Continua sul retro

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Continua sul retro 42.1 39.7 38.0 38.7 41.4 37.5 38.6 40.5 39.8 38.0 36.9 40.3 42.0 41.3 40.4 39.1 38.4 42.0"

Transcript

1 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In un azienda produttrice di wafer di silicio viene monitorato lo spessore dei wafer prodotti, che secondo le specifiche di produzione deve essere di 0,5mm. Lo spessore varia secondo una distribuzione gaussiana, con deviazione standard pari a Viene effettuato un campionamento di 12 pezzi in un certo lotto, e si sono registrati i seguenti valori: ) Stimare la media, evidenziando la differenza tra parametro, stimatore e stima. 1.2) Calcolare un IdC per la media, di livello 92%. Si tratta di un IdC esatto o approssimato? Motivare la risposta. 1.3) Costruire un test bilaterale per la media, con α=8%, indicando la statistica test e la regione di rifiuto. 1.4) Calcolare il test ed il p-value. Commentare. 2) In un azienda produttrice di automobili si vogliono studiare i guasti più frequenti, che vengono pertanto monitorati nell arco del primo anno di vita delle automobili su un campione di 2000 vetture, risultando i seguenti: Motore Freni Impianto Lampadine Frizione Centralina Altro elettrico ) Riportare i dati su un opportuno grafico, evidenziando anche le quantità cumulate. Commentare. 2.2) Calcolare un IdC di livello 80% per la probabilità di guasti al motore nel primo anno. 2.3) Ipotizzando che le probabilità di guasto durante gli anni successivi al primo aumenti secondo il modello p (t) = p (1) x e (t-1) x 0.05, ove t rappresenta il tempo in anni, fornire un intervallo di confidenza del numero di guasti al motore attesi al quinto anno sul totale del parco macchine circolanti, pari a

2 Continua sul retro 3 ) In un controllo in corso di produzione si sono osservati, in 6 istanti temporali, i seguenti campioni di numerosità 3 di una certa variabile Y rappresentante il peso delle confezioni di un dato prodotto. T1 T2 T3 T4 T5 T ) Calcolare le stime della media e del range per i 6 istanti temporali, riportarli su un grafico e commentare. 3.2) Calcolare i limiti della CC a 3-sigma per media e range. 3.3) Tracciare le CCM e CCR, riportando la linea centrale (CL) e i valori osservati. 3.4) Verificare se il PP è sotto controllo a tutti gli istanti.

3 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In un PP viene prodotto, in media, un pezzo difettoso ogni 40 pezzi. Il massimo tasso di difettosi ammesso, che definisce il limite di specifica superiore - USL, è di 1 pezzo difettoso ogni 30, ed il tasso minimo di difettosi imposto dalle leggi fisiche di produzione è di 1 su 100, e definisce il LSL. 1.1) Calcolare la percentuale di pezzi fuori dai limiti di specifica. 1.2) Calcolare il Process Capability Ratio. 1.3) Considerando che il tasso di difettosi possa salire oltre 1/30, costruire un test che provi l uscita di controllo del PP rispetto al USL, con errore di prima specie del 10%. 1.4) Assumendo ora che il tasso di difettosi sia salito a 2/40, calcolare quanto deve essere numeroso il campione affinché il test precedente abbia potenza del 80%. 2) In un azienda produttrice di conserve ittiche viene monitorato il peso netto delle confezioni di acciughe sotto sale, che secondo le specifiche di produzione deve essere di 350gr. Il peso varia secondo una distribuzione che si assume gaussiana. Viene effettuato un campionamento di 10 pezzi in un certo lotto, e si sono registrati i seguenti valori: ) Costruire il boxplot dei dati e commentare rispetto alle specifiche di produzione. 2.2) Calcolare un IdC per la media, di livello 90%. Si tratta di un IdC esatto o approssimato? Motivare la risposta. 2.3) Costruire un test bilaterale per la media, con α=5%, indicando la statistica test e la regione di rifiuto. 2.4) Calcolare il test e, almeno approsimativamente, il p-value. Commentare.

