CONTROLLI STATISTICI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "CONTROLLI STATISTICI"

Transcript

1 CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione grafica, per favorire la loro interpretazione e formulare previsioni. Scopo dell azienda è quello di realizzare un prodotto che rispetti determinati requisiti. I requisiti rappresentano le esigenze o aspettative che il cliente ha riguardo quel prodotto. Essi possono essere specificati contrattualmente dal cliente oppure possono essere stabiliti dall azienda stessa. I documenti in cui vengono stabiliti i requisiti che un dato prodotto deve possedere sono detti specifiche (o capitolati ). Per rendere i requisiti misurabili è necessario individuare un insieme di caratteristiche distintive da assegnare a quel prodotto. Le caratteristiche possono essere quantitative o qualitative. Caratteristiche quantitative sono per esempio quelle fisiche (es.: dimensioni di un pezzo); caratteristiche qualitative sono per esempio quelle funzionali (es.: chiusura corretta della portiera di un automobile o di un frigorifero). Un prodotto si dice conforme se soddisfa i relativi requisiti e le sue caratteristiche rientrano nel campo di tolleranza previsto; si dice non conforme in caso di mancato soddisfacimento anche di un solo requisito. Il mancato soddisfacimento di un requisito attinente all utilizzo del prodotto, che quindi può avere implicazioni legali, si dice difetto. I fattori che possono provocare la variabilità delle caratteristiche di un prodotto sono: - Il materiale in lavorazione (es.: incostanza della composizione, risultati inaspettati di trattamenti termici ) - Il metodo di lavoro utilizzato (es.: posizione delle macchine, flusso dei materiali ) - Le macchine e le attrezzature utilizzate (es.: usura degli organi meccanici e degli utensili ) - La mano d opera (es.: abilità degli operatori, condizioni fisiche ) - Le misurazioni effettuate (es.: fattori di disturbo durante le misurazioni, errato modo di impiego dell apparecchiatura di misura ) In una azienda meccanica è compito del Servizio Controllo e Collaudo occuparsi della verifica qualitativa delle forniture esterne, delle lavorazioni e dei montaggi; deve cioè accertare che i singoli elementi siano conformi ai disegni e che il prodotto finito abbia i requisiti funzionali fissati dalle norme di collaudo. I moderni procedimenti di controllo, fondati sull impiego di metodi statistici, indispensabili per tenere sotto controllo la variabilità delle caratteristiche misurabili dei processi e dei prodotti industriali, sono detti Metodi di controllo statistico di qualità. Distinguiamo: a) Metodi che si basano sul controllo della misura delle quote o delle caratteristiche in esame (Controllo per variabili); b) Metodi che utilizzano solo il giudizio di idoneità o conformità dei pezzi alle prescrizioni (es.: funzionamento o meno di una lampadina ). (Controllo per attributi). Prima di procedere con la spiegazione dei due metodi, diamo il significato di alcuni termini che verranno poi utilizzati. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 1

2 Termini, simboli, definizioni - Elemento è il singolo prodotto (oggetto o parte di esso, materiale) che costituisce l ente che si sta esaminando, su cui si raccolgono le informazioni per realizzare l indagine statistica, che si concretizza con il risultato della misurazione o con una valutazione. - Popolazione è l insieme di tutti gli elementi considerati sui quali si effettua l indagine statistica per rilevarne una o più caratteristiche. - Campione è un gruppo di elementi prelevati da una popolazione. La numerosità n del campione è data dal numero di elementi che lo costituiscono (es.: campione costituito da n = 20 elementi). - Variabile x è una caratteristica misurabile rispetto ad una scala continua e che può assumere valori diversi (es.: valore numerico della misura del diametro di un elemento rilevato con un micrometro centesimale). - Attributo è una caratteristica non misurabile o che si preferisce non misurare e sulla quale viene espresso un giudizio di idoneità (es.: controllo di un alberino cilindrico mediante calibro a forcella). - Distribuzione di frequenza, rappresenta la differenziazione quantitativa o qualitativa della caratteristica nei singoli elementi della popolazione. I valori delle singole osservazioni si distribuiscono in un certo intervallo di variazione. Si può constatare che le misure sono sparse entro un campo più o meno ristretto e che sono distribuite in questo campo con una certa regola che può essere espressa nel modo seguente: a) Concentrazione dei valori intorno ad una quota centrale b) Diluizione dei valori in vicinanza dei bordi del campo c) Simmetria nella distribuzione dei valori. Nella figura a lato, ogni linea rappresenta una osservazione; con la barretta / si indica la quinta misurazione. In questo modo si facilita il conteggio. - Media aritmetica è il calcolo eseguito per determinare la posizione centrale di un insieme di osservazioni: x = x 1 +x 2 +x 3 +x 4 +x n / n - Scarto è la differenza, in valore e segno, tra una generica osservazione e la media di tutte le osservazioni: scarto = x i - x Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 2

