Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo
|
|
- Paola Orlandi
- 8 anni fa
- Visualizzazioni
Transcript
1 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 07/10/2010
2 1 Assunto fondamentale del modello teorico La distribuzione dei valori, ottenuta analizzando uno stesso materiale di controllo, con un sistema analitico stabile nel tempo, è di tipo Gaussiano
3 DISTRIBUZIONE degli ERRORI di MISURA Quando un campione è analizzato ripetutamente sotto identiche condizioni e con lo stesso metodo analitico, si ottengono una serie di risultati non identici. All'aumentare del numero di misure, i valori tendono ad accentrarsi attorno alla loro media e la distribuzione dei dati assume una forma a campana sempre più regolare, che può essere approssimata con una funzione reale nota come funzione di Gauss o normale. f ( x) 1 x ( ) 1 e 2 2 σ 2 2
4 DISTRIBUZIONE degli ERRORI di MISURA Qualora invece le condizioni di misurazione mutino (cambio lotto dei reagenti, turnover del personale, ecc), le diverse determinazioni del materiale di controllo possono dar vita ad altre popolazioni che, pur avendo tutte la stessa forma a campana, possono differire fra loro in altezza e in ampiezza. Per distinguere queste popolazioni è sufficiente calcolare ciò in cui esse differiscono, ovvero i due parametri che descrivono le caratteristiche peculiari di ogni distribuzione gaussiana: La media. La deviazione standard.
5 La deviata Gaussiana standard (Z) Esiste un numero infinito di combinazioni dei parametri μ e σ, a cui corrispondono altrettante distribuzioni, con l operazione di standardizzazione è possibile trasformare qualsiasi insieme di valori distribuiti normalmente nel corrispondente insieme di valori Z
6 La curva Gaussiana standardizzata
7 La curva Gaussiana standardizzata Esistono delle tabelle con i valori degli integrali di z di diverso tipo, dove possono essere indicate, in relazione ai valori della variabile standardizzata: 1)la proporzione della distribuzione per cui z a quel valore 2) la proporzione per cui z ha valori da zero al valore stesso 3) la superfice per cui z a quel valore è semplice passare da un valore tabulato all altro sapendo che l area totale è pari a 1 e che, essendo la distribuzione simmetrica, la superfice da 0 a + è pari a 0.50 (50%).
8 La curva Gaussiana standardizzata
9 La curva Gaussiana standardizzata Aree in una coda della curva gaussiana standardizzata la P (%) che un risultato sia al di fuori dell intervallo - 1DS = cioè il 15.87% la P (%) che un risultato sia al di fuori dell intervallo - 2DS = cioè il 2.27% la P (%) che un risultato sia al di fuori dell intervallo - 3DS = cioè il 0.135% è intuitivo che : la P (%)che un risultato sia fuori ± 1DS = *2 = cioè 31.74% la P (%)che un risultato sia fuori ± 2DS = *2 = cioè 4.54 % la P (%)che un risultato sia fuori ± 3DS = *2 = cioè 0.27 %
10 2 Assunto fondamentale del modello teorico Dati del controllo qualità che si discostano molto oltre la media (± 3DS; ± 4DS) si incontrano con probabilità molto bassa ciò dipende da quante e quali regole vengono utilizzate contemporaneamente (singole o multiple) e anche da quanti livelli di controllo e repliche per ogni livello di controllo vengono effettuate per serie analitica.
11 Il materiale di controllo Il materiale di controllo deve essere stabile, riproducibile, commutabile con i campioni dei pazienti, con matrice biologica molto simile ai campioni biologici, inoltre deve avere appropriati livelli di concentrazione.
12 Errore sistematico e casuale Errore sistematico (Es) = Differenza numerica tra la media ( ) di un insieme di misure ripetute e il valore bersaglio (Vero). Questa differenza, positiva o negativa, può essere espressa nelle unità in cui la grandezza è misurata (Bias), o come percentuale del valore vero (Bias%). Errore casuale (Ec) = L errore per cui, nel caso di misure replicate della stessa grandezza, le singole misure differiscono casualmente, cioè senza nessuna regola apparente al succedersi delle misure stesse, tra di loro. La stima dell errore casuale è data dall imprecisione.
13 Errore totale sperimentale La formula generale di calcolo è: ETs = Bias + z*ds, di solito viene definito come somma di Bias + 1,65*DS. In realtà esistono altre formule che si differenziano fra loro per il valore assunto dal coefficiente z, il quale stabilisce la porzione dei dati della popolazione inclusi nella stima dell errore totale.
14 La procedura di CQI Procedura che controlla adeguatamente le caratteristiche delle prestazioni analitiche dichiarate e, allo stesso tempo, permette di rilevare le prestazioni insoddisfacenti. La procedura di CQI deve considerare adeguatamente i parametri di prestazione critici di Bias, Imprecisione ed Errore totale. Il laboratorio, inoltre, deve : 1. esaminare la stabilità del sistema per determinare il numero, il tipo e la frequenza di materiali controllo 2. Definire e documentare gli interventi correttivi 3. Riesaminare periodicamente le prestazioni ottenute per confermare o modificare se necessario, la procedura di CQI scelta.
