Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio Ing. Gianluca Chiappini
|
|
- Marino Tedesco
- 8 anni fa
- Visualizzazioni
Transcript
1 Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo Ing. Ganluca Chappn (Ddattca/Dspense) Testo d rfermento: Stefano Beretta Affdabltà delle Costruzon Meccanche Sprnger, 9 Programma del corso Probabltà / Funzone denstà d probabltà / Probabltà cumulata / Affdabltà Tasso d Guasto / MTTF, MTBF Prncpal Funzon d Dstrbuzone Dstrbuzone Esponenzale / Dstrbuzone normale / Dstrbuzone Lognormale / Dstrbuzone d Webull Algebra delle varabl casual Varabl Multple / Regressone Lneare Carte d Probabltà Ret d affdabltà per sstem meccanc compless Calcolo dell affdabltà d un sstema multcomponente / Scelta del coeffcente d scurezza Metod per aumentare l affdabltà Selezone de component / Collaudo / Deratng / Rdondanza Albero de guast, FMEA e FMECA Esemp d stesura delle tabelle per organ meccanc d semplce funzonamento Esemp ed esercz 1
2 Camponamento e varabl aleatore campon Data una popolazone p d dat, s chama camponamento l estrazone d uno d quest dat (campone). popolazone La popolazone rappresenta qund una varable aleatora o casuale Y, mentre con ndchamo l generco valore osservato come rsultato d un espermento o camponamento. s troverà all nterno d un certo domno d esstenza Ỹ valor osservat Y Ỹ Camponamento e varabl aleatore La casualtà o aleatoretà delle varabl, salvo dversamente specfcato, non s rfersce a eventual ncertezze o error d msura, ma semplcemente al fatto che l valore delle varabl n esame non può essere noto con esattezza a pror permotv var Esemp d varabl aleatore: Resstenza d una barra n accao verfcata tramte prova d trazone Pressone atmosferca Pogga annua d una localtà Numero d persone n un locale o su un autobus Numero d crcche > mm n un pannello Contnue Dscrete Il confne tra le due categore è pù teorco che pratco n quanto, ad es.: la pogga annua d una localtà è sempre dscretzzata n mm Le elaborazone dgtal moderne effettuano sempre una dscretzzazone de valor, per cu anche le varabl contnue sono trattate come dscrete, però la potenza d calcolo e le memore attual consentono d utlzzare una gran mole d dat che fa assomglare anche un problema dscreto ad uno contnuo
3 Probabltà Supponamo d poter rpetere un espermento relatvo ad una grandezza Y per un numero d volte n grande a pacere, allora s otterranno n rsultat: 1,,.., n Se A è un sottonseme d Ỹ, la probabltà che l rsultato d un evento o espermento cada all nterno d A vale: # : A Prob( A) lm, n n con 1,,..., n Se un evento è certo la sua probabltà è 1 Ad esempo s consder l lanco d un dado a 6 facce con A = 1,,3,4,5,6 Se un evento è mpossble la sua probabltà è Ad esempo s consder l lanco d un dado a 6 facce con A = 7 Probabltà Dat due event A e B mutuamente esclusv, la loro probabltà combnata, vale a dre la probabltà che s verfch l uno o l altro caso vale: Prob(A+B) = Prob(A) + Prob(B) Ad esempo s consder l lanco d un dado a 6 facce con A =, e B = 5. La probabltà d avere o 5 è la somma de due event pres separatamente Se due event A e B sono ndpendent, la loro probabltà combnata, vale a dre la probabltà che s verfch contemporaneamente vale: Prob(A+B) = Prob(A) Prob(B) Ad esempo s consder due lanc d un dado a 6 facce con A = eb= 5 La probabltà d azzeccare al Ad esempo s consder due lanc d un dado a 6 facce con A, e B 5. La probabltà d azzeccare al prmo lanco e 5 al secondo è data dal prodotto delle due probabltà prese separatamente 3
4 Probabltà Dat due event A e B non mutuamente esclusv, la loro probabltà combnata, vale a dre la probabltà che s verfch l uno oppure l altro caso vale: Prob(A+B) = Prob(A) + Prob(B) Prob(AB) Ad esempo s consder l lanco d due dad a 6 facce con A =, e B =. La probabltà d avere almeno un dado uguale ad è dato dalla somma della probabltà d avere sul prmo dado pù la probabltà d avere sul secondo dado meno la probabltà d avere su entrambe dad. Prob(A) = 1/6 =.1667 Prob(B) = 1/6 =.1667 Prob(AB) = 1/36 =.78 Prob(A+B) = Prob(A) + Prob(B) Prob(AB) = 11/36 =.356 Funzone denstà d probabltà (pdf) Assegnata una varable contnua Y le cu osservazon rcadono all nterno del domno Ỹ, la pdf è defnta come: Prob( Y [, ]) f ( ) lm f() rappresenta la probabltà che un valore casualmente estratto dalla popolazone cada all nterno dell ntervallo d dmenson nfntesme d, dvso d stesso (coè l ampezza dell ntervallo consderato). In altr termn: f ( ) d Prob( Y d) N.B.: f() è qund una funzone a valor fnt, mentre la probabltà f()d è un numero nfntesmo perché s rfersce alla probabltà d un ntervallo nfntesmo 4
