17. Folyamatszabályozás módszerei
|
|
- Péter Borbély
- 5 évvel ezelőtt
- Látták:
Átírás
1 17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249
2 215. Mérőeszköz-képességelemzés Menedzseri döntések mérésből származó adatokból Ha nem bízhatunk az adatok pontosságában, ill. folyamatosan (önkényesen) megkérdőjelezzük azt, csökken a vállalat versenyképessége Megoldás: A mérési rendszerek rendszeres karbantartásával, elemzésével felmérhetjük a mérési rendszerek pontosságát, az adott mérési feladatra való alkalmasságát. R&R, ismételhetőség és reprodukálhatóság vizsgálat Bedzsula Bálint 301
3 216. Mérőeszköz-képességelemzés Mérési rendszer: a mérőeszközök, a környezet, a mérést végző személy(ek), a mérési módszer, eljárás, a mért alkatrészek stb. összessége Mérési rendszer jellemzői: Pontosság:egy mérési rendszerre akkor mondhatjuk, hogy pontos, ha a mért értékek középértéke megegyezik a mért jellemző valódi méretével. Felbontás:a mérési rendszer felbontása alatt azt a legkisebb különbséget értjük, amit konzekvensen képes érzékelni. Kijelző felbontása:az a legkisebb különbség, amit a mérőeszköz képes kijelezni. Bedzsula Bálint 302
4 216. Mérőeszköz-képességelemzés Mérési rendszer jellemzői (2): Stabilitás:egy mérési rendszerre akkor mondhatjuk, hogy stabil, ha a méréseket különböző időközönként megismételve azonos eredményt kapunk. Ismételhetőség:az a mérési eredményekben levő változékonyság, ingadozás, amit akkor kapunk, ha ugyanazt az alkatrészt, ugyanaz a személy, ugyanolyan körülmények között többször megmér. Reprodukálhatóság:a mérési eredmények középértékei (átlaga) közötti változékonyság, ingadozás, amit akkor kapunk, ha ugyanazt az alkatrészt, ugyanolyan körülmények között különböző személyek mérik meg. Bedzsula Bálint 303
5 216. Mérőeszköz-képességelemzés R&R vizsgálat: Ismételhetőség és reprodukálhatóság vizsgálat Cél: a mért értékek közötti ingadozást, a szórást befolyásoló hatásokat igyekszünk számszerűsíteni mérőeszközök tervezett mérési feladatra való alkalmasságának megítélése eszközök folyamatos figyelése mérési bizonytalanság megítélése mérési hiba fonásainak feltárása készülékek ill. módszerek összehasonlítása kezelőszemélyzet alkalmasságának megítélése Bedzsula Bálint 304
6 216. Mérőeszköz-képességelemzés R&R vizsgálat: Módszer: a vizsgálattal az alábbi hatásokat (szórásokat) igyekszünk megbecsülni: az alkatrészek közötti különbség; a mérés ismétlésekor a mérőeszköz jellegétől függően minden kezelő véletlen mérési hibákat követ el, ez határozza meg a mérés ismételhetőségét; a kezelők ügyessége, figyelmessége, tapasztalata, munkájuk megbízhatósága is különböző lehet, ez határozza meg a mérés reprodukálhatóságát; lehetséges, hogy egyes kezelők a különböző alkatrészeket különböző hibával képesek mérni, vagyis kölcsönhatáslehet a kezelő és az alkatrész között. Bedzsula Bálint 305
7 216. Mérőeszköz-képességelemzés R&R vizsgálat: Az ingadozás forrásai: Mérési eredmények eltérése Alkatrészek közötti különbség Mérőrendszer által okozott különbség Ismételhetőség Reprodukálhatóság Kezelők Kezelők és alkatrészek közötti kölcsönhatás Bedzsula Bálint 306
