MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár"

Átírás

1 MINİSÉGBIZTOSÍTÁS Összeállította: Dr. Kovács Zsolt egyetemi tanár 12. ELİADÁS Május 9. NyME FMK Terméktervezési és Gyártástechnológiai Intézet NYME FMK TGYI fólia Készült a Nemzeti Fejlesztési Terv HEFOP Operatív Programja keretében

2 Az átvételi teli minıség-ellen ellenırzés s alapelvei Száll llító: Vevı: tételt telt ad át t megnevezett minıségi szinttel (selejtaránnyal) tételt telt vesz át t a megnevezett minıségi szint feltételez telezésével Három eset lehetséges: minden darabos vizsgálat vizsgálat nélkn lküli li átvétel tel (SPC dokumentumai alapján) mintavételes teles ellenırz rzés

3 Az átvételi teli minıség-ellen ellenırzés s alapelvei Tétel elemeinek száma N Minta elemeinek száma n Mintavételes teles ellenırz rzés Nullhipotézis H 0 : p p 0 Ellenhipotézis H 1 : p > p 0 Binomiális eloszlás Száll llító kockázata: α elsıfaj fajú hiba (a( p < p 0 tételbıl l vett minta alapján n a vevı elutasítja tja a tételt) t telt) Vevı kockázata: N>> >>n β másodfajú hiba (a( p > p 0 tételbıl l vett minta alapján n a vevı elfogadja a tételt) t telt) A másodfajm sodfajú hiba nagysága ga H1 ellenhipotézishez kötött, k tt, egy adott p 1 > p 0 selejtarány fennáll llására vonatkozik

4 Adott: ELLENİRZ RZÉSI TERV a tétel t tel elemszáma ma (N)( Keressük: a minta elemszámát t (n)( és n és c felvétel teléhez ismerni kell: az elfogadási határt (c).( - az elsı- és s másodfajm sodfajú hiba nagyságát t ( (α és β), - a tétel t tel p 0 elfogadási selejtarány nyát,, vagyis az átvételi teli hibaszintet (AQL Acceptable Quality Level) - az ellenhipotézis szerinti p 1 értéket (amire a β vonatkozik), vagyis az elutasítási si szintet (RQL Rejectable Quality Level; LTPD Lot Tolerance Percent Defective)

5 Példa Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája Tétel elemeinek száma N = 1000 Minta elemeinek száma n = Nullhipotézis H 0 : p 0 = 0,01 Ellenhipotézis H 1 : p = 0,05 Ha H 0 fennáll, az n = mintában legnagyobb valósz színőséggel n p 0 = 0,01 = 0,8 1 selejtes elem fordul elı!

6 Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája n k n k p = p ( 1 p) k p = 0,01 p = 0,05 k P(D = k) F (k) = = P( D k) P(D = k) 0 0 0,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,4475 0,05 0,95 = 0, ,91 0,05 0,95 = 0, ,9534 0,05 0,95 = 0, ,9913 0,05 0,95 = 0, ,9987 0,05 0,95 = 0, Legyen az elıírás: c=2 átvesszük, ha D kisebb, vagy egyenlı 2-vel; elutasítjuk, tjuk, ha D nagyobb, mint 2 F (k) = = P( D k) 0, , , , ,62889

7 Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája p = 0,01 p = 0,05 k P(D = k) F (k) = = P( D k) P(D = k) 0 0 0,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,01 0,99 = 0, ,4475 0,05 0,95 = 0, ,91 0,05 0,95 = 0, ,9534 0,05 0,95 = 0, ,9913 0,05 0,95 = 0, ,9987 0,05 0,95 = 0, Az elıírás s szerint a tételt t telt akkor utasítjuk tjuk el, ha D > 2. a hibás s elutasítás s valósz színősége α = a hibás s elfogadás s valósz színősége. F (k) = = P( D k) 0, , , , ,62889 ( D > 2 p ) = 1 P(D 2 ) = 1 0,9534 0, 0466 P ( D 2 p1 ) = 0, P 0 = β =