5 a Funzone d probabltà cumulata (cdf) Assegnata una varable contnua Y le cu osservazon rcadono all nterno.35 del domno Ỹ, la pdf è defnta come: Prob( Y [, ]) f ( ) lm.3.5. f() La funzone d probabltà cumulata è nvece defnta come: PDF.15.1 F().5 F ( ) Prob( Y ) f ( ) d 1 oppure l lmte nferore d Ỹ essa rappresenta la probabltà che una osservazone casuale d Y sa nferore ad, ed equvale all area sottesa dalla curva pdf CDF F() Funzone d probabltà cumulata (cdf) Se s consdera =+ o sup Ỹ, cdf vale:.35 F (sup Υ ~ ) f ( ) d 1 Υ.3.5 f(). PDF Coè la probabltà d trovare Y all nterno dell ntero domno Ỹ vale 1 (1%) Invece la probabltà d trovare Y all nterno d un generco ntervallo ]a, b] vale: b Prob(a<Y b) = Prob(Y b) - Prob(Y<a) = = F(b)-F(a) CDF F() F(b)-F(a) 5
6 Percentle Il percentle p% della popolazone Y è defnto come l valore argomentale (ossa l valore della varable) p la cu probabltà cumulata vale propro p/1. p/1 CDF F() Il percentle rappresenta n defntva la lettura n modo nverso della funzone d F(a) probabltà cumulata F a p.35 Affdabltà.3 La funzone affdabltà R() è l complemento a1dellaf e rappresenta la probabltà che Y assuma valor > R() = Prob(Y> ) = 1 F() PDF F() f() R().5 Varabl dscrete Se s tratta una varable dscreta Y con domno Ỹ ={ 1,, } (tutt possbl valor d ), s defnsce la funzone massa d probabltà n p ( ) Prob( Y ) lm N N dove n è l numero d osservazon con rsultat e N è l numero d osservazon total. Coè per un generco valore possble nel domno d esstenza s può defnre la probabltà (fnta) che l evento o l espermento abba come esto propro. La probabltà cumulata (che un osservazone sa k ) è data da: F ( ) Prob( Y k k ) : k p( ) Nel caso d varabl dscrete, la funzone denstà d probabltà f() s trasforma n massa d probabltà p( ), e non è pù rappresentata da una curva contnua ma da un stogramma. 6
7 Istogramma Nel caso d varabl dscrete, la funzone denstà d probabltà f() s trasforma n massa d probabltà p( ), e non è pù rappresentata da una curva contnua ma da un stogramma. L stogramma può essere usato convenentemente anche per dscretzzare varabl contnue: se s hanno a dsposzone N camponament o valor osservat d una varable contnua, convene suddvdere l domno n k ntervall o class k log1 ( N ) e verfcare quante rcorrenze s hanno n cascuna classe. Frequenza n = numero d rsultat che cadono all nterno dell -esma classe Frequenza relatva Denstà dell -esma classe n f N f n N rcorrenze o frequenze rcorrenze o frequenze x x 14 1 Al dmnure dell ampezza delle class Δ, l stogramma assomgla sempre pù ad una pdf contnua Istogramma Una volta noto o calcolato l stogramma, s calcola faclmente con la defnzone d F la probabltà cumulata per varabl dscrete x rcorrenze o frequenze probabltà cumulata x rcorrenze o frequenze probabltà cumulata
8 Indcator d tendenza S supponga d studare una varable aleatora Y d cu è nota una dstrbuzone, s defnscono la moda, come quel valore argomentale che massmzza la funzone massa d probabltà (per varabl dscrete) o denstà d probabltà (per varabl contnue) la medana, come quel valore argomentale al percentle 5% Var Valore atteso E( Y ) p( ) E( Y ) f ( ) d ~ e dspersone ( ) p( ) E( Y ) ( Y ) ~ Varanza Var Devazone standard Var(Y ) ~ ( Y ) ( ) f ( ) d E( Y ) ~ Coeffc. d varazone CV CV Statstche camponare S supponga d studare una varable aleatora Y d cu, tramte un camponamento o realzzazone camponara, sono note n osservazon: 1,, 3,, n n S defnsce meda camponara: n La meda camponara rappresenta una stma del valore atteso della dstrbuzone (non nota) da cu sono stat estratt campon. S defnsce varanza camponara: S n ( ) n 1 La varanza camponara rappresenta una stma della varanza della dstrbuzone (non nota) da cu sono stat estratt campon. 8
