Sorozatmérés digitális mérőórával 3.
|
|
- Teréz Pásztor
- 7 évvel ezelőtt
- Látták:
Átírás
1 Mechatronika, Optika és Gépészeti Informatika Tanszék kiadva: Sorozatmérés digitális mérőórával 3. A mérések helyszíne: D. épület 523-as terem. Az aktuális mérési segédletek a MOGI Tanszék honlapján érhetők el a oldalon. 1. A mérés célja Egy mérési sorozat statisztikai paramétereinek meghatározása, digitális kimenetű mérőórához csatlakoztatott adatgyűjtő processzor segítségével. 2. Elméleti háttér 2.1. A tűrésmező A gyártás során az alkatrészek méretei az ideális, előírt mérettől valamilyen mértékben mindig eltérnek. Ennek okai többek közt a kivédhetetlen gyártási és szerelési pontatlanságok, a gyártógépek tökéletlenségei. Éppen ezért a tervezés során szükséges definiálni egy olyan, az előírt méret körüli tartományt, amelyen belül a munkadarab még el tudja látni a funkcióját és reálisan elkészíthető. Ez a tartomány más néven a tűrés vagy tűrésmező, melynek előírása egyben meghatározza az alkatrész készítéséhez szükséges gyártási folyamatokat is. Tehát a gyártás során az elkészült méretek az előírt méret körüli, a használt technológiától függő tartományban fognak valamekkora valószínűséggel megjelenni. Az alkalmazott gyártási folyamatok általában akkor megfelelők, ha megadott konfidencia szint mellett (az iparban a konfidencia szint jellemzően p=95%, esetleg p=99,73%) az ellenőrzött méret adatainak tapasztalati szórását meghatároztuk, és a tapasztalati szórással kiszámított a sugarú konfidencia intervallum (±a) a tűrésmezőn belül helyezkedik el. Tehát Gauss féle normál eloszlást feltételezve: 2.2. A sorozatmérés P x a x x a a s x i u s x u A műszaki életben gyakran előfordulnak az ún. sorozatmérések, amikor rövid idő alatt, egymás után nagyszámú alkatrésznek kell ugyanazt a méretét lemérni. (Ez nem összetévesztendő a mérési sorozattal!!!) A 3 as mérés során a csapok sorozatmérése a digitális mérőórával és a hozzá illesztett mérési adatgyűjtő eszközzel történik. p s n 3. Sorozatmérés digitális mérőórával 1.
2 3. A mérés kivitelezése 3.2. Digitális mérőóra 1. ábra: A mérés elrendezése. Balra a mérőóra az állvánnyal, jobbra a mérési adatgyűjtő. A mérőóra a tapintócsúcs elmozdulását kapacitív mérőléc segítségével alakítja át villamos, majd digitális jellé. A mért értéket LCD kijelzőjén jeleníti meg, a digitális formában tárolt adatot pedig megfelelő illesztés révén a mérési adatgyűjtőnek el tudja küldeni. Maga a mérőóra a rögzítő perselyén keresztül egy állványban rögzített. Minden mérés előtt fontos, hogy definiálva legyen egy megfelelő referenciapont, melyben a mérőóra nulla állásban van. Ez célszerűen az állvány vízszintes, sík asztala lehet (a tapintócsúcsot engedjük le az asztalig). A referencia beállítása után a készüléket a ZERO gombbal lehet nullázni. Nullázás után a tapintót a műanyag emelőkarral óvatosan emeljük fel, majd helyezzük alá a mérendő munkadarabot és utána engedjük rá a tapintót. A tapintó felemelése és leengedése ne legyen túl gyors, mert elállíthatja a készülék nullpontját, így hibás lesz az adott mérés. 2. ábra: Munkadarab mérése mérőórával. 3. Sorozatmérés digitális mérőórával 2.
