Il campionamento statistico
|
|
- Paola Neri
- 8 anni fa
- Visualizzazioni
Transcript
1 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 è benvenuta. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 1
2 PROBLEMA Come è possibile decidere se un lotto di materiale è conforme o non conforme senza collaudare ogni singolo pezzo? Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 2
3 IL CAMPIONAMENTO IN ACCETTAZIONE o o o o L ispezione o il controllo ha come scopo l accettazione o il rifiuto di un prodotto in base alla corrispondenza agli standard (specifiche) richiesti. Concetto di ispezione del lotto; Ispezione completa: ogni unità del lotto viene ispezionata; Ispezione campionaria: l ispezione avviene su un campione casuale estratto dal lotto. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 3
4 IL CAMPIONAMENTO STATISTICO Per adottare un procedimento di collaudo che utilizza campioni è necessario definire un Piano di Campionamento da adottare, ossia l insieme delle regole che definiscono: La partita o il lotto di elementi grezzi, semi-finiti, finiti che si intende prendere in considerazione; L ampiezza del campione che si deve estrarre dalla partita o dal lotto (numerosità campionaria); La caratteristica di qualità richiesta dalla specifica tecnica; Le condizioni di accettazione e/o di rifiuto della partita o del lotto Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 4
5 IL CAMPIONAMENTO STATISTICO Quando si effettua un collaudo per campioni si possono commettere i seguenti errori: 1. Rifiutare il lotto che dovrebbe essere accettato; 2. Accettare il lotto che dovrebbe essere rifiutato. Ovvero: 1. H 0 = Il lotto soddisfa i requisiti di qualità, quindi accetto il lotto; 2. H 1 = Il lotto non soddisfa i requisiti di qualità, quindi non accetto il lotto. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 5
6 IL PIANO DI CAMPIONAMENTO - 1 MIL STD 105E militare ANSI/ASQ1.4 civile (Stati uniti, Canada e altri paesi occidentali) ISO 2859 campionamento per attributi ISO 3951 campionamento per variabili Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 6
7 IL PIANO DI CAMPIONAMENTO - 2 Piano di campionamento per attributi: La caratteristica di interesse è una variabile discreta e ci si basa su dati di conteggio: numero di elementi non conformi nel campione, numero di non conformità nel campione etc Piano di campionamento per variabili: La caratteristica di interesse è una variabile continua e ci si basa su misure relative alla variabile. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 7
8 Possono essere: IL PIANO DI CAMPIONAMENTO - 3 Semplici : se l accettazione del lotto dipende dal controllo di un solo campione; Doppi: se l accettazione del lotto dipende dal controllo di due campioni; Multipli: se l accettazione del lotto dipende dal controllo di più campioni; Sequenziali: se l accettazione del lotto dipende dal risultato ottenuto dopo ogni elemento collaudato. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 8
9 IL PIANO DI CAMPIONAMENTO - 4 Il piano di campionamento deve quindi prevedere due rischi: 1. Rischio fornitore (R F ) ovvero il rischio che il lotto non sia accettato pur essendo di qualità uguale o migliore di quella specificata negli accordi (LQA = Livello di Qualità Accettabile); 2. Rischio committente (R C ) ovvero il rischio che il lotto sia accettato pur essendo di qualità peggiore di quella specificata negli accordi (LQT = Livello di Qualità Tollerabile). Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 9
10 IL PIANO DI CAMPIONAMENTO - 5 Il piano di campionamento deve assicurare che: 1. Non si corra un rischio maggiore del 5% che un lotto di qualità migliore del Livello di Qualità Accettabile (LQA) venga rifiutato; 2. Non si corra un rischio maggiore del 5% che un lotto di qualità inferiore al Livello di Qualità Tollerabile venga accettato. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 10
11 PIANO DI CAMPIONAMENTO semplice per attributi N = Numerosità del lotto; Ogni unità prodotta può essere: Conforme / non difettoso; Non conforme / difettoso; M = Numero ignoto di elementi non conformi nel lotto. M in pratica descrive la qualità del lotto M grande lotto di scarsa qualità M piccolo lotto di buona qualità Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 11
12 PIANO DI CAMPIONAMENTO semplice per attributi p = M / N frazione di elementi non conformi 100 p percentuale di elementi non conformi Sia: n = numerosità del campione c = numero di accettazione c < n Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 12
13 REGOLA DI DECISIONE Sia X n il numero totale di elementi difettosi trovati nel campione. X n c accetto il lotto X n > c rifiuto il lotto H 0 : p p 0 H 1 : p > p 0 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 13
