Gestione Industriale della Qualità
|
|
- Bartolomeo Boni
- 7 anni fa
- Visualizzazioni
Transcript
1 Esempio Gestione Industriale della Qualità -IX-23 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n=2 n2=6 c= c2=4 Si valuti la probabilità di accettazione del campione e la qualita media risultante (AOQ); nell ipotesi che il lotto, composto da 5 elementi, presenti una difettosità p pari al 4%. prob. di accettazione n = prob. di accettazione n = p p c n=2 n= nota: si riporta la formula corretta per il calcolo di P a II II a P = c2 c d P * d = c + d = 2 ( d ) P( d ) 2 2 B) Una procedura di controllo per schede a circuiti stampati consiste nel campionamento di 5 schede per ora e nel rilievo del numero totale di difetti (non conformita ) nel campione. di circuito. I dati raccolti sono riportati nella tabella seguente. Si costruisca una carta u (per numero medio di difetti) sulla base dei dati, estraendo dal campione stesso le informazioni necessarie a definire i limiti di controllo.
2 N. del campione Numero totale di non conformita N. del campione Numero totale di non conformita C) Discutere le seguenti carte x
3 Esempio 2 Gestione Industriale della Qualità 23-VII-24 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n =5 c = n2 = 8 c2 = 4 Si valuti la probabilita' di accettazione (P), la qualita media risultante (AOQ) e il numero di ispezioni minimo, massimo e medio (ATI); si faccia l ipotesi che il lotto, di dimensioni N = 9 presenti una difettosità p pari al 3%. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca (qualitativamente) una carta x-mr sulla base dei dati della tabella seguente relativi ad una dimensione diametrale di un componente meccanico, espressi in millimetri. Si supponga che: - i limiti di specifica siano 2±.2; - siano gia stati valutati i valori x med =2., MR med =.68. Si richiede: - una stima dell indice di capacita di processo c p ; - la costruzione delle carte x-mr.
4 oss.n. x oss.n. x C) Discutere le seguenti carte x
5 Esempio 3 Gestione Industriale della Qualità 4-IX-25 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n =5 c = n2 = 8 c2 = 4 Si valuti la probabilita' di accettazione (P), la qualita media risultante (AOQ) e il numero di ispezioni minimo, massimo e medio (ATI); si faccia l ipotesi che il lotto, di dimensioni N = 9 presenti una difettosità p pari al 3%. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca (qualitativamente) una carta p sulla base dei dati della tabella seguente, che riporta il numero di pezzi non conformi rilevati su campioni costituiti da 8 pezzi ciascuno. Si stimi la frazione media di non conformi dai dati forniti.
6 N. del campione Numero di pezzi non conformi N. del campione Numero di pezzi non conformi C) Discutere le seguenti carte x
7 Esempio 4 Gestione Industriale della Qualità 6-XII-23 A) Si consideri un piano di campionamento doppio (senza rettifica) caratterizzato dai seguenti parametri: n = 8 c = 2 n2 = 6 c2 = 5 Si valuti la probabilita di accettazione totale, e la dimensione media del campione (ASN) nell ipotesi che il lotto, di presenti una difettosità p pari al 3.5%. Si faccia riferimento ad un lotto di dimensione N = 5: c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca una carta x-mr sulla base dei dati seguenti. Quali altri strumenti potrebbero essere usati in questo caso (si consideri che i dati sono distribuiti con media.7 e range medio.77)? N. del campione valore N. del campione valore
8 C) Discutere le seguenti carte x UCL LCL UCL LCL
9 Esempio 5 Gestione Industriale della Qualità 6-XII-23 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n = 5 c = n2 = c2 = 4 Si valuti la probabilita di accettazione senza rettifica (P), la qualita media risultante (AOQ), il numero medi di ispezioni totali (ATI) e la probabilita di prendere una decisione dopo l ispezione del primo campione (PI); nell ipotesi che il lotto, di dimensioni N = 3 presenti una difettosità p pari al 2%. Si consideri poi lo stesso caso senza rettifica e si valutino la probabilita di accettazione totale, la qualita in uscita (simile ad AOQ ) e la dimensione media del lotto (ASN) per questo caso. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca una carta x med -S sulla base dei dati seguenti, sapendo che sono stati campionati da una distribuzione con media µ=2 e deviazione standard σ=
10 C) Discutere le seguenti carte x UCL LCL UCL LCL
Gestione Industriale della Qualità
Gestione Industriale della Qualità 8-II-6 esempio A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n = c = n = c = 4 Si valuti la qualità media risultante
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliL AFFIDABILITA NELLA FASE DI PRODUZIONE
9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
DettagliStatistica Applicata all edilizia Lezione: carte di controllo
Lezione: carte di controllo E-mail: orietta.nicolis@unibg.it 24 maggio 2007 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Fonti
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliDa: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.
Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Controllo costi Le difficoltà di un accurato e affidabile
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
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
DettagliCONTROLLO STATISTICO DI PROCESSO
CONTROLLO STATISTICO DI PROCESSO Broadly speaking, the object of industry is to set up economic ways and means of satisfying human wants 1 and in so doing to reduce everything possible to routines requiring
DettagliFondamenti statistici : Test d Ipotesi (1)
Fondamenti statistici : Test d Ipotesi (1) Ipotesi statistica: È una assunzione formulata su un particolare aspetto della popolazione considerazioni teoriche Informazioni relative a popolazioni analoghe
DettagliESERCIZIO pag ? = Stima del numero medio di battiti cardiaci /minuto per una certa popolazione.
ESERCIZIO pag.146 6..1? = Stima del numero medio di battiti cardiaci /minuto per una certa popolazione. x= 90 battiti/minuto n = 49 Assunzioni: campione casuale; popolazione distribuita N; σ = 10 battiti/minuto.
Dettagli1/34. Campionamento di accettazione Acceptance Sampling
1/34 Campionamento di accettazione Acceptance Sampling P Contents 1 Ispezioni di accettazione 5 2/34 2 Ispezioni di accettazione - 2 6 3 Accettazione per campionamento 7 4 Piano di campionamento 8 5 Possibilità
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione n. Si
DettagliFunzione Operativa Caratteristica per la media
Funzione Operativa Caratteristica per la media Se X N(µ 0, σ 0 ) allora il processo all istante t è considerato sotto controllo se calcolata x t risulta µ 0 z 1 α/2 σ 0 n < x t < µ 0 + z 1 α/2 σ 0 n Denotiamo
DettagliProbabilità e Statistica
Probabilità e Statistica - 18.01.2011 Cognome e Nome... C. d. L.: AMBLT CIVLT CIVLS INFL INFLT ETELT GESLT Matricola...Firma...... FILA 1 Istruzioni 1. COMPILARE la parte precedente queste istruzioni;
DettagliProbabilità e Statistica
Probabilità e Statistica Stima puntuale di parametri Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 018/019 Marco Pietro Longhi Prob. e Stat.
DettagliDI CONFORMITA NEI PRODUTTIVI. Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze
VERIFICHE DI CONFORMITA NEI PROCESSI PRODUTTIVI Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze marcantonio.catelani@unifi.it 1 Qualità secondo
DettagliMEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ
Qualità: Progetto e Gestione Scuola di Ingegneria MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CONTROLLO QUALITÀ IN PRODUZIONE MEZZI
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 3 Dott.ssa Antonella Costanzo 25/02/2016 Esercizio 1. Verifica di ipotesi sulla media (varianza nota) Il preside della scuola elementare XYZ sospetta che i suoi studenti
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliLa statistica nei processi di misura
Laboratorio Materiali e Servizi per l Industria La statistica nei processi di misura 15 dicembre 2016 Pubblicazione del Centro Istruzione GEST Labs - Riproduzione vietata - Enrico Galbiati 1 Misura della
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliOccorre trovare la distribuzione di DM
Esercizio In una prova sul carico di rottura di due tipi di corda si dispone di 2 campioni di ampiezza 26 e 35 rispettivamente. Nel primo campione la media è 185,3Kg, nel secondo campione la media è 175,2Kg.