8 Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája Az elfogadás s valósz színősége különbk nbözı alternatív állapotokra: OC görbe α 1-α β p P a =P(D 2) 0,00 1, ,01 0, ,02 0, ,03 0, ,04 0, ,05 0, ,06 0, ,07 0, ,08 0, ,09 0, ,10 0, ,11 0, ,12 0,00256 AQL LPTD

9 Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája A mőködési m jelleggörbe függ f n-tıl n és s c-tıl. c P = 0,1 esetén, 100%-os ellenırz rzésre:

10 Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája A mőködési m jelleggörbe függ f n-tıl n és s c-tıl. c

11 Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával normál szigorított enyhített ellenırz rzés α értéke szerint. Az ellenırz rzés s szigorúsága ga az elsıfaj fajú hiba nagyságát t határozza meg, normális ellenırz rzésre ez 0,01és s 0,09 között k van.

12 Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával A különbözı szigorúságú tervek jelleggörb rbéi i a nullhipotézisnek megfelelı p 0 selejtarány környezetk rnyezetében jelentısen, nagyobb selejtarányokn nyoknál l pedig alig különbözı P a =1-α átvételi teli valósz színőséget adnak meg. P a 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 enyhített normális szigorított 0,0 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,10 p 0 p 1 p

13 Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával Az átvételi teli tervek különbk nbözı ellenırz rzési fokozatai: - általános fokozatok: I, II, III, járulékos fokozatok: S-1, S S-2, S S-3, S S-4. S Az ellenırz rzési fokozatoknál viszont az ellenhipotézis szerinti selejtarányokn nyoknál l a másodfajú hiba valósz színőségében van nagy különbsk nbség. P a 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 I. fokozat II. fokozat III. fokozat 0,0 0,00 0,01 0,02 0,03 0,04 0,05 0,06 Minıségtervezés 2006 Kovács Zsolt p 0 p 1 p

14 A táblt blázatos mintavételi teli tervek használata Az MSZ (ISO stb.) szabványok táblt blázatokat adnak a szüks kséges mintaelemszámra mra és s az elfogadási határért rtékre. Az átvételi teli ellenırz rzési terv fajtájában és s szigorúságában, valamint a mintavételi teli lépcsl pcsık k számában és s az átvételi teli hibaszint (AQL) értékében az átadó és s az átvevı elıre megállapodik. Ezt követk vetıen en a tétel t tel ellenırz rzése a megállap llapított paramétereknek megfelelı szabványos ellenırz rzési terv szerint törtt rténik. A táblt blázatok használata során n elısz ször r a tételnagyst telnagyság és s az ellenırz rzési fokozat szerint a kulcsjel-tábl blázatból egy nagy betővel jelölt lt kódot k kapunk. (Péld ldánkban az 1000 db-os tétel t tel ellenırz rzéséhez a II. fokozatban állapodtunk meg.)

15 Kulcsjel-tábl blázat Tételnagyság, db A táblt blázatos mintavételi teli tervek használata S-1 S-2 S-3 S-4 I II III 1-8 A A A A A A B 9-15 A A A A A B C A A B B B C D A B B C C D E B B C C C E F B B C D D F G B C D E E G H B C D E F H J C C E F G J K C D E G H K L C D F G J L M Ellenırzési fokozat

16 A táblt blázatos mintavételi teli tervek használata Egyszeres mintavételi teli terv normális vizsgálatra. Kulcsjel Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re F G H J K L M Mintanagyság, db Átvételi hibaszint

17 A táblt blázatos mintavételi teli tervek használata Többszörös mintavételi teli terv normális vizsgálatra. A Mintanagyság kiveendtesen együt- db F G H Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re J K L M Kulcsjel * * Átvételi hibaszint * * * *

18 A STATISZTIKAI MINİSÉGSZAB GSZABÁLYOZÁS S GENERÁCI CIÓI 1. Generáció: ellenırzı kártyák (Shewhart) Késztermékek, félkész termékek egyedi minıségi paraméterei. 2. Generáció: SQC (statisztikai minıség szabályozás) Egyedi minıségpontokon ellenırzı-szabályozó kártyákat a teljes gyártási folyamatban, valamennyi minıségpontot figyelembe véve összehangolják, és a végtermék paramétereinek szabályozott állapotához igazítják. 3. Generáció: SPC (statisztikai folyamat szabályozás) A minıségparamétereket ( Q ) meghatározó folyamatparaméterek (P) szabályozott állapotát, minıségállapotot érhetünk el.

