Laboratóriumi kontrollkártya használata Tananyag. Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrinc Anna minőségirányítási előadó

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Laboratóriumi kontrollkártya használata Tananyag. Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrinc Anna minőségirányítási előadó"

Átírás

1 Laboratórum kontrollkártya használata Tananyag Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrnc Anna mnőségrányítás előadó

2 Tartalom. Bevezetés A kontroll kártyák típusa A statsztka kontroll A kontroll kártyák fajtá Egyed Értékek Kártyája (Indvduals) Mozgó terjedelem (Movng Range) Átlag kontroll kártya (Averages) Terjedelem kártya (Range) A kontroll kártyák készítése- peremfeltételek Kontroll mnta Utasítás Kontrollkártyák készítése Tervezés Kontrollkártya használata Mndennapos használat Egyed eltérések kezelése Fgyelmeztetés (W) határ átlépése Beavatkozás határ (A) elérése Kártyaváltás Kontrollkártya értékelése Teendők kugró értékek esetén Kontollkártya automatzálása Előnyök és hátrányok Statsztka alapfogalmak, rövdítések Irodalom...

3 . Bevezetés A kontoll-kártyákat a géppar tömegtermelés mnőségellenőrzésében vezették be (SCP= Statstcally Controlled Process) Dr. W. Sewhart, 94. A cél az volt, hogy egyszerűen kontrollálható legyen a termelő folyamat, dejében kapjon vsszajelzést a termelésrányító, ha valamlyen nemkívánatos folyamat elndul a rendszerben. Bármely folyamat, legyen az termelő, vagy analtka/mérés folyamat, hbákat tartalmaz. A hbák két alaptpusa a véletlen és a szsztematkus hba. agyon leegyszerűsítve, ha például egy rögzített fegyverrel lövéseket adunk le egy céltáblára, akkor a találatok szórását nagyrészt a szél matt véletlen hba okozza. A középponttól való eltérésért vszont az rányzék beállítása matt szsztematkus hba felelős. A véletlen hbával megfelelő statsztka módszerekkel számolunk, a szsztematkus hbákat vszont észlelnünk és a lehetőségekhez képest kküszöbölnünk kell. (azaz: állítunk a fegyver rányzékán) A folyamat ellenőrzött (n-control), ha abban csak véletlen hbák fordulnak elő, és nem ellenőrzött (out of control), amennyben szsztematkus hbák s megjelennek. Mndennap laboratórum munkánk során alapvető fontoságú annak a bzonyítása, hogy eredményenk a vzsgálat módszerben vagy szabványban előírt teljesítményjellemzőknek folyamatosan megfelelnek. Erre a célra alkalmas, egyszerű, könnyen automatzálható, vzuáls eszköz a kontroll- kártya. A megfelelően vezetett kontrollkártya vtás esetekben szolgál és véd de az analtkus nyugodt álmához vta nélkül s nagy segítséget nyújt, jelentős munka- és anyag ráfordítás nélkül. A kontrollkártyáról ellenőrzhetjük az alkalmazott analtka módszer egészét -a részfolyamatokról nem ad tájékoztatást-, jelz, ha valamelyk mérés sorozat kérdéses, ha elndult valamlyen folyamat a rendszerünkben, vagy ha egy adott sorozat eredménye megkérdőjelezhetőek, esetleg nylvánvalóan rosszak. A tananyagban a szükséges alapfogalmak, számítások, a különböző kontrollkártya-típusok elkészítésén és használatán túlmenően a mndennap munkában használható, gyakorlat példákon át mutatjuk be a kontrollkártya készítés alapjat.

4 . A kontroll kártyák típusa A mnőségellenőrzés gyakorlatában a következő öt kontrollkártya típus használata a legelterjedtebb: Egyed érték kártya (Indvduals)* Mozgó terjedelem kártya (Movng Range) Átlag kártya (Average) Terjedelem kártya (Range) CUSUM (vagy V-maszk) kártya Az egyes kártyák leírása az rodalomjegyzékben említett szabványokban megtalálható. Laboratórum célra legnkább az egyed érték és a mozgó terjedelem (Indvduals, Movng Range) kártyák használatosak. A CUSUM típusú kontrollkártyák nkább termelésellenőrzésre szolgálnak. * Ahol lehet, a megfelelő angol nyelvű kfejezést vagy meghatározást s megemlítjük, megkönnyítve az nternetes keresést a vállalkozó kedvűeknek.

5 3. A statsztka kontroll A kontrollkártyák alapelve a statsztka kontroll. Legyen egy analtka mérés 3 lépéses folyamat, és mndegyk lépés csak véletlen hbákat tartalmazzon (torzítatlan). Az egyes részfolyamatok eredménye lyenkor normáls (gauss) eloszlást követnek. Statsztka módszerekkel bebzonyítható, hogy lyen esetben a részfolyamatok végeredménye s normáls eloszlású. Ábra Bzonyítható továbbá, hogy normáls eloszlás esetén az adatok 99,73%-a az m±3s * 95,44%-a az m±s 68,6%-a az m±s tartományba esk.: *: Rövdítések, jelmagyarázatok a. fejezetben

6 Ha az ábrát 90 -kal elfordítjuk, és a mérés pontokat dőrendben tüntetjük fel: és egyenest húzunk a m±3s értékeknél, megkaptuk az alsó és felső beavatkozás (Acton) határokat. Annak a valószínűsége, hogy egy pont a -s +s tartományon kívül esk, kb 5%, de annak a valószínűsége, hogy egymást követő pont ebbe a tartományba essen,már jóval ksebb, ezért az m±s értékeket alsó lletve felső fgyelmeztetés (Warnng) határoknak nevezzük. A Warnng lletve Acton határok elérése más-más beavatkozást gényel. A W lmt elérése fgyelmeztet az analtkust, hogy a rendszerben valam megváltozott, és fokozott ellenőrzés szükséges, de az eredmény még ellenőrzött. Az A lmt átlépése már nem megfelelő eredményt jelent és arra utal, hogy szsztematkus hba van a rendszerben. A statsztka kontroll bztosítja, hogy mérésünk csak véletlen hbát tartalmazzon, és bztosít mnket, hogy a szsztematkus hbákat dőben észleljük és kszűrjük.