4 CONTINUA SUL RETRO 3) Si vuole monitorare il tasso dei pezzi difettosi in un PP che fornisce carte SIM per telefonini. Le specifiche di produzione impongono che tale tasso non si discosti dal 8%. Si controllano quindi in 10 istanti successivi dei campioni di numerosità 50, che hanno fornito i seguenti totali di pezzi difettosi: istanti i # (X_ij=1) j= ) Calcolare le stime della frequenza dei pezzi difettosi per i 10 istanti temporali. 3.2) Calcolare i limiti della CC a 3-sigma considerando le specifiche di progetto. 3.3) Tracciare la CC riportando la linea centrale (CL), i limiti di controllo e le frequenze osservate. 3.4) Verificare se il PP è sotto controllo a tutti gli istanti. 3.5) Quali sarebbero state le ipotesi statistiche dei test nei diversi istanti se non si fosse tenuta in considerazione la specifica di progetto del 8%?

5 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) Il peso effettivo del contenuto di una confezione di pasta (X) si distribuisce in modo gaussiano, con media 250 e varianza pari a 25. Per un controllo di produzione si effettua un campionamento di 5 scatole e si calcola la media dei 5 pesi effettivi. 1.1) Calcolare la probabilità che X sia maggiore di 256 o minore di ) Calcolare la probabilità che la media campionaria sia maggiore di 256 o minore di ) Calcolare la numerosità campionaria che consente di alla media campionaria di essere compresa tra 246 e 254 con probabilità del 99%. 2) Durante un CQ in corso di produzione viene campionato un lotto di 6 pacchi di farina, il cui peso netto nominale del contenuto è pari a 1kg. I pesi, in kg, sono riportati sotto ) Produrre un grafico che fornisca una prima indicazione rispetto alle specifiche di produzione e commentare. 2.2) Supponendo che la dev.st. sia pari a 0,1kg, calcolare un IdC per la media di livello di confidenza 95%, dopo aver opportunamente definito le formule. 2.3) Ripetere il punto precedente senza assunzioni sul valore della dev.st., ossia sulla base della stima della stessa. 2.4) Commentare i due risultati rispetto alle specifiche di produzione. 2.5) Se, a parità di stime osservate, il campione fosse stato di 10 pacchi, come sarebbe cambiato l IdC di cui al punto 2.2)? Commentare. CONTINUA SUL RETRO

6 3) Si vuole monitorare il tasso dei pezzi difettosi in un PP che fornisce schermi tattili per telefonini. Le specifiche di produzione impongono che tale tasso non si discosti dal 5%. Si controllano quindi in 8 istanti successivi dei campioni di numerosità 50, che hanno fornito i seguenti totali di pezzi difettosi: istanti i # (X_ij=1) j= ) Calcolare la stima del tasso globale di difettosi del PP, effettuare un test con errore alfa 10% ponendo come ipotesi nulla la specifica di progetto; calcolare il p-value e commentare il risultato. 3.2) Calcolare le stime della frequenza dei pezzi difettosi per gli 8 istanti temporali e riportare l informazione in un opportuno grafico. 3.3) Calcolare i limiti della CC a 3-sigma considerando le specifiche di progetto. 3.4) Tracciare la CC riportando la linea centrale (CL), i limiti di controllo e le frequenze osservate. 3.5) Verificare se il PP è sotto controllo a tutti gli istanti.

7 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In una linea di produzione di automobili si vogliono studiare le cause di arresto, che risultano, in un dato arco temporale, 1926 e la cui distribuzione è riportata nella tabella seguente: Carro 1 Carro 2 Carro 3 Tavola Carro Pick-up Operazioni basculante trasporto precotto errate tessuto ) Riportare i dati su un opportuno grafico, con il fine di evidenziare la cause di arresto più frequenti. Mostrare anche le quantità cumulate. Commentare. 1.2) Calcolare un IdC di livello 90% per il tasso di causa di arresto più frequente tra quelli osservati. 1.3) Si tratta di un IdC esatto o approssimato? Motivare la risposta. 1.4) Ipotizzando che la più frequente causa di arresto abbia una probabilità di manifestarsi pari al 40%, calcolare la probabilità che su 10 arresti (tra di loro indipendenti) almeno 3 siano dovuti a tale causa. 2) In un azienda produttrice di conserve alimentari viene monitorato il peso del contenuto delle lattine di un dato prodotto, che secondo le specifiche di produzione deve essere, mediamente, non inferiore a 0.35kg. Il peso varia secondo una distribuzione gaussiana, con deviazione standard pari a Viene effettuato un campionamento di 10 pezzi in un certo lotto, e si sono registrati i seguenti valori: CONTINUA SUL RETRO