8 217. Mérőeszköz-képességelemzés R&R vizsgálat: Az ingadozás forrásai: σ = σ + σ 2 teljes 2 mérés 2 alkatrész σ = σ + σ 2 ism 2 mérés 2 reprod σ 2 reprod = σ + σ 2 kezelő 2 alkatrész kezelő Bedzsula Bálint 307
9 217. Mérőeszköz-képességelemzés R&R vizsgálat: Terjedelem- vagy ANOVA-módszer Meghatározása: &%= éé 100 Értékelés: R&R% Minősítés > 30% Nem elfogadható 10%<R&R%<30% Feltételesen elfogadható < 10% Megfelelő Bedzsula Bálint 308
10 Mérőeszköz-képességelemzés R&R vizsgálat példa: Mérés: Két alkalmazott 8 alkatrész 3-szor ismételték Terjedelem-módszer segítségével Ismételhetőség és reprodukálhatóság hibája? R&R%? Bedzsula Bálint 309
11 Mérőeszköz-képességelemzés R&R vizsgálat példa: A terjedelmek átlaga: =3,796 Ismétlések szórásának becslése: = =1,693 2,242 Teljes szórás becslése: -mintaelemszámtól függő konstans #$%&$ '(. /0 +,+ 1,1 8,253 Az ismételhetőség hibája: 45% 1007,38% 310
12 Mérőeszköz-képességelemzés R&R vizsgálat példa: A terjedelmek átlaga: 9,998 =2,534 A mérés szórásának becslése: é7é = =3,945 -mintaelemszámtól függő konstans 311
13 Mérőeszköz-képességelemzés R&R vizsgálat példa: A reprodukálások szórása: é7é 8 7$97: 7$97: 3,945,2,242 10,53 7$97: 3,245 A reprodukálhatóság hibája: 45;<% =>? 10015,45% A mérés R&R hibája: &% é7é #$%&$ 10022,85% Bedzsula Bálint 312
14 217. Folyamatok szabályozása A (vég)termék minőségellenőrzése helyett a selejt elkerülése, megelőzése a cél: Végtermék vizsgálata vagy a résztermékek ellenőrzése nem hatékony Idő-és energiapocséklás olyan termékekre, szolgáltatásokra, melyek nem megfelelőek Megelőzés stratégiája 1920-as évek Shewhart: alapgondolatok Veszélyes és véletlen hiba Megkülönböztetésükre ellenőrzőkártya Bedzsula Bálint 313
15 217. Ellenőrzőkártya Alapgondolatai: A folyamat jellemzőinek mintavételes figyelése Segítségével elkülöníthető a normál és a veszélyes zavarhatás alatti állapot Ismert elméleti eloszlás értéktartomány, amiben adott valószínűséggel vannak az értékek Beavatkozási határon kívülre esikveszélyes zavar jelenléte Döntésihibák (@,A) hipotézisvizsgálat UCL/FBH CL/középvonal LCL/ABH Grafikus ábrázolás felismerés minta sorszáma
16 218. Ellenőrzőkártya A fejlesztés logikai modellje: adatgyűjtés, szabályozás, elemzés fázisai Döntés a beavatkozásról A szabályozott jellemző és a beavatkozási határok egybevetése Szabályozott jellemző képzése Beavatkozás a technológiai folyamat belső törvényszerűségeinek ismeretében Technológiai és/vagy termékjellemző mérése Ember Anyag Módszer Gép Eszköz Környezet Bedzsula Bálint 315
