Valutazione dell incertezza di misura in ambito microbiologico
|
|
- Rosangela Fusco
- 6 anni fa
- Visualizzazioni
Transcript
1 Valutazione dell incertezza di misura in ambito microbiologico Angela Maiello Dino Spolaor Associazione Italiana Allevatori 6 MEETING LABORATORI SETTORE LATTIERO CASEARIO Montegrotto Terme, 1- dicembre 005
2 DOCUMENTI di RIFERIMENTO UNI CEI EN ISO/IEC 1705:000 Requisiti generali per la competenza dei laboratori di prova e di taratura UNI CEI ENV 13005:000 - Guida all espressione dell incertezza di misura MIKES - Centre for metrology and accreditation, Publication J4/003, Uncertainty of quantitative determinations derived by cultivation of microorganisms, Seppo I. Niemela ISO 718:1996/Amd. 1:001 - Microbiology of food and animal feeding stuffs General rules for microbiological examination UNI ENV ISO 13843:003 Qualità dell acqua Guida per la validazione di metodi microbiologici
3 ISO 718:1996 (1) CALCOLO DEL CONTEGGIO (n piastre di più diluizioni) Caso generale N C = V(n 0,1n 1 + )d V = volume (ml) dell inoculo distribuito in ciascuna capsula n 1 = numero di capsule della prima diluizione considerata n = numero di capsule della seconda diluizione considerata d = diluizione (capsula n 1 ) 3
4 DATI CONTE (test di valutazione preliminare) Prima diluizione (10-3 ) Piastra 1 n. colonie 50 Piastra n. colonie - Seconda diluizione (10-4 ) Piastra 1 n. colonie 5 Piastra n. colonie
5 RISULTATI Partecipante Conteggio 1 Conteggio Conteggio 3 Conteggio 4 Conteggio 5 Conteggio 6 ERRORI A,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5 OK B,5 x ,15 x 10 5,05 x ,6 x ,37 x 10 5,5 x 10 5 calcolo arrotond. C 75 x x x x x x 10-3 calcolo arrotond D,5 x 10 6,4 x 10 6,5 x 10 6,4 x 10 6,5 x 10 6,5 x 10 6 esponente arrotond. E,5 x 10 6,4 x 10 6,5 x 10 6,4 x 10 6,5 x 10 6,5 x 10 6 esponente arrotond. F arrotond. G arrotond. H OK I calcolo L,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5,5 x 10 5 OK M,5 e+5,45 e+5,5 e+5,45 e+5,45 e+5,5 e+5 arrotond. N 50 x x x x x 10 3 calcolo arrotond. O,5 x 10 5,5 x 10 6,5 x 10 6,5 x 10 6,5 x 10 6,5 x 10 6 esponente P Q calcolo arrotond. calcolo arrotond. 5
6 DISTRIBUZIONE DEI DATI VALORE CORRETTO: VALORI NON CONFORMI: 68% MINIMO: MASSIMO: ( ) Intervallo di fiducia:
7 INTERVALLO DI FIDUCIA Intervallo di fiducia: intervallo di valori entro il quale con un definito livello di fiducia si trova il valore vero di un dato parametro di una popolazione Livello di fiducia: valore della probabilità associata ad un intervallo di fiducia o ad un intervallo statistico di copertura limite superiore: valore estremo superiore dell intervallo di fiducia limite inferiore: valore estremo inferiore dell intervallo di fiducia 7
8 ISO 718:1996 INTERVALLO DI FIDUCIA δ = B C + 1,9 B ± 1,96 B C 1 d dove ( ) B = V n + 0,1n 1 8
9 MODULO PER L'INSERIMENTO DEI DATI ANALITICI Analista Codice prova Codice campione Prima diluizione utile 1 a diluizione Piastra 1 1 a diluizione Piastra a diluizione Piastra 1 a diluizione Piastra Conferma colonie P = piastra C = campione UFC/g-ml Limite inferiore UFC/g-ml ISO 718 Limite superiore UFC/g-ml ISO 718 Elisa ,4E+03 1,0E+03,0E+03 Elisa / ,0E+05 8,6E+04 1,3E+05 Elisa / ,9E+04 1,E+04,9E+04 Elisa ,E+04 6,E+04 8,5E+04 Elisa P 1,1E+04 9,7E+03 1,3E+04 Elisa ,4E+04,E+04,6E+04 Elisa 7 653/ ,8E+0 1,E+0,8E+0 Elisa 7 653/ ,1E+0,3E+0 4,E+0 Elisa 7 653/ ,8E+0,9E+0 5,1E+0 Elisa / ,1E+03 9,1E+0 1,3E+03 Elisa / ,0E+0,E+0 4,E+0 Elisa /6 1 -,1E+03 1,4E+03 3,E+03 Elisa / ,0E+0 1,3E+0 3,0E+0 Elisa / ,8E+0,0E+0 4,0E+0 Elisa ,1E+04 9,7E+03 1,E+04 Elisa ,4E+04 1,E+04 1,5E+04 Elisa ,7E+03 4,8E+03 6,8E+03 Elisa 7 654/ ,4E+04 1,E+04 1,5E+04 Elisa 7 654/ ,5E+03 1,0E+03,0E+03 Elisa 7 654/ ,5E+0 9,7E+01,4E+0 Elisa / ,E+04 4,9E+04 7,8E+04 Elisa / ,9E+0,1E+0 4,1E+0 Elisa / ,5E+03 7,9E+03 1,E+04 Elisa ,0E+08 6,0E+08 8,E+08 Elisa ,5E+08,8E+08 4,4E+08 Elisa ,3E+08 4,4E+08 6,3E+08 Elisa ,7E+08 7,5E+08 1,0E+09 Elisa ,3E+08,1E+08,5E+08 Elisa ,0E+07 6,0E+07 8,E+07 Elisa ,7E+08 3,9E+08 5,7E+08 9
10 INCERTEZZA DI CATEGORIA B COME IN ISO Con riferimento agli American Standard Methods con conte superiori a 0 UFC/g - ml Calcolo dell intervallo di fiducia Limite superiore = C + C Limite inferiore = C C 10
11 UNI Caso di conta su una sola piastra C 1 = 67 Calcolo risultato conteggio e intervallo di fiducia c i ± C i C = 67 ± 67 = 67 ± 16 11
12 Stima dell Intervallo di fiducia UNI (caso di piastre) Conte comprese tra 15 e 300 ufc per piastra I.F. = ± k p C n m n = numero di piastre (prove) C m = media delle n conte K p = fattore di copertura per p = 95% 1,96 arrotondato a,0 Limite inferiore: C m Cm -,0 c 14, m C m Limite superiore: Cm C m +0, c + 14, m C m 1
13 UNI Valutazione dei risultati di prove in parallelo C 1 = 0 C = 9 C m = 5 c 1 c 1 + c c k p = 9 7 = 13, Calcolo valore medio e intervallo di fiducia c ± 14, m C m C = 5 ± 1, 4 5 = 5 ± 7 13
14 Approcci di calcolo diversi Confronto con i laboratori di chimica - Gap in relazione all approccio metrologico tra i laboratori di chimica e quelli di microbiologia - Tendenza dei tecnici di microbiologia a trasferire nel proprio ambito esperienze e applicazioni adottate dai laboratori chimici 14
15 Problemi di applicabilità delle metodologie chimiche In chimica: i dati di misura sono variabili casuali continue che seguono il modello di distribuzione di probabilità normale In microbiologia: si opera su variabili casuali discrete (dati di conteggio) che seguono prevalentemente il modello di distribuzione di probabilità di Poisson 15
