Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 4: Variabili aleatorie continue
|
|
- Cornelia Rocchi
- 5 anni fa
- Visualizzazioni
Transcript
1 Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 4: Variabili aleatorie continue
2 Definizione di variabile aleatorie continua Se il risultato di un esperimento casuale (evento) è associato una quantità numerica ma non numerabile (tipicamente reale), la V.A. è detta continua. Esempi: Il tempo intercorrente tra due chiamate telefoniche in un centralino La forza massima applicabile a un provino di trazione Il tempo di vita di un componente L intensità sonora di un disturbo Nota: in genere, ha queste caratteristiche tutto quanto è misurato con strumenti analogici
3 Densità di probabilità Nel caso discreto la distribuzione di probabilità è stata associata al singolo valore della V.A., come la massa in un sistema discreto di punti materiali Per la V.A. continua si ha lo stesso problema definitorio della massa nei corpi continui: deve essere introdotta la nozione di densità Esempio 4.. Nell ora di punta di un centralino le telefonate giungono in modo random senza condizioni preferenziali, determinare la probabilità che una telefonata giunga nell istante centrale dell intervallo
4 f ( ) Definizione di densità di probabilità (probability density distribution) Δ ( ) ( ) P < < +Δ f Δ f ( ) 0 = dp d = 0 Dimensionalmente la densità di probabilità non è una probabilità ma una probabilità per unità di. Per esempio, se è un tempo (secondi) f() è tempo alla (probabilità al secondo)
5 Esempio 4.. Una telefonata può giungere in qualsiasi momento della prossima ora, determinare la probabilità che si verifichi ) nei primi 0 minuti ) nei minuti dispari ( ) f t f 0 = min 60 f ( t) 0 60 t ( min) t ( min) P ( 0 t 0) < < = 3
6 f ( u) Distribuzione di probabilità cumulata ( ) ( ) ( ) F = P u < = f u du F ( ) u
7 Esercizio 4.. Tracciare e quotare la cumulata della distribuzione uniforme dell esempio 4.. f () t f 0 = min 60 0 F t () 60 t ( min) 0 60 t ( min)
8 Definizioni ( ) ( ) μ = E X = f d σ = ( μ) = μ ( ) ( ) VAR X f d f ( ) μ
9 Moda e mediana (mode, median) f ( ) F ( ) m = mode 0.5 M = median
10 F ( ) Quartili e quantili (quartiles, quantiles) Q Q 3 Distanza interquartile Inter Quartile Range M Q Q3 0.6 F ( ) 60 mo percentile
11 Altre proprietà di forma Momento centrale di ordine k (central moment of kth order) ( ) ( ) ( ) μ = μ = E X = f d ( ) k k ( μ) ( ) per μk = E X E X = f d k > μ = σ ( ) Skewness: f γ ; μ 3 > 0 X μ μ3 γ = E = 3 σ σ 3 f ( ) γ ; μ 3 < 0 Positive or left-skewed Negative or right-skewed
12 Altre proprietà di forma Kurtosis: γ X μ μ = E 3= 3 σ σ f ( ) γ > 0 lepto-kurtosis γ = 0 meso-kurtosis γ < 0 plati-kurtosis
13 Significati dei principali momenti Disuguaglianza di Tchebycheff Sia X una V.A. con media μ e deviazione standard σ σ ε > 0 P( μ ε) ε Nota: relazione generale vale per ogni VA (continua o discreta) Dimostrazione (per V.A. continua): f ( ) σ ( μ) ( ) = f d μ ε σ μ + μ ( ) ( ) ( ) ( ) f d f d μ+ ε μ ε μ μ+ ε
14 μ ε σ μ μ μ ε ( ) ( ) ( ) ( ) f d+ f d μ+ ε μ ε ε f ( ) d+ ε f ( ) d = ε f ( ) d+ f ( ) d = μ ε μ ε + + ( ) = ε P μ ε Esempio 4.3. Della V.A. continua sappiamo solo che ha media 5 e deviazione standard, cosa si può dire sulla probabilità di estrarre un dato compreso tra 3 e 7? ε = σ P( 5 ) = 0.5 P( 5 < ) 0.5= 0.75
15 Per una VA qualunque quindi, la probabilità di stare in un intervallo centrale di semiampiezza vale (sottostima): nσ P n n μ σ < > ( ) f μ n μ σ + n μ σ
16 Significati dei principali momenti: coefficiente di variazione Deviazione standard relativa (Relative standard deviation RSD) CV = σ μ f ( ) f ( ) μ μ CV elevato CV basso
17 Distribuzioni notevoli: normale o gaussiana (normal, gaussian) Può essere ottenuta come caso limite della bernoulliana Esempio 4.4 Determinare la probabilità che, in cento lanci di monete, testa compaia almeno 45 volte ma non più di k = 45 ( ) P = B k,00,0.5 = Il calcolo richiede la valutazione di fattoriali significativi. Notiamo però che: n grande (00 ) k μ σ ( σ ) è dell'ordine dell'unità =5 Dobbiamo valutare probabilità bernoullinane per valori centrali della distribuzione con n elevato
18 Sfruttiamo proprietà asintotiche per evitare il calcolo di fattoriali: Teorema di DeMoivre-Laplace (basato sulla formula di Stirling) k np se npq e npq n B( k, n, p) = p q = e k π npq ( k np) k n k npq Usando questa formula nel caso precedente si ottiene: k np ma npq = 5 e = npq P ( k np) 60 npq = = k = 45 π npq e Errore relativo dello 0.03%
19 Estensione al continuo: distribuzione di densità normale o gaussiana Tenendo conto che per la bernoullina: come tentativo definiamo: μ f ( ) = N(, μσ, ) = e πσ Da cui si ricava immediatamente che: = np e σ = μ σ npq ( ) ( ) = μ; E X μ = σ E X ( ) ( ) + μ, e σ N, μ, σ > 0 e N, μ, σ d = e si verifica che, effettivamente, anche per la V.A. gaussiana continua appena definita con distribuzione N(, μ, σ ) valgono le relazioni:
20 N(, μ, σ ) Proprietà della Gaussiana Skewness: Kurtosis: γ γ μ 3 = = 0 3 σ μ σ 4 = 3= 0 4 μ = m= M Effetto della modifica di μ
21 Effetto della modifica di σ Proprietà della Gaussiana Consideriamo un dimezzamento
22 Proprietà della Gaussiana Le gaussiane sono quindi tutte uguali a meno di una traslazione e di una dilatazione-contrazione combinata in y N( z,0,) Curva normale standard: * = z = μ σ z
23 Proprietà della Gaussiana La gaussiana cumulata (standard) è data da: u μ μ z σ σ F ( ) = e du = e dz πσ π F ( z) ( ) ( ) n F n F n z
24 Gaussiana vs Bernoulliana / n = 00; p = 0.5 B( k,00,0.5) (,, npq ) N k np
25 Gaussiana vs Bernoulliana / n = 0; p = 0.5 B( k,00,0.5) (,, npq ) N k np
26 Gaussiana vs Poissoniana / μ = 8 Pois ( k, μ ) (,, μ ) N k μ
27 Gaussiana vs Poissoniana / μ = 3 Pois ( k, μ ) (,, μ ) N k μ
28 Esempio 4.5 La tensione di snervamento di un acciaio è distribuita gaussianamente con parametri: μ = 50 MPa; σ = 0MPa ) Determinare la tensione massima applicabile perché la probabilità di snervamento sia inferiore a % ) Valutare la percentuale di provini che snervano se si applica una tensione di 75MPa z F( z ) = 0.0 ( ) = F 0.0 =.36 μ =.36 = 04MPa σ z = =.5 F( z ) =
29 Definizioni affidabilistiche variabile aleatoria continua: tempo di guasto Affidabilità (reliability) f ( t) Densità di probabilità di guasto failure probability density function ( ) ( ) P t < t < t = f t dt t t t t t Tempo di vita o di funzionamento operative life
30 t Reliability: the probability that a device will perform its intended function during a specified period of time under stated conditions () = ( ) ( ) g > = g g = () R t P t t f t dt F t t F() t R( t) Probabilità di non guasto F ( t ) Probabilità di guasto Rt () t Affidabilità al tempo t
31 Tasso di guasto (hazard rate) Consideriamo una popolazione di N 0 elementi che al tempo t sono N, al tempo t, dopo un intervallo di tempo Δt, si sono ridotti a N, si definisce tasso di guasto medio nell intervallo t - t il valore: N N N ΔN h( t, t+δ t) = = Δt N Δt riduzione relativa media di componenti nell unità di tempo. Passando al limite: ΔN h( t) = λ ( t) = lim Δ t 0 N Δt Ma, al limite: Δ N = N0 f ( t) Δ t N = N0 R( t) f ( t ) h() t = λ () t = R() t
32 Definizioni affidabilistiche MTTF mean time to failure f () t μ = MTTF t Esercizio 4.. Un componente ha una distribuzione di tempo di guasto gaussiana con MTTF=30h e deviazione standard 5h. Considerando di averne posti in esercizio contemporaneamente 500, determinare: ) dopo quanto tempo (t ) l affidabilità si riduce al 70% (ris. 7.4h) ) Il tasso di guasto al tempo t (ris h ) 3) Quanti elementi si presume si rompano nei 5 minuti che seguono t (ris. 4.5)
33 h( t) 6 Tasso di guasto per la gaussiana () λ () t h t = = t e e ( t μ ) σ ( u μ ) σ μ = σ 8 du σ μ = 4 σ μ = t / μ
34 Tasso di guasto per la gaussiana Andamento prima del MTTF ht ( ) σ μ = 8 σ μ = σ μ = t / μ
p 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,
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)
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
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
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
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
DettagliAnalisi 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
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
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
DettagliReliability & Minitab Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt pgrole@yahoo.it
Reliability & Minitab Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt pgrole@yahoo.it Il linguaggio e i concetti dell affidabilità I miglioramenti della qualità dei prodotti hanno solitamente
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione
DettagliSTATISTICA MATEMATICA 1 A.A. 2006/07 LABORATORIO DI SAS A. MICHELETTI
STATISTICA MATEMATICA 1 A.A. 2006/07 LABORATORIO DI SAS A. MICHELETTI LEZIONE 2: STATISTICA DESCRITTIVA Istogrammi e torte LAVORO1.SAS data lavoro1; filename dati 'c:\user\sas\laur92fs.txt'; infile dati;
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
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
DettagliIntroduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00)
Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Richiami di matematica pag. 2 Definizione (moderatamente) formale di variabile aleatoria
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (semplici)
AFFIDABILITA DEI SISTEMI STOCASTICI (semplici) Un sistema (o uno qualsiasi dei suoi componenti) può essere soggetto a stress casuali. Es: un fusibile in un circuito; una trave di acciaio sotto carico;
DettagliEsercitazioni 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
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliDai 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
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