17 219. Ellenőrzőkártya A fejlesztés logikai modellje: adatgyűjtés, szabályozás, elemzés fázisai Adatgyűjtés:a folyamat vagy termék adatait összegyűjtjük, és olyan formába alakítjuk át, hogy az ellenőrzőkártyán ábrázolható legyen. Szabályozás: az adatok alapján kiszámítjuk a beavatkozási határokat, és berajzoljuk őket a kártyákra. Rendszeresen mintát veszünk a folyamatból, az adatokat összevetjük a beavatkozási határokkal. Ha veszélyes zavarok vannak jelen, a folyamatot tovább kell tanulmányozni annak megállapítására, hogy mi okozta az eltérést. Elemzés és fejlesztés: Miután az összes veszélyes zavarral foglalkoztunk és a folyamat statisztikailag szabályozottan működik, az ellenőrzőkártyát a folyamat megfigyelésére használjuk. Az így összegyűlt adatokat felhasználhatjuk a folyamatképesség meghatározására. Ha nem képes, akkor a folyamatot kell tanulmányozni, és jellemzően menedzseri beavatkozás szükséges a rendszer fejlesztése érdekében. 316
18 Ellenőrzőkártya A kártyák működésének elvi alapjai + USL/FTH UCL/FBH CL/középvonal LCL/ABH LSL/ATH minta sorszáma Bedzsula Bálint 317
19 Ellenőrzőkártya A kártyák működésének elvi alapjai CL (Center Line): középvonal UCL/LCL (Upper/LowerControlLimit): felső/alsó beavatkozási határ számoljuk! USL/LSL (Upper/LowerSpecificationLimit): felső/alsó specifikációs/tűrés-határ adott! Bedzsula Bálint 318
20 219. Ellenőrzőkártya Az ellenőrzőkártyák használatának előnyei: Az ellenőrzőkártya növeli a termelékenységet Az ellenőrzőkártya hatásos a nem megfelelőség megelőzésében Az ellenőrzőkártya megakadályozza a felesleges folyamat (gép) állítgatásokat Az ellenőrzőkártya információt ad a folyamat (gép) állapotáról Az ellenőrzőkártya információt szolgáltat a folyamatképesség elemzésekhez Bedzsula Bálint 319
21 220. Ellenőrzőkártya Ellenőrzőkártyák fajtái Méréses kártyák egyedi érték kártya átlag, médián kártya szórás, terjedelem kártya Minősítéses kártyák np-kártya(selejtszám) c-kártya(hibaszám) p-kártya(selejtarány) u-kártya(fajlagos hibaszám) Egyéb speciális kártyák 320
22 Következtetés hibái Sokaság jó rossz A minta minősítése a sokaságról jó rossz Nincs hiba ε Elsőfajú hiba α Másodfajú hiba β Nincs hiba e Emlékeztető!? Bedzsula Bálint 321
23 Következtetés hibái α/2 β ABH FBH α/2 Emlékeztető!? Bedzsula Bálint 322
24 Ellenőrzőkártya Kártyák tervezése meghatározzuk a mintavételezés módját és a beavatkozási határokat Elvi menete: Szükséges alapadatok: A célállapot statisztikai jellemzői A döntési hibák (α, β) β-hoz tartozó alternatív (zavar) állapot statisztikai jellemzői Számolandó: n mintaszám ABH, FBH beavatkozási határok Bedzsula Bálint 323
25 220. Ellenőrzőkártya Kártyák tervezése Gyakorlati menete: Szükséges alapadatok: A célállapot statisztikai jellemzői Elsőfajú hiba (α) Mintaszám (n) β-hozkapcsolódó alternatív (zavar) állapot statisztikai jellemzői Számolandó: ABH, FBH beavatkozási határok Másodfajú hiba (β) 3σ-ásmodell Bedzsula Bálint 324
26 Feladat -volt Egy szabályozott gyártási folyamatban a kritikus minőségi jellemző µ 0 =3,1 cm 3, σ 0 =0,08 cm 3 normális eloszlást követ. a.) Számolja ki a µ 0 ±2σ 0 beavatkozási határok esetén n=1elemű mintavétel mellett az elsőfajú hiba valószínűségét! b.) Mekkora a másodfajú hiba valószínűsége, ha a várható érték µ 1 =3,3 cm 3 -re változott? Emlékeztető!? Bedzsula Bálint 325
27 Feladat -volt α/ 2 n = 1 β ABH=2,94 cm 3 µ 0 =3,1 µ 1 =3,3 α/ 2 P(ξ 0 <ABH) = 2,94 3,1 Φ = 0,08 =Φ(-2) = 2,28% β=p(abh<ξ 1 <FBH) FBH=3,26 cm 3 3,26 3,3 2,94 3,3 Φ Φ = 0,08 0,08 Φ 0,5 Φ 4,5 = 1 0, 6915 ( ) ( ) = α = 2 2,28 = 4,56% = 30,85% Emlékeztető!? Bedzsula Bálint 326