16 UNI ENV ISO 13843:003 p.to 5.3 La variazione casuale dovuta alla distribuzione non uniforme delle particelle tra campioni paralleli, persino nelle sospensioni perfettamente miscelate, è una caratteristica dei metodi microbiologici. La variazione casuale di base è inevitabile e non ha niente a che fare con le competenze tecniche o l apparecchiatura. Essa segue una legge matematica nota, la distribuzione di Poisson. Le imperfezioni tecniche e molte altre cause sono responsabili della variazione addizionale. ( ) denominata sovradispersione. 16
17 UNI ENV ISO 13843:003 p.to Le enunciazioni di precisione basate sulla distribuzione di Poisson sono molto comuni nelle norme microbiologiche. il modello di Poisson ha il vantaggio distintivo che una singola stima può essere collegata a ogni determinazione 17
18 Tendenza diffusa BASARE LA STIMA DELL INCERTEZZA DI MISURA SU DATI DI RIPETIBILITÀ E RIPRODUCIBILITÀ Problemi per le prove microbiologiche (indipendenti dall operatore) - instabilità della matrice (alimento / acqua) - variabilità dei sottocampioni (tra essi prima che nella prova) - distribuzione dei microrganismi (σ µ) 18
19 UNI ENV ISO 13843:003 p.to 4..8 Le prove collaborative sono state sviluppate in uno strumento ampiamente applicato per le prove delle caratteristiche di precisione dei metodi chimici. Sembra tuttavia prematuro raccomandare lo stesso in microbiologia. ( ) L esperienza presente è che gli esperimenti collaborativi destinati alle prove delle prestazioni dei metodi tendono a trasformarsi in prove di perizia del laboratorio ed esercizi di formazione 19
20 Valutazione delle incertezze di Categoria A (3) Per una stima attendibile di tale incertezza è opportuno disporre di un elevato numero di risultati paralleli Procedimento meno adeguato in microbiologia rispetto alle prove di chimica a causa dell instabilità dei campioni. Miglior approccio in microbiologia: stimare le singole componenti dell incertezza incertezza tipo composta 0
21 UNI ENV ISO 13843:003 p.to 9.5. Stime della precisione di tipo A Tali stime non hanno ancora fatto la loro comparsa nelle norme microbiologiche la precisione delle determinazioni microbiologiche non è costante persino in scala logaritmica, ma dipende dal numero delle colonie 1
22 MICROBIOLOGIA PRINCIPALI COMPONENTI DELL INCERTEZZA Distribuzione casuale delle cellule microbiche Volume di inoculo Diluizioni Lettura del risultato
23 Approccio per Singole Componenti Valutazioni preliminari Calcolo sperimentale della ripetibilità di dosaggio delle pipette Calcolo sperimentale della ripetibilità di dosaggio del diluente Calcolo sperimentale della ripetibilità di conteggio degli operatori 3
24 CALCOLO DELLO SCARTO TIPO DEL VOLUME DI INOCULO ANALISTA Media laboratorio Scarto tipo laboratorio Incertezza tipo relativa CV n. valori 1,00 0,016 0,017,17% ,00 0,046 0,045,45% 0 0 1,00 0,0185 0,0185 1,85% 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 0 #DIV/0! #DIV/0! #DIV/0! #DIV/0! 0 Ripetizione 1 Ripetizione Ripetizione 3 Ripetizione 4 Scarto tipo DATA 00/01/1900 Pipetta 1 1,00 1,04 1,01 0,98 0,050 Analista 0 Pipetta 0,99 1,00 0,97 0,98 0,019 Media Scarto tipo Pipetta 3 1,00 1,01 1,04 1,03 0,0183 1,00 0,046 Pipetta 4 0,99 0,98 0,98 0,96 0,016 Incertezza tipo relativa CV Pipetta 5 1,00 1,05 1,0 1,00 0,036 0,045,45% Ripetizione 1 Ripetizione Ripetizione 3 Ripetizione 4 Scarto tipo DATA 00/01/1900 Pipetta 1 1,00 0,99 0,98 0,99 0,008 Analista 0 Pipetta 1,00 0,99 0,98 1,00 0,0096 Media Scarto tipo Pipetta 3 1,04 0,98 0,99 0,99 0,071 1,00 0,0185 Pipetta 4 1,03 1,00 1,00 0,98 0,006 Incertezza tipo relativa CV Pipetta 5 1,0 0,99 1,01 0,96 0,065 0,0185 1,85% 4
25 CALCOLO DELLO SCARTO TIPO DEL VOLUME DEL DILUENTE TABELLA N. 1 DATA 00/01/1900 ANALISTA 0 Autoclave 0 Bilancia cod. 0 TEMPERATURA INIZIO CICLO: 0 ORA INIZIO CICLO: 0.00 TEMPERATURA FINE CICLO: 0 ORA FINE CICLO: 0.00 TEMPERATURA LETTURA: 0 Impostazione dosatore 0 ml N. Provetta vuota con tappo Provetta con diluente prima della sterilizzazione Peso netto diluente PRE-sterilizzazione Provetta con diluente dopo sterilizzazione in autoclave Peso netto diluente POST-sterilizzazione Calo % causato dalla sterilizzazione Differenza % volume rispetto ai ml richiesti (Tolleranza +/-%) 1 16,95 6,01 9,06 5,84 8,89 1,9-1, OK 16,93 6,09 9,16 6,05 9,1 0,4 1,33 OK 3 19,7 8,87 9,15 8,63 8,91,6-1,00 OK 4 0,18 9,34 9,16 9,1 8,94,4-0,67 OK 5 18,49 7,64 9,15 7,4 8,93,4-0,78 OK 6 4,8 33,99 9,17 33,74 8,9,7-0,89 OK 7 18,93 8,09 9,16 7,80 8,87 3, -1,44 OK 8 18,19 7,36 9,17 7,13 8,94,5-0,67 OK 9 0,0 9,19 9,17 8,95 8,93,6-0,78 OK 10 3,90 33,08 9,18 3,95 9,05 1,4 0,56 OK 11 19,74 8,91 9,17 8,67 8,93,6-0,78 OK 1 0,1 9,33 9,1 9,17 8,96 1,8-0,44 OK 13 19,15 8,35 9,0 8,13 8,98,4-0, OK 14 19,54 8,74 9,0 8,54 9,00, 0,00 OK 15 17,14 6,4 9,10 6,08 8,94 1,8-0,67 OK 16 18,86 8,01 9,15 7,75 8,89,8-1, OK 17 18,51 7,64 9,13 7,41 8,90,5-1,11 OK 18 0,49 9,6 9,13 9,48 8,99 1,5-0,11 OK 19 4,3 33,48 9,16 33,33 9,01 1,6 0,11 OK 0 16,7 5,89 9,17 5,70 8,98,1-0, OK 1 16,69 5,88 9,19 5,73 9,04 1,6 0,44 OK 0,05 9,3 9,18 9,07 9,0 1,7 0, OK 3 17,17 6,4 9,5 6,17 9,00,7 0,00 OK 4 17,73 6,9 9,19 6,73 9,00,1 0,00 OK 5 0,36 9,64 9,8 9,37 9,01,9 0,11 OK 6 4,9 33,54 9,5 33,30 9,01,6 0,11 OK 7 19,91 9,10 9,19 8,99 9,08 1, 0,89 OK 8 16,37 5,64 9,7 5,36 8,99 3,0-0,11 OK 9 19,35 8,57 9, 8,38 9,03,1 0,33 OK 30 19,88 9,10 9, 9,05 9,17 0,5 1,89 OK MEDIA 9,18 MEDIA 8,98,13-0,1 OK SCARTO TIPO 0,05 SCARTO TIPO 0,0691 0,68 C.V. 0,5 C.V. 0,77 31,69 Giudizio 5
26 CALCOLO DELLE COMPONENTI D INCERTEZZA Incertezza dovuta alla Distribuzione di Poisson Incertezza di lettura delle piastre 6