7 4. A kontroll kártyák fajtá 4.. Egyed Értékek Kártyája (Indvduals) Ha csak egy kontroll mntát használunk (vagy számuk tételről tételre változk), akkor mnden kontroll mntát egyednek kell teknten, és az Egyed értékek kártyát (Indvduals) kell használn. (pl nagyon eltérő mntaszámú és nem rendszeresen mért mnta.) Ugyancsak Eék-t kell használn, ha kevés adat áll rendelkezésre, rendszernt új kártya ndításakor. Az Egyed értékek kártyája úgy készül, hogy a kontroll mnta (QC) értéket abban a sorrendben ábrázoljuk, ahogy elemeztük őket. 4.. Mozgó terjedelem (Movng Range) A mérések abszolút értékén túl értékes nformácót rejt az eredmények által lefedett tartomány, szép magyar kfejezéssel terjedelem, azaz Range. Ha átlag értékekkel számolunk, akkor nevezzük terjedelemnek, (Range) ha egyed mntákkal, akkor mozgó terjedelemnek ( Movng Range). A movng range kártya az egymást követő értékek között különbségek abszolút értékét ábrázolja Átlag kontroll kártya (Averages) Ha rendszeresen ugyananny kontroll mntát használunk mérés tételenként (vagy naponként), akkor van értelme az átlag kontroll mnta fogalmának és annak ellenőrzésére az Átlag Kártyának. (pl: mnden egyes sorozat elején, közepén és végén alkalmazzuk a kontollmntát). Az Átlag kártyát úgy készítjük, hogy a kontroll mnta (QC) előre defnált számú (n) nap átlag értéket ábrázoljuk Terjedelem kártya (Range) A Range kártya úgy készül hogy az előre defnált számú (n) kontroll mnta (QC) nap vagy tételenként terjedelem értéket (vagys max - mn) ábrázoljuk. Az Átlag és az Egyed érték kártya rámutat a esetleges átlagtól való eltérésekre lletve az abnormáls trendekre. A Terjedelem és a Mozgó terjedelem kártya ellenőrz az esetleges abnormáls terjedelmeket vagy kugró értékeket.

8 5. A kontroll kártyák készítése- peremfeltételek Kontroll kártya készítésével és vezetésével bzonyítan és ellenőrzn tudjuk, hogy a használt műszerek kvalfkáltak, mérés eredményenk stablak és megfelelnek a specfkácónak. Ehhez néhány feltételt kell bztosítan. 5.. Kontroll mnta Kontroll kártyák készítéséhez elsősorban valamlyen etalonra van szükségünk. Hogy ez m legyen, azt a mérés tpusa adja meg. (Lehet egy hteles súly, egy normálellenállás, egy kromatográfás rendszeralkalmasság krtérum, de az analtka gyakorlatban erre a célra legtöbbször laboratórum referencaanyagokat használunk). A referencaanyagok elkészítése, dokumentálása, tárolása és használata nem tartozk a témába, de meg kell említen, hogy amíg használjuk, addg bztosan stabl kell legyen (em elegendő, ha a vzsgált komponens stabl, ha pl. a mátrx változk, tegyük fel vzet vesz fel, vagy megromlk ). Referencaanyagnak célszerű a mérendő mátrxszal megegyező, vagy ahhoz mnél jobban hasonlító homogén anyagmntát használn, melynek mennysége elegendő LRM célra, és jó (de nem előírt), ha előzőleg összemértük megfelelő CRM-mel. 5.. Utasítás Szükség van egy SOP-ra, (művelet utasításra), amely leírja, mlyen úton-módon kell a kontrollkártyát megtervezn, elndítan, vezetn, értékeln, dokumentáln, m a teendő W vagy A lmt átlépés esetén. Az SOP azért s hasznos, mert elkerülhető, hogy mndenknek egyén stílusú, nem összevethető kontrollkártyá legyenek