3 - Scarto tipo, che descrive la dispersione di un insieme di osservazioni, è la radice quadrata della varianza: s = [Σ(x i x) 2 / (n-1)] - Scarto tipo vero è lo scarto utilizzato nel caso di popolazione : σ = [Σ(x i x) 2 / n] Quando il numero di osservazioni n è maggiore o uguale a 100 può essere effettuato un raggruppamento in classi. La classe è l intervallo scelto come sottomultiplo del campo di variazione di una caratteristica, utilizzato per raggruppare le osservazioni relative alla caratteristica stessa. In pratica rappresenta la differenza tra due valori della caratteristica. I Limiti della classe sono i valori estremi della variabile che limitano la classe. Il Centro della classe è la media aritmetica calcolata tra i due limiti estremi della classe. Normalmente si usano: a) 7-8 classi per n<100 b) Fino a 10 classi per 100<n<250 c) Fino a 12 classi per 251<n<1000 La scelta del numero di classi può essere anche effettuata mediante la formula empirica 1+3,3 lg n. Esempio: Si consideri un campione di 100 alberini cilindrici prodotti con un tornio automatico ed aventi diametro nominale d = 5,00 [mm]. Le misurazioni effettuate con un micrometro centesimale sono indicate nella seguente tabella: Le osservazioni variano tra il valore minimo x min = 4,90 [mm] ed il valore massimo x max = 5,09 [mm]. L intervallo tra 4,90 [mm] e 5,09 [mm] (pari a 0,19 [mm]), come consigliato sopra, può essere suddiviso al massimo in 10 classi. Si considerino allora 10 classi con intervallo delle classi Δ = 0,02 [mm], come descritto nella seguente tabella: Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 3

4 La tabella riporta la rappresentazione tabellare di una distribuzione di frequenza in classi (e non per osservazioni come illustrato precedentemente). Nella tabella sono riportati: - Le classi - I limiti inferiori e superiori delle classi - Il centro delle classi - I valori della frequenza La Frequenza (frequenza assoluta) è il numero delle osservazioni comprese in una classe. Il Foglio per spunti è un grafico utilizzato per rappresentare una distribuzione di frequenza. Esso consente di segnare con lineette (o con crocette), in corrispondenza di ciascuna classe, le varie osservazioni. Nel foglio per spunti seguente è rappresentata la distribuzione di frequenza in classi in forma tabellare relativa al campione di 100 alberini cilindrici: La distribuzione di frequenza in classi precedente può essere rappresentata anche graficamente. Il diagramma che si ottiene è detto istogramma ed è costituito da una serie di rettangoli aventi come base l intervallo delle classi (in ascissa) e come altezza un valore proporzionale alla frequenza (in ordinata). Data la sua forma, l istogramma è anche detto diagramma a canne d organo. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 4