28 217. Méréses ellenőrzőkártyák Mért értékek alapján Hasznos, mert: széles körben alkalmazhatók; nagyobb információtartalom; mérési költség alacsonyabb lehet; a darabok gyártása és a javító beavatkozás közötti idő gyakran lerövidíthető; méréses adatokkal egy folyamat teljesítménye elemezhető és a fejlődés mennyiségileg meghatározható. Bedzsula Bálint 327
29 222. Méréses ellenőrzőkártyák Alkalmazásának módjai: előzetes adatfelvétel gyártásközi ellenőrzés külső előírások Páronként használjuk őket az ingadozás mértéke és a középérték helyzete (normális eloszlás két paramétere: μ;σ) átlag-terjedelem kártya Bedzsula Bálint 328
30 223. Átlag-terjedelem kártya Alkalmazásának lépései: A kártya alkalmazásának előkészítése Adatgyűjtés a folyamat paramétereinek becslésére Az ellenőrzőkártyák elkészítése Beavatkozási határok kiszámítása Értelmezés a folyamatszabályozás szempontjából Gyártásközi ellenőrzés Bedzsula Bálint 329
31 221. Átlag-terjedelem kártya Terjedelem és átlag: = + BC +. Szórás becslése: D = + = &/0 & ahol a mintaelemszámtól függő konstans E = ahol = 0 Bedzsula Bálint 330
32 213. Átlag-terjedelem kártya Átlag-kártya szerkesztése: FG C =+ = 1 I J+ + az i. minta átlaga, m a minták száma KFG C =+ +L M/ E1 =+ +L M/ GFG C =+ L M/ E1 =+ L M/
33 221. Átlag-terjedelem kártya Átlag-kártya szerkesztése: a ±3σhatárok alapján L M/ =3 KFG C = =+ +O GFG C =+ 3 külső előírás: 1 =+ O KFG C =P+ 3 1 Bedzsula Bálint 332
34 221. Átlag-terjedelem kártya Terjedelem-kártya szerkesztése: FG = = 1 I J a beavatkozási határok ±3σ esetén: KFG =+3E =+3 Q = 1+3 Q =R S GFG = 3E =R Q Bedzsula Bálint 333 =
35 Átlag-terjedelem kártya Példa: pörköltkávé-adagoló automata töltötte csomagokból fél óránként 5 elemű mintát i mintaelem átlag R veszünk és megmérjük a tömegüket! átl Bedzsula Bálint 334 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás
36 Átlag-terjedelem kártya Példa: + =249,955 =2,333 Átlag-kártya paraméterei: FG C =+ =249,955 KFG C =+ +O =249,955+0,577 2,333= =251,301 GFG C =+ O =249,955 0,577 2,333= = 248, Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás
37 Átlag-terjedelem kártya Példa: + =249,955 =2,333 Terjedelem- kártya paraméterei: FG = =2,333 KFG T =D S =2,114 2,333=4,932 LFG T =D Q =0 2,333=0 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás 336
38 Átlag-terjedelem kártya Példa: Bedzsula Bálint 337 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás
39 Átlag-terjedelem kártya Példa: Egy boradagoló automata töltötte palackokból a nyolcórás műszak alatt félóránként 3 elemű mintát veszünk és megmérjük a betöltött térfogatukat. A gyártósor mellől az alábbi eredményeket kaptuk (az első 5 minta): xx =750,0 =1,0 Minta YI Q 750,6 749,6 749,8 749,8 749,6 YI Q 0,8 1,2 0,6 1,4 0,8 Készítsen méréses ellenőrzőkártyát az adatok segítségével! (számoljon 1 tizedes jegy pontossággal!) Bedzsula Bálint 338
40 Átlag-terjedelem kártya Példa: adottak: Bedzsula Bálint 339
