Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén
|
|
- Ilona Kissné
- 5 évvel ezelőtt
- Látták:
Átírás
1 Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia program Projekt megvalósulása: Dr. Kosztyán Zsolt Tibor Egyetemi docens Kvantitatív Módszerek Intézeti Tanszék Az Európai Unió és a Magyar Állam támogatásával nyújtott összes támogatás: Ft. A kutatásban résztvev kollégák: Dr. Kosztyán Zsolt Tibor Heged s Csaba Katona Attila
2 Tartalom Bizonytalanság, valószín ség, kockázat Bizonytalanság-elemzés Statisztikai folyamatszabályozó kártyák Egydimenziós kockázatalapú kártyák kialakítása Többdimenziós kockázatalapú kártyák kialakítása
3 A döntés kockázata Bizonytalanság Valószín ség A valószín séget általában meg lehet határozni, a bizonytalanságot csak jellemezni lehet. A döntés kockázata a döntés miatt bekövez esemény valószín ségével, bizonytalanságával súlyozott (általában költség) hatás.
4 A mérési bizonytalanság 0,25 p m i m i m i p m i m i A vizsgált változó értéke 0,2 0,15 0,1 0,05 p p m i p p m i p m i Mintavételi csoport sorszáma
5 Megfelel ség értékelés Megfelel ség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelel Döntés Nem megfelel Tény Megfelel Nem megfelel 11 =r 11 -c =r 10 -c =r 01 -c =r 00 -c =Fedezeti érték r=bevétel c=kiadás /2 /2
6 Bizonytalanság figyelembevétele és redukciója Figyelembevétel helyesen Figyelembevétel helytelenül Bizonytalanság figyelmen kívül hagyása
7 A statisztikai folyamatszabályozás SPC (Statistical Process Control) Cél: A min ség színvonalának biztosítása A módszer alapja: Folyamatok statisztikai jellemz inek vizsgálata m (g) 8,2 8,1 8 7,9 7,8 7,7 7,6 Minta átlag LCL UCL El nye: Legelterjedtebb alkalmazás 7,5 8, n 8,1 Eszközei: Ellen rz kártyák Hátrány: Mérési bizonytalanság figyelmen kívül hagyása m(g) 8 7,9 7,8 7,7 7,6 Átlag értékek MAi UCL LCL 7, n
8 Bizonytalanságok kezelése A termék megfelel ségét a méreteinek réshatárokhoz viszonyított elhelyezkedése szabja meg. A mérési eredményekre alapozott döntéseink hibásak lehetnek: A jó terméket selejtezzük le. (els fajú hiba) y y (k) A rossz terméket engedjük tovább. (másodfajú hiba) y (1) y(2) Ezek a hibák költségekkel járnak t
9 Bizonytalanságok kezelése A Mérési termék pontjainkat megfelel ségét helyettesítjük a méreteinek tartományokkal, réshatárokhoz amelyek nagyságát viszonyított a mér szer elhelyezkedése szórása és a szabja döntési meg. költségek határozzák meg. y y (k) A k U és k L értékek optimalizálandóak adott döntési és selejtezési költségek mellett. y (1) y(2) t
10 Bizonytalanságok kezelése A Mérési termék pontjainkat megfelel ségét helyettesítjük a méreteinek tartományokkal, réshatárokhoz amelyek nagyságát viszonyított a mér szer elhelyezkedése szórása és a szabja döntési meg. költségek határozzák meg. y y (k) A k U és k L értékek optimalizálandóak adott döntési és selejtezési költségek mellett. y (1) y(2) t
11 Bizonytalanságok kezelése A Mérési termék pontjainkat megfelel ségét helyettesítjük a méreteinek tartományokkal, réshatárokhoz amelyek nagyságát viszonyított a mér szer elhelyezkedése szórása és a szabja döntési meg. költségek határozzák meg. 8 y 7,95 A k U és k L értékek optimalizálandóak adott döntési és selejtezési költségek mellett. Gáz töltettömeg (g) 7,9 7,85 7,8 7,75 y (k) y(2) y (1) Mintavételi csoport sorszáma t 8
