Ordini e incertezza della domanda - Salus. Caso
|
|
- Dorotea Rosi
- 5 anni fa
- Visualizzazioni
Transcript
1 Ordini e incertezza della domanda - Salus Caso
2 La farmacia Salus
3 Il problema
4 Costo annuale di ordinazione del prodotto FPP Domanda annuale = D = 900 Unità Costo unitario di emissione = Co = 3 D/Q = Numero di ordini emessi in un anno CO(costo annuale di ordinazione) = 900 Q 3
5 Costo di mantenimento a scorta Valore del prodotto = 20 (valore unitario del prodotto FPP) Incidenza dei costi di mantenimento sul valore del prodotto = 30% V = 20 i = 0.30 h = i V = = 6 (costo di mantenimento unitario/anno) CM = Q 2 6 (costo totale annuale di mantenimento)
6 Lotto economico d acquisto per FPP (EOQ) Q* = EOQ = 2 Co D Cm Q* = EOQ = = 30
7 ROP In condizioni di certezza il reorder point è facilmente calcolabile: La farmacia opera 45 settimane l anno, 6 giorni la settimana Vendite settimanali=900/45=20 LT=1 settimana Domanda Settimanale 20= unità ROP=20 Quando le giacenze del prodotto FPP in discesa per effetto dei prelievi toccano il livello di 20 verrà emesso un ordine di approvvigionamento pari a 30 unità (EOQ) Numero di ordini emessi in un anno=900/30=30 TBO = EOQ D = = anni 270giorni = 9gg
8 Calcolo del ROP in condizioni di incertezza La farmacia opera 45 settimane l anno, 5 giorni a settimana Vendite medie settimanali= 900/45=20 Sulla base di dati di settore l impresa stima che: La domanda settimanale del prodotto FPP si distribuisce normalmente con media pari a 20 unità La deviazione standard della domanda settimanale del prodotto FPP è di 6 unità Il distributore italiano del prodotto impiega 1 settimana a consegnarlo (LT=1 sett. )
9 ROP e incertezza Il calcolo del Reorder point deve, in questo caso, tenere conto della variabilità della domanda durante il LT La domanda oscilla abbastanza sensibilmente intorno alla media La decisione di ordinare deve tenere conto che ordinare troppo può creare un eccesso di giacenze, al contrario ordini insufficienti impongono di rinunciare ai margini di profitto che si sarebbero potuti ottenere soddisfacendo per intero la domanda Il livello critico (livello di servizio, critical ratio) ci aiuta a risolvere il problema Co= 6 Cu=30
10 Livello critico (critical ratio o livello di servizio) P(Q) = Cu Co + Cu = = 0.83 Nota: Co può essere a buon titolo assimilato al Cm utilizzato nel calcolo del lotto economico Problema: Determinare il livello di r (ROP) in maniera tale che la farmacia si trovi nella condizione di evadere le richieste durante il lead time di approvvigionamento con una probabilità pari all 83% Il LT è una settimana I parametri della distribuzione normale della domanda settimanale sono noti µ = 20,σ = 6
11 Calcolare il ROP Con Excel= INV.NORM (0,83;20;6)=25.7 (arr.26) 26 è il livello di ROP che mette la farmacia nella condizione di rispondere positivamente alla domanda durante il lead time con una probabilità dell 83% In altre parole, la probabilità che la domanda durante il LT sia inferiore o uguale a 26 è pari all 83%
12 Risolvere il problema con le tavole della normale standardizzata
13 continua Poiché la soglia critica è pari all 83% scegliamo per prudenza il valore maggiore (0.8315) Z=0.96 z = Q µ σ z = Q µ Q 20 = 0.96 = σ 6 quindi Q = = ROP = µ + z σ
14
15 LT di tre settimane Supponiamo che il LT sia di tre settimane anziché di una. Se si assume che la distribuzione della domanda sia la stessa in ogni settimana (stessi parametri di media e di deviazione standard) e che I comportamenti della domanda in ogni settimana siano indipendenti dai comportamenti della domanda nelle altre settimane Allora sono vere le seguenti implicazioni: La domanda attesa nel LT di 3 settimane è la somma delle 3 domande medie settimanali La varianza della distribuzione della domanda nel LT è uguale alla somma delle varianze delle distribuzioni di domanda settimanali
16 Formalizzando
17 Calcolo di r Sulla base di queste proprietà possiamo ridefinire il calcolo del livello di r come segue: ROP = µ LT + (z σ LT ) ROP = ( ) = Si perviene dunque alla conclusione che 30 è il livello appropriato del ROP qualora il lead time sia di tre settimane e il rapporto critico sia pari all 83%
Gestione dei processi, 2009
La farmacia Salus, ubicata nel centro storico di una città di medie dimensioni, ha recentemente ampliato la sua offerta di farmaci da banco proponendo una nuova linea di integratori alimentari antiossidanti.
