Lezione 12. Campioni e Variabili casuali campionarie
|
|
- Albana Costa
- 5 anni fa
- Visualizzazioni
Transcript
1 Lezione 12 Campioni e Variabili casuali campionarie STATISTICA (L-Z) Dr. Augusto Cerqua. Slides preparate in collaborazione con il Prof. Guido Pellegrini Facoltà di Scienze Politiche, Sociologia, Comunicazione La Sapienza
2 Inferenza statistica L inferenza statistica serve principalmente per: i) La valutazione numerica di un indicatore (media, varianza, proporzione etc.) problema di stima (puntuale o intervallare) ii) La valutazione di una certa affermazione verifica di ipotesi Tutto questo si basa su tre elementi: 1) Campione 2) Universo dei Campioni 3) Stimatore
3 Nota: d ora in poi indicheremo con N il numero di unità della popolazione, mentre con n il numero di unità del campione Rilevazioni Una rilevazione statistica può essere di due tipi: rilevazione totale: considera tutte le unità della popolazione (es. censimento) rilevazione campionaria: considera un sottoinsieme ridotto di unità della popolazione, cioè il campione statistico
4 Popolazione La popolazione da cui viene estratto il campione può essere - finita: è costituita da un numero finito di unità rintracciabili in una lista (il numero di aziende informatiche dell Emilia- Romagna, i cittadini della provincia di Ascoli Piceno, ) - Illimitata/infinita è costituita da tutte le unità potenzialmente osservabili e non necessariamente già esistenti fisicamente (il numero di futuri acquirenti di un certo prodotto, i pezzi difettosi che può produrre una macchina, )
5 Popolazione
6 Modalità di selezione del campione scelta di comodo (convenience sampling) scelta ragionata (judgmental sampling) scelta casuale (random sampling) Per poter fare inferenza induttiva dai campioni, cioè trarre dalle caratteristiche di un campione le proprietà statistiche di un insieme di ordine superiore (popolazione finita o infinita/illimitata), è necessario che il campione sia rappresentativo della popolazione da cui proviene. Si ritiene rappresentativo un campione formato con criterio casuale: l eventuale mancata conformità di tale insieme alla popolazione è quindi effetto del solo errore di campionamento.
7 Rilevazione campionaria vs Rilevazione censuaria Vantaggi della rilevazione campionaria modalità organizzative più flessibili contenimento costi di indagine sul campo maggiore rapidità raccolta ed elaborazione dati possibilità di approfondire l analisi possibilità di garantire una maggiore accuratezza opportunità di concentrare le risorse sul controllo della qualità della rilevazione
8 Rilevazione campionaria vs Rilevazione censuaria Svantaggi della rilevazione campionaria l indagine censuaria restituisce il valore vero dei parametri di interesse (proporzioni, percentuali, medie, totali, ) l indagine campionaria ne fornisce solo una stima
9 Campionamento di comodo La formazione di un campione di comodo prescinde completamente dalla selezione di un sottoinsieme di unità da una lista posta in corrispondenza con la popolazione obiettivo. In genere sono gli intervistatori, se previsti dal piano di rilevazione, a decidere arbitrariamente chi avvicinare tra quanti condividono una medesima condizione, come ad esempio il trovarsi contemporaneamente in un dato luogo pubblico (bar, cinema, )
10 Televoto Rientra tra i campioni di comodo Partecipa chi vuole I dati ottenuti non sono riferibili a tutti gli spettatori, né tanto meno rappresentano l opinione dell intera popolazione Derivano da un processo di autoselezione spontanea e non dall applicazione di un criterio di scelta di natura ragionata o probabilistica
11 Campionamento ragionato L individuazione degli intervistati è demandata completamente a chi predispone il piano di rilevazione dell indagine Il loro apporto è ritenuto imprescindibile per lo svolgimento dell indagine (testimoni privilegiati o opinion leaders) La dimensione del campione viene fissata di norma in base a criteri di pura convenienza Tipo di campionamento molto usato perché la selezione del campione è snella, ha tempi di realizzazione molto rapidi ed è perciò poco costoso
12 Campionamento per quote Particolare campionamento a scelta ragionata, realizzato con modalità organizzative del campionamento di comodo si prescinde completamente dalla disponibilità di una lista di appartenenti alla popolazione obiettivo non vi è dunque alcuna selezione campionaria che imponga ai rilevatori di contattare determinate unità statistiche gli intervistatori decidono chi avvicinare unico vincolo: campione e popolazione devono condividere la medesima composizione relativa rispetto a caratteri quali: sesso ed età zona di residenza livello di istruzione condizione professionale
13 Tipologie di campionamento non probabilistico
