docente: Germana Scepi

Размер: px
Начинать показ со страницы:

Download "docente: Germana Scepi"

Транскрипт

1 INSEGNAMENTO DI :PIANO DEGLI ESPERIMENTI CORSO DI LAUREA: CLAS docente: Germana Scei

2 Eserimenti in Scienza e Industria I metodi serimentali sono amiamente utilizzati sia nella ricerca scientifica che nel camo industriale, con obiettivi sesso differenti. L'obiettivo rinciale nella ricerca scientifica è quello di evidenziare la significatività statistica di un effetto che un articolare fattore esercita sulla variabile diendente di interesse Nello studio in camo industriale, l'obiettivo rimario è usualmente quello di estrarre il massimo ammontare di informazione non distorta riguardo i fattori che influenzano un rocesso roduttivo col minor numero ossibile (anche in termini di costi) di osservazioni. Mentre nel rimo caso (nella ricerca in camo scientifico) sono usate le tecniche rorie dell'analisi della varianza (ANOVA) er scorire la natura interattiva della realtà come manifestata nelle interazioni di ordine iù elevato dei fattori, negli studi di tio industriale gli effetti di interazione sono sesso visti come un "disturbo" (essi riscuotono di solito scarso interesse: ossono comlicare il rocesso di identificazione dei fattori imortanti)

3 GLOSSARIO Variabile di risosta (resonse): è una variabile con cui si misura il risultato di un eserimento es. volume di mercurio in un camione di acqua del fiume Fattore (factor): è una variabile serimentale controllabile che si ritiene influenzi la variabile di risosta (tio di fertilizzante, trattamenti termici, temeratura, ecc.) e di cui si vuole misurare l effetto (n.b. effetti dei singoli fattori: effetti rinciali) Livello (level): è uno secifico valore di un fattore Regione serimentale o sazio dei fattori (exerimental region o factor sace): sono tutte le ossibili combinazioni fattore/livello Interazioni (interaction): esistenza di effetti congiunti di iù fattori sulla variabile risosta Covariate (covariates): sono variabili che ossono influenzare la risosta ma i cui valori a differenza dei fattori non vengono controllati nell eserimento (es. in molti eserimenti temeratura ed umidità influenzano la variabile di risosta ma solo la temeratura uò essere controllata mentre l umidità uò essere misurata ma non controllata) Unità (item): oggetto o unità di rilevazione risetto a cui misurare le variabili considerate (es. ali di un aereo, bulloni, ecc.) Unità serimentali omogenee: (homogeneous exerimental units): unità che si resentano il iù simili ossibile risetto all'influenza sulla variabile di risosta

4 Sequenza di rove (sequence of tests): l ordine nel quale le combinazioni fattore/livello devono essere eseguite durante un eserimento Blocchi (blocks): dividono il numero totale di unità in due o iù grui di unità serimentali omogenee Rietizioni di rove (reeated tests): effettuazione di due o iù rove in cui siano identici sia le combinazioni fattore/livello che le condizioni di rova Relicazioni (relications): rietizione di un eserimento (o di arte di esso) in condizioni diverse di rova Errore Serimentale (exerimental error): comonente della variabilità dei risultati dovuta a fluttuazione casuali e non all'intervento dei fattori

5 Le esate di Hotelling Il roblema: Si disone di tre oggetti di cui si vuole conoscere il eso. Si ha a disosizione un numero massimo di quattro esate. Come è ossibile ottenere la migliore stima dei tre esi? Notazione: P i eso dell i-esimo oggetto, i,, P taratura (correzione dello zero) i Risultato della i-esima esata L errore in ciascuna esata è ritenuto costante e ari a σ i stima dell i-esimo eso var( i ) σ Stima Peso reale Errore serimentale Primo modo di rocedere: gli oggetti sono esati uno alla volta, si utilizza un solo iatto. Prima esata: la bilancia è vuota, rilevazione di Seconda esata: Oggetto sul iatto di destra, lettura di Terza esata: Oggetto sul iatto di destra, lettura di Quarta Pesata: Oggetto sul iatto di destra, lettura di

6 Ogni stima deriva dalla differenza di due misure: la varianza della stima dei esi è uguale a due volte la varianza della misura σ Chiamiamo ora X, X, X i tre oggetti da esare, ed attribuiamo: se l oggetto non sta sulla bilancia; se l oggetto sta sul iatto di destra; - se l oggetto sta sul iatto di sinistra. Con questa notazione la rova recedente uò essere raresentata dalla seguente matrice: X X X esata esata esata esata

7 Secondo modo di rocedere: gli oggetti sono esati due alla volta, si utilizza un solo iatto Prima esata: Nessun oggetto sui iatti, rilevazione di Seconda esata: X e X a destra, lettura di Terza esata: X e X a destra, lettura di Quarta esata: X e X a destra, lettura di La matrice delle esate è la seguente: X X X esata esata esata esata var( i ) (½) σ σ La varianza delle stime è uguale alla varianza delle misure Questa rocedura è iù recisa della recedente

