Introduzione Alla Statistica

Corso di Probabilit Statisti
he 1
Corso di Probabilit Statisti he

1. Introduzione alla statisti a nell'ingegneria
Carlo Drago
.dragom link.it
Universit degli Studi di Roma Ni ol Cusano
24 agosto 2013
Universit degli Studi di Roma Ni ol Cusano

Corso di Probabilit Statisti he 2
Piano della presentazione
1 Il ruolo della statisti a in ingegneria
2 Il metodo s ienti o appli ato all'ingegneria
3 S hemi di ra olta di dati in ingegneria
4 Popolazione e Campione
5 Uso della statisti a des rittiva ed esplorativa
6 Uso dell'inferenza statisti a
7 Modelli me ani isti i e modelli empiri i
8 Studio e ontrollo di pro essi ingegneristi i nel tempo
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti he 3
Con etti hiave
Ruolo della statisti a in ingegneria

Il metodo s ienti o appli ato all'ingegneria
Cos' la statisti a
Diversi s hemi di ra olta di dati per diverse tipologie di studio (studi
retrospettivi, asualizzati, osservazionali)
La ra olta dei dati
Il trattamento dei dati man anti
Il on etto di popolazione
Il on etto di ampione
Statisti a des rittiva
Statisti a inferenziale
La dierenza tra modelli me ani isti i e modelli empiri i
Lo studio dei pro essi nel tempo
Corso di Probabilit Statisti he Il ruolo della statisti a in ingegneria 4
Sezione: 1
9 Appli azioni
10 Bibliograa
Statisti a e ingegneria
Il ruolo dell'ingegneria quello tipi amente di risolvere problemi fornendo

possibili soluzioni.
Il metodo s ienti o appli ato all'ingegneria serve nelle valutazioni ma
an he nel pro esso de isionale in ingegneria (Johnson 2007, Montgomery
Runger Hubele 2012).
Il metodo s ienti o e la statisti a in parti olare sono parti olarmente
importanti in ingegneria in quanto permettono di gestire adeguatamente
l'in ertezza. Qualunque aspetto ingegneristi o pu infatti essere portatore
di in ertezza.
In ertezza legata all'aleatoriet dei fenomeni (Erto 2003)
In ertezza derivante da ragioni si he (in ertezza oggettiva)
In ertezza legata alla non onos enza di determinati fenomeni (in ertezza
soggettiva)
Un punto assai rilevante nella gestione dell'in ertezza e del ris hio quello
di garantire l'adabilit mediante te ni he statisti he adeguate.
Statisti a e ingegneria
La statisti a si o upa dalle pro edure dalla ra olta dei dati no
all'ottenimento delle risposte per risolvere i problemi
La statisti a, in parti olare, si basa sull'idea di usare un ampione di dati
da una popolazione al ne di al ne di fare inferenza sugli stessi dati (e
trarre quindi on lusioni generali).
La statisti a serve a dominare l'in ertezza e a provvedere adeguate
spiegazioni ai fenomeni fa endo uso di modelli empiri i. Dai modelli
empiri i possibile ottenere previsioni.
La statisti a dovrebbe poi essere parti olarmente importante nel
miglioramento della qualit. Usare le te ni he statisti he in un ideale
usso per migliorare i pro essi ingegneristi i e la qualit dei prodotti nel
tempo (Johnston 2007).
Corso di Probabilit Statisti he Il metodo s ienti o appli ato all'ingegneria 7
Sezione: 2
9 Appli azioni
10 Bibliograa
Montgomery Runger Hubele (2012) e Johnston (2007) presentano il modello

s ienti o utilizzato in ingegneria (si onfronti on le fasi di un indagine
statisti a in Pi olo 1998 e 2004):
Fase 1: denizione del problema
Eettuare una des rizione del problema da risolvere.