14 IL PIANO DI CAMPIONAMENTO La probabilità di accettazione e/o rifiuto di un lotto varia in funzione della qualità. Tale probabilità viene descritta dalla Curva Operativa. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 14
15 LA CURVA OPERATIVA N = Dimensione del lotto; n = Dimensione del campione; n A = Numero massimo di elementi difettosi ammessi nel campione affinché il lotto sia accettato; n R = Numero massimo di elementi difettosi ammessi nel campione a partire dal quale il lotto viene rifiutato; LQA = n A /n LQT = n R /n p = percentuale di pezzi difettosi; P(A) = probabilità di accettare il lotto. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 15
16 LA CURVA OPERATIVA IDEALE Tutti i lotti sono accettati Può essere ottenuta col 100% di ispezioni prive di errori. In pratica non si hanno dubbi: il lotto lo si accetta o lo si rifiuta. Tutti i lotti sono rifiutati Livello di qualità accettabile = Livello di qualità cattivo Mostra la capacità discriminatoria del piano di campionamento. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 16
17 CURVA OPERATIVA Un piano di campionamento è definito da: Dalla numerosità del lotto (N); Dalla numerosità del campione (n) ; Dal numero di accettazione (n A ); Dal numero di rifiuto (n R ). Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 17
18 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 18 Tecnologie Informatiche per la Qualità CURVA OPERATIVA CURVA OPERATIVA La probabilità di avere d elementi difettosi in un lotto composto di numerosità n risulta (distribuzione binomiale): E la probabilità di accettazione è la probabilità che d sia minore o uguale a c se c è è il numero di accettazione: ( ) d n d p p d n d f = 1 ) ( ( ) ( ) ( ) d n d c d d n d c d p p d n d n p p d n c d P A P = = = = = 1!!! 1 ) ( ) ( 0 0
19 Si ipotizza una distribuzione binomiale: 1 0,9 0,8 0,7 0,6 CURVA OPERATIVA P( A) n n A k = p 1 k= 0 k ( ) n p k P(A) 0,5 0,4 0,3 0,2 0, ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 P Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 19
20 CURVA OPERATIVA: dimensione del campione Curve operative con differenti dimensioni del campione (il numero di accettazione è mantenuto proporzionale a n) Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 20
21 CURVA OPERATIVA: numero di acettazione Curve operative con differenti numeri di accettazione. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 21
22 CURVA OPERATIVA: acquirente Vs fornitore Il fornitore è interessato a questa parte L acquirente è interessato a questa parte 1 0,9 0,8 0,7 0,6 P(A) 0,5 0,4 0,3 0,2 0, ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 P Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 22
23 CURVA OPERATIVA 1. La curva operativa illustra il comportamento prevedibile di un qualsiasi piano di campionamento per quanto riguarda l accettazione o il rifiuto dei lotti; 2. Sulla curva operativa si possono determinare LQA e LQT; Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 23
24 CURVA OPERATIVA: ESEMPIO 1 Si analizza un campione di 10 elementi. Il committente accetta l intero lotto se i pezzi difettosi sono al massimo 3. Determinare la probabilità di accettazione e la curva operativa caratteristica. Soluzione n = 10 n A =3 LQA = n A /n = 3/10 = 0,3 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 24
25 Sapendo che: CURVA OPERATIVA: ESEMPIO 1 Risulta: P( A) n A k = p 1 k= 0 n k ( ) n p k Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 25
26 CURVA OPERATIVA: ESEMPIO 1 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 26
27 1 CURVA OPERATIVA: ESEMPIO 1 Zona di rischio per il fornitore P(A) 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 LQA Zona di rischio per il committente p Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 27
28 CURVA OPERATIVA: caso c=0 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 28
29 CURVA OPERATIVA: caso c/n=costante Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 29
30 CURVA OPERATIVA: esempio di costruzione Si vuole un piano di campionamento tale che: La probabilità di accettazione per lotti con frazione di elementi difettosi p 1 sia 1-α; La probabilità di accettazione per lotti con frazione di elementi difettosi p 2 sia β; c n! ( ) = d n d 1 α p1 1 p1 d = 0 d!( n d )! Allora n e c sono dati da: c n! = d n d β p2 ( 1 p2 ) d = 0 d!( n d )! Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 30
31 CURVA OPERATIVA: esempio di costruzione Si usa un monogramma Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 31
32 p 1 =0.01 CURVA OPERATIVA: esempio di costruzione Esempio: p 1 =0.01 p 2 =0.06 β=0.1 α=0.05 p 2 =0.06 β=0.1 1-α=0.95 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 32
