INDUSTRIAL STATISTICS | Università degli studi di Bergamo

INDUSTRIAL STATISTICS

Attività formativa monodisciplinare
Codice dell'attività formativa: 
37155-ENG

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2020/2021
Insegnamento (nome in italiano): 
INDUSTRIAL STATISTICS
Insegnamento (nome in inglese): 
INDUSTRIAL STATISTICS
Tipo di insegnamento: 
Obbligatoria
Anno di corso: 
1
Anno accademico di offerta: 
2020/2021
Crediti: 
6
Responsabile della didattica: 
Mutuazioni
Segmenti

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Secondo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
54
Prerequisiti

Non ci sono propedeuticità ma è consigliabile conoscere le tematiche di base della teoria delle probabilità e dell'inferenza statistica. In particolare per teoria della probabilità: esperimenti casuali, variabili casuali, la distribuzione normale la distribuzione t-student, uso delle tavole statistiche della distribuzione normale e t-di Student. Per l'inferenza statistica: modelli parametrici, la media campionaria, distribuzione nel caso normale, stima puntuale, stima mediante intervalli, test statistici, errore di prima e seconda specie, potenza di un test, modello lineare semplice.

Obiettivi formativi

Il corso contribuisce agli obiettivi formativi del corso di studi, per quanto riguarda l'area delle discipline di base, in particolare con riferimento agli strumenti all'analisi statistica per il controllo della qualità e l’analisi statistica dei modelli economico-finanziari.
Alla fine del corso lo studente o la studentessa sarà in grado di scegliere il modello più adatto a descrivere sia i più semplici che i più complessi fenomeni prendendo in considerazione solo gli aspetti del fenomeno che sono importanti da analizzare e formalizzare. Saranno anche in grado di progettare un esperimento e di utilizzare le tecniche del controllo statistico della qualità. Avranno anche una buona conoscenze del programma R pr analisi statistica dei dati reali.

Contenuti dell'insegnamento

Regressione lineare semplice e multipla, approccio matriciale. Analisi della varianza (ANOVA). Modelli lineari per variabili qualitative, modelli lineari generalizzati. Principi della sperimentazione industriale. Progettazione degli esperimenti. Esperimento fattoriale a due livelli completo. Controllo statistico della qualità. Carte di controllo per variabili: carta di controllo per la media e per la varianza di un processo. Average run length (ARL) and run length per una carta di controllo. Carte CUSUM e EWMA. Cenni su ARL and OC per le carte CUSUM. Laboratorio ed esercitazioni: applicazioni di tutti gli argomenti a casi studio di dati reali. Analisi di dati reali con il programma R.

Metodi didattici

Lezioni frontali con numerosi esempi e discussione di casi studio reali.
Esercizi in aula con la partecipazione attiva degli studenti.

Modalità verifica profitto e valutazione

La verifica dell'apprendimento avviene attraverso una prova scritta finale di 2 ore e trenta minuti. La prova è costituita da tre tre esercizi con più punti. Ogni esercizio ha un numero di punti che varia tra due e otto con un punteggio totale che va da 8 a 14 per un totale di 30 punti. Con la prova scritta si verificano sia la conoscenza teorica dei concetti di analisi statistica presentati nel corso sia la capacità critica dello studente di applicarli a casi specifici. Il voto finale è il punteggio della prova scritta. Non è prevista la prova orale.

Altre informazioni

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte modifiche rispetto a quanto dichiarato nel syllabus per rendere il corso e gli esami fruibili anche secondo queste modalità. Le modalità d'esame sono le stesse per frequentanti e non frequentanti.

Prerequisites

There are no prerequisites but it is advisable to know the basic themes of probability theory and statistical inference. Probability theory: casual experiments, probability measure, probability spaces, random variables, Normal distribution, use of the table of the normal and T-distribution. Statistical Inference: parametric statistical models, random samples statistics, sample distributions, distribution of the sample mean, point estimate, confidence intervals, testing hypotheses, simple linear regression model.

Educational goals

The course contributes to the educational objectives of the course of study, with regard to the area of basic disciplines, in particular to statistical quality control and statistical analysis of economic and financial models.
At the end of the course the student will be able to choose the most suitable model to describe both simple and complex phenomena, taking into consideration the unique aspects of the phenomenon to be analysed and formalised. She or he will be able also to design and analyze the principal techniques of statistical quality control. She or he will have a good knowledge of the R enviromen to analyse real data.

Course content

Simple and multi-linear regression analysis, matrix approach. Analysis of Variance ANOVA. Linear modelling for qualitative variables, generalised linear models. Experimentation in industry. Principles of experimental planning. Design of experiments. Complete two-level factorial design. Statistical quality control. Control charts for variables, control charts for the mean and variance of a process. Average run length (ARL) and run length, for control charts. CUSUM and EWMA charts. Brief look at ARL and OC for CUSUM charts. Laboratory and Exercises: Application of all the topics studied to real data sets. Real Data analysis in R environment.

Teaching methods

Frontal lectures with numerous examples and discussion of practical cases.
Exercises in classroom with active participation of the students.

Assessment and Evaluation

The assessment of learning is verified through a final written test of 2 hours and thirty minutes. The test consists of three exercises with multiple points. Each exercise has a number of points that varies between two and eight with a total score ranging from 8 to 14 for a total of 30 points. With the written test, both the theoretical knowledge of the statistical analysis concepts presented in the course and the critical ability of the student to apply them to specific cases occur. The final grade is the score of the written test. There is no oral exam.

Further information

If the course will be done remotely or blended, changes will be possibly made compared to what is stated in the syllabus to make the course and exams accessible also in these forms. The exam procedures are the same for attending and non-attending students.