Statistical Process Control
|
|
- Stefano Valentini
- 8 anni fa
- Visualizzazioni
Transcript
1 Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = a. Calcolare la linea centrale (centerline) e i limiti di controllo (LCL, UCL) della carta di Shewart con sottogruppi aventi numerosità n = 5. centerline = µ = 100 σ X = σ n = = UCL = µ + 3σ X = = LCL = µ 3σ X = = b. Calcolare la linea centrale (centerline) e i limiti di controllo (LCL, UCL) della carta X. centerline = µ = 100 LCL = µ 3σ = = 99.4 UCL = µ + 3σ = = c. Calcolare l Average Run Length (ARL) per la carta X e per la carta X. (ARL = numero medio di punti disegnati sulla carta prima di avere un punto fuori dai limiti di controllo anche se il processo è in controllo statistico). per la gaussianità. Segue che α = P (falso allarme) = P ( X µ > 3σ X) = ARL = 1 α = =
2 Lo stesso vale per la carta X, sempre per la gaussianità. 1d. Sapendo che i limiti di specifica sono LSL = 98.2, USL = 100., calcolare C p e C pk. USL LSL C p = = = 2 σ 0.2 { USL µ C pk = min, µ LSL } { } = min, 3σ 3σ C p C pk il processo non è centrato, è capace e produce entro le tolleranze. { = min 1, 0.8 } = 1 0. Esercizio 2. Si consideri una caratteristica gaussiana. I dati vengono raccolti in sottogruppi di numerosità n =. Dall analisi di 10 sottogruppi raccolti in Fase I, risulta X = 100 ; s = 3 2a. Calcolare i limiti di controllo (LCL, UCL) della carta X. ˆσ X = s c 4 n = = UCL X = X + 3ˆσ X = = LCL X = X 3ˆσ X = = b. Calcolare i limiti di controllo (LCL, UCL) della carta s. UCL s = B 4 s = = 5.91 LCL s = B 3 s = = c. Supponendo che tutti i punti cadano entro i limiti di controllo in entrambe le carte precedenti, determinare i limiti della variabilità naturale del processo. ˆσ = s = = Limite inf. = µ 3σ X 3ˆσ = = Limite sup. = µ + 3σ X + 3ˆσ = = d. Sapendo che i limiti di specifica sono LSL = 90, USL = 110, calcolare C p e C pk. 2
3 USL LSL USL LSL C p = = σ ˆσ = = { USL µ C pk = min, µ LSL } { } = min, = σ 3σ e. Dire, motivando la risposta se la percentuale di scarti è superiore a 3/1000. Poiché C p = C pk, il processo è centrato e in più è gaussiano per ipotesi. Per processi centrati e gaussiani, la percentuale di scarti per C p = 1 è circa 3/1000 (precisamente ). Nel nostro caso C p > 1, perciò la percentuale di scarti sarà inferiore a 3/1000. Esercizio 3. Sottogruppi di dimensione n = sono presi a intervalli regolari da un processo manifatturiero. Una caratteristica distribuita normale è misurata e i valori di X e s sono calcolati per ogni campione. Dopo aver analizzato 50 sottogruppi, risulta che 50 X i = 1000 ; 50 s i = 75. 3a. Calcolare i limiti di controllo per le carte X e s. Per la carta s: 50 s = s i = = 1.5 UCL s = B 4 s = = ; LCL s = B 3 s = = Per la carta X: UCL = X + 3ˆσ X ; LCL = X 3ˆσ X 50 X = X i = = 20 ˆσ X = s c 4 n = = 0.43 UCL = X + 3ˆσ X = = LCL = X 3ˆσ X = = b. Supponendo che tutti i punti cadano entro i limiti di controllo per entrambe le carte precedenti, determinare i limiti della variabilità naturale del processo. ˆσ = s c 4 = =
4 Limite inf. = µ 3σ X 3 ˆσ = = Limite sup. = µ + 3σ X + 3 ˆσ = = c. Sapendo che i limiti di specifica sono 19 ± 4, che cosa si può dire circa la capacità del processo di produrre entro i limiti di specifica? USL = = 23 ; LSL = 19 4 = 15 USL LSL C p = = σ = < 1 Poiché C pk C p < 1, possiamo dire che il processo non è capace e non produce entro le tolleranze. Esercizio 4. Una carta X è utilizzata per controllare la media di una caratteristica di qualità distribuita normale. E noto che σ =, n = 4, centerline = 200, UCL = 209 e LCL = 191. Se la media del processo si sposta a 188, trovare la probabilità che lo spostamento sia rilevato al primo campione dopo lo spostamento. La media passa da 200 a 188 e ha uno spostamento pari a 2 volte la deviazione standard: = 2 σ. β = Φ(3 k n) Φ( 3 k n) = Φ(3 2 4) Φ( 3 2 4) = Φ( 1) Φ( 7) = La probabilità che lo spostamento sia rilevato al primo campione dopo lo spostamento è 1 β = = Esercizio 5. Un processo è monitorato e mostra i seguenti valori: µ = 10 e σ = 2.5. La dimensione dei campioni è 3. 5a. Trovare la centerline e i limiti di controllo per la carta X. centerline = µ = 10 UCL = µ + 3σ X ; LCL = µ 3σ X σ X = σ = 2.5 = n 3 UCL = µ + 3σ X = = LCL = µ 3σ X = =
