Analisi Automatica degli Oggetti di Test di Leeds Test Objects Padova, 12 ottobre 2012

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi Automatica degli Oggetti di Test di Leeds Test Objects Padova, 12 ottobre 2012"

Transcript

1 AutoPIA Analisi Automatica degli Oggetti di Test di Leeds Test Objects Padova, 12 ottobre 2012

2 Agenda Perchè Automatizzare l'analisi Il Software AutoPIA L'Edizione Web 2

3 Agenda Perchè Automatizzare l'analisi Il Software AutoPIA L'Edizione Web 3

4 I Controlli di Routine Servono per monitorare le performance di un sistema di produzione delle immagini Consistono nel misurarne le performance confrontarle con quelle di riferimento (baseline) Si eseguono calcolando indici di qualità delle immagini (IQI) es. numero di dettagli visibili, livelli di grigio, SNR,... tenendo traccia della loro evoluzione temporale 4

5 Due Possibilità di Esecuzione I controlli di routine possono essere effettuati: Manualmente Automaticamente con l'ausilio di un software 5

6 Gli Indici di Qualità Più Semplici Consistono nel Contare i dettagli Misurare i livelli di grigio Risultano Essere veloci Fornire poca informazione 6

7 Indici di Qualità Avanzati Consistono nel Individuare delle aree di interesse nell'immagine Estrapolarne dei dati Valore medio di grigio, deviazione standard,... Calcolare il valore Dettagli, sfondo,... Rapporto segnale rumore, rapporti tra contrasti,... Sono Complessi da effettuare Forniscono più informazione e di maggiore qualità 7

8 Confronto Tra Indici 8

9 La Qualità Costa L'analisi manuale implica uno spiacevole tradeoff tra la bontà dei controlli e il loro costo L'analisi manuale è Soggettiva Sensibile alle variazioni inter- e intra- osservatore E pertanto risulta Non affidabile Contestabile 9

10 Soluzione: l'analisi Automatica Analisi manuale Di qualità, ma costosa Analisi Automatica oppure Economica, ma superficiale Soggettiva Inaffidabile Contestabile 10 Economica (il PC è più veloce e costa meno) Efficace (è più sensibile e precisa) Oggettiva (non richiede valutazioni umane) Riproducibile (fornisce sempre gli stessi risultati)

11 Agenda Perchè Automatizzare l'analisi Il Software AutoPIA L'Edizione Web 11

12 AutoPIA Automatic Phantom Image Analysis Uscito nell'ottobre 2011 Contiene l'esperienza accumulata dal 1995 Compatibile con i seguenti fantocci TOR 18FG PIX 13 TOR CDR TOR MAX/MAS TO 20/16/12/10 12

13 Indici di Qualità (1) Dettagli a basso contrasto (5.6mm) Rapporto contrasto rumore (CNR) Dettagli ad alto contrasto (0.5mm e 0.25mm) Rapporto contrasto rumore (CNR) Contrasto dettagli compatti (DCC) Scala di grigi Contrasto relativo 13

14 Indici di Qualità (2) Pattern di risoluzione ad alto contrasto Frequenza corrispondente a MTF 50%, 20% e 5% Cut off Microparticelle Rapporto di varianza 14

15 Rapporto Contrasto Rumore (CNR) μ d μ b CNR= σb Dove μ d livello medio della ROI dettaglio μ b livello medio della ROI background σ b deviazione standard della ROI background 15

16 Contrasto Dettagli Compatti (DCC) PCNR DCC = i i n Dove i indice su un insieme di punti luminosi e vicini PCNRi CNR sul punto i-esimo n il numero di punti considerati 16

17 Contrasto Relativo RC = μ d μ b μb Dove μ d livello medio della ROI dettaglio μ b livello medio della ROI background 17

18 Modulation Transfer Function (1) I valori sono calcolati in base a: Droege RT, Morin RL A practical method to measure the MTF of CT scanners Med Phys Sep-Oct;9(5): La relazione tra MTF e distribuzione standard π 2 M ( f ) 4 M0 se f f c / π 2 M (3f ) M (5f ) M (7f ) 2 M ( f ) 4M f < f c /3

19 Modulation Transfer Function (2) 19

20 Rapporto di Varianza VR= σ σ 2 d 2 b Dove 2 σ d la varianza nella ROI dettaglio 2 b σ la varianza nella ROI background 20