33 CURVA OPERATIVA: esempio di costruzione c=2 n=89 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 33
34 CURVA OPERATIVA: LQA e LQT Quando: p 1 = LQA p 2 = LQT I punti corrispondenti sulla curva operativa sono detti rispettivamente: Punto di rischio del fornitore Punto di rischio per l acquirente Sono anche detti: 1-α = rischio del fornitore β= rischio dell acquirente Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 34
35 CURVA OPERATIVA: ESEMPIO 2 In un contratto di compravendita si è stabilito che, al momento della consegna sarà estratto un campione di 8 elementi e che: 1. La merce sarà accettata se il campione conterrà al massimo un pezzo difettoso; 2. La merce sarà rifiutata se il campione conterrà più di tre pezzi difettosi; 3. Se il campione conterrà due o tre pezzi difettosi si ripeterà l operazione fino a quando non si verificherà una condizione di cui ai punti 1 e 2. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 35
36 Soluzione n = 8 n A = 1 n R = 4 LQA = n A /n = 1/8 = 0,125 LQT = n R /n = 4/8 = 0,50 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 36
37 p 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 P(A) 1 0,813 0,503 0,255 0,106 0,035 0,008 0,001 0,000 0,000 0 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 37
38 Rischio per il fornitore P(A) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 Zona di incertezza 0,2 0, ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 LQA LQT Rischio per il committente p Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 38
39 Determinazione dei piani di campionamento Si procede in conformità alle seguenti NORME: NORMA UNI ISO 2859 MIL-STD-105 E (Dipartimento della Difesa degli Stati Uniti d America) Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 39
40 PROCEDURA 1. Si sceglie AQL; 2. Si sceglie il livello di ispezione; 3. Si determina la dimensione del lotto; 4. Si individua la lettera di codice appropriata per la dimensione del campione; 5. Si determina il tipo appropriato di piano di campionamento (semplice, doppio, multiplo); 6. Si utilizza la tabella appropriata per individuare il piano da impiegare; 7. Si determina il corrispondente piano normale per individuare il piano da impiegare. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 40
41 Passo 1 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 41
42 Passo 1 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 42
43 LIVELLO DI COLLAUDO Il livello di collaudo scelto determina il potere discriminante della prova. Il livello I è quello con minor potere discriminante, il livello III è quello con maggior potere discriminante. Salvo diversa indicazione e per normali necessità si usa Il livello II. I livelli speciali S1, S2, S3, S4 sono usati quando sono necessarie numerosità di campione piccole, e possono o devono essere tollerati i rischi determinati dal minor potere discriminante (ad es. controlli su materiali ricavati da un processo continuo). Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 43
44 Passo 2 Collaudo normale Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 44
45 Passo 2 Collaudo rinforzato Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 45
46 Passo 2 Collaudo ridotto Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 46
47 Esempio I vuole determinare il piano di campionamento ordinario per un lotto di 400 unità e con un livello accettabile (LQA) pari a 2,5 (numero di difetti per 100 unità ispezionate). Si ipotizzi una distribuzione di Poisson. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 47
48 Soluzione: Passo 1 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 48
49 Soluzione: Passo 2 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 49
50 Soluzione: Passo 2 (continua) Dalla tabella precedente si ottiene: n (dimensione del campione) = 50; n A (numero massimo di elementi difettosi ammessi nel campione affinché il lotto sia accettato) = 3; n R (numero massimo di elementi difettosi a partire dal quale il lotto sia rifiutato) = 4; Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 50
51 Soluzione: Passo 2 (continua) Significa che da un lotto di 400 unità sarà estratto un campione da 50 elementi; Se gli elementi difettosi sono al massimo 3 il lotto viene accettato; Se gli elementi difettosi sono 4 o più il lotto viene rifiutato. Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 51
52 Soluzione: Passo 3 LQA LQT = = n n nr n A 3 = = 0, = = 0,08 50 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 52
53 Soluzione: Passo 4 La probabilità di accettazione può essere calcolata con la distribuzione di Poisson: P ( A) ( np) k 3 ( 50 p) k 50 p n A = e np = k! k! k= 0 k= 0 e Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 53
