Funzione Operativa Caratteristica per la media
|
|
- Fabiola Lazzari
- 6 anni fa
- Visualizzazioni
Transcript
1 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 con A t tale regione. Supponiamo che la media del processo sia passata da µ 0 a µ. Non ci si accorge di questo cambiamento con una probabilità data da (probabilità di mancato allarme) ( ) ( ) n µ β(µ) = P (A t µ) = Φ 0 µ n µ + z 1 α/2 Φ 0 µ z 1 α/2 Posto δ = µ µ 0 σ Per la carta a 3-sigma la curva operativa caratteristica è σ 0 β(δ, n) = OC(δ, n) = Φ(3 δ n) Φ( 3 δ n) σ 0 1
2 Il grafico rappresenta le OC al variare di n e per diversi valori di scostamento della media dal valore dato per multipli di σ. OC curves for xbar chart Prob. type II error n = 2 n = 5 n = 10 n = 15 n = Process shift (std.dev) 2
3 La relazione β(δ, n) = OC(δ, n) = Φ(3 δ n) è invertibile. Denotato con z β il quantile di una Z per un fissato valore di β si ha 3 δ n = z β, da cui ( 3 zβ ) 2, n = δ che va approssimato con l intero più vicino. Questo permette per fissati sregolamenti δ della media di determinare la numerosità del campione che assicura valori di β adeguatamente bassi. Esempio Per δ = 1.5 e β = 0.36 troviamo z β = e quindi n = da cui n = 5. (Vedi più avanti). Si osservi infine che β dipende anche dal valore di α e che in generale β sarà tanto più grande quanto più α è piccolo. 3
4 Funzioni operative caratteristiche per σ Nei problemi di controllo statistico in corso di produzioni si è interessati a verificare l ipotesi che la variabilità del processo non aumenti. Ciò equivale alla verifica dell ipotesi H 0 : σ σ 0 contro H 1 : σ > σ 0 L ipotesi H 0 viene rifiutata quando un punto si colloca al disopra della linea UCL. L aumento della variabilità viene espresso da λ = σ σ 0. Per una carta di controllo a 3-sigma abbiamo β(λ) = P ( S < B 4 σ 0 σ = λσ 0 ) È possibile risalire alla distribuzione di S e calcolare quindi il valore di β(λ) per diversi valori di n e di λ 4
5 Tempi di Attesa per segnali di Fuori Controllo Se α è la probabilità di avere un falso segnale di fuori controllo e se indichiamo con T r la variabile casuale che indica il numero di campioni da estrarre prima di avere r falsi allarmi, la T r è una variabile casuale di Pascal e la sua distribuzione è ) α r (1 α) k r k = r, r + 1,... P (T r = k) = ( k 1 r 1 Poichè nella pratica un processo si arresta al primo segnale di fuori controllo la distribuzione di T 1 risulta P (T 1 = k) = α(1 α) k 1 k = 1, 2,... Il tempo medio per aver un falso allarme è dato da E(T 1 ) = 1 α (= ARL 0) Ad esempio per la carta per la media a 3-sigma avremo un falso allarme ogni 1/α = 1/ = 370 campioni 5
6 Quando il valore del parametro del processo (ad esempio la media o la varianza) si sposta da θ 0 a θ il processo è andato fuori controllo. Se β è la probabilità di avere un mancato allarme, la probabilità di dover attendere k campioni per osservare r punti fuori controllo (allarmi autentici) è data da P (T r = k θ) = ( k 1) (1 β(θ)) r β(θ) k r k = r, r + 1,... r 1 La distribuzione dei tempi di un segnale di fuori controllo quando il processo è fuori controllo è P (T 1 = k θ) = (1 β(θ))β(θ) k 1 k = 1, 2,... La probabilità di avere un segnale di fuori controllo entro i primi k campioni è data da 1 β k+1 e tende a 1 al crescere di k per qualunque valore di θ. Il tempo medio di attesa di un segnale di fuori controllo quando il processo è fuori controllo è dato da E(T 1 θ) = 1 1 β(θ) (= ARL 1) 6
7 Esempio. Vogliamo individuare uno scostamento pari a 1.5σ dalla media del diametro degli anelli con campioni di numerosità n = 5 con una carta a 3-sigma. Dalla OC deduciamo che β = La probabilità che lo scostamento venga individuato al primo campionamento è 1 β = Che venga individuato al secondo campionamento è β(1 β) = Il tempo medio di attesa risulta ARL 1 = 1 β 1 = 2. OC curves for xbar chart Prob. type II error Process shift (std.dev) 7
8 Va osservato che la lunghezza media delle sequenze (ARL) diminuisce come β. Una diminuzione dell ARL è quindi legata all abbassamento della OC. Questo abbassamento avviene solo con un aumento della numerosità campionaria e quindi con un aumento dei costi di controllo. Quindi, per un prefissato scostamento della media di kσ, se si fissa n si ottiene il valore di β e quindi il valore dell ARL. Se si fissa l ARL si ricava β = 1 1 ARL e quindi il valore di n che garantisce quel valore di β. Esempio. Se vogliamo ARL=2 per una carta 3-sigma per la media per individuare uno scostamento dalla media pari a 1σ, allora β = 0.5 e dalla OC deduciamo n = 15. 8
9 Capacità produttiva Le carte di controllo permettono di fornire indicazioni sulla capacità del processo produttivo. Se il processo è sotto controllo si può ammettere che la caratteristica X del prodotto sia distribuita come una N( x, ˆσ). Siano T U e T L rispettivamente i limiti superiore e inferiore di specifica (USL e LSL) Il livello effettivo di non conformi del processo è dato da ( ) ( ) TL x TU x p e = P (X < T L ) + P (X > T U ) = Φ + 1 Φ ˆσ ˆσ Il valore minimo di p e lo si ha quando la media coincide con il centro dell intervallo di tolleranza m e = T ( ) U + T L TL T p min = 2Φ U 2 2ˆσ Il livello effettivo di non conformi deve essere tale che p e < p T dove p T è il livello di difettosità tollerabile. Se si verifica che p e > p T occorre distinguere due casi: se p min < p T si ricorre ad una taratura della macchina per riportare la media del processo vicino al valore m e. Se p min > p T il processo è inadeguato. 9
10 Riassumendo p e < p T processo ok p T < p e processo non ok p min < p T < p e taratura macchina per riportare p e vicino a p min. p T < p min < p e riprogrammare carta (aumentare n e ricalcolare ˆσ) L indice di capacità è definito da Il valore C p = USL LSL 6σ la cui stima Ĉ p = USL LSL 6ˆσ P = 1 C p 100% rappresenta la percentuale di specifica usata dal processo. 10
11 Carte per campioni di diversa ampiezza Quando gli m campioni raccolti hanno numerosità n i diverse si costruiscono le carte x e S. I limiti a 3 sigma e di probabilità per tali carte variano da campione a campione e si basano sulla stima ponderata della media e dello scarto quadratico medio. x = mi=1 n i x i mi=1 n i S = mi=1 (n i 1)Si 2 mi=1 n i m I limiti per ognuno degli m campioni della carta x e della carta S sono dati da UCL i = x + A 3,i S CL = x LCL i = x A 3,i S UCL i = B 4,i S CL = S LCL i = B 3,i S 11