21 Demo 21

22 It Is a Simple Windows Application 22

23 Open a DICOM Image 23

24 Analyse The Image 24

25 Visualize The Results 25

26 Store The Results 26

27 Visualize Control Charts 27

28 Drill Down (1) 28

29 Drill Down (2) 29

30 Drill Down (3) 30

31 Sufficiente? Facciamo un paio di conti: ( ) x CNR (11+11) x DCC 10 x Contrasto relativo 26 x MTF 15 x Rapporti di varianze 107 indici di qualità!!! Non sono sufficienti. Sono troppi. Va inoltre valutata la stabilità 31

32 Rapporto Contrasto Rumore (CNR) CNR 5.6mm #1 5.6mm #2 5.6mm #3 5.6mm #4 5.6mm #5 5.6mm #6 5.6mm #7 5.6mm #8 5.6mm #9 5.6mm #10 5.6mm #11 5.6mm #12 mean_ sd_ COV_5 1.65% 2.11% 1.98% 1.81% 5.88% 7.09% 5.89% 6.63% 10.07% 17.71% 38.47% 30.31% I valori del CNR sono instabili per i dettagli meno visibili Oltre ad essere troppi 32

33 Pendenza di Contrasto (1) 12 dettagli: Pendenza = Contrasto misurato Contrasto nominale 33 La pendenza della retta contrasto misurato contro il contrasto nominale

34 Pendenza di Contrasto (2) 6 dettagli: Pendenza = Contrasto misurato Contrasto nominale 34 Eliminando i dettagli meno visibili il valore della pendenza non cambia

35 Pendenza di Contrasto Contrasto misurato Pendenza = Pendenza = Contrasto nominale 35 La pendenza della retta contrasto misurato contro il contrasto nominale

36 Modulation Transfer Function (MTF) Sp. Freq mean_ sd_ COV_5 0.22% 0.37% 0.26% 0.38% 0.76% 0.18% 0.41% 1.22% 1.32% 3.67% 1.46% 8.53% 3.04% 12.91% % I valori dell'mtf sono instabili per i dettagli meno visibili Oltre ad essere troppi 36

37 Area Sottesa all'mtf 80 MTF (%) Spatial Frequency (lp/mm)

38 Area Sottesa all'mtf UCL baseline Area MTF 112 LCL DIMENTICATO UNO STRATO DI PLEXIGLAS! giorno

39 Microparticelle DIVERSO RUMORE STRUTTURALE STESSO CONTRASTO 39

40 Pendenza Rapporti Tra Varianze 30 Rh/Rh, 30 kvp, 55 mas Rh/Rh, 30 kvp, 20 mas part / 2uniform 2 part / 2uniform step step Particelle pendenza intercetta R2 Particelle pendenza intercetta R2 Sottili Sottili Medie Medie Grossolane Grossolane

41 Meno Indici di Qualità: da 107 a 7 Difficili da gestire Più facili da gestire Più rappresentativi Contraddizioni Troppo granulari Instabili per i dettagli meno visibili Stabili indipendentemente dal numero di dettagli visibili Di più con meno 41

42 Agenda Perchè Automatizzare l'analisi Il Software AutoPIA L'Edizione Web 42

43 Demo 43

44 44

45 45

46 46

47 47

48 48

49 Il controllo NON è stato effettuato secondo il protocollo L'oggetto di test non è stato posizionato correttamente. Si ricorda che il protocollo da applicare è il seguente: 49

50 Il sistema è conforme alle condizioni iniziali 50

51 Sistema sotto osservazione Il sistema è potenzialmente in una situazione non conforme alle condizioni iniziali. Aumentare la frequenza dei controlli ad un controllo al giorno L'area sottesa al MTF è inferiore al limite atteso 51

52 Il sistema NON è conforme alle condizioni iniziali Avvertire il supervisore del sistema L'area sottesa al MTF è molto inferiore al limite atteso La pendenza dei contrasti è rimasta per 3 volte sopra il limite atteso 52

53 53

54 54

55 55

56 56

57 57

58 58

59 59

60 Il Processo E' Semiautomatico AutoPIA è uno strumento per aiutare lo svolgimento dei controlli di qualità Elabora i dati delle misure (immagini) Calcola indici di qualità Obiettivi Significativi Sintetici Stabili Ripetibili 60

61 AutoPIA Non Fa Tutto AutoPIA non Esegue diagnosi del sistema di produzione delle immagini Prende delle decisioni sull'utilizzo delle apparecchiature E' infallibile Serve comunque il cervello umano 61

