Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/ Note: N. pagine: 13 N. pagine fuori testo: Data:

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000."

Transcript

1 A0/ Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003 senza l'autorizzazione scritta del CESI questo documento può essere riprodotto solo integralmente N. pagine: 13 N. pagine fuori testo: Data: Elaborato: CESI-GEN/MAS Valerio Bicego Verificato: CESI-GEN/MAS Carlo Fossati Approvato: CESI-GEN Pasquale Motta CESI Via R. Rubattino 54 Capitale sociale 17,1 miliardi Sezione Ordinaria Centro Elettrotecnico Milano - Italia interamente versato Tribunale Milano Sperimentale Italiano Telefono CCIAA di Milano n P.I. IT Giacinto Motta spa Fax Registro delle Imprese C.F di Milano n

2 A0/ Pag.2/13 Indice SOMMARIO 3 1 INTRODUZIONE 4 2 GUIDA ALL'USO DELLE CORRELAZIONI 4 3 LE CORRELAZIONI 5 4 CONCLUSIONI 8 FIGURA 9 APPENDICE 1 10 APPENDICE 2 12 Copyright 2000 by CESI. All rights reserved - Activity code 26692G Keywords: 12035F, 20220B, 29005H, 51200W, 67210X

3 A0/ Pag.3/13 SOMMARIO Vengono riportate le correlazioni tra l indice di FATT e l analoga grandezza che esprime la temperatura di transizione fragile-duttile quale si determina da prove SP, T sp. Tali correlazioni sono state ricavate dai dati di 11 prove comparative, di tipo Small Punch (SP) e resilienze standard, su materiali CuNi52Mo, WSB 62 e Marrel AM60 (acciai di corpi cilindrici). Inoltre essendo talora disponibili anche altri dati (snervamento, rottura, durezza e diametro ASTM), si sono determinati ulteriori correlazioni migliorative che includono anche l influenza di tali grandezze, per ridurre al minimo la variabilità non spiegata nelle previsioni dell indice di FATT. Le correlazioni qui ottenute sono adatte per la valutazione del consumo di vita di componenti eserciti, ogniqualvolta la valutazione della fragilità viene ricavata non distruttivamente mediante prove SP.

4 A0/ Pag.4/13 1 INTRODUZIONE I materiali qui considerati sono CuNi52Mo, WSB 62 e Marrel AM60, acciai di corpi cilindrici di largo impiego nelle centrali italiane, suscettibili di importante infragilimento durante l'esercizio prolungato. I dati utilizzati nelle analisi qui sotto riportate sono presentati nella tabella in Appendice 1. Si tratta di 22 serie di prove: 11 serie di tipo Small Punch, e 11 serie di tipo resilienza. Come noto, ciascuna serie, relativa a un certo lotto di materiale, comporta l'esecuzione di un certo numero di prove, tipicamente nell'intorno di 15: in totale le elaborazioni qui svolte hanno quindi riguardato dati provenienti da oltre 300 prove singole. Tutte queste prove erano già state eseguite in precedenza (fra il 1998 e il 1999). Nell'ambito del Progetto DEGRADO, avviato nel 2000, i risultati di quelle prove sono stati oggetto di una attività di analisi matematico-statistica, volta a determinare le correlazioni che esistono fra le normali misure di FATT (ottenibili da prove di resilienza, in modo solitamente distruttivo per i componenti) e i valori dell'analoga grandezza che esprime la temperatura di transizione fragile-duttile quale si determina da prove Small Punch, T sp. Inoltre, essendo talora disponibili anche altri dati (snervamento, rottura, durezza e diametro ASTM), si sono determinati ulteriori correlazioni migliorative che includono anche l'influenza di tali grandezze, per ridurre al minimo la variabilità non spiegata nelle previsioni di FATT. Si sono ipotizzate funzioni di densità di probabilità di tipo normale, per tutte le popolazioni dei dati. Legenda: FATT = Fracture Appearence Transition Temperature (da prove di resilienza) T sp = temperatura di transizione fragile-duttile da prove SP S o = valor medio fra carico di snervamento e rottura H v = durezza Vickers D = diametro grado ASTM Nelle formule di seguito riportate, i valori delle temperature sono espressi in C (con relativo segno), il diametro in grado ASTM (p. es. tipicamente fra 6 e 10 per questi acciai), la durezza in gradi Vickers e il carico S o in Mpa. In Appendice 2 è stata svolta una discussione sulla entità dell'incertezza qui riscontrata nelle stime di FATT deducibili dalle prove SP. 2 GUIDA ALL'USO DELLE CORRELAZIONI Di seguito vengono fornite diverse correlazioni per eseguire stime della FATT in base a campagne di misura che hanno fornito parte o tutti i dati delle 4 grandezze sopra dette: T sp, S o, H v, D. Non sono intese come distinte possibilità fra le quali scegliere; sono tutte le correlazioni che servono, e occorre utilizzare una o l'altra a seconda che si disponga o meno di certe misure. In particolare: - in tutti i casi si presume che si siano fatte prove Small Punch per misure di T sp ; - i casi (a), (b), (c) e (d) considerano che si siano anche fatte prove SP con metodo innovativo per stimare i parametri tensili, o comunque che tali valori siano disponibili per qualche altra strana ragione (al momento inimmaginabile); - i casi (e) ed (f) sono relativi a casi nei quali non si sono fatte prove SP con metodo innovativo e dunque non si conoscono i valori dei parametri tensili.

