Test per l omogeneità delle varianze
|
|
- Evelina Pinna
- 6 anni fa
- Visualizzazioni
Transcript
1 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 volta che non si osservano punti anomali in una carta di controllo S, prima di andare a costruire la carta di controllo per la media, possiamo utilizzare anche i test per la verifica dell omogeneità della varianza nei campioni utilizzati. Tra i tanti test, proponiamo quello di Bartlett (1937). Siano m i campioni ciascuno di numerosità n i, i = 1,..., m. Dobbiamo verificare H 0 : σ 2 1 = = σ2 m = σ2 contro l alternativa che per almeno una delle varianze sia σ 2 j σ2 1
2 Sotto l ipotesi nulla si può dimostrare che la statistica dove σ 2 G = 1 ni m m B = 1 D n i i=1 j=1 m i=1 (n i 1) log σ 2 G log s2 i (x ij x i ) 2, D = (k 1) si distribuisce come una χ 2 con m 1 gradi di libertà., ( ) 1 n i 1 1 ni m Se il valore della statistica B supera il valore soglia determinato con la e il livello α si rifiuta l ipotesi nulla. χ 2 m 1 Si può utilizzare anche il test di Fligner-Killeen che risulta più robusto rispetto all ipotesi che i dati provengano da popolazione normale. (Applicazioni in laboratorio) 2
3 Capacità produttiva Le carte di controllo permettono di fornire indicazioni sulla capacità del processo produttivo. Se il processo è sotto controllo si può ammettere che la caratteristica X del prodotto sia distribuita come una N( x, ˆσ). Siano T U e T L rispettivamente i limiti superiore e inferiore di specifica (USL e LSL) Il livello effettivo di non conformi del processo è dato da ( ) ( ) TL x TU x p e = P (X < T L ) + P (X > T U ) = Φ + 1 Φ ˆσ ˆσ Il valore minimo di p e lo si ha quando la media coincide con il centro dell intervallo di tolleranza m e = T ( ) U + T L TL T p min = 2Φ U 2 2ˆσ Il livello effettivo di non conformi deve essere tale che p e < p T dove p T è il livello di difettosità tollerabile. Se si verifica che p e > p T occorre distinguere due casi: se p min < p T si ricorre ad una taratura della macchina per riportare la media del processo vicino al valore m e. Se p min > p T il processo è inadeguato. 3
4 Riassumendo p e < p T processo ok p T < p e taratura della macchina p min < p T < p e ripercorrere la fase di impianto della carta p T < p min < p e aumentare n e ricalcolare σ L indice di capacità è definito da Il valore C p = USL LSL 6σ la cui stima Ĉ p = USL LSL 6ˆσ P = 1 C p 100% rappresenta la percentuale di specifica usata dal processo. 4
5 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 con A t tale regione. Supponiamo che la media del processo sia passata da µ 0 a µ. Non ci si accorge di questo cambiamento con una probabilità data da (probabilità di mancato allarme) ( ) ( ) n µ β(µ) = P (A t µ) = Φ 0 µ n µ + z 1 α/2 Φ 0 µ z 1 α/2 Posto σ 0 δ = µ µ 0 σ Per la carta a 3-sigma la curva operativa caratteristica è approssimativamente β(δ, n) = OC(δ, n) = Φ(3 δ n) σ 0 5
6 Il grafico rappresenta le OC al variare di n e per diversi valori di scostamento della media dal valore dato per multipli di σ. OC curves for xbar chart Prob. type II error n = 2 n = 5 n = 10 n = 15 n = Process shift (std.dev) 6
7 La relazione β(δ, n) = OC(δ, n) = Φ(3 δ n) è invertibile. Denotato con z β il quantile di una Z per un fissato valore di β si ha 3 δ n = z β, da cui ( 3 zβ ) 2, n = δ che va approssimato con l intero più vicino. Questo permette per fissati sregolamenti δ della media di determinare la numerosità del campione che assicura valori di β adeguatamente bassi. Esempio Per δ = 1.5 e β = 0.36 troviamo z β = e quindi n = da cui n = 5. (Vedi più avanti). Si osservi infine che β dipende anche dal valore di α e che in generale β sarà tanto più grande quanto più α è piccolo. 7
8 Funzioni operative caratteristiche per σ Nei problemi di controllo statistico in corso di produzioni si è interessati a verificare l ipotesi che la variabilità del processo non aumenti. Ciò equivale alla verifica dell ipotesi H 0 : σ σ 0 contro H 1 : σ > σ 0 L ipotesi H 0 viene rifiutata quando un punto si colloca al disopra della linea UCL. L aumento della variabilità viene espresso da λ = σ σ 0. Per una carta di controllo a 3-sigma abbiamo β(λ) = P ( S < B 4 σ 0 σ = λσ 0 ) È possibile risalire alla distribuzione di S e calcolare quindi il valore di β(λ) per diversi valori di n e di λ 8