62 Nelle Vostre Mani L'essere umano ha quindi un ruolo fondamentale Aiutato dalle informazioni di AutoPIA Comprende la situazione Esegue un'eventuale diagnosi Decide sull'utilizzo dell'apparecchiatura 62

63 Grazie Web sites

Automazione di Processi. Processo (in generale) Controllo di Qualità: Ambiente AUTOMAZIONE DEI CONTROLLI DI QUALITA IN MAMMOGRAFIA DIGITALE

Automazione di Processi. Processo (in generale) Controllo di Qualità: Ambiente AUTOMAZIONE DEI CONTROLLI DI QUALITA IN MAMMOGRAFIA DIGITALE Monitorare la Stabilità della Qualità delle Immagini e della Dose in Mammografia Digitale Padova, ottobre AUTOMAZIONE DEI CONTROLLI DI QUALITA IN MAMMOGRAFIA DIGITALE di Processi Metodo strategico per

Dettagli

CONTROLLO DELLA QUALITA D IMMAGINE IN MAMMOGRAFIA

CONTROLLO DELLA QUALITA D IMMAGINE IN MAMMOGRAFIA CONTROLLO DELLA QUALITA D IMMAGINE IN MAMMOGRAFIA TSRM Sonia D Agostini Cyberqual S.r.l. - Gorizia INTRODUZIONE Il fantoccio TOR.MAS è stato progettato per valutare la riproducibilità della qualità d immagine

Dettagli

ALLEGATO TECNICO VALUTAZIONE IMMAGINI SISTEMI TAC (LOTTI 4, 5, 6)

ALLEGATO TECNICO VALUTAZIONE IMMAGINI SISTEMI TAC (LOTTI 4, 5, 6) ALLEGATO TECNICO VALUTAZIONE IMMAGINI SISTEMI TAC (LOTTI 4, 5, 6) INDICAZIONI PER LA VALUTAZIONE DELLA QUALITA DELLE IMMAGINI QUALITÀ DELLE IMMAGINI (PUNTI MASSIMI 10) Verrà valutata prendendo a riferimento:

Dettagli

TOMOGRAFI COMPUTERIZZATI

TOMOGRAFI COMPUTERIZZATI PROCEDURA APERTA PER LA FORNITURA DI TOMOGRAFI COMPUTERIZZATI DESTINATI ALLE AZIENDE SANITARIE DELLA REGIONE CAMPANIA ALLEGATO A12 INDICAZIONI PER LA VALUTAZIONE DELLA QUALITA DELLE IMMAGINI Verrà valutata

Dettagli

Qualità delle Immagini

Qualità delle Immagini Qualità delle Immagini Master: Verifiche di Qualità in Radiodiagnostica, Medicina Nucleare e Radioterapia Lezioni n. 7-8 Dr. Rocco Romano (Dottore di Ricerca) Facoltà di Farmacia, Università degli Studi

Dettagli

Statistica di base per l analisi socio-economica

Statistica di base per l analisi socio-economica Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme

Dettagli

Statistica descrittiva II

Statistica descrittiva II Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni

Dettagli

L Introduzione della tecnologia digitale nello screening mammografico: protocolli per il controllo di qualità fisico-tecnico

L Introduzione della tecnologia digitale nello screening mammografico: protocolli per il controllo di qualità fisico-tecnico L Introduzione della tecnologia digitale nello screening mammografico: protocolli per il controllo di qualità fisico-tecnico Test per la verifica della qualità delle immagini 2 Paola Golinelli S.C. Fisica

Dettagli

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di

Dettagli

Misure di dispersione (o di variabilità)

Misure di dispersione (o di variabilità) 08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941

Dettagli

Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.

Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Controllo costi Le difficoltà di un accurato e affidabile

Dettagli

Campione: Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1

Campione: Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1 Campione: - raccolta finita di elementi estratti da una popolazione - scopo dell estrazione è quello di ottenere informazioni sulla popolazione - il campione deve essere rappresentativo della popolazione

Dettagli

3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96.