5 A0/ Pag.5/13 In coda a ciascun caso si riporta il grado di affidabilità da attribuire alle stime di FATT ottenute applicando ciascuna formula. A volere essere precisi, si rileva che per ricavare tali correlazioni i valori di S o che si sono utilizzati provenivano da prove tensili canoniche. Nelle applicazioni concrete è invece presumibile (o meglio, quasi certo) che questo valore di S o potrà essere noto solo da prove SP con uso di elementi finiti ("metodo innovativo SP"). E' ragionevole immaginare che l'incertezza di S o da simili prove SP sarà superiore rispetto al dato di prove tensili normali. Di conseguenza nelle future applicazioni ci si deve attendere che anche la incertezza finale sul valore stimato per la FATT sarà superiore rispetto alle valutazioni di incertezza qui di seguito fornite. Si presume tuttavia che la differenza sia modesta, e sempre trascurabile: sia perché le incertezze sui parametri tensili con metodo SP innovativo non vanno mai oltre 2-3 volte le incertezze con le prove standard, e globalmente non superano il 5-6% (cioè un'incertezza modesta su S o ), sia perché l'effetto di S o nella stima di FATT è modesto, rappresenta cioè una correzione del secondo ordine: la variabilità principale di FATT è spiegata dalla variabile T sp di modo che ogni altro termine delle formule di correlazione costituisce "un aggiustamento" della stima. 3 LE CORRELAZIONI a) Nel caso si disponga di: T sp (e solo di questa misura), si userà la seguente correlazione per stimare la FATT: con: C 1 = C 2 = C 3 = C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) (1) Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 13.8 C, errore massimo pari a 27 C, scarto quadratico medio pari a 13.1 C. Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 27 C (due volte la varianza e quindi limite di cofidenza al 95%, e anche pari al max errore ottenuto). Si ricorda che la probabilità cumulata sottesa alla gaussiana entro +-1 σ (una volta la varianza) è pari 68%; la probabilità entro +- 2 σ è pari a 95 % (il che in termini non rigorosi ma senz'altro espressivi significa che mediamente 1 dato su 20 cadrà al di fuori di tale intervallo +- 2 σ ). b) Nel caso si disponga di: T sp, S o (e solo di queste misure), si userà la seguente correlazione per stimare la FATT: con: C 1 = C 2 = C 3 = C 4 = C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) + C 4 S o (2)