14 Campionamento casuale Equivale a un estrazione di palline numerate, di forma e peso uguali, da un urna nel quadro di un piano di campionamento che assegna una probabilità nota a priori a ogni campione appartenente a un certo insieme (UNIVERSO DEI CAMPIONI). Per convenzione, si ritiene rappresentativo un campione formato con criterio casuale: l eventuale mancata conformità di tale insieme alla popolazione è effetto del solo errore di campionamento. Se il campione è scelto casualmente è possibile: calcolare il rischio d errore a cui ci si espone nella stima delle caratteristiche di interesse (errore casuale di campionamento) estendere mediante processi di inferenza induttiva inversa i risultati all intera popolazione
15 Campionamento casuale stratificato Popolazione Finita Nel campionamento casuale stratificato la popolazione viene suddivisa in strati. Da ogni strato vengono poi estratti, tramite un campionamento casuale semplice, le unità da inserire nel campione. Esempio strati: Regioni; età; sesso. Popolazione Variabile di stratificazione p rimo strato s econdo strato t erzo strato estrazione casuale campione
16 Campionamento casuale stratificato Popolazione Finita Nel campionamento casuale stratificato si sfruttano informazioni aggiuntive sulla popolazione per suddividere la popolazione in strati, ognuno dei quali contiene unità fra loro omogenee secondo qualche criterio. Principali vantaggi: Miglioramento delle stime, se gli strati son ben scelti. Possibilità di ottenere, oltre alla stima per l intera popolazione, anche le stime per i singoli strati
17 Campionamento casuale a grappoli e a stadi Popolazione Finita Nel campionamento casuale a grappoli la popolazione viene suddivisa in sottoinsiemi detti grappoli. Si selezionano, con un estrazione casuale senza ripetizione, un certo numero di grappoli e si prendono come unità campionarie tutte le unità appartenenti ai grappoli estratti. Nel campionamento casuale a due stadi la popolazione viene suddivisa in un certo numero di grappoli. Al primo stadio si estrae senza ripetizione un certo numero di grappoli. Da ciascuno di questi si estrae con ripetizione (secondo stadio) un certo numero di unità. primo stadio Unità primarie secondo stadio Unità secondarie
18 Campionamento casuale a grappoli e a stadi Popolazione Finita Popolazione Criterio di raggruppamento grappolo 1 grappolo 2 grappolo 3 grappolo k estrazione casuale dei grappoli unità primarie estrazione casuale delle unità dai grappoli unità secondarie campione di unità elementari
19 Campionamento ragionato o probabilistico? Il campione ragionato ha la pretesa, almeno nell intenzione di chi lo seleziona, di essere rappresentativo Il campione probabilistico è, invece, solo uno fra i tanti campioni possibili, ma si ha la garanzia che l operatore non inserisca elementi di distorsione nel campione selezionato Il campione probabilistico elimina il soggettivismo pericoloso e difficilmente accettabile, tipico del campionamento ragionato Il campione probabilistico consente l uso di un modello matematico che permetta la valutazione dell attendibilità dei risultati Solo se il campione è casuale è possibile valutare il rischio di errore a cui si va incontro nella stima delle caratteristiche oggetto di interesse
20 Aspetti delicati delle ricerche campionarie Cosa è indispensabile conoscere per leggere e interpretare correttamente i risultati di un indagine campionaria? Come se ne possono valutare qualità e limiti? Vanno individuati i punti nodali a cui possa riferirsi chi debba trarne indicazioni per prendere decisioni o anche soltanto consolidare o rimuovere un opinione
21 Fasi di progettazione dell indagine identificazione della popolazione di riferimento dalla quale selezionare il campione definizione degli obiettivi conoscitivi della ricerca individuazione delle informazioni da raccogliere scelta dei criteri di selezione del campione (piano di campionamento) scelta della metodologia di stima dei parametri di interesse della popolazione (se si è selezionato un campione con criterio casuale) determinazione della dimensione del campione da realizzare scelta della procedura di rilevazione messa a punto del questionario valutazione dei costi di progettazione e di esecuzione dell intera ricerca
22 Fasi successive fasi operative di rilevazione memorizzazione su supporto informatico dei dati elaborazione dei dati analisi dei dati
23 Piano di Campionamento Se la regola di selezione del campione è di tipo probabilistico, l estrazione del campione avviene in accordo con qualche specifica distribuzione di probabilità. Per una selezione probabilistica è necessario individuare: lo spazio campionario Ω, formato da tutti i possibili campioni estraibili con una medesima tecnica da una popolazione. la probabilità di ogni campione C in Ω di essere estratto La coppia {Ω, probabilità dei campioni in Ω} è detta piano di campionamento.