9 Affdabltà condzonata La probabltà condzonata d un evento A rspetto a B è data dalla probabltà che s verfch A, dopo che s è verfcato B. L affdabltà condzonata R(T, Δ) ) rsponde nvece alla domanda: qual è la probabltà d poter compere una mssone d durata Δ dopo aver gà consumato una vta T? o n altr termn: dato un componente che ha gà funzonato per un perodo T, quanto vale la sua affdabltà per funzonare un ulterore perodo Δ? La probabltà d sopravvvere all stante T + Δ vale: (la probabltà d sopravvvere fno a T ) (la probabltà d sopravvvere durante Δ).35 R( T ) R( T ) R( T, ) qund R( T ) R( T, ) R( T ) PDF f() N.B.: R(T, Δ) non va confusa con (F(T +Δ)-F(T )), R(T, Δ) è l rapporto tra le aree a T e T +Δ msurate da destra.5 T T + Δ Eserczo Tratto da es. 1.1 del lbro (con modfche) Assegnato un gruppo fren la cu vta è dstrbuta secondo la tabella sotto rportata, s chede d calcolare: 1) La durata corrspondente al percentle 1% ) Quant grupp fren vanno sosttut a 5 km 3) Moda e medana 4) Meda (o valore atteso) e varanza 5) Probabltà d portare a termne mssone d 1 km per un freno che ha gà fatto 7 km dstanza n mglaa d km numero d cedment
10 Eserczo testo 1) Occorre aggungere alla tabellna le colonne relatve al calcolo della massa d probabltà e della probabltà cumulata d guasto numero d dstanza n Mm cedment p F tot 11 1 p n ( ) con n 11 n tot tot S può verfcare che p( ) 1 po s esegue la somma progressva de p( ) ottenendo la colonna della probabltà cumulata F( ), l cu valore fnale vale gustamente 1 Il percentle p1% s trova per nterpolazone, tra la 3 e 4 rga: 6 55 p1% mglaa d km Eserczo testo ) Per calcolare F(5) occorre fare l nterpolazone tra la e 3 rga dstanza n Mm numero d cedment p F tot F( 5) Poco meno del 6% de pezz s rompe prma d 5 km % 1
11 Eserczo testo 3) La moda è l valore della varable che massmzza la pdf o l stogramma, coè 75 km dstanza n Mm numero d cedment p F tot 11 1 numero d guast mglaa d km La medana equvale al percentle 5%, e s ottene nterpolando tra la 6 e 7 rga 75 7 p5% mglaa d km Eserczo testo 4) Per calcolare meda e varanza occorre aggungere le colonne per l calcolo d: dstanza n Mm numero d cedment p F p* p*( mu)^ tot Effettuando le somme s ottene E( Y ) p( ) ~ Var( Y ) ( ) p( ) 147. ~ mglaa d km CV. 163 p() e p() (-μ) mglaa d km mglaa d km 11
12 Eserczo testo 5) Occorre calcolare R(7,1) dstanza n Mm numero d cedment p F p* p p*( mu)^ p( tot 11 1 R(8) 1 F(8) R( 7,1) % R(7) 1 F(7) Tasso d guasto (Falure Rate) Il Tasso d Guasto, esprmble con una funzone h(, esprme la probabltà d un componente d arrvare a rottura dopo aver raggunto un tempo t. La probabltà d cedmento nell ntervallo nfntesmo [t, t+] è data dal prodotto della probabltà del componente d arrvare sano al tempo t per la probabltà del componente d cedere dopo aver superato t: Probabltà d cedmento nell ntervallo [t, t+] ] f ( R( h( Probabltà d superare l stante d tempo t Probabltà d cedere dopo aver superato t f ( h( R( 1
13 Tasso d guasto (Falure Rate) Il Tasso d Guasto è la msura stantanea della varazone della curva cumulatva rspetto alla probabltà che l componente sa ancora sopravvssuto. Coè valuta con che percentuale s hanno guast fra gl element rmanent. F( f ( h( t 1 F( R( La probabltà h( è ex-post, n quanto rferta a un manufatto sano al tempo t, mentre la probabltà f( è ex-ante, n quanto rferta a un manufatto certamente sano al tempo t= Il tasso d guasto ha dmenson nverse al tempo, qund può essere nterpretato come ndce del numero d guast nell untà d tempo, coè come veloctà d guasto I data-sheet de manufatt dcharano spesso l tasso d guasto Tasso d guasto (Falure Rate) S consderno N component d un test: N s ( è l numero de component sopravvssut al tempo t, N f ( è l numero de component rott al tempo t. dervando: t N N f t N f t Ns R ( t ) 1 N N dr ( t ) dn f 1 N t Il Tasso d guasto, n base alla sua defnzone, può essere scrtto come: h t 1 N Dvdendo e moltplcando per N s ottene: h t N N s t s t dr t dn f t N 1 dr t R t 13
