Cap. 5. Il progetto sperimentale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Cap. 5. Il progetto sperimentale"

Transcript

1 Cap. 5 Il progetto sperimentale

2 Introduzione La sperimentazione è l orizzonte entro cui genera e sviluppa ogni processo progettazione. Per questo motivo in questo capitolo introduce un metodo progettazione basato sulla pianificazione esperimenti: il progetto dell esperimento (o la pianificazione statistica degli esperimenti) incato, in lingua inglese, con il termine Degn of Experiment (DOE), [35], [36], [37], [38], [39]. Il metodo, cui presentano i concetti fondamentali, rappresenta l ideale riferimento concettuale ogni tipo sperimentazione che intenda fare chiarezza su un processo e pertanto, applica molto bene al miglioramento progetti seguendo il percorso: problema - causa - rimeo 246

3 Schema della procedura ottimizzazione un processo [38] La procedura ottimizzazione un processo è riconducibile allo schema seguente: Processo Implementazione delle azioni Osservazioni Rilievo dei dati Decioni Formulazione delle azioni Diagno Scoperta dei punti deboli Valutazioni Anali dei dati 247

4 Progettazione dei parametri In particolare, nelle fa progettazione concettuale e costruttiva un prodotto o un processo, il DOE è utile nella ricerca dei valori ottimali delle variabili che influenzano il comportamento del stema, cioè dei parametri controllo, in quanto con questo metodo identificano quali tali parametri, detti fattori e quali loro combinazioni, ottimizzano il risultato del processo, in termini affidabilità, riduzione dei costi o quala altro criterio che rappresenti il miglioramento un ince qualità. E E importante importante stinguere stinguere tra tra il il concetto concetto sperimentazione sperimentazione e e il il concetto concetto prova prova La La prova prova è è una una attività attività da da condur condur su su un un processo processo estente estente con con lo lo scopo scopo verificare verificare se se esso esso sodsfi sodsfi alle alle attese, attese, nelle nelle conzioni conzioni operative operative reali. reali. Come Come conseguenza conseguenza dei dei risultati risultati delle delle prove prove introducono introducono varianti varianti e e sottopone sottopone il il processo processo moficato moficato a a nuove nuove prove prove controllo. controllo. La La sperimentazione, sperimentazione, viceversa, viceversa, consente consente verificare: verificare: - - quale quale variabile variabile ha ha influenza influenza sulla sulla risposta risposta del del stema, stema, - - per per quali quali valori valori delle delle variabili variabili ha ha una una risposta risposta ottimale. ottimale. 248

5 Il progetto dell esperimento punta alla caratterizzazione del processo e alla scoperta delle relazioni causa effetto tra le variabili ingresso e le variabili in uscita. Costituisce quin la premessa per un modo affrontare i problemi nell ottica dell ingegneria concorrente (ve oltre), che è la coddetta progettazione dei parametri o progettazione robusta che punta all operatività funzionalmente corretta del stema in ogni circostanza e a costi minimi. In altre parole opera una scelta oculata dei parametri controllo in modo tale che il stema svolga la funzione prevista correttamente anche in presenza variabili sturbo (rumore), non sempre prevebili e controllabili. In nte la procedura è la seguente: - identifica la risposta del stema interesse, cioè la (o le) variabile/i pendente/i in uscita (risultato dell esperimento) che ha/hanno il gnificato ince/i qualità e inviduano le variabili in ingresso (dette fattori ), che presumibilmente, sulla base della esperienza, hanno influenza sul risultato. Questi fattori possono essere qualitativi o quantitativi, e, in questo ultimo caso, possono variare in modo continuo o in modo screto. - pianifica un congruo numero prove, definendo il numero degli stati (o livelli) dei fattori in corrispondenza dei quali vuole determinare il valore della risposta del stema. 249

6 Piani prova con variazione un fattore alla volta Se sperimentasse variando un fattore alla volta pianificherebbero solo 4 prove in corrispondenza dei livelli incati nella figura, con rischio perta informazione sugli effetti dei fattori sul risultato del processo. Viceversa l esame tutte le 8 combinazioni, cioè un piano fattoriale completo, offre una informazione completa sugli effetti dei fattori. 4 Non Non può può inoltre inoltre a a priori priori escludere escludere che che i i risultati risultati migliori migliori della della risposta risposta del del processo processo realizzino realizzino per per valori valori ver ver dai dai valori valori estremi estremi sperimentati. sperimentati. Allora, Allora, quando quando è è posbile, posbile, cioè cioè quando quando i i fattori fattori sono sono quantitativi quantitativi e e variano variano in in modo modo continuo, continuo, può può interpolare interpolare la la risposta risposta del del stema stema con con un un modello modello matematico matematico in in punti punti del del dominio dominio ver ver da da quelli quelli rettamente rettamente sperimentati. sperimentati

7 Piani fattoriali prova completi Con un solo fattore e con n livelli devono pianificare n prove, con 2 fattori e con 2 livelli (per es. un livello minimo e un livello masmo o due stati ver del fattore) devono pianificare 2 2 prove. con k fattori, il numero combinazioni prova con 2 livelli è 2 k per 3 livelli hanno 3 k posbili combinazioni prova, ecc. Per es., nel caso particolare 3 fattori a 2 livelli, il dominio definizione delle variabili inpendenti, se normalizzano i livelli minimo e masmo ai valori -1 e +1, è rappresentato dallo spazio delimitato da un cubo con le coornate riportate nello specchietto: I I vertici vertici hanno hanno coornate: coornate: 1 1 (-1,-1,-1), (-1,-1,-1), 2 2 (+1,-1,-1), (+1,-1,-1), 3 3 (-1, (-1, +1,-1), +1,-1), 4 4 (+1, (+1, +1,-1), +1,-1), 5 5 (-1,-1, (-1,-1, +1), +1), 6 6 (+1,-1, (+1,-1, +1), +1), 7 7 (-1, (-1, +1, +1, +1), +1), 8 8 (+1, (+1, +1, +1, +1) +1) 251