12 Carte di controllo per misure singole Queste carte si utilizzano quando tutti gli m campioni sono costituiti da una sola osservazione. Questo può verificarsi per vari motivi, ad esempio se il processo lavora con cadenza troppo lenta se la misurazione da effettuare su un unità ne comporta la distruzione se la produzione avviene in lotti all interno dei quali la variabilità è praticamente nulla Un campione unitario non fornisce nessuna stima per σ quindi non possiamo utilizzare le carte x, R e S. 12
13 Date le m osservazioni singole x 1, x 2,..., x m si costruiscono gli m 1 range mobili RM i = x i x i+1, i = 1, 2,..., m 1 Si calcolano quindi il range medio e la media RM = 1 m 1 m 1 m x i i=1 RM i x = 1 i=1 m Si utilizzano i valori D 3 e D 4 per n = 2 della carta R a 3 sigma per ottenere la carta di controllo per le escursioni campionarie per le osservazioni singole UCL = D 4 RM = 3.267RM CL = RM LCL = D 3 RM = 0 Mentre i limiti per la carta di controllo per la media risultano, osservato che ˆσ = RM d = RM UCL = x + 3ˆσ = x RM CL = x LCL = x 3ˆσ = x 2.66RM 13
14 Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewhart 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). 14
15 Le prime due colonne riportano i dati simulati da N(10, 1). La terza colonna riporta i dati simulati da N(11, 1)
16 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 16
17 Si noti come sapendo il momento in cui si è verificato il cambio di livello un semplice boxplot mette in evidenza tale cambiamento
18 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. ) ) 18
19 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. 19
20 x i x i (µ 0 + K) C + i (µ 0 K) x i C i
21 CUSUM Chart Cumulative Sum Index 21
22 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
23 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 23
24 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. 24
Test 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
DettagliCarte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
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
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
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
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
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
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
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,
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
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
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
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
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
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
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
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
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
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
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
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
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
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
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
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
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
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
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
DettagliSe un processo produttivo è influenzato solo da fattori accidentali si dice che esso è SOTTO CONTROLLO.
1 Carte di controllo Le carte di controllo sono uno STRUMENTO PER IL MONITORAGGIO DI PROCESSI PRO- DUTTIVI. Siccome tali processi sono influenzati da molteplici fattori, i loro prodotti non hanno mai caratteristiche
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
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
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
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
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
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
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
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
DettagliLa Variabilità statistica
La Variabilità statistica Una peculiarità dei caratteri rilevati nelle unità statistiche di un collettivo, è quella di presentare valori o attributi in tutto o in parte diversi. Si chiama variabilità (nel
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
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
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
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliL AFFIDABILITA NELLA FASE DI PRODUZIONE
9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
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
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
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
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
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliSTATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE
STATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE 1 2 Tavole della normale standard. Φ(x) = x 1 2π e t2 2 dt z.00.01.02.03.04.05.06.07.08.09 0.0 0.0 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X
DettagliNozioni di statistica
Nozioni di statistica Distribuzione di Frequenza Una distribuzione di frequenza è un insieme di dati raccolti in un campione (Es. occorrenze di errori in seconda elementare). Una distribuzione può essere
DettagliLA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
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
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliTest delle ipotesi sulla media.
. Caso di un singolo campione. Varianza nota.. Ipotesi alternativa bilaterale Test delle ipotesi sulla media. Valore medio η e deviazione standard σ della popolazione note. η è il valore stimato dal nostro
DettagliCarte di controllo per variabili
Le carte di controllo Carte di controllo per variabili per variabili Queste note NON sostituiscono il testo di riferimento ma sono finalizzate ad agevolare lo studio del testo stesso. Le carte di controllo
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
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
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
Dettagli