27 Incertezza del conteggio dovuta alla distribuzione di Poisson Conta di colonie da una singola capsula Petri [ u ( z )/z ] 1 = z Conta di colonie da più capsule Petri [ u ( Z )/Z ] 1 = z i = 1 Z 7
28 Incertezza di conteggio dovuta alla lettura delle capsule Incertezza media di conteggio di capsule in singolo Rilettura in ordine casuale delle capsule Breve lasso di tempo tra le due letture Almeno una trentina di capsule Incertezza di conteggio nei risultati MPN Distinzione tubi positivi e negativi. Problema trascurabile. Mancanza di dati di letteratura 8
29 Incertezza di lettura delle capsule () - Caso di capsule in singolo sottoposte ad una seconda lettura dopo un breve intervallo di tempo Calcolo della varianza relativa Primo metodo (valori trasformati in ln): [ u ( )/ ] lett lett = n 1 (lnz 1 lnz n ) 9
30 Incertezza di lettura delle piastre (1) I N C E R T E Z Z A D I L E T T U R A A N A L I S T A C a l c o l o m e d i a n t e l a t r a s f o r m a z i o n e d e l l e c o n t e i n l o g a r i t m i n a t u r a l i N. P I A S T R A C O N T A 1 C O N T A ( l n c o n t a 1 - l n c o n t a ) , , , , , , , , , , n. d. n. d. n. d. 1 n. d. n. d. n. d. 1 3 n. d. n. d. n. d. 1 4 n. d. n. d. n. d. 1 5 n. d. n. d. n. d. 1 6 n. d. n. d. n. d. 1 7 n. d. n. d. n. d. 1 8 n. d. n. d. n. d. 1 9 n. d. n. d. n. d. 0 n. d. n. d. n. d. 1 n. d. n. d. n. d. n. d. n. d. n. d. 3 n. d. n. d. n. d. 4 n. d. n. d. n. d. 5 n. d. n. d. n. d. 6 n. d. n. d. n. d. 7 n. d. n. d. n. d. 8 n. d. n. d. n. d. 9 n. d. n. d. n. d. 3 0 n. d. n. d. n. d. T O T A L E 0, V a r i a n z a r e l a t i v a d i l e t t u r a d e l l ' a n a l i s t a 0, I n c e r t e z z a t ip o r e l a t i v a d i l e t t u r a d e ll'a n a l is t a 0,
31 CALCOLO DELLE COMPONENTI D INCERTEZZA Incertezza dovuta al dosaggio degli inoculi 31
32 Incertezza del volume totale inoculato (con diluizioni) Incertezza relativa del volume totale inoculato ( V ) u /V = u V ( V ) u Varianza del volume totale inoculato (V) 1 = n u (inoc) + f { [ ( ) ] [ ( ) ] } n u inoc /inoc + k u f /f 3
33 CALCOLO DELLE COMPONENTI D INCERTEZZA Incertezza dovuta al fattore di diluizione 33
34 Varianza relativa del Fattore di diluizione totale (k step) Caso di fattori di diluizione costanti [ u ( F )/F ] = k [ u ( f ) /f ] k = n di step di diluizione Caso di fattori di diluizione diversi nei singoli step [ ( ) ] u F /F = u( f ) [ ] [ ( ) ] [ ( ) ] /f + u f /f + u f /f + L
35 CALCOLO DELLE COMPONENTI D INCERTEZZA Eventuale Incertezza di conferma delle colonie 35
36 Prove di conferma (3) Applicazione di un coefficiente di conferma al numero di colonie presunte positive pˆ x = k n z pˆ = k n k = numero di colonie confermate n = numero di colonie presunte positive sottoposte a conferma z = numero di colonie presunte positive 36
37 Varianza relativa della distribuzione di Poisson (caso della conta confermata) [ u( x) /x] = z k n 37
38 Varianza relativa della somma delle conte confermate [ u( X )/X ] = 1 z i + 1 k i 1 n i che può anche essere scritto come [ u( X )/X ] Z = somma delle colonie presunte positive K = somma delle colonie confermate N = somma delle colonie presunte positive sottoposte a conferma = 1 Z + 1 K 1 N 38
39 Componenti dell incertezza Componenti incertezza Distribuzione di Poisson u(z)/z Volume totale inoculato u(v)/v Fattore di diluizione u(f)/f Lettura piastre u(l)/l Conferma colonie u(p)/p Quando contribuiscono all incertezza? Comune a tutti i conteggi (di facile calcolo, è inversamente proporzionale al numero di colonie contate) Comune a tutti i conteggi è legata alla ripetibilità di dosaggio degli inoculi. E richiesta una valutazione sperimentale della ripetibilità del dosaggio con le pipette. In presenza di diluizioni (è legata alla numerosità delle diluizioni allestite e alla ripetibilità di dosaggio dei volumi del diluente) E richiesta una valutazione sperimentale della ripetibilità del dosaggio del diluente. Comune a tutti i conteggi, richiede una preliminare valutazione della ripetibilità dei conteggi da parte degli operatori. Solo se richiesta la conferma delle colonie. In tale caso comprende e quindi sostituisce u(z)/z (distribuzione di Poisson) 39
40 Rapporto di calcolo delle componenti dell incertezza Incertezza relativa del risultato della prova Prove che non prevedono la conferma [ u(z)/z] + [ u(v)/v] + [ u(f)/f] [ u(l)/l ] u(y)/y = + RISULTATO FINALE Contenuto microbico del campione (risultato) N u(y)/y Incertezza relativa = Incertezza di misura = N * Incertezza relativa 40
41 Applicazione di calcolo ad un metodo normato Carica microbica mesofila in latte crudo (su mezzo di coltura Plate Count Agar) Diluizione 10-5 Diluizione 10-6 Conta colonie per piastra CALCOLO DELLE COMPONENTI DI INCERTEZZA Incertezza tipo relativa u Peso % 1. Fattore di diluizione 0,0 18,8 %. Volume totale inoculato 0,005 4,3 % 3. Distribuzione di Poisson delle cellule microbiche 0,049 36,6 % 4. Ripetibilità di lettura delle capsule 0,047 40,3 % INCERTEZZA TIPO RELATIVA COMPOSTA (u(y)/y) 0,0676 6,8 % Incertezza tipo composta della misura (u C ) Incertezza estesa U Risultato della prova,5 x ,17 x 10 7 ± 0,34 x