12 Bizonytalanságok kezelése A Mérési termék pontjainkat megfelel ségét helyettesítjük a méreteinek tartományokkal, réshatárokhoz amelyek nagyságát viszonyított a mér szer elhelyezkedése szórása és a szabja döntési meg. költségek határozzák meg. 8 A k U és k L értékek optimalizálandóak adott döntési és selejtezési költségek mellett. Gáz töltettömeg (g) y 7,95 7,9 7,85 7,8 7,75 y (k) y(2) y (1) K LSL K USL Mintavételi csoport sorszáma t
13 Egydimenziós kockázatalapú kártyacsalád kialakítása Mozgóátlag-kártya: 8,03 7,98 UCL Gáz töltettömeg (g) 7,93 7,88 7,83 CL LCL 7,78 MA(i) CL 7, Mintavételi csoport sorszáma 13
14 Egydimenziós kockázatalapú kártyacsalád kialakítása Mozgóátlag-kártya: 8,03 Gáz töltettömeg (g) 7,98 7,93 7,88 7,83 UCL CL K USL LCL K LSL 7,78 MA(i) CL 7, Mintavételi csoport sorszáma 14
15 Egydimenziós kockázatalapú kártyacsalád kialakítása Kockázatalapon m köd Mozgóátlag-kártya: RBMA 8,03 Gáz töltettömeg (g) 7,98 7,93 7,88 7,83 UCL CL K USL LCL K LSL 7,78 MA(i) CL RB= Risk Based 7, Mintavételi csoport sorszáma 15
16 Egydimenziós kockázatalapú kártyacsalád kialakítása Megbízhatóság alapú Azonos mintaelemszám, azonos mintavételi id köz Különböz mintaelemszám/k ü-lönböz mintavételi id köz Ellen rz kártyák Azonos mintaelemszám, azonos mintavételi id köz Kockázatalapú Különböz mintaelemszám/k ü-lönböz mintavételi id köz Normáleloszlás p, np, x, s, r, CUSUM, EWMA, u, c, MA CUSUM, x, EWMA, MA, p, np, s RB -x RBMA, RBCUSUM Normálistól eltér eloszlástípus x, CUSUM, R, EWMA, MA x, CUSUM, EWMA, MA RBMA, RBEWMA RBMA, RBEWMA
17 Egydimenziós kockázatalapú kártyák kialakítása - Eredmények A fedezet alakulása a K LSL és K USL konstansok függvényében, minta esetén, Weibull- eloszlást feltételezve,matlab program segítségével: 17
18 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
19 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
20 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
21 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
22 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
23 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
24 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése
25 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése Korrelálatlanság Függetlenség
26 Többdimenziós szabályozókártyák kialakítása - kihívások Mért paraméterek Mérési bizonytalanság Normalitási feltételek nemteljesülése Korrelálatlanság Függetlenség
27 Köszönöm a megtisztel figyelmet! Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és m ködtetése konvergencia program A kutatásban résztvev kollégák: Dr. Kosztyán Zsolt Tibor Heged s Csaba Katona Attila 27
Kockázatalapú 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
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
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
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
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
RészletesebbenDesign of a risk-based control chart with variable. Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék. Le Bélier Formaöntöde Zrt.
Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a statisztikai folyamatszabályozásban Design of a risk-based control chart with variable parameters in statistical process control Dr. Kosztyán
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
Részletesebben2013.03.11. Az SPC alapjai. Az SPC alapjai SPC 5. 5. Az SPC (Statistic Process Control) módszer. Dr. Illés Balázs
SPC 5 5. Az SPC (Statistic Process Control) módszer Dr. Illés Balázs BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM ELEKTRONIKAI TECHNOLÓGIA TANSZÉK Az SPC alapjai SPC (Statistical Process Controll) =
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
Részletesebben17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés
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
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
RészletesebbenStatisztikai folyamatszabályozás Minitab szoftverrel
Statisztikai folyamatszabályozás Minitab szoftverrel A Minitab általános statisztikai szoftvert elsősorban statisztikai feladatok megoldására (oktatásra és minőségfejlesztésre) használják, és másodsorban
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
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
RészletesebbenEllátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
RészletesebbenKOCKÁZATKEZELÉS A REZGÉSDIAGNOSZTIKÁBAN TÖBBVÁLTOZÓS SZABÁLYOZÓ KÁRTYA SEGÍTSÉGÉVEL
KOCKÁZATKEZELÉS A REZGÉSDIAGNOSZTIKÁBAN TÖBBVÁLTOZÓS SZABÁLYOZÓ KÁRTYA SEGÍTSÉGÉVEL Dr. Kosztyán Zsolt Tibor, Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék Katona Attila Imre, Pannon Egyetem,
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.
RészletesebbenDr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati
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
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
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
RészletesebbenKOCKÁZATALAPÚ DÖNTÉSEK TÁMOGATÁSA A MÉRÉSI BIZONYTALANSÁG FIGYELEMBEVÉTELÉVEL HEGEDŰS CSABA 1
KOCKÁZATALAPÚ DÖNTÉSEK TÁMOGATÁSA A MÉRÉSI BIZONYTALANSÁG FIGYELEMBEVÉTELÉVEL HEGEDŰS CSABA 1 Összefoglalás: A tevékenységirányításban a döntések nagy része mérési eredményekre épül, azonban ezek a döntések
RészletesebbenGazdálkodás- és Szervezéstudományok Doktori Iskola. Katona Attila Imre. Kockázatalapú statisztikai folyamatszabályozás
PANNON EGYETEM Gazdálkodás- és Szervezéstudományok Doktori Iskola Katona Attila Imre Kockázatalapú statisztikai folyamatszabályozás című doktori (Ph.D) értekezés tézisgyűjteménye Témavezető: Dr. habil.
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
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
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
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:
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
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
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
Részletesebben1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?
Statisztika 2015. május 08. D csoport Név Neptun kód 1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik pályázatnál 320 pályázóból 42 nyert, a másik pályázatnál
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenMódszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22
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
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
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
Részletesebben2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
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
RészletesebbenE-CONOM. Online tudományos folyóirat I Online Scientific Journal ISSN 2063-644X
E-CONOM Online tudományos folyóirat I Online Scientific Journal Főszerkesztő I Editor-in-Chief JUHÁSZ Lajos Kiadja I Publisher Nyugat-magyarországi Egyetem Kiadó I University of West Hungary Press A szerkesztőség
RészletesebbenGazdálkodás- és Szervezéstudományok Doktori Iskola
PANNON EGYETEM Gazdálkodás- és Szervezéstudományok Doktori Iskola Hegedűs Csaba Kockázatalapú döntések támogatása a megfelelőség értékelésében a mérési bizonytalanság figyelembevételével című doktori (Ph.D)
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
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
RészletesebbenA kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András
Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat
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
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
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
RészletesebbenFELSZÍN ALATTI VIZEK RADONTARTALMÁNAK VIZSGÁLATA ISASZEG TERÜLETÉN
FELSZÍN ALATTI VIZEK RADONTARTALMÁNAK VIZSGÁLATA ISASZEG TERÜLETÉN Készítette: KLINCSEK KRISZTINA környezettudomány szakos hallgató Témavezető: HORVÁTH ÁKOS egyetemi docens ELTE TTK Atomfizika Tanszék
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenYou created this PDF from an application that is not licensed to print to novapdf printer (
