paniere affidabilità e sicurezza delle macchine -risposte multiple

Affidabilità e sicurezza delle macchine

Domande di esame: Ingegneria Industriale

Lezione 002

1. Cos'è l'affidabilità?

• Nessuna delle altre
• Il cumulo di probabilità che un oggetto svolga una determinata funzione senza guasto nelle condizioni prescritte per un determinato periodo di tempo
• La probabilità che un oggetto svolga una determinata funzione con guasto nelle condizioni prescritte per un determinato periodo di tempo
• La probabilità che un oggetto non svolga una determinata funzione nelle condizioni prescritte per un determinato periodo di tempo

2. Cos'è l'affidabilità?

• La probabilità che un oggetto svolga una determinata funzione con guasto nelle condizioni prescritte per un determinato periodo di tempo
• La probabilità che un oggetto non svolga una determinata funzione nelle condizioni prescritte per un determinato periodo di tempo
• La probabilità che un oggetto svolga una determinata funzione senza guasto nelle condizioni prescritte per un determinato periodo di tempo
• Nessuna delle altre

Lezione 003

1. Importanza della fase iniziale nella progettazione

È importante dedicare la fase iniziale della progettazione a capire le esigenze del cliente e scomporle in elementi misurabili e correlabili alle caratteristiche del prodotto. Quale delle seguenti è una possibile sequenza schematica delle fasi di progettazione?

• Nessuna delle altre

Lezione 004

1. Esperimento su una grandezza Y

Supponiamo di poter ripetere un esperimento relativo ad una grandezza Y per un numero di volte n grande a piacere, allora si otterranno n risultati: y1, y2,..., yn. Se A è un sottoinsieme di Y, la probabilità che il risultato di un evento o esperimento cada all'interno di A vale:

• Nessuna delle altre

2. Funzione di probabilità cumulata

La funzione di probabilità cumulata è definita come:

• Nessuna delle altre
• La probabilità che una osservazione casuale di Y sia maggiore ad y, ed equivale all'area non sottesa dalla curva pdf
• La probabilità che una osservazione casuale di Y sia maggiore ad y, ed equivale all'area sottesa dalla curva pdf
• La probabilità che una osservazione casuale di Y sia inferiore ad y, ed equivale all'area sottesa dalla curva pdf

3. Variabile continua Y e pdf

Assegnata una variabile continua Y le cui osservazioni y ricadono all'interno del dominio, la pdf (densità di probabilità) è definita come:

• f(y) rappresenta? dell'intervallo di dimensioni infinitesime dy, diviso dy stesso (cioè la probabilità che un valore casualmente estratto dalla popolazione cada all'interno dell'ampiezza dell'intervallo considerato)
• La probabilità che un valore estratto in maniera predefinita dalla popolazione cada all'interno dell'intervallo di dimensioni infinitesime dy, diviso dy stesso (cioè l'ampiezza dell'intervallo considerato)
• La probabilità che un valore casualmente estratto dalla popolazione cada all'interno dell'intervallo di dimensioni finite dy, diviso dy stesso (cioè l'ampiezza dell'intervallo considerato)
• La probabilità che un valore casualmente estratto dalla popolazione non cada all'interno dell'intervallo di dimensioni infinitesime dy, diviso dy stesso (cioè l'ampiezza dell'intervallo considerato)

4. Probabilità combinata di eventi A e B non mutuamente esclusivi

Dati due eventi A e B non mutuamente esclusivi, la loro probabilità combinata, vale a dire la probabilità che si verifichi l'uno oppure l'altro caso vale:

• Prob (AB) = Prob (A)·Prob (B|A) = Prob (B)·Prob (A|B)
• Prob(A+B) = Prob(A) + Prob(B)
• Prob(A+B) = Prob(A) + Prob(B) - Prob(AB)
• Prob(AB) =

5. Percentile p% della popolazione Y

Il percentile p% della popolazione Y è definito come:

• Il valore argomentale (ossia il valore della variabile) "yp" la cui probabilità cumulata vale proprio p/50.
• Il valore argomentale (ossia il valore della variabile) "yp" la cui probabilità cumulata vale proprio p/100.
• Il valore argomentale (ossia il valore della variabile) "yp" la cui densità di probabilità vale proprio p/100.
• Il valore argomentale (ossia il valore della variabile) "yp" la cui densità di probabilità vale proprio p/50.

6. Probabilità combinata di eventi mutuamente esclusivi

Dati due eventi A e B mutuamente esclusivi, la loro probabilità combinata, vale a dire la probabilità che si verifichi l'uno o l'altro caso vale?