42 INCERTEZZA TIPO RELATIVA DELLE SINGOLE COMPONENTI PESO % DELLE SINGOLE COMPONENTI STIMATE Fattore di diluizione Volumi di inoculo Distribuzione di Poisson Lettura piastre Conferma colonie Fattore di diluizione % Volumi inoculo % Distribuzione di Poisson % Lettura Piastre % Conferma colonie % 0,09 0,0140 0,1796 0,0465 0, % 5% 67% 17% 0% 0,0358 0,017 0,0981 0,074 0, % 10% 43% 3% 0% 0,0358 0,017 0,94 0,074 0, % 6% 64% 0% 0% 0,0358 0,0146 0,0811 0,0489 0,0000 0% 8% 45% 7% 0% 0,09 0,0140 0,0000 0,0496 0, % 7% 0% 5% 53% 0,09 0,0140 0,0436 0,0468 0,0000 % 10% 33% 35% 0% 0,007 0,0181 0,13 0,0660 0,0000 7% 6% 67% 1% 0% 0,007 0,0181 0,1644 0,0599 0,0000 8% 7% 6% 3% 0% 0,007 0,0181 0,1474 0,0606 0,0000 8% 7% 60% 5% 0% 0,007 0,0198 0,0913 0,0655 0, % 10% 46% 33% 0% 0,007 0,0198 0,1741 0,0661 0,0000 7% 7% 6% 4% 0% 0,09 0,017 0,18 0,074 0,0000 9% 6% 64% 1% 0% 0,007 0,0198 0,13 0,0661 0,0000 6% 6% 67% 1% 0% 0,007 0,0198 0,1796 0,074 0,0000 7% 7% 61% 5% 0% 0,09 0,0140 0,0643 0,046 0, % 9% 4% 30% 0% 0,09 0,0140 0,0574 0,0469 0,0000 0% 9% 39% 3% 0% 0,09 0,0140 0,0894 0,0471 0, % 8% 50% 6% 0% 0,09 0,0140 0,0580 0,0469 0,0000 0% 9% 39% 3% 0% 0,09 0,0140 0,1768 0,0485 0, % 5% 66% 18% 0% 0,007 0,0181 0,357 0,0685 0,0000 6% 5% 69% 0% 0% 0,0358 0,0198 0,113 0,066 0, % 8% 51% 6% 0% 0,007 0,0198 0,1768 0,0659 0,0000 7% 7% 6% 3% 0% 0,09 0,0198 0,0976 0,0665 0, % 9% 46% 31% 0% 0,0547 0,0140 0,0806 0,0444 0,0000 8% 7% 4% 3% 0% 0,0547 0,0140 0,113 0,0469 0,0000 4% 6% 49% 1% 0% 0,0547 0,0140 0,098 0,0477 0,0000 6% 7% 44% 3% 0% 0,0547 0,0140 0,074 0,045 0,0000 9% 8% 39% 4% 0% 0,0506 0,0140 0,0449 0,0470 0,0000 3% 9% 9% 30% 0% 0,0506 0,0140 0,0806 0,0459 0,0000 6% 7% 4% 4% 0% 0,0547 0,0140 0,0985 0,0480 0,0000 5% 6% 46% % 0% 4
43 Metodo semplificato Basato sul calcolo del parametro G Metodo che non richiede il calcolo delle singole componenti di incertezza, ma che tiene conto delle componenti date da - distribuzione di Poisson - incertezza dei volumi di inoculo - incertezza di lettura delle piastre G n 1 n = i = 1 z i ln z v i i Z ln Z V 43
44 G - SIGNIFICATO (1) Il valore assunto da G permette di valutare se l operatore abbia lavorato in maniera accettabile e se i conteggi ottenuti alle distinte diluizioni siano da considerarsi congruenti tra loro Tale condizione si ottiene se G χ p = 0,95, n-1 44
45 G - SIGNIFICATO () - Valore atteso nella classica distribuzione di Poisson G /n-1 1,0 - Presenza di variabilità non imputabile alla sola distribuzione di Poisson G /n-1 > 1,0 - Presenza di problemi analitici G /n-1 > 5,0 In questo caso i dati dovrebbero essere riesaminati 45
46 Calcolo dell'indice X Calcolo dell'indice del logaritmo del rapporto di verosimiglianza G Indice di dispersione di Poisson ACCETTABILITA' CONTE IN DOPPIO OMOGENEITA' CONTE Valutazione di proporzionalità generale ACCETTABILITA' CONTE X della 1 a diluizione Giudizio X della a diluizione Giudizio G Giudizio omogeneità G /(n-1) Giudizio variabilità Omogeneità 1 a diluizione Giudizio 1 a dil Omogeneità a diluizione Giudizio a dil Proporzionalità Tra diluizioni Giudizio Tra diluizioni 1,815 OK 0,000 OK,3 OK 0,77 OK 1,84 OK 0,00 OK 0,49 OK n.d. n.d. n.d. n.d. n.d. n.d. n.d. NC n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. NC n.d. n.d. n.d. n.d. n.d. n.d. 0,007 OK n.d. n.d. 0,0 OK 0,01 OK 0,01 OK n.d. n.d. 0,01 OK 6,4 Critico 0,091 OK 13,73 NC 4,58 Critico 6,5 Critico 0,09 OK 7,39 NC 0,075 OK 1,043 OK 1,13 OK 0,38 OK 0,08 OK 1,05 OK 0,01 OK n.d. n.d. 0,000 OK 1,06 OK 0,53 OK n.d. n.d. 0,00 OK 1,06 OK n.d. n.d. 3,571 OK 4,09 OK,05 Critico n.d. n.d. 3,96 Critico 0,13 OK n.d. n.d.,000 OK,11 OK 1,06 Critico n.d. n.d.,09 OK 0,0 OK n.d. n.d. n.d. n.d. 0,1 OK 0,1 OK n.d. n.d. n.d. n.d. 0,1 OK n.d. n.d. n.d. n.d. 0,00 OK 0,00 OK n.d. n.d. n.d. n.d. 0,00 OK n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. 0,00 OK 0,00 OK n.d. n.d. n.d. n.d. 0,00 OK n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. n.d. #DIV/0! #DIV/0! 0,115 OK 3,40 OK 3,86 OK 1,9 Critico 0,1 OK 3,31 OK 0,43 OK 0,81 OK 0,333 OK 1,16 OK 0,39 OK 0,81 OK 0,33 OK 0,0 OK 0,877 OK 0,091 OK 0,98 OK 0,33 OK 0,88 OK 0,09 OK 0,01 OK 0,948 OK 6,59 Critico 7,48 OK,49 Critico 0,95 OK 6,53 Critico 0,00 OK 0,533 OK 0,000 OK 0,88 OK 0,9 OK 0,53 OK 0,00 OK 0,35 OK n.d. n.d. 1,000 OK 0,31 OK 0,31 OK n.d. n.d. n.d. n.d. 0,31 OK n.d. n.d. n.d. n.d., OK, Critico n.d. n.d. n.d. n.d., OK n.d. n.d. n.d. n.d. 0,00 OK 0,00 OK n.d. n.d. n.d. n.d. 0,00 OK n.d. n.d. n.d. n.d. 0,03 OK 0,03 OK n.d. n.d. n.d. n.d. 0,03 OK 0,94 OK 1,087 OK 7,45 OK,48 Critico 0,9 OK 1,10 OK 5,43 Critico 0,35 OK 0,143 OK 0,50 OK 0,17 OK 0,35 OK 0,14 OK 0,00 OK 1,579 OK 1,000 OK,86 OK 0,95 OK 1,58 OK 1,0 OK 0,6 OK 0,150 OK 0,167 OK,84 OK 0,95 OK 0,15 OK 0,17 OK,5 OK 5,556 Critico 4,61 Critico 9,9 Critico 3,31 Critico 5,57 Critico 4,33 Critico 0,0 OK 0,007 OK,88 OK 3,64 OK 1,1 Critico 0,01 OK,97 OK 0,67 OK,368 OK 0,000 OK,61 OK 0,87 OK,38 OK 0,00 OK 0,3 OK 46
47 Metodo semplificato [ ] u(x)/ x [ u(f)/f] u(y)/y = + In cui G n 1 1 u = n 1 Z [ ( x ) / x ] Il metodo semplificato permette di valutare l incertezza relativa che include tutte le componenti casuali che influenzano le conte in un sistema rivelatore multiplo 47
48 Confronto tra metodi di calcolo Tabella 8c Confronto degli intervalli dell incertezza ottenuti applicando i diversi approcci di calcolo Risultato,5 x 10 7 UFC Incertezza tipo composta Incertezza estesa (k = ) Limite inferiore Limite superiore Metodo metrologico 0,17 x 10 7 ± 0,34 x 10 7, x 10 7,8 x 10 7 Metodo semplificato 0,16 x 10 7 ± 0,3 x 10 7, x 10 7,8 x 10 7 ISO 718 / /,3 x 10 7,7 x
49 Diverse combinazioni di conta di colonie Medesimo conteggio microbico per unità di campione Diversa ampiezza dell incertezza di misura Diluizioni Risultato (UFC) G n 1 Incertezza estesa U Limite inferiore Limite superiore n ,5 x ,05 ± ,4 x 10 7,6 x ,5 x ,99 ± ,3 x 10 7,7 x ,5 x ,86 ± ,0 x ,0 x ,5 x ,57 ± ,8 x , x 10 7 Intervallo di fiducia (ISO 718): lim.inf.,3 x 10 7 lim.sup..7 x