19 a minıségszabályozás három generációja : ELSİ GENERÁCIÓ : ellenırzıkártyák egyedi minıségparaméterek utólagos negatív visszacsatolásos szabályozása egyedi minıségpontokon MÁSODIK GENERÁCIÓ : S Q C a teljes gyártási, szolgáltatási folyamaton belül valamennyi minıségparaméter összehangolt szabályozása a szükséges minıségpontokon HARMADIK GENERÁCIÓ : S P C a minıségparamétereket befolyásoló rendszerparaméterek összehangolt szabályozása

20 az ellenırzıkártya egyedi minıségparaméterek statisztikai jellemzıit ( átlag, medián, terjedelem, szórás ) folyamatos kismintás vizsgálat alapján összehasonlítja a kiszámított beavatkozási határokkal, és a veszélyes hiba fellépésekor jelentkezı szignifikáns eltérés esetén jelzi a beavatkozás esetleges szükségességét.

21 az ellenırzıkártya alapelvei : 1. a minıségjellemzık eloszlása szabályozott/ill. szabályozásra alkalmas helyzetben ismert eloszlással modellezhetı, a beavatkozási határok e modell ( pl. normális eloszlás ) alapján meghatározhatók; 2. a gyakorlati szabályozás lényegében egy folyamatos, grafikus szignifikancia vizsgálat, amelynek során a minta ténylegesen mért értékeit összevetjük a beavatkozási határokkal; 3. a konkrét beavatkozás az elvégzett elemzések ok-okozati összefüggéseire támaszkodva zajlik.

22 az ellenırzıkártyás rendszer kidolgozása : a vizsgált jellemzı és a kártyatípus kiválasztása; a véletlen sáv és a számítási összefüggések meghatározása; a szabályozás döntési feltételeinek meghatározása; a mintavételi rendszer kidolgozása; a beavatkozási határok megállapítása; a rendszer folyamatos mőködtetése.

23 MÁSODIK GENERÁCIÓ = S Q C a teljes gyártási, szolgáltatási folyamaton belül valamennyi minıségparaméter összehangolt szabályozása a szükséges minıségpontokon

24 A cél: ellenırzött állapotban tartani a termék minıségi jellemzıit azon keresztül, hogy az elıállító folyamat ellenırzött állapotban marad.

25 A feladat ennek megfelelıen: 1. A szabályozás kritikus pontjainak meghatározása (ha szükséges, pl. ABC, Ishikawa stb. módszerrel). 2. A kritikus pontok statisztikai felmérése (szabályozottságés/vagy képességelemzés). 3. Az ellenırzendı jellemzık kiválasztása, 4. Ellenırzı kártya típusának meghatározása, megtervezése (ellenırzıhatárok, szükséges mintanagyság, idıköz megállapítása) 5. Ellenırzı kártya felhasználása a folyamatokat érintı döntésekben. 6. Ellenırzıhatárok újraszámítása (nagyobb idıszakonként).

26 cm 3 0,7 betöltött gáztérfogat 2. TÚLTELJESÍTİ 0,740 0,700 ELMÉLETI 0,640 0, KRITIKUS

27 minıségjellemzık tőrésükhez képest FTH 3. jellemzı NÉVL. ATH 2. jellemzı 1. jellemzı 4. jellemzı

28 HARMADIK GENERÁCIÓ = S P C a minıségparamétereket befolyásoló rendszerparaméterek összehangolt szabályozása

29 A cél: ellenırzött állapotban tartani a rendszer mőködését azon keresztül, hogy folyamatai ellenırzött állapotban maradnak.

30 % v TÁVOLLÉT NAPONTA

31 % vújraírt szerzıdések száma naponta

10. Mintavételi tervek minısítéses ellenırzéshez

10. 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

Részletesebben

10-6. ábra. Az áttérési szabályok rendszere (Papp L., Róth P., Németh L., 1992)

10-6. ábra. Az áttérési szabályok rendszere (Papp L., Róth P., Németh L., 1992) Hasonlítsuk össze az I., II. és III. fokozat, ill. az S1-S4 különleges fokozatok jelleggörbéit, melyeket a 10-4. és 10-5. ábra mutat. S1-tôl S4 ill. az I.-tôl a III. felé haladva a nagy selejtarányú tétel

Részletesebben

Minőségirányítási rendszerek 8. előadás 2013.05.03.