8 I punti carni Riassumendo, l esperimento offre una interpretazione statistica della realtà, attraverso i seguenti strumenti: - L anali della variabilità dei dati - I test gnificatività (test delle ipote) - La ripetizione delle prove (per la stima dell errore sperimentale) - Il calcolo degli effetti dei fattori - L anali della eventuale interazione tra gli effetti - Il calcolo della varianza degli effetti - Lo sviluppo un eventuale modello matematico empirico come superficie risposta - Quando i fattori sono molto numero sviluppano piani fattoriali frazionari per la riduzione del numero delle prove limitando la perta della informazione rispetto ai piani fattoriali completi. La La ripetizione ripetizione delle delle prove prove ( ( inca inca con con m il il numero numero delle delle ripetizioni), ripetizioni), consente consente la la stima stima dell errore dell errore sperimentale sperimentale e e la la riduzione riduzione della della variabilità variabilità dovuta dovuta ad ad esso, esso, secondo secondo la la ben ben nota nota espresone espresone della della deviazione deviazione standard standard che che vale, vale, per per la la mea mea delle delle prove prove ripetute, ripetute, ( ( veda veda oltre): oltre): 252

9 L anali della variabilità dei dati. Progetto fattoriale a un fattore a più livelli [36] ε Disturbi (tutti i fattori ver da quelli ingresso) Ingres x Fattori controllo Sistema Uscite y Inci qualità Si illustra la base del metodo con un semplice esempio progetto un materiale: In un laboratorio metallurgico vuole scoprire quale percentuale un elemento lega è efficace per ridurre la temperatura tranzione (T.T.) un acciaio. Si programma un esperimento per scoprire l influenza del fattore, conderato a otto livelli: 1%, 2%, 8%. Quante prove devono programmare? Sia y = riduzione della T.T. rispetto a una fissata, per (%) crescente componente lega. Si prepara una matrice degli esperimenti così organizzata. Si pongono: - come ince riga il numero i=1 R delle ripetizioni (o repliche) dell esperimento, - come ince colonna il numero dei livelli j=1 C - nelle caselle i valori y determinati, (la riduzione della temperatura tranzione). 253

10 TABELLA 1: Risultati delle prove (ripetute 3 volte) (Mea generale tutti i dati del campione y.. = 20) La domanda è la seguente: Una variazione percentuale del componente lega come influenza l ince che dedera migliorare? Si calcolano le mee colonna per colonna e riportano nell ultima riga. - Le colonne sono C=8 - Le righe sono R=3 254

11 Progetto a un fattore (con C=8 livelli e R=3 ripetizioni) i=1 i=2 i=3 Mea colon I risultati delle prove sono stati posti in grafico per mostrare l incertezza un giuzio sulla efficacia del fattore, se ci affida a una semplice impresone e prescinde da una interpretazione statistica. Le curve collegamento dei punti sono state inserite solo al fine visualizzare la fluttuazione dei dati. Le mee colonna sono unite da una linea continua. La linea mea ha una fluttuazione minore (ve l espresone vista per la deviazione della mea). Con sole due prove, percentuale min. e max., sarebbe ottenuto l andamento rettilineo incato. 255

12 Modello statistico (1) * (Più precisamente l effetto delle variabili non prese in conderazione). 256

13 Sostituendo ai valori incogniti le stime sul campione, ha un modo per misurare la variabilità della risposta del processo. è una stima μ (mea generale o gran mea) è una stima τ è una stima dell errore sperimentale Pertanto ha, al posto della (1), la stima incata nella figura precedente: Se esegue il quadrato entrambi i membri e sommano rispetto ai due inci delle prove (j) e delle ripetizioni (i), osserva che i termini del doppio prodotto danno contributo nullo; rimangono solo i termini incati nel seguito. 257

14 (2) 258

15 Uso dell anali della varianza per la valutazione della gnificatività dei fattori L espresone precedente scinde la variabilità totale, (somma del quadrato tutte le stanze dal valore meo) in due termini: la variabilità dei risultati dovuta agli effetti dei fattori controllo e la variabilità dovuta ai fattori non conderati, origini degli errori sperimentali. Tali variabilità vengono rese confrontabili una volta che ano vise per il numero dei confronti posbili fra i ver valori (gra libertà), che valgono rispettivamente C-1 (confronti tra le colonne) e C(R-1). (R-1 sono i confronti posbili tra i dati riga in ciascuna colonna e C(R-1) quelli posbili tra tutti i dati riga). Si ottengono così le mee quadratiche. Al fine condurre in modo razionale l anali della varianza (ANOVA) è bene organizzare i dati come nella tabella seguente: 259

16 Organizzazione dell ANOVA TABELLA 2 Nell ultima colonna riporta il rapporto tra la mea quadratica tra le colonne e la mea quadratica tra le righe che ha il gnificato errore sperimentale. 260