6 A0/ Pag.6/13 Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 11.5 C, errore massino pari a 27 C, scarto quadratico medio pari a 11.0 C. Si segnala comunque che l'errore max di 27 C riscontrato nella analisi per stimare i parametri è risultato positivo, cioè conservativo, e rispetto agli altri errori è sembrato anche di entità per così dire "anomala". Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 23 C (due volte la varianza, limite di confidenza al 95% di probabilità). c) Nel caso si disponga di: T sp, S o, H v (e solo di queste misure), si userà la seguente correlazione per stimare la FATT: con: C 1 = C 2 = C 3 = C 4 = C 5 = C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) + C 4 S o + C 5 H v (3) Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 10.1 C, errore massimo pari a 23 C, scarto quadratico medio pari a 9.6 C. Si segnala comunque che l'errore max di 23 C riscontrato nella analisi per stimare i parametri è risultato positivo, cioè conservativo, e rispetto agli altri errori è sembrato anche di entità per così dire "anomala". Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 20 C (due volte la varianza, limite di confidenza al 95% di probabilità). d) Nel caso si disponga di: T sp, S o, H v, D (è questo il caso più completo fra tutti quelli qui considerati) si userà la seguente correlazione per stimare la FATT: - C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) + C 4 S o + C 5 H v + C 6 D (4) con: C 1 = C 2 = C 3 = C 4 = C 5 = C 6 = Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 9.3 C, errore massino pari a 18 C, scarto quadratico medio pari a 8.9 C. Questo quadro è anche riportato nella Fig.1.

7 A0/ Pag.7/13 Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 18 C (due volte la varianza, limite di confidenza al 95% di probabilità, e anche pari all'errore max riscontrato). e) Nel caso si disponga di: T sp, H v si userà la seguente correlazione per stimare la FATT: - C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) + C 5 H v (5) con: C 1 = C 2 = C 3 = C 5 = Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 11.6 C, errore massimo pari a 21 C, scarto quadratico medio pari a 11.1 C. Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 23 C (due volte la varianza, limite di confidenza al 95% di probabilità, valore anche un po superiore all'errore max riscontrato). f) Nel caso si disponga di: T sp, H v, D si userà la seguente correlazione per stimare la FATT: - C 3 (T sp - C 2 ) FATT = C 1 (T sp - C 2 ) ( 1 + e ) + C 5 H v + C 6 D (6) con: C 1 = C 2 = C 3 = C 5 = C 6 = Fiducia da attribuire alla previsione di FATT: dall'analisi dei dati usati per determinare tale correlazione, si è ottenuta una stima di varianza pari a 10.3 C, errore massimo pari a 23 C, scarto quadratico medio pari a 9.8 C. Si suggerisce di eseguire la stima di FATT, e poi di aumentarla conservativamente di 23 C (pari all'errore max riscontrato, e valore superiore a due volte la varianza, limite di confidenza al 95% di probabilità).

8 A0/ Pag.8/13 4 CONCLUSIONI Le correlazioni qui ottenute sono adatte per essere impiegate nelle attività di service sugli impianti, ogniqualvolta la valutazione della fragilità di un corpo cilindrico deve essere ricavata non distruttivamente mediante prove SP eseguite su mini-dischetti ricavati da prelievi superficiali di materiale dal componente. Nel futuro le analisi qui svolte andranno soggette a periodici aggiornamenti, mano a mano che verranno disponibili nuovi dati di prove comparative (resilienze e SO). L'incertezza nelle valutazioni di FATT dedotte dalle correlazioni qui considerate, come analizzato in Appendice 2, risulta per ora dell'ordine di 10 C. Si veda per esempio la fig. 1. Non ci si deve attendere che alla luce di nuovi ulteriori dati in futuro eventualmente disponibili tale incertezza possa ridursi di molto: si ritiene che 7 C sia un obiettivo ragionevole dell'analisi, non ulteriormente riducibile. Tale limite è infatti legato alle modalità sperimentali (inclusa la numerosità dei campioni utilizzati in ogni determinazione di FATT e di T sp ), e dunque non è legato a possibili affinamenti nell'analisi statistica e nella scelta del modello.