3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96. Problema A Un pendolo e costituito da una massa di dimensioni trascurabili appesa a un filo considerato in estensibile, di massa trascurabile, lunghezza L, e fissato a un estremo. L Il periodo di oscillazione

Dettagli

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi) CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON

Dettagli

Dipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli

Dipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 8 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,

Dettagli

PRESENTAZIONE SOFTWARE STRESS 81 versione 4 aggiornato alle linee Guida ISPESL HSE e alla Direttiva Ministero del lavoro del 17/11/2010

PRESENTAZIONE SOFTWARE STRESS 81 versione 4 aggiornato alle linee Guida ISPESL HSE e alla Direttiva Ministero del lavoro del 17/11/2010 PRESENTAZIONE SOFTWARE STRESS 81 versione 4 aggiornato alle linee Guida ISPESL HSE e alla Direttiva Ministero del lavoro del 17/11/2010 Stress 81 è il software per realizzare la valutazione rischi stress

Dettagli

Controlli di Qualità e Protocolli in Radiologia Digitale Diretta Cremona 15/05/2012 - ISTITUTI OSPITALIERI DI CREMONA

Controlli di Qualità e Protocolli in Radiologia Digitale Diretta Cremona 15/05/2012 - ISTITUTI OSPITALIERI DI CREMONA Controlli di Qualità e Protocolli in Radiologia Digitale Diretta Cremona 15/05/2012 - ISTITUTI OSPITALIERI DI CREMONA QA-DISTRI http://sourceforge.net/projects/qadistri/files/ QCDR http://www.qcdr.org

Dettagli

Misura della vita media del mesone D 0 a LHCb

Misura della vita media del mesone D 0 a LHCb International Masterclasses (LNF) 17 marzo 2016 Misura della vita media del mesone D 0 a LHCb B. Sciascia (INFN) [Almost all slides from A. Carbone] L ESERCIZIO DI OGGI Obiettivi dell esercizio I obiettivo:

Dettagli

LABORATORIO DI FISICA DELLE RADIAZIONI APPLICATA ALLA MEDICINA TERZA ESPERIENZA

LABORATORIO DI FISICA DELLE RADIAZIONI APPLICATA ALLA MEDICINA TERZA ESPERIENZA LABORATORIO DI FISICA DELLE RADIAZIONI APPLICATA ALLA MEDICINA TERZA ESPERIENZA A) STUDIO DELL EFFETTO DEL TEMPO MORTO B) STUDIO DEI TEMPI DI ARRIVO C) INTENSITA DI FLUENZA DEI RAGGI COSMICI D) MISURA

Dettagli

camere a deriva di CMS

camere a deriva di CMS Prestazioni di ricostruzione di muoni cosmici nelle camere a deriva di CMS Università degli Studi di Padova 2 settembre 7 Introduzione Obiettivo: analizzare le prestazioni di ricostruzione sui segmenti

Dettagli

ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE

ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE ESERCITAZIONE DI FINE CORSO ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE 1. Si prenda in esame la seguente tabella che riporta la suddivisione di una popolazione femminile per titolo di

Dettagli

Distribuzioni di probabilità nel continuo

Distribuzioni di probabilità nel continuo Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento

Dettagli

CONTROLLO STATISTICO DI PROCESSO

CONTROLLO STATISTICO DI PROCESSO CONTROLLO STATISTICO DI PROCESSO Broadly speaking, the object of industry is to set up economic ways and means of satisfying human wants 1 and in so doing to reduce everything possible to routines requiring

Dettagli

Statistica Applicata all edilizia Lezione: carte di controllo

Statistica Applicata all edilizia Lezione: carte di controllo Lezione: carte di controllo E-mail: orietta.nicolis@unibg.it 24 maggio 2007 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Fonti

Dettagli

Variabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità

Variabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità Punti deboli della media aritmetica Robustezza: sensibilità ai valori estremi Non rappresentava nei confronti di distribuzioni asimmetriche. La media aritmetica è un valore rappresentativo nei confronti

Dettagli

Indicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali

Indicatori compositi. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Indicatori [1/4] Gli indicatori: sintetizzano le caratteristiche di un fenomeno colgono aspetti e problemi del fenomeno che non hanno una immediata

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità

Dettagli

1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011

1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011 1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011 POSTPROCESSING IN MAMMOGRAFIA DIGITALE: È OPPORTUNO IL COMMISSIONING NELLA ACQUISIZIONE DI NUOVI SISTEMI? Silvia Trivisonne 1 ; Enrico

Dettagli

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##

Dettagli

L UTILIZZO DELLE CUSUM CHART E DELLE EWMA CHART NELL APPLICAZIONE DELLA QAL-3. Sandro Spezia PADOVA 18 NOVEMBRE 2015

L UTILIZZO DELLE CUSUM CHART E DELLE EWMA CHART NELL APPLICAZIONE DELLA QAL-3. Sandro Spezia PADOVA 18 NOVEMBRE 2015 L UTILIZZO DELLE CUSUM CHART E DELLE EWMA CHART NELL APPLICAZIONE DELLA QAL-3 Sandro Spezia PADOVA 18 NOVEMBRE 2015 ISO 14181 e CONTROL CHART La UNI 14181 specifica l'uso delle carte di controllo per la