24 Universo dei Campioni I campioni possono essere estratti casualmente dalla popolazione: con ripetizione: una volta estratta un unità viene rimessa dentro la popolazione e quindi potrebbe essere nuovamente estratta Campionamento Bernoulliano senza ripetizione: una volta estratta un unità questa viene messa da parte e quindi non può essere estratta più di una volta. UNIVERSO DEI CAMPIONI: insieme di tutti i possibili campioni. L universo dei campioni ha una numerosità finita e determinabile, diversa a seconda del piano di campionamento scelto. Data una popolazione di numerosità N estraendo con ripetizione n unità l Universo dei campioni è costituito da: n N
25 Numero di campioni distinti nel campionamento causale semplice da popolazione finita Estrazione con ripetizione Estrazione senza ripetizione Campioni ordinati N n N! N n! Campioni non ordinati (N + n 1)! n! N 1! N! n! N n! Due campioni non ordinati di uguale numerosità sono diversi tra loro se almeno una unità del primo campione non è contenuta nel secondo
26 Popolazione: N = 7 studenti Esempio Carattere osservato: X = voto di maturità Dai 7 elementi della popolazione quanti campioni di numerosità n = 2 si possono estrarre? Universo bernoulliano (campioni ordinati estratti con ripetizione) di campioni casuali di dimensione 2: N n Aumentando la dimensione campionaria, l universo dei campioni diventa ancora più ampio. Quanti campioni conterrebbe l universo dei campioni se considerassimo campioni non ordinati estratti senza ripetizione?
27 Popolazione finita e campione Si consideri la Popolazione P di dimensione N e un campione C composto da n unità. Indichiamo con X la variabile oggetto dell analisi. Fino a quando non si estrae l unità si può avere uno degli N valori di X, tutti con la stessa probabilità. Esempio: P=Aziende informatiche provincia di Rimini X= fatturato Popolazione ( x1, x2,, xn ) campione (X x1,x 2 x2,,xn 1 n x ) (X,X2,Xn ) 1 n-pla di variabili aleatorie
28 Popolazione infinita e Campione Si consideri la Popolazione P di dimensione infinita e si consideri un campione composto da n unità, e la variabile X oggetto di studio La n-pla di variabili casuali: ( X, X 2,, X 1 n che compongono il campione casuale di dimensione n presenta le seguenti proprietà: X, X, 2, sono variabili casuali indipendenti. 1 X i X n ogni v.c. ha come distribuzione di probabilità la distribuzione della variabile X riferita alla popolazione Esempio: P = pezzi prodotti X = pezzo difettoso )
29 Campioni Ciò che rende aleatoria la variabile è l universo dei campioni, poiché nello spazio campionario la variabile può assumere molteplici valori, ciascuno con una probabilità di avverarsi. Quando viene estratta l unità i-esima X i diventa effettivamente un valore x i Esempio precedente, si consideri l universo bernoulliano dei 49 campioni di dimensione 2. Finché non si estrae il campione si hanno 49 coppie aleatorie: (X 1, X 2 ) dove la variabile aleatoria X i rappresenta la variabile X alla i-esima estrazione. Ogni variabile X i coincide quindi con la variabile X nella popolazione: X 1 = X 2 = X 3 =. = X n = X
30 Esempio Popolazione (N=7): Universo bernoulliano dei campioni casuali di dimensione n=2 ( 7 2 =49 ) (70,70) (74,70) (80,70) (86,70) (91,70) (95,70) (100,70) (70,74) (74,74) (80,74) (86,74) (91,74) (95,74) (100,74) (70,80) (74,80) (80,80) (86,80) (91,80) (95,80) (100,80) (70,86) (74,86) (80,86) (86,86) (91,86) (95,86) (100,86) (70,91) (74,91) (80,91) (86,91) (91,91) (95,91) (100,91) (70,95) (74,95) (80,95) (86,95) (91,95) (95,95) (100,95) (70,100) (74,100) (80,100) (86,100) (91,100) (95,100) (100,100)
31 Esempio Si supponga di estrarre il campione (74, 95). In tal caso la variabile aleatoria X 1 assume valore 74 e X 2 valore 95. (x 1 =74; x 2 = 95) La media nel campione risulta: (74+95)/2=84,5 Scarto quadratico medio e varianza risultano: Varianza=110,25 Scarto=10,5
32 Variabili casuali campionarie Nella popolazione per la variabile X voto di maturità si E(X)=μ=85,14 Var (X)=σ 2 =104,65 Si può avere un valore medio anche per ognuno dei 49 campioni. La media diventa una variabile aleatoria con una distribuzione di probabilità, ciò che rende aleatoria la variabile è l universo dei campioni. La media campionaria può assumere diversi valori e sono più probabili valori vicini alla media di popolazione. Quando si va ad estrarre il campione la variabile media campionaria diventa il valore della media nel campione considerato.