Individuare i fattori hiave he possono inuenzare il problema e portare
alla soluzione dello stesso
Proporre un modello teori o (fa endo uso delle attuali onos enze
s ienti he e te ni he) del fenomeno. Considerare ovviamente le
assunzioni fatte in maniera riti a.
Fase 2: ra olta dei dati
Sperimentare e ra ogliere opportuni dati al ne di onvalidare il modello

teori o iniziale
Imputare e o trasformare i dati iniziali in presenza di dati man anti (o
omunque gestione degli stessi). Si veda: Little Rubin (1987)
Fase 3: elaborazione metodologi a
Fa endo uso del modello teori o inziale, utilizzo di metodi statisti i

indirizzati alla soluzione del problema iniziale
usando l'evidenza empiri a eventualmente modi are il modello iniziale
Fase 4: utilizzo dei risultati ottenuti
Fare uso del modello al ne di risolvere il problema

Ottenuta una soluzione, sperimentare nuovamente la soluzione al ne di
valutare l'e a ia della soluzione trovata
Avendo identi ato una soluzione al problema, valutarla e segnalare le
possibili limitazioni
E' importante notare he la pro edura modellisti a e l'elaborazione statisti a,

segue un per orso iterativo: individuare i fattori hiave e le variabili hiave,
proporre un primo modello teori o, ra ogliere i dati ed eettuare le analisi a
livello statisti o (Montgomery Runger Hubele 2012 ed an he Pi olo 1998 e
2004)
In questo senso la pro edura si svolge iterativamente n h i risultati statisti i
non siano di hiarati risolutivi del problema iniziale (Devore 2008 propone una
serie di esempi reali di metodo s ienti o appli ato all'ingegneria).
La statisti a
La statisti a
La statisti a la s ienza he si o upa dei dati, della ra olta degli stessi e

della loro analisi (Ross 2008).
Pi olo (1998 e 2004) enumera una serie di elementi he on ettuali he
aratterizzano la statisti a:
La sintesi dei dati e delle informazioni
La generazione e la s operta di nuova informazione
L'adeguato trattamento dell'errore
La valutazione riti a dei risultati e la proposta di diverse interpretazioni
della realt
La statisti a
Esempi
Misurazione di outputs derivanti da pro essi ingegneristi i

Metodi ANOVA: Sperimentazione degli eetti dovuti da determinati fattori
deniti a priori
Modelli di regressione: studiare gli eetti di pi omposti nella
determinazione di un determinato output.
Metodi di analisi della sopravvivenza: analisi dell'adabilit statisti a di
determinati ma hinari.
Metodi per il ontrollo della qualit: analisi della qualit dei prodotti e dei
pro essi ingegneristi i.
Si veda per una dettagliata serie di esempi dell'uso della statisti a in ingegneria
NIST/SEMANTECH (2013)
Il problema della variabilit in ingegneria
La variabilit nei problemi ingegneristi i (ma non solo) assai rilevante. Di

solito multiple ragioni possono essere fonti di variabilit (Morrison 2009). In
parti olare la variabilit in ingegneria pu dipendere da tre fattori:
Fattori si i od umani
Misurazione
Ragioni inespli abili
Tutto questo porta a onsiderare le misure ingegneristi he ome variabili
aleatorie (Montgomery Runger Hubele 2012) he possono essere quindi
rappresentate:
X =+
laddove una ostante ed onsiderato rumore ed la fonte della
variabilit delle misure. E' importante rius ire a tenere onto della variabilit in
ingegneria e a gestirla.
Corso di Probabilit Statisti he S hemi di ra olta di dati in ingegneria 14
Sezione: 3
9 Appli azioni
10 Bibliograa
Fonti di dati in ingegneria
Come si vedr an he pi avanti tipi amente in ingegneria i dati ra olti

riguarderanno di solito un ampione ottenuto da qual he popolazione di
riferimento d'interesse.
Seguendo Montgomery Runger Hubele (2012), tre sono le situazioni tipi he
relativi a s hemi di ra olta dei dati.
Ra olta di dati stori i per studi di tipo osservativo retrospettivo
Ra olta di dati per studi di tipo osservativo prospettivo
Ra olta di dati in esperimenti asualizzati piani ati
Studi osservativi
Studi he permettono di studiare un fenomeno senza he sia possibile

intervenire sperimentalmente sullo stesso (a dierenza degli esperimenti
asualizzati). Si ra olgono i dati (l'uni a interazione possibile) nel periodo
operativo. Per queste tipologie di studi vedere: Montgomery Runger Hubele
2012.
Studi osservativi retrospettivi
Studi he fanno uso di dati provenienti dal passato (dati stori i) e he portando
alla ostruzione di un determinato modello statisti o possono trarre per il
futuro previsioni sull'andamento di un fenomeno (Kumar 1999 e Montgomery
Runger Hubele 2012)
Studi osservativi prospettivi
Studi he piani ano la ra olta di dati nel futuro. In questo aso a dierenza
he nel aso degli studi osservativi retrospettivi in ui non ' libert di s elta
nella s elta delle variabili da misurare in questo aso s. Per queste tipologie di
studi vedere: S heaer Mulekar M Clave (2010).
Esperimenti asualizzati piani ati
Studi he permettono di studiare relazioni ausa-eetto basate su spe i i