9 A0/ Pag.9/13 FIGURA 150 CuNi52Mo FATT actual ( C) MarrelAM60 WSB C error FATT pred ( C) Fig. 1. Analisi di capacità previsionale, basata sulla correlazione espressa dalla eq.4.

10 A0/ Pag.10/13 Appendice 1 Tabella dei dati considerati nelle analisi. Materiale FATT ( C) TSP ( C) So (Mpa) Hv D (ASTM) Note TL1, v.a TL1, v.a deinfr TL1, v. B TL1, v. B deinfr OST.1, v. A OST.1, v. B TV2, v. A, dist ( vecchio Dato qui non dato) considerato (sarà oggetto di futura considerazione) TV2, v. B, dist Dato qui non considerato (sarà oggetto di futura considerazione) TV3, v. A TV3, v. B TV4, v.a, WSB TV4, v. B, WSB Marrel ABB nuovo Nota sui dati mancanti (sostituiti con dati non determinati sperimentalmente, in corsivo nella tabella). Solo i dati di T sp e di FATT sono noti in modo completo, cioè a valle di specifiche misure; per le altre grandezze S o, H v e D si sono utilizzati dati ricavati in precedenti misure, ma non sempre tali dati di fatto esistevano. Il problema avrebbe potuto essere ovviato scegliendo banalmente di trascurare i materiali per i quali i dati S o, H v e D non sono noti in forma completa; una simile (rozza) soluzione avrebbe impoverito troppo la popolazione statistica per le analisi delle regressioni, e non è stata seguita. La scienza statistica è ben attrezzata a trattare casi di dati parzialmente ignoti: si tratta di generare, in base a popolazioni con distribuzioni statistiche note poichè determinate dai dati esistenti, dei valori nuovi per i dati inesistenti, con processo stocastico random (Montecarlo). Queste tecniche di solito funzionano bene quando i dati sono numerosi. Nel caso attuale, la generazione di dati casuali avrebbe comportato un probabile "abbattimento" delle dipendenze di FATT da S o, H v e D. Dunque si è seguita una via semi-rigorosa. Le modalità di stima dei dati mancanti sono indicate nei punti a) e b) seguenti. I valori non noti sperimentalmente, che hanno dovuto essere stimati, sono quelli riportati in corsivo nella tabella. a) I dati mancanti di So sono stati riempiti con valori opportuni, cioè inventati, scelti in modo tale da minimizzare lo scarto quadratico residuo della regressione. Si tratta di due dati; essi sono indicati in corsivo nella tabella. b) I dati mancanti di Hv e D sono invece stati riempiti in modo diverso. Si è effettuata una regressione lineare fra i dati esistenti di FATT e Hv, e poi da tale curva si sono calcolati i valori mancanti di Hv, in corrispondenza dei valori di FATT per cui mancano quei valori di Hv. In modo analogo si è operato per la determinazione dei dati mancanti di D. Esplicitamente:

11 A0/ Pag.11/13 Hv = FATT (1.1) D = FATT (1.2) Nota finale: in futuro si dovrà ripetere tutta l'analisi, includendo i due materiali qui non considerati. Inoltre per uno di essi occorrerà preliminarmente determinare il valore di So.