8 2.1) Stimare la media del peso del contenuto, evidenziando la differenza tra parametro, stimatore e stima. 2.2) Costruire un test per la media, con α=5%, indicando la statistica test e la regione di rifiuto. 2.3) Calcolare il test ed il p-value. Commentare, anche in relazione alle specifiche di produzione. 2.4) Assumendo che la media di popolazione (ossia la media del peso del PP) coincida con la stima osservata, calcolare quanto deve essere numeroso il campione (con passo 5) affinché il test precedente abbia potenza pari a 80%, almeno approssimativamente. 3) In un certo PP è di interesse tenere sotto controllo esclusivamente la varianza, che le specifiche di produzione vorrebbero uguale a 4,1209. Le specifiche prevedono altresì che la media sia pari a 5,02. Per questo viene effettuato un campionamento in 7 istanti temporali, con campioni di numerosità 6 ad ogni istante. I dati seguono. T1 T2 T3 T4 T5 T6 T7 Somma Somma quadrati ) Produrre un grafico a dispersione della stima della varianza nel tempo, ed uno della stima della media nel tempo. Effettuare un primo commento in relazione alle specifiche di produzione. 3.2) Al fine di costruire una CC per la varianza, calcolare i limiti di controllo con alfa = 10%; esplicitare inoltre il valore di riferimento della varianza (central line CL). 3.3) Tracciare la CC per la varianza, riportando le linee di riferimento (LCL, CL, UCL) ed i valori delle stime. 3.4) Verificare se il PP è sotto controllo a tutti gli istanti e commentare, anche in relazione al commento effettuato al punto 3.1).

9 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) Un processo produttivo fornisce parti della scocca di un automobile, lo spessore delle quali, purtroppo, varia. La distribuzione di probabilità dello spessore è gaussiana, con media µ e sigma pari a 0.05mm. 1.1) Calcolare la probabilità che lo spessore di un singolo pezzo prodotto si allontani dalla media di più di 0.07mm. 1.2) Facendo un campionamento di 12 pezzi, calcolare la probabilità che la media campionaria commetta un errore di più di 0.07mm. Commentare il risultato. 1.3) Rappresentare graficamente le gaussiane che riguardano: a) la distribuzione dello spessore del singolo dato estratto; b) la distribuzione dello spessore della media campionaria con n=12; si assuma la media pari 22micron. 1.4) Il campione di 12 dati ha fornito i seguenti valori, raggruppati in classi: classe Freq Costruire l istogramma basato sui dati di cui sopra e sovrapporlo alle gaussiane precedenti, in modo che le aree delle gaussiane e dell istogramma siano confrontabili. Commentare il grafico finale in relazione all assunzione di gaussianità ed a quella sul valore della media.

10 CONTINUA SUL RETRO 2) In un PP il massimo tasso di difettosi ammesso dalle specifiche di produzione è di 1 pezzo difettoso ogni 30 pezzi prodotti. 2.1) Supponendo di effettuare un campionamento di 50 pezzi, costruire un opportuno test statistico con probabilità dell errore di I specie pari al 5%, indicando statistica test, regione di accettazione e di rifiuto. 2.2) Il campionamento viene quindi effettuato, e si registrano 4 pezzi difettosi su 50. Calcolare la stima del tasso di difettosi e fornire un primo commento rispetto alle specifiche di produzione. 2.3) Calcolare il test, il p-value e commentare. 2.4) Assumendo che il tasso di difettosi sia di 3/50, calcolare quanto deve essere numeroso il campione affinché il test precedente abbia potenza del 80%. 3 ) In un controllo in corso di produzione si sono osservati, in 6 istanti temporali, i seguenti campioni di numerosità 3 di una certa variabile Y. La specifica di produzione richiede che la media sia pari a 7. T1 T2 T3 T4 T5 T6 7,1 6,7 7,1 7,0 6,7 7,0 6,5 7,0 6,8 7,1 6,9 7,1 7,2 7,1 7,0 7,0 7,2 6,8 3.1) Calcolare le stime della media per i 6 istanti temporali, riportarle su un grafico e commentare rispetto alle specifiche di produzione. 3.2) Calcolare i limiti della CC a 3-sigma per media e deviazione std. 3.3) Tracciare le CCM e CCS, riportando la linea centrale (CL) e i valori osservati. 3.4) Verificare se il PP è sotto controllo a tutti gli istanti.