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
DettagliCenni di Statistica Inferenziale
Cenni di Statistica Inferenziale Teorema del limite centrale Data una variabile, qualsiasi sia la sua distribuzione, la media di tutti i suoi campioni di ampiezza n ha una distribuzione normale: dove:
DettagliStatistica A. Corsi di Laurea afferenti alla IV Facoltà Prova del Cognome e Nome...
Compito A Statistica A Corsi di Laurea afferenti alla IV Facoltà Prova del 12-07-2007 Cognome e Nome...... N 0 di Matricola ISTRUZIONI: Copiare in modo chiaro e leggibile lo svolgimento di ciascun esercizio
DettagliMEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ
1 Qualità: Progetto e Gestione MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Carlo Noè Scuola di Ingegneria e-mail: cnoe@liuc.it 2 MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Diagrammi
DettagliSTATISTICA (II modulo - Inferenza Statistica) Esercitazione I consegna 3 maggio 2006
STATISTICA (II modulo - Inferenza Statistica) Esercitazione I consegna 3 maggio 2006 Esercizio A. Si supponga che tre banche vorrebbero aprire uno sportello presso un nuovo centro commerciale e che ciascuna
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:
ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliFacoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza
Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza 1. Si consideri un urna contenente 10 palline numerate di forma uguale ma di diverso colore (R=rosso, V=verde, N=nero). Numero 1 2 3 4 5 6 7 8
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliCorso di Laurea in Infermieristica "S" A.A. 2015/2016 Orario Lezioni III Anno - I Semestre Nuovo Ordinamento (D.M. 270/04)
I^ Settimana 12 ottobre 16 ottobre II^ Settimana 19 ottobre 23 ottobre III^ Settimana 26 ottobre 30 ottobre IV^ Settimana 2 novembre 6 novembre V^ Settimana 9 novembre 13 novembre VI^ Settimana 16 novembre
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliE S E R C I Z I T U T O R
E S E R C I Z I T U T O R ESERCIZIO Applicazione del Metodo Montecarlo per calcolare p. Si calcola il rapporto fra l area del cerchio di diametro r e l area del quadrato circoscritto, di lato r. Area del
DettagliMezzi per la raccolta e la gestione dei dati di qualità
CICLO DI LEZIONI per Progetto e Misura della Qualità Scuola di Ingegneria Industriale Mezzi per la raccolta e la gestione dei dati di qualità Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliControllo statistico della qualità
Controllo statistico della qualità 1 Senza il controllo della qualità, sia il produttore che l acquirente sono nella stessa posizione dell uomo che scommette in una corsa di cavalli con l unica eccezione
DettagliAZIENDA MATERIA PRIMA PROCESSO PRODUTTIVO PRODOTTO FINITO. Dipartimento di Ingegneria Meccanica e Aerospaziale Università di Roma La Sapienza
AZIENDA MATERIA PRIMA PROCESSO PRODUTTIVO PRODOTTO FINITO 1 OBIETTIVO AZIENDALE Il desiderio dell azienda è quello di fabbricare tutti i pezzi uguali al prototipo specificato (impossibile) e conforme alle
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliEsercizi. 1. Sia X una variabile aleatoria normale N(3.2, 1.44). Calcolare
1 E. Vitali Matematica (Scienze aturali) Esercizi 1. Sia X una variabile aleatoria normale (3.2, 1.44). Calcolare P (X 4.94), P (1 X 4). [0.9265, 0.715] 2. Sia X la variabile aleatoria che rappresenta
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
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
DettagliEsercizio 1. La variabile casuale G, somma di due V.C. normali, si distribuisce anch essa come una normale.