8 Terzo modo di rocedere: gli oggetti sono esati tre alla volta, si utilizzano entrambi i iatti Prima esata: I tre oggetti sono a sinistra, rilevazione di Seconda esata: X e X a sinistra, X a destra, lettura di Terza esata: X e X a sinistra, X a destra, lettura di Quarta esata: X e X a sinistra, X a destra, lettura di La matrice delle esate è la seguente: X X X esata esata - - esata - - esata - - var( i ) (½) σ ½σ La varianza delle stime è uguale alla metà della varianza delle misure Questa rocedura è volte iù recisa della rima

9 Ultimo modo di rocedere: gli oggetti sono esati tre alla volta, si utilizzano entrambi i iatti Prima esata: I tre oggetti sono a sinistra, rilevazione di Seconda esata: X a sinistra, X e X a destra, lettura di Terza esata: X a sinistra, X e X a destra, lettura di Quarta esata: X a sinistra, X e X a destra, lettura di La matrice delle esate è la seguente: X X X esata esata - esata - esata - var( i ) (¼) σ ¼ σ La varianza delle stime è uguale alla metà della varianza delle misure Questa rocedura è 8 volte iù recisa della rima

10 Esiste un altra rocedura in grado di fornire stime iù recise? Alcune considerazioni: A arità di numero di rove è stato ossibile diminuire considerevolmente la variabilità delle stime Contrariamente alla logica aarente conviene combinare le rove iuttosto che serimentare a arità di altre condizioni (come nel rimo metodo) Nella terminologia del disegno degli eserimenti: ogni esata costituisce una risosta Ogni oggetto è un fattore Il eso di un oggetto è l effetto di un fattore sulla risosta Controllare le colonne della X nelle due ultime rocedure

Analisi della varianza

Analisi della varianza Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.

Подробнее

Il modello lineare e l analisi della varianza con

Il modello lineare e l analisi della varianza con Il modello lineare e l analisi della varianza con Rocco Micciolo Università di Trento http://hostingwin.unitn.it/micciolo/ ANOVA a 1 via La scomposizione della devianza ANOVA a 1 via e modello lineare

Подробнее

ANALISI DELLA VARIANZA

ANALISI DELLA VARIANZA ANALISI DELLA VARIANZA Per il confronto tra le medie aritmetiche di iù grui, non è ossibile ricorrere al test t, suddividendo l'analisi in tanti confronti a coie quante sono le combinazioni degli n grui

Подробнее

ESERCIZIO 1: Vincolo di bilancio lineare

ESERCIZIO 1: Vincolo di bilancio lineare Microeconomia rof. Barigozzi ESERCIZIO 1: Vincolo di bilancio lineare Si immagini un individuo che ha a disosizione un budget di 500 euro e deve decidere come allocare tale budget tra un bene, che ha un

Подробнее

125. Simulazioni del decadimento radioattivo con la TI Voyage 200 di Pietro Romano L. S. Leonardo, Giarre (CT)

125. Simulazioni del decadimento radioattivo con la TI Voyage 200 di Pietro Romano L. S. Leonardo, Giarre (CT) Numero 11 Dicembre 29 125. Simulazioni del decadimento radioattivo con la TI Voyage 2 di Pietro Romano [[email protected]] L. S. Leonardo, Giarre (CT) Abstract.. A grahical calculator, as TI Voyage 2, can

Подробнее

Regolarizzazione (Shrinkage) Strumenti quantitativi per la gestione

Regolarizzazione (Shrinkage) Strumenti quantitativi per la gestione Regolarizzazione (Shrinkage) Strumenti quantitativi er la gestione Emanuele Taufer Metodi di regolarizzazione o shrinkage Regressione ridge Standardizzare i redittori Dati Credit.csv Ridge er i dati Credit.csv

Подробнее

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università

Подробнее

Predittore di Smith. (Complementi di Controlli Automatici: prof. Giuseppe Fusco) y p (t) Figura 1: Schema di controllo in retroazione con ritardo.

Predittore di Smith. (Complementi di Controlli Automatici: prof. Giuseppe Fusco) y p (t) Figura 1: Schema di controllo in retroazione con ritardo. Predittore di Smith (Comlementi di Controlli Automatici: rof. Giusee Fusco) Lo schema a redittore di Smith ha come obiettivo il miglioramento delle restazioni di un sistema di controllo in cui è resente

Подробнее

Schedulazione di dettaglio Macchine in parallelo

Schedulazione di dettaglio Macchine in parallelo Lezione 8 Schedulazione di dettaglio Macchine in arallelo Dati: Una lista di lotti (job) che devono essere rocessati da un sistema roduttivo comosto da un set di macchine in arallelo. Siano i lotti caratterizzati

Подробнее

8. ANALISI DELLA COVARIANZA (ANCOVA)

8. ANALISI DELLA COVARIANZA (ANCOVA) 8. ANALISI DELLA COVARIANZA (ANCOVA) L analisi della covarianza è un metodo statistico che risulta dalla combinazione dell analisi di regressione con l analisi della varianza. È utile quando all analisi

