MINİSÉGBIZTOSÍTÁS 3. ELİADÁS Február 21. Összeállította: Dr. Kovács Zsolt egyetemi tanár
|
|
- Edit Oroszné
- 5 évvel ezelőtt
- Látták:
Átírás
1 MINİSÉGBIZTOSÍTÁS egyetemi tanár 3. ELİADÁS Február 21. NYME FMK TGYI fólia
2 FMEA A HIBAELEMZÉSI MÓDSZEREK GYAKORLATI KOMBINÁLÁSA NYME FMK TGYI /2. fólia
3 FMEA TIPHIB Elnevezés: TIPikus HIBaforrás Információhiányos esetben, pl. új termék, új szolgáltatás; új folyamat, új igények Jól felkészült, heterogén összetételő szakmai team tipikus hibákat határoz meg tapasztalati, szubjektív alapon A team az elıforduló hibákat feltérképezi, majd ezeket csoportosítja, rendezi, esetleg súlyozza, rangsorolja. NYME FMK TGYI /2. fólia
4 FMEA TIPHIB alapú kiindulás SZŐKÍTÉS TIPHIB FELTÁRÁS ISHIKAWA SÚLYOZÁS FMEA MEGOLDÁSKERESÉS DOE, ABC NYME FMK TGYI /2. fólia
5 FMEA TIPHIB alapú kiindulás 1. a legnagyobb súlyszámú tipikus hibák meghatározása szakmai, tapasztalati alapon a TIPHIB módszerrel; 2. a legnagyobb súlyszámú tipikus hibákra az ISHIKAWA diagramm felvétele; 3. az ok-okozati ( ISHIKAWA ) diagram lehetséges okainak súlyozása szakmai, tapasztalati alapon, esetlegesen FMEA módszerrel; 4. a legfontosabb okokra kísérletek tervezése, végrehajtása és elemzése, ill. szisztematikus adat- és információgyőjtés megtervezése és végrehajtása ( ABC elemzés). NYME FMK TGYI /2. fólia
6 FMEA FMEA alapú kiindulás SÚLYOZÁS FMEA ISHIKAWA FELTÁRÁS SZŐKÍTÉS ABC ABC SZŐKÍTÉS FELTÁRÁS ISHIKAWA MEGOLDÁSKERESÉS FMEA DOE NYME FMK TGYI /2. fólia
7 FMEA alapú kiindulás NYME FMK TGYI /2. fólia FMEA 1. a legnagyobb rizikószámú hibák meghatározása FMEA módszerrel; 2. a: a legnagyobb rizikószámú hibákra az ISHIKAWA diagram felvétele; 3.a: a célzott ISHIKAWA diagram okain súlyozás, rangsorolás, és a legsúlyosabb hibákra ABC- Pareto elemzések megtervezése, elıkészítése és végrehajtása; részletes ok-okozati elemzések, kísérlettervek a befolyásolás, csökkentés lehetıségeire; vagy 2.b: a legnagyobb rizikószámú hibákra az ABC-Pareto elemzés megtervezése, elıkészítése és végrehajtása; 3.2: a végrehajtott ABC-Pareto elemzés A, kritikus hibáira célzott, szőkített ISHIKAWA diagram(ok) felvétele.
