Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/ Note: N. pagine: 13 N. pagine fuori testo: Data:
|
|
- Placido Giordani
- 8 anni fa
- Visualizzazioni
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.
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
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliVERIFICA 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
DettagliSTATISTICA 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliEsercitazione #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
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliRelazioni 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
Dettagliun controllo di accettazione tipo A ogni 300 mc massimo di getto
Laboratorio autorizzato dal ministero delle infrastrutture ad effettuare prove sui materiali da costruzione per strutture metalliche ed opere in cemento armato con D.M. n. 39073 del 23/3/1995 e successivi
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliElementi 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,
DettagliOnestà di un dado. Relazione sperimentale
Onestà di un dado Relazione sperimentale La valutazione dell onesta di un qualunque dado a n facce è svolta mediante l analisi statistica di un set di tiri del medesimo ed il confronto con i valori teorici.
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
DettagliServizi di consulenza specialistica per IGRUE 2009 2012
Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliFisco & Contabilità La guida pratica contabile
Fisco & Contabilità La guida pratica contabile N. 17 07.05.2014 Riporto perdite e imposte differite Categoria: Bilancio e contabilità Sottocategoria: Varie Il meccanismo del riporto delle perdite ex art.
DettagliCorso di Fisica generale
Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 2014/15 1C Introduzione alla Incertezza della Misura Sperimentale I Riccardo Fabbri 1 (Dispense ed esercizi su www.riccardofabbri.eu)
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliStatistica. 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
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliLa distribuzione 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
DettagliIl controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)
del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento
DettagliErrori di una misura e sua rappresentazione
Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliREGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE
30.11.2011 Gazzetta ufficiale dell Unione europea L 317/17 REGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE del 29 novembre 2011 recante modifica del regolamento (CE) n. 1222/2009 del Parlamento europeo
Dettagli3. 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
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
Dettaglia b c Figura 1 Generatori ideali di tensione
Generatori di tensione e di corrente 1. La tensione ideale e generatori di corrente Un generatore ideale è quel dispositivo (bipolo) che fornisce una quantità di energia praticamente infinita (generatore
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliRegressione 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
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliESERCITAZIONE 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
Dettagli1. Scopo dell esperienza.
1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura
DettagliIL COLLAUDO DI ACCETTAZIONE
IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliIl campionamento statistico
Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori
DettagliNella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti
Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti finanziari in un contesto di flussi finanziari certi, tuttavia
DettagliCONTROLLO IN TENSIONE DI LED
Applicazioni Ver. 1.1 INTRODUZIONE CONTROLLO IN TENSIONE DI LED In questo documento vengono fornite delle informazioni circa la possibilità di pilotare diodi led tramite una sorgente in tensione. La trattazione
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliINCERTEZZA 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,
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
Dettagli(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
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliLa f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè:
1 Limiti Roberto Petroni, 2011 Possiamo introdurre intuitivamente il concetto di limite dicendo che quanto più la x si avvicina ad un dato valore x 0 tanto più la f(x) si avvicina ad un valore l detto
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliProva 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.
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliPRODUZIONE DI LENTI A CONTATTO
1 PRODUZIONE DI LENTI A CONTATTO Per monitorare il processo di produzione di un determinato tipo di lenti a contatto viene misurato, ad intervalli di tempo regolari di h 15 minuti, il diametro X (in mm)
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliGUIDA 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,
DettagliI 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
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliGLI ENTI D EROGAZIONE IN ITALIA
GLI ENTI D EROGAZIONE IN ITALIA Sono 4.388 gli enti di diritto privato che hanno indicato come attività prevalente o esclusiva l erogazione di sussidi a individui, piuttosto che quella di contributi a
DettagliFacoltà 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
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliSPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi
SPECTER OPS REGOLE 2-3 giocatori: 1 agente e 2 cacciatori - Le 4 missioni obiettivo sono conosciute dai giocatori: si lancia il dado e si segnano col relativo gettone sul lato verde sulla plancia e sul
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliMANUALE D'USO. ORIONE DI BISTULFI srl - Via Moscova, 27-20121 MILANO tel: 026596553-4 info@orionesrl.it www.orionesrl.it 1
MANUALE D'USO Il software SUBB permette di importare dati misurati da un termoflussimetro, elaborarli e calcolare la conduttanza della struttura per mezzo di due metodi: il metodo delle medie progressive
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
Dettagli6.1. Risultati simulazioni termovalorizzatore Osmannoro2000
pag. 217 6. Risultati Di seguito si riportano i risultati relativi alle diverse simulazioni di diffusione atmosferica degli inquinanti effettuate. In particolare sono riportati i risultati sotto forma
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
Dettagli