esperimenti adeguatamente asualizzati. In parti olare gli ingegneri fanno uso
di variabili ontrollabili an he denite fattori al ne di osservare le dierenze di
output ottenute dall'esperimento (S heaer Mulekar M Clave (2010) e
Montgomery Runger Hubele 2012)
Corso di Probabilit Statisti he Popolazione e Campione 20
Sezione: 4
9 Appli azioni
10 Bibliograa
Popolazione
Popolazione, in quanto omprende tutti gli individui.

Analizzare una popolazione ostoso. Tra l'altro sar spesso ne essario
fare uso di imputazione dei dati laddove i dati non siano stati
orrettamente ra olti ( la presenza di dati man anti dovuta al aso?)
Per questa ragione (la ostosit) al posto dell'utilizzare una popolazione
direttamente si usa un ampione.
Si veda Ross (2008)
Campione
Sottoinsieme ragionato di una popolazione

Si fa uso di un ampione per ridurre i osti di un'analisi statisti a
Ne essario utilizzare metodi spe i i nella ostruzione del ampione
( ampionamento asuale e .)
L'analisi statisti a viene eettuata su un ampione.
Si veda per maggiori approfondimenti Ross (2008)
Trattamento dei dati man anti
A partire dal denito s hema di ra olta dei dati (per la tipologia di studio
in questione), la ra olta di dati vera e propria il primo importante passo
nell'analisi statisti a dei dati.
Tipi amente verr utilizzato un ampione da una determinata popolazione
Dalla ra olta di dati (un ampione) normalmente sar ne essario
provvedere ad eventuali imputazioni o trasformazioni dei dati stessi (Little
Rubin 1987). Uno delle ragioni dell'uso del ampione proprio he
utilizzando un ampione possibile pi fa ilmente ontrollare le singole
osservazioni
A questo punto si passa all'analisi statisti a vera e propria
Corso di Probabilit Statisti he Uso della statisti a des rittiva ed esplorativa 24
Sezione: 5
9 Appli azioni
10 Bibliograa
Uso della statisti a des rittiva
La statisti a des rittiva serve nello studio des rittivo dei dati statisti i.
Alla ne dell'analisi dei dati o dell'esperimento statisti o le analisi
eettuate andranno adeguatamente interpretate (Ross 2008)
Uso della statisti a esplorativa
L'analisi esplorativa dei dati (NIST/SEMANTECH 2013) basata per la maggior

parte su metodi statisti i gra i serve ad eettuare una prima valutazione dei
ontenuti di una base dati, in parti olare:
omprendere la 'struttura dei dati' in un dataset
identi are osservazioni anomale (an he denite outliers)
valutare le ipotesi sottostanti ai modelli
denire le variabili pi rilevanti all'interno di possibili modelli
Usualmente l'analisi esplorativa dei dati in ingegneria e l'analisi des rittiva dei
dati proseguono parallelamente
Corso di Probabilit Statisti he Uso dell'inferenza statisti a 27
Sezione: 6
9 Appli azioni
10 Bibliograa
Modelli probabilisti i
La domanda hiave se un determinato risultato statisti o sia dovuto al

aso o meno.
Le variabili hiave da utilizzare nei modelli possono provenire dalla teoria
(ad esempio dall'osservazione naturale). Si veda Ross 2008.
In aso di ottenere delle ipotesi dall'osservazione des rittiva (od
esplorativa) dovranno ne essariamente essere ra olti nuovi dati in ordine
alla validazione delle ipotesi stesse.
Modelli probabilisti i
Bisogna ottenere i risultati fa endo uso di al une assunzioni statisti he he

vanno adeguatamente testate (fase di diagnosti a e validazione vedi
NIST/SEMANTECH 2013)
l'insieme di tutte le ipotesi he possiamo fare denito modello
probabilisti o (Ross 2008)
Corso di Probabilit Statisti he Modelli me ani isti i e modelli empiri i 30
Sezione: 7
9 Appli azioni
10 Bibliograa
Modelli me ani isti i e modelli empiri i
Seguendo Montogomery Runger Hubele (2012) ed an he Grizzuti (2012) he