DettagliDomanda 1. Domanda 2. Progetto/per reparti/a lotti/continui/di massa. Progetto/per reparti/a lotti/di massa/continui
Domanda 1 Con riferimento alle tipologie di processo, quale tra le seguenti sequenze identifica correttamente i processi manifatturieri in ordine decrescente di flessibilità? Progetto/per reparti/a lotti/continui/di
DettagliGestione delle scorte - modello stocastico -
Gestione delle scorte - modello stocastico - Prof. Riccardo Melloni riccardo.melloni@unimore.it Università di Modena and Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari via Vignolese 905, 41100,
DettagliOperations Management Ordini di acquisto e incertezza della domanda
Ordini di acquisto e incertezza della domanda Il business di Climbing Spa Produttori di parti e accessori Climbing Spa Commercializza parti e accessori per biciclette e MTB Imprese artigianali assemblatrici
DettagliESERCITAZIONI DI LOGISTICA. Laurea in Ingegneria Logistica e della Produzione. Corso di Logistica e di Distribuzione
EERITAZIONI I OGITIA aurea in Ingegneria ogistica e della Produzione orso di ogistica e di istribuzione ocente: Prof. Ing. Giulio Zotteri A.A. 00/003 Tutore: Ing. capaccino Giuliano ETA EERITAZIONE MOEO
DettagliControllo e gestione delle scorte
Controllo e gestione delle scorte Esercizio 1: test La linea automatica di inscatolamento di un telefono cellulare è caratterizzata dai seguenti parametri: Livello medio di WIP = 160 unità Tempo medio
DettagliESERCITAZIONI DI LOGISTICA
POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA D.U. in Ingegneria e della Produzione Corso di Tutore: Ing. Luca Peiretti A.A. 1999-000 Politecnico di Torino Pagina 1 di 5 1. ESERCITAZIONI IN AULA PARTE
DettagliEconomia e Gestione delle Imprese Parte IV Il processo logistico
Economia e Gestione delle Imprese Parte IV Il processo logistico A.A. 2015-2016 Prof.ssa Laura Michelini Laurea Triennale in Economia aziendale e bancaria Una definizione La logistica è il sistema di connessione
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
DettagliPOLITECNICO DI TORINO
POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea in Ingegneria Logistica e della Produzione Corso di Logistica e di Distribuzione 2 Docente: Prof. Ing. Giulio Zotteri Tutore: Ing.Giuliano Scapaccino
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
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
DettagliPOLITECNICO DI TORINO
POLITECNICO DI TORINO Laurea in Ingegneria Logistica e della Produzione Corso di Logistica e di Distribuzione II ESERCITAZIONI Docente: Prof. Ing. Giulio Zotteri Tutore: Ing. Scapaccino Giuliano Ver:01/2008
DettagliGestione della Produzione (Corso A-K)
Gestione della Produzione (Corso A-K) Un processo produttivo è composto da due fasi in sequenza secondo lo schema di seguito indicato. Tra le fasi A e B vi è un polmone di lavorazione. Il processo opera
DettagliProva d esame di Istituzioni di Calcolo delle Probabilità Laurea Triennale in Scienze Statistica. 09/09/2013
Prova d esame di Istituzioni di Calcolo delle Probabilità Laurea Triennale in Scienze Statistica. 09/09/2013 COGNOME e NOME... N. MATRICOLA... Esercizio 1. (V. 12 punti.) Supponiamo di avere due urne che
DettagliGestione della Produzione e dei materiali terza parte Inventory system management. Corso di GPM Secondo Modulo Prima Unità Didattica
Gestione della Produzione e dei materiali terza parte Inventory system management Scopi delle scorte 1. Rendere indipendenti le operations 2. Rispondere alle variabilità della domanda di prodotti 3.