5 5b. Trovare la centerline e i limiti di controllo per la carta s. centerline = σ = 2.5 UCL = B 4 σ = =.42 LCL = B 3 σ = 0 σ = 0 Esercizio. Supponiamo di avere misurazioni di una caratteristica distribuita normale e di sapere che x i = 50 ; MR i = 20 Calcolare centerline e limiti di controllo della carta X e della carta MR supponendo di essere nella fase I. i=2 Carta X: Carta MR: Carta X: Carta MR: centerline = X = centerline = MR = 50 x i MR i 49 ˆσ = MR = = = 1 = = UCL = X + 3 ˆσ = = LCL = X 3 ˆσ = = LCL MR = 0 ; UCL MR = 3.27 MR = = Esercizio 7. Le carte di controllo X e R sono utilizzate per controllare la resistenza alla rottura di una parte metallica. Si supponga che la resistenza alla rottura sia distribuita normale. 30 campioni di dimensione n = sono raccolti in un certo periodo di tempo e forniscono i seguenti risultati: 30 X i = 000 ; 30 R i = 150 Calcolare i limiti di controllo per le carte X e R. 5
6 Carta X: Carta R: Limiti di controllo carta X: Limiti di controllo carta R: centerline = X = 30 X i 30 centerline = R = 30 R i 30 = = 200 = = 5 UCL = X + A2 R = = LCL = X A2 R = = UCL R = D 4 R = = ; LCL R = D 3 R = 0 5 = 0 Esercizio 8. Per controllare un processo viene utilizzata una carta di controllo di tipo X con limiti di controllo ±3σ, UCL = 21.3 e LCL = La numerosità dei campioni è pari a. Sapendo che la specifica per la variabile di processo controllata è di 20 ± 2, determinare gli indici di capacità di processo C p e C pk. da cui si ottiene σ = USL = 22 ; LSL = 18 USL LSL C p = σ { 21.3 = µ + 3 σ 19.7 = µ 3 σ { 21.3 = σ µ = σ = ; µ = = 20.5 C p = { USL µ C pk = min, µ LSL 3σ 3σ = } = min = min {0.755, } = { , Il processo è appena capace di produrre, non centrato e non produce entro le tolleranze. } Esercizio 9. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla volta e viene
7 registrato il numero di pixel difettosi. In Fase I, la media e la varianza del numero di pixel non funzionanti trovati nelle ispezioni sono: µ = 3.7 e σ 2 = (a) Valutare, mediante il test di dispersione (con significatività α = 5%) se l ipotesi di distribuzione di Poisson deve essere respinta. Se la media e la varianza riportate nel testo sono esatte, allora i dati non possono essere Poissoniani perchè la media è diversa dalla varianza. Se, invece, sono una stima basata su un certo numero N di ispezioni, allora è necessario conoscere tale numero per effettuare il test di dispersione. Supponendo N = 20 si ha Inoltre, Segue che e i dati sono Poissoniani. ξ = (N 1)S2 X = = χ ,19 = χ ,19 = ξ [8.91, 32.85] (b) Ipotizzando che i dati siano poissoniani, calcolare la linea centrale (CL) e i limiti di controllo (UCL, LCL) della carta c. centerline = c = µ = 3.7 UCL = c + 3 c = = LCL = c 3 c = = (c) Ipotizzando che i dati siano gaussiani, calcolare la centerline e i limiti di controllo della carta X. centerline = X = µ = 3.7 I limiti di controllo sono dati da X ± 3ˆσ. ˆσ = =.35 Segue che UCL = X + 3ˆσ = = LCL = X 3ˆσ = = (d) Ricordando che in ogni ispezione vengono esaminati 20 schermi, calcolare la centerline e i limiti di controllo di una carta u che riporti il numero di non conformità per schermo ispezionato. 7
8 In questo caso r = 20. centerline = ū = c r = = I limiti di controllo sono ū UCL = ū + 3 r = = ū LCL = ū 3 r = = Esercizio 10. Consideriamo una caratteristica di qualità distribuita normale. (a) Calcolare limiti di controllo e centerline per una carta di controllo UWMA con w = 3, sapendo che X = 12.3 e s = 3.2. I limiti di controllo sono centerline = X = 12.3 per i = ± UCL = 21.9 LCL = 2.7 per i = ± UCL = LCL = 5.51 per i ± UCL = LCL =.7 (b) Calcolare i limiti di controllo di una carta EWMA per λ = 0.02 e L = 3 quando il numero di campioni è grande. Dopo un certo numero di campioni i limiti di controllo si stabilizzano. Si ha λ 0.02 ˆσ Z = s 2 λ = = 0.32 da cui si ottengono i limiti di controllo UCL = X + Lˆσ Z = = 13.2 LCL = X Lˆσ Z = = Esercizio 11. Consideriamo un processo con µ 0 = 10 e σ = 1. Costruiamo le carte di controllo EWMA per 8