9 6. Kontrollkártyák készítése Különböző eljárásokat kell végezn az A és W határok számításánál, annak függvényében, hogy mekkora mntaszámmal dolgozunk. Ha a rendelkezésre álló adatok száma kcs (kevesebb,mnt 50), akkor kjelenthetjük, hogy a paraméterek valód értéke nem smert csak közelíthető; korrekcókkal elfogadjuk a normál eloszlást és a határokat az Ismeretlen Paraméterek Táblázatból [3.] keressük k. Ha az adatok száma elegendő (több, mnt 50 pont) ahhoz, hogy a valód értéket smertnek teknthessük, akkor a határokat a normál eloszláshoz tartozó Ismert Paraméterek Táblázatból [3.] kell kkeresn. Általában a laboratórumok amíg megfelelő számú adatot gyűjtenek az Ismeretlen Paraméterek Táblázatot, majd eztán az Ismert Paraméterek Táblázatot használják. 6.. Tervezés A kjelölt referencaanyaggal a mérés utasítás szernt hajtsunk végre legalább 5 független mérést. Gyűjtsük össze az eredményeket és vegyük k a kugró értékeket (pl. almov próba) Szabjuk meg az eredet határértékeket: átlag: x átlag, szórás: s, x átlag ±s, x átlag ±s, x átlag ±3s Ha ekkor van kugró érték, vegyük k, és smételjük a folyamatot. Ha már nncs kugró érték, készen állunk az első kontrollkártya Egyed értékekre való ndítására. Az adatokból számítsuk k a mozgó terjedelem átlagértékét (R átlag ) x átlag és R, valamnt a táblázat [3.] segítségével számítsuk +A, +W, -W és A értéket: W=x átlag ±,77R átlag, A=x átlag ±,66R átlag

10 Példa-.: Készítsünk kontrollkártyát melamn HPLC-MS/MS meghatározás módszerének ellenőrzésére. Rendelkezésre áll kb. mg/kg melamn tartalmú (pontosan nem smert), referencaanyag céljára megfelelő anyag. Eddg egyed eredményenk a következőek (mg melamn/kg mnta): ,00,00,3,0,00,488,03 0,979 0,997. kugró értékek keresése almov próba: X X SD > = krtkus( P 95%) krtkus értéke (f: szabadság fok) f= krt,50,45,57,656,7,749,777,789 Így:,00,,3,,00,488,03 0,979 0,997 Átlag:, s: 0,608 : 0, , ,589 0, ,699, ,0587 0, ,7779 > krt A almov próba szernt az,488 mg/kg érték kugró, a továbbakban nem vesszük fgyelembe. Mután kszórtuk a kugró értékeket, Számítsuk x átlag és R átlag értékét. Emlékeztető: A mozgó terjedelem (R) két egymást követő érték eltérésének abszolút értéke: kszámítva +A, +W, x átlag, -W és A értéke: A+=X+,66*R,37 W+=X+,77*R,3 X átlag,066 W-=X-,77*R 0,898 A-=X-,66*R 0,84

11 3. Kész az Egyed érték kártya:,4,9,4 0,9 A+ W+ átlag W- A- adat 0,4-0, Példa-. Az előbb mérésnél maradva: mután a mntánk -tegyük fel-, egy nemzetköz körvzsgálat mnta, esetleg több mnt 50 elfogadott saját eredményünk van, vagy CRM, a valód értéket smertnek fogadhatjuk el. Ekkor a kontrollkártya határat a valód értékkel és szórásokkal számíthatjuk [3.]. Jelen esetben ez az érték μ=,0 mg/kg, a szórás σ=0,0830, így : Α+:μ+3σ,349 W+:μ+σ,66 μ,00 W :μ-σ 0,934 Α :μ-3σ 0,85 Ebben az esetben az a dolgunk, hogy mnden egyes mérés sorozatban megmérjük referenca anyagunkat, legalább egyszer, és az eredményt felvgyük a grafkonra. Ha az eredmény a narancssárga vonalak között van, (W+>x m >W-) nncs teendőnk, ha nem, akkor a 6.. fejezetben részletezett tevékenységeket kell végrehajtanunk. Teljesen analóg módon készíthetünk mozgó terjedelem (Movng Range) kártyákat, a következő táblázat adataval [5.] Ismeretlen Ismert paraméter Beavatkozó (A) 3,7*R 3,69σ Fgyelmeztető (W),5*R,83σ Közép R,3σ

12 6.. Kontrollkártya használata 6... Mndennapos használat Amennyben az alkalmazott mérést nap (het) rendszerességgel végezzük, akkor mnden mérés sorozatban mérjük az előírt számban és helyeken a kontrollmntákat, számítsuk az eredményeket és vgyük fel a kontrollkártyára. Ha az adott mérést ettől rtkábban alkalmazzuk, akkor rendszeresen s generálhatunk, csak a kontroll mnták elemzésére mérés sorozatokat. (Ahogy saját laboratórum protokollunk előírja.) 6... Egyed eltérések kezelése 6... Fgyelmeztetés (W) határ átlépése Ha az eredmény elér, vagy meghaladja a fgyelmeztetés határt (de nem ér el a beavatkozás határt), akkor a témafelelősnek- ellenőrzn kell a számításokat, beméréseket, kalbrácót, ha nncs hba, tovább teendő nncs, ha gen, azt korrgáln kell. Ismételt mérés nem szükséges Beavatkozás határ (A) elérése A 6... szernt lépések után- ha az ellenőrzés során nem található hba- akkor a mérést frssen elkészített kalbrácóval, mntákkal smételjük meg. A mérés smétlése előtt: -Ellenőrzzük a mérlegek, műszerek kalbráltságát kvalfkáltságát (tunng) -Ellenőrzzük az előkészítő lépésekhez (edényzet, hígítás, szűrés, ph, SPE, hőmérséklet) használt eszközöket -Ellenőrzzük a felhasznált vegyszereket, oldószereket, standardokat -Ellenőrzzük a munkautasításokat, oktatásokat. -Lehetőség szernt a folyamat mnden lépéséhez ktassunk be QC mntákat (belső standard, hígítás standard, SPE kontroll) -A megsmételt mérés eredményet valamnt az elvégzett lépéseket dokumentáljuk a kontrollkártyán. (Műszer, eszköz rekalbrálás, kolonna, standard vagy oldószer tétel/mnőség váltás, ember hba). -Amennyben az ellenőrzés során hbát találunk, a hbás eredményt a számításoknál ne vegyük fgyelembe (de a kártyáról töröln nem szabad!) -Ha a megsmételt eredmény megfelel az eredetnek, akkor mndkét eredményt vegyük fgyelembe a továbbakban. -A hba feltárása után ellenőrzn kell az összes megelőző eredményt, amre a hba hatással lehetett. (agyon fontos! Ha az előző megfelelő eredmény pl. egy héttel ezelőtt ( hétfő reggel) és a ma szntén hétfő kontroll eredmény meghaladja az A lmtet, akkor nem tudjuk bzonyítan, hogy a mérésünk ma, múlt pénteken, szerdán vagy netalán múlt hétfő délután került k az ellenőrzés alól. Ilyenkor mnden a kérdéses ntervallumban kapott eredményt ellenőrzn kell.)