50 Efficacia del metodo semplificato Il metodo semplificato di calcolo dell incertezza a differenza della ISO 718, esprime valori di incertezza con ampiezza che è funzione della qualità della prestazione analitica che ha prodotto il risultato 50
51 In c e r te z z a E S T E S A (s e c o n d o M ik e s J 4 / ) ± Inc.spec.lettura In c e r te z z a e s te s a (m e to d o s e m p lific a to M ik e s J 4 / ) ± O m o g e n e ità 1 a d ilu iz io n e O m o g e n e ità a d ilu iz io n e P r o p o r z io n a lità T r a d ilu iz io n i O m o g e n e ità T O T A L E 5,3 E + 0 4,5 E + 0 O K O K O K O K,7 E n.d. n.d. n.d. n.d. n.d. 9,3 E n.d. n.d. n.d. n.d. n.d. 1,5 E ,3 E O K n.d. O K O K,7 E ,1 E C ritic o O K N C N C 3,4 E ,9 E O K O K O K O K 8, E ,7 E n.d. O K O K O K 1,1 E + 0 1,5 E + 0 n.d. C ritic o O K O K 1, E + 0 1, E + 0 n.d. O K O K O K,5 E + 0 8, E n.d. n.d. O K O K 1,1 E + 0 1, E n.d. n.d. O K O K 9,8 E + 0 n.d. n.d. n.d. n.d. n.d. 9,0 E ,3 E n.d. n.d. O K O K 1,1 E + 0 n.d. n.d. n.d. # D IV /0! n.d. 1,9 E ,7 E O K O K O K O K, E ,3 E O K O K O K O K 1, E ,7 E + 0 O K O K O K O K, E + 0 3,6 E O K C ritic o O K O K 5,4 E + 0,9 E + 0 O K O K O K O K 7,4 E ,0 E n.d. n.d. O K O K 1,8 E + 0 4,3 E n.d. n.d. O K O K 1,1 E + 0 1,3 E n.d. n.d. O K O K,4 E ,6 E + 0 n.d. n.d. O K O K 1,5 E ,9 E O K O K C ritic o O K 9,6 E ,1 E O K O K O K O K 1,3 E ,1 E O K O K O K O K 1,8 E ,5 E O K O K O K O K 3,8 E ,3 E C ritic o C ritic o O K C ritic o 1,5 E ,4 E O K O K O K O K 1, E ,0 E O K O K O K O K 51
52 Valutazione dell incertezza di misura in ambito microbiologico Grazie per l attenzione Dino Spolaor dino.spolaor@venetoagricoltura.org 5
Incertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
DettagliELABORAZIONE STATISTICA DEI DATI NMR NEL PRIMO CONFRONTO INTERLABORATORIO RETELAB
Bari, 11 Novembre 2013 ELABORAZIONE STATISTICA DEI DATI NMR NEL PRIMO CONFRONTO INTERLABORATORIO RETELAB Dott.ssa Innovative Solutions S.r.l. Società Spin Off del Politecnico di Bari qualita@innovative-solutions.it
DettagliImportanza delle incertezze nelle misure fisiche
Importanza delle incertezze nelle misure fisiche La parola errore non significa equivoco o sbaglio Essa assume il significato di incertezza da associare alla misura Nessuna grandezza fisica può essere
DettagliSG UNI EN ISO 9001:2000 - Certificato CSQ 9122 ASLB CALCOLO DELL INCERTEZZA DI MISURA
LABORATORIO DI SANITÀ PUBBLICA Pagina 1 di 31 INDICE 1. SCOPO pag.. CAMPO DI APPLICAZIONE pag. 3. DEFINIZIONI pag. 4. RESPONSABILITÀ pag. 3 5. MODALITÀ OPERATIVE pag. 3 5.1 Calcolo dell incertezza di misura
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
DettagliMetodologie informatiche per la chimica
Metodologie informatiche per la chimica Dr. Sergio Brutti Metodologie di analisi dei dati Strumenti di misura Uno strumento di misura e un dispositivo destinato a essere utilizzato per eseguire una misura,
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
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliDETERMINAZIONE DEI DIAMETRI E CONTROLLO FRA LABORATORI
Gruppo Interregionale Fibre Coordinamento Tecnico Interregionale della Prevenzione nei Luoghi di Lavoro C.T.I.P.L.L. CLASSIFICAZIONE DI MMVFs DETERMINAZIONE DEI DIAMETRI E CONTROLLO FRA LABORATORI Studio
DettagliINCERTEZZA DI MISURA SECONDO NORME CEI
CORSO DI FORMAZIONE AMBIENTALE TECNICHE DI MISURA DEI CAMPI ELETTROMAGNETICI IN ALTA E BASSA FREQUENZA INCERTEZZA DI MISURA SECONDO NORME CEI Ing. Valeria Canè Servizio Agenti Fisici 1 UNA MISURA E un
DettagliUniversità del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica
Università del Piemonte Orientale Specializzazioni di area sanitaria Statistica Medica Regressione Lineare e Correlazione Argomenti della lezione Determinismo e variabilità Correlazione Regressione Lineare
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliLABORATORIO DI MICROBIOLOGIA. Presentato dalla classe 3^A CH
LABORATORIO DI MICROBIOLOGIA Presentato dalla classe 3^A CH Analisi Ricerca lattobacilli in un campione di yogurt seminato su terreno MRS Ricerca degli streptococchi in un campione di yogurt seminato su
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliGENETICA QUANTITATIVA
GENETICA QUANTITATIVA Caratteri quantitativi e qualitativi I caratteri discontinui o qualitativi esibiscono un numero ridotto di fenotipi e mostrano una relazione genotipo-fenotipo semplice I caratteri
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliRT-27 Prescrizioni per l'accreditamento degli organizzatori delle prove valutative interlaboratorio
ACCREDIA L ente italiano di accreditamento RT-27 Prescrizioni per l'accreditamento degli organizzatori delle prove valutative interlaboratorio Paolo Bianco Direttore Dipartimento Laboratori di prova Via
DettagliIndice Premessa................................... Cenni storici delle misure......................
Indice Premessa................................... 5 1 Cenni storici delle misure...................... 11 1.1 Il numero come misura...................... 13 1.2 I primi campioni di lunghezza..................
DettagliVALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE
VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE 1 Il processo di validazione/qualificazione di un metodo microbiologico presuppone che i fattori critici siano adeguatamente disciplinati da indicazioni
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliL ANALISI DELLA DOMANDA