33 Variabile casuale Media aritmetica campionaria
34 Distribuzione della media ottenuta sui 49 campioni possibili Media N campioni Media N campioni , , , , , ,5 2 84,5 2 97, ,5 2
35 Guardiamolo come una Distribuzione della media campionaria % % % Media =85,14 Varianza=52,35 Scarto=7, % % % 100%
36 ES. Numeri da 1 a 7. Distribuzione della media nell universo dei campioni (N=7; n=3) 1,00 1 4, ,33 3 4, ,67 6 5, , , , , , , , ,33 6 3, ,67 3 3, ,00 1 4, E ഥX = 4 V ഥX = 1, 33
37 numero campioni medie campionarie n=3 n=2
38 Media aritmetica campionaria Osservazioni In un universo di campioni figurano campioni con media lontana dalla media della popolazione; essi sono tuttavia più improbabili dei campioni con media più prossima a quella della popolazione La media aritmetica di tutte le possibili medie dei campioni nell Universo è uguale alla media della popolazione. La varianza di tutte le possibili medie dei campioni è l ennesima parte della varianza della popolazione. La dispersione di tutte le possibili medie dei campioni attorno a μ è tanto più ridotta rispetto a quella della popolazione, quanto maggiore è la dimensione del campione. Se il campione è molto grande, la varianza della media intorno al valore vero è molto piccola. Aumentando il campione riduciamo l approssimazione (l errore).
39 Media aritmetica campionaria il valore atteso E(X ) la varianza Var(X ) 2 n Se X ~ N ; 2 allora X ~ N ; n 2 Esempio: Il carattere peso di una bustina di zucchero di canna si distribuisce come una normale di media 25gr. e varianza 81. Se consideriamo un campione di numerosità 100 allora la media aritmetica campionaria si distribuisce come una normale di media 25 e varianza 81/100=0,81
40 Dato che: X 1 = X 2 = X 3 = = X n = X Ne deriva, per ogni i: E X i = E X = μ V X i = V X = nσ 2
41
42
43 La media aritmetica di tutte le possibili medie campionarie è dunque uguale alla media della popolazione. Tale proprietà si chiama correttezza o non distorsione : è importante perché significa che la media campionaria non produce deviazioni sistematiche (ovvero non è sistematicamente diversa) dal valor medio dell universo (non noto) qualsiasi sia il campione selezionato. Significa che possiamo fare un errore ma questo è comunque un errore dettato dal caso, con media complessiva uguale a 0.
44 La varianza della media campionaria è l ennesima parte della varianza della popolazione; la dispersione delle medie aritmetiche campionarie attorno a μ è tanto più ridotta rispetto a quella della popolazione, quanto maggiore è la dimensione del campione. Se il campione è molto grande, la varianza della media intorno al valore vero è molto piccola. Aumentando il campione riduciamo l approssimazione (l errore). Questa proprietà si chiama consistenza di una statistica campionaria corretta.