• Prob(AB) = 0
• Prob (AB) = Prob (A)·Prob (B|A) = Prob (B)·Prob (A|B)
• Prob(AB) = Prob(A)·Prob(B)
• Prob(A+B) = Prob(A) + Prob(B)

7. Eventi mutuamente esclusivi

Due eventi A e B si dicono mutualmente esclusivi, se?

• Prob (AB) = Prob (A)·Prob (B|A) = Prob (B)·Prob (A|B)
• Prob(AB) = Prob(A)·Prob(B)
• Prob(A+B) = Prob(A) + Prob(B)
• Prob(AB) =

8. Probabilità combinata di eventi indipendenti

Se due eventi A e B sono indipendenti, la loro probabilità combinata, vale a dire la probabilità che si verifichino contemporaneamente vale?

• Prob(AB) = 0
• Prob (AB) = Prob (A)·Prob (B|A) = Prob (B)·Prob (A|B)
• Prob(A+B) = Prob(A) + Prob(B)
• Prob(AB) = Prob(A)·Prob(B)

9. Variabile aleatoria o casuale

Quando si parla di variabile aleatoria o casuale?

• Quando non è possibile preparare con certezza un esperimento
• Quando è possibile determinare con certezza il risultato di un esperimento
• Quando non è possibile determinare con certezza il risultato di un esperimento
• Nessuna delle altre

10. Probabilità combinata di eventi dipendenti

Se due eventi A e B sono dipendenti, la loro probabilità combinata, vale?

• Prob(A+B) = Prob(A) + Prob(B)
• Prob (AB) = Prob (A)·Prob (B|A) = Prob (B)·Prob (A|B)
• Prob(AB) = 0
• Prob(AB) = Prob(A)·Prob(B)

Lezione 005

1. Variabile discreta Y

Se si tratta una variabile discreta Y con dominio = {y1, (tutti i possibili valori di y), come si definisce la funzione massa di probabilità?

• Nessuna delle altre

2. Funzione di affidabilità R(y)

Quale delle seguenti espressioni rappresenta la definizione di funzione di affidabilità R(y)?

• Nessuna delle altre

3. Probabilità cumulata di un'osservazione yk

La probabilità cumulata (che un'osservazione sia yk) è data da:

• Nel caso di variabili discrete, la funzione densità di probabilità f(y) si trasforma in?
• Densità di probabilità p(yi)
• Massa di probabilità p(yi), ed è rappresentata da una curva continua
• Massa di probabilità p(yi), e non è più rappresentata da una curva continua ma da un istogramma
• Nessuna delle altre

4. Funzione massa di probabilità per variabile discreta Y

Se si tratta una variabile discreta Y con dominio = {y1, (tutti i possibili valori di y), si definisce la funzione massa di probabilità:

• Cosa rappresentano ni e N?
• "ni" è il numero di osservazioni con risultati "yi" e N è il numero di osservazioni totali
• "ni" è il numero di osservazioni totali e N è il numero di osservazioni con risultati "yi"
• Nessuna delle altre
• "ni" è il numero di osservazioni con risultati "N"

5. Frequenza e Densità dell'i-esima classe

Sia la Frequenza definita come il numero di risultati "ni" che cadono all'interno dell'i-esima classe, come è definita la Densità dell'i-esima classe?

• Nessuna delle altre
• ni*(N*Δi)
• (N*Δ)/ni
• ni/(N*Δi)

6. Uso dell'istogramma per variabili continue

L'istogramma può essere usato convenientemente anche per discretizzare variabili continue, in questo caso come si procede?

• Conviene raddoppiare il dominio in k intervalli o classi
• Nessuna delle altre
• Conviene suddividere il dominio in k intervalli o classi mediante una formula semiempirica
• Conviene trasformare la variabile continua in una discreta in maniera arbitraria

7. Funzione densità di probabilità per variabili discrete

Nel caso di variabili discrete la funzione densità di probabilità non è più rappresentata da una curva continua ma?

• Da una curva discontinua
• Da una curva a pendenza crescente in maniera monotona
• Da una curva crescente prima e decrescente poi
• Da un istogramma

8. Frequenza e Frequenza Relativa

Sia la Frequenza definita come il numero di risultati "ni" che cadono all'interno dell'i-esima classe, come è definita la Frequenza Relativa?

• N/n
• ni*N
• Nessuna delle altre
• ni/N

9. Formula empirica per suddividere il dominio

Quale delle seguenti è la formula empirica usata per suddividere il dominio in k intervalli o classi?

• Nessuna delle altre

10. Funzione affidabilità R(y)

La funzione affidabilità R(y) è:

• Il complemento a 1 della F(y) e rappresenta la probabilità che Y assuma valori >y
• Il complemento a 1 della F(y) e rappresenta la probabilità che Y assuma valori <y
• Nessuna delle altre
• La F(y) e rappresenta la probabilità che Y assuma valori >y

11. Affidabilità condizionata R(T0, Δ)

L'affidabilità condizionata R(T0, Δ) risponde invece alla domanda: qual è la probabilità di poter compiere una missione di durata T+Δ dopo aver già consumato una vita T0? La probabilità di sopravvivere all'istante quanto vale?