12 A0/ Pag.12/13 Appendice 2 Considerazioni sull'incertezza della stima della FATT Come si vede, la varianza associata al migliore stimatore possibile per la FATT prevista (FATT pred nella Fig. 1), eq. 4, risulta 9.3 C. A prescindere dal desiderio dell'utilizzatore, che vorrebbe tale incertezza sempre molto piccola, chi analizza i dati deve essere in grado di sapere se l'incertezza così ottenuta (generata nel processo di analisi, legata alle correlazioni, non cioè legata alla dispersione intrinseca dei dati sperimentali in quanto tali: quello è un problema che riguarda invece chi fa le prove, e qui non ce ne occupiamo) è soddisfacente o meno: nel primo caso egli può anche sentirsi appagato e quindi autorizzato a fermarsi, mentre nel secondo caso egli potrà lavorare ad affinare ulteriormente le analisi, per ridurre la variabilità non spiegata. Ha interesse chiedersi cioè quale sia il limite minimo di incertezza che ragionevolmente possiamo attenderci. Un'analisi rigorosa, per un problema non lineare e multiparametrico, andrebbe oltre le competenze di chi scrive. Nel seguito si svolge un'analisi approssimata, ma riteniamo significativa. 1. Si considera per semplicità che la grandezza y dipenda dalla sola grandezza x: y = y(x). Di fatto, y è una grandezza che descrive un flesso in corrispondenza di una temperatura di transizione fragile-duttile (y è la percentuale di frattura duttile in prove di resilienza, oppure anche la energia di frattura E SP in prove Small Punch), e x rappresenta i valori della temperatura. Si trascura il ruolo di S o, H v e D. 2. In una curva y(x), dove y = percentuale di frattura duttile e x = temperatura, tipicamente la dispersione sulla percentuale di frattura duttile è circa 7 % (incertezza sul singolo valore). 3. A questo punto si può assumere che nell'intorno della FATT la curva analitica utilizzata per determinare la FATT sia una retta, anziché una tangente iperbolica. Per una retta, la varianza del punto sulla retta è funzione di x, ed è data da: σ Y 2 = σ o 2 /(n-2) + (x - x m ) 2 / Σ(x i -x m )2 (2.1) dove n-2 sono i gradi di libertà dei valori sulla retta, e x m è il punto medio dei dati x i. Si ricorda inoltre, anche se tale relazione non viene nel seguito impiegata, che la varianza del singolo dato campionario è data da: σ y 2 = σ Y 2 + σ o 2 (2.2) Si può assumere per semplicità l'approssimazione che il valore della FATT si trovi in corrispondenza del punto medio. Dunque la varianza si semplifica come: σ Y 2 = σ o 2 /(n-2) (2.3) Avendo assunto, come esempio, σ o = 7 %, e immaginando che tipicamente la zona intermedia (con % di frattura duttile diversa da 0 e da 100%) sia campionata da 10 provini, si ottiene σ Y = 7 / (10-2) 1/2 = 2.5 %.

13 A0/ Pag.13/13 A questo punto il primo passo per convertire tale incertezza per Y in incertezza per X (FATT) è rilevare che tipicamente per Y fra 0% e 100% vi è un salto di temperatura di 100 C (pendenza 1: 1 è tipico della transizione duttile-fragile per gli acciai). Dunque: σ X = 2.5 C. Il secondo passo è aggiungere l'errore (sistematico) per l'incertezza sulla termocoppia. Assumiamo che questo sia 1 C, e otteniamo dunque: σ X = 1 + (2.5 2 ) 1/2 (2.4) e dunque σ FATT = 3.5 C. Si noti che questa incertezza è relativa alla FATT misurata, cioè la FATT actual secondo la terminologia utilizzata in Figura 1. Occorre poi stimare l'incertezza sulla FATT pred. A tale scopo occorre fare ancora due passi. 4. Il primo passo consiste nell'assumere l'ulteriore ipotesi che l'incertezza sulle determinazioni di T SP sia paragonabile all'incertezza sulle determinazioni di FATT: e dunque σ TSP = 3.5 C. σ TSP = σ FATT (2.5) 5. Il secondo passo implica di considerare la tipica pendenza di un diagramma di FATT vs. T SP : tale valore è circa 2. In sostanza, per ogni grado centigrado di variazione di T SP corrispondono 2 gradi di FATT. Pertanto: e dunque σ FATTpred = 7 C. σ FATTpred = 2 σ TSP (2.6) 6. Infine deve essere valuta la discrepanza fra valori stimati della FATT e valori ottenuti sperimentalmente per la FATT. Entrambi questi termini sono affetti da incertezza: l'incertezza della differenza risulta da una combinazione quadratica delle incertezze dei due termini. Dunque la varianza dell'errore nella previsione della FATT, rispetto alle misure reali della FATT, si ricava come: e dunque σ deviazioni = ( ) 1/2 = 7.8 C. σ (FATT pred - FATT actual ) = ( σ FATTpred 2 + σ FATTactual 2 ) 1/2 (2.7) Dunque alla fine si è ottenuto che il valore migliore possibile che è lecito sperare per la varianza dell'errore, cioè la discrepanza fra le stime di FATT e i valori veri (dove il termine "vero" è fuorviante: anche i valori diretti della FATT hanno degli errori), è pari a 7.8 C. Si nota a questo punto che nel migliore dei casi sopra visti, la regressione n 4, si era ottenuto un errore residuo di 9.3 C: non molto superiore a 7.8 C. Dunque questo dato rende bene l'idea di quale sia il margine che ancora potrebbe (forse) essere limato, raffinando ulteriormente l'analisi. Oltre tale limite (7.8 C) non è lecito andare, se non migliorando il panorama dei dati: più campioni, e migliore accuratezza nella conduzione delle singole prove. Ma questo è un altro problema.