15 Il Controllo di qualità interno deve essere impostato in modo tale da fornire allarmi nel momento in cui il sistema analitico non stia più lavorando entro i limiti di ETa predefiniti. Controllo di Qualità Interno 15
16 Definizione delle specifiche di qualità dell esame La specifica di qualità di un esame può essere definita come la massima variazione accettabile nelle prestazioni di un metodo che non comprometta l interpretazione clinica del dato. Per definire la qualità richiesta, alcuni criteri possono essere : 1. Clinico (opinione dei clinici, linee guida, ecc). 2. Biologico (teoria della variabilità biologica). 3. Analitico (stato dell arte). La scelta effettuata va concretizzata in un traguardo analitico (Errore Totale accettabile), fissando dei limiti di tolleranza
17 Le regole del Controllo qualità interno
18 La carta di controllo: I limiti di controllo statistici e le specifiche di qualità
19 Quali indicatori per l errore clinicamente significativo? L errore clinicamente significativo: è quella condizione per la quale i risultati (dei controlli e dei pazienti) saranno al di fuori dei limiti di tolleranza ammessi. Per conoscere qual è l errore significativo che dobbiamo rilevare con la procedura di CQI, dobbiamo stimare qual è il rapporto fra le prestazioni tipiche del metodo in esame e le specifiche di qualità scelte. In base al rapporto fra i traguardi analitici e le prestazioni ottenute e infatti possibile calcolare: L ERRORE SISTEMATICO CRITICO L ERRORE CASUALE CRITICO La METRICA SIGMA.
20 Metodologia 6 Sigma Nacque negli anni 80 alla Motorola, l dea fu sviluppare processi così eccellenti che virtualmente dovevano essere prodotti con zero difetti. Questa metodologia utilizza alcune tecniche del Total Quality Management (TQM) e coinvolge nelle attività di misura e miglioramento tutto il personale. La gestione della qualità sei sigma, include un indice di capacità che può essere direttamente relazionato all errore sistematico critico ( SEc) Metrica Sigma = ( ETa- Bias )/ CV SEcrit = metrica σ - 1,65 Dove: ETa % = errore totale massimo accettabile Bias % = scostamento stimato CV % = coefficiente di variazione stimato
21 Relazione fra SEc e metrica sigma Sec = [(TEa - Bias )/CV 1.65] Metrica Sigma = (TEa- Bias )/CV La grandezza dell errore che deve essere calcolato dipende proprio da SIGMA
22 Metodologia 6 Sigma Le prestazioni di tutti i processi possono essere caratterizzate sulla scala sigma, i valori variano tipicamente tra 2 (minima qualità) e 6 (eccellente qualità). Per le variazioni del processo si assume una distribuzione normale (Gaussiana), l area nelle code della distribuzione può essere utilizzata per stimare i difetti attesi (DPM difetti per milione): per ± 2 DS avremo DPM ± 3 DS avremo 2700 DPM ± 4 DS avremo 63 DPM ± 5 DS avremo 0.57 DPM ± 6 DS avremo DPM
23 Margine di sicurezza del processo analitico (6 sigma) Il concetto 6 sigma di Motorola è quello di ridurre la variabilità naturale del processo di ogni componente in modo tale che i limiti di specifica risultino posti a una distanza della media pari a ±6 volte la DS. Quanto più il metodo e preciso ed esatto, tanto più alto è il valore Sigma e tanto più basse saranno le probabilità che il nostro sistema non rispetti il traguardo analitico scelto; per questo motivo il valore Sigma può essere definito come il margine di sicurezza per ogni metodo analitico. Anche in presenza di uno scostamento sistematico della media pari a ± 1,5 volte la DS i risultati che non rispettano i traguardi analitici rimangono virtualmente assenti (3,4 per milione)
24 Il controllo della qualità analitica Il CQI è una tecnica per confrontare le prestazioni correnti del metodo con le prestazioni attese sotto condizioni stabili. Ogni procedura di CQI si contraddistingue per usare delle regole di controllo ed un certo numero di determinazioni di controllo (N). Le regole di controllo che usiamo nella procedura sono simili ai test di significatività statistici le cui prestazioni possono essere descritte in termini di falsi allarmi e veri allarmi: Falso allarme : viene segnalato un rifiuto della serie analitica anche se non ci sono errori (cioè il metodo è nelle condizioni di stabilità). Vero allarme: viene segnalato un errore reale e la serie analitica viene rifiutata (cioè siamo in presenza di un errore reale oltre all imprecisione tipica del metodo). Le probabilità di falso rigetto (Pfr = probability of false rejection) e di vero allarme (Ped) in condizioni ideali dovrebbero rispettivamente essere sempre pari allo 0% (Pfr) e 100% (Ped = probability of error detection). Nella pratica quotidiana riuscire ad usare procedure di CQI con una Ped 90% e una Pfr 5% è un ottimo obbiettivo.