11 Statistica per l azienda Prova parziale del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In un azienda produttrice di wafer di silicio viene monitorato lo spessore dei wafer prodotti, che secondo le specifiche (ossia quando il processo è sotto controllo) deve essere di media pari a 0,5mm e deviazione standard pari a 0.025mm. Vengono considerati difettosi i pezzi che si allontanano dalla media di più di 0.04mm. 1.1) Assumendo cha la distribuzione dello spessore sia gaussiana, calcolare la percentuale di pezzi difettosi quando il PP è sotto controllo. Calcolare inoltre la quantità di difettosi attesa su 50 pezzi prodotti. 1.2) Viene effettuato un campionamento di 50 pezzi, da cui ne risultano 11 difettosi. Calcolare una stima della reale percentuale di difettosi (p) ed effettuare un primo commento. 1.3) Costruire un test per p, con α=10%, indicando le ipotesi, la statistica test e la regione di rifiuto. 1.4) Calcolare il test ed il p-value. Commentare.

12 2) Due PP lavorano in parallelo, fornendo conserve alimentari del peso netto nominale di 400g. In realtà il peso dei due PP varia, in entrambi i casi con distribuzione gaussiana. Viene effettuato un campionamento di numerosità 19 da ogni linea, e si sono ottenuti i seguenti dati: PP1 PP , ,4 378, ,1 378, ,6 385, ,1 387, ,1 387, , ,2 392, ,8 397, ,9 400, ,1 402, , ,9 404, ,3 406, , ,8 411, ,5 424, ,4 431,9 Somma 7591,2 Somma^ ) Riportare i dati su un grafico utilizzando i boxplot. Commentare rispetto alle specifiche di produzione e rispetto alle differenze tra linee di produzione. 2.2) Calcolare un IdC di livello 95% per media di PP2. Commentare rispetto alle specifiche di produzione. Trattandosi di un IdC esatto, fornisce sempre risultati giusti? 2.3) Le specifiche impongono che la dev.st. dei PP sia al massimo di 14g. Costruire un test per la varianza di PP2, con α=5%, indicando le ipotesi, la statistica test e la regione di rifiuto. 2.4) Calcolare il test ed il p-value approssimato. Commentare.

13 Statistica per l azienda COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In un PP si suppone venga prodotto un pezzo difettoso ogni 40 pezzi. Da un campione di 200 pezzi ne risultano difettosi ) Calcolare il numero atteso di pezzi difettosi nel campione e commentare rispetto al campione osservato. 1.2) A partire dal campione di cui si dispone, costruire un IdC per il vero tasso di difettosi, con probabilità di errore del 5%, e calcolarne una realizzazione. Commentare. 1.3) Considerando che il tasso di difettosi possa andare fuori controllo e salire oltre 1/40, costruire (ma non calcolare) un test che provi l eventuale uscita di controllo del PP, con errore di prima specie del 10% e sulla base di un campione analogo a quello osservato, ossia con medesima numerosità campionaria. 1.4) Calcolare quanto deve essere numeroso il campione affinché il test precedente abbia potenza del 80%, avendo assunto che il tasso di difettosi sia salito a 2/40. 2) Durante un CQ in corso di produzione viene campionato un lotto di 6 pacchi di farina da ognuna delle due linee di produzione. Il peso netto nominale del contenuto è pari a 1kg. I pesi della prima linea di produzione, in kg, sono riportati nella prima riga della tabella, mentre nella seconda sono riportate le statistiche riassuntive della seconda linea di produzione. I linea II linea Media: Q1: 0.97 Q2: 1.01 Q3: 1.05 Min: 0.96 Max: 1.08