8 ISHIKAWA alapú kiindulás FMEA FELTÁRÁS ISHIKAWA SZŐKÍTÉS TIPHIB v. ABC SÚLYOZÁS, MEGOLDÁSKERESÉS FMEA MEGOLDÁSKERESÉS DOE, ABC NYME FMK TGYI /2. fólia
9 FMEA ISHIKAWA alapú kiindulás 1. teljeskörő ISHIKAWA diagram felvétele; 2. az ISHIKAWA diagram lehetséges hibáin TIPHIB ( vagy ABC-Pareto ) alapú hibasúlyozás, hibaszőkítés; 3. a tipikus, vagy A hibákra az FMEA hibaelemzés elvégzése. NYME FMK TGYI /2. fólia
10 FMEA ABC alapú kiindulás SZŐKÍTÉS ABC ISHIKAWA CÉLZOTT FELTÁRÁS SÚLYOZÁS FMEA FMEA SÚLYOZÁS FELTÁRÁS ISHIKAWA MEGOLDÁSKERESÉS DOE NYME FMK TGYI /2. fólia
11 FMEA ABC-Pareto alapú kiindulás 1. az eddigi adatok és/vagy információk alapján az ABC-Pareto diagram felvétele, az A, kritikus hibák meghatározása; 2.a: az A, kritikus hibákra a teljeskörő ISHIKAWA diagram felvétele, majd súlyozás, rangsorolás, és a legsúlyosabb hibákra vonatkozóan részletes ok-okozati elemzések, kísérlettervek a befolyásolás, csökkentés lehetıségeire; 3.a: a legsúlyosabbnak ítélt hibaokokra szisztematikus FMEA elemzés(ek) elvégzése az értelemszerő lépésektıl, akár több fázisban is; vagy 2.b: az A, kritikus hibákra az FMEA végrehajtása a második lépéstıl kezdve; 3.b: esetben az FMEA legmagasabb rizikószámú eseteire ISHIKAWA diagram(ok) szisztematikus felvétele. NYME FMK TGYI /2. fólia
12 FMEA STATISZTIKAI FOLYAMATSZABÁLYOZÁS NYME FMK TGYI /2. fólia
13 A folyamatra (minıségre) ható tényezık A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségjavító szabályozásra van szükség. A statisztikai módszerekkel a hibaokok alakulását figyeljük. A minıségjellemzıket (amiket mérünk, regisztrálunk), sok hatás alakítja. (Például egy alkatrész méretének pontosságát befolyásolja a beállítás pontossága; a gép jellemzıi, mozgó elemei; a megvezetés pontossága, a szerszám állapota; az alapanyag állapota, jellemzıi; stb. A bevonat egyenletessége pedig az alkatrész síkhibáitól, a lakk viszkozitásától, az elıtolás nagyságától, a hengernyomástól, esetleg az öntıfej-rés szélességétıl és folyadéknyomástól függ.) Ezért a minıségjellemzık konkrét értékei ingadoznak. A cél az, hogy ez az ingadozás olyan elfogadható határok között maradjon, amelyek között a termék vagy elem kifogástalanul betölti szerepét. NYME FMK TGYI fólia
14 A folyamatra (minıségre) ható tényezık A minıségjellemz gjellemzıket nem kívánatosan k befolyásol soló tényezık: zavarok (hibatényez nyezık, hibaokok)
15 A folyamatra (minıségre) ható tényezık A befolyásoló tényezık csoportosítása : 1. VÉLETLEN ZAVAROK : jól szabályozott ( kézbentartott ) folyamat szabályozási sávja 2. VESZÉLYES ZAVAROK : azonnal jelentıs mértékő eltérést okoznak 3. EGYEDI ( DURVA ) ZAVAROK : egyszeri, érthetetlen, szélsıséges hatás
16 A folyamatra (minıségre) ható tényezık 1. VÉLETLEN ZAVAROK : 1.1 egyedileg csekély hatás 1.2 számuk jelentıs, de hatásuk eltérı 1.3 sávjuk a szabályozottság lehetséges szintje 1.4 sávjuk ( szórásuk ) csökkentése csak hosszútávon lehetséges, és nehezebb a többinél
17 A folyamatra (minıségre) ható tényezık 2. VESZÉLYES ZAVAROK : 2.1 egyedileg jelentıs hatás 2.2 számuk csekély, de hatásuk jelentıs és eltérı 2.3 a kis szám és a jelentıs hatás miatt felismerésük lehetséges 2.4 hatásuk megszüntetése azonnal, rövidtávon szükséges, és általában könnyebb a többinél
