Concetti Fondamentali di Probabilità: Vero o Falso

Verifica sulla Teoria della Probabilità

1. Il modello binomiale è caratterizzato da dicotomia. V
2. La curva normale è asimmetrica rispetto alla media. F
3. La teoria della probabilità lavora con esperimenti deterministici. F
4. La teoria della probabilità può arrivare a costruire un modello per un esperimento randomizzato. V
5. Il dominio del modello normale è definito sui numeri reali positivi. F
6. Le decisioni basate sulla teoria della probabilità sono positive. V
7. Un esperimento casuale è il processo di raccolta di informazioni da un fenomeno che evidenzia un certo risultato quando viene ripetuto più volte. F
8. La teoria della probabilità fornisce le procedure per il calcolo della probabilità dei risultati possibili. V
9. In un esperimento randomizzato, è possibile descrivere l'insieme dei possibili esiti che saranno otto. F
10. L'insieme di tutti i possibili risultati di un esperimento casuale è noto come spazio campionario. F
11. Gli eventi sono dipendenti nel modello binomiale. F
12. Se l'esperimento consiste nel lanciare tre monete, il numero dei possibili risultati sarà otto. V
13. Un evento è un sottoinsieme di uno spazio campione. V
14. L'insieme vuoto è conosciuto come evento impossibile. V
15. Se la probabilità di un evento è vicina a uno, allora l'evento è molto probabile che accada. V
16. Lo spazio campione è noto come evento probabile. F
17. Una probabilità può essere definita come: frequentista o soggettiva. V
18. Una probabilità bayesiana è il grado di certezza riguardo al verificarsi di un evento. V
19. L'evento contrario è quello formato da tutti gli elementi che si trovano nello spazio campione ma non nell'evento originale. F
20. La notazione P(A) indica la probabilità che l'evento A si verifichi. V
21. Uno spazio campione è finito e numerabile se ha un numero finito di termini e questi appartengono ai numeri reali. F
22. La probabilità dello spazio campione è uguale a uno. V
23. La probabilità dell'evento impossibile è pari a mezzo. F
24. La probabilità di un sottoinsieme (evento) è la sua dimensione relativa rispetto al totale (spazio campionario). V
25. Sia A ⊂ E, allora P(A*) = 1 - P(A). V
26. Siano A1, A2 ⊂ E eventi tali che P(A1 - A2) = P(A1 ∪ A2*). F
27. La probabilità che un evento A si verifichi (nell'approccio classico) viene calcolata come P(A) = #A / #E. V
28. L'evento unione è quello costituito dai risultati sperimentali. V
29. Per calcolare la probabilità condizionale si deve calcolare l'intersezione tra due eventi e la probabilità dell'evento condizionante. V
30. Il modello di Gauss (curva normale) è una curva a forma di campana. V
31. La probabilità soggettiva di un evento è la frequenza relativa di volte che l'evento si sarebbe verificato durante l'esecuzione di un esperimento ripetuto. F
32. Un sistema di eventi è completo se l'unione degli eventi è lo spazio campione, ed è formato da eventi disgiunti se l'intersezione tra coppie di eventi è vuota. F
33. Due eventi sono indipendenti se il verificarsi di uno aggiunge informazioni sull'altro. V
34. Il teorema di Bayes calcola la probabilità condizionata (a posteriori) di un evento A, data l'osservazione di un evento B. V
35. La specificità è determinata dalla probabilità di un vero negativo. F
36. La prevalenza è la percentuale (%) della popolazione con la malattia in un dato momento. V
37. P(I + III) = indice predittivo +. V
38. Una variabile casuale è una funzione che assegna un numero reale a ogni esito di un esperimento casuale (evento elementare dello spazio campionario). V
39. Le variabili casuali possono essere descritte come discrete o continue. F
40. Una funzione di densità è una funzione non negativa, la cui area sottesa totale è pari a uno. V
41. L'incidenza è la percentuale (%) di nuovi casi di malattia in una popolazione a rischio in un dato periodo di tempo. F
42. L'integrale della funzione di densità su un intervallo descrive la probabilità associata a quell'intervallo (un'area specifica sotto la curva). V
43. Il valore atteso è pari alla media. F
44. La sensibilità è determinata dalla probabilità di veri positivi. F
45. I parametri di un modello normale sono la media (μ) e la deviazione standard (σ) o la varianza (σ²). F
46. In un modello normale, la media (μ) determina la posizione della curva sull'asse orizzontale. V
47. Carl Friedrich Gauss sviluppò il modello normale anche attraverso osservazioni astronomiche. V
48. P Ill (I) = indice predittivo negativo. F
49. Nel modello normale, la deviazione standard (σ) determina la forma della curva (la sua larghezza o dispersione). V
50. L'evento intersezione (A ∩ B) è quello composto da elementi che sono sia in A sia in B. F