Paniere con risposte chiuse di affidabilità e sicurezza delle macchine

Panieri verificati ecampus

Affidabilità e sicurezza delle macchine

Ingegneria industriale

Docente: Mancini Edoardo

Indice

• Lezione 002 ............................................................................................................................. p. 3
• Lezione 003 ............................................................................................................................. p. 4
• Lezione 004 ............................................................................................................................. p. 5
• Lezione 005 ............................................................................................................................. p. 8
• Lezione 006 ............................................................................................................................. p. 12
• Lezione 007 ............................................................................................................................. p. 19
• Lezione 010 ............................................................................................................................. p. 25
• Lezione 011 ............................................................................................................................. p. 28
• Lezione 012 ............................................................................................................................. p. 30
• Lezione 013 ............................................................................................................................. p. 31
• Lezione 014 ............................................................................................................................. p. 34
• Lezione 015 ............................................................................................................................. p. 35
• Lezione 018 ............................................................................................................................. p. 39
• Lezione 019 ............................................................................................................................. p. 40
• Lezione 021 ............................................................................................................................. p. 41
• Lezione 024 ............................................................................................................................. p. 42
• Lezione 032 ............................................................................................................................. p. 43
• Lezione 033 ............................................................................................................................. p. 44
• Lezione 035 ............................................................................................................................. p. 45
• Lezione 036 ............................................................................................................................. p. 46
• Lezione 037 ............................................................................................................................. p. 47
• Lezione 038 ............................................................................................................................. p. 51
• Lezione 039 ............................................................................................................................. p. 52
• Lezione 040 ............................................................................................................................. p. 55
• Lezione 041 ............................................................................................................................. p. 59
• Lezione 042 ............................................................................................................................. p. 63
• Lezione 044 ............................................................................................................................. p. 64

© 2016 Università Telematica eCampus - Data Stampa 06/03/2017 16:41:35 - 2/65

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

© 2016 Università Telematica eCampus - Data Stampa 06/03/2017 16:41:36 - 3/65

Lezione 003

1. 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

© 2016 Università Telematica eCampus - Data Stampa 06/03/2017 16:41:36 - 4/65

Lezione 004

1. 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. La funzione di probabilità cumulata è definita come:
   • F(y) rappresenta:
   • 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. Assegnata una variabile continua Y le cui osservazioni y ricadono all'interno del dominio ℰ, la pdf (densità di probabilità) è definita come:
   • f(y) rappresenta?
   • La probabilità che un valore casualmente estratto 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 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. 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) = 0
5. 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. 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. 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) = 0
8. 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. 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. 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)
11. Scrivere la relazione della probabilità combinata di due eventi A e B:
    • Mutuamente esclusivi
    • Indipendenti
    • Non mutuamente esclusivi

© 2016 Università Telematica eCampus - Data Stampa 06/03/2017 16:41:36 - 7/65

Lezione 005

1. Se si tratta una variabile discreta Y con dominio ℰ = {y1, y2,...} (tutti i possibili valori di y), come si definisce la funzione massa di probabilità?
   • Nessuna delle altre
2. Quale delle seguenti espressioni rappresenta la definizione di funzione di affidabilità R(y)?
   • Nessuna delle altre
3. 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. Se si tratta una variabile discreta Y con dominio ℰ = {y1, y2,...} (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. 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. 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 una discreta in maniera arbitraria
7. 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. 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. Quale delle seguenti è la formula empirica usata per suddividere il dominio in k intervalli o classi?
   • Nessuna delle altre
10. 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. L'affidabilità condizionata R(T0, Δ) risponde invece alla domanda:
    • Qual è la probabilità di poter compiere una missione di durata Δ dopo aver già consumato una vita T0? La probabilità di sopravvivere all'istante T0+Δ 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)
12. Dare alcune definizioni di Affidabilità, dire come il concetto di affidabilità può essere riassunto e scrivere la relazione mostrando il grafico della funzione affidabilità R(y).
13. Affidabilità condizionata.

© 2016 Università Telematica eCampus - Data Stampa 06/03/2017 16:41:36 - 11/65

Lezione 006

1. 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. 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. 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. 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. 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 della distribuzione. In particolare qual è l'espressione del valore atteso sia per variabile discreta che continua?
   • Nessuna delle altre