Minőségirányítási rendszerek 8. előadás 2013.05.03. Miőségiráyítási redszerek 8. előadás 2013.05.03. Miőségtartó szabályozás Elleőrző kártyák miősítéses jellemzőkre Két esete: A termékre voatkozó adat: - valamely jellemző alapjá megfelelő em megfelelő:

Részletesebben

Mintavételes átvételi ellenőrzés

Mintavételes átvételi ellenőrzés Mintavételes átvételi ellenőrzés öntés a tétel átvételéről vagy visszautasításáról beszállítótól érkezett tétel másik részlegből érkezett tétel kiszállítandó tétel Nem paraméterbecslés, hanem hipotézisvizsgálat

Részletesebben

Gépipari minıségellenırzés

Gépipari minıségellenırzés Gépipari minıségellenırzés ek Gépészmérnök levelező képzésben részt vevők részére Összeállította: Horváthné DrégelyiKiss Ágota Kis Ferenc Lektorálta: Galla Jánosné 009 Tartalomjegyzék. gyakorlat Furatok

Részletesebben

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai

Részletesebben

MINİSÉGBIZTOSÍTÁS 3. ELİADÁS Február 21. Összeállította: Dr. Kovács Zsolt egyetemi tanár

MINİSÉGBIZTOSÍTÁS 3. ELİADÁS Február 21. Összeállította: Dr. Kovács Zsolt egyetemi tanár MINİSÉGBIZTOSÍTÁS egyetemi tanár 3. ELİADÁS 2011. Február 21. NYME FMK TGYI 2006.08.28. 1. fólia FMEA A HIBAELEMZÉSI MÓDSZEREK GYAKORLATI KOMBINÁLÁSA NYME FMK TGYI 2006.08.28. 1/2. fólia FMEA TIPHIB Elnevezés:

Részletesebben

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis 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

Részletesebben

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. 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

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria 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

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

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

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés 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 -

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, 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

Részletesebben

4. A méréses ellenırzı kártyák szerkesztése

4. 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.

Részletesebben

Hanthy László Tel.: 06 20 9420052

Hanthy 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

Részletesebben

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Kockázatalapú 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

Részletesebben

MINİSÉGBIZTOSÍTÁS. Tantárgy óraszáma: 2+2+0 (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul.

MINİSÉGBIZTOSÍTÁS. 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

Részletesebben

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia

Részletesebben

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Kockázatok 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

Részletesebben

Kosztyán Zsolt Tibor Katona Attila Imre

Kosztyán 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

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

földtudományi 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

Részletesebben

TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I.

TERMÉKEK 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

Részletesebben

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Kockázatkezelés 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

Részletesebben

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás

Minőségellenőrzés. 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

Részletesebben

17. Folyamatszabályozás módszerei

17. Folyamatszabályozás módszerei 17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés

Részletesebben

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

STATISZTIKAI 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

Részletesebben

Funkcionális menedzsment Általános (naturális) filozófiai értelmezés

Funkcionális menedzsment Általános (naturális) filozófiai értelmezés MINİSÉGMENEDZSMENT Funkcionális menedzsment 2. A minıség filozófiai értelmezése 1. Általános (naturális) filozófiai értelmezés A minıség egy adott dolog azon tulajdonságainak összessége, amelyek azzá teszik

Részletesebben

Statisztika Elıadások letölthetık a címrıl

Statisztika 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

Részletesebben

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

Részletesebben

MINİSÉGBIZTOSÍTÁS. 8. ELİADÁS Mérıeszköz megfelelıség Mérıeszköz-képesség vizsgálat. 2011. Április 4. Összeállította: Dr. Kovács Zsolt egyetemi tanár

MINİSÉGBIZTOSÍTÁS. 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

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - 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

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC 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

Részletesebben

STATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)

STATISZTIKA. ( 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

Részletesebben

Normális eloszlás paramétereire vonatkozó próbák

Normális 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

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés 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

