergono dai dati

• Nel clustering le categorie emergono dai dati, nella classificazione sono note a priori

• Sia nel clustering sia nella classificazione le categorie sono note a priori, ma nella classificazione sono di più

• Sia nel clustering sia nella classificazione le categorie emergono dai dati, ma nel clustering è ignoto il processo attraverso cui esse emergono

Nel machine learning, a cosa serve l'ispezione della curva ROC?

• A prevedere i valori della variabile dipendente, conoscendo i valori delle variabili indipendenti

• A decidere quante categorie (labels) selezionare nel modello di analisi

• A valutare l'affidabilità di un modello di machine learning

• A riconoscere gli outlier, che potrebbero determinare dei bias nel modello