14 2.1 ) Produrre un grafico che fornisca una prima indicazione del comportamento delle distribuzioni delle due linee di produzione rispetto alle specifiche di produzione e commentare. 2.2) Supponendo che la dev.st. di entrambe le linee sia pari a 0,06kg, costruire un test per valutare se vi è differenza tra le medie, con errore di I specie del 10%. 2.3) Calcolare l esito del test, il p-value e commentare, anche rispetto alle specifiche di produzione. 2.4) Se, a parità di stime osservate, il campione fosse stato di 50 pacchi, sarebbe cambiato l esito del test? Commentare. 3 ) In un controllo in corso di produzione si vuole monitorare la lunghezza X dei bulloni prodotti, che deve essere di media 10cm. Si sono osservati, in 7 istanti temporali, i seguenti campioni di numerosità 3: T1 T2 T3 T4 T5 T6 T7 10,00 10,00 10,04 10,04 10,00 10,00 10,01 10,03 9,94 10,02 10,07 9,99 10,05 9,91 9,94 9,96 9,91 10,00 9,99 9,98 9,94 Somme 29,97 29,90 29,98 30,12 29,98 30,03 29,85 Somme dei quadrati 299,37 298,09 299,57 302,39 299,60 300,67 297, ) Calcolare le stime della media e della deviazione standard per i 7 istanti temporali, riportarli su opportuni grafici e commentare. 3.2) Calcolare i limiti della CC a 3-sigma per la deviazione standard. 3.3) Tracciare la CCS, riportando la linea centrale (CL) e i valori osservati. 3.4) Verificare se la variabilità del PP è sotto controllo a tutti gli istanti. 3.5) Considerando che i limiti di specifica sono dati da 10 ± 0,15, calcolare un opportuno indice di capacità di processo, che sia basato sui dati rilevati nel PP e considerando che lo stesso PP può essere non centrato. Commentare il risultato, eventualmente fornendo un grafico esplicativo.

15 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Teoria 1) Grafici di Pareto e Boxplot: descriverli brevemente ed evidenziarne i differenti contesti applicativi. 2) CC per la deviazione standard (CCS): fondamenti teorici e costruzione della stessa. Esercizi 1) Il peso effettivo del contenuto di una confezione di riso (X) si distribuisce in modo gaussiano, con media 1Kg e deviazione standard pari a 0,035Kg. Per un controllo di produzione si effettua un campionamento di 4 scatole e si calcola la media dei 4 pesi effettivi. 1.1) Calcolare la probabilità che X sia maggiore di 1,05 o minore di 0, ) Calcolare la probabilità che la media campionaria sia maggiore di 1,05 o minore di 0, ) Calcolare la numerosità campionaria che consente alla media campionaria di essere compresa tra 0,95 e 1,05 con probabilità del 99,5%. 2) Durante un CQ in corso di produzione viene campionato un lotto di 8 sacchi di patate da ognuna delle due linee di produzione. Il peso netto nominale del contenuto è pari a 2kg. I pesi della prima linea di produzione, in kg, sono riportati nella prima riga della tabella, mentre nella seconda sono riportate le statistiche riassuntive della seconda linea di produzione I linea II linea Media: 2.02 Q1: Q2: 2.01 Q3: 2.06 Min: 1.96 Max: 2.09 a. Produrre un grafico che fornisca una prima indicazione del comportamento delle distribuzioni delle due linee di produzione rispetto alle specifiche di produzione e commentare. b. Supponendo che la dev.st. di entrambe le linee sia pari a 0,06kg, costruire un test per valutare se vi è differenza tra le medie, con errore di I specie del 8%. c. Calcolare l esito del test, il p-value e commentare. d. Se, a parità di stime osservate, il campione fosse stato di 50 pacchi, sarebbe cambiato l esito del test? Commentare. CONTINUA SUL RETRO