(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

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

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

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

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

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

Dettagli

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

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

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

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

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

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

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

--- durezza --- trazione -- resilienza

--- durezza --- trazione -- resilienza Proprietà meccaniche Necessità di conoscere il comportamento meccanico di un certo componente di una certa forma in una certa applicazione prove di laboratorio analisi del comportamento del componente

Dettagli

RISCHIO E CONTROLLO DI GESTIONE LA COSTRUZIONE DI UN BUDGET

RISCHIO E CONTROLLO DI GESTIONE LA COSTRUZIONE DI UN BUDGET LA COSTRUZIONE DI UN BUDGET Prof. Francesco Albergo Docente di PIANIFICAZIONE E CONTROLLO Corso di Laurea in Economia Aziendale Curriculum in Gestione Aziendale Organizzata UNIVERSITA degli Studi di Bari

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

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

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

CONTROLLI STATISTICI

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

Dettagli

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

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA

UNIVERSITA DEGLI STUDI DI BRESCIA UNIVERSITA DEGLI STUDI DI BRESCIA ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE (Lauree di primo livello D.M. 509/99 e D.M. 270/04 e Diploma Universitario) SEZIONE B - Prima

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

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

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

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

Dettagli

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: + 1 2 a) supponete che N=3. Si mostri che i regressori

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

3.2 CARATTERIZZAZIONE MECCANICA DELLE FIBRE DI JUTA

3.2 CARATTERIZZAZIONE MECCANICA DELLE FIBRE DI JUTA 3.2 CARATTERIZZAZIONE MECCANICA DELLE FIBRE DI JUTA La caratterizzazione meccanica delle fibre di juta è stata effettuata in collaborazione con il Dott. S. S. Tripathy [21], sia per la conduzione sperimentale

Dettagli

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

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

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

SPC e distribuzione normale con Access

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

Dettagli

SAFAP 2012, Napoli 14-15 giugno ISBN 978-88-7484-230-8

SAFAP 2012, Napoli 14-15 giugno ISBN 978-88-7484-230-8 Valutazione della Minimum Pressurizing Temperature (MPT) per reattori di elevato spessore realizzati in acciai bassolegati al Cr-Mo, in esercizio in condizioni di hydrogen charging Sommario G. L. Cosso*,

Dettagli

Histogram of C1 Normal

Histogram of C1 Normal Soluzioni domande ed esercizi Fondamenti di Affidabilità Capitolo 2. La vita di un cambio ad ingranaggi può essere fortemente influenzata nelle fasi iniziali della sua vita da problemi derivanti principalmente