5 Di seguito è rappresentato l istogramma di frequenza relativo ai dati considerati nelle tabelle precedenti: Sull asse delle ascisse sono riportati i diametri degli alberini cilindrici (in particolare i centri delle classi individuati nella tabella precedente). I segmenti hanno ampiezza pari all intervallo di classe Δ. Le osservazioni contenute in una classe, anche se diverse tra loro, assumono il valore del centro della classe. Come detto in precedenza, le osservazioni si distribuiscono secondo la seguente regola: a) Concentrazione dei valori intorno ad una quota centrale b) Diluizione dei valori in vicinanza dei bordi del campo c) Simmetria nella distribuzione dei valori. E anche possibile rappresentare graficamente la distribuzione di frequenza in classi mediante il cosiddetto poligono delle frequenze, ottenuto collegando tra loro, con diversi segmenti, i punti, con ascisse in corrispondenza dei centri delle classi e con ordinate pari alla frequenza per ogni classe presa in esame. Per consentire di chiudere il poligono, nella figura a lato, sono state introdotte, sull asse delle ascisse, due classi fittizie di frequenza nulla, una per lato. - Distribuzione normale o gaussiana La distribuzione di frequenza teorica alla quale tendono le osservazioni della caratteristica di una popolazione, quando tali osservazioni sono influenzate dall azione di varie cause accidentali di errore, segue una legge di probabilità rappresentata matematicamente dalla curva di Gauss detta anche a campana per il suo andamento. La distribuzione gaussiana è caratteristica di tutti i fenomeni le cui variazioni sono dovute al sovrapporsi casuale di numerose piccole cause accidentali di Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 5

6 variazione, ciascuna delle quali agisce indipendentemente dalle altre e con effetto molto piccolo in rapporto alla somma di tutti gli effetti. Per una macchina utensile, tali cause accidentali possono essere: - giochi sugli elementi mobili - eccentricità di parti rotanti - usura di un utensile - allentamento di un perno - irregolarità nella materia prima -.. I difetti suddetti possono determinare errori nei pezzi lavorati, con distribuzione di frequenza simile a quella sopra descritta. La corrispondente Curva di frequenza presenta la forma a campana simmetrica e si estende tra - e + ; l area compresa tra la curva e l asse delle ascisse rappresenta la totalità delle osservazioni. In particolare si ha: da σ a + σ = 68,3 % delle osservazioni da 2σ a + 2σ = 95,5 % delle osservazioni da 3σ a + 3σ = 99,7 % delle osservazioni dove σ è lo scarto tipo vero. Se X è la Media di n valori X 1, X 2, X 3. X n, il valore dello scarto tipo vero σ (detto anche indice di variabilità o deviazione standard ) è dato dalla radice quadrata positiva della media aritmetica della somma dei quadrati di tutte le differenze (scarti) tra le osservazioni e la media vera: σ = ( X 1 X) 2 + ( X 1 X) 2 + ( X 3 X) 2 +. ( X n X) 2 / n Considerando la cosiddetta regola del tre sigma, si può affermare che tutte le osservazioni siano comprese in tale intervallo, escludendo la probabilità che x cada all esterno. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 6

7 Con riferimento a quanto detto anche in precedenza, la distribuzione di frequenza normale presenta: a) Concentrazione dei valori intorno ad una quota centrale b) Diluizione dei valori in vicinanza dei bordi del campo c) Simmetria nella distribuzione dei valori d) Punti di flesso della curva e) Asintoti alle estremità, per cui la frequenza non si annulla. L aspetto della curva normale può variare pur conservando sempre le proprie qualità specifiche. In particolare, nel caso di valori distribuiti in un campo molto ampio (grande dispersione) la campana si allarga e si appiattisce (curva 2); viceversa, nel caso di valori molto concentrati (piccola dispersione) la curva si restringe e si innalza (curva 1). La presenza di errori sistematici nel procedimento di misurazione può portare a distribuzioni irregolari che determinano un cambiamento vistoso della forma della curva di Gauss, come illustrato nella figura a lato. Presenza di giuochi nella movimentazione delle tavole può causare la dissimetria della curva a; lavorazioni eseguite con due utensili registrati diversamente possono causare le due mode della curva b; l usura dell utensile durante la lavorazione è causa della forma piatta della curva c. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 7