17 I risultati dell esperimento precedente in coornate polari mostrano il gnificato delle somme e delle mee quadratiche che costituiscono l ANOVA. La somma quadratica delle stanze tutti i punti dalla mea generale è data da: SStot= =724 Si osserva nella figura nella pagina succesva, una notevole sperone dei dati rispetto alla mea generale come effetto del fattore controllo sommato all influenza dei sturbi. Il solo effetto del fattore a 8 livelli è rappresentato dalla somma quadratica delle fferenze tra le mee colonna (contrassegno circolare della seconda figura) e la mea generale. Nella stessa figura il centro rappresenta la mea generale e la somma quadratica delle stanze dal centro è data dal valore 432. Poiché le mee sono 8 e quin il numero dei confronti posbili, cioè i gra libertà, è pari a 7, la mea quadratica è espressa dal rapporto MS B =SS B /7= 61,7. =432 SSB= =

18 Infine l effetto dell errore sperimentale (che comprende anche gli effetti delle variabili non prese in conderazione), è incato dalla somma quadratica delle fferenze tra ciascun valore e la corrispondente mea colonna. Nella figura è rappresentato dalla somma quadratica delle stanze tutti i punti dal centro che rappresenta le mee ciascuna colonna. Anche in questo caso la mea quadratica è ottenuta videndo la somma quadratica per il numero dei confronti posbili, cioè dei gra libertà, che è pari a C(R-1)= 16. SSW= =292 MSW=292/16=18,3 La sperone dei punti rispetto alla mea colonna è molto contenuta ed è dovuta all effetto dell errore. Le mee quadratiche sono grandezze confrontabili tra loro. 262

19 La Tabella 3 ntetizza l ANOVA. Il rapporto tra le mee quadratiche dà la stima della influenza sul risultato del processo dei fattori controllo rispetto a quella dei fattori non pre in conderazione o del tutto casuali (errore sperimentale). TABELLA 3 Causa variazione Somma dei quadrati Gra libertà DOF Mea quadratica Rapporto F % Ni ,7 61,7/18,3= 3,4 >1 Errore ,3 Totale Poiché quel rapporto F= 3,4 è maggiore 1 potrebbe concludere che esta un fondato sospetto che il fattore abbia influenza sul risultato. Si può dare supporto statistico a questa affermazione (quel rapporto è un numero casuale in funzione del campione scelto), ricordando che il rapporto tra mee quadratiche provenienti da una stessa stribuzione gausana, conderata rappresentativa per gli errori sperimentali, è anch essa variabile aleatoria che segue la stribuzione Fischer, con gra libertà 7 per il numeratore e 16 per il denominatore. 263

20 Test dell ipote Si supponga ora, con riferimento alla figura che, per esempio, un valore F minore 2,2 abbia una probabilità presentar del 95 %. Se il valore calcolato cade oltre quella soglia, la probabilità che questo valore appartenga a questa stribuzione è minore del 5 % ed è rappresentata da una area uguale o minore quella incata in grigio. Si scrive anche α=0,05. Si può concludere che un valore F pari a 3,4 è improbabile che sodsfi a quella stribuzione e quin che le due mee quadratiche, quella che stabilisce l effetto dei fattori e quella che deriva dalla ripetizione delle prove, derivino dalla stessa popolazione con la stribuzione tipica dell errore sperimentale. 264

21 Errori del I e del II tipo In altre parole l effetto dei fattori è gnificativo (rispetto all errore sperimentale) nel rapporto 100 a 5. In ogni caso può commettere un errore valutazione: se ritiene infatti l effetto dei fattori non gnificativo, o come ce, accetta l ipote nullità H o, rischia un errore I tipo, pari almeno al 95%, mentre se rifiuta l ipote H o e accetta l ipote alternativa H 1 efficacia dei fattori, rischia un errore II tipo, pari al più, al 5%. Si può anche re alternativamente che ha fiducia almeno al 95% avere preso la decione giusta. Concludendo l esempio visto, può affermare che l elemento ha efficacia nel ridurre la temperatura tranzione con una probabilità 20 ad

22 Il concetto interazione Si ha interazione tra gli effetti quando verifica una variazione della risposta rispetto al valore che essa avrebbe se i ngoli effetti agissero ngolarmente. In altre parole la risposta è versa dalla somma delle risposte dovute agli effetti separati. Ci limita a un esempio un piano a due fattori, dove R = livelli x 1 C = livelli x 2 (avendo rappresentato i fattori in modo amenonale, con -1, o semplicemente per il valore più basso e +1 oppure + per il valore più alto). Ci domanda quale è il valore della risposta y = ab quando entrambe le variabili sono al loro valore superiore. TABELLA 4 x1 x =5 b=9 +1 a=11 ab =? Il Il valore valore ottenuto ottenuto per per -1,-1-1,-1 inca inca con con 1 1 Il Il valore valore ottenuto ottenuto per per +1,-1 +1,-1 inca inca con con a a Il Il valore valore ottenuto ottenuto per per -1,+1-1,+1 inca inca con con b b Il Il valore valore ottenuto ottenuto per per +1,+1 +1,+1 inca inca con con ab ab (Notazione (Notazione Yates) Yates) Dall esame Dall esame della della matrice matrice deduce deduce che, che, se se ab ab = non non c è c è interazione, interazione, mentre mentre se se ab ab > c è c è interazione interazione potiva potiva e e se se ab ab < c è c è interazione interazione negativa. negativa. 266

23 La rappresentazione grafica della risposta I punti che rappresentano la risposta del stema sono stati collegati tra loro per mettere in luce il fatto che, nel ca assenza interazione es giacciono su un piano, mentre nel caso interazione appartengono ad una superficie curva che verrà definita in seguito. ab=? b=9 a=11 1=5 x 2 (-1,+1) (+1,+1) (-1,-1) x 1 (+1,-1) 267