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
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.
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliFormula del modello price break (sconto)
Formula del modello price break (sconto) La formula per il calcolo di Q opt nel modello price break, basata sullo stesso concetto del modello EOQ, è: = Q OPT 2DCo iv = 2( domanda annuale) (costo dell ordine
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
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
DettagliStatistica inferenziale
Statistica inferenziale Problema Nello studio delle distribuzioni teoriche di probabilità si suppone di conoscere i principali parametri della popolazione che esaminiamo (ad esempio la media, varianza).
DettagliLa dipendenza. Antonello Maruotti
La dipendenza Antonello Maruotti Outline 1 Distribuzioni doppie 2 Medie e varianze condizionate 3 Indici di associazione Distribuzione doppia Definizione Una distribuzione doppia si ha quando su di uno
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
DettagliFONDAMENTI di GESTIONE delle SCORTE
FONDAMENTI di GESTIONE delle SCORTE Importanza di avere una buona gestione delle scorte sono sono spesso una una parte essenziale dei dei beni beni di di un azienda ridurre un inventario significa convertirlo
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,
DettagliLa gestione delle scorte
La gestione delle scorte Controllo delle scorte Sist. prod. / Fornitore ordini domanda I Magazzino R Lead Time T La gestione delle scorte Problema: uando ordinare uanto ordinare Obiettivi: Basso livello
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliProva d esame di Matematica con Elementi di Statistica Laurea Triennale in Scienze Naturali. 8/07/2013
Prova d esame di Matematica con Elementi di Statistica Laurea Triennale in Scienze Naturali. 8/07/2013 COGNOME e NOME... N. MATRICOLA... Prima di uscire dall aula, CONSEGNARE QUESTI FOGLI indipendentemente
Dettagli9 - Esercizi su Test di Ipotesi e Media Pesata
9 - Esercizi su Test di Ipotesi e Media Pesata Esercizio 1: Prese due risme di fogli di carta, la misura della lunghezza di un campione di 10 fogli presi a caso da ciascuna delle due risme fornisce i seguenti
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
DettagliModelli di variabili casuali
Modelli di variabili casuali Un modello di v.c. è una funzione f(x) che associa ad ogni valore x di una v.c. X la corrispondente probabilità. Obiettivo: calcolo della probabilità per tutti i valori che
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
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.