4.6 4. 4.8 4.4 4.0 4.6 4. 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 Run: Run: Run: Run: 4 Run: 5 Run: 6 4.6 4. 4.8 4.4 4.0 4.6 4. 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5 6 7 8 4 5
RészletesebbenA társadalmi kapcsolatok jellemzői
A társadalmi kapcsolatok jellemzői A győri lakosság kapcsolati tőkekészletének sajátosságai Dr. Csizmadia Zoltán, tanszékvezető egyetemi docens SZE PLI Szociális Tanulmányok Tanszék Zárórendezvény Győr,
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
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
RészletesebbenTérfogat és súly alapú faátvétel problémái
49. FAGOSZ Fakonferencia 2015. október 28-29. Balatonszemes Térfogat és súly alapú faátvétel problémái Nyugat-magyarországi Egyetem Innovációs Központ Pásztory Zoltán Fakitermelés Fakitermelés 6,5-7,5
RészletesebbenE-CONOM. Online tudományos folyóirat I Online Scientific Journal ISSN 2063-644X
E-CONOM Online tudományos folyóirat I Online Scientific Journal Főszerkesztő I Editor-in-Chief JUHÁSZ Lajos Kiadja I Publisher Nyugat-magyarországi Egyetem Kiadó I University of West Hungary Press A szerkesztőség
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
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
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
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
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
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 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:
RészletesebbenKockázatkezelés és biztosítás 1. konzultáció 2. rész
Kockázatkezelés és biztosítás 1. konzultáció 2. rész Témák 1) A kockázatkezelés eszközei 2) A kockázatkezelés szakmai területei 3) A kockázatelemzés nem holisztikus technikái 4) Kockázatfinanszírozás 5)
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
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,
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. 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
Részletesebben10. Mintavételi tervek minısítéses ellenırzéshez
10. Mintavételi tervek minısítéses ellenırzéshez Az átvételi ellenırzés akkor minısítéses, ha a mintában a selejtes elemek számát ill. a hibák számát vizsgáljuk, és ebbıl vonunk le következtetést a tételbeli
Részletesebben0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat
A 1. A feln ttkorú munkaképes lakosság 24%-a beszél legalább egy idegen nyelvet, 76%-a nem beszél idegen nyelven. Az idegen nyelvet beszél k 2,5%-a, az idegen nyelvet nem beszél k 10%-a munkanélküli. Véletlenszer
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
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
RészletesebbenTranszformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv
Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv Áttekintés A Rendszer jelentősége Állapotjellemzők MérőTranszformátor Állapot
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenNEMZETKÖZI KONFERENCIA KIADVÁNYA
" KARBANTARTÁS SZEREPE AZ ÜZLETI FOLYAMATOK ÚJRAGONDOLÁSÁBAN" NEMZETKÖZI KONFERENCIA KIADVÁNYA 2014. június 2-3 Veszprém Szerkesztő: Dr. Balogh Ágnes Lektorálta: Dr. Gaál Zoltán ISBN 978-963-396-012-7
RészletesebbenMatematikai modellek. Nagyprojekt
Matematikai modellek Nagyprojekt El adók: Ágoston Dóra Csenge, Unger Tamás István B.Sc. szakos matematikus hallgatók Szegedi Tudományegyetem Bolyai Intézet 2018. május 19. 2017/2018 tavaszi szemeszter
RészletesebbenA hallgatói preferenciák elemzése statisztikai módszerekkel
A hallgatói preferenciák elemzése statisztikai módszerekkel Kosztyán Zsolt Tibor 1, Katona Attila Imre 1, Neumanné Virág Ildikó 2, Telcs András 1 1,2 Pannon Egyetem, 1 Kvantitatív Módszerek Intézeti Tanszék,
RészletesebbenVarianciaanalízis 4/24/12
1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása
RészletesebbenA kockázatkezelés az államháztartási belső kontrollrendszer vonatkozásában
A kockázatkezelés az államháztartási belső kontrollrendszer vonatkozásában Előadó: Ivanyos János Trusted Business Partners Kft. ügyvezetője Magyar Közgazdasági Társaság Felelős Vállalatirányítás szakosztályának
RészletesebbenEGYIRÁNYBAN ER SÍTETT KOMPOZIT RUDAK HAJLÍTÓ KARAKTERISZTIKÁJÁNAK ÉS TÖNKREMENETELI FOLYAMATÁNAK ELEMZÉSE
Budapest M szaki és Gazdaságtudományi Egyetem Polimertecnika Tanszék EGYIRÁNYBAN ER SÍTETT KOMPOZIT RUDAK HAJLÍTÓ KARAKTERISZTIKÁJÁNAK ÉS TÖNKREMENETELI OLYAMATÁNAK ELEMZÉSE Tézisek Rácz Zsolt Témavezet
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
RészletesebbenValószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)
Gyakorlat (Kétmintás próbák) 2018. december 4. Kétmintás u-próba 1 Adott két független minta 0.0012 szórású normális eloszlásból. Az egyik, 9 elem minta realizációjának átlaga 0.1672, a másik 16 elem é
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
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.