9 Tempi di Attesa per segnali di Fuori Controllo Se α è la probabilità di avere un falso segnale di fuori controllo e se indichiamo con T r la variabile casuale che indica il numero di campioni da estrarre prima di avere r falsi allarmi, la T r è una variabile casuale di Pascal e la sua distribuzione è ) α r (1 α) k r k = r, r + 1,... P (T r = k) = ( k 1 r 1 Poichè nella pratica un processo si arresta al primo segnale di fuori controllo la distribuzione di T 1 risulta P (T 1 = k) = α(1 α) k 1 k = 1, 2,... Il tempo medio per aver un falso allarme è dato da E(T 1 ) = 1 α (= ARL 0) Ad esempio per la carta per la media a 3-sigma avremo un falso allarme ogni 1/α = 1/ = 370 campioni 9
10 Quando il valore del parametro del processo (ad esempio la media o la varianza) si sposta da θ 0 a θ il processo è andato fuori controllo. Se β è la probabilità di avere un mancato allarme, la probabilità di dover attendere k campioni per osservare r punti fuori controllo (allarmi autentici) è data da P (T r = k θ) = ( k 1) (1 β(θ)) r β(θ) k r k = r, r + 1,... r 1 La distribuzione dei tempi di un segnale di fuori controllo quando il processo è fuori controllo è P (T 1 = k θ) = (1 β(θ))β(θ) k 1 k = 1, 2,... La probabilità di avere un segnale di fuori controllo entro i primi k campioni è data da 1 β k+1 e tende a 1 al crescere di k per qualunque valore di θ. Il tempo medio di attesa di un segnale di fuori controllo quando il processo è fuori controllo è dato da E(T 1 θ) = 1 1 β(θ) (= ARL 1) 10
11 Esempio. Vogliamo individuare uno scostamento pari a 1.5σ dalla media del diametro degli anelli con campioni di numerosità n = 5 con una carta a 3-sigma. Dalla OC deduciamo che β = La probabilità che lo scostamento venga individuato al primo campionamento è 1 β = Che venga individuato al secondo campionamento è β(1 β) = Il tempo medio di attesa risulta ARL 1 = 1 β 1 = 2. OC curves for xbar chart Prob. type II error Process shift (std.dev) 11
12 Va osservato che la lunghezza media delle sequenze (ARL) diminuisce come β. Una diminuzione dell ARL è quindi legata all abbassamento della OC. Questo abbassamento avviene solo con un aumento della numerosità campionaria e quindi con un aumento dei costi di controllo. Quindi, per un prefissato scostamento della media di kσ, se si fissa n si ottiene il valore di β e quindi il valore dell ARL. Se si fissa l ARL si ricava β = 1 1 ARL e quindi il valore di n che garantisce quel valore di β. Esempio. Se vogliamo ARL=2 per una carta 3-sigma per la media per individuare uno scostamento dalla media pari a 1σ, allora β = 0.5 e dalla OC deduciamo n =
13 Carte per campioni di diversa ampiezza Quando gli m campioni raccolti hanno numerosità n i diverse si costruiscono le carte x e S. I limiti a 3 sigma e di probabilità per tali carte variano da campione a campione e si basano sulla stima ponderata della media e dello scarto quadratico medio. x = mi=1 n i x i mi=1 n i S = mi=1 (n i 1)Si 2 mi=1 n i m I limiti per ognuno degli m campioni della carta x e della carta S sono dati da UCL i = x + A 3,i S CL = x LCL i = x A 3,i S UCL i = B 4,i S CL = S LCL i = B 3,i S 13
14 Carte di controllo per misure singole Queste carte si utilizzano quando tutti gli m campioni sono costituiti da una sola osservazione. Questo può verificarsi per vari motivi, ad esempio se il processo lavora con cadenza troppo lenta se la misurazione da effettuare su un unità ne comporta la distruzione se la produzione avviene in lotti all interno dei quali la variabilità è praticamente nulla Un campione unitario non fornisce nessuna stima per σ quindi non possiamo utilizzare le carte x, R e S. 14
15 Date le m osservazioni singole x 1, x 2,..., x m si costruiscono gli m 1 range mobili RM i = x i x i+1, i = 1, 2,..., m 1 Si calcolano quindi il range medio e la media RM = 1 m 1 m 1 m x i i=1 RM i x = 1 i=1 m Si utilizzano i valori D 3 e D 4 per n = 2 della carta R a 3 sigma per ottenere la carta di controllo per le escursioni campionarie per le osservazioni singole UCL = D 4 RM = 3.267RM CL = RM LCL = D 3 RM = 0 Mentre i limiti per la carta di controllo per la media risultano, osservato che ˆσ = RM d = RM UCL = x + 3ˆσ = x RM CL = x LCL = x 3ˆσ = x 2.66RM 15
Funzione 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
DettagliCarte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
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
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
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,
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
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