13 6.3. Kártyaváltás Kontrollkártya váltására akkor kerül sor, ha valamelyk alapvető paraméter változk. Általában elfogy a referencaanyag, vagy lejár a felhasználhatósága, egységet cserélnek a készülékben, stb. Az eredmények vsszakövethetőségét bztosítandó, lyen esetben a rég és az új rendszert legalább 3 alkalommal párhuzamosan kell működtetn, és a rég kontrollkártya alapadatat (átlag, határok) át kell vezetn az új kártyára. Ha új kontrollkártyát készítünk, mndg fgyeljünk a 8. fejezetben részletezett effektusokra. A kártya lezárását, új megnytását mndg a vonatkozó előírások (SOP) szernt kell dokumentáln.

14 7. Kontrollkártya értékelése A kontrollkártyák használata során néhány jellemző adatsort láthatunk, amelyek hasznos nformácókat tartalmaznak kugró érték. trend 3. helytelen középérték (shft) drft 5. két populácó 6. cklkus folyamat. Kugró érték: hba az adott mérés sorozatban. Trend: stabl folyamat után valam folyamatosan változk (bomlk a standard?) 3. Shft: tartósan a középérték valamelyk oldalán lévő eredmények (rossz középérték?) 4. Drft: folyamatosan mászó eredmények (gyengülő fotocella?) 5. Két populácó: új standard? 6.: Cklusok: számtalan oka lehet, analtkában rtka A fent jelenségek észlelése motvál a 8. fejezet elolvasására és/vagy végrehajtására

15 8. Teendők kugró értékek esetén Kugró érék észlelése Megvzsgáln az oko(ka)t Igazoln a kugró értéket Felelős értesítése, STOP Melőtt elutasítjuk az adatot, statsztka módszerekkel gazoln kell, hogy azok kéma (méréstechnka) problémákat tükröznek-e. Kjavítan a hbá(ka)t Ellenőrzés A kjavításon túl bztosítan kell azt, hogy a hba többször ne fordulhasson elő em OK? Igen Ellenőrzzük vsszamenőleg a kérdéses eredményeket Dokumentácó STOP

16 9. Kontollkártya automatzálása Kontrollkártyákat készíthetünk papír alapon, de célszerűbb az elektronkus megoldás: alapszntű MS Excel smeretekkel magunk s készíthetünk kontrollkártyát, vásárolható s kész program (pl. sok kereskedelm LIMS vagy statsztka programcsomag eleme), de az nternetről letölthető (freeware vagy shareware) programok s hozzáférhetőek, amt kevés munkával saját céljankra adaptálhatunk. Egy lehetséges megoldás, mely az egyed érték és a mozgó terjedelem értékeket s mutatja grafkus formában[5.]:

17 0. Előnyök és hátrányok A Kontroll kártyák statsztka eszközök a folyamatok trendjenek és stabltásának montorozására. A fő előny az adott analtka folyamat állandó montorozása. Vzuáls, jól átteknthető Gyakorlatlag nem jelent plusz munkát, a kontrollmnták belleszthetőek a nap rutnba Hátrányok: Bár tükrözk az analtka folyamat stabltását, de nem feltétlenül bztosítják a jó alkalmazást; Használatuk alapos szakma felkészültséget gényel. A statsztka eltérés maxmuma nagyobb lehet mnt a módszer/megbízó által megadott eltérés értéke.

18 . Statsztka alapfogalmak, rövdítések Az alább fogalmak, képletek, rövdítések nagyrészt az MS Excel DataAnalyss (Adatelemzés) AddInn (Bővítmény) funkcóval ekvvalensek, lletve abban megtalálhatóak és szabadon felhasználhatóak. Átlag ( mean ): A mérés adatank várható értékének becslésére használt jellemző, amely a mérés adatok számtan középértéke. Kszámítása a következő: X X = = X: átlag X : egyed mérés eredmények : mérések száma Kugró érték ( out of specfcaton value ): Az a mérés eredmény, amelynek eltérése az átlagtól nagyobb, mnt am a mérések véletlen voltából következne. Durva hbának mnősül és így elhagyható az az érték, amnek az eltérése az átlagtól nagyobb, mnt a tapasztalat szórás háromszorosa. A krtkus értékek vzsgálatát a almov próbával végezzük, ha a mérések száma kevesebb, mnt húsz: X X SD > krtkus P= ( 95%) Lneárs regresszó ( lnear regresson ): Az az eljárás, amely során lneárs kapcsolatot tételezünk fel egy mérendő fzka vagy kéma mennység (általában koncentrácó vagy anyagmennység) és egy mért fzka vagy kéma jellemző között (válaszjel) és ezen függvény (kalbráló egyenes) paraméteret és alkalmasságát határozzuk meg. Az egyenes paraméteret a legksebb négyzetek módszerével, alkalmasságát pedg F-próbával határozzuk meg. A legksebb négyzetek módszere: Krtérum: ( Y Y ) = mn. ahol Y = a + b X = ˆ Az alább összefüggésekkel számítjuk k a paramétereket: ˆ a = b = = * Y * = * X X * = = = X ( X) = = * X * Y = X = ( = X X * = ) X * Y Y