16 3) Si vuole monitorare il tasso dei pezzi difettosi in un PP che fornisce interruttori per telefonini. Le specifiche di produzione impongono che tale tasso non si discosti dal 4%. Si controllano quindi in 8 istanti successivi dei campioni di numerosità 40, che hanno fornito i seguenti totali di pezzi difettosi: # (X_ij=1) j= ) Calcolare la stima del tasso globale di difettosi del PP, effettuare un test con errore alfa 10% ponendo come ipotesi nulla la specifica di progetto; calcolare il p-value e commentare il risultato. 3.2) Calcolare le stime della frequenza dei pezzi difettosi per gli 8 istanti temporali e riportare l informazione in un opportuno grafico. 3.3) Calcolare i limiti della CC a 3-sigma considerando le specifiche di progetto. 3.4) Tracciare la CC riportando la linea centrale (CL), i limiti di controllo e le frequenze osservate. 3.5) Verificare se il PP è sotto controllo a tutti gli istanti.

17 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) La frequenza dei pezzi difettosi prodotti in una fabbrica di telefoni cellulari è incognita. Per questo motivo in un controllo di produzione si effettua un campionamento di 40 pezzi e si calcola la frequenza osservata, X. Assumiamo che la frequenza incognita sia del 15%. 1.1) Calcolare la probabilità che X sia maggiore di 17% o minore di 13%. 1.2) Se si raddoppia la numerosità campionaria, la probabilità di cui al punto precedente aumenta anch essa? Raddoppia? Motivare la risposta. 1.3) Calcolare la numerosità campionaria che consente alla frequenza campionaria di essere compresa tra 13% e 17% con probabilità del 98%. 2) La seguente tabella riporta le cause di guasto registrate in 5 anni in una linea di produzione di aeromobili: Carrello 1 Carrello 2 Cristalli Struttura Ali e flaps Elettronica Operazioni errate ) Riportare i dati su un opportuno grafico, con il fine di evidenziare la cause di guasto più frequenti. Mostrare anche le quantità cumulate. Commentare. 2.2) Calcolare un IdC al 90% per la probabilità di causa di guasto più frequente tra quelli osservati. 2.3) Si tratta di un IdC esatto o approssimato? Motivare la risposta. 2.4) Effettuando un opportuno test statistico, con probabilità dell errore di I specie fissata al 10%, si può ipotizzare che la più frequente causa di guasto abbia una probabilità di manifestarsi, rispetto alle altre tipologie di guasto, non superiore al 40%? CONTINUA SUL RETRO

18 3) In un CQ in corso di produzione sul peso netto del contenuto di capsule medicinali (la cui specifica di produzione è di 5 grammi per capsula) si sono osservati, in 8 istanti temporali, le seguenti stime campionarie di media e dev.std, sulla base di campioni di numerosità 12: Media Dev.std ) Calcolare le stime della media e della deviazione standard globali, commentare rispetto alle specifiche di produzione. 3.2) Calcolare i limiti (UCL, LCL) delle CC a 3-sigma per la media e per la deviazione standard. 3.3) Tracciare le CCM e CCS, riportando le linee centrali (CL) ed i valori osservati. 3.4) Verificare se il PP è sotto controllo a tutti gli istanti.

19 Statistica per l azienda Esame del COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato immediatamente alla consegna. Deve inoltre essere riconsegnato alla fine dell esame. Lo studente deve fornire i diversi passaggi dei calcoli eseguiti e i commenti richiesti. E' vietato l'uso di calcolatrici programmabili o con funzione di agenda elettronica. Esercizi 1) In un azienda produttrice di biscotti viene monitorato il tasso di difettosi, che secondo le specifiche (ossia quando il processo è sotto controllo) deve essere non superiore al 10%. 1.1) Viene effettuato un campionamento di 500 pezzi, da cui ne risultano 112 difettosi. Calcolare una stima della reale percentuale di difettosi (p) e commentare rispetto al massimo numero di difettosi atteso quando il PP è sotto controllo. 1.2) Costruire un test per p, con α=10%, indicando le ipotesi, la statistica test e la regione di rifiuto. 1.3) Calcolare il test ed il p-value. Commentare. 2) In un controllo in corso di produzione si vuole monitorare la lunghezza X dei bulloni prodotti, che deve essere di media 10cm. Si sono osservati, in 7 istanti temporali, i seguenti campioni di numerosità 3: T1 T2 T3 T4 T5 T6 T7 10,00 10,00 10,04 10,04 10,00 10,00 10,01 10,03 9,94 10,02 10,07 9,99 10,05 9,91 9,94 9,96 9,91 10,00 9,99 9,98 9,94 Somme 29,97 29,90 29,98 30,12 29,98 30,03 29,85 Somme dei quadrati 299,37 298,09 299,57 302,39 299,60 300,67 297,02 2.1) Calcolare le stime della media e della deviazione standard per i 7 istanti temporali, riportarli su opportuni grafici e commentare. 2.2) Calcolare i limiti della CC a 3-sigma per la deviazione standard. 2.3) Tracciare la CCS, riportando la linea centrale (CL) e i valori osservati. 2.4) Verificare se la variabilità del PP è sotto controllo a tutti gli istanti.