L ANALISI DELLA DOMANDA ANALISI QUANTITATIVA DELLA DOMANDA - Si misura il grado di diffusione del prodotto in relazione alla domanda complessiva potenziale (Approccio strutturalista) - domanda attuale
DettagliLaboratorio alimenti (PORDENONE) Laboratorio acque marino costiere e qualità dell aria (TRIESTE)
RISULTATI INDAGINE SODDISFAZIONE DEI CLIENTI PER LE ATTIVITÀ DEL SISTEMA DI GESTIONE PER LA QUALITÀ DEL LABORATORIO MULTISITO UNI CEI EN ISO/IEC 17025 ANNO 2015 Al fine di assicurare la corretta individuazione
DettagliRISPOSTA ALLA SELEZIONE
RISPOSTA ALLA SELEZIONE Una volta valutati e scelti i riproduttori secondo criteri di selezione precisi, è necessario stimare la risposta ottenibile con un determinato progetto selettivo e verificare a
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliTeorema del limite centrale TCL
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
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
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
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliMarina Patriarca Laboratorio Nazionale di Riferimento per i metalli negli alimenti, Isituto Superiore di Sanità, Roma Eurachem-Italia
Attività internazionali: aggiornamento della norma ISO 13528 Statistical methods for use in proficiency testing by interlaboratory comparisons. Cosa cambia per i laboratori? Marina Patriarca Laboratorio
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliLa validazione dei metodi microbiologici : aspetti applicativi, controllo del processo analitico e valutazione dell operatore.
Validazione dei metodi e incertezza di misura nei laboratori di prova addetti al controllo di alimenti e bevande La validazione dei metodi microbiologici : aspetti applicativi, controllo del processo analitico
DettagliLezioni del Corso di Fondamenti di Metrologia
Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia 11. Taratura nel settore dimensionale Indice Taratura di Calibri (UNI 9313) Taratura di comparatori (UNI 9191) Taratura di micrometri
DettagliLa Qualità. nei Laboratori Chimici delle Dogane. Prestigio della tradizione e valorizzazione della competenza
La Qualità nei Laboratori Chimici delle Dogane Prestigio della tradizione e valorizzazione della competenza Forum della Pubblica Amministrazione Fiera di Roma 11 maggio 2005 Indagine sulle merci analisi
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
DettagliCampo di Variazione Costituisce la misura di
Statistica2 22/09/2015 I Parametri di dispersione Campo di Variazione Costituisce la misura di PESO ALLA NASCITA DEI BOVINI matricola PESO SESSO 7 38,00 F 8 38,00 F 1 40,00 F 2 40,00 F 5 40,00 F 10 42,00
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliAnalisi QTL. Include materiale dal capitolo 20.6 (pag ), vol III, Barcaccia e Falcinelli
Analisi QTL Include materiale dal capitolo 20.6 (pag 984-1000), vol III, Barcaccia e Falcinelli Interpretazione della distribuzione continua dei caratteri nelle popolazioni naturali e sperimentali Tre
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliCifre significative delle misure di grandezze fisiche
Cifre significative delle misure di grandezze fisiche Si definiscono grandezze fisiche tutte quelle entità con cui vengono descritti i fenomeni fisici e che sono suscettibili di una definizione quantitativa,
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,
DettagliLettura del RAPPORTO DI PROVA Maria Cesarina Abete
Lettura del RAPPORTO DI PROVA Maria Cesarina Abete Il controllo chimico degli alimenti: dal campionamento alla valutazione del risultato ARPA Piemonte, Torino 5 6 febbraio 2014 Definizione Il rapporto
DettagliLa separazione elettrolitica di un metallo. Scheda di Laboratorio
La separazione elettrolitica di un metallo Scheda di Laboratorio Premessa Destinatari: classe seconda di un istituto tecnico commerciale, nell insegnamento di scienze della materia. Argomento proposto:
DettagliA. Marcolini. PROGETTO UNIFICAZIONE CONVERSIONE Bactoscan FC. 3- COSA E STATO FATTO ( finora)
Centro Referenza Nazionale Qualità Latte Bovino I.Z.S.L.E.R. Brescia PROGETTO UNIFICAZIONE CONVERSIONE Bactoscan FC A. Marcolini 3- COSA E STATO FATTO ( finora) L 320/38 IT Gazzetta ufficiale dell Unione
DettagliRichiami di aritmetica(2)
Richiami di aritmetica() Frazioni definizioni, operazioni, espressioni Numeri decimali Rapporti e proporzioni Percentuali Materia Matematica Autore Mario De Leo Le frazioni La frazione è un operatore che
Dettaglipluriparametrici di stima
I procedimenti pluriparametrici di stima 01.IV.2011 Perché impiegare modelli pluriparametrici p del valore? Il caso più importante stime in contesti in cui è impossibile pervenire ad un campione di transazioni
DettagliESERCITAZIONI 1 e 2: calcoli
ESERCITAZIONI 1 e 2: calcoli L uso del foglio elettronico nel laboratorio di ispezione degli alimenti. Funzioni utilizzate negli esercizi e traduzione in inglese americano per l utilizzo su computer con
DettagliUNITA DIDATTICA. Conoscenze. Abilità
Titolo: Problemi di geometria analitica : la parabola e l iperbole Codice: B1_S Ore previste:15 Equazione della parabola e coordinate del vertice Grafico di una parabola Equazione dell iperbole equilatera
DettagliCALENDARIO complesso. Quality Fair 2016
CALENDARIO complesso Quality Fair 2016 Quality Fair 2016 Pag. 1 di 8 1. Percorso: Qualità Gestionale ed Aziendale Coordinamento tecnico-scientifico: Angela Maiello Quota di Durata Sede E- Crediti CORSI
DettagliAccuratezza, precisione, tipi di errori e cifre significative dei dati analitici.