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
DettagliEsercizi 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.
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliRiassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice
cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze
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
DettagliCORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO
CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima
DettagliSTATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua
STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata
DettagliUniversità degli Studi di Milano
Università degli Studi di Milano Laurea in Scienza della Produzione e Trasformazione del Latte Note di Calcolo delle Probabilità e Statistica STEFANO FERRARI Analisi Statistica dei Dati Note di Calcolo
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (semplici)
AFFIDABILITA DEI SISTEMI STOCASTICI (semplici) Un sistema (o uno qualsiasi dei suoi componenti) può essere soggetto a stress casuali. Es: un fusibile in un circuito; una trave di acciaio sotto carico;
DettagliITIS OTHOCA ORISTANO
ITIS OTHOCA ORISTANO CARATTERISTICHE DEI PROCESSI PRODUTTIVI LAY-OUT IMPIANTI PARTE 2 Si definisce linea di produzione una successione concatenata di posti di lavoro che eseguono una data operazione in
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
DettagliHistogram of C1 Normal
Soluzioni domande ed esercizi Fondamenti di Affidabilità Capitolo 2. La vita di un cambio ad ingranaggi può essere fortemente influenzata nelle fasi iniziali della sua vita da problemi derivanti principalmente
DettagliUniversità del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie
Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza
DettagliPROBABILITA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
PROBABILITA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO Probabilità Variabili casuali: distribuzioni, densità, istogrammi Media, varianza, momenti Distribuzione
DettagliFacciamo 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
DettagliELEMENTI DI STATISTICA DESCRITTIVA
Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:
DettagliSESSIONE ORDINARIA 2007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE
SESSIONE ORDINARIA 007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE PROBLEMA Si consideri la funzione f definita da f ( x) x, il cui grafico è la parabola.. Si trovi il luogo geometrico dei
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliAFFIDABILITA DEI SISTEMI
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliPolitecnico 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,
DettagliCorso 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
Dettaglix log(x) + 3. f(x) =
Università di Bari, Corso di Laurea in Economia e Commercio Esame di Matematica per l Economia L/Z Dr. G. Taglialatela 03 giugno 05 Traccia dispari Esercizio. Calcolare Esercizio. Calcolare e cos log d
DettagliAnalisi dei sistemi di controllo a segnali campionati
Analisi dei sistemi di controllo a segnali campionati Sistemi di controllo (già analizzati) Tempo continuo (trasformata di Laplace / analisi in frequenza) C(s) controllore analogico impianto attuatori
DettagliDALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ
DALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html
DettagliValori caratteristici di distribuzioni
Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliEsercitazione 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)
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliStatistica (Prof. Capitanio) Slide n. 1. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Statistica (Prof. Capitanio) Slide n. 1 Materiale di supporto per le lezioni. Non sostituisce il libro di testo MEDIA GEOMETRICA M g = x g = n n x i i=1 1 PROPRIETA 1) Identità di prodotto ( ) n n M =
DettagliInferenza 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
DettagliIN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
IN MATLAB distribuzione di frequenza 2-1 4. Usare la function histc(dati,x) 2-2 1. Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione;
DettagliRegime finanziario dell interesse semplice: formule inverse
Regime finanziario dell interesse semplice: formule inverse Il valore attuale di K è il prodotto del capitale M disponibile al tempo t per il fattore di sconto 1/(1+it). 20 Regime finanziario dell interesse
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliEsercizi di Matematica Finanziaria
Università degli Studi di Siena Facoltà di Economia Esercizi di Matematica Finanziaria relativi ai capitoli V-X del testo Claudio Pacati a.a. 1998 99 c Claudio Pacati tutti i diritti riservati. Il presente
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliTeoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio
Teoria delle scorte Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Dipartimento di Matematica Università di Bari Teoria delle scorte p.1/26 definizione del problema
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
DettagliUn seminario sull analisi statistica di formiche virtuali
Un seminario sull analisi statistica di formiche virtuali Dr. Andrea Fontana Universita di Pavia http://www.pv.infn.it/~fontana/formiche Numeri casuali Tests di casualita Distribuzione uniforme in C e
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
DettagliELEMENTI DI ANALISI SPETTRALE 1 I DUE DOMINI
Lezioni di Fisica della Terra Solida, Università di Chieti, a.a. 999/. Docente A. De Santis ELEMENTI DI ANALISI SPETTRALE I DUE DOMINI È spesso utile pensare alle unzioni ed alle loro trasormate di Fourier
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliMobilificio. Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità
Mobilificio Si vuole simulare il comportamento della gestione degli ordini da parte di una azienda che produce mobili di due qualità Gli ordini arrivano secondo una distribuzione di Poisson di valor medio
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di Comunicazioni Elettriche docente: Prof. Vito Pascazio 1 a Lezione: 9/04/003 Sommario Caratterizzazione energetica di processi aleatori Processi
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Quantizzazione Il segnale y(t) non solo è campionato sull asse dei tempi, ma anche i valori di ordinata sono
DettagliAffidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N
Affidabilità nel tempo tasso di guasto 1 N=numero componenti N s (t)=numero componenti sopravvissuti al tempo t N f (t)=numero componenti rotti al tempo t N ( ) ( ) s t N f t R( t) = = 1! N N dr( t) 1
DettagliCALCOLO DELLE UNIONI BULLONATE: VERIFICHE AL TAGLIO
UNIVERSITÁ DEGLI STUDI DI BERGAMO Facoltà di Ingegneria PROGETTAZIONE DEI SISTEMI MECCANICI Prof. Sergio Baragetti CALCOLO DELLE UNIONI BULLONATE: VERIFICHE AL TAGLIO RIFERIMENTI NORMATIVI E BIBLIOGRAFIA:
Dettaglidifferiticerti.notebook November 25, 2010 nov 6 17.29 nov 6 17.36 nov 6 18.55 Problemi con effetti differiti
Problemi con effetti differiti sono quelli per i quali tra il momento di sostentamento dei costi ed il momento di realizzo dei ricavi intercorre un certo lasso di tempo. Nei casi in cui il vantaggio è
DettagliStatistica Applicata all edilizia Lezione 2: Analisi descrittiva dei dati
Lezione 2: Analisi descrittiva dei dati E-mail: orietta.nicolis@unibg.it 1 marzo 2011 Prograa 1 Analisi grafica dei dati 2 Indici di posizione Indici di dispersione Il boxplot 3 4 Prograa Analisi grafica
DettagliEsempi introduttivi Variabili casuali Eventi casuali e probabilità
Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
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
DettagliModelli Stocastici per la Finanza e le Assicurazioni
Modelli Stocastici per la Finanza e le Assicurazioni CORSO DI LAUREA SPECIALISTICA IN METODI QUANTITATIVI PER LA FINANZA A.A. 2007/2008 DOCENTE: Marco Minozzo CREDITI (CFU): 10 PROGRAMMA (definitivo) Spazi
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)
INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;
DettagliElettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2
Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliEsercitazione 5 Soluzioni
Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio
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
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
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
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Luca Mari, versione 2.3.15 Contenuti La generazione combinatoria di campioni...1 L algebra dei campioni...4 Il calcolo delle frequenze relative dei campioni...5 Indipendenza
DettagliSTATISTICA DESCRITTIVA. Le misure di tendenza centrale
STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati
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
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
DettagliApprofondimento 5.2. Individuare gli outlier
Approfondimento 5.2 Individuare gli outlier Gli outlier sono quei valori che, rispetto agli altri del campione, risultano particolarmente estremi. Questo non significa che non siano punteggi validi, ma
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,
Dettagli2. Politiche di gestione delle scorte
Si supponga di non conoscere con certezza il tasso di domanda, né il tempo di riordino (lead time). In uesto caso le decisioni: Quanto ordinare Quando ordinare devono tener conto della condizione di incertezza.
DettagliIndice. 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo... 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità...
Indice 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo............................. 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità.............. 5 i Capitolo 1 Introduzione
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
Dettagli