Psicometria 36-43

La regola della moltiplicazione viene utilizzata, nella sua forma semplice, per calcolare: la probabilità di un singolo evento impossibile. la probabilità dell'unione di eventi mutuamente escludenti. la somma delle probabilità di tutti gli esiti possibili. la probabilità congiunta di eventi indipendenti.

All'aumentare della numerosità campionaria, la distribuzione dei coefficienti campionari tende a essere: più dispersa attorno al parametro della popolazione. necessariamente spostata verso valori positivi. indipendente dal parametro della popolazione. meno dispersa attorno al parametro della popolazione.

Se l'assunzione di normalità non è rispettata per le variabili considerate, la procedura utilizzata nell'esempio è: il test del chi-quadrato. il coefficiente rho di Spearman. il coefficiente r di Pearson. il coefficiente di determinazione r².

Nella matrice riportata, una correlazione con p = 0.620 è: statisticamente significativa al livello di 0.05. statisticamente significativa al livello di 0.01. necessariamente negativa. non statisticamente significativa al livello di 0.05.

Nella matrice riportata, una correlazione con p = 0.005 è: necessariamente priva di rilevanza. non statisticamente significativa al livello di 0.05. significativa soltanto al livello di 0.10. statisticamente significativa al livello di 0.01.

La correlazione tra autoefficacia universitaria e coinvolgimento nello studio, rho = 0.539 e p <0.001, è: negativa e statisticamente significativa. positiva ma non statisticamente significativa. nulla nella popolazione. positiva e statisticamente significativa.

La correlazione tra autoefficacia universitaria e ansia accademica, rho = -0.353 e p = 0.030, è: negativa ma non statisticamente significativa. positiva e statisticamente significativa al livello di 0.05. una correlazione negativa perfetta. negativa e statisticamente significativa al livello di 0.05.

Nel grafico con media della popolazione μ = 50 e deviazione standard σ = 10, l'aumento di N modifica principalmente: il numero dei valori possibili nella popolazione. la dispersione delle medie campionarie. la deviazione standard dei punteggi della popolazione. la media della popolazione.

Il fatto che la distribuzione delle medie diventi più stretta all'aumentare di N significa che: la deviazione standard della popolazione diventa uguale a 0. la media della popolazione aumenta. le medie campionarie diventano meno variabili. i punteggi individuali della popolazione diventano meno variabili.

Una distribuzione delle medie campionarie più stretta corrisponde a: una numerosità campionaria più piccola. un errore standard più piccolo. una maggiore variabilità delle medie. un errore standard più grande.

Una distribuzione delle medie campionarie più ampia corrisponde a: una media della popolazione più elevata. un errore standard più elevato. una deviazione standard dei punteggi uguale a 0. un errore standard più basso.

La distribuzione campionaria delle medie è composta da: medie calcolate su campioni differenti. parametri provenienti da popolazioni differenti. punteggi individuali osservati in un solo campione. frequenze delle categorie di una variabile nominale.

Il t-test per campioni correlati consente di confrontare: la correlazione tra più di due variabili. le medie di due insiemi di punteggi tra loro dipendenti. le varianze di due popolazioni indipendenti. le frequenze osservate in due variabili nominali.

La media delle differenze indica: il valore critico della distribuzione t. la variabilità complessiva dei punteggi individuali. il cambiamento medio dalla prima alla seconda misurazione. la numerosità delle coppie.

Il t-test per campioni correlati lavora principalmente: sulla somma delle due varianze indipendenti. sulle differenze individuali tra le due misurazioni. sulle frequenze delle categorie. sui ranghi attribuiti alle condizioni.

Secondo H₀, le piccole differenze tra due misurazioni correlate possono essere attribuite: alla presenza di due popolazioni indipendenti. alla variabilità campionaria. a un effetto sistematico certamente presente. a un errore nella definizione della variabile dipendente.

Nel t-test per campioni correlati, la statistica t valuta quanto: un singolo punteggio si discosti dalla media in unità di deviazione standard. la media delle differenze si discosti da 0 in unità di errore standard. la varianza della prima condizione superi quella della seconda. le frequenze osservate si discostino dalle frequenze attese.

L'errore standard della media delle differenze viene calcolato a partire: dal valore critico riportato nella tavola. dalla variabilità delle differenze individuali. dalla media della prima condizione soltanto. dal segno della statistica t.

In un disegno controbilanciato: l'ordine delle condizioni viene distribuito tra i partecipanti. tutti i partecipanti svolgono le condizioni nello stesso ordine. ogni partecipante prende parte a una sola condizione. la variabile dipendente viene misurata una sola volta.

La forma della distribuzione t dipende: dal segno della differenza media. dall'ordine delle righe nel dataset. dalla media della variabile dipendente. dai gradi di libertà.

A parità di differenza tra le medie, una maggiore variabilità interna ai gruppi tende a rendere il valore assoluto di t: Uguale alla numerosità complessiva. Più piccolo. Indipendente dall'errore standard. Più grande.

L'ipotesi nulla H₀ del t-test per campioni indipendenti afferma che: Le medie campionarie devono essere esattamente uguali. La media del primo gruppo è necessariamente maggiore. La variabilità interna ai gruppi è uguale a 0. Le medie delle due popolazioni non differiscono sistematicamente.

L'ipotesi alternativa H₁ non direzionale del t-test per campioni indipendenti afferma che: Le due variabili sono correlate. Le medie delle due popolazioni sono differenti. Le medie delle due popolazioni sono uguali. La media del primo gruppo è necessariamente maggiore.

Nella formula concettuale del t-test per campioni indipendenti, il numeratore rappresenta: L'errore standard della differenza. La differenza tra le due medie campionarie. La variabilità complessiva dei punteggi. La somma delle numerosità dei gruppi.

Nella formula concettuale del t-test per campioni indipendenti, il denominatore rappresenta: La differenza tra le due medie. Il livello di significatività. Il numero complessivo dei partecipanti. L'errore standard della differenza tra le due medie.

La formula concettuale della statistica t per campioni indipendenti è: t = (X̄₁ + X̄₂) / SE(X̄₁ - X̄₂). t = (X̄₁ - X̄₂) / SE(X̄₁ - X̄₂). t = SE(X̄₁ - X̄₂) / (X̄₁ - X̄₂). t = (X̄₁ - X̄₂) × SE(X̄₁ - X̄₂).

In due gruppi indipendenti, la somma dei punteggi del primo gruppo è 161 con N₁ = 12, mentre la somma del secondo è 95 con N₂ = 10. Le rispettive medie sono circa X̄₁ = 13.42 e X̄₂ = 9.50. Qual è la differenza X̄₁ - X̄₂?. 1.42. 22.92. 3.92. 9.5.

In due gruppi indipendenti si osservano X̄₁ = 13.42, X̄₂ = 9.50 e SE(X̄₁ - X̄₂) = 1.392. Utilizzando la formula t = (X̄₁ - X̄₂) / SE(X̄₁ - X̄₂), la statistica t è circa: 2.81. 1.39. 20. 3.92.