• (La probabilità di sopravvivere fino a T0)·(la probabilità di sopravvivere durante Δ)
• (La probabilità di sopravvivere fino a T0)·(la probabilità di sopravvivere durante T+Δ)
• (La probabilità di sopravvivere fino a T0)/(la probabilità di sopravvivere durante Δ)
• (La probabilità di sopravvivere fino a T0)+(la probabilità di sopravvivere durante Δ)

Lezione 006

1. Campionamento per stimare media e varianza

Spesso, data una popolazione N di dati, si sceglie un campione statistico di n elementi per stimare la media e la varianza dell'intera popolazione. Si supponga di studiare una variabile aleatoria Y di cui, tramite un campionamento o realizzazione campionaria, sono note n osservazioni: y1, y2, y3, ..., yn; come si definisce lo 'scarto quadratico medio campionario'?

2. Varianza campionaria

Spesso, data una popolazione N di dati, si sceglie un campione statistico di n elementi per stimare la media e la varianza dell'intera popolazione. Si supponga di studiare una variabile aleatoria Y di cui, tramite un campionamento o realizzazione campionaria, sono note n osservazioni: y1, y2, y3, ..., yn; come si definisce la 'varianza campionaria'?

• Nessuna delle altre

3. Media campionaria

Spesso, data una popolazione N di dati, si sceglie un campione statistico di n elementi per stimare la media e la varianza dell'intera popolazione. Si supponga di studiare una variabile aleatoria Y di cui, tramite un campionamento o realizzazione campionaria, sono note n osservazioni: y1, y2, y3, ..., yn; come si definisce la 'media campionaria'?

• Nessuna delle altre

4. Indicatori di dispersione e varianza

Si definiscono indicatori di dispersione quegli indicatori che danno la dispersione dei dati attorno al valor medio. In particolare qual è l'espressione della Varianza sia per variabile discreta che continua?

• Nessuna delle altre

5. Indicatori di tendenza e valore atteso

Si supponga di studiare una variabile aleatoria Y di cui è nota una distribuzione, si definiscono come indicatori di tendenza quei valori che definiscono la tendenza centrale delle distribuzione. In particolare qual è l'espressione del valore atteso sia per variabile discreta che continua?

• Nessuna delle altre

6. Deviazione standard e Coeffic. di variazione CV

Si definiscono indicatori di dispersione quegli indicatori che danno la dispersione dei dati attorno al valor medio. In particolare qual è l'espressione della Deviazione standard (scarto quadratico medio) e del Coeffic. di variazione CV?

• Nessuna delle altre

7. S e S² nel campionamento

Spesso, data una popolazione N di dati, si sceglie un campione statistico di n elementi per stimare la media e la varianza dell'intera popolazione. Si supponga di studiare una variabile aleatoria Y di cui, tramite un campionamento o realizzazione campionaria, sono note n osservazioni: y1, y2, y3, ..., yn; cosa rappresentano S e S²?

• Nessuna delle altre
• S² e S sono rispettivamente, stime della moda σ² e della deviazione standard σ della popolazione.
• S² e S sono rispettivamente, stime della mediana σ² e della deviazione standard σ della popolazione.
• S² e S sono rispettivamente, stime della varianza e della deviazione standard della popolazione.

8. Moda e mediana come indicatori di tendenza

Si supponga di studiare una variabile aleatoria Y di cui è nota una distribuzione, si definiscono come indicatori di tendenza quei valori che definiscono la tendenza centrale delle distribuzione. In particolare cosa sono la moda e la mediana?

• La moda, come quel valore argomentale y che massimizza la funzione distribuzione di probabilità (per variabili discrete) o densità di probabilità (per variabili continue)
• La mediana, come quel valore argomentale y al percentile 50%
• La moda, come quel valore argomentale y che minimizza la funzione distribuzione di probabilità (per variabili discrete) o densità di probabilità (per variabili continue)
• La mediana, come quel valore argomentale y al percentile 90%

9. Definizione di indicatori di dispersione

Come si definiscono gli indicatori di dispersione?

• Quegli indicatori che danno la correttezza dei ottenuti
• Quegli indicatori che danno la dispersione dei dati attorno al valor medio
• Nessuna delle altre
• Quegli indicatori che danno la dispersione dei dati attorno alla mediana

Lezione 007

1. Interpretazione del tasso di guasto

Il tasso di guasto ha dimensioni inverse al tempo, quindi può essere interpretato come:

• Indice del numero di guasti nell'unità di tempo, cioè come velocità