Dettagli

STIMARE valori ed eseguire ANALISI DI REGRESSIONE

STIMARE valori ed eseguire ANALISI DI REGRESSIONE STIMARE valori ed eseguire ANALISI DI REGRESSIONE È possibile impostare una serie di valori che seguono una tendenza lineare semplice oppure una tendenza con crescita esponenziale. I valori stimati vengono

Dettagli

Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. I valori stimati sono variabili aleatorie. Teorema del limite centrale

Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie. I valori stimati sono variabili aleatorie. Teorema del limite centrale I risultati di un esperimento sono variabili aleatorie. Un esperimento non consente di esaminare ogni elemento di una popolazione o di effettuare tutte le misure possibili. campione , sx Stime Popolazion

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

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

Statistiche campionarie

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

Dettagli

ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI. Docente: Prof. Massimo Mariani

ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI. Docente: Prof. Massimo Mariani ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI Docente: Prof. Massimo Mariani 1 SOMMARIO Analisi del rischio; limiti del VAN in contesti di incertezza; tecniche di descrizione del rischio dei

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

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

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

Dettagli

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

La Regressione Lineare

La Regressione Lineare La Regressione Lineare. Cos è l Analisi della Regressione Multipla? L analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile

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

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

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

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

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

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

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

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

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

Dettagli

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

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

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

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

Dettagli

LE CARTE DI CONTROLLO (4)

LE 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

Dettagli

Questionario N.A.V.I. a.s. 2013/2014

Questionario N.A.V.I. a.s. 2013/2014 ISTITUTO MAGISTRALE STATALE MARIA IMMACOLATA San Giovanni Rotondo Questionario N.A.V.I. L indagine NAVI per il corrente anno scolastico, come negli anni precedenti, è stata svolta su quattro aree (docenti,

Dettagli

Figura 1: Schema di misurazione della potenza con il metodo Barbagelata.

Figura 1: Schema di misurazione della potenza con il metodo Barbagelata. Richiami sulla misurazione di potenza elettrica in un sistema trifase simmetrico e squilibrato e traccia delle operazioni da svolgere in laboratorio Alberto Vallan - 005 1. Il metodo Barbagelata In un

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

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

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

Laboratorio di fisica per PAS Proposito di questo modulo: Fornire ai docenti gli strumenti teorici e pratici per affrontare esperimenti di laboratorio dal punto di vista quantitativo. Effettuare alcune

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

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

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

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

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria ezioni del Corso di Fondamenti di Metrologia Meccanica 13. a taratura nel settore massa Introduzione alle misure di massa a spinta aerostatica a spinta è pari alla forza-peso del

Dettagli

10 CONTROLLO STATISTICO DELLA QUALITÀ

10 CONTROLLO STATISTICO DELLA QUALITÀ 10 CONTROLLO STATISTICO DELLA QUALITÀ 10.2.2 Il controllo di un processo Considerazioni sulle carte di controllo A fianco del numero di elementi non conformi delle carte di controllo p e pn e del numero

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

PRINCIPALI PROVE SUI MATERIALI INDICE

PRINCIPALI PROVE SUI MATERIALI INDICE PRINCIPALI PROVE SUI MATERIALI Per disporre di dati reali che consentono di classificare le proprietà di vari materiali, occorre eseguire sui materiali delle prove specifiche in laboratori molto attrezzati.

Dettagli

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Analisi della risorsa eolica Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Spettro di frequenza del vento Zona di lavoro di una torre anemometrica (tempi di campionamento

Dettagli

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

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

Dettagli

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

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

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

Dettagli

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

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Analisi dei Sistemi di Misurazione - MSA

Analisi dei Sistemi di Misurazione - MSA Data: 16 Marzo 2011 Indice Il processo zione impiego specifico Cenni di SPC e di MSA 2 CARATTERISTICA DA CONTROLLARE, TOLLERANZA E RELATIVA CLASSE DI IMPORTANZA METODO DI CONTROLLO STRUMENTO DI MISURA