54 Soluzione: Passo 4 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 54
55 Soluzione: Passo 5 Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 55
56 Regole di commutazione tra i piani di campionamento Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 56
57 Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico FINE Università degli Studi di Milano Polo di Crema - Dipartimento di Tecnologie dell Informazione 57
IL COLLAUDO DI ACCETTAZIONE
IL COLLAUDO DI ACCETTAZIONE Il collaudo di accettazione 1 Popolazione Campione Dati MISURA Processo Lotto Campione DATI CAMPIONAMENTO INTERVENTO MISURA Lotto Campione DATI CAMPIONAMENTO INTERVENTO Il collaudo
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
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
DettagliIl controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)
del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento
DettagliControllo di accettazione
Controllo di accettazione Introduzione Piano di campionamento singolo Curva operativa caratteristica Piano di campionamento con rettifica Piano di campionamento doppio Piano di campionamento sequenziale
DettagliPIANO DI CAMPIONAMENTO POSTA MASSIVA
PIANO DI CAMPIONAMENTO PER IL CONTROLLO DELLE SPEDIZIONI DI POSTA MASSIVA IN FASE DI ACCETTAZIONE Documento di proprietà di Poste Italiane S.p.A. che se ne riserva tutti i diritti 1 1. Premesse Il presente
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
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
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
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
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
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. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
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.
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
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
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
Dettagli4. controllo statistico
4. controllo statistico 4.1. CAMPIONAMENTO IN ACCETTAZIONE Il campione utilizzato per i controlli in accettazione dovrà essere rappresentativo del lotto. Verrà pertanto prelevato in maniera casuale in
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
Dettagli1 di 6. Usando un modello di probabilità
Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti
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,
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliPLUS. Syllabus rev. 1.04
PLUS Syllabus rev. 1.04 Al fine di facilitare il collegamento tra i Syllabus degli EQDL Start, Plus e quello del EQDL Full, nel testo che segue sotto il numero di codice di ogni sezione, tema e argomento
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliLa 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
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 -
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,
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliScheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux
Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola
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
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
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
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
DettagliLezione 9. Metodi statistici per il miglioramento della Qualità
Lezione 9 Metodi statistici per il miglioramento della Qualità Il Diagramma Causa Effetto Ultimo Aggiornamento: 14 Ottobre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi
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
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
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
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
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
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliLo sviluppo del software: usi e clausole commentate Aspetti Tecnici. Prof. Franco Sirovich Dipartimento di Informatica Università di Torino
Lo sviluppo del software: usi e clausole commentate Aspetti Tecnici Prof. Franco Sirovich Dipartimento di Informatica Università di Torino Ipotesi di Fondo Software sviluppato su misura Non prêt à porter
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
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliLA REVISIONE LEGALE DEI CONTI La comprensione
LA REVISIONE LEGALE DEI CONTI La comprensione dell impresa e del suo contesto e la valutazione dei rischi di errori significativi Ottobre 2013 Indice 1. La comprensione dell impresa e del suo contesto
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