24 Progetti fattoriali a 2 fattori e a 2 livelli con prove ripetute La Tabella seguente offre un esempio esperimento fattoriale completo a 2 livelli. Ogni casella riporta i due valori ciascuna prova ripetuta (k=2) e la casella sottostante la loro mea. Le mee riga e colonna sono incate rispettivamente nell ultima colonna e nella riga più in basso. i=1 x1 x2 TABELLA 5 j=1 j= mea riga mea cella 1=5,5 b=8,5 7 i= mea cella a=9,5 ab=17,5 13,5 mea colonna 7,5 13 gran mea 10,25 268

25 Modello statistico Il modello statistico è il seguente: (3) dove: i= 1.R livello riga J= 1.C livello colonna k = 1 n repliche I ij è l effetto interazione con il seguente gnificato dei mboli: mea generale o gran mea mea riga mea colonna mea cella 269

26 Per k ripetizioni della prova, in analogia col modello ad un solo fattore, per un campione finito, può scrivere : (4) dove il primo termine a secondo membro è la mea, il secondo termine in parente l effetto riga, il terzo l effetto colonna, il quarto l interazione e il quinto l errore. Il termine interazione può scriver, in modo più facilmente interpretabile, come: Esso esprime l effetto interazione come costituito dalla fferenza tra la mea cella e la mea generale, minuita dell effetto della variabile riga e dell effetto della variabile colonna. L interazione infatti rappresenta proprio l eccedenza o la minuzione rispetto agli effetti delle ngole variabili. 270

27 Quadrando entrambi i membri della (4) e sommando rispetto ai tre inci ottiene: ) 2 5) e, per i corrispondenti gra libertà, incati con DOF (Degree of Freedom), ha la relazione seguente, dove il primo termine rappresenta i gra libertà riga, il secondo colonna, il terzo dell effetto interazione e il quarto dell errore. 271

28 Si può ora organizzare l anali della varianza secondo la Tabella 6: TABELLA 6 272

29 che dà il risultato seguente: TABELLA 7 Test delle ipote. Il gnificato delle ipote è il seguente: per α=0,05 (DOF=1 per il numeratore e 4 per il denominatore), F=7,71 H 0: tutte le mee riga nella Tabella 5 sono da conderar uguali se F è minore o uguale 7,71. (Differiscono solo per l errore sperimentale) H 1 : non tutte le mee riga sono da conderar uguali, se F è maggiore 7,71 Poiché F c >7,71 scarta l ipote H 0 Analogamente per le mee colonna. Poiché F c >7,71 scarta l ipote H 0 Poiché anche per l interazione tra i fattori ha F c >7,71 scarta l ipote H 0 e condera l ipote H

30 Effetti principali ed effetti interazione dei fattori Si definisce effetto un fattore la variazione mea della risposta del stema prodotta da una variazione del livello del fattore. Per esempio, nel caso visto della Tabella 5, l effetto principale del fattore x 1 può essere pensato come fferenza tra la mea delle risposte del livello più alto x 1 meno la mea delle risposte al livello più basso x 1, cioè: A=(a+ab)/2- (1+b)/2 =13,5 7=6,5 che è l aumento della risposta sul piano meo incato. ab x 2 8,5 17,5 b 5,5 9,5 a x 1 1 x 2 (-1,+1) (+1,+1) (-1,-1) x 1 (+1,-1) 274

31 Se il valore ab sta sul piano inviduato dai tre punti 1,a,b, non ha interazione tra i fattori e ab assumerebbe il valore 12,5. Poiché 17,5>12,5 i quattro punti inviduano una superficie ( rigata ). Il valore ab eccede quello che avrebbe in assenza interazione, della quantità: (ab-b)-(a-1) Sul piano meo incato, poiché b è immutato, questa eccedenza vale la metà: [(ab-b)-(a-1)]/2 ab In In altre altre parole, parole, poiché poiché l effetto l effetto x x 1 pende 1 pende dal dal livello livello scelto scelto per per x x 2 ( 2 ( a a livello livello inferiore inferiore x x 2 2 A= A= 9,5-5,5= 9,5-5,5= 4, 4, mentre mentre b al al livello livello superiore superiore x x 2 2 A= A= 17,5-8,5=9), 17,5-8,5=9), 1 x 2 (-1,-1) (-1,+1) (+1,+1) x 1 (+1,-1) a este este un un effetto effetto interazione interazione che che è è appunto appunto la la fferenza fferenza mea mea tra tra i i due due effetti effetti A A calcolati calcolati per per il il valore valore più più alto alto e e per per il il valore valore più più basso basso x x 2 : 2 : AB=(9- AB=(9-4)/2=2,5 4)/2=2,5 275

32 Risposta y Risposta y Rappresentazione grafica degli effetti Si può illustrare la presenza interazione con i grafici seguenti Fattore x 1 Fattore x 1 x2=-1 x2=+1 x2=-1 x2=+1 8,5 x 2 5,5 9,5 8,5 x 2 x 1 4 5,5 9,5 x 1 17,5 Il Il non non parallelismo parallelismo inca inca appunto appunto un un effetto effetto interazione interazione (potiva (potiva nel nel caso caso prima prima esaminato). esaminato). Viceversa Viceversa nel nel secondo secondo grafico grafico che che riferisce riferisce ad ad un un posbile posbile piano piano fattoriale fattoriale riportato riportato a a fianco, fianco, verso verso da da quello quello scusso, scusso, manifesta manifesta una una interazione interazione negativa. negativa. Si Si può può concludere concludere che che in in generale, generale, quando quando riscontra riscontra che che la la fferenza fferenza nella nella risposta risposta tra tra i i livelli livelli un un fattore fattore non non è è la la stessa stessa a a tutti tutti i i livelli livelli dell altro dell altro fattore, fattore, ha ha interazione interazione tra tra i i fattori. fattori. 276