3 Miután a munkadarabot az asztalra helyeztük és a tapintócsúcsot rá engedtük, az LCD kijelzőn a referencia és az új tapintó-helyzet különbsége látszik, jelen esetben a mért érték. 3. ábra: A digitális mérőóra A mérőóra részei: 1-csatlakozó kábel, 2-mérőóra, 3-LCD kijelző, 4-rögzítő persely, 5-tapintó, 6-tapintó csúcs Az adatgyűjtő processzor A mérőóra mellett található, a mérőórához csatlakoztatott mérési adatgyűjtő a mérőóra által mutatott aktuális értéket az adatgyűjtő DATA gombjának lenyomásával eltárolja. Az adatgyűjtő processzor akár mérési érték rögzítésére is alkalmas, amelyekkel különböző statisztikai műveleteket képes végrehajtani (pl.: átlag, vagy szórásszámítás). Ezek a függvények az eszköz STAT gombjának lenyomásával érhetők el, amivel egyben a beleépített, saját hőnyomtatójával a mért értékeket, az értékekből álló hisztogramot és az értékekből képzett függvények eredményeit hőpapírra kinyomtatja. Fontos, hogy az adatgyűjtő processzor memóriája a mérés megkezdésekor törölve legyen. 4. ábra: A mérési-adat gyűjtő 3. Sorozatmérés digitális mérőórával 3.
4 5. ábra: Adatgyűjtő processzor kengyeles mikromérővel A mérés során használt mérőóra állványban van rögzítve. A mérőóra stabil pozicionálására azért van szükség, hogy mérés közben a műszer ne tudjon elmozdulni, a mérés a lehető legpontosabb és legbiztosabb legyen. Az állvány a 6. ábrán látható. 6.ábra: A mérőóra és az állvány kezelő szervei A mérőóra állványa: 1- mérőóra, 2- megvezető orsó, 3- szárrögzítő csavar, 4- mérőórát tartó szár, 5- talapzat, 6- mérőóra tapintója, 7- mérőórát rögzítő csavar. 3. Sorozatmérés digitális mérőórával 4.
5 4. Az eredmények közlése 4.2. Szórás becslése a terjedelemből A szórás gyors közelítésére történhet a sorozatból készített részsorozatok terjedelmének átlagából. (A módszer csak akkor helyes, ha a 10-nél hosszabb sorozatokat több, egyforma, 10-nél kisebb sorozatra bontjuk fel, ezért lesz szükség a részsorozatokra) Ha k mérési sorozatot készítettünk, sorozatonként n számú méréssel, akkor a következő módon járhatunk el: Kiszámítjuk a sorozatok terjedelmét: ahol: i - a sorozathoz tartozó index x - a mért értékeket jelöli R - a terjedelem. Kiszámítjuk az átlagos terjedelmet: Szórásbecslés az átlagos terjedelem alapján: ahol: A(n) - a becsült tapasztalati szórás - átlagos terjedelem - értékét táblázatból választjuk, a részsorozatba tartozó mért értékek számának megfelelően (A tíznél hosszabb sorozatokat több, tíznél rövidebb részsorozatra kell felosztani. A gyakorlatban k=3, n=10 értékek jellemzőek.) n A(n) 2 0,89 3 0,59 4 0,49 5 0,43 6 0,40 7 0,37 8 0,35 9 0, ,32 3. Sorozatmérés digitális mérőórával 5.