18 A folyamatra (minıségre) ható tényezık 3. EGYEDI ZAVAROK : 3.1 egyedileg általában igen durva hatás 3.2 elıfordulásuk és hatásuk igen szeszélyes 3.3 felismerésük a durva hatás ellenére sem könnyő minden esetben 3.4 hatásuk megszüntetése célirányosan, középtávon szükséges, és célszerő; az okok feltárásakészült is a Nemzeti igen szeszélyes esélyő
19 95 FTH ATH 75 A folyamatra (minıségre) ható tényezık V1 V2 vs2 veszélyesek=vi vs1 V3 V4 egyedi 1 vs4 egyedi 2 vs3 V5 véletlen sávok = vsi
20 A folyamatra (minıségre) ható tényezık Stabilitás és s képessk pességvizsgálat A folyamatok stabilitása sa A folyamat stabil (szabályozott) = ellenırz rzés s alatti (in( control): csak véletlenszerv letlenszerő hatások vannak a minıségjellemz gjellemzı értékei meghatározott, konkrét t eloszlást st követnek, k amely idıben állandó. A folyamat nem stabil(szabályozatlan) lyozatlan) = ellenırizetlen (out of control): rendkívüli (veszélyes, egyedi) hatások is jelen vannak a minıségjellemz gjellemzı értékei idırıl l idıre változv ltozó,, vagy szabálytalan eloszlást st követnek. k
21 A folyamatra (minıségre) ható tényezık f(x)= t 1 σ 2π Stabil folyamat: csak véletlen v zavarok vannak! normális eloszlás Sőrőségfüggvény: -(x-µ t ) e 2 2 σ 2 f ( x ) = σ 1 2π e ( x µ ) 2σ 2 2 µ t xtx
22 A folyamatra (minıségre) ható tényezık Normális eloszlás Eloszlásf sfüggvény: x t F F(x)= tx = f(u) xf du x x - ( ) ( )dx 1 0,5 µ t x tx
23 A folyamatra (minıségre) ható tényezık A normális eloszlás s fıbb f jellemzıi 0,003 % 99,994 % 0,003 % 0,135 % 99,73 % 0,135 % 95,44 % gyakoriság 68,26 % inflexiós pont x -3s -2s -1s 1s 2s 3s a mért jellemzı x -4s 4s
24 u A folyamatra (minıségre) ható tényezık u = x σ µ
25 A folyamatra (minıségre) ható tényezık Stabil folyamat: csak véletlen v zavarok! Központi határeloszl reloszlás s tétele t tele alapján Normális eloszlású
26 A folyamatra (minıségre) ható tényezık Stabil folyamat: Normális eloszlás Nem normális eloszlás kórképei ferde leválogatott bimodális csúcsos csos egyenletes
27 Illeszkedésvizsgálatok grafikusan b c
28 Illeszkedésvizsgálatok grafikusan b c
29 Illeszkedésvizsgálatok b
30 Illeszkedésvizsgálatok grafikusan b c
31 Illeszkedésvizsgálatok b
32 Illeszkedésvizsgálatok b c
33 Illeszkedésvizsgálatok grafikusan mmmmmmmmmmmmmmmmmmmmmmmmmmmmmmm b c
34 A folyamatra (minıségre) ható tényezık Illeszkedésvizsg svizsgálat grafikus módszerrel m valósz színőségi háló (Gauss-háló) F -1 3 x 2 0, ,9772 u = x µ σ ,8413 0,5 0, , ,
35 A folyamatra (minıségre) ható tényezık Illeszkedésvizsg svizsgálat grafikus módszerrel m valósz színőségi háló (Gauss-pap papír) µ u = x x ia alsó határ Osztályok x if felsı határ n i talált elemek száma n i u F ( ) if n x if F = σ n ( x ) i j= 1 if n j n = x = ( ) 1 F n x if <= 16,75 0 0,00-2,68 0,0037 0,00 16,75 17,50 1 0,02-2,05 0,0201 0,02 17, ,50 18,25 3 0,06-1,43 0,0770 0,08 18, ,25 19,00 4 0,08-0,80 0,2122 0,16 18, ,00 19, ,26-0,17 0,4317 0,42 19, ,75 20, ,32 0,45 0,6753 0,74 20, ,50 21,25 6 0,12 1,08 0,8602 0,86 21, ,25 22,00 3 0,06 1,71 0,9562 0,92 21, ,00 4 0,08 1,0000 1,00 Összesen: n = 50
36 A folyamatra (minıségre) ható tényezık Illeszkedésvizsg svizsgálat grafikus módszerrelm F -1 n (x if ) Gauss-háló x f
37 Illeszkedésvizsgálatok grafikusan mmmmmmmmmmmmmmmmmmmmm b c
38 Illeszkedésvizsgálatok grafikusan mmmmmmmmmmmmmmmmmmmmm b c
39 A folyamatra (minıségre) ható tényezık Stabil folyamat: csak véletlen v zavarok! Illeszkedésvizsg svizsgálat statisztikai próbával - χ 2 próba próbastatisztika bastatisztika: ( n n p ) k j j = 1 n p j j 2 Megfigyelések száma Osztályok