Dettagli

Assicurazione della Qualità : I circuiti Interlaboratorio

Assicurazione della Qualità : I circuiti Interlaboratorio Assicurazione della Qualità : I circuiti Interlaboratorio CNR Bologna 31 Gennaio 2018 Dr.ssa Marcella Monti Partecipare ad un Circuito Le prove valutative interlaboratorio permettono al singolo laboratorio

Dettagli

Indicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica

Indicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità

Dettagli

Questionario Tecnico. Mammografo Digitale Ditta Offerente Marca Modello Anno di immissione sul mercato

Questionario Tecnico. Mammografo Digitale Ditta Offerente Marca Modello Anno di immissione sul mercato Questionario Tecnico Mammografo Digitale Ditta Offerente Marca Anno di immissione sul mercato Marca generatore Potenza massima erogabile (kw) Ripple (%) Intervallo corrente anodica (ma min ma max) ma max

Dettagli

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.

Dettagli

1. Sono state eseguite 250 misure di temperatura che hanno rivelato i seguenti valori stimati di media e di deviazione standard per il campione

1. Sono state eseguite 250 misure di temperatura che hanno rivelato i seguenti valori stimati di media e di deviazione standard per il campione Inferenza di Intervallo 1. Sono state eseguite 250 misure di temperatura che hanno rivelato i seguenti valori stimati di media e di deviazione standard per il campione T = 300 K σ T = 50 a. Calcolare un

Dettagli

Calcolo della Concentrazione Rappresentativa della Sorgente (CRS)

Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Prof. Renato Baciocchi, Università di Roma Tor Vergata Emiliano Scozza Università di Roma Tor Vergata 1 Valutazione dei Dati Data Set di

Dettagli

Tutta la scienza è fondata sulle misure (Helmholtz)

Tutta la scienza è fondata sulle misure (Helmholtz) Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri

Dettagli

ESERCITAZIONE N. 7 corso di statistica

ESERCITAZIONE N. 7 corso di statistica ESERCITAZIONE N. 7corso di statistica p. 1/15 ESERCITAZIONE N. 7 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 7corso di statistica p. 2/15 Introduzione Variabili aleatorie continue

Dettagli

ANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015

ANOVA. ANalysis Of VAriance. Federico Plazzi. 1 Dicembre 2015 ANOVA ANalysis Of VAriance Federico Plazzi 1 Dicembre 2015 A che cosa serve? A che cosa serve? Applicazione L ANOVA ha finalità simili al test t: confrontare campioni. Al contrario del test t, però, è

Dettagli

SL fonometro. manuale d uso

SL fonometro. manuale d uso Via S. Silvestro, 92 21100 Varese Tel + 39 0332-213045 212639-220185 Fax +39 0332-822553 www.assicontrol.com e-mail: info@assicontrol.com C.F. e P.I. 02436670125 STRUMENTI & SERVIZI per il sistema qualità

Dettagli

Controllo di qualità giornaliero in mammografia digitale con tomosintesi

Controllo di qualità giornaliero in mammografia digitale con tomosintesi EVOLUZIONE IN MAMMOGRAFIA DIGITALE: LA TOMOSINTESI Peschiera del Garda Marzo 2009 Controllo di qualità giornaliero in mammografia digitale con tomosintesi e.gentile@ispo.toscana.it Mammografia convenzionale

Dettagli

RICHIAMI DI CALCOLO DELLE PROBABILITÀ

RICHIAMI DI CALCOLO DELLE PROBABILITÀ UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due

Dettagli

Attività di validazione AIA-LSL 11 Meeting AIA-LSL 2011 Silvia Orlandini

Attività di validazione AIA-LSL 11 Meeting AIA-LSL 2011 Silvia Orlandini Silvia Orlandini Attività passata e futura. AIA-LSL Montegrotto 2009 Strumenti IR/citometria di flusso CBT Bentley e Foss Strumento colorimetrico urea- CDR Test sul protocollo di validazione ICAR allineato

Dettagli

Foglio di Esercizi 10 con Risoluzione 18 dicembre 2017

Foglio di Esercizi 10 con Risoluzione 18 dicembre 2017 Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il

Dettagli

Esercitazione 1.3. Indici di variabilità ed eterogeneità. Prof.ssa T. Laureti a.a