8 METODI DI COLLAUDO, CRITERI E PIANI DI CAMPIONAMENTO Controlli statistici di processo Per tenere sotto controllo il processo produttivo è necessario esaminare gli elementi durante la loro realizzazione. Poiché il numero di pezzi e quindi la popolazione è in pratica infinita finché non cessa il processo produttivo, in ambiente industriale si introduce il concetto di lotto, cioè di un gruppo definito di elementi prodotti. Dal lotto si preleva il campione di un certo numero di elementi sui quali si eseguono le misurazioni che forniscono i dati che poi vengono analizzati ed elaborati. Il prelevamento di un campione da un lotto può essere eseguito con vari metodi, che prevedono, comunque, un prelevamento casuale. 1) Metodo di controllo per variabili Secondo la norma UNI 4723 P, variabile è una caratteristica misurabile rispetto ad una scala continua e suscettibile di assumere valori diversi. Con questo metodo, quindi, si esegue l esatta misura della caratteristica da controllare. Il numero k di dei campioni da impiegare per sottoporre a controllo una lavorazione in serie non deve essere minore di 25 in modo che si abbia una corretta valutazione. Il numero n degli elementi di un campione può variare da 2 a 100. Solitamente è n = 4 5. Tale valore deve rimanere costante per tutti i campioni. - Carte di controllo x ed R Le carte di controllo si usano per controllare l andamento nel tempo di un processo produttivo. Sono utilizzate quando il numero n degli elementi di un campione è 10. Per valutare la precisione ottenibile con un determinato mezzo di lavoro, si costruiscono le Carte di controllo. Esse rappresentano graficamente gli andamenti della Media delle misure (x) e della Dispersione o Ampiezza (R o W). Le carte di controllo, oltre a fornire la qualità della produzione, danno un avvertimento di quando il procedimento tende a peggiorare o sta producendo pezzi difettosi. E quindi opportuno che la compilazione delle carte x ed R proceda sempre mentre la lavorazione è in atto. Ad intervalli regolari, ad esempio ogni ora, si prelevano alcuni pezzi, di solito 4 o 5 (campione) e si misurano le quote che interessano. Effettuata la misurazione, i valori si registrano in un apposito tracciato tabellare e si calcolano per ogni campione la Media delle misure x segnato e la differenza in valore assoluto tra la misura massima e la misura minima dei pezzi che formano il campione (Ampiezza di variazione W o Escursione R). Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 8

9 I valori così determinati si riportano nelle due zone in cui è diviso il diagramma, collegando fra loro i valori x segnato con una spezzata e mettendo in evidenza i valori R con un trattino verticale: Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano - Pag. 9

10 La linea centrale rappresenta la media o il valore atteso della serie di valori riportati. I limiti di controllo superiore ed inferiore, posti sopra e sotto la linea centrale, servono per giudicare le variazioni fra i campioni in modo da intervenire qualora ci fossero delle anomalie nel processo produttivo, cioè quando i valori riportati escono fuori dal campo individuato. Vediamo allora come si individuano tali limiti. Determinazione dei limiti superiore ed inferiore della carta x ed R (o W) Attorno alla media delle medie x segnata due volte, oscillano le quote dei pezzi lavorati. I limiti superiore ed inferiore di controllo si possono calcolare con le seguenti formule: LSC X = Limite superiore di controllo di x = x segnato due volte + A 2 R segnato LIC X = Limite inferiore di controllo di x = x segnato due volte - A 2 R segnato R segnato (o W segnato) rappresenta la media dei valori dell escursione R ricavati: R segnato = (R 1 + R 2 + R R 20 ) / 20 Il coefficiente A 2 si ricava dalla tabella UNI 4728 in funzione della numerosità del campione controllato. Per esempio: per n = 5 si ha A 2 = 0,577 per n = 6 A 2 = 0,486 per n = 7 si ha A 2 = 0,419. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano -Pag. 10