Accuratezza, precisione, tipi di errori e cifre significative dei dati analitici. Indice: 1. Lettura della buretta pag.2 2. Precisione ed Accuratezza pag.3 3. Tipi di errori pag.4 4. Affidabilità di una
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
DettagliSCHEDA N 8 DEL LABORATORIO DI FISICA
SCHEDA N 1 IL PENDOLO SEMPLICE SCHEDA N 8 DEL LABORATORIO DI FISICA Scopo dell'esperimento. Determinare il periodo di oscillazione di un pendolo semplice. Applicare le nozioni sugli errori di una grandezza
DettagliCurva di Taratura.xls
Seconda fase: INDAGINI IN SITU PROVE SUL CALCESTRUZZO PROVE SCLEROMETRICHE COSTRUZIONE DELLE CURVE DI TARATURA: ESEMPIO Costruzione Curva di Taratura.xls Seconda fase: INDAGINI IN SITU PROVE SUL CALCESTRUZZO
DettagliUNI EN ISO 7218:2007 Microbiologia di alimenti e mangimi per animali Requisiti generali e guida per le analisi microbiologiche
elementi innovativi e conseguenti criticità Stefanetti Mariavittoria Roma, 25-26 giugno 2009 1 TEMPI DI ADEGUAMENTO al 30 novembre 2008 (dopo 12 mesi dall emanazione della norma UNI EN ISO 7218-22/11/2007)
DettagliALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE DELLE QUANTITÀ DI PIOGGIA PER EVENTI ESTREMI
Regione Toscana Autorità di Bacino del Reno PROCEDURE, METODI E DATI DI RIFERIMENTO DA ADOTTARE NELLA PREDISPOSIZIONE DEI PIANI CONSORTILI INTERCOMUNALI ALLEGATO 1 METODO E DATI DI RIFERIMENTO PER LA DETERMINAZIONE
DettagliRe = f (A) f. 2 ),,, f (af. n )}
Trasformazioni delle misure e significanza delle statistiche Trasformazione e Significanza delle Statistiche: *) Invarianza assoluta. *) Invarianza di riferimento. *) Invarianza di confronto. *) Schemi
DettagliLachiver Alimenti S.r.l.
16LA2635 del 1/3/216 Azienda con sistema di gestione per la qualità UNI EN ISO 91:28 881 CATANZARO (CZ) LAB N 43 Descrizione: FAGIOLINI LESSATI DATA PROD.: 23/2/216 Data Campionamento: 23/2/216 Ora Campionamento:
DettagliUNITA DI MISURA LOGARITMICHE
UNITA DI MISURA LOGARITMICHE MOTIVAZIONI Attenuazione del segnale trasmesso esponenziale con la lunghezza mentre si propaga sulle linee di trasmissione (conduttori metallici) Utilizzando le unità logaritmiche
DettagliProcedimenti diretti e indiretti di stima
Procedimenti diretti e indiretti di stima 11.X.2005 La metodologia estimativa La metodologia estimativa rappresenta l insieme delle tecniche e degli strumenti attraverso cui si formula il giudizio di stima
DettagliALLEGATO N 3 DEFINIZIONE DEI PARAMETRI PER IL CALCOLO DELLA CDP QUALIFICATA
1 di 7 ALLEGATO N 3 DEFINIZIONE DEI PARAMETRI PER IL CALCOLO DELLA CDP 2 di 7 1. Premessa Al fine di definire la CDP qualificata di cui può disporre ciascun Partecipante in una specifica Area, Terna definisce
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliUniversità degli Studi di Cassino Facoltà di Ingegneria. Lezioni del Corso di Misure Meccaniche e Termiche. G.04 La Conferma Metrologica
Facoltà di Ingegneria Lezioni del Corso di Misure Meccaniche e Termiche G.04 La Conferma Metrologica Il termine Conferma metrologica non è presente nella norma UNI CEI EN ISO/IEC 17025. Per conoscere il
DettagliI CONTROLLI SULLE ACQUE
IL CONTROLLO MICROBIOLOGICO DEGLI ALIMENTI: CAMPIONAMENTO,INTERPRETAZIONE DEL RISULTATO, FLUSSI INFORMATIVI e GESTIONE DELLE NC I CONTROLLI SULLE ACQUE Luciana Ropolo Torino,10 giugno 2013 Acque potabili
DettagliStatistica e Misurazione
Politecnico di Milano Statistica e Misurazione prof. Cesare Svelto Docenti e ricevimento 2 Docente titolare: prof. Cesare SVELTO (PhD( PhD) cesare.svelto@polimi.it 02 / 2399 3610 cell.. (per urgenze) 349
Dettagli3,5. Detection Limit 2,5. LOg UFC/g. Control 1,5 0,5. Psy Meso Gram - H2S p LAB Yeasts. Microbial group
TRATTATO NON TRATTATO 4 3,5 LOg UFC/g 3 2,5 2 1,5 Detection Limit Control Treated 1 0,5 0 Psy Meso Gram - H2S p LAB Yeasts Microbial group * HHP è un valido strumento per l estensione della shelf-life
DettagliRisultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliMisure di dispersione (o di variabilità)
14/1/01 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x = 9 range=31-7=4 x = 9 range=50-9=41
DettagliLa stima del valore di trasformazione
La stima del valore di trasformazione 5.XII.2005 Il valore di trasformazione Si stima in tutti i casi in cui dobbiamo stimare il valore di un bene strumentale, ovvero di un bene che entra all interno di
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliIIS Moro Dipartimento di matematica e fisica
IIS Moro Dipartimento di matematica e fisica Obiettivi minimi per le classi prime - Fisica Poiché la disciplina Fisica è parte dell Asse Scientifico Tecnologico, essa concorre, attraverso lo studio dei
DettagliISTITUTO COMPRENSIVO VIA ROMA SPIRITO SANTO COSENZA. VIA SPIRITO SANTO Tel / Sito Internet:
ISTITUTO COMPRENSIVO VIA ROMA SPIRITO SANTO 87100 COSENZA VIA SPIRITO SANTO Tel. 0984.26572/ 22071 Sito Internet: www.icspiritosanto.gov.it 03/05/2015 1 ISTITUTO COMPRENSIVO VIA ROMA SPIRITO SANTO 87100
Dettagli4.11 CONTROLLO DELLE APPARECCHIATURE
Unione Industriale 61 di 94 4.11 CONTROLLO DELLE APPARECCHIATURE PER PROVA, MISURAZIONE E COLLAUDO 4.11.1 Generalità Il capitolo indica le modalità con cui devono essere gestite le apparecchiature di controllo,
DettagliRelazione prove di decadimento termico su contenitori isotermici per il trasporto di alimenti Polibox in polipropilene espanso.