19 Az egyenlet alkalmasságát F-próbával ellenőrzzük, melynek során feltételezzük, hogy az eredményenk csak a mérés bzonytalansága matt különböznek, tehát nncs kapcsolat a függő és független változó között. F CALC = MS( REG) MS( RES) MS( REG) = B * ( X = X )( Y Y ) X Y X Y B az -edk koncentrácóérték az -edk koncentrácóértékhez tartozó mért detektorjel az összes koncentrácóérték átlaga az összes mért detektorjel átlaga a regresszós egyenes meredeksége az összes mérés pont száma ( Y Yˆ ) = MS( RES) = MS(REG) szabadság foka: MS(RES) szabadság foka: - A nullhpotézst elfogadjuk, ha F F kr Megjegyzés: az MS Excel statsztka program-modul lneárs regresszó számítás funkcója az egyenes alkalmasságát az F érték szgnfkancájával jellemz, ezért a lneartás egyk elfogadás krtérumának az α 0,05 értéket teknthetjük. Korrelácós koeffcens: A két változó közt lneárs kapcsolat mértékének a megállapítására szolgál, számítása a következő: X Y X Y = = = r = X X Y Y = = = = Megjegyzés: a lneartás vzsgálat során általában r - et adunk meg.

20 Standard hba: A standard hba az X értékhez tartozó Y becslés hbájának nagyságát mér, számítása a következő: SE = X Y X Y Y Y ( ) = = = = = X X = = Megbízhatóság ntervallum ( confdence ntervals ): Az az értéktartomány, amelyben a mérés eredményenk adott valószínűség sznten találhatóak, kszámítása a következő: SD megbízhatóság nt ervallum = X ± t α t a : Student-eloszlás értéke, táblázatból kkereshető adott mérésszámhoz és valószínűség sznthez Lásd még: megbízhatóság határ ( confdence lmts ). Statsztka próba ( statstcal test ): Az az eljárás, amely során felállítunk egy úgynevezett nullhpotézst, és a mérés eredmények statsztka értékelése során kapott ( pl. F, t, stb. ) értékét hasonlítjuk az előre megválasztott valószínűség sznthez és szabadság fokhoz tartozó krtkus értékhez. Ha a számított statsztka érték ksebb vagy egyenlő mnt a krtkus érték, akkor a próba eredménye az, hogy a megfgyelés az adott valószínűség sznten nem mond ellent a nullhpotézsnek. Tapasztalat szórás ( standard devaton ), relatív tapasztalat szórás ( relatv standard devaton)sd, s: A mérés adatank varancájának becslésére használt jellemző, amely a mérés adatok átlagos eltérése a várható értéktől. Kszámítása a következő: SD = ( X X) = RSD (%) = SD X 00

21 Terjedelem ( Range, R ): A legksebb és legnagyobb érték között értéktartomány. Valószínűség sznt ( probablty level ): Annak a valószínűsége ( %-ban ), hogy az általunk elfogadott állítás valóban gaz, lletve az elutasított állítás valóban hams. Lásd még: megbízhatóság sznt (confdence level). Megbízhatóság (konfdenca) ntervallum (confdence level) Számszerűen mutatja, hogy a módszer pontossága hogyan befolyásolja az eredmény megbízhatóságát. Konfdenca ntervallum (%) = 00 ± t ahol: n: mérések száma t f,p : Student eloszlás f: szabadság fokok száma (f = n-) f, p RSD * n Rövdítések: : mérések száma m: várható (becsült) érték μ: valód érték X : egyed mérés eredmény, független változó X: egyed mérés eredmények átlaga Y : a lneárs regresszó esetén adott X független változóhoz tartozó függő változó Y : Y becsült értéke SD, s: tapasztalat szórás, Standard Devaton RSD %: relatív tapasztalat szórás, Relatve Standard Devaton krtkus : almov próba krtkus értéke H 0 : nullhpotézs α: szgnfkancasznt (megbízhatóság sznt) σ: varanca P: valószínűség sznt f: Szabadság fok F: F-próba számított értéke F kr : F-próba krtkus értéke t a: Student féle eloszlás krtkus értéke R Tartomány, Range W Fgyelmeztető, Warnng határ A Beavatkozás, Acton határ QC Mnőség-ellenőrzés, Qualty Control