11 LSC R = Limite superiore di controllo di R = D 4 R segnato LIC R = Limite superiore di controllo di R = D 3 R segnato I coefficienti D 3 e D 4 si ricavano dalla tabella UNI 4728 in funzione della numerosità del campione. Per esempio: per n = 5 si ha D 3 = 0 e D 4 = 2,115 per n = 6 si ha D 3 = 0 e D 4 = 2,004 per n = 7 si ha D 3 = 0,076 e D 4 = 1,924 Se tutti i punti del diagramma x segnato ed R sono compresi tra i limiti di controllo, tutto procede bene. Se invece uno o più punti cadono fuori, la lavorazione o la macchina sono da ritenere fuori controllo, cioè la qualità sta peggiorando. Occorre in tal caso prendere immediati provvedimenti o fermare la produzione. Per questo è opportuno che i diagrammi vengano compilati mentre i pezzi sono prodotti. 2) Metodo di controllo per attributi Secondo la norma UNI 4723 P, attributo è la caratteristica non misurabile o che si preferisce non misurare sulla quale viene dato unicamente il giudizio di appartenenza ad una o più categorie. Con questo metodo non si esegue l esatta misura della caratteristica da controllare. Si dà un giudizio di idoneità riguardo ad una intera partita di oggetti (lotto) mediante l esame di un piccolo numero di pezzi (campione) estratti a caso dalla partita. Il controllo può essere fatto per esempio mediante calibri fissi o con esami visivi. Il giudizio sull accettabilità del pezzo è dato mediante l indicazione di pezzo conforme o di pezzo non conforme. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano -Pag. 11

12 - Piano di campionamento e grado di severità L attuazione del Piano di campionamento è abbastanza facile: 1) dal lotto in esame si preleva a caso un campione formato da un numero ben definito di pezzi; 2) si effettua il collaudo dei pezzi campione, determinando il numero dei pezzi difettosi; 3) si accetta il lotto se il numero dei pezzi difettosi nel campione non supera un valore prefissato, si scarta il lotto in caso contrario. Le tabelle UNI 4842 individuano 3 coppie di piani di campionamento relative a tre gradi di severità. I tre gradi di severità considerati, ai quali corrispondono diverse grandezze n del campione, sono: - ridotto (collaudo ridotto) - normale (collaudo ordinario) - rinforzato (collaudo rinforzato) Per ogni grado di severità si può adottare un campionamento semplice oppure un campionamento doppio. 1) Campionamento semplice: si estrae dal lotto un solo campione in base al quale sono perse decisioni sull intero lotto. 2) Campionamento doppio: secondo i risultati di un primo campione, può essere estratto un secondo campione; in tal caso, le decisioni sul lotto dipendono dai risultati assommati del collaudo dei due campioni. Generalmente si usa un controllo con grado di severità normale. Però durante il prolungato uso di un piano di campionamento è possibile passare ad un grado di severità superiore o inferiore quando si è riscontrato in precedenza un livello di qualità rispettivamente basso o alto. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano -Pag. 12

13 Vediamo in particolare il caso di un piano di campionamento semplice per il collaudo ordinario. Noto il livello di qualità accettabile (LQA), le operazioni da eseguire sono le seguenti: - Determinare la lettera-codice in base alla numerosità del lotto (vedi tabella) - Determinare la grandezza del campione in base alla lettera-codice (vedi prospetto seguente): Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano -Pag. 13

