28 06 2021

Informazioni sul documento

Università: Politecnico di Milano
Corso di laurea: Management Engineering
Materia: Business Data Analys
Classificazione: Esercizi · Completi
Formato originale: PDF
Testo: Scansione in elaborazione OCR

Cosa trovi in questo materiale

Materiale completo di Business Data Analys per il corso di Management Engineering presso Politecnico di Milano. Il documento tratta: TEMA D'ESAME 28/06 Sono stati raccolti dati relativi agli incassi di un noto locale Milanese, nei 10 giorni prima del 14/6/2021 (giorno dell'abolizione del coprifuoco) e nei 10 giorni dopo. Si è rilevato che l'incasso medio prima del 14/6/2021 è stato di 6616 con varianza…

Qualità dell’importazione: il testo nativo è stato integrato con OCR nelle pagine che ne avevano bisogno.

Contenuti estratti dal documento

Passaggi rappresentativi riconosciuti nelle diverse parti del materiale. Il testo completo resta presente nella pagina per la ricerca, mentre l’anteprima compatta rende più semplice la lettura.

Pagina 1

TEMA D'ESAME 28/06 Sono stati raccolti dati relativi agli incassi di un noto locale Milanese, nei 10 giorni prima del 14/6/2021 (giorno dell'abolizione del coprifuoco) e nei 10 giorni dopo. Si è rilevato che l'incasso medio prima del 14/6/2021 è stato di 6616 con varianza 1881671, mentre l'incasso medio dopo il 14/6/2021 è stato di 8384 con varianza 395448.9. Si vuole verificare se vi è stata una variazione significativa nella media degli incassi con la rimozione del coprifuoco. (1 punto) Si riporti il valore della statistica test (si tronchi a 3 cifre decimali senza arrotondamento), il p-value del test (si tronchi a 3 cifre decimali senza arrotondamento) e la conclusione cui si arriva (RIFIUTO/ACCETTO), nel seguente formato: [statistica; p-val: DECISIONE] Inserisci la risposta In Figura (link: https://www.dropbox.com/s/7apgenegjtz5z5l/QY%20mat.png?di=0) è riportato il summary di un'ANOVA one way per spiegare il prezzo di vasi tipici siciliani (variabile "price"), sulla base della loro dimensione (variabile “size”). (1 punto) Riportare il numero di livelli del fattore “size”, la dimensione del dataset, e se si può ritenere che l'effetto di "size" sia significativo o meno (SI/NO). Utilizzare il seguente formato: [n; dim; RISPOSTA] > summary(aov(price-size, data= dati)) Df Sum Sq Mean Sq F value Pr(>F) size 2 286332 143166 6276 <2e-16 *** Residuals 213 4859 23 Signif. codes: ‘@ ***** 10,001 *#*? @.01 *** 6.05 *.* 0,1 °* 1 Inserisci la risposta

Pagina 2

I grano nel panel di sinistra in Figura (link: ng?dl=0) riporta lo scatterplot relativo ai dati di vendita diun a magazzino milanese nel periodo febbraio — luglio 2019, per diverse categorie di prodotti. Il grafico nel panel di destra riporta invece il dendrogramma ottenuto clusterizzando i dati con un algoritmo gerarchico agglomerativo basato sulla distanza euclidea e il ward linkage. (1 punto) Indicare le affermazioni vere: Eucadean Datarce ll dendrogramma suggerisce una partizione in 3 cluster. [gg] Il dendrogramma suggerisce una partizione in 4 cluster. (sl La variabile “abbigliamento” mostra una chiara suddivisione in 2 cluster. DI La variabile “souvenir mostra una chiara suddivisione in 2 cluster, Hi La forte dispersione dei dati non consente l’identificazione di cluster tramite un aigoritmo gerarchico aggiomerativo.

Pagina 3

aero 429 3 € wi 0 os « » ma a noe as nod ngs cor 01 o toe Si consideri il grafico dei residui in Figura (link: https://www.dropbox.com/s/6i29f331jrqbsmt/QW%20mat.png?dl=0). Sia inoltre 0.24 il p-value del test di Shapiro associato ai dati del QQ-plot. (1 punto) Indicare le affermazioni vere: Sono presenti degli outlier | | Andrebbe aggiunto al modello un termine polinomiale di secondo grado Hi L'ipotesi di Normalita è rispettata || Nessuna delle precedenti DI

Pagina 4

Ri Ra Ry Ry Rs Sia dato l'albero di classificazione in Figura (link: https://www.dropbox.com/s/bmxcheud0lrx7q9/Q7%20mat.png?dl=0) (1 punto) Indicare le affermazioni vere In R2 cadono le osservazioni con Xi < fn e X> < 1» [EJ] In R2 cadono le osservazioni con X; < ti e X2 > h DM In R2 cadono 1/5 delle osservazioni [ij In R2 cadono 1/4 delle osservazioni [JJ] Lo spazio delle osservazioni viene partizionato in 5 regioni tra loro disgiunte Di

Anteprima

Prima pagina del documento.