22 a: a regresszós egyenes tengelymetszete b: a regresszós egyenes meredeksége a : a becsült tengelymetszet b : a becsült meredekség SD r : rezduáls szórásnégyzet SD e : smételt mérések esetén a csoportokon belül error szórásnégyzet p : smételt mérések esetén az smétlések száma r: korrelácós együttható SE: a regresszós egyenes standard hbája f: szabadság fokok száma f e : SD e szabadság foka f r : SD r szabadság foka SD b : a meredekség szórása SD a : a tengelymetszet szórása SD y : a regresszós egyenes szórásnégyzete LRM Laboratórum referencanyag CRM Tanúsított referencaanyag A statsztka kértékeléseket P = 95 %-os (α = 0,05) valószínűség sznten végezzük el az MS Excel program segítségével.. Irodalom [.] ISO 7870-:007 Control charts - General Gude and ntroducton [.] ISO 7873:993 Control charts for arthmetc average wth warnng lmts [3.] ISO 858:98 Shewhart Control Charts [4.] ISO 7896:993 Acceptance control charts [5.] LRM használata a Mnőségellenőrzésben ( Szent István Egyetem Alkalmazott Kéma Tanszék TRAP LRM EC-Growth contract G6MA-CT )

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer? 01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak. 8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral

Részletesebben

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris regresszió. Statisztika I., 4. alkalom Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı

Részletesebben

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat? Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs

Részletesebben

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist. 1. Az X valószínőség változó 1 várható értékő és 9 szórásnégyzető. Y tıle független várható értékkel és 1 szórásnégyzettel. a) Menny X + Y várható értéke? 13 1 b) Menny X -Y szórásnégyzete? 13 1 összesen

Részletesebben

Adatsorok jellegadó értékei

Adatsorok jellegadó értékei Adatsorok jellegadó értéke Varga Ágnes egyetem tanársegéd varga.ag14@gmal.com Terület és térnformatka kvanttatív elemzés módszerek BCE Geo Intézet Terület elemzés forgatókönyve vacsora hasonlat Terület

Részletesebben

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

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

Statisztika feladatok

Statisztika feladatok Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

Kísérlettervezési alapfogalmak:

Kísérlettervezési alapfogalmak: Kísérlettervezés alapfogalmak: Tényező, faktor (factor) független változó, ható tényező (kezelés, gyógyszer, takarmány, genotípus, élőhely, stb.) amnek hatását a kísérletben vzsgáln vagy összehasonlítan

Részletesebben

Adatelemzés és adatbányászat MSc

Adatelemzés és adatbányászat MSc Adatelemzés és adatbányászat MSc. téma Adatelemzés, statsztka elemek áttekntése Adatelemzés módszertana probléma felvetés módszer, adatok meghatározása nyers adatok adatforrás meghatározása adat tsztítás

Részletesebben

METROLÓGIA ÉS HIBASZÁMíTÁS

METROLÓGIA ÉS HIBASZÁMíTÁS METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.

Részletesebben

Intelligens elosztott rendszerek

Intelligens elosztott rendszerek Intellgens elosztott rendszerek VIMIAC2 Adatelőkészítés: hhetőségvzsgálat normálás stb. Patak Béla BME I.E. 414, 463-26-79 atak@mt.bme.hu, htt://www.mt.bme.hu/general/staff/atak Valamlyen dőben állandó,

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a bometrába Dr. Dnya Elek egyetem tanár PhD kurzus. KOKI, 205.0.08. ADATREDUKCIÓ I. Középértékek Adatredukcó. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények:

Részletesebben

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

VARIANCIAANALÍZIS (szóráselemzés, ANOVA) VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek

Részletesebben

IDA ELŐADÁS I. Bolgár Bence október 17.

IDA ELŐADÁS I. Bolgár Bence október 17. IDA ELŐADÁS I. Bolgár Bence 2014. október 17. I. Generatív és dszkrmnatív modellek Korábban megsmerkedtünk a felügyelt tanulással (supervsed learnng). Legyen adott a D = {, y } P =1 tanító halmaz, ahol

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék, az MTA Közgazdaságtudomány

Részletesebben

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika

Fuzzy rendszerek. A fuzzy halmaz és a fuzzy logika Fuzzy rendszerek A fuzzy halmaz és a fuzzy logka A hagyományos kétértékű logka, melyet évezredek óta alkalmazunk a tudományban, és amelyet George Boole (1815-1864) fogalmazott meg matematkalag, azon a

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

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

Varianciaanalízis. Egytényezős kísérletek (Más néven: egyutas osztályozás, egyszempontos varianciaanalízis ANOVA)

Varianciaanalízis. Egytényezős kísérletek (Más néven: egyutas osztályozás, egyszempontos varianciaanalízis ANOVA) Varancaanalízs A varancaanalízs során kettőnél több sokaság középértékenek mnta alapán történő összehasonlítása történk zért nevezk a kétmntás t-próba általánosításának A nullhpotézs eldöntéséhez használuk

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

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr. Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Regresszó-számítás. előadás Kvanttatív statsztka módszerek Dr. Varga Beatr Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Korrelácós

Részletesebben

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

Kidolgozott feladatok a nemparaméteres statisztika témaköréből Kdolgozott feladatok a nemparaméteres statsztka témaköréből A táékozódást mndenféle színkódok segítk. A feladatok eredet szövege zöld, a megoldások fekete, a fgyelmeztető, magyarázó elemek pros színűek.

Részletesebben

Méréselmélet: 5. előadás,

Méréselmélet: 5. előadás, 5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,

Részletesebben

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

Részletesebben

The original laser distance meter. The original laser distance meter

The original laser distance meter. The original laser distance meter Leca Leca DISTO DISTO TM TM D510 X310 The orgnal laser dstance meter The orgnal laser dstance meter Tartalomjegyzék A műszer beállítása - - - - - - - - - - - - - - - - - - - - - - - - - 2 Bevezetés - -

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pálázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék, az MTA Közgazdaságtudomán

Részletesebben

NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II.