Részletesebben

Asztalosipari termékek szerkezete

Asztalosipari termékek szerkezete Asztalosipari termékek szerkezete Összeállította: Dr. Kovács Zsolt NyME FMK Terméktervezési és Gyártástechnológiai Intézet http://tgyi.fmk.nyme.hu NYME FMK TGYI 2006.08.28. Készült a Nemzeti Fejlesztési

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. 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

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós 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

Részletesebben

Drégelyi-Kiss Ágota: Minıségszabályozás a gépiparban

Drégelyi-Kiss Ágota: Minıségszabályozás a gépiparban Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar Anyagtudományi és Gyártástechnológiai Intézet Minıségszabályozás a gépiparban Levelezı gépészmérnök hallgatók részére Drégelyi-Kiss Ágota

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok 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

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Ismétlı áttekintés. Statisztika II., 1. alkalom

Ismétlı áttekintés. Statisztika II., 1. alkalom Ismétlı áttekintés Statisztika II., 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások. Sokkal inkább: H0: Nincs diszlexiás kitőnı tanuló általános iskolában Mo-on.

Részletesebben

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kabos: 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:

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai 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:

Részletesebben

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Egyszempontos 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

Részletesebben

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Kiváltott 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.

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. 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

Részletesebben

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

1. 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK

MINŐSÉGÜGYI 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

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

TARTALOMJEGYZÉK. 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

Részletesebben

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv Méréstechnika II. ek FSZ képzésben részt vevők részére Összeállította: Horváthné Drégelyi-Kiss Ágota Kis Ferenc Lektorálta: Galla Jánosné 009 Tartalomjegyzék. gyakorlat Mérőhasábok, mérési eredmény megadása.

Részletesebben

Tájékoztató. Normális (Gauss-) eloszlás. Következtetés hibái. Mintavételi alapelvek. Minőségmenedzsment módszerek (SPC) 3σmás szabály.

Tájékoztató. 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

Részletesebben

Laboratóriumi riumi diagnosztikai folyamatok pre-és posztanalitikai hibalehetıségei

Laboratóriumi riumi diagnosztikai folyamatok pre-és posztanalitikai hibalehetıségei Laboratóriumi riumi diagnosztikai folyamatok pre-és posztanalitikai hibalehetıségei Dr. Gilyán Judit, Dr. Havass Zoltán Erzsébet KórhK rház - Rendelıint intézet Központi Laboratórium rium Hódmezıvásárhely

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 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

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ 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

Részletesebben

Korreláció és lineáris regresszió

Korreláció és lineáris regresszió Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.

Részletesebben

III. Képességvizsgálatok

III. 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

Részletesebben

SPC egyszerően, olcsón, eredményesen

SPC 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

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Kettőnél 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

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai 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

Minőségelmélet kommunikációs dosszié MINŐSÉGELMÉLET. Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié

Minőségelmélet 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,

Részletesebben

MINİSÉGBIZTOSÍTÁS 6. ELİADÁS Március 19. Összeállította: Dr. Kovács Zsolt egyetemi tanár

MINİSÉGBIZTOSÍTÁS 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

Részletesebben

2.6. A fogaskerekek tőrésezése, illesztése. Fogaskerék szerkezetek. Hajtómővek.

2.6. A fogaskerekek tőrésezése, illesztése. Fogaskerék szerkezetek. Hajtómővek. 2.6. A fogaskerekek tőrésezése, illesztése. Fogaskerék szerkezetek. Hajtómővek. Tevékenység: Olvassa el a jegyzet 124-145 oldalain található tananyagát! Tanulmányozza át a segédlet 9.8. fejezetében lévı

Részletesebben

A rák, mint genetikai betegség

A rák, mint genetikai betegség A rák, mint genetikai betegség Diák: Ferencz Arnold-Béla la Felkész szítı tanár: József J Éva Bolyai Farkas Elméleti leti LíceumL Mi is a rák r tulajdonképpen? A rák r k egy olyan betegség g ahol sejt

Részletesebben

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 1. A populációt a számunkra érdekes egységek (személyek, csalások, iskolák stb.) alkotják,

Részletesebben

Normális eloszlás tesztje

Normális 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

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem

Budapesti 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

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria 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

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Biomatematika 13. Varianciaanaĺızis (ANOVA) Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. 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

Részletesebben

Intervallumbecsle 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. 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

Részletesebben

Metrológiai alapok. Horváthné Drégelyi-Kiss Ágota Fıiskolai tanársegéd, BMF BGK AGI. E-mail: dregelyi.agota@bgk.bmf.hu URL: www.bmf.

