P r o g r a m m a

• Statistica inferenziale – Campionamento e Stima
• Caratteristiche del campione: Rappresentatività e Significatività
• Proprietà degli stimatori
• Variabilità campionaria
  • Media, deviazione standard, frazione di difettosità
  • Errore di stima – Intervallo di confidenza
  • Dimensionamento campionario
• Esercizio: stima della difettosità del lotto man mano che si acquisiscono dati sui controlli dei sotto-lotti

• Statistica Inferenziale – test statistico
• Test di verifica di ipotesi: Definizione e concetti
• Il sistema di ipotesi: Ipotesi 0 e ipotesi 1 (alternativa)
• Rischi alfa, beta, curva di potenza e curva operativa
• Tipologie di test:
• One sample, two sample, More than two samples
• Test per la Media, Varianza, Frazione di difettosità, test di Distribuzione
• Dimensionamento campionario
• Applicazione del test al Controllo di Accettazione
• Controllo per Attributi: LQA, LQT, Curva operativa, progettare un piano, valutare i rischi del piano esistente
• Controllo per Variabili: LQA, LQT, Curva operativa, progettare un piano, valutare i rischi del piano esistente, punti di attenzione
• Esercizi con Minitab

• La regressione lineare multipla – approfondimenti

• Ordinary least squared (OLS) – Definizioni
• Regressione lineare semplice e multivariata
• Approfondimenti – valutare il modello: significatività,  accuratezza, adeguatezza
• Indici di valutazione: ANOVA, R2 (Adjusted, Prev), F parziale, MSE, CP di Mallow
• Identificazione dei dati anomali e influenti: analisi dei residui, leverage
• Costruire  il modello

• Le fasi: training, validazione, verifica
• Analisi Stepwise e Best Subset

• General Linear Model (GLM)
• Cross correlazione e Autocorrelazione
• Gestione eteroschedasticità e dati anomali/influenti
• Come introdurre nel modello la variabili categoriali: le variabili Dummy
• Esercizi con Minitab

• Regressione Logistica – modelli di classificazione
• Definizione
• Regressione Binaria, Ordinale, Nominale
• Modelli di regressione per prestazioni per attributi (modelli Logit e probit)
• Regressione e tabelle contingenza
• ODD, ODD ratio
• Interpretazione e valutazione del Modello
• Criteri di scelta e criteri applicativi
• Matrice di confusione
• Scelta del punto di Cut Off

• Esercizi con Minitab