RészletesebbenElérhetőségek. Dr. Varga Gabriella K.mf.20. varga_gabriella@hotmail.com gvarga@mail.bme.hu. Tanszéki honlap: www.gtt.bme.hu
1. Elérhetőségek Dr. Varga Gabriella K.mf.20. varga_gabriella@hotmail.com gvarga@mail.bme.hu Tanszéki honlap: www.gtt.bme.hu 2. Hallgatói feladatok Zárthelyi dolgozat: 30% 1. HF: 40 % (határidő: 8. hét,
RészletesebbenStatisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék
Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. április 17. Outline 1 Leíró statisztikák 2 Középértékek Példa 3 Szóródási mutatók Példa 4 Néhány megjegyzés a grafikonokról 5 Számítások
RészletesebbenGondolatok a belső auditorok felkészültségéről és értékeléséről Előadó: Turi Tibor vezetési tanácsadó, CMC az MSZT/MCS 901 szakértője
Gondolatok a belső auditorok felkészültségéről és értékeléséről Előadó: Turi Tibor vezetési tanácsadó, CMC az MSZT/MCS 901 szakértője 1 Az előadás témái Emlékeztetőül: összefoglaló a változásokról Alkalmazási
RészletesebbenIrányításelmélet és technika II.
Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november
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,
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenA kockázatkezelő feladatai az AEGON gyakorlatában Zombor Zsolt 2013. május 30.
A kockázatkezelő feladatai az AEGON gyakorlatában Zombor Zsolt 2013. május 30. aegon.com Védelmi vonalak Kockázat 1. védelmi vonal Mindenki (Aktuáriusok) 2. védelmi vonal Kockázatkezelés, Compliance 3.
Részletesebben7, 6, 0, 4, 0, 1, 5, 2, 2, 16, 1, 0, 2, 3, 9, 2, 4, 10, 3, 1, 2, 12, 4, 1
52. feladat Stat Jenő egyetemi hallgató autóbusszal jár az egyetemre. Néhány napon át megmérte, hogy mennyit kell várnia az első egyetem felé közlekedő autóbuszra. A következő időket tapasztalta (percben):
RészletesebbenNYF-MMFK Műszaki Alapozó és Gépgyártástechnológia Tanszék gépészmérnöki szak III. évfolyam
Tantárgy neve: INFORMATIKÁVAL TÁMOGATOTT MINŐSÉGMENEDZSMENT Tantárgy kódja: GM 2503 Meghirdetés féléve: 5. Össz-óraszám (elm. + gyak.): 28 5. 14 1 1 14 14 Összesen: 14 14 Előfeltétel (tantárgyi kód): GM
RészletesebbenGEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ
GEOSTATISZTIKA Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet
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
RészletesebbenSzolvencia II. Biztosítástechnikai tartalékok 2005.04.27
Szolvencia II. Biztosítástechnikai tartalékok 2005.04.27 Biztosítástechnikai tartalékok A. Nem-életbiztosítási tartalékok B. Életbiztosítási tartalékok C. Próbaszámolások 2005.04.27 2 A. Nem-életbiztosítási
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenSPC egyszerően, olcsón, eredményesen
SPC egyszerően, olcsón, eredményesen Rába Tivadar Six Sigma Black Belt BorgWarner Turbo System April 7, 2007 1 Mi az SPC? Miért pont SPC? Tán Show Program for Costumer? Szakértık Statisztikai folyamat
Részletesebben