6 4.3. Minőségképesség-indexek Ha jellemezni szeretnénk egy folyamat vagy gép minőségképességét, akkor leggyakrabban a minőségképesség-indexeket használjuk. Az indexek 3 számolási módját az alábbi táblázat tartalmazza. Mint látható a folyamat-ill. a gépképesség-indexek számolási módja kissé eltér egymástól. A gépképesség vizsgálatoknál a nevezőben 6 helyett 8 ill. a Cmk index számolásánál 3 helyett 4-szeres szórástartományt viszonyítunk a tűrésmezőhöz. A minőségképesség-indexekkel szemben minimális követelmény, hogy értékük legalább 1,0 legyen. Általános elvárásnak napjainkban az 1,33 érték tekinthető, de egyes iparágakban (pl. autógyártás, elektronikai ipar), ma már az 1,67-es érték számít elfogadhatónak. Természetesen ezek az értékek nem jelentenek éles határt. Nincs jelentős különbség a várható selejtarányt tekintve a Cpk=1,65 és a Cpk=1,68 indexekkel jellemezhető folyamatok között. A megadott értékek inkább csak iránymutató számok, elsősorban saját folyamatainknak az adott ágazat általános minőségi színvonalával történő összehasonlítására szolgálnak. A Cp, Cpk indexek használata az ipari gyakorlatban annyira elterjedt, hogy a legtöbb helyen kizárólag ezeket a számokat használják a minőségképesség-elemzés során. Ez különösen akkor helytelen, ha a folyamatok nem stabilak, nem szabályozottak. Ekkor ugyanis a Cp, Cpk indexek értékei értelem nélküli számokat tartalmaznak, mivel a veszélyes hibák "szétzilálják" a folyamatot, és az értékek nagymértékben megváltozhatnak csupán azáltal, hogy másik mintát veszünk. Ez még viszonylag stabil folyamatoknál is előfordulhat, ha nem veszünk elég nagyszámú mintát. Nem stabil folyamat esetén tehát, a Cp, Cpk indexek nem az egész folyamatra, azaz nem a minőségképességre jellemzőek, hanem csak az adott mintára. A jól megtervezett minőségképesség elemzések előnye az ilyen - legtöbbször csak rutinszerűen számolt - mutatókkal szemben, hogy jobban feltárják a folyamat valódi természetére jellemző viselkedéseket. 3. Sorozatmérés digitális mérőórával 6.
7 Cp, Cpk értelmezése A Cp index nagysága jellemzi az illető iparág vagy üzem minőség-kultúrájának színvonalát. Bár az indexek számolását bemutató táblázatban a nevezőkben - a gyakorlatban használható egyik becslési módszernek megfelelően - mindenhol a mintából számolt tapasztalati szórás látható, de ne feledjük, hogy ez valójában nem a folyamat (sokaság) ingadozását méri, hanem csak a sokasági szórás becslése. Feladatunk a képességelemzés során az s -t, a folyamatot valóban jellemző elméleti szórás jó becslése. Ezért szükséges a mintavételi, eljárásbeli szabályok betartása. Ha a képletbe beírt szórás nem a folyamatra jellemző, elveszítjük az indexek használatának lényegét, nem tudjuk megbecsülni, hogy egy a folyamatból kikerülő termék milyen valószínűséggel lesz selejtes? Az indexek alkalmazásának fő célja pedig éppen ez. Megalkotásuknál a normális eloszlás ismert tulajdonságát vették alapul, nevezetesen, hogy egy normális eloszlású valószínűségi változó 99,73% valószínűséggel a várható érték ±3s tartományán belül van. (Megjegyezzük, hogy a valószínűségszámítással foglalkozó szakemberek nem kedvelik az előbbi mondathoz hasonló pongyola, iparral jellemző megfogalmazásokat. A helyes megállapítás a következő volna: Az átlag körül tehát rajzolható egy a sugarú intervallum, amely p valószínűséggel tartalmazza az M(x), vagy μ várható értéket. Ha ugyanis az ismeretlen várható érték a megadott intervallumban van, akkor joggal feltételezhető, hogy a véletlen változók, amelyekből a várható érték legjobb becslése, a számtani átlag kiszámítható, a jelzett valószínűséggel ugyancsak ebben az intervallumban vannak. Megj.: szerkesztő.) Ekkor tehát az ún. természetes ingadozás határai (±3s határok) éppen megegyeznek a tűréshatárokkal, azaz a Cp index értéke 1,0. Ilyenkor termékből 2700 lesz kívül a tűrésmezőn (2700 ppm a hibaarány), feltéve, hogy az ingadozás centruma éppen a tűrésmező közepe. Korábban említettük, hogy