33 Un algoritmo per il calcolo degli effetti Riassumendo, gli effetti sulla variabile pendente y sono: A = dovuto alla prima variabile inpendente x 1 B = dovuto alla seconda variabile inpendente x 2 AB = dovuto all effetto combinato entrambe le variabili inpendenti calcolano in questo modo: Si può automatizzare questo processo calcolo preparando una tabella organizzata nel modo seguente, valida per m=rc=4, numero delle combinazioni prova e per n=2, numero delle ripetizioni e per Ў che inca la mea delle due ripetizioni. 277

34 Matrice calcolo degli effetti TABELLA = 5 6 5, a= , b= 8 9 8, ab= ,5 Effetti b 0 =Σ/4 =10,25 A=Σ/2 =6,5 B=Σ/2 =5,5 AB = Σ/2=2,5 Gli effetti A, B, AB calcolano moltiplicando i risultati me tutte le prove per i valori corrispondenti colonna e sommando i contributi. Il risultato così ottenuto va viso per la metà del numero delle combinazioni prova (in questo caso 4/2), al fine ricavare correttamente i valori degli effetti. 278

35 Matrice calcolo per un piano fattoriale completo a tre fattori e due livelli 2 3 TABELLA 9 N I x 1 x 2 x 1 x 2 x 3 x 1 x 3 x 2 x 3 x 1 x 2 x 3 y a b ab c ac bc abc Effetti Σ/8 A= Σ/4 B= Σ/4 AB= Σ/4 C= Σ/4 AC= Σ/4 BC= Σ/4 ABC= Σ/4 Diviso per N/2 Coeffic. b (Ve oltre) b 0 = Σ/8 b 1 = A/2 b 2 = B/2 b 12 = AB/2 b 3 = C/2 b 13 = AC/2 b 23 = BC/2 b 123 = ABC/2 279

36 Lo sviluppo un modello matematico empirico Una volta calcolati gli effetti (principali e interazione) tutte le variabili, risulta immeato il riconoscimento della combinazione prova che dà il risultato migliore. Se inoltre le variabili sono quantitative e continue possono interpolare i risultati, utilizzando una funzione bilineare (rigata), idonea per i piani fattoriali a due livelli, che nel caso due fattori è: Nel caso tre fattori a due livelli impiega una funzione multilineare: (è facile riconoscere che i coefficienti delle variabili sono costituiti dagli effetti vi per 2, per tenere conto del fatto che gli effetti rappresentano l incremento della variabile in uscita per due unità variazione delle variabili ingresso, da -1 a 0 e da 0 a +1). La relazione generale a tre fattori ( con l incazione dei termini per quella a due fattori) è la seguente: 280

37 Uso dell anali della varianza per la valutazione della gnificatività degli effetti La relazione generale precedente riferita a due fattori: dove ε è l errore. può essere scritta per ciascuno delle i prove, con i=1..m = RC (numero totale delle prove), come: ŷ i =b 0 +A/2 x i1 +B/2 x i2 +AB/2 x i1 x i2 dove i coefficienti rappresentano la stima degli effetti ottenuta per una prova. Nell esempio visto a due fattori i coefficienti sono i seguenti: ŷ i =10,25 +6,50/2 x i1 +5,50/2 x i2 +2,50/2 x i1 x i2 E ora posbile condurre un anali della varianza dei coefficienti per tutto il numero delle prove e per tutte le ripetizioni, per valutare quali es sono statisticamente gnificativi. 281

38 Variabilità del modello dovuta agli effetti Se porta b 0 a primo membro e calcolano le somme quadratiche estese a tutte le ripetizioni della prova j =1 n e a tutte le combinazioni i = 1. m = = RC (Tab.5) ottiene, (le sommatorie per i doppi prodotti annullano): j o j 282

39 Somme quadratiche Se incano con: SS(A)= nm A 2 /4 SS(B)= nm B 2 /4 SS(AB)= nm AB 2 /4 SS(modello) = Σ Σ y 2 ij SS(mea)= nm b 2 0 le relazioni viste, può scrivere nel caso 2 fattori a 2 livelli : SS(modello)- SS(mea)=SS(A)+SS(B)+SS(AB) e, nel caso tre fattori a due livelli: SS(modello)- SS(mea)= =SS(A)+SS(B)+SS(AB)+SS(AC)+SS(BC)+SS(ABC) 283

40 Significatività degli effetti Riassumendo, nel caso particolare due variabili a due livelli, ha: SS(modello)- SS(mea) = SS(A) + SS(B) + SS(AB) In generale per un piano 2 k dove ognuna delle m=2 k combinazioni prova è ripetuta n volte, la somma dei quadrati dovuta a ciascun effetto E è data da: con un grado libertà. SS(E)= (nm) E 2 /4 Per valutare la correttezza del modello proposto con gli effetti stimati dall esperimento, è necessario determinare il gnificato del contributo ogni effetto nella somma totale dei quadrati tutti i dati ricavati. Soltanto gli effetti che danno elevata variazione contribuiscono gnificativamente al modello, mentre quelli con variazione paragonabile a quella dell errore sperimentale vanno esclu. La varianza dell errore può essere stimata come reduo tra SS(modello) e la somma tutte le altre somme quadratiche, con il relativo grado libertà. 284