Esercitazione 1.3. Indici di variabilità ed eterogeneità. Prof.ssa T. Laureti a.a Corso di Statistica Esercitazione.3 Indici di variabilità ed eterogeneità Concentrazione Asimmetria Prof.ssa T. Laureti a.a. 202-203 Esercizio Si considerino i seguenti dati relativi al numero di addetti

Dettagli

STATISTICHE DESCRITTIVE Parte II

STATISTICHE DESCRITTIVE Parte II STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una

Dettagli

Verifica delle ipotesi

Verifica delle ipotesi Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme

Dettagli

DISTRIBUZIONI DISTRIBUZIONE DI GAUSS

DISTRIBUZIONI DISTRIBUZIONE DI GAUSS DISTRIBUZIONI ESPERIENZA a: DISTRIBUZIONE DI GAUSS SCOPO: Costruzione di una distribuzione di Gauss dai valori di una grandezza fisica ottenuti da una misura dominata da errori casuali. Studio dell influenza

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 9 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,

Dettagli

Contatori Elettronici frequenzimetri

Contatori Elettronici frequenzimetri Facoltà di Ingegneria Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Contatori Elettronici frequenzimetri Ing. Andrea Zanobini Dipartimento di Elettronica e Telecomunicazioni

Dettagli

Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo Luglio 2017

Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo Luglio 2017 Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 24-28 Luglio 2017 www.u4learn.it Arianna Pipitone Analizzare i dati Analizzare i dati significa esaminare: il comportamento di ciascun dato

Dettagli

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione I

Ulteriori conoscenze di informatica Elementi di statistica Esercitazione I Ulteriori conoscenze di informatica Elementi di statistica Esercitazione I Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##

Dettagli

(ANDREA PIPITONE, BENEDETTO LUCIANO, DAVIDE LUCIANO, ALEX FRUSTERI) ESPERIENZA III: Misura del periodo di oscillazione e della costante elastica

(ANDREA PIPITONE, BENEDETTO LUCIANO, DAVIDE LUCIANO, ALEX FRUSTERI) ESPERIENZA III: Misura del periodo di oscillazione e della costante elastica GRUPPO 2 (ANDREA PIPITONE, BENEDETTO LUCIANO, DAVIDE LUCIANO, ALEX FRUSTERI) ESPERIENZA III: Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice

Dettagli

Esercitazione III Soluzione

Esercitazione III Soluzione Esercitazione III Soluzione Esercizio 1 a) Frequenze congiunte assolute: n ij Reddito mensile Titolo di studio 1000-000 000-5000 5000-8000 Totale Laurea triennale 4 1 0 5 Laurea magistrale 1 4 7 Dottorato

Dettagli

Agenda. Monitorare la qualità delle immagini e della dose in mammografia digitale: CONTROLLO DI PROCESSI. Attori del Progetto.

Agenda. Monitorare la qualità delle immagini e della dose in mammografia digitale: CONTROLLO DI PROCESSI. Attori del Progetto. Agenda Ora inizio: 14:00 Monitorare la qualità delle immagini e della dose in mammografia digitale: CONTROLLO DI PROCESSI Gisella Gennaro Istituto Oncologico Veneto, IRCCS Padova, 12 ottobre 2012 Monitorare

Dettagli

BLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i

BLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili

Dettagli

i dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente

i dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2

Dettagli

Statistica descrittiva con fogli di calcolo. Stoianov, Ceccato

Statistica descrittiva con fogli di calcolo. Stoianov, Ceccato Statistica descrittiva con fogli di calcolo Stoianov, Ceccato Distribuzioni di probabilità empirica 1) OSSERVAZIONI campione X: N osservazioni {x 1,x 2 x N } scala di misura Y K livelli [y 1 y K ] Esempio:

Dettagli

Principi di Statistica Descrittiva (3)

Principi di Statistica Descrittiva (3) Università degli Studi di Cassino Facoltà di Scienze Motorie Corso di Laurea in Scienze Motorie Anno accademico 2007/2008 Principi di Statistica Descrittiva (3) Bruno Federico b.federico@unicas.it Indici

Dettagli

UNIVERSITÀ - OSPEDALE di PADOVA MEDICINA NUCLEARE 1. Lezione 7: DIGITALE IN MEDICINA: Contrasto e Blur. D. Cecchin, F. Bui

UNIVERSITÀ - OSPEDALE di PADOVA MEDICINA NUCLEARE 1. Lezione 7: DIGITALE IN MEDICINA: Contrasto e Blur. D. Cecchin, F. Bui UNIVERSITÀ - OSPEDALE di PADOVA MEDICINA NUCLEARE 1 Lezione 7: DIGITALE IN MEDICINA: Contrasto e Blur D. Cecchin, F. Bui Immagini digitali in medicina Apparecchiatura Artefatti Blur Contrasto Rumore Distorsioni

Dettagli

Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017

Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 14 Giugno 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo

Dettagli

Carte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.