41 Átlag-terjedelem kártya Példa: átlag-kártya: KFG C =+ +O =75081, GFG C +,O 750,1, UCL=751 CL=750 LCL=
42 Átlag-terjedelem kártya Példa: terjedelem-kártya: KFG T =D S 2,574 12,574 GFG D Q 0 10 UCL=2,6 CL=1 LCL=0 341
43 Átlag-terjedelem kártya Feladat! Egy söradagoló automata töltötte palackokból a nyolcórás műszak alatt félóránként 3 elemű mintát veszünk és megmérjük a betöltött térfogatukat. A gyártósor mellől az alábbi eredményeket kaptuk (az első 5 minta): xx =500,0 Z =1,0 Minta [YI 3 \ 500,6 499,6 499,8 499,8 499,6 [YI 3 \ 0,8 1,2 0,6 1,4 0,8 Készítsen méréses ellenőrzőkártyát az adatok segítségével! 342
44 Ellenőrzőkártya mintázatok Western Electricszabályai a véletlenszerű viselkedés ellenőrzésére: Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás 343
45 216. Minősítéses kártyák Mérhető mennyiség helyett megfelelő/nem megfelelő kategóriák Minősítéses ellenőrzés: a hibás darabokat vagy a hibákat számoljuk Jelentőségük: széles területen használhatóak könnyű adatszerzés (már meglévő és új esetén is) segítségével fókuszálhatjuk a komolyabb vizsgálatokat Bedzsula Bálint 344
46 Összefoglalás és mint-a kérdések Milyen információkat rögzítene egy adatgyűjtő lapon? Nevezze meg a folyamatra ható zavarok típusait, röviden jellemezze azokat (1 mondat) és azonosítsa az ábra szakaszait! Mit jelent a szabályozottság és a képesség fogalma a minőségmenedzsmentben? (szemléltesse ábrával is!) Ismertesse és röviden jellemezze a minőségképesség-elemzés célját, típusait, módszereit! Értékelje az alábbi minőségképesség, ill. korrigált minőségképesség-indexszel jellemezhető folyamatot! Jellemezze a gyártási folyamatot, melynek végtermékeiből az alábbi mintát vettük! (Gauss-papír segítségével) Bedzsula Bálint 345
47 Összefoglalás és mint-a kérdések Melyek a mérési rendszer jellemzői? Mi az R&R vizsgálat lényege, melyek az ingadozás forrásai? Jellemezze az alábbi szórásokkal jellemezhető mérési rendszert! Röviden mutassa be a folyamatok szabályozása megközelítést! Mi az ellenőrzőkártyák használatának alapgondolata és melyek a segítségükkel megvalósítható fejlesztés fázisai? Milyen 2 fő típusuk van, mi az alapvető különbségük? Készítsen egy méréses ellenőrzőkártyát az alábbi adatok segítségével, jellemezze az ábrát! Bedzsula Bálint 346
Minőségmenedzsment (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
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
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
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
RészletesebbenKockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése
Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
RészletesebbenTájékoztató. Normális (Gauss-) eloszlás. Következtetés hibái. Mintavételi alapelvek. Minőségmenedzsment módszerek (SPC) 3σmás szabály.
Minőségmenedzsment módszerek (SPC) Erdei János Tájékoztató Előadó: Erdei János Tematika: Minőségmenedzsment módszerek Folyamatszabályozás logikája, eszközei, mintavételes átvételi minőség-ellenőrzés alapjai
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.
RészletesebbenKockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével
Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése
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
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
RészletesebbenMinőségirányítási rendszerek 9. előadás
Minőségirányítási rendszerek 9. előadás 013.05.03. MÉRŐESZKÖZÖK MÉRÉSTECHNIKAI TULAJDONSÁGAI Mérőeszköz rendszeres hibája (Systematic Error of Measurement) alatt ugyanannak az értéknek megismételhetőségi
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
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
RészletesebbenKockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével
Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
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
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
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
RészletesebbenHat Szigma Zöldöves Tanfolyam Tematikája
Hat Szigma Zöldöves Tanfolyam Tematikája Megjegyzések: A tanfolyamon haszáljuk: - Minitab statisztikai (demo) és - Companion by Minitab projektek menedzselésére szolgáló (demo) szoftvert, átadunk: - egy
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
RészletesebbenMSA - mérőrendszer elemzés (MSA - measurement systems analysis)
Mi értünk mérőrendszer alatt? MSA - mérőrendszer elemzés (MSA - measurement systems analysis) Ahhoz, hogy valamilyen termék, folyamatparamétert értékelni, összehasonlítani tudjunk pl.: elvárt értékkel,
RészletesebbenKontrol kártyák használata a laboratóriumi gyakorlatban
Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak
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
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
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
RészletesebbenA mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv
Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési
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
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
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenKockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén
Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia program Projekt
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
RészletesebbenKosztyán Zsolt Tibor Katona Attila Imre
Kockázatalapú többváltozós szabályozó kártya kidolgozása a mérési bizonytalanság figyelembe vételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
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
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
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 -
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
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
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenIndikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában
Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában Minőségi indikátorok az analitikai szakaszban Dr. Kocsis Ibolya Semmelweis Egyetem Laboratóriumi Medicina Intézet Központi Laboratórium
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
RészletesebbenTARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23
TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések
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
RészletesebbenIII. Képességvizsgálatok
Képességvizsgálatok 7 A folyamatképesség vizsgálata A 3 fejezetben láttuk, hogy ahhoz, hogy egy folyamat jellemzıjét a múltbeli viselkedése alapján egy jövıbeni idıpontra kiszámíthassuk (pontosabban, hogy
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
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
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
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
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
RészletesebbenI. GÉPKÉPESSÉG-VIZSGÁLAT
I. GÉPKÉPESSÉG-VIZSGÁLAT Jelen esettanulmány [1] felhasználásával készült. A minőség és megbízhatóság kapcsolatrendszerének értelmezésénél említettük, hogy a termelő berendezések esetében a két fogalom
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)
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési adatok feldolgozása A mérési eredmény megadása A mérés dokumentálása A vállalati mérőeszközök nyilvántartása 2 A mérés célja: egy
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
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...
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
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
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
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
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
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
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
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
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
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
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
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:
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenIntervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.
Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Feladatok Gazdaságstatisztika 7. Statisztikai becslések (folyt.); 8. Hipotézisvizsgálat
RészletesebbenMinőségelmélet kommunikációs dosszié MINŐSÉGELMÉLET. Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié
MINŐSÉGELMÉLET Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié MISKOLCI EGYETEM Műszaki Anyagtudományi Kar Energia- és Minőségügyi Intézet Minőségügyi Intézeti Kihelyezett Tanszék MISKOLC,
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
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenA mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra
A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
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
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
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
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenKabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.
Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:
RészletesebbenFolyadékszcintillációs spektroszkópia jegyz könyv
Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés
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
RészletesebbenMéréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)
Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba
RészletesebbenSTATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)
STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69) 1. AZ ISO SZABVÁNYOK TÉRKÉPE 2. A SZABVÁNYOK BEMUTATÁSA 3. HASZNÁLATI TANÁCSOK 4. A STATISZTIKAI SZABVÁNYOK ÉS AZ ISO 9001 5. JAVASLATOK
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
RészletesebbenKÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység
KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
Részletesebben