9 1. λ = 0.1, L = 3 2. λ = 0.2, L = 3 3. λ = 0.4, L = 3 Discutere gli effetti di λ sull andamento dei limiti di controllo. Calcoliamo i limiti di controllo per campioni grandi, cioè quando i limiti di controllo sono praticamente costanti. 1. λ 0.1 ˆσ Z = s 2 λ = = I limiti di controllo sono UCL = X+Lˆσ Z = = LCL = X Lˆσ Z = = I limiti di controllo sono λ 0.2 ˆσ Z = s 2 λ = = 0. 3 UCL = X + Lˆσ Z = = LCL = X Lˆσ Z = = 9 3. I limiti di controllo sono λ 0.4 ˆσ Z = s 2 λ = 1 1. = 0.5 UCL = X + Lˆσ Z = = 11.5 LCL = X Lˆσ Z = = 8.5 All aumentare di λ si allargano i limiti di controllo. Esercizio 12. Un azienda che produce circuiti stampati controlla il numero di non conformità per unità utilizzando una carta di controllo u con centerline 2.5 e limiti di controllo 3.8 e 1.2. In Fase II vengono raccolti 3 ulteriori dati n. campione n. di circuiti n. tot. di non conformità
10 Sapendo che una unità è costituita da 50 circuiti stampati, verificare se qualcuno di questi 3 campioni è fuori controllo. Si ha n. campione n. di circuiti n. tot. n. unità n. medio di di non conformità ispezionate non conformità Il campione 3 è fuori controllo. Esercizio 13. Una carta di controllo X di Shewart ha centerline a 10 con limiti di controllo: U CL = 1, LCL = 4. Supponiamo di voler aggiungere a questa carta, una carta EWMA con λ = 0.1 e stessa ampiezza dei limiti di controllo in σ-unità della carta X. Quali sono i valori dei limiti di controllo, per molti campioni, della carta EWMA? Per una carta di controllo di Shewart, i limiti sono del tipo ±3σ. La centerline della carta X è 10, quindi X = 10. Sapendo che i limiti di controllo sono 1 e 4, possiamo trovare ˆσ X : ˆσ X = 1 4 ampiezza dell intervallo da cui segue ˆσ X = 2. A questo punto possiamo calcolare i limiti di controllo per la carta EWMA: UCL = X + Lˆσ Z = X λ L s 2 λ = = UCL = X Lˆσ Z = X λ 0.1 L s 2 λ = = 8.2 Esercizio 14. Supponiamo di analizzare 50 campioni, ciascuno costituito da 3 unità, estratti quando il processo era in controllo. Il numero totale di non conformità è 325. Supponendo che i dati siano Poissoniani, determinare centerline e limiti di controllo per il numero di non conformità per unità di prodotto. centerline = ū = ū UCL = ū + 3 r n c i n r = = 2.17 ū = 3.02 LCL = ū 3 r =
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
DettagliPRODUZIONE 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)
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
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
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
DettagliStatistica 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
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliSPC 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,
DettagliELEMENTI 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
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
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
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
DettagliEsercitazione #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
DettagliMetodologie statistiche per l analisi del rischio CONTROLLO STATISTICO DI PROCESSO PER IL MONITORAGGIO DEL RISCHIO NELL INDUSTRIA ALIMENTARE
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio CONTROLLO STATISTICO DI PROCESSO PER IL MONITORAGGIO DEL RISCHIO NELL INDUSTRIA ALIMENTARE
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:
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliANALISI 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
DettagliTEST 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
DettagliCarte 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
DettagliMetodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli
Programma dell insegnamento di Metodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli Corso di Laurea in Metodi Quantitativi per l Economia e la Gestione delle Aziende A.A. 2007-08 Disciplina
DettagliSTATISTICA (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
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
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
DettagliControllo 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
DettagliIl 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
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
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre
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
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliCORSO 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
DettagliEsercitazione 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
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
DettagliEsercitazione 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