41 Tabella ANOVA per gli effetti La tabella ANOVA precedente può ancora essere utilizzata ricordando che m è il numero totale delle prove (pari a R.C=4) e n=2 è il numero delle ripetizioni. L ANOVA è organizzata in questo modo: TABELLA 10 Sorgente variazione Somma dei quadrati Gra libertà Mee quadratiche Valori calcolati F Dovuta ad A SS(A) 1 MS(A) MS(A)/σ 2 > C Dovuta a B SS(B) 1 MS(B) MS(B)/σ 2 > C Dovuta ad AB SS(AB) 1 MS(AB) MS(AB)/σ 2 > C Totale - Mea Reduo dovuto all errore sperimentale puro SS Tot- SS(mea) SS Tot- SS(mea) - SS(A)- SS(B)- SS(AB) mn-1= =4x2-1=7 7-3=4 σ 2 Ciascun valore calcolato F calc deve essere confrontato con il valore soglia C per una curva corrispondente a 1 e 4 gra libertà. 285

42 I valori numerici dell esempio visto sono: Effetti b 0 =10,25 A=6,5 B=5,5 AB=2,5 Σ Σ y ij 2 =1000 Se sostituiscono i valori numerici nelle espresoni delle somme quadratiche ha (n=2, m=4): SS(A)= nm A 2 /4=84,50 SS(B)= nm B 2 /4= 60,50 SS(AB)= nm AB 2 /4=12,50 SS(modello) = Σ Σ y ij 2 =1000 SS(mea)= nm b 02 =840,50 TABELLA 10 Sorgente variazione Somma dei quadrati Gra lib. Mee quadratiche Valori calcolati F Dovuta ad A 84, , Dovuta a B 60, , Dovuta ad AB 12, ,50 25 Totale - Mea ,50=159,50 7 Reduo (err. sp.) 2,00 4 0,5 286

43 Effetti gnificativi Nella Tabella esaminano ver livelli gnificatività TABELLA 10 Significatività C ( DOF 1 num. e 4 den.) Confronto Conseguenza 0,750 1,81 Fcalc>C A, B e AB sono gnificativi 0,900 4,55 A,B e AB sono gnificativi 0,950 7,71 A,B e AB sono gnificativi 0,990 21,20 Fcalc<C Solo A e B sono gnificativi 0,999 74,14 Fcalc<C Solo A è gnificativa Per i tre ca il modello matematico riduce rispettivamente a: y=10,25 +6,50/2 x 1 +5,50/2 x 2 +2,50/2 x 1 x 2 y=10,25 +6,50/2 x 1 +5,50/2 x 2 y=10,25 +6,50/2 x 1 287

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Progettazione del processo

Progettazione del processo Progettazione del processo produttivo Il miglioramento della qualità e della produttività ha maggiore efficacia quando è parte integrante del processo di realizzazione del prodotto. In particolare l uso

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

Progettazione del processo produttivo

Progettazione del processo produttivo Progettazione del processo produttivo Il miglioramento della qualità e della produttività ha maggiore efficacia quando è parte integrante del processo di realizzazione del prodotto. In particolare l uso

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A. CLASSE quinta INDIRIZZO AFM-SIA-RIM-TUR UdA n. 1 Titolo: LE FUNZIONI DI DUE VARIABILI E L ECONOMIA Utilizzare le strategie del pensiero razionale negli aspetti dialettici e algoritmici per affrontare situazioni

Dettagli

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corsi di Specialità Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologie

Dettagli

VERIFICA DELLE IPOTESI

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

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia Meccanica A.A. 2005-2006 Prof. Paolo Vigo Indice 1. Errori ed Incertezze 2. Errori Sistematici ed Accidentali 3. Proprietà degli Strumenti

Dettagli

9. La distribuzione 2 e i test per dati su scala nominale

9. La distribuzione 2 e i test per dati su scala nominale 9. La distribuzione e i test per dati su scala nominale 9.1. La distribuzione 9. 1. 1. La statistica e la sua distribuzione In una popolazione distribuita normalmente con parametri e estraiamo un campione

Dettagli

INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)

INTRODUZIONE 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;

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado

Dettagli

VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE

VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE 1 Il processo di validazione/qualificazione di un metodo microbiologico presuppone che i fattori critici siano adeguatamente disciplinati da indicazioni

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

OPERAZIONI DI BASE PER L UTILIZZO DI MICROSOFT EXCEL

OPERAZIONI DI BASE PER L UTILIZZO DI MICROSOFT EXCEL Giovanni Franzoni matr. 14157 Lezione del 4/03/010 ora 10:30-13:30 ndrea Liberini matr. 17714 Sommario OPERZIONI DI BSE PER L UTILIZZO DI MIROSOFT EXEL... 1 Risoluzione di una formula matematica... 1 ome

Dettagli

Introduzione alla Teoria degli Errori

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

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

STATISTICA IX lezione

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

Dettagli

Metodologia di impiego delle tecniche di Taguchi nel Design Of Experiments nel campo della saldatura laser ad alta potenza

Metodologia di impiego delle tecniche di Taguchi nel Design Of Experiments nel campo della saldatura laser ad alta potenza Metodologia di impiego delle tecniche di Taguchi nel Design Of Experiments nel campo della saldatura laser ad alta potenza INDICE 1 Introduzione...3 2 L applicazione del Metodo Taguchi...3 2.1 Formulazione