45 Un altra statistica campionaria che possiamo osservare è la varianza campionaria, che stima la varianza dell universo. Si dimostra che la varianza campionaria corretta è data da: s 2 1 n 1 n i 1 ( x i ) 2 1 DEV n 1 ( X )
46 Per riassumere le diverse definizioni di varianza, abbiamo (es. rispetto a x, che sono le ore di studio di un campione di studenti, ) 1. Varianza del carattere nella popolazione (quanto variano in media le ore di studio) = var(x) 2. Varianza della media campionaria (misura di quanto varia il numero medio di ore studiate estraendo diversi campioni =Var (media camp.(x)) 3. Varianza campionaria corretta (quanto differiscono le ore di studio calcolate su un campione) = var camp. (X) 4. Varianza della varianza campionaria corretta = Var (var. camp.(x))
47 Distribuzione della media campionaria nelle popolazioni infinite Proprietà della media campionaria : il valore atteso la varianza Var(X ) E(X ) 2 n Se X ~ N ; 2 allora X ~ N ; n 2
48 Distribuzione della media campionaria nelle popolazioni finite Si consideri una popolazione finita dalla quale viene estratto senza ripetizione un campione casuale. In questo caso: il valore atteso la varianza Var(X ) E(X ) N N 2 n 1 n Se n è sufficientemente ampio ma molto più piccolo di N, allora la distribuzione di X può essere approssimata a una Normale con media e varianza 2 N n N 1 n
Il campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliIndice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice
Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
Dettagli1. 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
DettagliIl campionamento nelle ricerche di mercato. Click here to unlock PDFKit.NET
Il campionamento nelle ricerche di mercato RICERCHE DI MERCATO Cosa sono Le ricerche di mercato sono ricerche sistematiche e oggettive su: Lo sviluppo dei prodotti L identificazione del mercato L individuazione
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliInferenza statistica
Inferenza statistica Si tratta di un complesso di tecniche, basate sulla teoria della probabilità, che consentono di verificare se sia o no possibile trasferire i risultati ottenuti per un campione ad
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
Dettagli1a) 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
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
Dettagli1) 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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliUno studio multicentrico dello stato nutrizionale della popolazione infantile nel Veneto. Antonio Stano SIAN Azienda ULSS 3 Bassano del Grappa (VI) 1
Uno studio multicentrico dello stato nutrizionale della popolazione infantile nel Veneto Antonio Stano SIAN Azienda ULSS 3 Bassano del Grappa (VI) 1 Modello organizzativo Coordinamento generale dello studio:
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliCORSO 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
DettagliE 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
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliESAME 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
DettagliMetodi 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
DettagliSondaggi Conoscere le opinioni di molti attraverso le risposte di pochi
Sondaggi Conoscere le opinioni di molti attraverso le risposte di pochi (Barisione e Mannheimer 1999) Fonti ufficiali Per colmare una lacuna informativa : Fonti ufficiali (SISTAN, ISTAT) Indagini sul campo
DettagliAncora sull indipendenza. Se A e B sono indipendenti allora lo sono anche
Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)
DettagliIstituzioni 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
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliStima 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
DettagliInfrastruttura telematica: visione d insieme Mauro Nanni
Infrastruttura telematica: visione d insieme Mauro Nanni Si sono fin qui presi in considerazione i singoli elementi che costituiscono l infrastruttura telematica delle scuole. Per utilizzare in modo semplice
DettagliIstituzioni 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
DettagliCorso di Marketing e Marketing Internazionale a.a. 2014-2015
Lezione 9bis Il sistema informativo di marketing Corso di Marketing e Marketing Internazionale a.a. 2014-2015 Prof. Elena Cedrola elena.cedrola@unimc.it http://docenti.unimc.it/docenti/elena-cedrola 1
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliIndicatori statistici
Indicatori statistici Ciro Marziliano 10 settembre 2015 Indice 1 Indicatori sugli immatricolati 2 1.1 Immatricolati........................................ 2 1.2 Immatricolati al primo anno................................
DettagliLEZIONI DI STATISTICA
ez10 l GIOVANNI GIRONE Ordinario nell'università di Bari TOMMASO SALVEMINI Ordinario nel!' Università di Roma LEZIONI DI STATISTICA Volume Secondo CACUCCI EDITORE - BARI - 1992 CENTRO " G. ASTENGO» INVENTARIO
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliOCSE-PISA 2009 Programme for International Student Assessment
OCSE-PISA 2009 Programme for International Student Assessment Studio principale Programma del corso di formazione Il progetto OCSE PISA 2009 Le procedure di somministrazione. Compiti e ruoli dell insegnante
DettagliDall'analisi dei prospetti informativi diffusi dalla Borsa di Paperopoli Gastone ricava le seguenti informazioni sul rendimento dei tre titoli:
ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliFrancesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia
Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia Introduzione La ricerca accademica ha spesso evidenziato l esigenza di costruire indicatori delle performance
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliMetodi 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
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliCORSO 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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliSCHEDA PROGETTO. 1.1 Denominazione progetto Indicare denominazione del progetto. 1.2 Responsabile del progetto Indicare il responsabile del progetto.