Carte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo

Dettagli

EcoManager Web. EcoManager SERVER

EcoManager Web. EcoManager SERVER Sistema centrale per la raccolta e l elaborazione dei dati provenienti da una rete di monitoraggio della qualità dell aria sviluppato da Project Automation S.p.A. Il sistema svolge le funzionalità tipiche

Dettagli

DISTRIBUZIONI DI CAMPIONAMENTO

DISTRIBUZIONI DI CAMPIONAMENTO DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,

Dettagli

standardizzazione dei punteggi di un test

standardizzazione dei punteggi di un test DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la

Dettagli

Nuovi approcci alla progettazione di macchine impianti e processi

Nuovi approcci alla progettazione di macchine impianti e processi Nuovi approcci alla progettazione di macchine impianti e processi Prof. Ing. Roberto MONTANARI roberto.montanari@unipr.it FMB ENG.IN.E. SRL c/o Università degli Studi di Parma Viale Parco Area delle Scienze

Dettagli

Applicazioni statistiche e utilizzo del package statistico Spss - 7

Applicazioni statistiche e utilizzo del package statistico Spss - 7 Applicazioni statistiche e utilizzo del package statistico Spss - 7 CISI 27 gennaio 2005 ricercapsicologica@tiscali.it Illustrare le principali statistiche mono e bivariate. Valutare quando è opportuno

Dettagli

MTG-1000 MTG MTG-3000

MTG-1000 MTG MTG-3000 MTG-1000 MTG -5000 MTG-3000 MTG- 500 PC MTG- 4000A MTG-500L BEST-NR:5514203 MTG-500 BEST-NR:5514.204 SMIC-1 MTG-500 MTG-500L ROTOMIC-1 MTG-1000 Il crono comparatore MTG-1000 è un modello compatto, che

Dettagli

Video Analysis (cenni) Annalisa Franco

Video Analysis (cenni) Annalisa Franco 1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono

Dettagli

Criteri di valutazione dei test diagnostici

Criteri di valutazione dei test diagnostici Criteri di valutazione dei test diagnostici Perché misurare validità e precisione? La validazione è un processo di valutazione per stabilire quanto il procedimento sia adatto per lo scopo per il quale

Dettagli

Prof. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione

Prof. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO

Dettagli

Sviluppo di nuovi metodi di misura delle caratteristiche dimensionali per lastre ceramiche in grande formato

Sviluppo di nuovi metodi di misura delle caratteristiche dimensionali per lastre ceramiche in grande formato INNOVAZIONE DI PROCESSO PER LA FILIERA DELLA PIASTRELLA CERAMICA SOSTENIBILE Sviluppo di nuovi metodi di misura delle caratteristiche dimensionali per lastre ceramiche in grande formato Partner: CENTRO

Dettagli

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO

CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell

Dettagli

Regressione & Correlazione

Regressione & Correlazione Regressione & Correlazione Monia Ranalli Ranalli M. Dipendenza Settimana # 4 1 / 20 Sommario Regressione Modello di regressione lineare senplice Stima dei parametri Adattamento del modello ai dati Correlazione

Dettagli

Comprendere il funzionamento dei convertitori V/f Saper effettuare misure di collaudo

Comprendere il funzionamento dei convertitori V/f Saper effettuare misure di collaudo SCH 32 Convertitore tensione/frequenza Obiettivi Strumenti e componenti Comprendere il funzionamento dei convertitori V/f Saper effettuare misure di collaudo R1 = 1,2 KΩ; R2 = 3,6 KΩ; R4 = 180 Ω; R5 =

Dettagli

Problema 1. Cognome, Nome: Facoltà di Economia Statistica Esame 1-20/01/2010: A. Matricola: Corso:

Problema 1. Cognome, Nome: Facoltà di Economia Statistica Esame 1-20/01/2010: A. Matricola: Corso: Facoltà di Economia Statistica Esame 1-20/01/2010: A Cognome, Nome: Matricola: Corso: Problema 1. Su 10 imprese è stato rilevato l utile netto dell ultimo triennio espresso in milioni di euro. Il risultato