14 - Individuare sul prospetto precedente il numero di accettazione N a ed il numero di rifiuto N r in base al livello di qualità accettabile LQA scelto - Eseguire il collaudo dei pezzi - Decidere sul lotto: se il numero di pezzi non conformi individuati nel campione è minore o uguale a N a si accetta il lotto; se il numero di pezzi non conformi è uguale o maggiore di N r si rifiuta l intero lotto. ESEMPIO: Con un Piano di campionamento semplice e con grado di severità normale (collaudo ordinario) si vuole controllare una caratteristica di un lotto costituito da N = 5000 elementi. Il livello di qualità accettabile sia LQA = 1 %. Per un collaudo corrente di II livello, la lettera-codice è L (vedi tabella). Dal prospetto su riportato si deduce che la numerosità del campione da controllare è pari a 200 (cioè si dovranno estrarre casualmente, secondo il prospetto, n = 200 pezzi). Per giudicare il lotto conforme, è quindi accettarlo, è necessario che il numero di elementi difettosi sia N a 5. Per giudicare il lotto non conforme, è necessario che il numero di elementi difettosi sia N r 6. In questo caso si deve scartare l intero lotto di 5000 pezzi. Tecnologie mecc. di proc. e prod. - Appunti dalle lezioni del prof. Di Cara Nicola - ITIS Galilei Conegliano -Pag. 14

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

10 CONTROLLO STATISTICO DELLA QUALITÀ

10 CONTROLLO STATISTICO DELLA QUALITÀ 10 CONTROLLO STATISTICO DELLA QUALITÀ 10.2.2 Il controllo di un processo Considerazioni sulle carte di controllo A fianco del numero di elementi non conformi delle carte di controllo p e pn e del numero

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

IL COLLAUDO DI ACCETTAZIONE

IL COLLAUDO DI ACCETTAZIONE IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo

Dettagli

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY)

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il

Dettagli

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 INTRODUZIONE 1.0 PREVENZIONE CONTRO INDIVIDUAZIONE. L'approccio tradizionale nella fabbricazione dei prodotti consiste nel controllo

Dettagli

Il campionamento statistico

Il campionamento statistico Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori

Dettagli

LE CARTE DI CONTROLLO (4)

LE CARTE DI CONTROLLO (4) LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

Esercizio 1 Istogrammi

Esercizio 1 Istogrammi ESERCIZI DI CONTROLLO QUALITÀ Esercizio 1 Istogrammi Viene controllata una dimensione di un particolare meccanico, campionando 5 esemplari. Le misure danno i seguenti risultati (in mm): 1, 11, 1, 1, 11,9

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE

TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3

Indice. 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 LEZIONE ELEMENTI DI STATISTICA DESCRITTIVA PROF. CRISTIAN SIMONI Indice 1 La statistica, i dati e altri concetti fondamentali ---------------------------------------------------- 3 1.1. Popolazione --------------------------------------------------------------------------------------------

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Analisi dei Sistemi di Misurazione - MSA

Analisi dei Sistemi di Misurazione - MSA Data: 16 Marzo 2011 Indice Il processo zione impiego specifico Cenni di SPC e di MSA 2 CARATTERISTICA DA CONTROLLARE, TOLLERANZA E RELATIVA CLASSE DI IMPORTANZA METODO DI CONTROLLO STRUMENTO DI MISURA

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Controllo 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 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

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Premesse alla statistica

Premesse alla statistica Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo

Dettagli

Teoria e Tecnica della Qualità e della Certificazione

Teoria e Tecnica della Qualità e della Certificazione Teoria e Tecnica della Qualità e della Certificazione appunti alle lezioni a.a. 2004-2005 Prof. Vittorio Vaccari appunti alle lezioni - a.a. 2004-05 - prof. V. Vaccari 1 teoria Alcune definizioni formulazione

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

CAPITOLATO DI FORNITURA GETTI IN ALLUMINIO

CAPITOLATO DI FORNITURA GETTI IN ALLUMINIO CAPITOLATO DI FORNITURA GETTI IN ALLUMINIO 1. SCOPO E CAMPO D APPLICAZIONE Il presente capitolato ha lo scopo di: descrivere le modalità di classificazione dei getti recepire le indicazioni da citare a

Dettagli

Corso introduttivo all utilizzo di TQ Controlla

Corso introduttivo all utilizzo di TQ Controlla Corso introduttivo all utilizzo di TQ Controlla Le pagine che seguono introducono l utente all uso delle principali funzionalità di TQ Controlla mediante un corso organizzato in otto lezioni. Ogni lezione