Dettagli

Pre Test 2008... Matematica

Pre Test 2008... Matematica Pre Test 2008... Matematica INSIEMI NUMERICI Gli insiemi numerici (di numeri) sono: numeri naturali N: insieme dei numeri interi e positivi {1; 2; 3; 4;...} numeri interi relativi Z: insieme dei numeri

Dettagli

Analisi statistica degli errori

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

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

La statistica nella ricerca scientifica

La statistica nella ricerca scientifica La statistica nella ricerca scientifica Pubblicazione dei risultati Presentazione dei dati e la loro elaborazione devono seguire criteri universalmente validi Impossibile verifica dei risultati da parte

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Cap. 3 - L'analisi dei dati

Cap. 3 - L'analisi dei dati Capitolo 3 L analisi dei dati 3.1. Relazioni tra grandezze fisiche Uno degli aspetti più importanti della fisica sperimentale è la ricerca di una relazione matematica in grado di interpretare il tipo di

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione

INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 3 Piani a fattore singolo e relativi test di interpretazione Pagina 1 PIANI A SINGOLA VARIABILE Questi piani sono l esempio

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Design of Experiments

Design of Experiments Design of Experiments Luigi Amedeo Bianchi 1 Introduzione Cominciamo spiegando cosa intendiamo con esperimento, ossia l investigare un processo cambiando i dati in ingresso, osservando i cambiamenti che

Dettagli

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

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Indice. pag. 15. Prefazione. Introduzione» 17

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

Dettagli

Corso di Metrologia applicata alla Meteorologia 20 Marzo 2013 Nozioni di metrologia Istituto Nazionale di Ricerca Metrologica INRiM Torino g.lopardo@inrim.it Sommario Riferibilità Metrologica Incertezza

Dettagli

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE Ing. Ricci Andrea Simone INCERTEZZA DI MISURA - Introduzione X SISTEMA Y Misura > complesso di attività volte alla valutazione

Dettagli

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo Lezione2 Ricerca di zeri http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Aritmetica Finita nel Computer Nel computer l aritmetica è a precisione finita cioè

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

DoE - Design of Experiment

DoE - Design of Experiment 3 Tecniche di DoE DoE - Design of Experiment Sequenza di Prove Sperimentali da Effettuare per Studiare e Ottimizzare un Processo Un esperimento programmato è una prova o una serie di prove in cui vengono

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

FONDAMENTI 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

Dettagli

Appunti di Statistica Descrittiva

Appunti di Statistica Descrittiva Appunti di Statistica Descrittiva 30 dicembre 009 1 La tabella a doppia entrata Per studiare dei fenomeni con caratteristiche statistiche si utilizza l espediente della tabella a doppia entrata Per esempio

Dettagli

PIANO DI LAVORO a.s. 2013-2014

PIANO DI LAVORO a.s. 2013-2014 PIANO DI LAVORO a.s. 2013-2014 1. obiettivi didattici 2. contenuti 3. metodi e strumenti 4. criteri di valutazione MATERIA: MATEMATICA APPLICATA CORSO: INTERO CORSO CLASSE PRIMA 1.OBIETTIVI DIDATTICI Gli

Dettagli

LE ASSUNZIONI DELL'ANOVA

LE ASSUNZIONI DELL'ANOVA LE ASSUNZIONI DELL'ANOVA Sono le assunzioni del test t, ma estese a tutti i gruppi: o La variabile deve avere una distribuzione normale in tutte le popolazioni corrispondenti ai gruppi campionati o Le

Dettagli

ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE

ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE ANALISI DELLA VARIANZA A PIU CRITERI DI CLASSIFICAZIONE CON REPLICHE INTRODUZIONE Lo studio di un fenomeno non si deve limitareit alla valutazione dei singoli fattori in studio ma molto spesso è importante

Dettagli

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI Docente: Prof. Massimo Mariani 1 SOMMARIO Il rendimento di un attività finanziaria: i parametri rilevanti Rendimento totale, periodale e medio Il market

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

La progettazione degli esperimenti (DOE) mediante l uso delle matrici ortogonali

La progettazione degli esperimenti (DOE) mediante l uso delle matrici ortogonali La progettazione degli esperimenti (DOE) mediante l uso delle matrici ortogonali Anno Accademico 2005-2006 1 Introduzione... 3 2 Glossario... 3 3 La sperimentazione campione: la saldatura laser ad alta

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 2 Distribuzioni di frequenza Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.

Dettagli

Ricerca Operativa Prima Parte

Ricerca Operativa Prima Parte 1 2 fasi Prima Parte 2 Testi didattici S. Martello, M.G. Speranza, Ricerca Operativa per l Economia e l Impresa, Ed. Esculapio, 2012. F.S. Hillier, G.J. Lieberman, Ricerca operativa - Fondamenti, 9/ed,

Dettagli

Generalità sulle funzioni

Generalità sulle funzioni Capitolo Concetto di funzione Generalità sulle funzioni Definizione di funzione Definizione Dato un sottoinsieme non vuoto D di R, si chiama funzione reale di variabile reale, una relazione che ad ogni

Dettagli

La logica statistica della verifica (test) delle ipotesi

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

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

Dettagli

8 Elementi di Statistica

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

Dettagli

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica. Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione

Dettagli

Modulo 8. Elettronica Digitale. Contenuti: Obiettivi:

Modulo 8. Elettronica Digitale. Contenuti: Obiettivi: Modulo 8 Elettronica Digitale Contenuti: Introduzione Sistemi di numerazione posizionali Sistema binario Porte logiche fondamentali Porte logiche universali Metodo della forma canonica della somma per

