Sorozatmérés digitális mérőórával 3.

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Sorozatmérés digitális mérőórával 3."

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 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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF 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

Részletesebben

5. mérés Mérés és kiértékelés számítógéppel

5. 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,

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI 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

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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

Részletesebben

3. mérés Sorozatmérés digitális kijelzésű mérőórával

3. 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)

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

A mérési eredmény megadása

A 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

Részletesebben

17. Folyamatszabályozás módszerei

17. Folyamatszabályozás módszerei 17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 247 Adatgyűjtő lap 200. A probléma

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

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A 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

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

Mérési hibák 2006.10.04. 1

Mérési 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

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

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

[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

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA 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

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. 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

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern 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

Részletesebben

Minőségirányítási rendszerek 9. előadás

Minőségirányítási 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

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: 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,

Részletesebben

5. mérés Mérés és kiértékelés számítógéppel

5. 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,

Részletesebben

Erdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány

Erdei 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

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

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Méréselmélet 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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

A maximum likelihood becslésről

A 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

Részletesebben

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA 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

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

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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF 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

Részletesebben

A 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 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

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Gyártástechnológia 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

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai 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

Részletesebben

Gépipari minőségellenőr Gépipari minőségellenőr

Gépipari 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,

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

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-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:

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

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

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika 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.

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

Kontrol kártyák használata a laboratóriumi gyakorlatban

Kontrol 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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

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

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

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

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 I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

Andó 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.

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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,

Részletesebben

Tűrés és illesztés. Készítette: Szűcs Tamás

Tűrés 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

Részletesebben

A 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 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

Részletesebben

Legnagyobb anyagterjedelem feltétele

Legnagyobb 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

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel 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

Részletesebben

Méréselmélet és mérőrendszerek

Méréselmélet 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

Részletesebben

Elemi statisztika fizikusoknak

Elemi 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

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

Használati 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 EQC típusú digitális mérleghez. Használati útmutató A Hungary Mérleg Kft. által forgalmazott ASC típusú digitális mérleghez. Kérjük, a mérleg

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

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Statisztika. 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

Részletesebben

5. mérés Mérés és kiértékelés számítógéppel

5. 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,

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai 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

Részletesebben

Mérés mérőmikroszkóppal 6.

Mérés 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

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

Minőség-képességi index (Process capability)

Minőség-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

Részletesebben

PÉCSI 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. 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

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

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

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes 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

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai 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

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan 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

Részletesebben

A Statisztika alapjai

A 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

Részletesebben

1/8. Iskolai jelentés. 10.évfolyam matematika

1/8. 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,

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

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

4. A mérések pontosságának megítélése

4. 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

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

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

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

IATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools):

IATF 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)

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

Felhasználói kézikönyv

Felhasználói 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...

Részletesebben

Gyakorló 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 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,

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA 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

Részletesebben

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

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 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

Részletesebben

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I

Kalibrálás 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

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

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

EPS-1-60 és EPS-1-120 HASZNÁLATI ÚTMUTATÓ

EPS-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

Részletesebben

Statisztikai becslés

Statisztikai 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,

Részletesebben

Nehézségi gyorsulás mérése megfordítható ingával

Nehézségi 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

Részletesebben

A leíró statisztikák

A 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

Részletesebben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

STATISZTIKA. 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)

Részletesebben

AHC darabszámláló mérleg

AHC 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