Dettagli

Verità ed esperienza: come la natura genera le osservazioni sperimentali

Verità ed esperienza: come la natura genera le osservazioni sperimentali Verità ed esperienza: come la natura genera le osservazioni sperimentali Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia 10 gennaio 2012 Indice 1 Presupposti

Dettagli

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

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

Dettagli

TECNOLAB srl FOGLIO INFORMATIVO 1 pag. 1/6

TECNOLAB srl FOGLIO INFORMATIVO 1 pag. 1/6 11.2 CALCESTRUZZO PROVA A COMPRESSIONE SU CALCESTRUZZO INDURITO UNI EN 12390-3 DECRETO MINISTERO DELLE INFRASTRUTTURE E DELL'INTERNO 14/01/2008 NORME TECNICHE PER LE COSTRUZIONI. 11 MATERIALI E PRODOTTI

Dettagli

Economia monetaria e creditizia. Slide 4

Economia monetaria e creditizia. Slide 4 Economia monetaria e creditizia Slide 4 Le teorie diverse che spiegano come di determina la domanda di moneta possono essere ricondotte alle due funzioni di mezzo di pagamento e di riserva di valore la

Dettagli

La statistica multivariata

La statistica multivariata Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno

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

La distribuzione Gaussiana

La 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

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

lezione 18 AA 2015-2016 Paolo Brunori

lezione 18 AA 2015-2016 Paolo Brunori AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo

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

Il controllo statistico di processo

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

Dettagli

Esercitazioni di Statistica

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

Dettagli

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

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza

Dettagli

Matematica SECONDO BIENNIO NUOVO ORDINAMENTO I.T.Ag Noverasco PIANO DI LAVORO ANNUALE 2014/2015

Matematica SECONDO BIENNIO NUOVO ORDINAMENTO I.T.Ag Noverasco PIANO DI LAVORO ANNUALE 2014/2015 Istituto di Istruzione Superiore ITALO CALVINO telefono: 0257500115 via Guido Rossa 20089 ROZZANO MI fax: 0257500163 Sezione Associata: telefono: 025300901 via Karl Marx 4 - Noverasco - 20090 OPERA MI

Dettagli

Prefazione all edizione originale. Prefazione all edizione italiana

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

Dettagli

Esperienze del primo semestre del Laboratorio di Fisica I

Esperienze del primo semestre del Laboratorio di Fisica I Esperienze del primo semestre del Laboratorio di Fisica I 25 settembre 2003 Meccanica Pendolo semplice Il pendolo semplice, che trovate montato a fianco del tavolo, è costituito da una piccola massa (intercambiabile)

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E 1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione

Dettagli

Test di Ipotesi Intervallo di confidenza Rossella Baldini

Test di Ipotesi Intervallo di confidenza Rossella Baldini Inferenza Statistica Test di Ipotesi Intervallo di confidenza Rossella Baldini 1 Statistiche o Statistica? Le statistiche mediche sono affermazioni numeriche di contenuto medico: Quante persone ogni anno

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE

ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000/ ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI ELETTRICHE INDICE parte sezione pagina. Misurazione di una corrente continua

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

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

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

VALIDAZIONE SECONDO LE NORME ISO ED UNI-ENV-ISO DEL METODO COLORIMETRICO QUANTITATIVO MBS CONTA DI COLIFORMI IN ACQUE SUPERFICIALI

VALIDAZIONE SECONDO LE NORME ISO ED UNI-ENV-ISO DEL METODO COLORIMETRICO QUANTITATIVO MBS CONTA DI COLIFORMI IN ACQUE SUPERFICIALI VALIDAZIONE SECONDO LE NORME ISO ED UNI-ENV-ISO DEL METODO COLORIMETRICO QUANTITATIVO MBS CONTA DI COLIFORMI IN ACQUE SUPERFICIALI Le metodiche sperimentali e le analisi statistiche che vengono applicate

Dettagli

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 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

Dettagli