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
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
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A 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
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,
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
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,
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
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
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
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
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliMetodi Statistici per il Marketing. #06 Elementi di statistica inferenziale e di teoria dei campioni
Corso di Metodi Statistici per il Marketing LUISS A.A. 2017-2018 #06 Elementi di statistica inferenziale e di teoria dei campioni 22 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
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
DettagliEsercizi di preparazione all esame di Statistica Dr Alessia Mammone alessia STATISTICA DESCRITTIVA
Esercizi di preparazione all esame di Statistica Dr Alessia Mammone alessia mammone@gmail.com STATISTICA DESCRITTIVA Esercizio 1. Calcolare media, varianza, deviazione standard, mediana e moda delle seguenti
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
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 9/9/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliCalcolare. 16. Calcolare la somma della serie. 17. Se
Prova N.: risposte Matematica e Statistica gennaio VARIANTE: risposte: C A C B B B D B A B A C D C D B A C D A Ricordiamo che se Z ha distribuzione normale standard, si ha P (Z >.) = %, P (Z >.) = %, P
DettagliProblema 1. Cognome, Nome: Facoltà di Economia Statistica Esame 5-19/11/2009: A. Matricola: Corso:
Facoltà di Economia Statistica Esame 5-19/11/2009: A Cognome, Nome: Matricola: Corso: Problema 1. In un indagine di mercato tre tipologie di consumatori, A, B e C hanno espresso un giudizio di gradimento,
DettagliLA GESTIONE DELLE SCORTE
GESTIONE DELLE SCORTE Master per Funzioni di Coordinamento delle Professioni Sanitarie LA GESTIONE DELLE SCORTE Carlo Noè LE SCORTE Le scorte sono costituite da tutto quanto viene acquisito dall esterno
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
DettagliSoluzione Esercizio 1 (pag 1):
8 - Test di Ipotesi Esercizio 1: Dopo anni di esperienza e noto che la distribuzione della concentrazione di rame nel sangue umano e ben descritta da una distribuzione gaussiana di parametri μ=3.2 10-5
DettagliUniversità degli Studi di Cassino. Esercitazione di Statistica 2 dell Simona Balzano
Università degli Studi di Cassino Esercitazione di Statistica dell 8.0.007 Simona Balzano Esercizio 1 Uno studente supera una prova con probabilità pari a 0,6. Considerando un campione di ampiezza 10,
DettagliLA GESTIONE DELLE SCORTE
CORSO DI Gestione della Produzione Industriale Facoltà di Ingegneria LA GESTIONE DELLE SCORTE Luigi Uglietti Blue Age Sistema S.r.l. e-mail: luglietti@blueage.it 1 PERCHE' LE SCORTE? Scorte 'speculative'
DettagliAll ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti
Esercizio 1 All ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti 1. 18 2. 25 3. 30 4. Se il voto standardizzato
DettagliLa Dipendenza. Monia Ranalli. Ranalli M. Dipendenza Settimana # 3 1 / 19
La Dipendenza Monia Ranalli Ranalli M. Dipendenza Settimana # 3 1 / 19 Sommario Distribuzioni doppie Distribuzioni condizionate e marginali Analisi della dipendenza Caratteri indipendenti Massima dipendenza
DettagliStatistica descrittiva
Statistica descrittiva L obiettivo è quello di descrivere efficacemente i dati prima delle elaborazioni vere e proprie: - mediante rappresentazioni grafiche e tabelle - sintetizzandoli con indici opportuni
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliApprofondimento 3.3. Approssimazione della distribuzione binomiale alla normale
Approfondimento 3.3 Approssimazione della distribuzione binomiale alla normale Come aveva notato de Moivre, se il numero di prove è sufficientemente ampio e la probabilità del successo π sufficientemente
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
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
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
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
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
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
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
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
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliTest di ipotesi (a due code, σ nota)
Test di ipotesi (a due code, σ nota) Assumiamo nota la deviazione standard σ = 43.3 mesi vogliamo sapere se esiste un intervallo I di confidenza al 95% tale che µ 0 I? Ovvero esiste ε tale che P ( X µ
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
DettagliCapitolo 6. Supply chain e gestione delle scorte
Capitolo 6 Supply chain e gestione delle scorte Che cosa è l inventory management? Inventory management La pianificazione è il controllo delle scorte per soddisfare le priorità competitive dell organizzazione.
DettagliDistribuzione degli Errori di Misura. La distribuzione normale
Distribuzione degli Errori di Misura La distribuzione normale Errori casuali e sistematici Gli errori vengono generalmente suddivisi in due categorie: errori casuali ed errori sistematici. Gli errori casuali
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliProblema 1. Cognome, Nome: Facoltà di Economia Statistica Esame 1-20/01/2010: A. Matricola: Corso:
Facoltà di Economia Statistica Esame 1-20/01/2010: A Cognome, Nome: Matricola: Corso: Problema 1. Su 10 imprese è stato rilevato l utile netto dell ultimo triennio espresso in milioni di euro. Il risultato
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;
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 018-019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la
Dettagli