NKFP6-BKOMSZ05. Célzott mérőhálózat létrehozása a globális klímaváltozás magyarországi hatásainak nagypontosságú nyomon követésére. II. NKFP6-BKOMSZ05 Célzott mérőhálózat létrehozása a globáls klímaváltozás magyarország hatásanak nagypontosságú nyomon követésére II. Munkaszakasz 2007.01.01. - 2008.01.02. Konzorcumvezető: Országos Meteorológa

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr. Korrelácó-számítás 1. előadás Döntéselőkészítés módszertana Dr. Varga Beatr Két változó között kapcsolat Függetlenség: Az X smérv szernt hovatartozás smerete nem ad semmlen többletnformácót az Y szernt

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

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

d(f(x), f(y)) q d(x, y), ahol 0 q < 1. Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés

Részletesebben

(eseményalgebra) (halmazalgebra) (kijelentéskalkulus)

(eseményalgebra) (halmazalgebra) (kijelentéskalkulus) Valószínűségszámítás Valószínűség (probablty) 0 és 1 között valós szám, amely egy esemény bekövetkezésének esélyét fejez k: 0 - (sznte) lehetetlen, 0.5 - azonos eséllyel gen vagy nem, 1 - (sznte) bztos

Részletesebben

OLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma

OLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma OLS regresszó - smétlés Mroöonometra,. hét Bíró Anó A tantárg tartalma Leggaorbb mroöonometra problémá és azo ezeléséne megsmerése Egén vag vállalat adato Keresztmetszet és panel elemzés Vállalat, pacelemzés

Részletesebben

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege A multkrtérumos elemzés célja, alkalmazás területe, adat-transzformácós eljárások, az osztályozás eljárások lényege Cél: tervváltozatok, objektumok értékelése (helyzetértékelés), döntéshozatal segítése

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

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

Nemparaméteres eljárások

Nemparaméteres eljárások Nemparaméteres eljárások Bevezetés Az ntervallum vagy a hányados skálán végzett méréseknél az adatokból számolhatunk átlagot, szórásnégyzetet, szórást Fontos módszerek alapulnak ezeknek a származtatott

Részletesebben

Egy negyedrendű rekurzív sorozatcsaládról

Egy negyedrendű rekurzív sorozatcsaládról Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,

Részletesebben

? közgazdasági statisztika

? közgazdasági statisztika Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem

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

Statisztika I. 3. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 3. előadás. Előadó: Dr. Ertsey Imre Statsztka I. 3. előadás Előadó: Dr. Ertsey Imre Vszonyszámok Statsztka munka: adatgyűjtés, rendszerezés, összegzés, értékelés. Vszonyszámok: Két statsztka adat arányát kfejező számok, Az un. leszármaztatott

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

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

[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

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 III. Oktatási segédlet

STATISZTIKA III. Oktatási segédlet MISKOLCI EGYETEM Gazdaságtudomány Kar Üzlet Informácógazdálkodás és Módszertan Intézet Üzlet Statsztka és Előrejelzés Tanszék STATISZTIKA III. Oktatás segédlet 003. MISKOLCI EGYETEM Gazdaságtudomány Kar

Részletesebben

Keresztkorreláció vizsgálata statisztikai teszttel

Keresztkorreláció vizsgálata statisztikai teszttel SZAKDOLGOZAT Keresztkorrelácó vzsgálata statsztka teszttel Készítette: Balogh Bertalan kéma BSc szakos hallgató Témavezető: Tóth Gergely egyetem docens Eötvös Loránd Tudományegyetem, Természettudomány

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

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

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

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

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

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell

I. A közlekedési hálózatok jellemzői II. A közlekedési szükségletek jellemzői III. Analitikus forgalom-előrebecslési modell Budapest Műszak és Gazdaságtudomány Egyetem Közlekedésmérnök és Járműmérnök Kar Közlekedésüzem Tanszék HÁLÓZATTERVEZÉSI MESTERISKOLA BEVEZETÉS A KÖZLEKEDÉS MODELLEZÉSI FOLYAMATÁBA Dr. Csszár Csaba egyetem

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

Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok

Műszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok Műszak folyamatok közgazdaság elemzése Kevert stratégák és evolúcós átékok Fogalmak: Példa: 1 szta stratéga Vegyes stratéga Ha m tszta stratéga létezk és a 1 m annak valószínűsége hogy az - edk átékos

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

1. Holtids folyamatok szabályozása

1. Holtids folyamatok szabályozása . oltds folyamatok szabályozása Az rányított folyamatok jelentés részét képezk a lassú folyamatok. Ilyenek például az par környezetben található nagy méret kemencék, desztllácós oszlopok, amelyekben valamlyen

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

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció

Békefi Zoltán. Közlekedési létesítmények élettartamra vonatkozó hatékonyság vizsgálati módszereinek fejlesztése. PhD Disszertáció Közlekedés létesítmények élettartamra vonatkozó hatékonyság vzsgálat módszerenek fejlesztése PhD Dsszertácó Budapest, 2006 Alulírott kjelentem, hogy ezt a doktor értekezést magam készítettem, és abban