a követelmények ennél már magasabbak: 1,33 Cp index például 63,5 ppm, 1,67-es érték pedig már csak 0,57 ppm hibaarányt jelent. (Továbbra is hangsúlyozva, hogy csak abban az esetben, ha az ingadozás középértéke a folyamat középen van.) A 80-as évek előtt az USA iparában a jellemző Cp-érték 0,67 volt, vagyis a gyártott termékek mintegy 4,5%-a nem felelt meg az előírásoknak. A 80-as évek végére a 0,67 értékkel jellemzett minőségű termelés aránya 30% körülire csökkent. Ugyancsak a 80-as évek elején Japánban általánosan a Cp=1,33 értéket írták elő, a hightech ágazatokban pedig ennél is magasabbat, a Minolta szabványa Cp=2,03. A Cp mutató definíciójából következő tulajdonsága, hogy nem veszi figyelembe az ingadozás centrumának esetleges eltolódását. A folyamat minőségi színvonalát végül is a Cpk index jellemzi, mely figyelembe veszi a centrum elállítódását is. Ha a folyamat ingadozásának centruma bármely irányba eltér a középértéktől, akkor a Cpk két tagja közül - az elállítódás irányától függően - az egyik számlálója csökken, így a Cpk index értéke kisebb lesz a Cp értékénél. Ha a folyamat éppen középen van, a két index megegyezik. (A Minőségképesség-indexek leírása Erdei János: Minőségkép-elemzés c. jegyzetéből származik) 3. Sorozatmérés digitális mérőórával 7.
8 5. A mérési feladat végrehajtása 5.1. A mérőeszközökkel való megismerkedés után határozza meg és rögzítse a jegyzőkönyvben azok mérési tartományát és felbontását. A jegyzőkönyvben a mérőeszközöknek beazonosíthatónak kell lenniük, így tüntesse fel a gyártót/típust és a mérőeszköz sorszámát is. Ez a mérés megismételhetőségének fontos feltétele Nyomtassa ki az adatgyűjtő processzor által begyűjtött adatok statisztikáját (STAT gomb), majd értelmezze az ott kapott értékeket. A jegyzőkönyvben rögzítse a kinyomtatott értékek magyar nevét, és az értékeket kerekítse a mérőműszer felbontásának megfelelően. A mérés eredményét általában annyi tizedes jegyre kerekítve kell megadni, amilyen pontosan a mérőműszert le tudtuk olvasni. Átlag, szórás, konfidencia intervallum megadása (számítások eredménye) 1, legfeljebb 2 tizedes jeggyel hosszabb lehet Becsülje a sorozat szórását a terjedelem segítségével, majd az így kapott értéket hasonlítsa össze az adatgyűjtővel kapott eredménnyel Adja meg a mérési eredményt 99,73%-os valószínűségi szinten. Javasoljon tűrésmezőket, melyek esetén jó lehet a gyártmány. d = (átlag) ± (bizonytalanság) [mm] 5.5. Írjon rövid szöveges értékelést, melyben, kitér a mérés során előforduló esetleges hibákra, azok forrására, vagy esetleg javaslatot tehet, hogyan küszöbölhetőek ki, vagy csökkenthető a hatásuk. A jegyzőkönyvet a laborfoglalkozás végén a laborvezetőnek adja át, miután meggyőződött, hogy megfelel a jegyzőkönyvvel szemben támasztott formai és tartalmi követelményeknek. 3. Sorozatmérés digitális mérőórával 8.
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
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
Részletesebben5. mérés Mérés és kiértékelés számítógéppel
Budaesti Műszaki és Gazdaságtudományi Egyetem Géészmérnöki Kar Mechatronika, Otika és Géészeti Informatika Tanszék 5. mérés Mérés és kiértékelés számítógéel Segédlet a Méréstechnika (BMEGEMIAMG1) Mérés,
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
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
Részletesebben3. mérés Sorozatmérés digitális kijelzésű mérőórával
Budaesti Műszaki és Gazdaságtudományi Egyetem Géészmérnöki Kar Mechatronika, Otika és Géészeti Informatika Tanszék 3. mérés Sorozatmérés digitális kijelzésű mérőórával Segédlet a Méréstechnika (BMEGEMIAMG1)
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
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
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
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
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
RészletesebbenMéréstechnika 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.