ISTITUTO COMPRENSIVO STATALE G.CIMA di Scuola Materna, Elementare e Media Via Raimondo Scintu Tel.070/986015 Fax 070/9837226 09040 GUASILA (Cagliari) SCHEDA PROGETTO 1.1 Denominazione progetto Indicare
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliELENCHI DEL PERSONALE
ELENCHI DEL PERSONALE Cineca CSA Pagina 1 di 23 Funzione di menu: ELENCHI DEL PERSONALE. Percorso di menu (previa necessaria autorizzazione all uso): PERSONALE > ELENCHI DEL PERSONALE Nelle pagine successive
DettagliAnni Manodopera Materiali Trasporti Noli 2006 2,4 8,5 3,5 3,8 2007 4,5 9,3 3,3 3,4 2008 4,0 2,4 7,1 6,6 2009 4,0-14,8 0,9 1,6 2010 2,1 8,2 0,9 2,0
Direzione Affari Economici e Centro Studi INDICI ISTAT DEI COSTI DI COSTRUZIONE DI TRONCHI STRADALI Aggiornamento a febbraio 2016 L indice del costo di costruzione di un tronco stradale con tratto di strada
DettagliSoluzioni 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
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliStatistica 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
DettagliSINTESI DEI RISULTATI
RILEVAZIONE DELLA SODDISFAZIONE DEGLI UTENTI DEI CORSI DI FORMAZIONE ED EVENTI MEMO E DEL COORDINAMENTO PEDAGOGICO 0/6 ANNI ORGANIZZATIDAL MULTICENTRO EDUCATIVO SERGIO NERI SINTESI DEI RISULTATI Modena,
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliTemi 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
DettagliInternet (- working). Le basi.
Internet (- working). Le basi. 1 GABRIELLA PAOLINI (GARR) 18 OTTOBRE 2011 Capire come funziona Internet 2 FACCIAMO UN PASSO INDIETRO Internet È un insieme di reti interconnesse fra di loro su tutto il
DettagliUniversità 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
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliCorso 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
DettagliElementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1
Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliGESTIONE DELLE ATTIVITA DI EDUCAZIONE AMBIENTALE
GESTIONE DELLE ATTIVITA DI EDUCAZIONE AMBIENTALE Indice 1. SCOPO 2. CAMPO DI APPLICAZIONE 3. RIFERIMENTI 4. RESPONSABILITA' 5. PROCEDURA 5.1 Individuazione dei problemi ambientali 5.2 Predisposizione Piano
DettagliCorso 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
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliPROBABILITA' E VARIABILI CASUALI
PROBABILITA' E VARIABILI CASUALI ESERCIZIO 1 Due giocatori estraggono due carte a caso da un mazzo di carte napoletane. Calcolare: 1) la probabilità che la prima carta sia una figura oppure una carta di
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliFacoltà di Economia Corso di laurea in Economia Aziendale Statistica Esercitazione 1 - Modulo II
Statistica Esercitazione 1 - Modulo II Esercizio A. Da un mazzo di carte napoletane (composto da 40 carte di cui 28 valori e 12 figure, suddivise in quattro semi di cui due neri e due rossi), vengono estratte
DettagliLA RILEVAZIONE DEI PREZZI AL CONSUMO
LA RILEVAZIONE DEI PREZZI AL CONSUMO EUROSTAT ISTAT 80 Comuni capoluoghi di provincia 42.300 punti vendita, imprese, istituzioni 8.000 abitazioni 1.187 distributori di carburanti 495.500 quotazioni di
DettagliSTATISTICA 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
DettagliGLI STRUMENTI DECISIONALI PER LE AZIENDE AGRICOLE: IL BILANCIO SEMPLIFICATO
GLI STRUMENTI DECISIONALI PER LE AZIENDE AGRICOLE: IL BILANCIO SEMPLIFICATO www.bilanciosemplificato.inea.it Alfonso Scardera Istituto Nazionale di Economia Agraria Lamezia Terme, 15 aprile 2014 RICA Rete
DettagliIntroduzione all Inferenza Statistica
Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio
Dettagli1 Valore atteso o media
1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è
DettagliQuotazioni immobiliari: l analisi dei dati nelle schede di rilevazione