Spett.le Ditta SDS srl Group POLIBOX Via Per Pogliano, 22 20014 Nerviano MI Parma, 17 gennaio 2012 Prot. n. 123 /SQ Pag. 1 di 4 Oggetto: Relazione prove di decadimento termico su contenitori isotermici
DettagliConfronto metodiche per la determinazione dei contaminanti nel biodiesel. Unichim 19 Novembre 2014 Cinzia Passerini Elena Rebesco
Confronto metodiche per la determinazione dei contaminanti nel biodiesel Unichim 19 Novembre 2014 Cinzia Passerini Elena Rebesco Introduzione Negli ultimi anni sono stati riscontrati problemi di driveability
Dettagli27.IV.2010. Corso di Estimo - CLAPE - Prof. E. Micelli - Aa 2009.10
La stima del valore di trasformazione 27.IV.2010 Il valore di trasformazione Si stima in tutti i casi in cui dobbiamo stimare il valore di un bene strumentale, ovvero di un bene che entra all interno di
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliGestione del rischio nella sicurezza alimentare e HACCP. Slide 1
Slide 1 Hazard Analysis Critical Control Points I 7 principi condurre l analisi dei pericoli determinare i CCP stabilire i limiti critici stabilire un sistema di monitoraggio CCP stabilire azioni correttive
DettagliEmissione 6 25/11/2011 Approvazione DCRB Pagina 1 di 7
Emissione 6 25/11/2011 Approvazione DCRB Pagina 1 di 7 PROGRAMMA DI VEQ PER ANEMIA A. Organizzazione del Programma MATERIALI DI CONTROLLO: sono costituiti da matrici naturali di origine umana e sono spediti
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliMessina 100 anni dopo. Eccentricità correttive per la valutazione della risposta sismica di edifici esistenti mediante analisi statica non lineare
AGE Conference 2008 Messina 100 anni dopo Eccentricità correttive per la valutazione della risposta sismica di edifici esistenti mediante analisi statica non lineare Messina, 26 novembre 2008 Aurelio Ghersi
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliL OCCUPAZIONE AUTUNNALE NELLE STRUTTURE RICETTIVE LIGURI E LE PRENOTAZIONI PER L INVERNO
L OCCUPAZIONE AUTUNNALE NELLE STRUTTURE RICETTIVE LIGURI E LE PRENOTAZIONI PER L INVERNO Occupazione camere netta ottobre-dicembre 2010-2011 2010 Ottobre Novembre Dicembre* Hotel 41,9 30,8 17,5 1 e 2 stelle
DettagliEsempio. Claudio Nardi Frascati 24 novembre 2009
Esempio Claudio Nardi Frascati 24 novembre 2009 Richiesta del cliente Risposta di FUS Progettazione Costruzione Campagna sperimentale Feedback 2 RICHIESTA DEL CLIENTE Base dati sul comportamento degli
DettagliRisultati del questionario sulla valutazione della didattica somministrato agli studenti di Ca Foscari
n. /Luglio datinfoscari N. (Fonte dati: Data Base Carriere Studenti Cineca - Dati aggiornati al.07.) CORSI DI STUDIO LA VALUTAZIONE DEGLI STUDENTI Risultati del questionario sulla valutazione della didattica
DettagliANALISI AFFIDABILITÀ SCALE
RICERCA CONGIUNTA NEL SETTORE DELLA MISURA DELLA SODDISFAZIONE DEGLI UTENTI DEI SITI E DEI SERVIZI ON LINE DELLE AMMINISTRAZIONI E PER LA PREDISPOSIZIONE DI UNO STRUMENTO DI RILEVAZIONE DELLA CUSTOMER
DettagliSTIMA PRELIMINARE DEL PIL
12 febbraio 2016 IV trimestre STIMA PRELIMINARE DEL PIL Nel quarto trimestre del il prodotto interno lordo (PIL), espresso in valori concatenati con anno di riferimento 2010, corretto per gli effetti di
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
Dettaglila distribuzione di uomini e donne fra i diversi settori produttivi; la ripartizione dei due sessi fra le diverse qualifiche professionali 1.
Differenziali retributivi fra uomini e donne nel lavoro interinale. Alcune evidenze ricavate dalla banca dati EBITEMP sui prestiti ai lavoratori per l anno 2004. 1. Premessa Attualmente non risulta disponibile
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
DettagliProcedura operativa per il calcolo dell incertezza
Procedura operativa per il calcolo dell incertezza 1 Le procedure di seguito riportate vengono utilizzate per stimare l incertezza della preparazione dei materiali di riferimento da parte di ULTRA Scientific
DettagliRAPPORTO DI PROVA 12/ ANNULLA E SOSTITUISCE IL RAPPORTO DI PROVA 12/
RAPPORTO DI PROVA 12/000213356 ANNULLA E SOSTITUISCE IL RAPPORTO DI PROVA 12/000198309 data di emissione 27/06/2012 Spett.le Codice intestatario 0063812 SOVERE SPA VIA DELLA METALLURGIA, 24 37139 VERONA
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliLUOGO E DATA DI EMISSIONE: Faenza, 20/11/2013 NORMATIVE APPLICATE: UNI EN 1339 DATA RICEVIMENTO CAMPIONI: 11/10/2013
CertiMaC soc.cons. a r.l. Via Granarolo, 62 48018 Faenza RA Italy tel. +39 0546 670363 fax +39 0546 670399 www.certimac.it info@certimac.it R.I. RA, partita iva e codice fiscale 02200460398 R.E.A. RA 180280
Dettagli