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

Dettagli

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro Pivot è bello Livello scolare: 1 biennio Abilità Conoscenze interessate Predisporre la struttura della Distribuzioni delle matrice dei dati grezzi con frequenze a seconda del riguardo a una rilevazione

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e

Dettagli

1. L analisi statistica

1. L analisi statistica 1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati

Dettagli

Minicorso Regole di Disegno Meccanico

Minicorso Regole di Disegno Meccanico Parte 3 Minicorso Regole di Disegno Meccanico di Andrea Saviano Tolleranze dimensionali di lavorazione Accoppiamenti mobili, stabili e incerti Giochi e interferenze Posizione della zona di tolleranza e

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Il controllo statistico di processo

Il controllo statistico di processo Il controllo statistico di processo Torino, 02 ottobre 2012 Relatrice: Monica Lanzoni QUALITÀ DI DI UN UN PRODOTTO: l'adeguatezza del del medesimo all'uso per per il il quale quale è stato stato realizzato

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia Meccanica A.A. 2005-2006 Prof. Paolo Vigo Indice 1. Errori ed Incertezze 2. Errori Sistematici ed Accidentali 3. Proprietà degli Strumenti

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

Continua sul retro 42.1 39.7 38.0 38.7 41.4 37.5 38.6 40.5 39.8 38.0 36.9 40.3 42.0 41.3 40.4 39.1 38.4 42.0

Continua sul retro 42.1 39.7 38.0 38.7 41.4 37.5 38.6 40.5 39.8 38.0 36.9 40.3 42.0 41.3 40.4 39.1 38.4 42.0 Statistica per l azienda Esame del 19.06.12 COGNOME NOME Matr. Firma Modulo: singolo con Informatica con StatII & PDRM con Mat. & PDRM altro (specificare) Attenzione: Il presente foglio deve essere compilato

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Un breve riepilogo: caratteri, unità statistiche e collettivo UNITA STATISTICA: oggetto dell osservazione

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Statistica. Le rappresentazioni grafiche

Statistica. Le rappresentazioni grafiche Statistica Le rappresentazioni grafiche Introduzione Le rappresentazioni grafiche costituiscono uno dei mezzi più efficaci, sia per descrivere in forma visiva i risultati di numerose osservazioni riguardanti

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale

Dettagli

15/10/2013 CONTROLLO DI PROCESSO (STATISTICAL PROCESS CONTROL ) ( CONTROLLO OPERATIVO) GENERALITÀ

15/10/2013 CONTROLLO DI PROCESSO (STATISTICAL PROCESS CONTROL ) ( CONTROLLO OPERATIVO) GENERALITÀ Controllo di processo ( Controllo statistico di processo -Statistical Process Control ) Parte II Scuola di Economia Urbino, 16 ottobre 2013 Federico De Cillis Indicatore Secondo la norma UNI 11097:2003,

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

LOGISTICA APPUNTI DI STATISTICA

LOGISTICA APPUNTI DI STATISTICA Cos'é la Statistica LOGISTICA APPUNTI DI STATISTICA La statistica è la disciplina che applica metodi scientifici alla raccolta di dati e informazioni per una loro classificazione, elaborazione e rappresentazione

Dettagli

Obiettivi. Metodi statistici per il controllo della qualità. Indice. UNI - Ente Nazionale Italiano di Unificazione

Obiettivi. Metodi statistici per il controllo della qualità. Indice. UNI - Ente Nazionale Italiano di Unificazione Obiettivi Metodi statistici per il controllo della qualità Evidenziare come tipici problemi industriali richiedano un controllo statistico di qualità Segnalare l esistenza di specifiche norme UNI che definiscono

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Analisi e diagramma di Pareto

Analisi e diagramma di Pareto Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