Részletesebben

4 205 044-2012/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme

4 205 044-2012/11 Változtatások joga fenntartva. Kezelési útmutató. UltraGas kondenzációs gázkazán. Az energia megőrzése környezetünk védelme HU 4 205 044-2012/11 Változtatások joga fenntartva Kezelés útmutató UltraGas kondenzácós gázkazán Az energa megőrzése környezetünk védelme Tartalomjegyzék UltraGas 15-1000 4 205 044 1. Kezelés útmutató

Részletesebben

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk

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

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

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

Leica DISTOTMD510. X310 The original laser distance meter. The original laser distance meter

Leica DISTOTMD510. X310 The original laser distance meter. The original laser distance meter TM Leca DISTO Leca DISTOTMD510 X10 The orgnal laser dstance meter The orgnal laser dstance meter Tartalomjegyzék A műszer beállítása - - - - - - - - - - - - - - - - - - - - - - - - - 2 Bevezetés - - -

Részletesebben

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző lektrokéma 03. Cellareakcó potencálja, elektródreakcó potencálja, Nernst-egyenlet Láng Győző Kéma Intézet, Fzka Kéma Tanszék ötvös Loránd Tudományegyetem Budapest Cellareakcó Közvetlenül nem mérhető (

Részletesebben

Szerelési útmutató FKC-1 síkkollektor tetőre történő felszerelése Junkers szolár rendszerek számára

Szerelési útmutató FKC-1 síkkollektor tetőre történő felszerelése Junkers szolár rendszerek számára Szerelés útmutató FKC- síkkollektor tetőre történő felszerelése Junkers szolár rendszerek számára 604975.00-.SD 6 70649 HU (006/04) SD Tartalomjegyzék Általános..................................................

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

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

ÁLTALÁNOS STATISZTIKA

ÁLTALÁNOS STATISZTIKA Berzseny Dánel Főskola ÁLTALÁNOS STATISZTIKA műszak menedzser alapszak Írta: Dr. Köves János Tóth Zsuzsanna Eszter Budapest 006 Tartalomjegyzék. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK... 4.. A VALÓSZÍNŰSÉGSZÁMÍTÁS

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

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Nemparaméteres módszerek Krsztna Boda PhD SZTE ÁOK Orvos Fzka és Orvos Informatka Intézet Paraméteres próbák Paraméter: egy szám, amely a populácó eloszlását jellemz (és általában meghatározza). A normáls

Részletesebben

A DÖNTÉSELMÉLET ALAPJAI

A DÖNTÉSELMÉLET ALAPJAI J 2 A DÖNTÉSELMÉLET ALAJAI óformán életünk mnden percében döntéseket kell hoznunk, és tesszük ezt mnden elmélet megalapozottság nélkül. Sajnos a mndennap életben felmerülő egyed döntésekre még nem skerült

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

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

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

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

7. Mágneses szuszceptibilitás mérése

7. Mágneses szuszceptibilitás mérése 7. Mágneses szuszceptbltás mérése PÁPICS PÉTER ISTVÁN csllagász, 3. évfolyam 5.9.. Beadva: 5.9.9. 1. A -ES MÉRHELYEN MÉRTEM. Elször a Hall-szondát kellett htelesítenem. Ehhez RI H -t konstans (bár a 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

Példa: Egy üzletlánc boltjainak forgalmára vonatkozó adatok 1999. október hó: (adott a vastagon szedett!) S i g i z i g i z i

Példa: Egy üzletlánc boltjainak forgalmára vonatkozó adatok 1999. október hó: (adott a vastagon szedett!) S i g i z i g i z i . konzult. LEV. 013. ápr. 5. MENNYISÉGI ISMÉRV szernt ELEMZÉS Tk. 3-8., 88-90. oldal, kmarad: 70., 74. oldal A mennység smérv (X) lehet: dszkrét és folytonos. A rangsor a mennység smérv értékenek monoton

Részletesebben

A DETERMINÁCIÓS EGYÜTTHATÓRÓL

A DETERMINÁCIÓS EGYÜTTHATÓRÓL VITA A DETERMIÁCIÓS EGYÜTTHATÓRÓL HUYADI LÁSZLÓ Egyes vélekedések szernt a regresszós modellek (többszörös) determnácós együtthatója nem jó mutatószám, hszen sok olyan hányossága van, amelyek folytán alkalmazása

Részletesebben

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Szárítás során kialakuló hővezetés számítása Excel VBA makróval Szárítás során kalakuló hővezetés számítása Excel VBA makróval Rajkó Róbert 1 Eszes Ferenc 2 Szabó Gábor 1 1 Szeged Tudományegyetem, Szeged Élelmszerpar Főskola Kar Élelmszerpar Műveletek és Környezettechnka

Részletesebben

Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős

Általános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős I. BEVEZETÉS A STATISZTIKUS MÓDSZEREKBE Ebben a fejezetben konkrét példán vzsgáljuk meg, hogy mlyen jellegzetes tulajdonsága vannak a makroszkopkus testeknek statsztkus fzka szempontból. A megoldás során

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

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések

Algoritmusok és adatszerkezetek gyakorlat 09 Rendezések Algortmusok és adatszerkezetek gyakorlat 09 Rendezések Néhány órával ezelőtt megsmerkedtünk már a Merge Sort rendező algortmussal. A Merge Sort-ról tuduk, hogy a legrosszabb eset dőgénye O(n log n). Tetszőleges

Részletesebben

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés Extrém-érték modellezés Zemplén András Alkalmazott modul 03. február. Extrém-érték elemzés Klasszkus módszerek: év maxmumon alapulnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízbıl

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

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