40 A folyamatra (minıségre) ható tényezık Illeszkedésvizsg svizsgálat statisztikai próbával - χ 2 próba Osztályközök x ia alsó határ x if felsı határ n i talált elemek száma (db) n i uia u if ( ) n F F( ) x ia x if p i = = F ( xif ) F ( xia ) n ( ) 2 p i n n i p i ( n n p ) <= 16,75 0 0, ,68 0,0000 0,0037 0,0037 0,1846 0,0341 0, ,75 17,50 1 0,02-2,68-2,05 0,0037 0,0201 0,0164 0,8189 0,0328 0, ,50 18,25 3 0,06-2,05-1,43 0,0201 0,0770 0,0569 2,8462 0,0237 0, ,25 19,00 4 0,08-1,43-0,80 0,0770 0,2122 0,1352 6,7595 7,6150 1, ,00 19, ,26-0,80-0,17 0,2122 0,4317 0, ,9739 4,1049 0, ,75 20, ,32-0,17 0,45 0,4317 0,6753 0, , ,5802 1, ,50 21,25 6 0,12 0,45 1,08 0,6753 0,8602 0,1849 9, ,5380 1, ,25 22,00 3 0,06 1,08 1,71 0,8602 0,9562 0,0960 4,7983 3,2338 0, ,00 4 0,08 1,71 0,9562 1,0000 0,0438 2,1908 3,2733 1,4941 Összesen: n = 50 3,35239 i n p i i 2 χ 2 = < χ 2 krit = 5,99 df=2 (összevon( sszevonás s után), p=
41 A folyamatra (minıségre) ható tényezık Stabil folyamat: az eloszlásjellemz sjellemzık k az idı függvényében nem változnakv Szabályozatlan, nem stabil Szabályozott, stabil Szabályozatlan, nem stabil
Minőségirányítási rendszerek 1. előadás
Minőségirányítási rendszerek 1. előadás 2013.02.15. Dr. Szabó Gábor Csaba, valamint Dr. Topár József (BME GTK Menedzsment és Vállaltgazdaságtan Tanszék) előadásfóliáinak felhasználásával összeállította
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás
RészletesebbenSTATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)
Normális eloszlás sűrűségfüggvénye STATISZTIKA 9. gyakorlat Konfidencia intervallumok f σ π ( µ ) σ ( ) = e /56 p 45% 4% 35% 3% 5% % 5% % 5% Normális eloszlás sűrűségfüggvénye % 46 47 48 49 5 5 5 53 54
RészletesebbenMinőségirányítási rendszerek 3. előadás
Minőségirányítási rendszerek 3. előadás 2013.03.01. Minőségbiztosítás HIBAELEMZŐ TECHNIKÁK ISHIKAWA diagram Kockázatelemzés hibafával NYME FMK TGYI 2006.08.28. 56. fólia Minőségbiztosítás HALSZÁLKA, ISHIKAWA,
RészletesebbenMINİSÉGBIZTOSÍTÁS. Tantárgy óraszáma: 2+2+0 (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul.
MINİSÉGBIZTOSÍTÁS egyetemi tanár Tantárgy óraszáma: 2+2+0 (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul. NYME FMK TGYI 2006.08.28. 1. fólia Minıségbiztosítás A tantárgy
RészletesebbenMINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS Összeállította: Dr. Kovács Zsolt egyetemi tanár 12. ELİADÁS 2011. Május 9. NyME FMK Terméktervezési és Gyártástechnológiai Intézet http://tgyi.fmk.nyme.hu NYME FMK TGYI 2006.08.28. 1.
RészletesebbenMinőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás
STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Erdei János Miről lesz szó? Mit értünk folyamatok stabilitásán, szabályozottságán? Mit jelent a folyamatképesség, és hogyan mérhetjük azt? Hogyan vehetjük észre a
RészletesebbenStatisztikai módszerek
Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai
RészletesebbenMINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK
MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK Dr. Drégelyi-Kiss Ágota ÓE BGK e-mail: dregelyi.agota@bgk.uni-obuda.hu 1 STATISZTIKA CÉLJA Sokaság Következtetés bizonytalansága Véletlenszerű és reprezentatív mintavétel
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenMINŐSÉGBIZTOSÍTÁS. Tantárgy óraszáma: 2+1+0 (előadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul.