14 Tasso d guasto (Falure Rate) 1 dr t h t R t Integrando e tenendo conto che R()=1 s ottene: t h t Qund l affdabltà R( dventa: t t dr t R t R e t h ln R t t Tasso d guasto (Falure Rate) In genere guast sono raggruppabl n tre tp: Guast durante l rodaggo (qualt falures): d solto sono dovut ad error d progetto o d fabbrcazone (materale dfettoso assemblaggo o aggustaggo scorretto). Guast casual (stress-related falures): sono dovut a cause aleatore che provocano l applcazone all elemento d forze che superano la resstenza d progetto. Guast per nvecchamento organco o tecnco (wearout falures): avvengono quando l prodotto raggunge l termne della sua vta effettva. mortaltà nfantle h( decrescente danneggamento casuale h( costante usura h( crescente 14
15 Tasso d guasto (Falure Rate) Curva a vasca da bagno (bathtub): h( mortaltà nfantle vta utle usura t Tempo medo tra guast MTBF Il tempo medo fra guast (Mean Tme Between Falures, MTBF), è un parametro d affdabltà applcable a dspostv meccanc, elettrc ed elettronc e ad applcazon software. Il MTBF è l l tt dlt t t d l l h Il MTBF è l valore atteso del tempo tra un guasto ed l successvo; la suamsura ha mportanza n moltssm ambt; ad esempo: la valutazone della vta meda d un dspostvo meccanco, o d un componente elettronco, nell'ambto della progettazone, la valutazone del tempo d attesa n coda d un semlavorato, se l guasto è rferto ad una macchna utensle n un processo d produzone ndustrale 15
16 Tempo medo tra guast MTBF MTTF Il tempo medo tra guast MTBF s ntende la somma d due temp: MTTF (Mean Tme To Falure) e MTTR (Mean Tme To Repar). MTBF =MTTF+MTTR Il tempo medo fno al guasto o MTTF rappresenta la vta meda d un componente. Esso è qund calcolable come valore atteso della funzone denstà d probabltà, o come ntegrale su tutto l domno della funzone affdabltà: MTTF tf ( oppure come ntegrale su tutto l domno della funzone affdabltà: d d d f ( F ( t 1 R( R( ) = MTTF t d R( t R( R( R( ntegrando per part Tempo medo tra guast MTBF MTTF Il tempo medo tra guast MTBF s ntende la somma d due temp: MTTF (Mean Tme To Falure) e MTTR (Mean Tme To Repar). MTBF =MTTF+MTTR Il tempo medo fno al guasto o MTTF rappresenta la vta meda d un componente. Esso è qund calcolable come valore atteso della funzone denstà d probabltà, o come ntegrale su tutto l domno della funzone affdabltà: MTTF tf ( R( S defnsce nvece l tasso d guasto medo, come la meda temporale per un certo perodo del tasso d guasto: t h 1 h t t ( ) Concettualmente l tasso d guasto medo ed l MTTF sono l uno l recproco dell altro 16
17 Eserczo Tratto da es. 6.1 del lbro (con modfche) Data una popolazone d 1 component d cu sono not temp d cedmento, calcolare: 1) Il Tasso d Guasto ) Meda (o valore atteso) e Medana t [ore] Numero d component operatv Ns Eserczo 1) Il Tasso d Guasto Numero d t [ore] component operatv Ns
18 Eserczo 1) Il Tasso d Guasto t [ore] Numero d component operatv Ns Affdabltà R( = Ns(/N Dfferenzale dell'affdabltà dr(/ = R/t Tasso d Guasto h( = dr(/ 1/R( h( Tasso d Guasto,45,4,3535,3,5,,15,1,5, t [ore] 1) ) Meda (o valore atteso) e Medana Eserczo t [ore] Numero d component operatv Ns
19 1) ) Meda (o valore atteso) e Medana Eserczo t [ore] Numero d component operatv Ns Numero d cedment Nf Cedment cumulat Massa d probabltà p pdf f( F(T) f** meda = f = 6.6 ore La medana equvale al percentle 5%, e s ottene nterpolando tra la 14 e 15 rga 7 65 p5% ore 1) ) Meda (o valore atteso) e Medana Eserczo t [ore] Numero d component operatv Ns Numero d cedment Nf Cedment cumulat Massa d probabltà p pdf f( F(T) f** Tasso d Guasto h( = f(/r( meda = f = 6.6 ore La medana equvale al percentle 5%, e s ottene nterpolando tra la 14 e 15 rga 7 65 p5% ore 19
LA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliINDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA
Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliAnalisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:
Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
DettagliSoluzione esercizio Mountbatten
Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliLa retroazione negli amplificatori
La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco
