Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
he 1
Carlo Drago
.dragom
link.it
24 agosto 2013
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he 3
Con
etti
hiave
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Il ruolo della statisti
a in ingegneria 5
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
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Il metodo s
ienti
o appli
ato all'ingegneria 8
Il metodo s
ienti
o appli
ato all'ingegneria
La statisti a
Esempi
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
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he S
hemi di ra
olta di dati in ingegneria 15
Fonti di dati in ingegneria
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)
Corso di Probabilit Statisti
he S
hemi di ra
olta di dati in ingegneria 18
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).
Corso di Probabilit Statisti
he S
hemi di ra
olta di dati in ingegneria 19
Esperimenti
asualizzati piani
ati
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Popolazione e Campione 21
Popolazione
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
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Uso della statisti
a des
rittiva ed esplorativa 25
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)
Corso di Probabilit Statisti
he Uso della statisti
a des
rittiva ed esplorativa 26
Uso della statisti
a esplorativa
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Uso dell'inferenza statisti
a 28
Modelli probabilisti
i
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Modelli me
ani
isti
i e modelli empiri
i 31
Modelli me
ani
isti
i e modelli empiri
i
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).
Corso di Probabilit Statisti
he Modelli me
ani
isti
i e modelli empiri
i 32
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
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Studio e
ontrollo di pro
essi ingegneristi
i nel tempo 34
Studio e
ontrollo di pro
essi nel tempo
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Appli
azioni 37
Appli
azioni in R
> library(prob)
> # pa
kage('distrEx')
> install.pa
kages('distrEx')
> library('distrEx')
Corso di Probabilit Statisti
he Appli
azioni 38
Appli
azioni in R
> apropos(reg)
Corso di Probabilit Statisti
he Appli
azioni 39
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)
Corso di Probabilit Statisti
he Appli
azioni 40
Appli
azioni in R
> 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
4 Popolazione e Campione
9 Appli azioni
10 Bibliograa
Corso di Probabilit Statisti
he Bibliograa 42
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).
Corso di Probabilit Statisti
he Bibliograa 43
Riferimenti bibliogra
i