Dettagli

LA STATISTICA SIMPATICA

LA STATISTICA SIMPATICA LEADERSHIP& LM MANAGEMENT LA STATISTICA SIMPATICA ED IL FRULLATORE DOE (DESIGN OF EXPERIMENT) LA STATISTICA SIMPATICA ED IL DOE Mi rendo conto che il titolo contiene una contraddizione di termini che sembra

Dettagli

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA SECONDARIA DI PRIMO GRADO. L alunno ha rafforzato un atteggiamento positivo rispetto

Dettagli

1. Distribuzioni campionarie

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

Dettagli

Finanza Aziendale. Lezione 12. Analisi del rischio

Finanza Aziendale. Lezione 12. Analisi del rischio Finanza Aziendale Lezione 12 Analisi del rischio Obiettivi i della lezione I rendimenti e la loro misurazione I rendimenti medi ed il loro rischio La misurazione del rischio e l effetto diversificazione

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

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

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

Dettagli

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof.

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof. UIVERSITA DEGLI STUDI DI FIREZE Facoltà di Scienze M.F.. Corso di Laurea in Fisica Prof. Roberto Falciani Prof. Andrea Stefanini Appunti aggiuntivi al corso di ESPERIMETAZIOI I Analisi statistica degli

Dettagli

Note sull esperienza Misura di g versione 1, Francesco, 7/05/2010

Note sull esperienza Misura di g versione 1, Francesco, 7/05/2010 Note sull esperienza Misura di g versione 1, Francesco, 7/05/010 L esperienza, basata sullo studio di una molla a spirale in condizioni di equilibrio e di oscillazione, ha diversi scopi e finalità, tra

Dettagli

4. Funzioni elementari algebriche

4. Funzioni elementari algebriche ISTITUZIONI DI MATEMATICHE E FONDAMENTI DI BIOSTATISTICA 4. Funzioni elementari algebriche A. A. 2013-2014 1 Funzioni elementari Sono dette elementari un insieme di funzioni dalle quali si ottengono, mediante

Dettagli

SG UNI EN ISO 9001:2000 - Certificato CSQ 9122 ASLB CALCOLO DELL INCERTEZZA DI MISURA

SG UNI EN ISO 9001:2000 - Certificato CSQ 9122 ASLB CALCOLO DELL INCERTEZZA DI MISURA LABORATORIO DI SANITÀ PUBBLICA Pagina 1 di 31 INDICE 1. SCOPO pag.. CAMPO DI APPLICAZIONE pag. 3. DEFINIZIONI pag. 4. RESPONSABILITÀ pag. 3 5. MODALITÀ OPERATIVE pag. 3 5.1 Calcolo dell incertezza di misura

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

Esperimenti in vaso: disegni a randomizzazione completa

Esperimenti in vaso: disegni a randomizzazione completa Esperimenti in vaso: disegni a randomizzazione completa Andrea Onofri 10 marzo 2015 Indice 1 Disegno sperimentale 2 2 Analisi dei dati 3 2.1 Analisi della varianza (ANOVA).................. 4 2.2 Errore

Dettagli

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 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

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

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

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

La validità. La validità

La validità. La validità 1. Validità interna 2. Validità di costrutto 3. Validità esterna 4. Validità statistica La validità La validità La validità di una ricerca ci permette di valutare se quello che è stato trovato nella ricerca

Dettagli

la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali

la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali 1/29 la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali modelli teorici e modelli empirici l'osservazione dei processi

Dettagli

RICERCA OPERATIVA RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI

RICERCA OPERATIVA RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI DI SCELTA) Il termine RICERCA OPERATIVA sembra sia stato usato per la prima volta nel 1939, ma già precedentemente alcuni scienziati si erano occupati di problemi

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) STATISTICA DESCRITTIVA

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

MODELLAZIONE 3D DEL SUBSTRATO ROCCIOSO E DEL LIVELLO DI FALDA MEDIANTE INTERPOLAZIONE DI PUNTI

MODELLAZIONE 3D DEL SUBSTRATO ROCCIOSO E DEL LIVELLO DI FALDA MEDIANTE INTERPOLAZIONE DI PUNTI MODELLAZIONE 3D DEL SUBSTRATO ROCCIOSO E DEL LIVELLO DI FALDA MEDIANTE INTERPOLAZIONE DI PUNTI XIV Meeting degli utenti italiani GRASS e GFOSS Genova 6 9 Febbraio 2013 Scuola Politecnica dell Università

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 Sessione straordinaria

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 Sessione straordinaria ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 004 Sessione straordinaria Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PROBLEMA In un piano

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

Come scrivere una relazione di laboratorio completa sintetica

Come scrivere una relazione di laboratorio completa sintetica Come scrivere una relazione di laboratorio Premesso che durante l esperienza di laboratorio è necessario annotare tutto ciò che è utile per poter redigere la relazione, questa deve contenere: gli strumenti

Dettagli

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia

Dettagli

Appunti: Teoria Dei Test

Appunti: Teoria Dei Test Appunti: Teoria Dei Test Fulvio De Santis, Luca Tardella e Isabella Verdinelli Corsi di Laurea A + E + D + G + R 1. Introduzione. Il test d ipotesi è un area dell inferenza statistica in cui si valuta

Dettagli

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

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

Dettagli

Soluzioni del giornalino n. 16

Soluzioni del giornalino n. 16 Soluzioni del giornalino n. 16 Gruppo Tutor Soluzione del Problema 1 Soluzioni corrette ci sono pervenute da : Gianmarco Chinello, Andrea Conti, Simone Costa, Marco Di Liberto, Simone Di Marino, Valerio

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

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

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

Dettagli