Esercizio 1. La V.C. Y segue una distribuzione normale con media 45 e varianza 9. La V.C. X segue una legge normale con media 12 e varianza 4. Calcolare come si distribuisce e quali sono i parametri della
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliProva Pratica di Statistica I+II - Prof. M. Romanazzi
1 Università di Venezia - Corso di Statistica I + II (Cb-Ga) Prova Pratica di Statistica I+II - Prof. M. Romanazzi 3 Giugno 2008 Cognome e Nome............................................ N. Matricola............
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliIntroduzione all'inferenza Lezione 4
Last updated April 16, 2016 Introduzione all'inferenza Lezione 4 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Introduzione all inferenza Popolazione Campione
DettagliProva scritta di Statistica Traccia A docente: I. Oliva 14/2/2014
Prova scritta di Statistica Traccia A docente: I. Oliva 14/2/2014 NOME,COGNOME, MATRICOLA, CFU: Per gli esercizi, saranno valutate solo le risposte con la giusticazione del risultato. Per superare la prova
DettagliUniversity of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliSTATISTICA SERALE (NOF) Appello del 12/07/12 Effettuare i calcoli arrotondando alla seconda cifra decimale A PARTE PRIMA
Appello del 12/07/12 A PARTE PRIMA 1) Enunciare e dimostrare le due proprietà della media aritmetica. 2) Il prospetto che segue si riferisce ad una parte della distribuzione per età delle donne italiane
Dettagli1) Utilizzando gli sviluppi in serie delle funzioni, calcolare. sin(x 2 ) (1 cos x) 2 (1 cos(x 2 )) sinh x. lim
UNIVERSITÀ MEDITERRANEA DI REGGIO CALABRIA Facoltà di Ingegneria Corso di Laurea in Ingegneria delle Telecomunicazioni Prova scritta di ANALISI MATEMATICA II e CALCOLO DELLE PROBABILITÀ-E 1 Ottobre 2009
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte IV: statistica inferenziale a cura di: S.Poffe
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
DettagliSe un processo produttivo è influenzato solo da fattori accidentali si dice che esso è SOTTO CONTROLLO.
1 Carte di controllo Le carte di controllo sono uno STRUMENTO PER IL MONITORAGGIO DI PROCESSI PRO- DUTTIVI. Siccome tali processi sono influenzati da molteplici fattori, i loro prodotti non hanno mai caratteristiche
DettagliStatistica. Ingegneria Logistica e della Produzione - Teledidattico. Prova del 26 gennaio Compito A Cognome e Nome...N 0 di Matricola...
NOME E COGNOME:.. N O MATRICOLA: ISTRUZIONI: Copiare in modo chiaro e leggibile lo svolgimento di ciascun esercizio sul foglio contenente il testo corrispondente. Soltanto i fogli che vi sono stati consegnati
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliEsercizi Teoria della Probabilità
Esercizi Teoria della Probabilità Esercizio 1 Durante un corso universitario, uno studente prova a svolgere una serie di esercizi. La risposta agli esercizi è di tipo binario (SI/NO). Supponendo la completa
DettagliLezione VII: Z-test. Statistica inferenziale per variabili quantitative. Statistica inferenziale per variabili quantitative. Prof.
Lezione VII: Z-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Statistica inferenziale per variabili quantitative
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
DettagliProva scritta di Teoria dei Segnali: nuovo ordinamento
Prova scritta di Teoria dei Segnali: nuovo ordinamento 1. Dati i segnali x(t) = rect[(t-2)/2] e y(t) = 2rect[(t+3)/2], si calcoli il prodotto di convoluzione tra x(t) e y(t), 2. Si calcoli la trasformata
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliLezione VII: t-test. Prof. Enzo Ballone
Lezione VII: t-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Un terzo problema: si considerino 2 campioni
DettagliRappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r
1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
Dettagli