propone vari esempi, dierenti lassi di modelli possono essere onsiderati in
ingegneria.
A partire da un modello me ani isti o, un modello empiri o basato su una
legge s ienti a (ad esempio della si a), possiamo avere ad esempio:
orrente=tensione/resistenza
he si tradu e
I =
E
R
Tenendo per onto del possibile errore di misura avremmo:
I =
E +
R
Un modello empiri o tiene onto dei possibili errori di misurazione e omunque
della di olt di operare determinate misurazioni (magari dovute al
omportamento umano).
Modelli me ani isti i e modelli empiri i
Non sempre si ha un modello sempli e basato sulla teoria. In parti olare avendo
il peso mole olare medio Mn in funzione della vis osit V , della quantit C e
dellla temperatura T :
Mn = f (V , C , T )
potremmo modellizzare il peso mole olare medio fa endo uso di un modello
statisti o (o empiri o):
Mn =
0 + 1 V + 2 C + 3 T +
In questo aso faremo uso di dati he possono essere ottenuti da uno studio
osservativo retrospettivo o prospettivo. Si veda su modelli basati sulla teoria e
modelli empiri i in ingegneria: Montogomery Runger Hubele (2012).
Corso di Probabilit Statisti he Studio e ontrollo di pro essi ingegneristi i nel tempo 33
Sezione: 8
9 Appli azioni
10 Bibliograa
Studio e ontrollo di pro essi nel tempo
Una se onda importante lasse di modelli empiri i in ingegneria he possibile

ris ontrare quella relativa alle arte di ontrollo. Si onsiderano in questo
aso dati stori i (in parti olare serie stori he relative ad un determinato
pro esso) e si studia la dinami a della stessa nel tempo (Montgomery Runger
Hubele 2012). L'analisi delle serie stori he un tema molto importante per lo
studio di pro essi ingegneristi i nel tempo. Si veda ad esempio per i metodi
analisi delle serie stori he: Dagum (2001)
Studio e ontrollo di pro essi nel tempo
Usualmente uno degli obiettivi pi importanti he si persegue il ontrollo

statisti o laddove si vuole evitare he il pro esso vada fuori ontrollo in base a
qual he attributo he si sta monitorando nel pro esso medesimo. Ad esempio
un tipi o attributo pu essere quello della qualit dei prodotti. Tipi amente le
arte di ontrollo presentano la misurazione di una linea entrale ( he indi a la
stabilit del sistema) e due limiti di ontrollo uno superiore ed uno inferiore he
indi a un pro esso fuori ontrollo (Ross 2008 e Montgomery Runger Hubele
2012).
Corso di Probabilit Statisti he Appli azioni 36
Sezione: 9
9 Appli azioni
10 Bibliograa
Appli azioni in R
In R (R Core Team 2013) possibile performare diverse analisi statisti he

fa endo uso di 'pa kages' o librerie diverse. Vediamo qui spe i amente ome
installare le diverse librerie fa endo uso di 'install.pa kages' e ari arle on
'library':
> # pa kage prob
> install.pa kages('prob')
> library(prob)
> # pa kage('distrEx')
> install.pa kages('distrEx')
> library('distrEx')
Appli azioni in R
In R possibile eettuare varie tipologie di materiale e pa hetti utili a

performare analisi utili in statisti a per l'ingegneria. Tipi amente dovremo fare
uso di funzioni di ri er a e ri hiesta di aiuto per omprendere la sintassi dei
singoli omandi.
> help.sear h('Regression')
> RSiteSear h('Engineering')
> apropos(reg)
Appli azioni in R
E' possibile sui singoli omandi hiedere aiuto ad R od ottenere degli esempi di
utilizzo del omando stesso
> help(lm)
> example(lm)
Appli azioni in R
E' inne possibile fare uso di un pa kage per la ri er a avanzata di pa kages in