DettagliTema 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
DettagliCorso 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
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliEsercizi 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
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
Dettagli2 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio
DettagliStatistica 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
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
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
DettagliIl 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
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliGestione 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
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
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliContinua 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
Statistica per l azienda Esame del 19.06.12 COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato
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
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
DettagliTeoria 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
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA Corso di laurea triennale in Statistica Gestione delle Imprese Laureando : Varotto Enrico Anno Accademico : 2004-2005 Relatore : Chiarissimo Prof.re G. Celant Titolo :
Dettagli1. RACCOLTA DEI DATI E FORMAZIONE DEI PRESENTANO, PER CIASCUNA DELLE DUE SOTTOGRUPPI GRANDEZZE (MEDIA ED ESCURSIONE), TRE
CARTE DI CONTROLLO LA CARTA DI CONTROLLO DI TIPO - R VIENE CARTE DI UTILIZZATA PER CONTROLLARE UNA VARIABILE MISURABILE DI UN PROCESSO CONSENTE CONTROLLO IL MONITORAGGIO SIA DELL'ANDAMENTO DEL VALOR MEDIO,
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliServizi di consulenza specialistica per IGRUE 2009 2012
Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di
DettagliUn 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
DettagliElementi 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
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
DettagliLe Carte di Controllo del Processo
ISI MANUALE PER CORSI QUALITÀ dispensa data modifica del livello Q-051 01.06.94 01 25.07.95 BLU Le Carte di Controllo del Processo MANUALE DI UTILIZZO ISI CARTE DI CONTROLLO pagina 2 di 13 Introduzione.
DettagliMATEMATICA 5 PERIODI
BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE
DettagliCorrezione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia
Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliProbabilità e Statistica ESERCIZI. EsercizioA3 Data la variabile aleatoria normale standard Z, si calcoli la probabilità
Probabilità e Statistica ESERCIZI EsercizioA1 Data la variabile aleatoria normale standard Z, si calcoli la probabilità che Z sia minore o uguale di 1,2. Soluzione La probabilità che una variabile aleatoria
DettagliCorso di Statistica. Corso di Laurea in Ingegneria Edile. Ingegneria Tessile. Docente: Orietta Nicolis
Corso di Statistica Corso di Laurea in Ingegneria Edile ed Ingegneria Tessile Docente: Orietta Nicolis Orario del corso: Martedì: dalle 16.00 alle 18.00 Giovedì: dalle 9.30 alle 11.30 Ricevimento: Mercoledì:
DettagliStatistica. 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
DettagliStatistical Process Control
Statistical Process Control 1 Introduzione SPC si occupa del miglioramento della qualità. I metodi per il miglioramento della qualità possono essere applicati a qualsiasi area in una fabbrica o organizzazione
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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
DettagliCHE COSA CAMBIA CON LA NUOVA NORMA EUROPEA PER PROFILI IN PVC UNI EN 12608
COSTRUIRE SERRAMENTI IN PVC CHE COSA CAMBIA CON LA NUOVA NORMA EUROPEA PER PROFILI IN PVC UNI EN 12608 1 La norma europea rivolta alla definizione delle caratteristiche dei profili in PVC per finestre
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
Dettagli8 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
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
DettagliEsercitazione 23 maggio 2016
Esercitazione 5 maggio 016 Esercitazione 3 maggio 016 In questa esercitazione, nei primi tre esercizi, analizzeremo il problema del moral hazard nel mercato. In questo caso prenderemo in considerazione
DettagliMonitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro
ISTAT 17 gennaio 2002 Monitoraggio sulla conversione dei prezzi al consumo dalla Lira all Euro Nell ambito dell iniziativa di monitoraggio, avviata dall Istat per analizzare le modalità di conversione
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
DettagliCollegamento a terra degli impianti elettrici
Collegamento a terra degli impianti elettrici E noto che il passaggio di corrente nel corpo umano provoca dei danni che possono essere irreversibili se il contatto dura troppo a lungo. Studi medici approfonditi
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliIl 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
DettagliSe i campioni sono k il numero dei moving range è k-1 (MR1 non esiste), il valore medio delle variazioni mobili di calcola con la seguente formula:
Carta di controllo X o per individui SW0003682 Creazione 20/11/2013 Revisione del 20/11/2013 Numero 1 E' stato introdotto un nuovo strumento di analisi dei processi produttivi a disposizione degli operatori
Dettagli15. Analisi del rapporto tra costi, volumi e risultati. Ragioneria Generale ed Applicata Sede di Fano
15. Analisi del rapporto tra costi, volumi e risultati Ragioneria Generale ed Applicata Sede di Fano UNO STRUMENTO PER L ANALISI CONGIUNTA DELL ANDAMENTO DEI COSTI, RICAVI, RISULTATI B.E.P.= break even
DettagliSISTEMA di GESTIONE QUALITÀ Non Conformità ed Efficacia delle Azioni Correttive Preventive
SISTEMA di GESTIONE QUALITÀ Non Conformità ed Efficacia delle Azioni Correttive Preventive Il sistema di gestione della qualità a cui mi riferisco è quello relativo alla norma ISO-9001:2000. Prima di entrare
DettagliGESTIONE INDUSTRIALE DELLA QUALITÀ A
GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che
DettagliAnalisi 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
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
DettagliMetodologie statistiche per l analisi del rischio CONTROLLO STATISTICO DI PROCESSO PER IL MONITORAGGIO DEL RISCHIO NELL INDUSTRIA ALIMENTARE
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio CONTROLLO STATISTICO DI PROCESSO PER IL MONITORAGGIO DEL RISCHIO NELL INDUSTRIA ALIMENTARE
DettagliMANUALE D'USO. ORIONE DI BISTULFI srl - Via Moscova, 27-20121 MILANO tel: 026596553-4 info@orionesrl.it www.orionesrl.it 1
MANUALE D'USO Il software SUBB permette di importare dati misurati da un termoflussimetro, elaborarli e calcolare la conduttanza della struttura per mezzo di due metodi: il metodo delle medie progressive
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
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
DettagliLa propagazione della luce in una fibra ottica
La propagazione della luce in una fibra ottica La rifrazione della luce Consideriamo due mezzi trasparenti alla luce, separati da una superficie piana. Il primo mezzo ha indice di rifrazione n, il secondo
DettagliPerché il logaritmo è così importante?
Esempio 1. Perché il logaritmo è così importante? (concentrazione di ioni di idrogeno in una soluzione, il ph) Un sistema solido o liquido, costituito da due o più componenti, (sale disciolto nell'acqua),
DettagliENERGY HUNTERS. dettagli sulla procedura di lavoro per il mini eolico
ENERGY HUNTERS dettagli sulla procedura di lavoro per il mini eolico ENERGY HUNTERS E IL VENTO Il core business di Energy Hunters, nonchè la risorsa e l idea che ci ha motivato è il vento, e in particolare
DettagliL orizzonte temporale nei prospetti semplificati dei fondi aperti. Nota di studio. Ufficio Studi
L orizzonte temporale nei prospetti semplificati dei fondi aperti Nota di studio Ufficio Studi Gennaio 2012 1 1] Premessa Nel corso del 2010 uno degli obiettivi del Gruppo di Lavoro Rischio e Classificazione
DettagliStatistica:indici di posizione e dispersione
Statistica:indici di posizione e dispersione Se lo stipendio di ciascun impiegato statale venisse aumentato del 6% come cambierebbe lo stipendio medio? E la deviazione standard degli stipendi? Statistica:indici
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
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
DettagliCONCETTO DI ANNIDAMENTO
LEZIONE14 SQL ANNIDAMENTI PAG. 1 / 5 PROF. ANDREA ZOCCHEDDU LEZIONE14 SQL ANNIDAMENTI CONCETTO DI ANNIDAMENTO LINGUAGGIO SQL QUERY ANNIDATE Per annidamento si intende la possibilità che, all interno di
Dettagli