MINŐSÉGBIZTOSÍTÁS egyetemi tanár Tantárgy óraszáma: 2+1+0 (előadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul. NYME FMK TGYI 2006.08.28. 1/1. fólia A tantárgy az alábbi
Részletesebben17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 247 Adatgyűjtő lap 200. A probléma
RészletesebbenMINİSÉGBIZTOSÍTÁS. Tantárgy óraszáma: 2+1+0 (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul.
MINİSÉGBIZTOSÍTÁS egyetemi tanár Tantárgy óraszáma: 2+1+0 (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul. NYME FMK TGYI 2006.08.28. 1. fólia A tantárgy az alábbi témakörök
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenIATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools):
APQP IATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools): PPAP (Production Part Approval Process) Gyártás jóváhagyási folyamat APQP (Advanced Product Quality Planning and Control Plans)
RészletesebbenMatematikai alapok és valószínőségszámítás. Normál eloszlás
Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak
RészletesebbenMINŐSÉGMENEDZSMENT ALAPJAI. 7. előadás Folyamatfejlesztési modellek és módszerek 1. (minőségmenedzsment módszerek) Bedzsula Bálint
MINŐSÉGMENEDZSMENT ALAPJAI 7. előadás Folyamatfejlesztési modellek és módszerek 1. (minőségmenedzsment módszerek) bedzsula@mvt.bme.hu Amiről szó lesz ma Választ adok a következőkre: Mi jellemzi a minőségmenedzsment
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
RészletesebbenMinőségmenedzsment módszerek
Minőségmenedzsment módszerek A folyamatjavítás eszközei Brainstorming Ok-okozati elemzés Pareto-elemzés Ellenőrzőkártya Hisztogram 2 A minőségfejlesztés módszerei A gond ott kezdődik, hogy Az alternatívák
RészletesebbenTERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I.
TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I. Dr. Kovács Zsolt egyetemi tanár Megbízhatóság-elméleti alapok A megbízhatóságelmélet az a komplex tudományág, amely a meghibásodási
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenStatistical Process Control (SPC), Statisztikai Folyamatszabályozás
Statistical Process Control (), Statisztikai Folyamatszabályozás 1 2 2 A statisztikai folyamatszabályozás () koncepcióját először Dr Walter Shewhart fejlesztette ki a Bell laboratóriumokban, az 1920-as
RészletesebbenPareto-elemzés Ok-okozati elemzés FMEA elemzés Egyéb (fadiagram, TIPHIB) + 8D riport
183. 16. A hibaelemzés módszerei Pareto-elemzés Ok-okozati elemzés FMEA elemzés Egyéb (fadiagram, TIPHIB) + 8D riport Bedzsula Bálint 60 183. Pareto-elv A tételek viszonylag kis hányada meghatározó jelentőségű
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenMINİSÉGBIZTOSÍTÁS 2. ELİADÁS Február. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS egyetemi tanár 2. ELİADÁS 2011. Február NYME FMK TGYI 2006.08.28. 1. fólia Minıségbiztosítás HIBAELEMZİ TECHNIKÁK ISHIKAWA diagram Kockázatelemzés hibafával NYME FMK TGYI 2006.08.28.
RészletesebbenA MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK
1. Elemző módszerek A MEGBÍZHATÓSÁGI ELEMZŐ MÓDSZEREK Ebben a fejezetben röviden összefoglaljuk azokat a módszereket, amelyekkel a technikai, technológiai és üzemeltetési rendszerek megbízhatósági elemzései
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenEloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok
Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok
RészletesebbenStatisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenAz SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
RészletesebbenStatisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
RészletesebbenModern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenKiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.
Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
RészletesebbenMINİSÉGBIZTOSÍTÁS 6. ELİADÁS Március 19. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS Özeállította: Dr. Kovác Zolt egyetemi taár 6. ELİADÁS 011. Márciu 19. NyME FMK Terméktervezéi é Gyártátechológiai Itézet http://tgyi.fmk.yme.hu NYME FMK TGYI 006.08.8. 1. fólia Kézült
RészletesebbenVariancia-analízis (VA)
Variancia-analízis (VA) 5. elıadás (9-10. lecke) VA lényege, alkalmazásának feltételei, adat-transzformációk 9. lecke Variancia-analízis lényege Szórások egyezésének ellenırzése A Variancia-Analízis (VA)
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenSzépmővészeti Múzeum térszint alatti bıvítése: A projekt idıt befolyásoló kockázatok értékelése. Készítette: Kassai Eszter Rónafalvi György
Szépmővészeti Múzeum térszint alatti bıvítése: A projekt idıt befolyásoló kockázatok értékelése Készítette: Kassai Eszter Rónafalvi György Tartalom A kockázatról általában A kockázatelemzés folyamata Az
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenHanthy László Tel.: 06 20 9420052
Hanthy László Tel.: 06 20 9420052 Néhány probléma a gyártási folyamatok statisztikai szabályzásával kapcsolatban Miben kellene segíteni az SPC alkalmazóit? Hanthy László T: 06(20)9420052 Megválaszolandó
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenMérnökgeodéziai hálózatok feldolgozása
Mérnökgeodéziai hálózatok feldolgozása dr. Siki Zoltán siki@agt.bme.hu XIV. Földmérő Találkozó Gyergyószentmiklós 2013.05.09-12. Mérnökgeodéziai hálózatok nagy relatív pontosságú hálózatok (1/100 000,
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenMINİSÉGBIZTOSÍTÁS. 8. ELİADÁS Mérıeszköz megfelelıség Mérıeszköz-képesség vizsgálat. 2011. Április 4. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS Összeállította: Dr. Kovács Zsolt egyetemi tanár 8. ELİADÁS Mérıeszköz megfelelıség Mérıeszköz-képesség vizsgálat 011. Április 4. NyME FMK Terméktervezési és Gyártástechnológiai Intézet
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenEgyszempontos variancia analízis. Statisztika I., 5. alkalom
Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenPopulációbecslés és monitoring. Eloszlások és alapstatisztikák
Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk
RészletesebbenJármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János
BUDAPESTI MŐSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM KÖZLEKEDÉSMÉRNÖKI KAR JÁRMŐELEMEK ÉS HAJTÁSOK TANSZÉK Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János Budapest 2008
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenErdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány
Budapesti Műszaki- és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállalkozásgazdaságtan Tanszék Erdei János egyetemi adjunktus Minőség- és megbízhatóság menedzsment
RészletesebbenA konfidencia intervallum képlete: x± t( α /2, df )
1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenTovábblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,
Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenA problémamegoldás lépései
A problémamegoldás lépései A cél kitűzése, a csoportmunka megkezdése egy vagy többféle mennyiség mérése, műszaki-gazdasági (például minőségi) problémák, megoldás célszerűen csoport- (team-) munkában, külső
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenExcel segédlet Üzleti statisztika tantárgyhoz
Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n
RészletesebbenMINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia
MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás
RészletesebbenMINŐSÉGFEJLESZTŐ TECHNIKÁK
MINŐSÉGFEJLESZTŐ TECHNIKÁK Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié MISKOLCI EGYETEM Műszaki Anyagtudományi Kar Energia- és Minőségügyi Intézet Minőségügyi Intézeti Kihelyezett Tanszék
RészletesebbenStatisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
RészletesebbenVéletlenszám generátorok és tesztelésük HORVÁTH BÁLINT
Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám
RészletesebbenDefine Measure Analyze Improve Control. F(x), M(ξ),
5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási
RészletesebbenFİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.
FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) 2010. október 20. A kutatási terv fogalmának, a különbözı kutatási módszerek osztályozása, a feltáró és a következtetı kutatási módszerek közötti különbségtétel
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenSTATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
RészletesebbenKalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I
Kalibrálás és mérési bizonytalanság Drégelyi-Kiss Ágota I. 120. dregelyi.agota@bgk.uni-obuda.hu Kalibrálás Azoknak a mőveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható
RészletesebbenBudapesti Műszaki és Gazdaságtudományi Egyetem
Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Menedzsment és Vállalatgazdaságtan Tanszék MINŐSÉGMENEDZSMENT ALAPJAI 11. előadás Folyamatszabályozás
RészletesebbenKözlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta
Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható
RészletesebbenEloszlás-független módszerek 13. elıadás ( lecke)
Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
Részletesebben4. A méréses ellenırzı kártyák szerkesztése
4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenÖntött Poliamid 6 nanokompozit mechanikai és tribológiai tulajdonságainak kutatása. Andó Mátyás IV. évfolyam
Öntött Poliamid 6 nanokompozit mechanikai és tribológiai tulajdonságainak kutatása Andó Mátyás IV. évfolyam 2005 Kutatás célkitőzése: - a nanokompozitok tulajdonságainak feltérképezése - a jó öntéstechnológia
Részletesebben