DettagliMacchine. 5 Esercitazione 5
ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007
STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della
DettagliGLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO
GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliStatistica descrittiva
Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
DettagliCircuiti di ingresso differenziali
rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliStudio grafico-analitico di una funzioni reale in una variabile reale
Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model
Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliProbabilità cumulata empirica
Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè
DettagliEsercitazione 1 del corso di Statistica 2
Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,
DettagliAnalisi statistica degli errori casuali
Anals statstca degl error casual error casual: dovut a ncertezze spermental non controllabl che comunque spngono l valore msurato con ugual probabltà n alto od n basso rspetto al valore vero. Quest error
DettagliPotenzialità degli impianti
Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà
DettagliMACROECONOMIA A.A. 2014/2015
MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliLezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse
Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso
DettagliCalcolo della caduta di tensione con il metodo vettoriale
Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta
DettagliAnalisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986
Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliLA VARIABILITA. IV lezione di Statistica Medica
LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce
DettagliAnalisi dei flussi 182
Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle
DettagliAnalisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi
ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119
DettagliLa likelihood. , x 3. , x 2. ,...x N
La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza
DettagliContenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2
Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco
DettagliIncertezza di sensibilità < fluttuazione intrinseca delle misure.
Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso
DettagliProgrammazione e Controllo della Produzione. Analisi dei flussi
Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliEsercitazione 8 del corso di Statistica (parte 1)
Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliMisure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione
UNIVERSITA DEL SALENTO CORSO DI LAUREA IN FISICA (a.a. 007/008) Corso d Laboratoro II (Prof. Antono D INNOCENZO) ESERCITAZIONE DI STATISTICA * Lo scopo d questa eserctazone è quello d comncare ad utlzzare
DettagliLE CARTE DI CONTROLLO
ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata
DettagliEsercizio statistica applicata all ingegneria stradale pag. 1
ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure
DettagliIl campionamento casuale semplice
Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V
DettagliCapitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione
Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM
DettagliPrincipi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive
Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal
DettagliFondamenti di Fisica Acustica
Fondament d Fsca Acustca Pro. Paolo Zazzn - DSSARR Archtettura Pescara Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore rosa. Lvello equvalente. Fsologa dell apparato
DettagliDefinizione classica di probabilità
Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliDivagazioni in margine all Introduzione alla Probabilità di P. Baldi A. Visintin Facoltà di Ingegneria di Trento a.a. 2010-11
Dvagazon n margne all Introduzone alla Probabltà d P. Bald A. Vsntn Facoltà d Ingegnera d Trento a.a. 2010-11 Indce 1. Statstca descrttva. 2. Spaz d probabltà e calcolo combnatoro. 3. Varabl aleatore dscrete.
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE
Dettagli