20 3) Due PP lavorano in parallelo, fornendo pacchi di pasta del peso netto nominale di 500g. In realtà il peso dei due PP varia, in entrambi i casi con distribuzione gaussiana. Viene effettuato un campionamento di numerosità 19 da ogni linea, e si sono ottenuti i seguenti dati: PP1 PP , ,4 478, ,1 478, ,6 485, ,1 487, ,1 487, , ,2 492, ,8 497, ,9 500, ,1 502, , ,9 504, ,3 506, , ,8 511, ,5 524, ,4 531,9 Somma 9491,2 Somma Dei quad ) Riportare i dati su un opportuno grafico, al fine di commentare rispetto alle specifiche di produzione e rispetto alle differenze tra linee di produzione. 3.2) Calcolare un IdC di livello 92% per la media di PP2. Commentare rispetto alle specifiche di produzione. Trattandosi di un IdC esatto, fornisce sempre risultati giusti? 3.3) Le specifiche impongono che la dev.st. dei PP sia al massimo di 16g. Costruire un test per la varianza di PP2, con α=10%, indicando le ipotesi, la statistica test e la regione di rifiuto. 3.4) Calcolare il test ed il p-value approssimato. Commentare.

Statistica per l azienda 19.06.2014 (1)

Statistica per l azienda 19.06.2014 (1) Statistica per l azienda 19.06.2014 (1) COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA

Dettagli

Corso introduttivo all utilizzo di TQ Controlla

Corso introduttivo all utilizzo di TQ Controlla Corso introduttivo all utilizzo di TQ Controlla Le pagine che seguono introducono l utente all uso delle principali funzionalità di TQ Controlla mediante un corso organizzato in otto lezioni. Ogni lezione

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

Dettagli

Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013. Cognome Nome Matr Firma

Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013. Cognome Nome Matr Firma Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013 I seguenti dati rappresentano i valori di mercato di 30 azioni scambiate sulla borsa di New York (in

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

Carte di controllo per attributi

Carte di controllo per attributi Carte di controllo per attributi Il controllo per variabili non sempre è effettuabile misurazioni troppo difficili o costose troppe variabili che definiscono qualità di un prodotto le caratteristiche dei

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Prova scritta di Complementi di Probabilità e Statistica. 31 Ottobre 2012

Prova scritta di Complementi di Probabilità e Statistica. 31 Ottobre 2012 Prova scritta di Complementi di Probabilità e Statistica 31 Ottobre 2012 1. In un processo per accrescere uno strato sottile di biossido di silicio sopra fette di silicio utilizzate per la fabbricazione

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

Il controllo statistico di processo

Il controllo statistico di processo Il controllo statistico di processo Torino, 02 ottobre 2012 Relatrice: Monica Lanzoni QUALITÀ DI DI UN UN PRODOTTO: l'adeguatezza del del medesimo all'uso per per il il quale quale è stato stato realizzato

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame dell 11/1/2012 NOME COGNOME N. Matr. Rispondere alle domande nel modo più completo possibile, cercando di

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

PRODUZIONE DI LENTI A CONTATTO

PRODUZIONE DI LENTI A CONTATTO 1 PRODUZIONE DI LENTI A CONTATTO Per monitorare il processo di produzione di un determinato tipo di lenti a contatto viene misurato, ad intervalli di tempo regolari di h 15 minuti, il diametro X (in mm)