Dettagli

STATISTICA (I modulo - Statistica Descrittiva) Soluzione Esercitazione I ( )

STATISTICA (I modulo - Statistica Descrittiva) Soluzione Esercitazione I ( ) STATISTICA (I modulo - Statistica Descrittiva) Soluzione Esercitazione I (09.10.2003) Esercizio A. a) L unità statistica è lo studente che ha sostenuto l esame conclusivo nell ultima sessione. Il collettivo

Dettagli

Franco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino

Franco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino Generalità sulle Misure di Grandezze Fisiche Prof. - Politecnico di Torino - La stima delle incertezze nel procedimento di misurazione -modello deterministico -modello probabilistico - La compatibilità

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione

Dettagli

con fogli di calcolo Docente del laboratorio: Maria Silvia Pini

con fogli di calcolo Docente del laboratorio: Maria Silvia Pini Statistica descrittiva con fogli di calcolo Docente del laboratorio: Maria Silvia Pini Frequenze Campione X: un insieme di N osservazioni {x 1,x x N } misurati con Scala di misura Y con K categorie [y

Dettagli

La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali

La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le

Dettagli

Esercizio Risposta Voto 1 (i) 1) a b c d 2) a b c d 3) a b c d. 4) a b c d 5) a b c d. (ii) a b c (iii) a b c (iv) a b c d. (ii) 0.

Esercizio Risposta Voto 1 (i) 1) a b c d 2) a b c d 3) a b c d. 4) a b c d 5) a b c d. (ii) a b c (iii) a b c (iv) a b c d. (ii) 0. Metodi Matematici e Informatici per la Biologia----6 giugno 2008 (6 crediti) Nome: Cognome: Matricola: Codice 7974363 Esercizio Risposta Voto 1 (i) 1) a b c d 2) a b c d 3) a b c d 4) a b c d 5) a b c

Dettagli

Statistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)

Statistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici) Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:

Dettagli

Distribuzione normale

Distribuzione normale Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Cognome e Nome:... Corso di laurea:...

Cognome e Nome:... Corso di laurea:... Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................

Dettagli

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.

La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,

Dettagli

Qualita dell immagine

Qualita dell immagine Qualita dell immagine La qualita dell immagine influenza in modo decisivo la capacita del radiologo di rivelare patologie (altri fattori sono le condizioni di visualizzazione e l esperienza del radiologo)

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,

Dettagli

Confronto tra due popolazioni Lezione 6

Confronto tra due popolazioni Lezione 6 Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media

Dettagli

Stefania Taralli Anno Accademico 2017/2018 1

Stefania Taralli Anno Accademico 2017/2018 1 L unità statistica Caratteri e modalità CORSO DI FONDAMENTI E METODI PER L'ANALISI EMPIRICA NELLE SCIENZE SOCIALI Introduzione al corso Lezione 2: L'analisi quantitativa dei dati per la sintesi dei fenomeni

Dettagli

Distribuzione esponenziale. f(x) = 0 x < 0

Distribuzione esponenziale. f(x) = 0 x < 0 Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1

Dettagli

Protocollo per la valutazione di Angiografi fissi e Archi a C mobili

Protocollo per la valutazione di Angiografi fissi e Archi a C mobili Protocollo per la valutazione di A cura del gruppo RAVGAT Referente : Annalisa Trianni Gruppo RAVGAT - AIFM pag. 1 di 6 1. Oggetto e scopo Il presente documento descrive le procedure di misura e le modalità

Dettagli

tabelle grafici misure di

tabelle grafici misure di Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine

Dettagli

Elementi di Statistica

Elementi di Statistica Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica

Dettagli

Ricerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna

Ricerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla

Dettagli

Teoria della probabilità Variabili casuali

Teoria della probabilità Variabili casuali Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile

Dettagli

CORSO DI FOTOGRAFIA DIGITALE LIVELLO AVANZATO

CORSO DI FOTOGRAFIA DIGITALE LIVELLO AVANZATO CORSO DI FOTOGRAFIA DIGITALE LIVELLO AVANZATO Alessandro Tintori www.alessandrotintori.com photo@alessandrotintori.com 1 Unit 12 2 Il significato dei grafici Descrivono le performance ottiche di una lente.

Dettagli

Statistica. Alfonso Iodice D Enza

Statistica. Alfonso Iodice D Enza Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri

Dettagli