Carte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
|
|
- Lidia Pepe
- 7 anni fa
- Visualizzazioni
Transcript
1 Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo campione osservato. All istante t non tengono conto dell informazione contenuta nelle osservazioni effettuate agli istanti t 1, t 2,... Le carte CUSUM si basano sull idea di sommare gli scostamenti (positivi o negativi) dal valore centrale e quindi risultano più sensibili ad un aumento o ad una diminuzione della caratteristica che si sta monitorando. Consideriamo i dati simulati in cui le prime 20 osservazioni sono estratte da una popolazione N(10, 1) mentre le ultime 10 osservazioni sono estratte da una popolazione N(11, 1). 1
2 Le prime due colonne riportano i dati simulati da N(10, 1). La terza colonna riporta i dati simulati da N(11, 1)
3 Il grafico riporta la carta di controllo Shewart ottenuta con tali osservazioni. Si osserva come nessun punto sia fuori controllo. UCL xbar.one Chart for x Group summary statistics LCL Group Number of groups = 30 Center = LCL = StdDev = UCL = Number beyond limits = 0 Number violating runs = 0 3
4 Si noti come sapendo il momento in cui si è verificato il cambio di livello un semplice boxplot mette in evidenza tale cambiamento
5 La carta cusum per il controllo della media di un processo si basa sulla costruzione di due statistiche che cumulano gli scarti delle osservazioni da un valore obiettivo. Siano µ 0 e σ il valore della media e dello s.q.m. quando il processo è sotto controllo. µ 0 è il valore obiettivo. σ è supposto noto. Siano x i la i-esima osservazione del processo. Le carte cusum sono utilizzate principalmente per osservazioni singole per cui vediamo prima questo caso. Le due statistiche dette rispettivamente CUSUM unilaterale superiore e CUSUM unilaterale inferiore sono definite come segue C + i C i = max ( 0, x i (µ 0 + K) + C + i 1 = max ( 0, (µ 0 K) x i + C i 1 Dove C 0 + = 0, C 0 = 0 e K, detto valore di tolleranza, è solitamente posto pari a K = µ 1 µ 0 2 se µ 1 è il valore di fuori controllo che si vuole sia individuato quanto prima. ) ) 5
6 Si noti che le due statistiche cumulano le deviazioni del processo che si scostano dal valore obiettivo µ 0 di almeno un ampiezza K. Se x i si discosta da µ 0 per meno del valore di tolleranza K allora i valori cumulati scendono fino ad azzerarsi se dovessero diventare negativi. Il processo è considerato sotto controllo fino a quando una delle due statistiche non supera il livello di decisione H. Tale valore viene solitamente posto pari a H = 5σ. Nelle pagine seguenti riportiamo la tabella con i conti per il calcolo dei valori C + i e C i per i dati simulati e la rappresentazione grafica di tali valori. Abbiamo posto µ 0 = 10 e K = 0.5. Come si vede segnala un punto di fuori controllo per il 23-esimo campione. Dal grafico si può osservare come l inizio del tratto ascendente che porta alla situazione di fuori controllo abbia avuto inizio con il 20-esimo campione. 6
7 x i x i (µ 0 + K) C + i (µ 0 K) x i C i
8 CUSUM Chart Cumulative Sum Index 8
9 Lunghezza media delle sequenze Il calcolo dell ARL per le carte CUSUM presenta notevoli difficoltà. Nella seguente tabella si riportano i valori dell ARL per quando K = µ 1 µ 0 2 = δσ 2, avendo posto µ 1 = µ 0 + δσ, per diversi valori di δ e per valori di H = hσ con h = 4 e h = 5. δ h = 4 h = La prima riga rappresenta il tempo medio per un falso allarme ARL 0. Si osservi che si ha ARL 0 = 370 per h = Il tempo medio per la segnalazione di un F.C. quando si è verificato uno scostamento pari 1σ è 10.4, mentre per la carta Shewart per misure singole è