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 - 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
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
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
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
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
RészletesebbenModern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
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
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
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
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
Részletesebben5. mérés Mérés és kiértékelés számítógéppel
Budaesti Műszaki és Gazdaságtudományi Egyetem Géészmérnöki Kar Mechatronika, Otika és Géészeti Informatika Tanszék 5. mérés Mérés és kiértékelés számítógéel Segédlet a Méréstechnika (BMEGEMIAMG1) Mérés,
RészletesebbenErdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány
Budapesti Műszaki- és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállalkozásgazdaságtan Tanszék Erdei János egyetemi adjunktus Minőség- és megbízhatóság menedzsment
Részletesebben17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés
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
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
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
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 I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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
RészletesebbenA mérés. A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell
A mérés A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell törekedni, minél közelebb kerülni a mérés során a valós mennyiség megismeréséhez. Mérési
RészletesebbenGyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.
Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenGépipari minőségellenőr Gépipari minőségellenőr
A 10/2007 (II. 27.) SzMM rendelettel módosított 1/2006 (II. 17.) OM rendelet Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről alapján. Szakképesítés,
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
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
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
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
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
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
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
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
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
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
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás
RészletesebbenSTATISZTIKA. 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
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
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
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
RészletesebbenAndó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek
1. Felületi érdesség használata Felületi érdesség A műszaki rajzokon a geometria méretek tűrése mellett a felületeket is jellemzik. A felületek jellemzésére leginkább a felületi érdességet használják.
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,
RészletesebbenTűrés és illesztés. Készítette: Szűcs Tamás
Tűrés és illesztés Készítette: Szűcs Tamás 2016 1. A tűrés fogalma, jelölésrendszere Alapfogalmak Tűrés: egy munkadarab mérete vagy alakja bizonyos határok között eltérhet a pontos mérettől. A rajzon a
RészletesebbenA kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9
A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 Név: Pitlik László Mérés dátuma: 2014.12.04. Mérőtársak neve: Menkó Orsolya Adatsorok: M24120411 Halmy Réka M14120412 Sárosi
RészletesebbenLegnagyobb anyagterjedelem feltétele
Legnagyobb anyagterjedelem feltétele 1. Legnagyobb anyagterjedelem feltétele A legnagyobb anyagterjedelem feltétele (szabványban ilyen néven szerepel) vagy más néven a legnagyobb anyagterjedelem elve illesztett
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenMéréselmélet és mérőrendszerek
Méréselmélet és mérőrendszerek 6. ELŐADÁS 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 eredete o
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
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
RészletesebbenHasználati útmutató. A Hungary Mérleg Kft. által forgalmazott EQC típusú digitális mérleghez.
Használati útmutató A Hungary Mérleg Kft. által forgalmazott EQC típusú digitális mérleghez. Használati útmutató A Hungary Mérleg Kft. által forgalmazott ASC típusú digitális mérleghez. Kérjük, a mérleg
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
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
Részletesebben5. mérés Mérés és kiértékelés számítógéppel
Budaesti Műszaki és Gazdaságtudományi Egyetem Géészmérnöki Kar Mechatronika, Otika és Géészeti Informatika Tanszék 5. mérés Mérés és kiértékelés számítógéel Segédlet a Méréstechnika (BMEGEMIAMG1) Mérés,
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
RészletesebbenMérés mérőmikroszkóppal 6.
Mechatronika, Optika és Gépészeti Informatika Tanszék kiadva: 2012.02.12. Mérés mérőmikroszkóppal 6. A mérések helyszíne: D. épület 523-as terem. Az aktuális mérési segédletek a MOGI Tanszék honlapján
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
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenPÉCSI MÉRLEGSTÚDIÓ KFT 7631 Pécs, Megyeri út 67. Tel.: 72/525-183, fax.: 72/525-184.