Подробнее

ESAME DI AMMISSIONE ALLA TERZA LICEO SCIENZE SPERIMENTALI: FISICA

ESAME DI AMMISSIONE ALLA TERZA LICEO SCIENZE SPERIMENTALI: FISICA LICO CANTONAL DI LUGANO 2 SAM DI AMMISSION ALLA TRZA LICO SCINZ SRIMNTALI: FISICA COGNOM: NOM:...... RONINZA SCOLASTICA:. unti esercizi 1 2 3 TOT 18 4 3 25 unti fatti Nota SRCIZIO 1 Annerire o crociare

Подробнее

LA LORDIZZAZIONE DEI REDDITI NETTI IRPEF: STRUMENTI PER LA MICROSIMULAZIONE SUL 2005

LA LORDIZZAZIONE DEI REDDITI NETTI IRPEF: STRUMENTI PER LA MICROSIMULAZIONE SUL 2005 WORKING PAPER No 478 Marzo6 LA LORIZZAZIONE EI REITI NETTI IRPEF: STRUMENTI PER LA MICROSIMULAZIONE SUL 5 Simone Pellegrino iartimento di scienze economiche e finanziarie G. Prato Università di Torino

Подробнее

Indice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI

Indice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della

Подробнее

Questo calcolo richiede che si conoscano media e deviazione standard della popolazione.

Questo calcolo richiede che si conoscano media e deviazione standard della popolazione. Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito

Подробнее

Esercizi proposti - Gruppo 7

Esercizi proposti - Gruppo 7 Argomenti di Matematica er l Ingegneria - Volume I - Esercizi roosti Esercizi roosti - Gruo 7 1) Verificare che ognuina delle seguenti coie di numeri razionali ( ) r + 1, r + 1, r Q {0} r ha la rorietà

Подробнее

Capitolo 2. Funzioni

Capitolo 2. Funzioni Caitolo 2 Funzioni 2.1. De nizioni Un concetto di fondamentale imortanza è quello di funzione. roosito la seguente de nizione: Vale a questo De nizione 10 Dati due insiemi (non vuoti) X e Y, si chiama

Подробнее

Capitolo 3 - Parte IV Complementi sui circuiti combinatori

Capitolo 3 - Parte IV Complementi sui circuiti combinatori Aunti di Elettronica Digitale Caitolo 3 - arte IV Comlementi sui circuiti combinatori Introduzione... Sommatori...2 Introduzione...2 Half-adder...3 Full-adder...4 Sommatore binario arallelo...7 roagazione

Подробнее

C.I. di Metodologia clinica

C.I. di Metodologia clinica C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni

Подробнее

ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio Lanzotti

ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio Lanzotti UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 ANALISI DELLA VARIANZA A DUE VIE CON INTERAZIONE Prof. Antonio

Подробнее

Indagine statistica. Indagine Totale Indagine Campionaria Fasi dell indagine

Indagine statistica. Indagine Totale Indagine Campionaria Fasi dell indagine 10/1 Indagine statistica Indagine Totale Indagine Campionaria Fasi dell indagine definizione degli obiettivi definizione delle unità e delle variabili da rilevare scelta del periodo di riferimento individuazione

Подробнее

Tonzig La fisica del calore

Tonzig La fisica del calore 0 Tonzig La fisica del calore c) Per stati di equilibrio caratterizzati da uno stesso valore della ressione (e del numero di moli), volume e temeratura assoluta sono direttamente roorzionali. Se 0 è il

Подробнее

TEORIA DELLA PROBABILITÁ

TEORIA DELLA PROBABILITÁ TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi

Подробнее

Lezione 10 Termodinamica

Lezione 10 Termodinamica rgomenti della lezione: Lezione 0 ermodinamica relazione di Mayer trasformazioni adiabatiche trasformazioni isoterme macchine termiche ciclo di arnot secondo riiio della termodinamica cenni sull entroia

Подробнее

Campionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1

Campionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1 Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:

Подробнее

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO

APPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni

Подробнее

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 Concetti generali: Confronto simultaneo tra più di due popolazioni, esempi... La analisi della varianza estende il confronto a p gruppi con p>2.

Подробнее

Modelli dei Sistemi di Produzione Modelli e Algoritmi della Logistica 2010-11

Modelli dei Sistemi di Produzione Modelli e Algoritmi della Logistica 2010-11 Modelli dei Sistemi di Produzione Modelli e lgoritmi della Logistica 00- Scheduling: Macchina Singola CRLO MNNINO Saienza Università di Roma Diartimento di Informatica e Sistemistica Il roblema /-/ w C

Подробнее

DISTRIBUZIONI DI CAMPIONAMENTO

DISTRIBUZIONI DI CAMPIONAMENTO DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,

Подробнее

TECNICHE DI ANALISI DEI DATI

TECNICHE DI ANALISI DEI DATI TECNICE DI ANALISI DEI DATI AA 08/09 PRO. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/xy5fr Seconda Università di Napoli (SUN) Dipartimento

Подробнее

Imputazione dati mancanti

Imputazione dati mancanti Imputazione dati mancanti Una volta preparata la matrice dei dati, occorre controllare alcuni aspetti delle variabili disponibili. Missing Value Range Minimum & Maximum Extreme Values Per verificare la

Подробнее