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,
DettagliPLUS Syllabus rev. 1.03
PLUS Syllabus rev. 1.03 Syllabus EQDL Rev. 1.03 1 Modulo 1 Concetti di base della Qualità Scopi del modulo: Contenere i complementi al modulo 1 della EQDL START per completare il modulo 1 ed il modulo
DettagliDEFINIZIONI INDISPENSABILI
1 DEFINIZIONI INDISPENSABILI Preimballaggio Per imballaggio preconfezionato, o preimballaggio, si intende l insieme del prodotto e dell imballaggio nel quale è confezionato. Possiamo affermare quindi che
DettagliT DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:
T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1
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 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del
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
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
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
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliMANUALE DELLA QUALITÀ SIF CAPITOLO 08 (ED. 01) MISURAZIONI, ANALISI E MIGLIORAMENTO
INDICE 8.1 Generalità 8.2 Monitoraggi e Misurazione 8.2.1 Soddisfazione del cliente 8.2.2 Verifiche Ispettive Interne 8.2.3 Monitoraggio e misurazione dei processi 8.2.4 Monitoraggio e misurazione dei
DettagliProduct note Migrazione da Emax ad Emax 2 mantenendo la certificazione in base alle norme serie IEC 61439 per i quadri di bassa tensione
Product note Migrazione da Emax ad Emax 2 mantenendo la certificazione in base alle norme serie IEC 61439 per i quadri di bassa tensione Generalità SACE Emax 2 è il nuovo interruttore aperto di ABB SACE
DettagliMODULO 5 ACCESS Basi di dati. Lezione 4
MODULO 5 ACCESS Basi di dati Lezione 4 ARGOMENTI Lezione 4 Filtrare i dati Esempio 1 Query Cos è Creare Query in visualizza struttura Criteri di ricerca Esempio 2 Esempio 3 Esempio 4 Creare Query in creazione
DettagliCAPITOLATO DI FORNITURA GETTI IN ALLUMINIO
CAPITOLATO DI FORNITURA GETTI IN ALLUMINIO 1. SCOPO E CAMPO D APPLICAZIONE Il presente capitolato ha lo scopo di: descrivere le modalità di classificazione dei getti recepire le indicazioni da citare a
DettagliIl Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo
Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma
DettagliLABORATORIO DI MATEMATICA I PROBLEMI DI SCELTA IN CONDIZIONI DI INCERTEZZA CON EXCEL
LABORATORIO DI MATEMATICA I PROBLEMI DI SCELTA IN CONDIZIONI DI INCERTEZZA CON EXCEL ESERCITAZIONE GUIDATA I problemi di scelta Problema. Una ditta produttrice di detersivi per lavatrice ha costi al litro
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
DettagliISO/IEC 17025 : 2005 per i Laboratori di Prova
ISO/IEC 17025 : 2005 per i Laboratori di Prova Perugia, 30 giugno 2005 D.ssa Daniela Vita ISO/IEC 17025:2005 1 Differenza tra UNI EN ISO 9001:2000 e ISO/IEC 17025:2005 La norma UNI EN ISO 9001:2000 definisce
DettagliNORME TECNICHE PER LE COSTRUZIONI:
NORME TECNICHE PER LE COSTRUZIONI: UNI EN 3834 -Requisiti per la qualità della saldatura UNI EN ISO 9001 -Sistemi di gestione qualità UNI EN ISO 9001 -Sistemi di gestione qualità Centri di trasformazione:
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliI modelli normativi. I modelli per l eccellenza. I modelli di gestione per la qualità. ! I modelli normativi. ! I modelli per l eccellenza
1 I modelli di gestione per la qualità I modelli normativi I modelli per l eccellenza Entrambi i modelli si basano sull applicazione degli otto principi del TQM 2 I modelli normativi I modelli normativi
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
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliValutazione della Didattica On-Line
Valutazione della Didattica On-Line Il questionario di valutazione delle attività didattiche è uno strumento finalizzato a rilevare l opinione degli studenti al fine di migliorare la didattica e l organizzazione
Dettagli4.6 APPROVVIGIONAMENTO
Unione Industriale 43 di 94 4.6 APPROVVIGIONAMENTO 4.6.1 Generalità Il capitolo indica le modalità con le quali la filatura conto terzi deve gestire il rapporto di subfornitura nell ambito di un sistema
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliEsercitazione relativa al cap. 10 INVESTIMENTI
Esercitazione relativa al cap. 10 INVESTIMENTI GLI INVESTIMENTI FINANZIARI SONO ACQUISTI DI ATTIVITA FINANZIARIE EFFETTUATE NELL ASPETTATIVA DI RICEVERNE UN RENDIMENTO. I PIU IMPORTANTI SONO: - I DEPOSITI
DettagliMinistero dell Istruzione dell Università e della Ricerca
Ministero dell Istruzione dell Università e della Ricerca ESAME DI STATO DI ISTRUZIONE SECONDARIA SUPERIORE Indirizzo: ITLG TRASPORTI E LOGISTICA ARTICOLAZIONE LOGISTICA Tema di: LOGISTICA ESEMPIO PROVA
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.