25 Curve di potenza delle regole di controllo E un grafico che riporta la Probabilità di rilevare l errore (ordinate) in funzione della grandezza dell errore stesso (ascisse) Curva di potenza ideale 25
26 Probabilità di falso rigetto associata a regole singole con più determinazioni di controllo Le probabilità finora osservate si riferiscono a regole singole e un unica determinazione per serie analitica, se aumentiamo le determinazioni otterremo le seguenti probabilità di falso rigetto: z Pfr Regola n Pfr% n Pfr% n Pfr% n Pfr% n Pfr% n Pfr% 2 0, s 1 4,54 2 8, , ,0 5 20, ,33 2,5 0, ,5s 1 1,24 2 2, ,67 4 4,87 5 6,05 6 7,21 3 0, s 1 0,27 2 0, ,81 4 1,08 5 1,34 6 1,61 3,5 0, ,5s 1 0, , ,14 4 0,19 5 0,24 6 0,29 4 0, s 1 0, , ,02 4 0,03 5 0,04 6 0,05
27 Curve di potenza delle regole di controllo Pfr Pfr
28 CONTROLLO di PROCESSO CONTROLLO QUALITA CQI - CQA - VEQ
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
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliProbabilità 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:
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliLa 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
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliSPC 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,
DettagliElementi 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,
Dettagli1) 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
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliI 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
DettagliCorso 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
DettagliEsercitazione #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
DettagliSlide 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
DettagliIl farmaco generico. Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata
Il farmaco generico Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata Il farmaco generico Cos è un farmaco generico? È un medicinale EQUIVALENZA terapeuticamente equivalente
Dettagli8 Elementi di Statistica
8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per
DettagliIl 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
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliUn 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
DettagliLa ricerca del Sangue Occulto nello Screening del CCR e nella Pratica Clinica
La ricerca del Sangue Occulto nello Screening del CCR e nella Pratica Clinica Protocollo regionale ed esperienze a confronto Baggiovara (MO), 26/11/2010 PIANIFICAZIONE E GESTIONE DEL CONTROLLO DI QUALITÀ
DettagliFacciamo 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
DettagliCarte di controllo per attributi
Carte di controllo per attributi Il controllo per variabili non sempre è effettuabile misurazioni troppo difficili o costose troppe variabili che definiscono qualità di un prodotto le caratteristiche dei
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliIL 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
DettagliIl 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
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi 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
DettagliPrincipi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli
Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro
DettagliGESTIONE INDUSTRIALE DELLA QUALITÀ A
GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliMetodi 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
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliANALISI 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
DettagliA.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE
A.A. 2014-2015 Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE Utilizzare gli strumenti epidemiologici e statistici appropriati per ridurre l'area dell'incertezza nella rilevazione
DettagliL analisi statistica
Statistica medica per IMS / 1 L analisi statistica Statistica medica per IMS / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento Placebo Totale Sfavorevole Favorevole Totale
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliCAPACITÀ 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliPRODUZIONE DI LENTI A CONTATTO
1 PRODUZIONE DI LENTI A CONTATTO Per monitorare il processo di produzione di un determinato tipo di lenti a contatto viene misurato, ad intervalli di tempo regolari di h 15 minuti, il diametro X (in mm)
DettagliUniversità 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
DettagliProva 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.
DettagliDr. 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
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
Dettaglimatematica 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
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliLE 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
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliTesto alla base del Pitgame redatto dal prof. Yvan Lengwiler, Università di Basilea
Testo alla base del Pitgame redatto dal prof. Yvan Lengwiler, Università di Basilea Funzionamento di un mercato ben organizzato Nel Pitgame i giocatori che hanno poche informazioni private interagiscono
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliStatistica 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
DettagliInferenza statistica
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliCorso di laurea in Scienze Motorie. Corso di Statistica. Docente: Dott.ssa Immacolata Scancarello Lezione 2: Misurazione, tabelle
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione : Misurazione, tabelle 1 Misurazione Definizione: La misura è l attribuzione di un valore numerico
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliMisure 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.
DettagliUniversità 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
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliLe Carte di Controllo del Processo
ISI MANUALE PER CORSI QUALITÀ dispensa data modifica del livello Q-051 01.06.94 01 25.07.95 BLU Le Carte di Controllo del Processo MANUALE DI UTILIZZO ISI CARTE DI CONTROLLO pagina 2 di 13 Introduzione.
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliCORSO 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
DettagliIl coefficiente di correlazione di Spearman per ranghi
Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
DettagliESERCIZI 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,
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliGrafici 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliStima 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
DettagliUn occhio sul Controllo di Qualità (Dott. Roberto Balducci)
Un occhio sul Controllo di Qualità (Dott. Roberto Balducci) In tempi recenti si è dibattuto tanto e giustamente sugli aspetti dell appropriatezza degli esami di laboratorio nel contesto più generale della
Dettagli4. Confronto tra medie di tre o più campioni indipendenti
BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliStatistica 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
DettagliAbbiamo 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