MERCATO IMMOBILIARE Immobili Quotazioni immobiliari: l analisi dei dati nelle schede di rilevazione Gennaro Chirola Direzione centrale OMI Agenzia del territorio Ufficio Gestione Banca Dati L Agenzia del
DettagliEsercizi sul calcolo delle probabilità
Esercizi sul calcolo delle probabilità Svolti e da svolgere (per MAR 13 marzo) Dati due eventi A e B dello spazio campionario Ω. Si sappia che P(A c )=0,3 P(B)=0,4 e P(A B c )=0,5 si determinino le probabilità
DettagliTITOLO: PROGETTO DI MATEMATICA Matematiche routines
TITOLO: PROGETTO DI MATEMATICA Matematiche routines DESTINATARI: Il progetto è rivolto al gruppo omogeneo per età dei bambini di 3 anni della Scuola dell infanzia di Campitello. PERSONE COINVOLTE: Insegnante
DettagliUniversità 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
DettagliBASI DATI INFORMATICA
BASI DATI INFORMATICA 1 Sistema Informativo Un sistema informativo (SI) è un componente di una organizzazione il cui obiettivo è gestire le informazioni utili per gli scopi dell organizzazione stessa GESTIRE
DettagliCorso di REVISIONE AZIENDALE
Corso di REVISIONE AZIENDALE a.a. 2004-1 Corso di REVISIONE AZIENDALE - Modulo VI - Prof. Fabio Fortuna ffortuna@unich.it Anno accademico 2004- Corso di REVISIONE AZIENDALE a.a. 2004-2 La revisione gestionale
DettagliIl campionamento. Ulteriori vantaggi: economicità (costi e tempi limitati)
Il campionamento Il campionamento Insieme delle operazioni che consistono nella selezione, nelle intenzioni rappresentativa, degli appartenenti ad una popolazione, allo scopo di studiare una porzione della
DettagliPotenziamento degli apprendimenti nell area logico matematica
Potenziamento degli apprendimenti nell area logico matematica Dirigente scolastico Dott.sa Maria Salvia Docente Babusci Marina Se dobbiamo decidere in quale supermercato conviene andare a fare la spesa,
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/3/2 ESERCIZIO (2+2+2+2) La seguente tabella riporta la distribuzione della variabile "Stato Civile"
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliStatistiche di opinione
Statistiche di opinione Lezione 1 1. Come si organizza un indagine sociale? 2. Che cos è un sondaggio? 3. Come valutare il risultato di un sondaggio? 17 luglio 2015 Arjuna Tuzzi 1 Tecniche di formazione
DettagliMIUR: 27 novembre 2014. Damiano Previtali
MIUR: 27 novembre 2014 Damiano Previtali Una PREMESSA necessaria: LBS 1. gli ORIENTAMENTI generali del SNV 3. la SEQUENZA del procedimento 2. la LOGICA interna 4. i PASSAGGI da presidiare PREMESSA LA VERA
DettagliMONITOR CALCIO. Un prodotto di ricerca dell ecosistema informativo CHANGE
MONITOR CALCIO Un prodotto di ricerca dell ecosistema informativo CHANGE Conoscere serve a orientare il CAMBIAMENTO e la possibilità di aprire finestre sui NUOVI TREND è oggi indispensabile. Un approccio
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliIL CAMPIONAMENTO STATISTICO
IL CAMPIONAMENTO STATISTICO Il campionamento è uno degli argomenti fondamentali di tutta la ricerca statistico-epidemiologica. Per campione statistico si intende quel gruppo di unità elementari (non necessariamente
DettagliR - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre
R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
DettagliClub Alpino Italiano. Commissione Lombarda Materiali e Tecniche
Club Alpino Italiano Commissione Lombarda Materiali e Tecniche L ASSICURAZIONE IN PARETE: L IMPORTANZA DELL ALTEZZA DELLA PRIMA PROTEZIONE E DI UNA CORRETTA ASSICURAZIONE PER RIDURRE I RISCHI DI IMPATTO
DettagliIntroduzione alle macchine a stati (non definitivo)
Introduzione alle macchine a stati (non definitivo) - Introduzione Il modo migliore per affrontare un problema di automazione industriale (anche non particolarmente complesso) consiste nel dividerlo in
Dettagli