10 Carte di controllo CUSUM standardizzate A volte è preferibile standardizzare i valori delle osservazioni prima di procedere al calcolo di valori della carta CUSUM. I valori standardizzati sono I valori delle statistiche sono C + i C i z i = x i µ 0 σ = max ( 0, z i k + C + i 1 = max ( 0, k z i + C i 1 Con le carte CUSUM standardizzate i valori di H e K non dipendono più da σ e risultano quindi confrontabili. ) ) Carte di controllo CUSUM per le medie Quando si hanno n osservazioni in ogni gruppo i valori delle statistiche nelle carte CUSUM si calcolano sostituendo a x i la media del gruppo x i e a σ lo s.q.m. della media del gruppo σ/ n 10
11 Carte di controllo CUSUM a risposta iniziale accelerata Questo tipo di carte sono molto utili nelle applicazioni quando un processo pensato sotto controllo parte con una situazione di fuori controllo. La procedura consiste nel porre un valore iniziale fittizio di C + 0 e di C 0 uguale in genere ad H/2. In questo modo se il processo è sotto controllo il valore penalizzante delle statistiche viene riportato a valori nulli in pochi istanti. Se invece il processo è fuori controllo la segnalazione avviene in tempi molto più rapidi rispetto alle carte CUSUM tradizionali. 11
12 Carte di controllo EWMA Le carte di controllo a medie mobili pesate esponenzialmente si utilizzano quando si vogliono scoprire in fretta piccoli scostamenti dal valore obiettivo. Le loro prestazioni sono paragonabili a quelle delle carte CUSUM ma sono di più facile calcolo e lettura. Le carte EMWA sono di solito utilizzate nel caso di misure singole. Siano x i, i = 1,..., m le osservazioni. Definiamo per i = 1,..., m z i = λx i + (1 λ)z i 1 dove 0 < λ < 1 e il valore z 0 è fissato uguale al valore obiettivo µ 0 oppure uguale a x se siamo in una fare iniziale di studio del processo. I valori z i sono i punti della carta EWMA e rappresentano una media ponderata di tutte le osservazioni precedenti all istante i. 12
13 Per sostituzioni successive è facile mostrare che z i = λ i 1 j=0 (1 λ) j x i j + (1 λ) i z 0 I pesi λ(1 λ) j decrescono esponenzialmente e la loro somma vale 1. Mentre la loro somma parziale vale λ i 1 j=0 (1 λ) j = 1 (1 λ) i Se le variabili x i sono le osservazioni di v.c. indipendenti di varianza σ 2 allora le variabili z i hanno varianza data da σz 2 i = σ 2 λ 2 λ ( 1 (1 λ) 2i ) 13
14 La linea centrale e i limiti di controllo della carta EWMA sono UCL i = µ 0 + Lσ CL = µ 0 LCL i = µ 0 Lσ λ 2 λ λ 2 λ ( 1 (1 λ) 2i ) ( 1 (1 λ) 2i ) dove L va scelto in modo da garantirsi una certa prestazione della carta e rappresenta l ampiezza dei limiti di controllo. Anche λ deve essere scelto dall addetto al controllo di qualità. Si noti che i limiti di controllo variano con le osservazioni e sono più ampi al crescere di i. I valori limite sono dati da UCL = µ 0 + Lσ LCL = µ 0 Lσ λ 2 λ λ 2 λ 14
15 EWMA Chart for x Group Summary Statistics Group Number of groups = 30 Target = 10 StdDev = Smoothing parameter = 0.1 Control limits at 2.7*sigma 15
16 La scelta dei parametri in una carta EWMA La scelta dei parametri λ e L deve avvenire a seconda della sensibilità che si richiede alla carta. Studi empirici e teorici sul valore dell ARL per la carta EWMA suggeriscono di utilizzare per λ i valori 0.05, 0.1, 0.2 lam * (1 lam)^i λ = 0.2 λ = 0.1 λ = 0.4 λ = i 16
17 Come norma generale si ottengono migliori prestazioni utilizzando bassi valori di λ se si è interessati a piccoli scostamenti dal valore obiettivo. Conviene utilizzare valori di λ più alti se si è interessati a scostamenti più rilevanti, ma in quest ultimo caso la carta EWMA non fornisce prestazioni ottimali. La scelta di L si orienta intorno al valore 3 delle carte 3-sigma, sebbene per bassi valori di λ si possono ottenere dei vantaggi riducendo i valori di L tra 2.6 e 2.8. La seguente tabella riporta i valori dell ARL, per diversi scostamenti di tipo kσ dal valore obiettivo µ 0, per quei valori di L che, per prefissati valori di λ forniscono un ARL 0 pari a
