Domande d'esame VERIFICATO
Statistical Analysis and Modelling - Exam questions
Università degli studi di Bologna scienze e gestione della natura Curriculum global change ecology and sustainable development goals 2026
40 visualizzazioni
Nessun voto ancora
Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.
Di cosa parla
- P1: P(x) è un numero reale compreso tra 0 e 1 (inclusive)
- P2: Il p-value rappresenta la probabilità di osservare un evento almeno altrettanto estremo, assumendo H₀ sia vera
- P3: L'ipotesi nulla in una t-test a campione singolo prevede l'indipendenza e la normalità approssimativa dei dati
- P4: Il test di Shapiro-Wilk serve per verificare la normalezza della distribuzione
- P5: La correlazione di Spearman è preferibile alla correlazione di Pearson quando si viola l'assunzione di normalità
- P6: L'ipotesi nulla nel modello di regressione lineare semplice prevede β₁ = 0
- P7: In ANOVA a un fattore, il rapporto F confronta la varianza tra gruppi con quella all'interno dei gruppi
- P8: I loadings in PCA rappresentano i pesi/contributi delle variabili originali a ciascun componente principale
- P9: Una matrice in R può contenere tipi diversi nelle diverse colonne, mentre un data.frame è sempre numerico
- P10: La funzione scale() standardizza le variabili (centra e scala)
- P11: Per adattare un modello di regressione lineare semplice in R si usa la funzione lm(y ~ x)
- P12: La funzione summary() fornisce l'output completo del modello lm
- P13: Se le ipotesi di ANOVA sono violate, un'altra opzione ragionevole è utilizzare il test Kruskal-Wallis
- P14: La funzione dist() calcola una matrice delle distanze euclideane tra righe
- P15: In dudi.pca(), scannf=FALSE e nf=k rendono la PCA non interattiva e definiscono il numero di componenti
- P16: La funzione cmdscale() esegue l'MDS classica in 2D
- P17: Le ipotesi chiave del modello di regressione lineare semplice sono: indipendenza, normalità, omoschedasticità e linearità
- P18: La PCA e l'MDS differiscono nel tipo di distanza utilizzata (Euclidea vs. metrica) e nell'interpretazione dei risultati
- P19: Nell'analisi delle tasse degli alberi, il coefficiente del Girth mantiene costante la Height; i predittori significativi sono quelli con p-value < 0.05/0.01; l'F-test verifica se almeno una variabile è significativa; l'Adjusted R-squared indica la varianza spiegata netta delle variabili non
Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.