R.
> install.pa kages('sos')
> library('sos')
Fa endo uso del omando ndFn possiamo trovare pa kages e datasets relativi
alla parola hiave he stiamo er ando (engineering). Troviamo in parti olare
vari datasets relativi a Devore (2008), un testo di probabilit e statisti a per
l'ingegneria.
> findFn('engineering')
Corso di Probabilit Statisti he Bibliograa 41
Sezione: 10
9 Appli azioni
10 Bibliograa
Riferimenti Bibliogra i
Dagum, E. B. (2001). Analisi delle serie stori he: modellisti a, previsione
e s omposizione. Springer.
Devore, J. L. (2008) Probability and Statisti s for Engineering and the
S ien es (7th Edition) ISBN-10: 0495382175 ISBN-13: 9780495382171
Erto, P. (2003). Probabilit e statisti a per le s ienze e l'ingegneria.
M Graw-Hill.
Grizzuti, N. (2012). Reologia dei materiali polimeri i. S ienza ed
ingegneria. Edizioni Nuova Cultura.
Johnson, R. A. (2007). Probabilit e statisti a per Ingegneria e S ienze.
Pearson Italia .
Kerns, G. J. (2010). Introdu tion to Probability and Statisti s Using R.
Kumar, R. (1999) Resear h Methodology-A Step-by-Step Guide for
Beginners. London Thousand Oaks New Delhi
Little, R. J., & Rubin, D. B. (1987). Statisti al analysis with missing data
(Vol. 539). New York: Wiley.
Montgomery D.C., Runger G.C., Hubele N.F. (2012) Statisti a per
ingegneria. Egea Milano
Morrison, J. (2009). Statisti s for engineers: an introdu tion. Wiley.
NIST/SEMATECH (2013) e-Handbook of Statisti al Methods,
http://www.itl.nist.gov/div898/handbook/, 24 August 2013
Pi olo, D. (1998). Statisti a, il Mulino. Bologna (Italy).
Riferimenti bibliogra i
Pi olo, D. (2004). Statisti a per le de isioni: la onos enza umana

sostenuta dall'evidenza empiri a. Il mulino.
R Core Team (2013). R: A language and environment for statisti al
omputing. R Foundation for Statisti al Computing, Vienna, Austria.
ISBN 3-900051-07-0, URL http://www.R-proje t.org/.
Ross, S. M. (2008). Probabilit e statisti a per l'ingegneria e le s ienze.
Apogeo Editore.
S heaer, R. L., Mulekar, M. S., & M Clave, J. T. (2010). Probability
and statisti s for engineers. CengageBrain. om.

Introduzione Alla Statistica

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Introduzione Alla Statistica

Caricato da

Copyright:

Formati disponibili

Corso di Probabilit Statisti

Corso di Probabilit Statisti he

Universit degli Studi di Roma Ni ol Cusano

Universit degli Studi di Roma Ni ol Cusano

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Ruolo della statisti a in ingegneria

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Il ruolo dell'ingegneria quello tipi amente di risolvere problemi fornendo

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Montgomery Runger Hubele (2012) e Johnston (2007) presentano il modello

Fase 1: denizione del problema

Eettuare una des rizione del problema da risolvere.

Fase 2: ra olta dei dati

Sperimentare e ra ogliere opportuni dati al ne di onvalidare il modello

Fa endo uso del modello teori o inziale, utilizzo di metodi statisti i

Fare uso del modello al ne di risolvere il problema

E' importante notare he la pro edura modellisti a e l'elaborazione statisti a,

La statisti a la s ienza he si o upa dei dati, della ra olta degli stessi e

Misurazione di outputs derivanti da pro essi ingegneristi i

La variabilit nei problemi ingegneristi i (ma non solo) assai rilevante. Di

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Come si vedr an he pi avanti tipi amente in ingegneria i dati ra olti

Studi he permettono di studiare un fenomeno senza he sia possibile

Studi he permettono di studiare relazioni ausa-eetto basate su spe i i

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Popolazione, in quanto omprende tutti gli individui.

Sottoinsieme ragionato di una popolazione

1 Il ruolo della statisti a in ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

3 S hemi di ra olta di dati in ingegneria

5 Uso della statisti a des rittiva ed esplorativa

6 Uso dell'inferenza statisti a

7 Modelli me ani isti i e modelli empiri i

8 Studio e ontrollo di pro essi ingegneristi i nel tempo

Universit degli Studi di Roma Ni ol Cusano

Universit degli Studi di Roma Ni ol Cusano

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

Fase 1: denizione del problema

Eettuare una des rizione del problema da risolvere.

Sperimentare e ra ogliere opportuni dati al ne di onvalidare il modello

Fare uso del modello al ne di risolvere il problema

2 Il metodo s ienti o appli ato all'ingegneria

Studi he permettono di studiare relazioni ausa-eetto basate su spe i i

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

2 Il metodo s ienti o appli ato all'ingegneria

In R possibile eettuare varie tipologie di materiale e pa hetti utili a

E' inne possibile fare uso di un pa kage per la ri er a avanzata di pa kages in

2 Il metodo s ienti o appli ato all'ingegneria