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
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
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,
DettagliCapitolo 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
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
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
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 9 Abbiamo visto metodi per la determinazione di uno stimatore puntuale e casi per: Carattere con
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
DettagliAnalisi 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.
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
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
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
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliLezione 17. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 17. A. Iodice
con Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 29 Outline con 1 2 3 con 4 5 campioni appaiati 6 Indipendenza tra variabili () Statistica 2 /
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
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
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
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
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
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
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
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
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
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,
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
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.
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
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
DettagliCapitolo 9 Verifica di ipotesi: test basati su un campione
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
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
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X
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
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
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
DettagliControllo 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
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
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
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson Apogeo
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari"
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliStatistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
ISTITUZIONI DI STATISTICA A A 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson. Casa editrice: Pearson
Levine, Krehbiel, Berenson Statistica II ed. Casa editrice: Pearson Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE a.a. 2005/06 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili di una
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliVerifica di ipotesi. Parte VI. Verifica di ipotesi
Parte VI Verifica di ipotesi Definizione (Sistema di ipotesi) Nell ambito di un modello statistico parametrico, un sistema di ipotesi statistiche è costituito da due congetture, incompatibili, sul parametro
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
Dettagli= , 30 )
0/2000 Una serie di 22 misurazioni del numero di ottano della benzina prodotta da varie compagnie ha rilevato una media di 93 ed uno scostamento quadratico medio corretto di 0.8. Qual è l intervallo di
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
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
DettagliStatistica Sociale e Criminale (12 CFU) A.A. 2015/2016
Statistica Sociale e Criminale (1 CFU) A.A. 015/016 CdL Sociologia e Criminologia Simone Di Zio Dove siamo MODULO 3. L Inferenza statistica 3.1 Probabilità e variabili casuali 3. Le tecniche di campionamento
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliSOLUZIONE. a) Calcoliamo il valore medio delle 10 misure effettuate (media campionaria):
ESERCIZIO SU TEST STATISTICO (Z, T e χ ) Da una ditta di assemblaggio di PC ci viene chiesto di controllare la potenza media dissipata da un nuovo processore, che causa a volte problemi di sovraccarico
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.
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
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
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
Dettagli