IL TRACCIAMENTO QUALITATIVO DEL MOMENTO FLETTENTE NEI PORTALI

IL TRACCIAMENTO QUALITATIVO DEL MOMENTO FLETTENTE NEI PORTALI IL TRACCIAMENTO QUALITATIVO DEL MOMENTO FLETTENTE NEI PORTALI Alcune proprietà della deformata dei portali Si esaminano nel seguito alcune proprietà della deformata dei portali. Queste proprietà permettono

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Classe 3^ - Tecnologie mecc. di proc. e prod. - UdA n 2: Materia e Materiali - Prova di durezza Vickers DUREZZA

Classe 3^ - Tecnologie mecc. di proc. e prod. - UdA n 2: Materia e Materiali - Prova di durezza Vickers DUREZZA DUREZZA La durezza é comunemente intesa come la resistenza di un materiale a lasciarsi penetrare da un corpo più duro. Su tale principio si basano le più importanti prove di durezza: Brinell, Rockwell,

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Metrologia, ispezioni e controllo qualità

Metrologia, ispezioni e controllo qualità Metrologia, ispezioni e controllo qualità Riferimento: capitolo 4 del Kalpakjian (seconda parte) Le tolleranze dei pezzi e il controllo sono fondamentali nel processo di produzione. Outline Metrologia

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Strumenti di controllo degli organi meccanici

Strumenti di controllo degli organi meccanici Strumenti di controllo degli organi meccanici Il controllo dello spessore dei denti di un ingranaggio, può essere effettuato mediante il calibro a doppio nonio o mediante un micrometro a piattelli. Calibro

Dettagli

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che

Dettagli

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia

Dettagli

Statistica descrittiva

Statistica descrittiva Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

C) DIAGRAMMA A SETTORI

C) DIAGRAMMA A SETTORI C) DIAGRAMMA A SETTORI Procedura: Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori

Dettagli

Azione su un prodotto-servizio NC, per renderlo conforme ai requisiti

Azione su un prodotto-servizio NC, per renderlo conforme ai requisiti Partipilo dr. Valerio ODONTOIATRIA E SISTEMA QUALITA Data: 14-07-09 Pag. 4 di 5 Prodotto (Uni en iso Prodotto di proprietà dei cliente (documentazione della) (uni 10722-3:1999) (modifica della) (uni en

Dettagli

Variabili Casuali Continue e Distribuzione Normale

Variabili Casuali Continue e Distribuzione Normale Variabili Casuali Continue e Distribuzione Normale Nel Capitolo 5 si è definita variabile casuale continua una variabile casuale che può assumere tutti valori compresi fra gli estremi di un intervallo

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (Statistiche) che esprimono le caratteristiche di simmetria e Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

Diagrammi di Bode. I Diagrammi di Bode sono due: 1) il diagramma delle ampiezze rappresenta α = ln G(jω) in funzione

Diagrammi di Bode. I Diagrammi di Bode sono due: 1) il diagramma delle ampiezze rappresenta α = ln G(jω) in funzione 0.0. 3.2 Diagrammi di Bode Possibili rappresentazioni grafiche della funzione di risposta armonica F (ω) = G(jω) sono: i Diagrammi di Bode, i Diagrammi di Nyquist e i Diagrammi di Nichols. I Diagrammi

Dettagli

1. RACCOLTA DEI DATI E FORMAZIONE DEI PRESENTANO, PER CIASCUNA DELLE DUE SOTTOGRUPPI GRANDEZZE (MEDIA ED ESCURSIONE), TRE

1. RACCOLTA DEI DATI E FORMAZIONE DEI PRESENTANO, PER CIASCUNA DELLE DUE SOTTOGRUPPI GRANDEZZE (MEDIA ED ESCURSIONE), TRE CARTE DI CONTROLLO LA CARTA DI CONTROLLO DI TIPO - R VIENE CARTE DI UTILIZZATA PER CONTROLLARE UNA VARIABILE MISURABILE DI UN PROCESSO CONSENTE CONTROLLO IL MONITORAGGIO SIA DELL'ANDAMENTO DEL VALOR MEDIO,

Dettagli

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi

Dettagli