Metrológiai alapok. Horváthné Drégelyi-Kiss Ágota Fıiskolai tanársegéd, BMF BGK AGI. E-mail: dregelyi.agota@bgk.bmf.hu URL: www.bmf. Méréselmélet let és s méréstechnikam Környezetmérnök k hallgatók k részr szére Horváthné Drégelyi-Kiss Ágota Fıiskolai tanársegéd, BMF BGK AGI E-mail: dregelyi.agota@bgk.bmf.hu URL: www.bmf.hu/users users/dregelyia/

Részletesebben

Statisztikai módszerek

Statisztikai 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

Részletesebben

IV. Átvételi minıségellenırzés 9. Az átvételi minıségellenırzés alapelvei

IV. Átvételi minıségellenırzés 9. Az átvételi minıségellenırzés alapelvei IV. Átvételi minıségellenırzés 9. Az átvételi minıségellenırzés lpelvei Az átvételi minıségellenırzés sttisztiki minıségszbályozás hgyományos területe. Tipikus átvételi minıségellenırzési szituáció következı:

Részletesebben

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Statistical 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

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kettőnél 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

Részletesebben

AZ ÁTI DEPO KÖZRAKTÁROZÁSI ZRT. ÁRUMINİSÍTÉSI, ÉS ÁRUÉRTÉKELÉSI SZABÁLYZAT

AZ ÁTI DEPO KÖZRAKTÁROZÁSI ZRT. ÁRUMINİSÍTÉSI, ÉS ÁRUÉRTÉKELÉSI SZABÁLYZAT AZ ÁTI DEPO KÖZRAKTÁROZÁSI ZRT. ÁRUMINİSÍTÉSI, ÉS ÁRUÉRTÉKELÉSI SZABÁLYZAT Érvényes: 2008. december 10-tıl 1 ÁLTALÁNOS RENDELKEZÉSEK A jelen szabályzat a ÁTI DEPO Közraktározási Zrt. (továbbiakban: Közraktár)

Részletesebben

Biometria gyakorló feladatok BsC hallgatók számára

Biometria 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

Részletesebben

Nemparaméteres próbák

Nemparaméteres 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

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani 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

Részletesebben

A belsı kontrollok szerepe az önkormányzati ellenırzésekben. a Magyar Könyvvizsgálói Kamara és az Állami Számvevıszék szemináriuma 2013. március 7.

A belsı kontrollok szerepe az önkormányzati ellenırzésekben. a Magyar Könyvvizsgálói Kamara és az Állami Számvevıszék szemináriuma 2013. március 7. A belsı kontrollok szerepe az önkormányzati ellenırzésekben a Magyar Könyvvizsgálói Kamara és az Állami Számvevıszék szemináriuma 2013. március 7. Az Állami Számvevıszék küldetése 2 Szilárd szakmai alapon

Részletesebben

Hat Szigma Zöldöves Tanfolyam Tematikája

Hat 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

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több 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...

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. 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

Részletesebben

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti. Elmélet let BIOMETRIA 7. Előad adás Variancia-anal Lineáris modellek A magyarázat a függf ggő változó teljes heterogenitásának nak két k t részre r bontását t jelenti. A teljes heterogenitás s egyik része

Részletesebben

A szárított faanyag minıségének korrekt meghatározása, különös tekintettel az EU-s szabványokra

A szárított faanyag minıségének korrekt meghatározása, különös tekintettel az EU-s szabványokra A szárított faanyag minıségének korrekt meghatározása, különös tekintettel az EU-s szabványokra Dr. Németh Róbert Prof. Dr Takáts Péter Szabvány fogalma A szabvány elismert szervezet által alkotott vagy

Részletesebben

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. : Statisztikai hipotézisek Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

Részletesebben

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Tartalomjegyzék 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

Részletesebben