Dettagli

CONTROLLI STATISTICI

CONTROLLI STATISTICI CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

Un primo passo verso PAT. Un applicazione di controllo preventivo

Un primo passo verso PAT. Un applicazione di controllo preventivo Un primo passo verso PAT Un applicazione di controllo preventivo Sommario Situazione iniziale: linea di produzione con controllo peso off-line Cambiamento vs. una linea con controllo peso automatico on-line

Dettagli

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,

Dettagli

Esercizio 1 Istogrammi

Esercizio 1 Istogrammi ESERCIZI DI CONTROLLO QUALITÀ Esercizio 1 Istogrammi Viene controllata una dimensione di un particolare meccanico, campionando 5 esemplari. Le misure danno i seguenti risultati (in mm): 1, 11, 1, 1, 11,9

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 INTRODUZIONE 1.0 PREVENZIONE CONTRO INDIVIDUAZIONE. L'approccio tradizionale nella fabbricazione dei prodotti consiste nel controllo

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 La formula µ = x ± s n

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando

Dettagli

Prefazione all edizione originale. Prefazione all edizione italiana

Prefazione all edizione originale. Prefazione all edizione italiana Indice Prefazione all edizione originale Prefazione all edizione italiana xiii xv 1 Il miglioramento della qualità nel moderno ambiente produttivo 1 1.1 Significato dei termini qualità e miglioramento

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Indice. pag. 15. Prefazione. Introduzione» 17

Indice. pag. 15. Prefazione. Introduzione» 17 Indice Prefazione 15 Introduzione 17 1. Pianificazione della qualità 1.1. Il concetto di 6 sigma 1.1.1. Le aree e le fasi del sei sigma 1.2. I processi produttivi e la variabilità 1.2.1. Cause comuni 1.2.2.

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

Capitolo 7 Guida operativa del programma TQ Controlla

Capitolo 7 Guida operativa del programma TQ Controlla Capitolo 7 Guida operativa del programma TQ Controlla Panoramica delle funzionalità Fornisce un ampio ventaglio di strumenti per il controllo statistico dei processi (SPC) in modo da soddisfare ogni esigenza

Dettagli

Preparazione all esonero di statistica del 21 ottobre 2014

Preparazione all esonero di statistica del 21 ottobre 2014 Cognome Nome 1 parte Date le seguenti coppie ordinate relative al peso e all'altezza di alcuni giovani costruire una tabella a doppia entrata con frequenze assolute e percentuali. (90,170) (98,180) (80,170)

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

Dettagli

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

Dettagli

Esercitazioni di Statistica con Matlab

Esercitazioni di Statistica con Matlab Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)

Dettagli

L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt

L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Esercizi riassuntivi di probabilità

Esercizi riassuntivi di probabilità Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Teoria e metodi del controllo statistico di un processo produttivo. Strumenti base Basi statistiche Problemi pratici

Teoria e metodi del controllo statistico di un processo produttivo. Strumenti base Basi statistiche Problemi pratici Teoria e metodi del controllo statistico di un processo produttivo Strumenti base Basi statistiche Problemi pratici Teoria e metodi del controllo statistico Introduzione Ogni processo produttivo, indipendentemente

Dettagli

Concetto di potenza statistica

Concetto di potenza statistica Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015

Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015 Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015 Chi deve recuperare il progetto del modulo 1 ha 1 ora e 30 minuti per svolgere gli esercizi 1, 2, 3 Chi deve recuperare

Dettagli

Gestione Industriale della Qualità

Gestione Industriale della Qualità Gestione Industriale della Qualità 8-II-6 esempio A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n = c = n = c = 4 Si valuti la qualità media risultante

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Criteri di Valutazione della scheda - Solo a carattere indicativo -

Criteri di Valutazione della scheda - Solo a carattere indicativo - Criteri di Valutazione della scheda - Solo a carattere indicativo - Previsioni Sono state fatte le previsioni e discussi i valori attesi con il ragionamento con cui sono stati calcolati E stata usata la

Dettagli