18 Scarti in σ L = L = L = L = L = k λ = 0.40 λ = 0.25 λ = 0.2 λ = 0.1 λ = Si osservi che per k = 1.00 λ = 0.1 abbiamo per L = un ARL=10.3 simile a quello della carta CUSUM con k = 1 2 e h = 5. 18
19 Carte di controllo a media mobile Si tratta di una carta basata su una media mobile non ponderata. Date le m osservazioni singole x 1,..., x m si calcolano le medie mobili di ampiezza w definite come segue M i = x i + x i x i w+1 w Se E(X i ) = µ 0 e Var(X i ) = σ 2 risulta E(M i ) = µ 0 e Var(M i ) = σ2 w. I limiti di controllo superiore e inferiore a 3-sigma per la carta a Media Mobile sono dati da UCL = µ σ w CL = µ 0 LCL = µ 0 3 σ w L ampiezza del salto di interesse e w sono inversamente proporzionali. Per cui se vogliamo individuare salti piccoli, dobbiamo utilizzare medie lunghe. 19
20 Nel grafico è riportata la carta MA per i dati di pagina 2. Abbiamo utilizzato w = 3. Si noti come il segnale di fuori controllo viene dato alla 24-esima osservazione. MA Chart MA Index 20
Funzione Operativa Caratteristica per la media
Funzione Operativa Caratteristica per la media Se X N(µ 0, σ 0 ) allora il processo all istante t è considerato sotto controllo se calcolata x t risulta µ 0 z 1 α/2 σ 0 n < x t < µ 0 + z 1 α/2 σ 0 n Denotiamo
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliStatistica Applicata all edilizia Lezione: carte di controllo
Lezione: carte di controllo E-mail: orietta.nicolis@unibg.it 24 maggio 2007 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Fonti
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliL UTILIZZO DELLE CUSUM CHART E DELLE EWMA CHART NELL APPLICAZIONE DELLA QAL-3. Sandro Spezia PADOVA 18 NOVEMBRE 2015
L UTILIZZO DELLE CUSUM CHART E DELLE EWMA CHART NELL APPLICAZIONE DELLA QAL-3 Sandro Spezia PADOVA 18 NOVEMBRE 2015 ISO 14181 e CONTROL CHART La UNI 14181 specifica l'uso delle carte di controllo per la
DettagliControllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni
Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliCorso di Statistica Industriale
Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Mercoledì: dalle 10.30 alle 12.30 Venerdì: dalle 8.30
DettagliCUSUM CHART M. BETTINELLI - UNICHIM
CUSUM CHART M. BETTINELLI - UNICHIM Milano, 12 marzo 2015!" CUSUM CHART La UNI 14181 specifica l'uso delle carte di controllo per la QAL3 e ne descrive due tipi differenti: 1.! Le carte di Shewhart 2.!
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliLA MEDIA CAMPIONARIA 14-1
LA MEDIA CAMPIONARIA Prendiamo un urna e inseriamo 10 palline numerate da 0 a 9 (questa è la nostra popolazione ). La media dei 10 valori è 4.5 (questa è la media vera µ). La varianza dei 10 valori è 8.25
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliDr. Marco Vicentini Anno Accademico Rev 02/04/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 02/04/2011 Tabelle di contingenza Percentuali
DettagliStatistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
ISTITUZIONI DI STATISTICA A A 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliSTATISTICA (2) ESERCITAZIONE 2. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 2 5.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. La v.c. Normale: uso delle tavole E noto che un certo tipo di dati si distribuiscono secondo una gaussiana di media 10
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliDa: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.
Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Controllo costi Le difficoltà di un accurato e affidabile
DettagliTest non parametrici. Federico Plazzi. 19 Novembre 2015
Test non parametrici Federico Plazzi 19 Novembre 2015 Cos è un test non parametrico? Cos è un test non parametrico? Idea di base Distribuzione normale: è governata solo dalla sua media e dalla sua deviazione
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE PROCESSI DI POISSON Definizione Un processo stocastico che assume valori interi non negativi si dice essere un processo di Poisson con frequenza λ se 1. A(t) è un prosesso di
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
Dettagli5. Analisi dei dati di input
Anno accademico 2007/08 Analisi e scelta dei dati di input Per l esecuzione di una simulazione è necessario disporre di dati di input che siano una adeguata rappresentazione di ciò che accadrà in realtà
DettagliLa variabilità. Monia Ranalli. Ranalli M. Variabilità Settimana # 2 1 / 14
La variabilità Monia Ranalli Ranalli M. Variabilità Settimana # 2 1 / 14 Sommario Variabilità Definizione Misure di Variabilità Per tutti i caratteri: Entropia Per i carattere quantitativi: Varianza, Scostamento
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Analizzeremo la distribuzione delle famiglie italiane, classificate per numero di
DettagliCarte di controllo per attributi
Carte di controllo per attributi Il controllo per variabili non sempre è effettuabile misurazioni troppo difficili o costose troppe variabili che definiscono qualità di un prodotto le caratteristiche dei
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliAll ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti
Esercizio 1 All ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti 1. 18 2. 25 3. 30 4. Se il voto standardizzato
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliIndici di tendenza centrale Media, mediana e moda.
Indici di tendenza centrale Media, mediana e moda. Indici di tendenza centrale Gli indici di tendenza centrale individuano gli aspetti tipici, ovvero i valori più rappresentativi della distribuzione Questi
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliElementi di Teoria del Portafoglio
Elementi di Teoria del Portafoglio Francesco Rania Department of Law, Economics and Sociology Magna Graecia University of Catanzaro November 21st 2018 Francesco Rania (DLES) Elementi di Teoria del Portafoglio
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 206/7 - Prova del 207-09-08 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliIndici di. tendenza centrale: posizione: variabilità e dispersione: -quantili -decili -percentili. -Media -Moda -Mediana
Indici di posizione: -quantili -decili -percentili tendenza centrale: -Media -Moda -Mediana variabilità e dispersione: -Devianza - Varianza -Deviazione standard Indici di tendenza centrale Indici di tendenza
DettagliCaratterizzazione dei consumi energetici (parte 3)
ESERCITAZIONE 4 Caratterizzazione dei consumi energetici (parte 3) 4.1 CuSum: elementi di analisi statistica Il diagramma delle somme cumulate dei residui in funzione del tempo (CuSum) può essere in generale
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliStatistica inferenziale
Statistica inferenziale Problema Nello studio delle distribuzioni teoriche di probabilità si suppone di conoscere i principali parametri della popolazione che esaminiamo (ad esempio la media, varianza).
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI UTILI - DISTRIBUZIONI
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
DettagliUniversità del Piemonte Orientale. Corso di laurea specialistica in biotecnologie mediche. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea specialistica in biotecnologie mediche Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliCALCOLO DELLE PROBABILITA - 13 Aprile 2011 CdL in STAD, SIGAD - docente: G. Sanfilippo
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 13 Aprile 211 CdL in STAD, SIGAD - docente: G Sanfilippo Motivare dettagliatamente le risposte su fogli allegati e scrivere le risposte negli appositi
DettagliGli intervalli di Confidenza. Lezione 9- Inervalli di Confidenza 1
Lezione 9 Gli intervalli di Confidenza Confidenza 1 Intervalli di Confidenza Sia X 1, X n un campione di ampiezza n estratto dalla popolazione X~(µ,σ 2 ) Per quanto accurato possa essere lo stimatore T
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliStatistica I. Ingegneria Gestionale. Scritto del 17/07/2012
Statistica I. Ingegneria Gestionale. Scritto del 17/07/01 Cerchiare, su questo foglio, le risposte corrette e risolvere per esteso gli esercizi sui fogli assegnati. Esercizio 1. Un operatore finanziario
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Ines Campa Probabilità e Statistica -
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
Dettagli