PÉCSI MÉRLEGSTÚDIÓ KFT 7631 Pécs, Megyeri út 67. Tel.: 72/525-183, fax.: 72/525-184. Kezelési Útmutató R420 kijelzőhöz Figyelmeztetés: - Csak földelt konnektorba dugja be a mérleget - Ne tegyen rá több
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
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
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenIskolai jelentés. 10. évfolyam szövegértés
2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói
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
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
Részletesebben1/8. Iskolai jelentés. 10.évfolyam matematika
1/8 2009 Iskolai jelentés 10.évfolyam matematika 2/8 Matematikai kompetenciaterület A fejlesztés célja A kidolgozásra kerülő programcsomagok az alább felsorolt készségek, képességek közül a számlálás,
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 -
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
Részletesebben4. A mérések pontosságának megítélése
4 A mérések pontosságának megítélése 41 A hibaterjedési törvény Ha egy F változót az x 1,x,x 3,,x r közvetlenül mért adatokból számítunk ki ( ) F = F x1, x, x3,, x r (41) bizonytalanságát a hibaterjedési
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
RészletesebbenMatematikai 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
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
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)
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
RészletesebbenFelhasználói kézikönyv
Felhasználói kézikönyv 6234C Fordulatszámmérő TARTALOMJEGYZÉK 1. Termékjellemzők... 2 2. Műszaki jellemzők... 2 3. Előlap és kezelőszervek... 2 4. Működési leírás... 3 5. Mérési folyamat... 4 6. Elem cseréje...
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,
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
RészletesebbenASC. Kezelési útmutató. 6 8 0 0, H ó d m e z ő v á s á r h e l y. B o t o n d u. 1 0. T e l. : + 3 6 / 7 0 5 3 9 8 3 4 2
ASC Kezelési útmutató 6 8 0 0, H ó d m e z ő v á s á r h e l y B o t o n d u. 1 0. T e l. : + 3 6 / 7 0 5 3 9 8 3 4 2 W e b : w w w. i p a r i m e r l e g e k. h u E - m a i l : i p a r i m e r l e g e
RészletesebbenKalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I
Kalibrálás és mérési bizonytalanság Drégelyi-Kiss Ágota I. 120. dregelyi.agota@bgk.uni-obuda.hu Kalibrálás Azoknak a mőveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható
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
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)
RészletesebbenEPS-1-60 és EPS-1-120 HASZNÁLATI ÚTMUTATÓ
EPS-1-60 és EPS-1-120 HASZNÁLATI ÚTMUTATÓ BILLENTYŰZET 1) ON/OFF gomb: a mérleg ki- és bekapcsolása 2) TARE gomb: tárázás/nullázás 3) MODE gomb: mértékegység váltás MŰSZAKI PARAMÉTEREK 1) Méréshatár: 60.00kg
RészletesebbenStatisztikai becslés
Kabos: Statisztika II. Becslés 1.1 Statisztikai becslés Freedman, D. - Pisani, R. - Purves, R.: Statisztika. Typotex, 2005. Reimann J. - Tóth J.: Valószínűségszámítás és matematikai statisztika. Tankönyvkiadó,
RészletesebbenNehézségi gyorsulás mérése megfordítható ingával
Nehézségi gyorsulás mérése megfordítható ingával (Mérési jegyzőkönyv) Hagymási Imre 2007. április 21. (hétfő délelőtti csoport) 1. A mérés elmélete A nehézségi gyorsulás mérésének egy klasszikus módja
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
RészletesebbenSTATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
RészletesebbenAHC darabszámláló mérleg
AHC darabszámláló mérleg Felhasználói kézikönyv Oldal - 1 - / 6 1. Bevezetés:... - 3-2. Billentyű funkciók:... - 3-3. Kijelző:... - 4-4. Kezelői műveletek:... - 4-4.1. Nullázás:... - 4-4.2. Tára:... -
Részletesebben