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
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
DettagliManuale della qualità. Procedure. Istruzioni operative
Unione Industriale 19 di 94 4.2 SISTEMA QUALITÀ 4.2.1 Generalità Un Sistema qualità è costituito dalla struttura organizzata, dalle responsabilità definite, dalle procedure, dai procedimenti di lavoro
DettagliIn questo manuale sono indicate le procedure per utilizzare correttamente la gestione delle offerte dei fornitori.
Release 5.20 Manuale Operativo ORDINI PLUS Gestione delle richieste di acquisto In questo manuale sono indicate le procedure per utilizzare correttamente la gestione delle offerte dei fornitori. La gestione
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliAppendice III. Competenza e definizione della competenza
Appendice III. Competenza e definizione della competenza Competenze degli psicologi Lo scopo complessivo dell esercizio della professione di psicologo è di sviluppare e applicare i principi, le conoscenze,
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
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliPRESCRIZIONI PARTICOLARI DIRETTIVA 2006/42/CE RELATIVA ALLE MACCHINE Allegato X Garanzia Qualità Totale
Titolo PRESCRIZIONI PARTICOLARI DIRETTIVA 2006/42/CE RELATIVA ALLE MACCHINE Allegato X Garanzia Qualità Totale Riferimento Data entrata in vigore Approvato da PR PART ON/MACC/X Rev. 0 del 01/06/2016 IMQ
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi 4 Piani di ammortamento Esercizio 1. Un debito di 1000e viene rimborsato a tasso annuo i = 10%
DettagliBuonpescatoQuotidiano.it Guida all utilizzo del servizio
BuonpescatoQuotidiano.it Guida all utilizzo del servizio Indice 1. Generalità e terminologia... 2 2. Registrazione nuovo utente... 2 3. Inserimento annunci di vendita del pescato... 2 4. Adesione a proposte
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.
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliEquilibrio economico generale e benessere
Scambio Equilibrio economico generale e benessere Equilibrio economico generale e benessere (KR 12 + NS 8) Dipartimento di Economia Politica Università di Milano Bicocca Outline Scambio 1 Scambio 2 3 4
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi
Dettaglidella manutenzione, includa i requisiti relativi ai sottosistemi strutturali all interno del loro contesto operativo.
L 320/8 Gazzetta ufficiale dell Unione europea IT 17.11.2012 REGOLAMENTO (UE) N. 1078/2012 DELLA COMMISSIONE del 16 novembre 2012 relativo a un metodo di sicurezza comune per il monitoraggio che devono
DettagliUNI EN ISO 9001:2008 Sistemi di Gestione per la Qualità: requisiti e guida per l uso
SORVEGLIANZA E CERTIFICAZIONI UNI EN ISO 9001:2008 Sistemi di Gestione per la Qualità: requisiti e guida per l uso Pagina 1 di 10 INTRODUZIONE La Norma UNI EN ISO 9001:2008 fa parte delle norme Internazionali
DettagliTraccia di soluzione dell esercizio del 25/1/2005
Traccia di soluzione dell esercizio del 25/1/2005 1 Casi d uso I casi d uso sono in Figura 1. Ci sono solo due attori: il Capo officina e il generico Meccanico. Figura 1: Diagramma dei casi d uso. 2 Modello
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
DettagliLE FINESTRE E L ISOLAMENTO ACUSTICO
LE FINESTRE E L ISOLAMENTO ACUSTICO Roberto Malatesta. William Marcone Ufficio Tecnico (giugno 2008) LA PROTEZIONE DAL RUMORE DEGLI EDIFICI, LA NORMATIVA NAZIONALE La maggior sensibilità delle persone
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
DettagliELENCO CLIENTI FORNITORI Patch1
ELENCO CLIENTI FORNITORI Patch1 Il pacchetto P15_200ElencoCF_Patch1.exe contiene una serie di aggiornamenti alla procedura di generazione del file contenente l. Download: 1) Assicurarsi di avere una versione
DettagliCAPIAMO IL "LINGUAGGIO" DELLA norma UNI EN ISO serie 9000
CAPIAMO IL "LINGUAGGIO" DELLA norma UNI EN ISO serie 9000 Cosa significa UNI EN ISO serie 9000? Significa che si tratta di norme internazionali, in quanto le norme italiane (UNI) non sono altro che la
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
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) LABORATORIO EXCEL
Dettagli